Designing an LLM-Based Copilot for Manufacturing Equipment Selection

要約

自動化機器の選択における効果的な意思決定は、特に製品のバリエーションと市場の需要の増加に直面して、立ち上げ時間を短縮し、生産品質を維持するために重要です。
しかし、限られた専門知識とリソースの制約により、新製品が生産ラインに統合される立ち上げ段階では非効率が生じることがよくあります。
既存の方法には、自動化エンジニアが立ち上げ時間を短縮できるようにするための、構造化されたカスタマイズされたソリューションが欠けていることが多く、品質の低下につながります。
この研究では、大規模言語モデル (LLM) を検索拡張生成 (RAG) と組み合わせることで、立ち上げ計画における機器選択の合理化に役立つかどうかを調査します。
我々は、3 つのコンポーネント タイプ (ロボット、フィーダー、ビジョン システム) の構造化および半構造化知識検索と LLM を統合した事実主導型コパイロットを提案し、自動化機器の選択における意思決定のためのガイド付きで追跡可能なステート マシン プロセスを提供します。
このシステムは産業パートナーにデモンストレーションされ、3 つの社内ユースケースでテストされました。
彼らのフィードバックにより、オートメーション機器に対して論理的で実行可能な推奨事項を提供するその能力が確認されました。
より具体的には、分析された 22 件の機器プロンプトのうち、19 件ではほとんどの要件を考慮しながら正しい機器を選択する必要があり、6 件ではすべての要件が完全に満たされました。

要約(オリジナル)

Effective decision-making in automation equipment selection is critical for reducing ramp-up time and maintaining production quality, especially in the face of increasing product variation and market demands. However, limited expertise and resource constraints often result in inefficiencies during the ramp-up phase when new products are integrated into production lines. Existing methods often lack structured and tailored solutions to support automation engineers in reducing ramp-up time, leading to compromises in quality. This research investigates whether large-language models (LLMs), combined with Retrieval-Augmented Generation (RAG), can assist in streamlining equipment selection in ramp-up planning. We propose a factual-driven copilot integrating LLMs with structured and semi-structured knowledge retrieval for three component types (robots, feeders and vision systems), providing a guided and traceable state-machine process for decision-making in automation equipment selection. The system was demonstrated to an industrial partner, who tested it on three internal use-cases. Their feedback affirmed its capability to provide logical and actionable recommendations for automation equipment. More specifically, among 22 equipment prompts analyzed, 19 involved selecting the correct equipment while considering most requirements, and in 6 cases, all requirements were fully met.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google