[E-DailyShin Yeong-bin 记者] 工厂中积累的数据与专业知识与生成式AI相结合，正成为设备维护和研发的动力。LGELECTRONICS(066570)推出了利用内部数据支持研发的AI代理“查达”，浦项制铁则应用了学习了设备专业知识的定制化语言模型。

两家公司于30日在首尔COEX举行的“微软行业峰会”上，发布了制造业AI应用案例。介绍了将内部数据与现场知识连接至AI，并将其应用于研发和设备管理等实际工作的案例。

将知识探索融入数据分析……执行工作的“查达”

LG电子负责人李贤九介绍了公司内部数据·知识代理“查达”的发展历程。“查达”通过整合产品使用记录以及设计、测试、质量文档等内部数据，为研发工作提供支持。

在引入“查达”之前，若要进行数据分析，必须向负责部门索取资料，确认表结构后，再使用SQL和Python进行处理。李负责人表示：“以往获得数据分析结果平均需要2周左右，但通过‘查达’，这一过程已缩短至约45秒。”

“查达”从以结构化数据分析为核心的1.0版本，发展到融合设计、测试、制造记录等非结构化知识的2.0版本。在3.0版本中，数据分析与知识探索被整合为一个对话流程。用户提出问题后，AI会制定计划，选择所需数据和工具并执行分析。重复性工作可作为“技能”保存，供团队再次利用。

该负责人解释道：“初期月活跃用户仅为38人，近期已增至847人”，“这不仅得益于模型性能的提升，用户可访问的数据范围和业务范围的扩大也起到了重要作用。”

在“查达”的开发过程中，也应用了GitHub Copilot。Copilot代理不仅参与代码编写，还参与设计、工作计划及开发历史管理。该负责人透露，在“查达”3.0的开发过程中，节省了约2亿韩元的外包开发费用，并将开发周期缩短了约2周。

退休人员日益增多的浦项制铁，将设备维护诀窍融入AI

浦项制铁团队负责人张元钟发表了利用微软AI Foundry构建设备定制化语言模型（LLM）的案例。浦项制铁推进设备AI的背景，在于需要将维修人员的经验和知识传承给现场。

张组长表示：“每年都有数百人退休”，并指出“如何将现场维护人员的经验诀窍系统化，是许多企业面临的难题”。他预测，资深维护人员所占比例将从2020年代的约50%降至2030年代的30%以下。

为提高现有设备管理生成式AI的答复质量和利用率，浦项制铁采用了微调技术。他们利用包含浦项制铁特有缩写和设备知识的“PosWiki”以及内部文档生成训练数据，部分问答数据则由AI生成。

经过微调的模型与内部文档检索功能相结合。通过Azure文档智能分析现场照片和图表等资料，并在回答中标注参考文档及来源。该系统基于约17万条设备相关内容进行答复，并建立了新文档一经注册即纳入学习的机制。

据介绍，新入职的工程师在首次检查设备前，会利用该系统查阅前辈们的维护经验和检查要点。目前，平均每天收到约100条咨询。张团队负责人表示：“初期实际应用评估分数约为75分，经过功能改进后已提升至90分左右。”

浦项计划将设备领域的应用经验扩展至能源和材料领域。张组长表示：“我们正在将内容与实际设备状态数据相连接，将其发展为能够更精准地指导设备状态及应对措施的集成智能代理。”