Contacte
Contactați-ne
Închis

Contacte

România, Cluj-Napoca – 400157
Str. Ploiești nr. 9

România, Vama – 447350
Str. Fermei Nr. 14

+40 774 463 429

info@inteliscience.net

Analiza AI a caietului de sarcini: de la RFQ la proiecte anterioare

Analiza AI a caietului de sarcini, pe scurt

Analiza AI a caietului de sarcini citește un pachet RFQ primit (caiet de sarcini, PDF-uri tehnice, desene) și returnează o listă de cerințe structurată, cu pasajul sursă pentru fiecare rând, plus proiecte anterioare similare din punct de vedere tehnic și motivul pentru care se potrivește fiecare. inteliScience o construiește pe datele dumneavoastră existente din PDM, ERP și documente, doar în citire. Inginerii verifică o listă pregătită în loc de o pagină goală.

Pas Astăzi, manual Cu analiza AI a caietului de sarcini
Citirea pachetuluiUn inginer citește fiecare paginăAI extrage cerințele, inginerul verifică lista
TrasabilitateNotițe într-un tabel, adesea fără trimiteri la paginiFiecare rând trimite la document, pagină și pasajul exact
Găsirea proiectelor de referințăÎntrebarea colegului cu experiență, căutare după cuvinte cheie pe serverul de fișiereProiecte similare ordonate, cu motivul fiecărei potriviri
Context de costuri și achizițiiCăutarea manuală a codurilor de articol în ERPPotriviri legate de înregistrările din PDM și de datele ERP privind articolele, costurile și achizițiile
Decizia privind ce se oferteazăInginerInginer (neschimbat)

Problema: de ce pachetele RFQ consumă timpul inginerilor

O cerere de ofertă pentru o mașină sau o instalație la comandă sosește rareori ca un singur document. Vine sub forma unui caiet de sarcini (Lastenheft, în ingineria germanofonă), a unui teanc de PDF-uri tehnice, a standardelor clientului, a desenelor și adesea a unui tabel cu cerințe suplimentare. Cineva trebuie să citească totul, să decidă ce se poate oferta și să termine înainte de termen.

Două lucruri fac acest proces costisitor în producția la comandă (engineer-to-order).

Primul este că o cerință omisă acum devine mai scumpă în fiecare etapă ulterioară. Un studiu NASA prezentat la simpozionul INCOSE din 2004 a estimat costul corectării unei erori de cerințe descoperite în faza de proiectare la de 3 până la 8 ori costul corectării ei în faza de cerințe, de 21 până la 78 de ori în faza de integrare și testare și de la 29 la peste 1.500 de ori în exploatare. Cifrele provin din programe aerospațiale, dar tiparul de escaladare este valabil pentru orice mașină care este proiectată, construită și pusă în funcțiune.

Al doilea este memoria. La cea mai valoroasă întrebare, „am mai construit ceva asemănător?”, răspunde de obicei inginerul cu experiență care s-a întâmplat să conducă acel proiect. Serverul de fișiere nu își amintește. Căutarea după cuvinte cheie eșuează, pentru că vechiul caiet de sarcini descria aceeași funcție cu alte cuvinte, iar căutarea în ERP necesită un cod de articol pe care încă nu îl aveți.

Poziția noastră: citirea nu este partea dificil de automatizat. Partea dificilă este ca rezultatul să devină verificabil și să fie legat de ceea ce compania dumneavoastră a construit deja.

Cum ar trebui să arate rezultatul: o listă de cerințe cu surse

Un rezultat util este o listă de cerințe atomice, câte una pe rând, fiecare cu tipul său, valoarea sa și pasajul exact din care provine. ISO/IEC/IEEE 29148:2018 enumeră nouă caracteristici ale unei cerințe individuale bune (necesară, adecvată, lipsită de ambiguitate, completă, singulară, fezabilă, verificabilă, corectă și conformă), iar o listă structurată arată clar ce cerințe ale clientului nu trec acest test. O a treia ediție a standardului se află în stadiul de Draft International Standard (DIS), cu proiectul IEEE datat septembrie 2026.

