โพสต์นี้เขียนร่วมกับ Anthony Medeiros ผู้จัดการฝ่ายวิศวกรรมโซลูชันและสถาปัตยกรรมสำหรับปัญญาประดิษฐ์ในอเมริกาเหนือ และ Blake Santschi ผู้จัดการระบบธุรกิจอัจฉริยะจาก Schneider Electric ผู้เชี่ยวชาญเพิ่มเติมของชไนเดอร์ อิเล็คทริค ได้แก่ Jesse Miller, Somik Chowdhury, Shaswat Babhulgaonkar, David Watkins, Mark Carlson และ Barbara Sleczkowski
บริษัทต่างๆ ใช้ระบบการวางแผนทรัพยากรองค์กร (ERP) เพื่อจัดการฟังก์ชันทางธุรกิจหลายอย่าง เช่น การจัดการการบัญชี การขาย หรือการสั่งซื้อในระบบเดียว โดยเฉพาะอย่างยิ่งมีการใช้เป็นประจำเพื่อจัดเก็บข้อมูลที่เกี่ยวข้องกับบัญชีลูกค้า องค์กรต่างๆ ภายในบริษัทอาจใช้ระบบ ERP ที่แตกต่างกัน และการผสานรวมเข้าด้วยกันถือเป็นความท้าทายทางเทคนิคที่ซับซ้อนในวงกว้าง ซึ่งต้องใช้ความรู้เฉพาะโดเมน
Schneider Electric เป็นผู้นำในการเปลี่ยนแปลงทางดิจิทัลของการจัดการพลังงานและระบบอัตโนมัติทางอุตสาหกรรม เพื่อตอบสนองความต้องการของลูกค้าได้ดีที่สุด Schneider Electric จำเป็นต้องติดตามการเชื่อมโยงระหว่างบัญชีของลูกค้าที่เกี่ยวข้องในระบบ ERP ของตน เมื่อฐานลูกค้าเติบโตขึ้น ลูกค้าใหม่ก็จะถูกเพิ่มเข้ามาทุกวัน และทีมบัญชีของพวกเขาจะต้องจัดเรียงลูกค้าใหม่เหล่านี้ด้วยตนเองและเชื่อมโยงพวกเขากับเอนทิตีหลักที่เหมาะสม
การตัดสินใจในการเชื่อมโยงจะขึ้นอยู่กับข้อมูลล่าสุดที่เปิดเผยต่อสาธารณะบนอินเทอร์เน็ตหรือในสื่อ และอาจได้รับผลกระทบจากการเข้าซื้อกิจการ ข่าวการตลาด หรือการปรับโครงสร้างแผนกใหม่ ตัวอย่างของการเชื่อมโยงบัญชีคือการระบุความสัมพันธ์ระหว่าง Amazon และบริษัทในเครืออย่าง Whole Foods Market [แหล่ง].
Schneider Electric กำลังปรับใช้โมเดลภาษาขนาดใหญ่สำหรับความสามารถในการตอบคำถามในโดเมนความรู้เฉพาะต่างๆ วันที่โมเดลได้รับการฝึกอบรมกำลังจำกัดความรู้ พวกเขาจัดการกับความท้าทายดังกล่าวโดยใช้โมเดลภาษาขนาดใหญ่แบบโอเพ่นซอร์ส-Augmented Generation ที่มีอยู่ใน Amazon SageMaker JumpStart เพื่อประมวลผลความรู้ภายนอกจำนวนมากที่ดึงออกมาและแสดงความสัมพันธ์ขององค์กรหรือสาธารณะในบันทึก ERP
ในช่วงต้นปี 2023 เมื่อ Schneider Electric ตัดสินใจทำให้ส่วนหนึ่งของกระบวนการเชื่อมโยงบัญชีของตนเป็นอัตโนมัติโดยใช้ปัญญาประดิษฐ์ (AI) บริษัทได้ร่วมมือกับ AWS Machine Learning Solutions Lab (MLSL) ด้วยความเชี่ยวชาญของ MLSL ในการให้คำปรึกษาและการดำเนินการ ML ชไนเดอร์ อิเล็คทริคสามารถพัฒนาสถาปัตยกรรม AI ที่จะลดความพยายามด้วยตนเองในเวิร์กโฟลว์การเชื่อมโยง และช่วยให้ทีมวิเคราะห์ดาวน์สตรีมสามารถเข้าถึงข้อมูลได้เร็วขึ้น
