Generell AI kan foreslå hva som helst. En AI som kjenner verkstedet ditt, kan foreslå noe du faktisk kan bygge. Forskjellen ligger i en vedlikeholdt oversikt over maskiner, verktøy, materialer, komponenter, arbeidsområder og grensene for hvordan de kan brukes.
Fra katalogkunnskap til situasjonskunnskap
Når du beskriver en idé, er det ikke nok at systemet kjenner tusen produksjonsmetoder. Det må vite om du har en FDM-printer eller resinprinter, byggevolumet, dysene, materialene på lager, måleverktøyet ditt og hvilke etterbehandlinger som er mulige. Har du en loddebolt, men ikke utstyr for overflatemontering? Har du kryssfiner i riktig tykkelse, men ingen trygg måte å frese den på? Slike opplysninger avgjør om planen er praktisk.
Verkstedsprofilen blir et lokalt kart. Hver ressurs kan beskrives med kapasitet, begrensninger, plassering, dokumentasjon og dato for siste kontroll. AI-en bruker kartet til å velge en gjennomførbar retning og sier tydelig fra når den mangler informasjon.
Maskiner: type, arbeidsområde, toleranse, materialstøtte og kjente begrensninger.
Lager: materiale, dimensjon, antall, kvalitet, alder og fysisk plassering.
Kunnskap: hva du gjør selv, hva du vil lære, og hva en fagperson må kontrollere.
Materiallisten blir koblet til virkeligheten
En tradisjonell materialliste forteller hva et prosjekt krever. En verkstedbevisst materialliste kan også fortelle hva som allerede finnes, hva som kan erstattes med et trygt alternativ, og hva som mangler. Den kan reservere komponenter til et prosjekt og hindre at samme del blir regnet som tilgjengelig i flere planer samtidig.
Det manglende kan samles i en innkjøpsliste med spesifikasjon, antall og grunn for valget. Systemet kan finne aktuelle leverandører eller forberede en bestilling, men pris, kompatibilitet, levering og kjøpsmyndighet må fortsatt kontrolleres. Målet er færre bomkjøp, ikke automatisk handel uten grenser.
AI kan ikke se slitasje gjennom et regneark
En lagerpost som sier «8 mm tau» forteller ikke om tauet har vært utsatt for sol, kjemikalier eller mekanisk skade. En registrert drill kan ha slitt chuck. En kalibrering kan ha utløpt. Derfor må systemet skille mellom registrert tilgjengelighet og bekreftet tilstand.
Før en byggeplan brukes, kan den kreve en enkel fysisk kontroll: se etter sprekker, mål diameter, kontroller merking eller kjør en prøvedel. For mer krevende prosjekter må tilstand og kompetanse attesteres av personen som utfører arbeidet. AI-en kan huske kontrollpunktet, men ikke late som den har utført kontrollen.
Den ærlige grensen: Systemet kan vite hva som er registrert i verkstedet. Det kan ikke uten sensorer, kontroll og menneskelig bekreftelse vite hva som faktisk virker eller hvem som kan bruke det forsvarlig.
En idé kan få flere byggbare veier
La oss si at du trenger en kapsling til en sensor. Systemet kan vise tre alternativer: print i materialet du har, bygg i plate med håndverktøy, eller kjøp en standard kapsling og lag bare innsatsen lokalt. Hvert alternativ får tidsbruk, materialbehov, usikkerhet og kontrollpunkter. Du velger om målet er lavest kostnad, raskest resultat, læring eller størst robusthet.
Når prosjektet er ferdig, kan planen oppdateres med hva som faktisk fungerte. Innstillinger, tegning, avvik og bilder blir kunnskap til neste oppgave. Slik utvikler verkstedet seg fra en samling ting til et system som husker.
Dette kan bygges for én person eller en hel tjeneste
En enkel versjon kan være en privat oversikt og en mal for materiallister. En større løsning kan koble sensorer, QR-merking, dokumentasjon, vedlikehold, lokale teknikere og bestillingsflyt. Tilgangen kan begrenses slik at en hjelper ser det som trengs for oppdraget, uten å få tilgang til alt annet.
Finnandre.no kan bygge kjernen, fylle den med dine faktiske rammer og overlevere kilde, struktur og arbeidsmåte. Du kan fortsette selv, eller be oss om å omprogrammere og oppgradere løsningen senere. AI-en blir nyttig fordi den kjenner din virkelighet – og fordi den er ærlig om det den ikke vet.
Se visjonen for lokal produksjon · Beskriv verkstedet eller ideen din
General AI can suggest almost anything. An AI that knows your workshop can suggest something you can actually build. The difference is a maintained inventory of machines, tools, materials, components, work areas and the boundaries on how they may be used.
From catalogue knowledge to situational knowledge
When you describe an idea, it is not enough for the system to know thousands of manufacturing methods. It needs to know whether you have an FDM or resin printer, its build volume, available nozzles, materials in stock, measuring tools and possible finishing processes. Do you have a soldering iron but no equipment for surface-mount work? Do you have plywood of the right thickness but no safe way to mill it? Those facts determine whether a plan is practical.
The workshop profile becomes a local map. Each resource can be described by capacity, limitations, location, documentation and date of last inspection. The AI uses the map to choose a feasible direction and makes missing information visible.
Machines: type, working area, tolerance, supported materials and known limits.
Inventory: material, dimensions, quantity, quality, age and physical location.
Knowledge: what you do yourself, what you want to learn and what a professional must check.
The bill of materials meets reality
A conventional bill of materials states what a project needs. A workshop-aware bill can also show what is already present, what can be replaced by a safe alternative and what is missing. It can reserve components for a project so that the same part is not counted as available in several plans at once.
Missing items can be collected in a purchasing list with specification, quantity and reason for the choice. The system can identify possible suppliers or prepare an order, but price, compatibility, delivery and purchasing authority still need to be checked. The goal is fewer mistaken purchases—not unrestricted automatic shopping.
AI cannot see wear through a spreadsheet
An inventory line that says “8 mm rope” does not reveal exposure to sunlight, chemicals or mechanical damage. A registered drill may have a worn chuck. A calibration may have expired. The system must therefore distinguish registered availability from verified condition.
Before a build plan is used, it may require a physical check: inspect for cracks, measure a diameter, confirm a marking or make a test piece. For more demanding work, the condition and operator competence need confirmation from the person doing the work. The AI can remember the checkpoint; it cannot pretend to have performed it.
The honest boundary: The system can know what is registered in the workshop. Without sensors, inspection and human confirmation, it cannot know what actually works or who can use it safely.
One idea can have several buildable routes
Suppose you need an enclosure for a sensor. The system may show three options: print it in a material already in stock, build it from sheet with hand tools, or buy a standard enclosure and make only the insert locally. Each option receives an estimate of time, material needs, uncertainty and checkpoints. You decide whether the priority is low cost, speed, learning or robustness.
After the project, the plan can be updated with what actually worked. Settings, drawings, deviations and images become knowledge for the next task. The workshop develops from a collection of objects into a system that remembers.
This can serve one person or an entire service
A simple version may be a private inventory and a bill-of-materials template. A larger solution may connect sensors, QR labels, documentation, maintenance, local technicians and purchasing workflows. Access can be limited so a helper sees what is necessary for the assignment without receiving access to everything else.
Finnandre.no can build the core, populate it with your real constraints and hand over the source, structure and operating method. You can continue independently or ask us to reprogramme and upgrade it later. The AI becomes useful because it knows your reality—and because it is honest about what it does not know.
See the local-production vision · Describe your workshop or idea