Manufacturing AI Work-Instruction Copilot in gebruik nemen: een praktijkvoorbeeld van begin tot eind

Voordat je begint: versies en wat je gaat aanpassen

Manufacturing AI Work-Instruction Copilot staat in Odoo Apps voor Odoo 17.0, 18.0 en 19.0. Op alle drie de pagina's kost het € 49 excl. btw, eenmalige betaling per versie.

De ingebruikname loopt via vier schermen: de wizard AI Provider Setup, de module-instellingen, de lijst Prompt Templates en de lijst AI Work Instructions › AI Providers. Daarna, in de eerste week, komen AI Work Instructions › Reporting › AI Cost (Estimated) en de statusvelden van de records in beeld. Wil je eerst een overzicht van menu's en records, lees dan hoe de module van binnen werkt.

De case: Mecanizados Albera neemt de copilot in gebruik

Voorbeeld Fictief geval: het bedrijf en de cijfers zijn verzonnen om de werkwijze uit te leggen.

Mecanizados Albera is een verzonnen bedrijf dat gefreesde en gedraaide onderdelen maakt en met Odoo 18 werkt. Marta, hoofd productie, heeft de module geïnstalleerd en wil hem klaarzetten zodat haar team de eerste werkinstructies kan beoordelen. Dit is de volgorde die zij aanhoudt.

Eerste stap: de AI-provider aanmaken

Marta opent het dialoogvenster AI Provider Setup. Ze typt een naam in Name, kiest Ollama (self-hosted) bij Provider Type, vult Model Name in (dat leeg binnenkomt, met een voorbeeldtekst) en controleert Api Url, dat naar localhost wijst. Ze klikt op Create Provider.

De provider verschijnt in AI Work Instructions › AI Providers. In Marta's database staan twee regels, een van OpenAI en een met de naam Ollama Local, allebei van het type Ollama (self-hosted).

De module kent een verbindingsstatus, connection_status, met drie waarden: Unknown, OK en Error. Marta beschouwt deze stap pas als afgerond als ze OK ziet.

Tweede stap: de module-instellingen

Op het instellingenscherm groepeert de module haar opties onder Generation & Caching en Data & Privacy. Dit zijn de velden, met hun label en technische naam:

• AI Cache TTL (days) (mai_cache_ttl_days), een geheel aantal dagen.
• Pre-Generation Batch Size (mai_pregen_batch), een geheel getal.
• Output Content Filter (mai_content_filter_enabled), een selectievakje.
• Q&A Retention (days) (mai_retention_days), een geheel aantal dagen.
• Training Cleanup (days) (mai_training_retention_days), een geheel aantal dagen.
• Max Attachment Size (MB) (mai_max_attachment_mb), een geheel getal.
• Structured JSON Logs (mai_json_logs), een selectievakje.

Marta verzint de getallen niet ter plekke: de bewaartermijnen spreekt ze af met wie de gegevensbescherming in het bedrijf regelt, en de maximale bijlagegrootte met wie de tekeningen en documenten voorbereidt. Ze vinkt Output Content Filter aan en zet Structured JSON Logs aan omdat haar IT-team daarom heeft gevraagd.

Derde stap: de promptsjablonen bekijken

In de lijst Prompt Templates vindt ze zes sjablonen per sector: Assembly, Chemical, Food & Beverage, General, Machining en Packaging. De lijst toont kolommen voor label, standaard, versie en actief. Omdat Albera verspanend werkt, kijkt Marta naar Machining en controleert ze in die kolommen welk sjabloon als standaard is gemarkeerd en welke actief zijn.

De statussen die Marta op elk record ziet

De module werkt met meerdere statusvelden. We noemen ze met hun waarden zoals de module ze definieert; deze pagina gaat niet uit van overgangen die de code niet beschrijft.

• Voorgeneratie (ai_pre_generation_state): Not Started, Queued, Generated en Error.
• Status van de instructie (ai_instruction_status): Not Generated, Draft, Pending Approval, Approved en Locked.
• Goedkeuring (state): Pending Approval en Approved.
• Nog een state-veld, met meer waarden: Draft, Pending Approval, Approved, Locked en Replaced.

Voor Marta is het nuttig om de velden uit elkaar te houden: Replaced bestaat alleen in het laatste, en Queued en Generated horen bij het voorgeneratieveld, niet bij dat van de instructie. Zegt iemand in haar team «hij is goedgekeurd», dan vraagt ze in welk veld diegene dat heeft gezien.

Wat Marta in de eerste week controleert

Nu de module in gebruik is, trekt Marta elke ochtend even tijd uit voor deze controles:

• De verbindingsstatus: staat er Error of blijft hij op Unknown, dan noteert ze dat voordat ze verder genereert.
• Records met ai_pre_generation_state op Error of die nog op Queued staan.
• Instructies op Pending Approval, zodat iemand met technisch inzicht ze beoordeelt.
• De lijst AI Work Instructions › Reporting › AI Cost (Estimated), waar ze voorlopig alleen haar twee providers met kosten op nul ziet.
• De waarden van Pre-Generation Batch Size en Max Attachment Size (MB), voor het geval ze die met de opgedane ervaring wil bijstellen.

Ook opent ze het dialoogvenster Manufacturing AI GDPR om te weten wat het vraagt voordat ze het nodig heeft. Ze ziet het veld Mode op Data Subject Access (export), de velden Data Subject en Limit to Work Order, en de knoppen Run en Close. Ze voert niets uit: ze maakt er alleen kennis mee.

Klopt er iets niet en verschijnt er een melding, dan raadpleegt Marta de foutmeldingen van de module een voor een uitgelegd.

Wat je van de case leert

De ingebruikname verloopt overzichtelijker als je drie dingen scheidt: de AI-provider, de instellingen en de sjablonen. Elk heeft een eigen scherm en is apart te controleren.

De getallen in de instellingen zijn niet zomaar technische keuzes: de dagen van Q&A Retention (days) en Training Cleanup (days) stem je het best af met wie in je bedrijf verantwoordelijk is voor de gegevens.

En de statussen: de module heeft meer dan één statusveld, met waarden die terugkomen (Pending Approval, Approved). Weten naar welk veld je kijkt voorkomt misverstanden in het team.

Hoe FlexigoTech je helpt

Bij FlexigoTech implementeren we Odoo 17, 18, 19 en 20 en ontwikkelen we connectoren en integraties op maat. Wil je begeleiding bij de ingebruikname van de copilot of hem aanpassen aan je productievloer, dan vind je de details op de modulepagina op flexigotech.com en op de pagina in Odoo Apps.

Lees verder