Arranque do Manufacturing AI Work-Instruction Copilot: um caso do início ao fim

Antes de começar: versões e o que vai mexer

O Manufacturing AI Work-Instruction Copilot está publicado na Odoo Apps para Odoo 17.0, 18.0 e 19.0. Nas três fichas custa 49 € sem IVA, pagamento único por versão.

O arranque passa por quatro ecrãs: o assistente AI Provider Setup, as definições do módulo, a lista de Prompt Templates e a lista AI Work Instructions › AI Providers. Depois, durante a primeira semana, entram em jogo AI Work Instructions › Reporting › AI Cost (Estimated) e os campos de estado dos registos. Se antes quiser uma visão geral de menus e registos, veja como funciona o módulo por dentro.

O caso: a Maquinagens Albera põe o copiloto a funcionar

Exemplo Caso ilustrativo: a empresa e os seus dados são inventados para explicar o fluxo.

A Maquinagens Albera é uma empresa fictícia que fabrica peças maquinadas e trabalha com Odoo 18. A Marta, responsável de produção, instalou o módulo e quer deixá-lo pronto para que a equipa reveja as primeiras instruções de trabalho. Esta é a ordem que segue.

Primeiro passo: criar o fornecedor de IA

A Marta abre o diálogo AI Provider Setup. Escreve um nome em Name, escolhe Ollama (self-hosted) em Provider Type, preenche Model Name (vem vazio, com um texto de exemplo) e verifica Api Url, que aparece a apontar para localhost. Carrega em Create Provider.

O fornecedor aparece em AI Work Instructions › AI Providers. Na base de dados da Marta há duas linhas, uma de OpenAI e outra chamada Ollama Local, ambas do tipo Ollama (self-hosted).

O módulo define um estado de ligação, connection_status, com três valores: Unknown, OK e Error. A Marta só dá este passo por concluído quando vê OK.

Segundo passo: as definições do módulo

No ecrã de definições, o módulo agrupa as opções em Generation & Caching e Data & Privacy. Estes são os campos, com a etiqueta e o nome técnico:

• AI Cache TTL (days) (mai_cache_ttl_days), um número inteiro de dias.
• Pre-Generation Batch Size (mai_pregen_batch), um número inteiro.
• Output Content Filter (mai_content_filter_enabled), uma caixa de seleção.
• Q&A Retention (days) (mai_retention_days), um número inteiro de dias.
• Training Cleanup (days) (mai_training_retention_days), um número inteiro de dias.
• Max Attachment Size (MB) (mai_max_attachment_mb), um número inteiro.
• Structured JSON Logs (mai_json_logs), uma caixa de seleção.

A Marta não improvisa os números: os dias de retenção combina-os com quem trata da proteção de dados na empresa, e o tamanho máximo de anexo com quem prepara os desenhos e documentos. Marca Output Content Filter e ativa Structured JSON Logs porque a equipa de sistemas lho pediu.

Terceiro passo: rever os modelos de prompt

Na lista de Prompt Templates encontra seis modelos por setor: Assembly, Chemical, Food & Beverage, General, Machining e Packaging. A lista mostra colunas de etiqueta, predefinido, versão e ativo. Como a Albera faz maquinagem, a Marta olha para o de Machining e confirma nessas colunas qual está marcado como predefinido e quais estão ativos.

Os estados que a Marta vai ver em cada registo

O módulo trabalha com vários campos de estado. Listamo-los com os valores tal como o módulo os define; esta página não pressupõe transições que o código não descreva.

• Pré-geração (ai_pre_generation_state): Not Started, Queued, Generated e Error.
• Estado da instrução (ai_instruction_status): Not Generated, Draft, Pending Approval, Approved e Locked.
• Aprovação (state): Pending Approval e Approved.
• Outro campo state, com mais valores: Draft, Pending Approval, Approved, Locked e Replaced.

Para a Marta, o útil é distinguir os campos: Replaced só existe no último, e Queued e Generated pertencem ao de pré-geração, não ao da instrução. Se alguém da equipa diz «está aprovada», ela pergunta em que campo o viu.

O que a Marta verifica na primeira semana

Com o módulo já em uso, a Marta reserva um momento todas as manhãs para estas verificações:

• O estado da ligação: se aparece Error ou fica em Unknown, regista-o antes de continuar a gerar.
• Os registos com ai_pre_generation_state em Error ou que continuam em Queued.
• As instruções em Pending Approval, para que alguém com critério técnico as reveja.
• A lista AI Work Instructions › Reporting › AI Cost (Estimated), onde por agora só vê os seus dois fornecedores com os custos a zero.
• Os valores de Pre-Generation Batch Size e Max Attachment Size (MB), caso queira ajustá-los com o que aprendeu.

Também abre o diálogo Manufacturing AI GDPR para saber o que pede antes de precisar dele. Vê o campo Mode em Data Subject Access (export), os campos Data Subject e Limit to Work Order, e os botões Run e Close. Não executa nada: apenas se familiariza com ele.

Quando algo não bate certo e aparece um aviso, a Marta recorre a as mensagens de erro do módulo explicadas uma a uma.

O que aprender com o caso

O arranque fica mais organizado se separar três coisas: o fornecedor de IA, as definições e os modelos. Cada uma vive no seu ecrã e pode ser revista em separado.

Os números das definições não são simples decisões técnicas: os dias de Q&A Retention (days) e Training Cleanup (days) devem ser combinados com quem responde pelos dados na sua empresa.

E os estados: o módulo tem mais de um campo de estado, com valores que se repetem (Pending Approval, Approved). Saber em que campo está a olhar evita mal-entendidos na equipa.

Como a FlexigoTech ajuda

Na FlexigoTech implementamos Odoo 17, 18, 19 e 20 e desenvolvemos conectores e integrações à medida. Se quiser que o acompanhemos no arranque do copiloto ou adaptá-lo à sua fábrica, tem os detalhes na página do módulo em flexigotech.com e na sua ficha da Odoo Apps.

Continue a ler