電路圖 AI 將配線轉化為資料

圖面 AI 真正的進步，不在於找出元件，而在於把線路的連接關係轉化為可搜尋的資料。日立製作所以約 8 萬組電路圖與 Mermaid 格式結構資料對 AI 進行追加訓練，將連接關係的辨識準確率從既有方法的約 20％提高到約 80％。即使在實際圖面中，仍需由人員排除多餘的連接，但未來或許能透過終端裝置，追蹤深夜工廠中停機泵浦的連接對象與檢查步驟。

工廠與基礎設施的圖面，光是讀出元件名稱並沒有用。因為只要弄錯一條線連到哪裡，就可能連故障的影響範圍和作業步驟都判斷錯誤。現在，複雜的連接關係仍由熟練人員用肉眼追蹤，人們必須確認散落在紙張或影像中的知識。

將線路的意義轉化為資料

視覺語言模型（LVLM）是一種能說明影像中物體與文字的 AI。然而，在細線交錯的技術圖面中追蹤準確的連接關係，是另一項挑戰。日立製作所採用的 Mermaid，是一種以文字表示設備「節點」及其相互關係的圖表表示法。如果能把圖面轉化為這種結構化資料，AI 不只能使用元件名稱，還能將哪些設備與哪些設備相連，用於搜尋與推理。

從讀取外觀的 AI，走向輸出關係的 AI

日立製作所將電路圖影像，與以 Mermaid 格式記載相同連接關係的資料結合，對 LVLM 進行追加訓練。這種做法使用約 8 萬組電路圖與結構資料，不只是從影像推測看似合理的答案，而是讓 AI 以結構的形式輸出元件之間的連接關係。據該公司表示，連接關係的辨識準確率已從既有方法的約 20％提升至約 80％。

在更複雜的圖面中，日立製作所結合了負責掌握整體的 AI，以及多個逐一調查元件與連接關係的 AI 代理程式。雖然大幅減少了漏掉連接的情況，但仍會出現「幻覺」：輸出實際上不存在的多餘線路。模型的規模相對較小，日立製作所表示可在本地資料中心運作。不必將機密圖面傳送到外部雲端，也可能成為在現場使用的條件之一。

直到圖面成為現場知識

如果這項準確率在實際的配管圖、配電圖和工廠圖面中也能維持，圖面就能成為可搜尋、可比對的維護知識。深夜的工廠裡，維護人員在終端裝置上選取停機的泵浦後，與其連接的設備、過去的檢查記錄，以及需要確認的步驟，就會疊加在圖面上顯示。日立製作所也計畫將圖面與設計文件、操作手冊及檢查紀錄結合，用於維護與實體 AI。

不過，仍必須根據現場條件確認圖面解讀的結果，並安全地排除錯誤的連接。如何適應各個現場所使用的圖面格式，以及如何設計應由人員確認的判斷範圍，仍是待解決的問題。

出處

日立製作所〈透過大型視覺語言模型（LVLM）開發能準確讀取圖面的生成式 AI 訓練技術——理解連接關係，將其用於技術傳承與實體 AI〉