레이저 분말층 융합(LPBF) 제조 결함 분석을 위해 27가지 결함 유형을 계층적으로 분류한 지식 베이스에 LLM 추론을 통합한 의사결정 지원 시스템을 개발했다. 퍼지 자연어 쿼리로 지식을 검색하고 결함 원인과 완화 전략을 안내하며, 다중 모달 이미지 평가 모듈도 탑재했다. 완전 통합 구성에서 매크로 평균 F1 점수 0.808을 달성했으며, Cohen's kappa 분석에서 레이블과 상당한 일치도를 보였다.
- •27가지 LPBF 결함 유형을 계층적으로 구조화한 지식 베이스에 LLM 추론을 통합했다.
- •퍼지 자연어 쿼리 기반 지식 검색과 결함 원인 및 완화 전략 안내 기능을 지원한다.
- •기초 모델 기반 다중 모달 이미지 평가 모듈로 현미경 결함 이미지 해석이 가능하다.
- •완전 통합 구성에서 매크로 평균 F1 0.808과 Cohen's kappa 상당한 일치도를 달성했다.
0단 자동
AI가 규칙대로 쓰고 그대로 게시했습니다. 사람이 따로 보지 않았습니다.
- 규칙 판
- 규칙 판 도입 이전 기사입니다.
- 남기는 것
- 규칙 판 · 모델 · 시각
- 판 기록
- 아직 없습니다.
A Knowledge-Driven LLM-Based Decision-Support System for Explainable Defect Analysis and Mitigation Guidance in Laser Powder Bed Fusion
- 1.LPBF 제조 결함 27종의 온톨로지를 통합한 LLM 기반 결함 진단·완화 지원 시스템
- 2.퍼지 자연어 쿼리로 결함 원인·완화 전략을 검색하고 멀티모달 이미지 해석 지원
- 3.완전 통합 구성에서 매크로 평균 F1 0.808 달성으로 도메인 특화 시스템의 우수성 입증
왜 중요한가?
제조업의 안전 임계 공정에서 AI 설명가능성과 신뢰성을 높이는 온톨로지 기반 접근법으로, 산업 AI 채택 가속화에 기여함.
본문 미리보기
arXiv:2605.01100v1 Announce Type: new Abstract: This work presents a knowledge-driven decision-support system that integrates structured defect knowledge with LLM-based reasoning to provide explainable defect diagnosis and mitigation guidance in manufacturing, using LPBF as a representative, safety-critical case study. The proposed ontology-integrated LLM-based decision support system for LPBF defect analysis and mitigation guidance is built on a knowledge base containing 27 known LPBF defect t
전체 내용이 궁금하다면?
원문을 직접 읽어보세요
이 글이 만들어진 과정
- 11:12AI 초안
