要約
この論文では、Return on Experience レコードで表現される技術用語に基づいて、産業環境のトラブルシューティングを行うための原因診断アプローチの開発について説明します。
提案された方法は、大規模言語モデルの分散表現に含まれるベクトル化された言語知識と、産業用資産の組み込み故障モードとメカニズムに伴う因果関係を活用します。
この論文では、因果関係を意識した検索拡張生成システムとして考えられるソリューションの基本的だが重要な概念を示し、それらを現実世界の予知保全設定で実験的に説明します。
最後に、業界でますます複雑化するシナリオの堅牢性の課題に対処するために、利用される因果関係テクノロジーの成熟に向けた改善の道について説明します。
要約(オリジナル)
This paper describes the development of a causal diagnosis approach for troubleshooting an industrial environment on the basis of the technical language expressed in Return on Experience records. The proposed method leverages the vectorized linguistic knowledge contained in the distributed representation of a Large Language Model, and the causal associations entailed by the embedded failure modes and mechanisms of the industrial assets. The paper presents the elementary but essential concepts of the solution, which is conceived as a causality-aware retrieval augmented generation system, and illustrates them experimentally on a real-world Predictive Maintenance setting. Finally, it discusses avenues of improvement for the maturity of the utilized causal technology to meet the robustness challenges of increasingly complex scenarios in the industry.
arxiv情報
| 著者 | Alexandre Trilla,Ossee Yiboe,Nenad Mijatovic,Jordi Vitrià |
| 発行日 | 2024-07-30 09:53:55+00:00 |
| arxivサイト | arxiv_id(pdf) |
提供元, 利用サービス
arxiv.jp, Google