กำเนิด AI
Generative AI และโมเดลภาษาขนาดใหญ่ (LLM) กำลังเปลี่ยนวิธีที่องค์กรธุรกิจสามารถแก้ปัญหาความท้าทายที่ซับซ้อนแบบดั้งเดิมที่เกี่ยวข้องกับการประมวลผลและความเข้าใจภาษาธรรมชาติ ประโยชน์บางประการที่ LLM มอบให้ ได้แก่ ความสามารถในการเข้าใจข้อความส่วนใหญ่และตอบคำถามที่เกี่ยวข้องโดยสร้างคำตอบที่เหมือนมนุษย์ AWS ช่วยให้ลูกค้าทดลองและสร้างปริมาณงาน LLM ได้อย่างง่ายดายโดยมีตัวเลือกมากมายให้ใช้งานผ่าน Amazon SageMaker JumpStart อเมซอน เบดร็อคและ อเมซอนไททัน.
การได้มาซึ่งความรู้ภายนอก
LLM ขึ้นชื่อในด้านความสามารถในการบีบอัดความรู้ของมนุษย์ และได้แสดงให้เห็นถึงความสามารถที่น่าทึ่งในการตอบคำถามในขอบเขตความรู้ต่างๆ โดยเฉพาะ แต่ความรู้ของพวกเขาจะถูกจำกัดตามวันที่ที่แบบจำลองได้รับการฝึกอบรม เราจัดการกับการตัดข้อมูลดังกล่าวโดยเชื่อมโยง LLM เข้ากับ Google Search API เพื่อนำเสนอ Retreatal Augmented LLM (RAG) อันทรงพลังที่จัดการกับความท้าทายของ Schneider Electric RAG สามารถประมวลผลความรู้ภายนอกจำนวนมากที่ดึงมาจากการค้นหาของ Google และแสดงความสัมพันธ์ขององค์กรหรือสาธารณะในบันทึก ERP
ดูตัวอย่างต่อไปนี้:
คำถาม: บริษัทแม่ของ One Medical คือใคร?
ข้อความค้นหาของ Google: “บริษัทแม่ด้านการแพทย์แห่งหนึ่ง” → ข้อมูล → LLM
คำตอบ: One Medical บริษัทในเครือของ Amazon...
ตัวอย่างก่อนหน้านี้ (นำมาจากฐานข้อมูลลูกค้าของ Schneider Electric) เกี่ยวข้องกับการเข้าซื้อกิจการที่เกิดขึ้นในเดือนกุมภาพันธ์ 2023 และด้วยเหตุนี้ LLM จะไม่ถูกจับได้โดยลำพังเนื่องจากการตัดความรู้ การเพิ่ม LLM ด้วยการค้นหาของ Google รับประกันข้อมูลที่ทันสมัยที่สุด
รุ่น Flan-T5
ในโครงการนั้นเราใช้โมเดล Flan-T5-XXL จาก ประหม่า-T5 ตระกูลโมเดล
โมเดล Flan-T5 ได้รับการปรับแต่งคำสั่ง ดังนั้นจึงสามารถทำงานได้ NLP แบบ Zero-shot ต่างๆ ในงานปลายน้ำของเรา ไม่จำเป็นต้องรองรับความรู้ระดับโลกจำนวนมหาศาล แต่ต้องทำงานได้ดีในการตอบคำถามโดยพิจารณาจากบริบทของข้อความที่ให้ไว้ผ่านผลการค้นหา ดังนั้น พารามิเตอร์ 11B รุ่น T5 จึงทำงานได้ดี
JumpStart ให้การใช้งานที่สะดวกของตระกูลโมเดลนี้ผ่าน สตูดิโอ Amazon SageMaker และ SageMaker SDK ซึ่งรวมถึง Flan-T5 Small, Flan-T5 Base, Flan-T5 Large, Flan-T5 XL และ Flan-T5 XXL นอกจากนี้ JumpStart ยังมี Flan-T5 XXL สองสามเวอร์ชันในระดับการวัดปริมาณที่แตกต่างกัน เราปรับใช้ Flan-T5-XXL กับปลายทางเพื่อใช้การอนุมาน Amazon SageMaker Studio เริ่มต้นอย่างรวดเร็ว.