Exemplu ilustrativ, pe baza unei cereri de ofertă fictive pentru o celulă de manipulare:

Nr. Cerință (atomică) Tip Pasaj sursă Statusul stabilit de inginer
R-01Funcțiile de siguranță ating PL d conform EN ISO 13849-1NormăCaiet de sarcini §3.1: „Funcțiile de siguranță trebuie să atingă PL d conform EN ISO 13849-1”Acceptată
R-02Dulap de comandă cu grad de protecție IP54MediuAnexa de desene, nota generală 4De verificat: citită dintr-un desen
R-03Schimbarea produsului fără sculeFuncțieCaiet de sarcini §4.3Abatere de la proiectul nostru standard
R-04Vopsire în culoarea corporativă a clientuluiFinisajCaiet de sarcini §6.2, codul de culoare nu este specificatÎntrebare deschisă pentru client
R-05Timp de ciclu „cât mai scurt posibil”PerformanțăCaiet de sarcini §4.1Neverificabilă: solicitați o valoare țintă

Rândurile R-04 și R-05 merită cea mai mare atenție. O cerință fără valoare sau una formulată „cât mai scurt posibil” nu este o cerință în sensul ISO 29148. Este o întrebare pentru client, iar găsirea acestor întrebări din prima zi este mult mai ieftină decât descoperirea lor la recepție.

Recomandăm ca ultima coloană să rămână în grija oamenilor. AI completează primele patru; un inginer decide asupra celei de-a cincea.

Cum funcționează analiza AI a caietului de sarcini, pas cu pas

Analiza AI a caietului de sarcini se desfășoară în cinci pași: citirea pachetului, extragerea cerințelor atomice, atașarea pasajului sursă la fiecare, căutarea în proiectele finalizate după similaritate tehnică și predarea rezultatului către un inginer. Retrieval-augmented generation (RAG), în care un model răspunde pe baza documentelor regăsite, nu din memoria de antrenare, este tiparul general din spatele ultimilor trei pași.

  1. Citirea întregului pachet. PDF-uri cu text, anexe scanate (care necesită mai întâi OCR), tabele cu cerințe suplimentare și desene, inclusiv indicatoare, note și tabele.
  2. Extragerea și normalizarea cerințelor. Împărțirea frazelor compuse în cerințe individuale, atribuirea unui tip, preluarea valorilor și a unităților.
  3. Atașarea sursei. Fiecare rând primește documentul, pagina sau secțiunea, precum și pasajul exact.
  4. Căutarea în proiectele finalizate. Compararea cerințelor și caracteristicilor tehnice ale noii cereri de ofertă cu specificațiile, structurile de produs și documentele proiectelor încheiate și ordonarea celor similare din punct de vedere tehnic.
  5. Explicarea și predarea. Pentru fiecare potrivire: de ce a fost evaluată ca similară, ce diferă, ce documente și date există pentru ea și pasajele din spatele evaluării.

Multe instrumente AI pentru documente se opresc după pasul 3. Pentru o companie de tip engineer-to-order, valoarea se află în pasul 4, deoarece un proiect de referință bun vine cu soluția sa constructivă, istoricul său de costuri și lecțiile sale învățate.

O fereastră de chat peste serverul de fișiere este cea mai frecventă primă încercare, iar ca stare finală v-am sfătui să o evitați. Răspunde la întrebarea pe care o puneți, nu la cea pe care ați uitat-o, și nu produce nicio listă pe care cineva să o poată aproba.

Un aspect surprinde multe echipe: pentru acest tip de căutare de proiecte, sistemul CAD nu trebuie conectat deloc. Codurile de piese și de ansambluri, denumirile, structura de produs și alocarea pe proiecte provin din PDM, indiferent ce CAD folosiți, fie Siemens NX, CATIA, SolidWorks sau Creo. Găsirea pieselor similare după formă este o altă sarcină, care necesită un index geometric; serviciile noastre de AI pentru date de inginerie acoperă ambele, cu o singură echipă responsabilă pentru întregul lanț.

De ce fiecare rând are nevoie de un pasaj sursă

O cerință extrasă fără pasajul său sursă nu poate fi verificată într-un timp rezonabil, iar modelele actuale încă greșesc exact pe acest tip de material. Citările nu garantează că AI are dreptate. Ele fac ca erorile sale să fie ușor de găsit.

Dovezile din mai multe direcții indică același lucru. Cercetătorii de la Stanford au testat instrumente comerciale de cercetare juridică bazate pe retrieval-augmented generation și au constatat că acestea încă halucinau în 17% până la 33% dintre interogările de test, deși unii furnizori afirmaseră că regăsirea documentelor (retrieval) ar evita halucinațiile; studiul a apărut în Journal of Empirical Legal Studies în 2025. Conținutul ingineresc nu este mai ușor. Pe MechReason, un benchmark de inginerie mecanică cu 12.000 de perechi întrebare-răspuns publicat pe arXiv pe 21 august 2026, cel mai bun model testat, GPT-5.5, a atins o acuratețe de 62,89%, iar Claude Opus 4.8 a atins 58,07%. Autorii pun erorile în principal pe seama lanțurilor de raționament greșite și a eșecurilor de ancorare în dovezi, nu pe seama simplei invenții.

