Engine Product Quality Reporting with the Help of AI

Abstract

This thesis written on behalf of Wärtsilä Finland Oy, focuses on how Artificial Intelligence could be utilized to make engine-related quality reports that would make it easier to improve engine product quality. The engine-related issues are recorded in different internal databases, which makes it hard to find recurring issues when these vast databases need to be searched by hand. This could be made more efficient by implementing an AI that could analyze the databases and, based on that, make a quality report that gives a better overview of different trends it finds. The ability to find patterns is something that AI excels in and that humans can not compete with.

The method used in this thesis is a combination of qualitative and quantitative methods. The material has been collected from internal documents and internal tools like WärtsiläGPT, Wärtsila’s own generative AI. All the theory has been collected from websites, news articles, and blog posts to ensure that the information is up to date.

WärtsiläGPT did not have access to the internal documents needed, and the gathering of data from internal databases was crucial. The results will present some of the responses that WärtsiläGPT provided when asked to make quality reports for different projects. The responses will be analyzed and will be discussed in the results chapter.

Due to sensitive material, the results will not be available to the public.

Detta examensarbete är skrivet for Wärtsilä Finland Oy och fokuserar på hur artificiell intelligens kan användas för att producera motorrelaterade kvalitetsrapporter som skulle vara till nytta för dem som jobbar med att förbättra motorprodukt kvalitén. De motorrelaterade problemen registreras i nuläget i olika interna databaser, vilket gör hela processen att manuellt hitta återkommande problem i dessa stora databaser väldigt lång. Detta skulle kunna göras mer effektivt genom att implementera AI som kan lätt analysera databaserna och utifrån detta producera en kvalitetsrapport som skulle ge en bättre överblick över olika trender den lyckats identifiera. AI har en god förmåga att upptäcka mönster i text, något som människor har svårt att konkurrera med.

Metoden som används i detta arbete är en kombination av kvalitativ och kvantitativ. Materialen har insamlats från interna dokument och genom användning av interna verktyg som WärtsiläGPT, Wärtsiläs egen generativa AI. Allt i teoridelen har samlats in från olika websidor, nyhetsartiklar och blogginlägg för att säkerställa att all information är aktuellt.

WärtsiläGPT hade inte tillgång till de interna dokuments som behövdes och därför var insamlingen av data från de olika interna databaserna en stor del av arbetet. Resultatet kommer presentera de rapporter som har genererats av WärtsiläGPT som gjort för några olika projekt, eller rättare sagt olika kraftverk med Wärtsilä motorer. Svaren kommer att analyseras och diskuteras i resultatkapitlet, i samband med svaren till frågorna ställda i introduktionen.

På grund av känsligt material så kommer resultatkapitlet inte vara tillgängligt för allmänheten.