การเรียกข้อมูล Augmented LLM ด้วย LangChain
หลังเชน เป็นเฟรมเวิร์กที่ได้รับความนิยมและเติบโตอย่างรวดเร็วทำให้สามารถพัฒนาแอปพลิเคชันที่ขับเคลื่อนโดย LLM มันขึ้นอยู่กับแนวคิดของ ห่วงโซ่ซึ่งเป็นการผสมผสานระหว่างส่วนประกอบต่างๆ ที่ออกแบบมาเพื่อปรับปรุงการทำงานของ LLM สำหรับงานที่กำหนด เช่น มันช่วยให้เราปรับแต่งได้ แจ้ง และบูรณาการ LLM เข้ากับเครื่องมือต่างๆ เช่น เครื่องมือค้นหาภายนอกหรือแหล่งข้อมูล ในกรณีการใช้งานของเรา เราใช้ Google เซอร์เปอร์ เพื่อค้นหาเว็บและปรับใช้โมเดล Flan-T5-XXL ที่มีอยู่ Amazon SageMaker Studio เริ่มต้นอย่างรวดเร็ว. LangChain ดำเนินการจัดระเบียบโดยรวมและอนุญาตให้ป้อนหน้าผลการค้นหาลงในอินสแตนซ์ Flan-T5-XXL
การดึงข้อมูล-Augmented Generation (RAG) ประกอบด้วยสองขั้นตอน:
- การแก้ไข ของส่วนข้อความที่เกี่ยวข้องจากแหล่งภายนอก
- การขยาย ของเนื้อหาพร้อมบริบทในข้อความแจ้งที่มอบให้ LLM
สำหรับกรณีการใช้งานของ Schneider Electric RAG จะดำเนินการดังต่อไปนี้:
- ชื่อบริษัทที่กำหนดจะรวมกับคำถามเช่น “ใครคือบริษัทแม่ของ X” โดยที่ X คือบริษัทที่กำหนด) และส่งผ่านไปยังข้อความค้นหาของ Google โดยใช้ Serper AI
- ข้อมูลที่แยกออกมาจะรวมกับคำถามทันทีและคำถามเดิม แล้วส่งต่อไปยัง LLM เพื่อรับคำตอบ
ไดอะแกรมต่อไปนี้แสดงกระบวนการนี้
ใช้รหัสต่อไปนี้เพื่อสร้างปลายทาง:
เครื่องมือค้นหาอินสแตนซ์:
ในโค้ดต่อไปนี้ เราเชื่อมโยงส่วนประกอบการดึงข้อมูลและการเสริมเข้าด้วยกัน:
เดอะ พรอมท์ เอ็นจิเนียริ่ง
การรวมกันของบริบทและคำถามเรียกว่าพร้อมท์ เราสังเกตเห็นว่าพรอมต์แบบครอบคลุมที่เราใช้ (รูปแบบต่างๆ เกี่ยวกับการขอบริษัทแม่) ทำงานได้ดีสำหรับภาครัฐส่วนใหญ่ (โดเมน) แต่ไม่ครอบคลุมถึงการศึกษาหรือการดูแลสุขภาพเป็นอย่างดี เนื่องจากแนวคิดของบริษัทแม่ไม่มีความหมายในนั้น เพื่อการศึกษาเราใช้ "X" ในขณะที่การดูแลสุขภาพเราใช้ "Y"
เพื่อเปิดใช้งานการเลือกพร้อมท์เฉพาะโดเมนนี้ เรายังต้องระบุโดเมนที่บัญชีนั้นอยู่ด้วย สำหรับเรื่องนี้ เรายังใช้ RAG โดยที่คำถามแบบเลือกตอบ "โดเมนของ {account} คืออะไร" เป็นขั้นตอนแรก และจากคำตอบที่เราสอบถามจากผู้ปกครองของบัญชีโดยใช้ข้อความแจ้งที่เกี่ยวข้องเป็นขั้นตอนที่สอง ดูรหัสต่อไปนี้:
