面向智能制造的神经符号因果分析代理 CausalTrace
人工智能
2025-10-15 v1
摘要
现代制造环境不仅需要准确的预测，还需要可解释的见解来处理过程异常、根本原因以及潜在干预。现有的 AI 系统常常功能为孤立的黑箱，缺乏预测、解释和因果推理无缝集成，以满足统一决策支持解决方案的要求。这种碎片化限制了其在高风险工业环境中的可信度和实际实用性。在本工作中，我们提出了 CausalTrace，这是一个集成到 SmartPilot 工业 CoPilot 中的神经符号因果分析模块。CausalTrace 执行数据驱动的因果分析，丰富了工业本体和知识图谱，包括因果发现、反事实推理和根本原因分析（RCA）等高级功能。它支持实时操作员交互，旨在通过提供透明、可解释的决策支持来补充现有代理。我们使用多种因果评估方法和 C3AN 框架（即 Custom、Compact、Composite AI with Neurosymbolic Integration）对 CausalTrace 进行了全面评估，该框架涵盖了鲁棒性、智能性和可信度的原则。在一个学术火箭装配测试台中，CausalTrace 在本体问答方面实现了与领域专家的显著一致性（ROUGE-1：0.91），并在 RCA 方面取得强大的性能（MAP@3：94%，PR@2：97%，MRR：0.92，Jaccard：0.92）。它还在 C3AN 评估中取得了 4.59/5 分，证明其为现场部署具有精确性和可靠性。
关键词
引用
@article{arxiv.2510.12033,
title = {CausalTrace: A Neurosymbolic Causal Analysis Agent for Smart Manufacturing},
author = {Chathurangi Shyalika and Aryaman Sharma and Fadi El Kalach and Utkarshani Jaimini and Cory Henson and Ramy Harik and Amit Sheth},
journal= {arXiv preprint arXiv:2510.12033},
year = {2025}
}
备注
8 pages, 4 figures, 3 tables, Accepted at AAAI 2026: IAAI - Innovative Applications of AI Conference