Desenele sunt și mai dificile. Pe benchmarkul MechVQA (revizuit pe 7 iulie 2026, 3.300 de desene mecanice cu 21.000 de întrebări), cel mai puternic model closed-source, Gemini-3-Pro-Preview, a obținut un scor total de 77,28. Este o primă trecere utilă, dar nimic din care să ofertați fără verificare.

Așadar, tratați implicit cerințele citite din desene și scanări ca „de verificat” și măsurați calitatea extragerii pe propriile cereri de ofertă finalizate, unde răspunsul corect este deja cunoscut, înainte de a vă baza pe ea. Regăsirea cu surse chiar dă rezultate atunci când este construită astfel: în cazul unui asistent privat de cunoștințe pe care l-am implementat pentru o firmă de inginerie și consultanță, timpul de căutare a documentelor a scăzut cu 60%.

Găsirea proiectelor anterioare similare tehnic și explicarea motivului

O potrivire de proiect similar este utilă doar dacă spune de ce este similară. Un simplu scor de similaritate îl trimite pe inginer înapoi la citit; „același principiu de manipulare, același nivel de siguranță, schimbare doar cu scule, vezi specificația finală §2.4” salvează după-amiaza.

Potrivire ilustrativă pentru cererea de ofertă fictivă de mai sus:

Câmp Conținut de exemplu
Proiect anteriorProiectul A, celulă de manipulare pentru o familie de produse comparabilă
De ce a fost evaluat ca similarAcelași principiu de prehensiune, același nivel de siguranță (PL d), clasă de sarcină utilă comparabilă
Ce diferăSchimbarea produsului nu se face fără scule
Documente disponibileSpecificația finală, desenul de amplasare, procesul-verbal de recepție, structura ansamblului în PDM
Date legateÎnregistrări PDM, date master de articol din ERP, costuri reale și informații de achiziție
Pasaje sursăSpecificația finală §2.4; procesul-verbal de recepție, secțiunea despre funcțiile de siguranță

Rândul „date legate” este locul în care analiza devine suport pentru ofertare. Când potrivirile sunt legate de înregistrările PDM și de datele ERP, inginerul vede cât a costat efectiv proiectul de referință și ce piese cumpărate a necesitat, iar acesta este punctul de plecare pentru estimarea costurilor din proiecte anterioare.

Citim din aceste sisteme; nu scriem în ele și nu le înlocuim. Un sistem PDM, comercial sau dezvoltat intern pe o bază de date SQL, poate fi citit de obicei direct. Într-un ERP precum SAP S/4HANA, SAP Business One sau proAlpha, datele despre articole, costuri și achiziții sunt accesibile doar în citire prin interfețele standard ale furnizorului. Wiki-uri precum Confluence sau SharePoint și partajările de rețea se conectează prin conectori standard. Detaliile se găsesc în ghidul nostru despre conectarea datelor PDM și ERP pentru AI.

Un pilot pe câteva cereri de ofertă dovedește ideea. Ce lipsește pentru producție: conectori doar în citire către fiecare sursă, permisiuni care reflectă sistemele dumneavoastră, găzduire pe infrastructura dumneavoastră sau în UE și un set de test din cereri de ofertă finalizate, care măsoară ce omite AI. Închidem acest gol printr-un singur serviciu: Căutare AI de proiecte similare pentru echipe engineer-to-order.

Ce condiții trebuie să îndeplinească datele dumneavoastră

Tehnologia este rareori partea incertă. Partea incertă este dacă un număr de proiect sau de comandă trece consecvent prin PDM, ERP, wiki și serverul de fișiere. Dacă da, legarea unei cerințe noi de un proiect anterior, de documentele și de costurile sale este simplă. Dacă nu, legătura poate fi totuși construită, dar devine parte a proiectului.

Acest lucru corespunde imaginii de ansamblu. Gartner a anticipat în februarie 2025 că, până în 2026, organizațiile vor abandona 60% dintre proiectele AI care nu sunt susținute de date pregătite pentru AI; în sondajul său, 63% dintre cei 248 de responsabili de managementul datelor nu aveau practicile de date potrivite pentru AI sau nu erau siguri.

