面向工业资产管理的自动化解方程生成：融合 LLM 方法
人工智能
2024-07-30 v1
摘要
本研究提出一种新方法，将条件化管理（CBM）原则与最新大型语言模型（LLM）技术相结合，用于工业资产管理（IAM）。我们的研究引入了自动化模型构建过程，这一过程传统上依赖于数据科学家与领域专家之间的密切协作。我们提出了两种主要创新点：一种引导生成的分类学提示（taxonomy-guided prompting generation），用于自动创建 AI 解决方案配方；以及一组针对 IAM 的 LLM 管道，旨在生成包含文档、样本数据和模型等一组构件的解决方案配方。这些管道遵循标准化原则，可在无需直接人类输入的情况下为异构资产类别生成初始解决方案模板，减少对广泛领域知识的依赖，提高自动化水平。我们通过评估十个资产类别中资产健康状况和可持续性来评估所提方法。我们的发现说明了 LLM 和基于分类学的 LLM 提示管道在改变资产管理方面的潜力，为后续研究和开发计划提供了蓝图，可整合到快速客户解决方案中。
引用
@article{arxiv.2407.18992,
title = {Towards Automated Solution Recipe Generation for Industrial Asset Management with LLM},
author = {Nianjun Zhou and Dhaval Patel and Shuxin Lin and Fearghal O'Donncha},
journal= {arXiv preprint arXiv:2407.18992},
year = {2024}
}