การแจ้งเตือนเฉพาะภาคส่วนได้เพิ่มประสิทธิภาพโดยรวมจาก 55% เป็น 71% ของความแม่นยำ โดยรวมแล้วต้องใช้ความพยายามและเวลาในการพัฒนาให้มีประสิทธิผล แจ้ง ดูเหมือนจะปรับปรุงคุณภาพของการตอบสนอง LLM อย่างมีนัยสำคัญ
RAG พร้อมข้อมูลแบบตาราง (SEC-10k)
เอกสารที่ยื่นต่อ SEC 10K เป็นอีกหนึ่งแหล่งข้อมูลที่เชื่อถือได้สำหรับบริษัทสาขาและเขตการปกครองที่บริษัทที่มีการซื้อขายในตลาดหลักทรัพย์ยื่นเป็นประจำทุกปี เอกสารที่ยื่นเหล่านี้มีให้โดยตรงที่ SEC EDGAR หรือผ่าน คอร์ปวอทช์ API
เราถือว่าข้อมูลได้รับในรูปแบบตาราง ด้านล่างเป็นหลอก CSV ชุดข้อมูลที่เลียนแบบรูปแบบดั้งเดิมของชุดข้อมูล SEC-10K สามารถรวมหลายรายการได้ CSV แหล่งข้อมูลลงใน dataframe แพนด้ารวม:
# A pseudo dataset similar by schema to the CorpWatch API dataset
df.head()
- เนื้อหาที่ขับเคลื่อนด้วย SEO และการเผยแพร่ประชาสัมพันธ์ รับการขยายวันนี้
- PlatoData.Network Vertical Generative Ai เพิ่มพลังให้กับตัวเอง เข้าถึงได้ที่นี่.
- เพลโตไอสตรีม. Web3 อัจฉริยะ ขยายความรู้ เข้าถึงได้ที่นี่.
- เพลโตESG. คาร์บอน, คลีนเทค, พลังงาน, สิ่งแวดล้อม แสงอาทิตย์, การจัดการของเสีย. เข้าถึงได้ที่นี่.
- เพลโตสุขภาพ เทคโนโลยีชีวภาพและข่าวกรองการทดลองทางคลินิก เข้าถึงได้ที่นี่.
- ที่มา: https://aws.amazon.com/blogs/machine-learning/schneider-electric-leverages-retrieval-augmented-llms-on-sagemaker-to-ensure-real-time-updates-in-their-erp-systems/
- :มี
- :เป็น
- :ไม่
- :ที่ไหน
- $ ขึ้น
- 1
- 10
- 100
- 10K
- 11
- 15%
- 160
- 17
- 2023
- 7
- 710
- a
- ความสามารถ
- สามารถ
- เกี่ยวกับเรา
- ข้างบน
- สิ่งที่เป็นนามธรรม
- เร่งความเร็ว
- เข้า
- อำนวยความสะดวก
- ลงชื่อเข้าใช้
- การบัญชี
- บัญชี
- ความถูกต้อง
- ถูกต้อง
- การครอบครอง
- การซื้อกิจการ
- ข้าม
- การกระทำ
- ที่เพิ่ม
- นอกจากนี้
- เพิ่มเติม
- ที่อยู่
- จ่าหน้า
- ที่อยู่
- ข้อได้เปรียบ
- ได้รับผล
- ตัวแทน
- AI
- AI / ML
- การอนุญาต
- ช่วยให้
- คนเดียว
- ด้วย
- อเมซอน
- อเมซอน แมชชีนเลิร์นนิง
- อเมซอน SageMaker
- Amazon SageMaker JumpStart
- Amazon Web Services
- สหรัฐอเมริกา
- ในหมู่
- จำนวน
- จำนวน
- an
- การวิเคราะห์
- และ
- ทุกๆปี
- อื่น
- คำตอบ
- แอนโทนี่
- API
- ปรากฏ
- การใช้งาน
- ประยุกต์
- การประยุกต์ใช้
