设计基于 LLM 的制造设备选型 Copilot
机器人学
2024-12-19 v1
摘要
在自动化设备选型中，有效的决策对于缩短爬坡时间并保持生产质量至关重要，尤其是在产品种类和市场需求不断增加的情况下。然而，专业知识的有限和资源的限制往往导致在新产品集成到生产线时爬坡阶段效率低下。现有方法通常缺乏结构化且量身定制的解决方案来支持自动化工程师缩短爬坡时间，从而导致质量上的妥协。本研究探讨了大型语言模型（LLMs）结合检索增强生成（RAG）是否能协助简化爬坡规划中的设备选型。我们提出了一种事实驱动的 Copilot，将 LLMs 与针对三类组件（机器人、供料器和视觉系统）的结构化和半结构化知识检索相集成，为自动化设备选型中的决策提供有引导且可追溯的状态机流程。该系统向工业合作伙伴进行了演示，并由其在三个内部用例上进行了测试。他们的反馈肯定了其提供逻辑严密且可操作的自动化设备建议的能力。更具体地说，在分析的 22 个设备提示中，有 19 个在考虑大多数要求的情况下选择了正确的设备，在 6 个用例中，所有要求均得到完全满足。
引用
@article{arxiv.2412.13774,
title = {Designing an LLM-Based Copilot for Manufacturing Equipment Selection},
author = {Jonas Werheid and Oleksandr Melnychuk and Hans Zhou and Meike Huber and Christoph Rippe and Dominik Joosten and Zozan Keskin and Max Wittstamm and Sathya Subramani and Benny Drescher and Amon Göppert and Anas Abdelrazeq and Robert H. Schmitt},
journal= {arXiv preprint arXiv:2412.13774},
year = {2024}
}
备注
Preprint submitted to Manufacturing Letters (MFGLET)