Watsonx.ai 用例

工作计划自动化系统利用 IBM watsonx.ai 的工具套件在其中生成和优化工作计划 IBM Maximo。该系统吸收大量非结构化操作数据，例如设备手册、技术人员说明和维护记录，并使用这些数据来推荐或创建详细的、具有情境感知的工作计划。
‍

核心目标是演示如何使用 watsonx.ai 自动在 Maximo 中创建和增强工作计划。
‍

下图序列（图 1 至 4）演示了如何使用 watsonx Assistant 通过对话界面与维护文档进行交互。在此示例中（如下图顺序所示），用户向助手询问制动手动指令。该助手从之前上传到 Watson Discovery 的文档中检索相关信息。这允许底层大型语言模型 (LLM) 在形成响应时访问和理解手册内容。助手提供说明后，它还会提示用户选择通过 Maximo API 根据检索到的信息自动生成工作计划。
‍

‍

高级架构

该实现通过中间微服务将 IBM watsonx.ai 服务与 Maximo 应用程序套件集成在一起。该微服务便于从指定数据源检索信息，并根据LLM的响应自动创建工作计划。
‍

系统组件

1. 用户通过 Watsonx 助手输入 -用户通过 watsonx Assistant 与系统进行交互，该助手专为对话和互动、提问或申请工作计划而设计。
2. 行动框架 -在幕后，这些输入会触发预定义的操作，这些操作通过从多个来源提取数据来协调响应，所有这些数据都在 watsonx Assistant 中导入和执行。
3. 沃森探索之旅 -这侧重于从文档中搜索和检索相关信息。它用于摄取和分析非结构化文档并提取关键信息，这使得 watsonx Assistant 可以对其进行查询。
4. watsonx.ai 工作室 -Studio将部署LLM并根据用户提示和数据生成内容。当需要自然语言处理或结构化生成时，使用 Watson Discovery 提取的信息将通过 watsonx.ai Studio 传递给 LLM。watsonx.ai 中 LLM 的选项有：
   
   1. 花岗岩：IBM 专有的基础模型，专为企业级 AI 任务而设计，侧重于信任、透明度和特定领域的性能。
   2. 美洲驼：由 Meta 开发，针对开放研究和通用语言任务的效率和性能进行了优化。
   3. 米斯特拉l：由 Mistral AI 创建，它以轻便、高性能的开放式重量模型而闻名，针对速度和部署灵活性进行了优化。
      
      也可以选择从HuggingFace导入自己的模型，HuggingFace是LLMS的开源平台。
5. 数据扩展和集成 -该系统包含 Watson Discovery、Watson Assistant 和 Maximo API 的扩展，可实现组件之间的无缝通信。
6. 商业逻辑微服务 -轻量级微服务层处理输入、格式化请求并准备对 Maximo Manage API 的 POST 调用。该层充当人工智能输出和 Maximo 内部结构之间的桥梁。
7. 数据库交互 -如果需要验证或检索现有的工作计划数据，微服务还可以通过 JDBC 直接与管理数据库进行交互。但是，此实现未包含在概述中显示的示例中。
8. Maximo 管理器 -最后，工作计划要么通过API上传到Maximo，要么用于在Maximo Manage中提出行动建议，规划人员可以在其中审查和批准这些计划。

‍

IBM 云服务

所有 watsonx 服务都可以在上找到 cloud.ibm.com。它们也可以托管在 AWS 等其他平台上，但在此示例中，所有内容都托管在 IBM Cloud 上。在 IBM Cloud 控制面板中，单击导航菜单，如下图 6 所示。
‍

从导航菜单中选择资源列表选项，如下面的图 7 所示。
‍

在资源列表中，您将看到一个 AI/Machine Learning 下拉选项，如下面的图 8 所示，它向您展示了 IBM 提供的服务，例如 watson Discovery、watsonx Assistant 和 watsonx.ai Studio。这些是中引用的工具 高级架构 上面的部分。
‍

关键要点

这个用例展示了人工智能如何帮助简化和加快 Maximo 中工作计划的制定。通过使用 watsonx.ai 中的工具，系统可以访问大量的技术信息，例如手册、技术人员说明和维护记录，并将其转化为有用、详细的工作计划。用户无需手动搜索文档，只需通过人工智能助手提问即可。它提取正确的信息，使用人工智能进行理解，并主动提出生成工作计划。
‍

在幕后，几个强大的工具协同工作：Watson Discovery 帮助助手理解文档，watsonx.ai Studio 使用 LLM 生成智能响应，以及 Maximo API 将所有东西连接到系统。这一切都是为了使过程更容易、更快速、更准确而设计的。虽然这个例子侧重于理解维护说明和制定工作计划，但同样的方法也可用于其他领域，这使其成为一个很好的使用起点 AI 在日常运营中。