- สถาปัตยกรรม
- เป็น
- รอบ
- เทียม
- ปัญญาประดิษฐ์
- ปัญญาประดิษฐ์ (AI)
- AS
- ถาม
- ขอให้
- สมมติ
- At
- เสริม
- เติม
- โดยอัตโนมัติ
- อัตโนมัติ
- ใช้ได้
- ได้โดยตรง
- AWS
- AWS Machine Learning AWS
- การธนาคาร
- ฐาน
- ตาม
- BE
- รับ
- ก่อน
- เป็น
- ด้านล่าง
- ประโยชน์ที่ได้รับ
- ที่ดีที่สุด
- ระหว่าง
- Blocks
- เพิ่มขึ้น
- นำ
- สร้าง
- การก่อสร้าง
- ธุรกิจ
- ฟังก์ชั่นทางธุรกิจ
- ระบบธุรกิจอัจฉริยะ
- แต่
- by
- ที่เรียกว่า
- CAN
- ความสามารถในการ
- สามารถ
- คาร์ลสัน
- จับ
- โซ่
- ท้าทาย
- ความท้าทาย
- ทางเลือก
- เมือง
- แยกประเภท
- ซีเอ็นบีซี
- รหัส
- คอลัมน์
- การผสมผสาน
- รวม
- รวม
- บริษัท
- บริษัท
- ซับซ้อน
- ส่วนประกอบ
- ส่วนประกอบ
- เข้าใจ
- แนวคิด
- ความกังวลเกี่ยวกับ
- ประกอบ
- การให้คำปรึกษา
- ผู้บริโภค
- สิ่งแวดล้อม
- สะดวกสบาย
- ไทม์ไลน์การ
- สร้าง
- สร้างมูลค่า
- ลูกค้า
- ลูกค้า
- ประจำวัน
- ข้อมูล
- การเข้าถึงข้อมูล
- ที่ขับเคลื่อนด้วยข้อมูล
- ฐานข้อมูล
- ชุดข้อมูล
- วันที่
- เดวิด
- ตัดสินใจ
- การตัดสินใจ
- ส่งมอบ
- การส่งมอบ
- แสดงให้เห็นถึง
- นำไปใช้
- ปรับใช้
- การใช้งาน
- ออกแบบ
- ได้รับการออกแบบ
- รายละเอียด
- รายละเอียด
- พัฒนา
- ที่กำลังพัฒนา
- พัฒนาการ
- ต่าง
- ดิจิตอล
- แปลงดิจิตอล
- โดยตรง
- do
- เอกสาร
- โดเมน
- โดเมน
- สอง
- ก่อน
- ง่าย
- การศึกษา
- ความพยายาม
- ติดตั้งระบบไฟฟ้า
- ทำให้สามารถ
- ปลายทาง
- พลังงาน
- ชั้นเยี่ยม
- เครื่องยนต์
- ทำให้มั่นใจ
- การป้อน
- ผู้ประกอบการ
- เอกลักษณ์
- ERP
- ตัวอย่าง
- การปฏิบัติ
- แสดง
- ประสบการณ์
- การทดลอง
- ความชำนาญ
- ผู้เชี่ยวชาญ
- ขยายออก
- ภายนอก
- เอ็กซอนโมบิล
- ครอบครัว
- FAST
- เร็วขึ้น
- กุมภาพันธ์
- เฟด
- สองสาม
- ยื่น
- เอกสารที่ยื่นต่อ
- สุดท้าย
- หา
- ชื่อจริง
- โฟกัส
- มุ่งเน้น
- ดังต่อไปนี้
- ดังต่อไปนี้
- อาหาร
- สำหรับ
- รูป
- กรอบ
- ราคาเริ่มต้นที่
- ฟังก์ชั่น
- ฟังก์ชั่น
- ต่อไป
- นอกจากนี้
- GAS
- รุ่น
- กำเนิด
- กำเนิด AI
- กำหนด
- เหตุการณ์ที่
- การค้นหาของ Google
- กราฟ
- การเจริญเติบโต
- เติบโต
- การค้ำประกัน
- มี
- ที่เกิดขึ้น
- มี
- he
- การดูแลสุขภาพ
- จะช่วยให้
- เธอ
- สูงกว่า
- ของเขา
- สรุป ความน่าเชื่อถือของ Olymp Trade?