Puteți testa singuri posibilitatea de legare înainte de a vorbi cu cineva. Exportați lista de proiecte din PDM și lista de comenzi din ERP într-o singură bază de date și rulați o verificare doar în citire precum aceasta (numele tabelelor și ale coloanelor sunt substituenți):

-- Linkability check: does each PDM project number find its ERP order?
-- Read-only. Table and column names are placeholders for your exports.
SELECT
  COUNT(*) AS pdm_projects,
  SUM(CASE WHEN p.order_no IS NULL OR TRIM(p.order_no) = ''
           THEN 1 ELSE 0 END) AS missing_order_no,
  SUM(CASE WHEN EXISTS (
             SELECT 1
             FROM erp_orders e
             WHERE UPPER(TRIM(e.order_no)) = UPPER(TRIM(p.order_no))
           ) THEN 1 ELSE 0 END) AS found_in_erp
FROM pdm_projects p;

O pondere ridicată pentru found_in_erp înseamnă că legătura este în mare parte o chestiune de configurare. Dacă ponderea este scăzută sau dacă multe proiecte apar în missing_order_no, aceasta arată unde se află munca pe date, înainte de a implica vreun AI. Rulați aceeași comparație pe numele folderelor de proiect de pe serverul de fișiere; acolo apar adesea surprizele.

Recomandarea noastră clară: rulați această verificare înainte de a evalua orice furnizor, inclusiv pe noi. Ea transformă întrebarea „sunt datele noastre suficient de bune?” dintr-o impresie într-un număr.

Ce să urmăriți la o soluție de analiză AI a cerințelor

Judecați o soluție după ce poate verifica un inginer, nu după demo. Aceste șase puncte deosebesc un instrument pe baza căruia puteți oferta cu încredere de unul care produce un rezumat frumos:

  1. Un pasaj sursă exact pentru fiecare rând, cu document și pagină.
  2. Desene și scanări procesate și marcate ca atare, astfel încât verificatorul să știe ce rânduri necesită o privire mai atentă.
  3. Potriviri care se explică singure: motiv, diferențe, documente disponibile.
  4. Acces doar în citire la sistemele dumneavoastră existente, fără a înlocui PDM-ul sau ERP-ul.
  5. Găzduire compatibilă cu NDA-urile dumneavoastră, pe propria infrastructură sau într-o regiune din UE, deoarece cererile de ofertă ale clienților vin adesea sub NDA.
  6. Măsurată pe propriul istoric: un test pe proiecte finalizate, la care răspunsul corect este cunoscut.

Instrumentele de management al cerințelor precum IBM DOORS, Jama Connect sau Siemens Polarion nu sunt concurenți aici. Ele gestionează cerințele după ce acestea există, prin modificări, trasabilitate și verificare. Analiza AI a caietului de sarcini se situează în amonte: transformă un pachet nestructurat de la client în prima listă structurată și o leagă de istoricul proiectelor dumneavoastră. Multe companii de tip engineer-to-order vor dori ambele.

Acest ghid acoperă cazul neutru din punct de vedere al industriei. Pentru licitațiile de transformatoare și aparataj de comutație, unde cerințele sunt verificate față de IEC 60076 și de standardele de fabrică într-o matrice de conformitate, oferim o variantă dedicată de inginerie a ofertelor pentru producătorii de transformatoare.


Întrebări frecvente

Ce este analiza AI a caietului de sarcini?

Analiza AI a caietului de sarcini înseamnă utilizarea modelelor de limbaj și de viziune pentru a citi caietul de sarcini al unui client și documentele care îl însoțesc și pentru a le transforma într-o listă de cerințe structurată și verificabilă. În producția la comandă (engineer-to-order) include de obicei și găsirea proiectelor anterioare similare din punct de vedere tehnic. inteliScience o implementează cu un pasaj sursă pe fiecare rând și un motiv declarat pentru fiecare potrivire de proiect.

Cât de precisă este AI în extragerea cerințelor din caiete de sarcini și desene?

Suficient de precisă pentru o primă trecere, dar nu suficient de precisă pentru a renunța la verificare. Benchmarkurile recente arată limitele: cel mai bun model pe benchmarkul de inginerie mecanică MechReason a atins o acuratețe de 62,89% în august 2026, iar cel mai bun model closed-source pe benchmarkul de desene MechVQA a obținut un scor de 77,28. De aceea fiecare rând extras ar trebui să aibă pasajul său sursă și de aceea acuratețea ar trebui măsurată pe propriile cereri de ofertă finalizate.

