FAQ sur l’IA responsable pour le modèle de copilote pour les opérations en usine sur Azure AI (version préliminaire)
Important
Tout ou partie de cette fonctionnalité est accessible dans le cadre d’une version préliminaire. Le contenu et la fonctionnalité sont susceptibles d’être modifiés.
Le modèle de copilote pour les opérations en usine sur Azure AI (version préliminaire) est une solution de démarrage dans Microsoft Cloud for Manufacturing. Il utilise les fonctionnalités des interfaces en langage naturel pour gérer des scénarios de fabrication, comme résoudre des problèmes de qualité, réaliser une analyse des causes profondes, etc. Dans cet article, vous trouvez des réponses à certaines questions fréquentes (FAQ) sur le modèle de copilote pour les opérations en usine et sur la manière dont Microsoft utilise vos données de manière responsable.
En quoi consiste le modèle de copilote pour les opérations en usine ?
Le modèle de copilote pour la fabrication offre une interface en langage naturel qui génère des requêtes de langage spécifique au domaine (DSL), des résultats tabulaires et des résumés liés au domaine de gestion des opérations de fabrication.
Que peut faire le modèle de copilote pour les opérations en usine ?
Nous avons standardisé notre schéma par défaut en utilisant les entités industrielles ISA95 (en particulier Personne, Équipement et Processus). Nous préchargeons des exemples de métadonnées/données dans notre système à des fins de démonstration. Nous fournissons également des API permettant aux clients de créer leurs propres entités personnalisées et d’ingérer leurs propres données. Les requêtes DSL sont la principale manière utilisée par les clients pour récupérer des données des solutions de données de fabrication. Le modèle de copilote IA prend une question/commande en langage naturel (par exemple, « Combien y a-t-il d’employés ? ») et la convertit en requête DSL équivalente. La requête DSL est ensuite exécutée pour récupérer les données et résumer les résultats.
Quelles langues le modèle de copilote pour les opérations en usine prend-il en charge ?
Le modèle de copilote pour les opérations en usine est actuellement pris en charge en anglais uniquement. La prise en charge d’autres langues devient disponible en fonction de la demande du marché et de la disponibilité d’Azure OpenAI dans ces régions. Nous prévoyons de localiser la solution dans d’autres langues dans lesquelles Azure OpenAI est présent et en fonction des demandes des clients.
Comment les clients peuvent-il utiliser le modèle de copilote pour les opérations en usine ?
Le principal objectif est de :
Simplifier les requêtes de données : le modèle de copilote pour les opérations en usine permet des requêtes de données simples et sans SQL via l’expérience utilisateur conversationnelle, élargissant ainsi l’accès aux données entre les rôles
Améliorer la réactivité : le modèle de copilote pour les opérations en usine constitue une aide cruciale pour les responsables dans la gestion des problèmes dans l’atelier tels que les problèmes de qualité ou les interruptions, en prenant en charge l’analyse efficace des causes profondes.
Rationaliser la communication : le modèle de copilote pour les opérations en usine facilite la synthèse des analyses pour le partage entre les équipes, améliorant ainsi la collaboration et la vitesse de résolution des problèmes.
Cet outil est essentiel pour les opérations de fabrication modernes et agiles, en favorisant la prise de décisions éclairées et la collaboration en équipe. Il permet au personnel de l’usine de réaliser une analyse des causes profondes (RCA) et d’améliorer l’efficacité globale des équipements (OEE). Ils peuvent poser des questions en langage naturel pour obtenir des résultats de données, qui peuvent ensuite être utilisés pour identifier et corriger les problèmes dans l’usine. Chaque résultat doit être soumis à un examen humain avant de l’utiliser.
Comment le modèle de copilote pour les opérations en usine a-t-il été évalué ? Quelles mesures sont utilisées pour évaluer les performances ?
Nous avons évalué le système en exécutant des requêtes de test détaillées pour lesquelles nous disposons déjà de la requête DSL. Les résultats de données de la requête DSL réelle ont été comparés à ceux générés à l’aide du modèle de copilote pour la fabrication. Avec ces résultats, nous avons calculé un score F1 consolidé pour la question NL en fonction de la précision et du rappel de colonnes et de lignes.
Quel service le modèle de copilote pour les opérations en usine utilise-t-il ?
Le modèle de copilote utilise le service Azure Open AI. Nous disposons d’un pipeline d’ingénierie d’invites permettant aux modèles de langage de construire de manière intelligente une requête DSL basée sur la requête en langage naturel.
Où les données sont-elles traitées dans le cadre du modèle de copilote pour les opérations en usine ?
Le modèle de copilote effectue tout le traitement des données au sein du client Azure en fonction du modèle Managed-On Behalf Of.
Quelles sont les limitations du modèle de copilote pour les opérations en usine ? Comment les utilisateurs peuvent-ils réduire l’impact de ces limitations lors de l’utilisation du système ?
Une limitation connue du modèle de copilote pour les opérations en usine est le manque de généralisation. Nous fournissons des requêtes détaillées (paires NL, DSL) et des documents au système à titre d’exemples dans l’invite. Si ceux-ci ne fournissent pas de contexte adéquat à la requête, le copilote ne génère pas de réponse appropriée.
Les utilisateurs peuvent atténuer cette limitation en formulant leurs requêtes en langage naturel de manière plus descriptive et en les complétant avec des requêtes et des documents détaillés pour un meilleur contexte.
Quels facteurs et paramètres opérationnels permettent aux clients d’utiliser le modèle de copilote pour les opérations en usine de manière efficace et responsable ?
Pour une utilisation efficace, les utilisateurs doivent ajouter des requêtes pertinentes et des documents contextuels détaillés.
De plus, notre flux de travail vous permet d’utiliser le modèle de copilote de manière efficace et responsable. Nous vérifions l’intention de la question et l’annulons si la question n’est pas liée à la fabrication. La requête est également annulée si elle ne trouve aucune entité pertinente.