- HTML
- ที่ http
- HTTPS
- เป็นมนุษย์
- i
- ประจำตัว
- แยกแยะ
- แสดงให้เห็นถึง
- ปรับปรุง
- การปรับปรุง
- in
- ประกอบด้วย
- รวมถึง
- เครื่องฟักไข่
- อุตสาหกรรม
- อุตสาหกรรม
- ข้อมูล
- แรกเริ่ม
- ความคิดริเริ่ม
- อินพุต
- ข้อมูลเชิงลึก
- ตัวอย่าง
- รวบรวม
- Intelligence
- โต้ตอบ
- ผลประโยชน์
- อินเทอร์เน็ต
- เข้าไป
- การลงทุน
- IT
- ITS
- joshua
- jpg
- เก็บ
- คีย์
- ทราบ
- ความรู้
- ที่รู้จักกัน
- ห้องปฏิบัติการ
- ภาษา
- ใหญ่
- ชั้น
- ผู้นำ
- ชั้นนำ
- การเรียนรู้
- ระดับ
- ยกระดับ
- การจัดเก็บ
- กดไลก์
- ถูก จำกัด
- การ จำกัด
- LINK
- การเชื่อมโยง
- การเชื่อมโยง
- LLM
- เครื่อง
- เรียนรู้เครื่อง
- เก็บรักษา
- ทำให้
- การทำ
- จัดการ
- การจัดการ
- ผู้จัดการ
- คู่มือ
- ด้วยมือ
- หลาย
- เครื่องหมาย
- ตลาด
- ข่าวการตลาด
- มีความหมาย
- ภาพบรรยากาศ
- ทางการแพทย์
- ข้อมูลทางการแพทย์
- ผสาน
- การผสม
- วิธีการ
- อาจ
- เจ้าของโรงโม่
- ML
- แบบ
- โมเดล
- ข้อมูลเพิ่มเติม
- มากที่สุด
- หลาย
- ชื่อ
- การตั้งชื่อ
- โดยธรรมชาติ
- ประมวลผลภาษาธรรมชาติ
- จำเป็นต้อง
- ความต้องการ
- ใหม่
- นิวยอร์ก
- เมืองนิวยอร์ก
- ข่าว
- NLP
- ไม่
- ทางทิศเหนือ
- อเมริกาเหนือ
- ความคิด
- ตอนนี้
- การสังเกต
- of
- เสนอ
- น้ำมัน
- น้ำมันและก๊าซ
- on
- ONE
- หนึ่งการแพทย์
- เปิด
- โอเพนซอร์ส
- Options
- or
- ประสาน
- ใบสั่ง
- organizacja
- องค์กร
- องค์กร
- เป็นต้นฉบับ
- อื่นๆ
- ของเรา
- ออก
- เอาท์พุต
- ทั้งหมด
- ของตนเอง
- หน้า
- หมีแพนด้า
- พารามิเตอร์
- บริษัท แม่
- ส่วนหนึ่ง
- ในสิ่งที่สนใจ
- ร่วมมือ
- ผ่าน
- หลงใหล
- เส้นทาง
- ดำเนินการ
- การปฏิบัติ
- ดำเนินการ
- ที่มีประสิทธิภาพ
- ดำเนินการ
- Pharma
- phd
- ท่อ
- การวางแผน
- เพลโต
- เพลโตดาต้าอินเทลลิเจนซ์
- เพลโตดาต้า
- ยอดนิยม
- เป็นไปได้
- โพสต์
- ขับเคลื่อน
- ที่มีประสิทธิภาพ
- ก่อนหน้านี้
- หลัก
- ปัญหาที่เกิดขึ้น
- เงินที่ได้
- กระบวนการ
- การประมวลผล
- การผลิต
- โครงการ
- เหมาะสม
- ให้
- ให้
- สาธารณะ
- สาธารณชน
- คุณภาพ
- คำถาม
- คำถาม
- ค่อนข้าง
- เรียลไทม์
- เมื่อเร็ว ๆ นี้
- บันทึก
- ลด
- ที่เกี่ยวข้อง
- ความสัมพันธ์
- ความสัมพันธ์
- ตรงประเด็น
- น่าเชื่อถือ
- โดดเด่น
- ต้อง
- การวิจัย
- นักวิจัย
- ทรัพยากร
- คำตอบ
- การตอบสนอง
- ผล
- ผลสอบ
- กลับ
- แข็งแรง
- จำเจ
- แถว
- วิ่ง
- sagemaker
- ขาย
- ขนาด
- Schneider Electric
- วิทยาศาสตร์
- นักวิทยาศาสตร์
- SDK
- ค้นหา
- เครื่องมือค้นหา
- สำนักงานคณะกรรมการ ก.ล.ต.
