PHM-Bench：面向prognostics与健康管理的大型模型系统评估基准框架
人工智能
2025-08-05 v1
摘要
随着生成式人工智能的快速发展，大型语言模型（LLMs）正在越来越多地被采用于工业领域，为prognostics与健康管理（PHM）提供了新的机遇。这些模型有助于解决开发成本高、部署周期长、且泛化性有限等挑战。尽管PHM与LLMs的合作正在快速发展，但现有的评估方法在结构完整性、维度 comprehensiveness 以及评估细粒度方面常常不足，这阻碍了LLMs在PHM领域的深入集成。为此，本研究提出了PHM-Bench，一个针对PHM导向大型模型的新颖三维评估框架。该框架基于基本能力、核心任务和整个生命周期的三元结构，针对PHM系统工程的独特需求进行设计。它定义了跨越知识理解、算法生成和任务优化的多级评估指标。这些指标与典型的PHM任务相匹配，包括condition monitoring、fault diagnosis、RUL prediction和maintenance decision-making。利用精选案例集合和公开的工业数据集，我们的研究实现了对通用模型和特定于PHM的模型在多种PHM任务上的多维评估。PHM-Bench为大规模评估LLMs在PHM领域提供了方法学基础，并为从通用模型向PHM专业化模型的转变提供了关键基准。
引用
@article{arxiv.2508.02490,
title = {PHM-Bench: A Domain-Specific Benchmarking Framework for Systematic Evaluation of Large Models in Prognostics and Health Management},
author = {Puyu Yang and Laifa Tao and Zijian Huang and Haifei Liu and Wenyan Cao and Hao Ji and Jianan Qiu and Qixuan Huang and Xuanyuan Su and Yuhang Xie and Jun Zhang and Shangyu Li and Chen Lu and Zhixuan Lian},
journal= {arXiv preprint arXiv:2508.02490},
year = {2025}
}