Cum găsește AI proiecte anterioare similare din punct de vedere tehnic pentru o nouă cerere de ofertă?

Compară cerințele și caracteristicile tehnice extrase din noua cerere de ofertă cu specificațiile, structurile de produs și documentele proiectelor finalizate, apoi ordonează cele mai apropiate potriviri și o explică pe fiecare. Pentru această căutare în metadate și documente, codurile de piesă, denumirile, structura și alocarea pe proiecte provin din PDM, deci sistemul CAD nu trebuie conectat. Găsirea pieselor similare după geometrie este o sarcină separată, care necesită un index de forme al bibliotecii de piese, creat o singură dată.

Cât costă implementarea analizei AI a caietului de sarcini?

Efortul depinde mai puțin de AI și mai mult de calitatea datelor dumneavoastră existente și de posibilitatea de a le lega între ele, mai ales de faptul dacă un număr de proiect sau de comandă trece consecvent prin PDM, ERP, wiki și serverul de fișiere. Dacă da, integrarea este în mare parte configurare; dacă nu, refacerea legăturii devine parte a proiectului. Stabilim amploarea printr-un Quick Scan cu workshop la fața locului, urmat de un NX Sprint delimitat, pe o familie de produse și câteva proiecte finalizate.

Care este diferența dintre analiza AI a cerințelor și instrumentele de management al cerințelor, precum IBM DOORS sau Jama Connect?

Instrumentele de management al cerințelor stochează, versionează și urmăresc cerințe care există deja în formă structurată. Analiza AI a cerințelor intervine cu un pas mai devreme: creează prima listă structurată dintr-un pachet nestructurat de la client și o leagă de proiectele anterioare. Cele două se completează, deoarece o listă structurată cu ID-uri și surse este exact tipul de date de intrare pe care un instrument de management al cerințelor îl poate prelua.


Pasul următor

Cel mai rapid mod de a afla dacă funcționează este să îl încercați pe propriile date. inteliScience, o firmă de consultanță în inginerie și AI care livrează nearshore din România pentru producători din regiunea DACH, începe cu un Quick Scan cu workshop la fața locului asupra sistemelor și calității datelor dumneavoastră, apoi derulează un NX Sprint pe o familie de produse și câteva proiecte finalizate.

Discutați cu inginerii noștri despre analiza pachetelor dumneavoastră RFQ



Surse

Setări cookie

Alegeți ce servicii putem folosi pe acest site. Alegerea dumneavoastră este salvată în browser timp de 12 luni. O puteți modifica oricând din „Setări cookie”, în partea de jos a fiecărei pagini.

Strict necesare

Salvează alegerea dumneavoastră privind cookie-urile. Acest cookie nu poate fi dezactivat.

Mereu active
Afișați cookie-urile
NumeFurnizorScopDurată de stocare
is_cookie_consentinteliScienceSalvează alegerea privind cookie-urile și momentul ei12 luni

Google Analytics 4 măsoară vizualizările de pagini, sursele vizitelor și folosirea formularelor cu ajutorul unui identificator pseudonim. Furnizor: Google Ireland Ltd. Datele pot fi prelucrate și de Google LLC în SUA (EU-US Data Privacy Framework).

Afișați cookie-urile
NumeFurnizorScopDurată de stocare
_gaGoogleDistinge vizitatorii printr-un identificator pseudonim2 ani
_ga_<ID>GoogleSalvează starea sesiunii2 ani

Google Ads măsoară ce anunțuri duc la solicitări (conversii) și ne permite să afișăm anunțurile noastre vizitatorilor anteriori (remarketing). Furnizor: Google Ireland Ltd. Datele pot fi prelucrate și de Google LLC în SUA (EU-US Data Privacy Framework).

Afișați cookie-urile
NumeFurnizorScopDurată de stocare
_gcl_au, _gcl_aw, _gcl_gsGoogleAsociază clicurile pe anunțuri cu solicitările90 de zile
_gcl_ls (local storage)GoogleAsociază clicurile pe anunțuri cu solicitările90 de zile
IDE (doubleclick.net)GoogleRemarketing și măsurarea anunțurilor13 luni

Videoclipuri: videoclipurile YouTube se încarcă doar când apăsați pe redare (prin youtube-nocookie.com). Abia atunci Google primește date.