- ที่สอง
- ภาค
- ภาค
- ปลอดภัย
- เห็น
- การเลือก
- ระดับอาวุโส
- ให้บริการ
- บริการ
- หลาย
- เธอ
- อย่างมีความหมาย
- คล้ายคลึงกัน
- ตั้งแต่
- เล็ก
- ทางออก
- โซลูชัน
- แก้
- บาง
- แหล่ง
- แหล่งที่มา
- ความเชี่ยวชาญ
- โดยเฉพาะ
- สปิน
- ปั่น
- รัฐของศิลปะ
- ทางสถิติ
- ขั้นตอน
- ขั้นตอน
- จัดเก็บ
- โครงสร้าง
- สตูดิโอ
- เขตการปกครอง
- บริษัท สาขา
- อย่างเช่น
- ที่สนับสนุน
- ระบบ
- ระบบ
- นำ
- งาน
- งาน
- ทีม
- ทีม
- วิชาการ
- ข้อความ
- กว่า
- ที่
- พื้นที่
- ข้อมูล
- ของพวกเขา
- พวกเขา
- ตามทฤษฎี
- ที่นั่น
- ดังนั้น
- ล้อยางขัดเหล่านี้ติดตั้งบนแกน XNUMX (มม.) ผลิตภัณฑ์นี้ถูกผลิตในหลายรูปทรง และหลากหลายเบอร์ความแน่นหนาของปริมาณอนุภาคขัดของมัน จะทำให้ท่านได้รับประสิทธิภาพสูงในการขัดและการใช้งานที่ยาวนาน
- พวกเขา
- นี้
- คิดว่า
- ตลอด
- ดังนั้น
- เวลา
- ไปยัง
- ร่วมกัน
- เครื่องมือ
- เครื่องมือ
- ด้านบน
- ลู่
- ซื้อขาย
- ตามธรรมเนียม
- ผ่านการฝึกอบรม
- การแปลง
- การเปลี่ยนแปลง
- เชื่อถือได้
- Twitch
- สอง
- เปิดเผย
- ความเข้าใจ
- ปลดล็อก
- ทันเหตุการณ์
- การปรับปรุง
- us
- ใช้
- มือสอง
- การใช้
- ความคุ้มค่า
- ต่างๆ
- กว้างใหญ่
- รุ่น
- แนวดิ่ง
- ผ่านทาง
- คือ
- ทาง..
- วิธี
- we
- ความมั่งคั่ง
- เว็บ
- บริการเว็บ
- ดี
- อะไร
- ความหมายของ
- เมื่อ
- ที่
- ในขณะที่
- WHO
- ทั้งหมด
- จะ
- กับ
- ภายใน
- เวิร์กโฟลว์
- ขั้นตอนการทำงาน
- โรงงาน
- โลก
- จะ
- X
- ปี
- นิวยอร์ก
- คุณ
- ลมทะเล