論文の概要: A Large Language Model-based multi-agent manufacturing system for intelligent shopfloor

• arxiv url: http://arxiv.org/abs/2405.16887v1
• Date: Mon, 27 May 2024 07:10:04 GMT
• ステータス: 処理完了
• システム内更新日: 2024-05-28 16:41:02.720992
• Title: A Large Language Model-based multi-agent manufacturing system for intelligent shopfloor
• Title（参考訳）: インテリジェントショップフロアのための大規模言語モデルに基づくマルチエージェント製造システム
• Authors: Zhen Zhao, Dunbing Tang, Haihua Zhu, Zequn Zhang, Kai Chen, Changchun Liu, Yuchen Ji,
• Abstract要約: 本研究では,知的店舗用大規模言語モデル(LLM)多エージェント製造システムを提案する。 このシステムは多様なエージェントを記述し、それらのメソッドを定義する。 BAとBIAの交渉は、製造資源をつなぐ上で最も重要なステップである。
• 参考スコア（独自算出の注目度）: 10.776483342326904
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: As productivity advances, the demand of customers for multi-variety and small-batch production is increasing, thereby putting forward higher requirements for manufacturing systems. When production tasks frequent changes due to this demand, traditional manufacturing systems often cannot response promptly. The multi-agent manufacturing system is proposed to address this problem. However, because of technical limitations, the negotiation among agents in this kind of system is realized through predefined heuristic rules, which is not intelligent enough to deal with the multi-variety and small batch production. To this end, a Large Language Model-based (LLM-based) multi-agent manufacturing system for intelligent shopfloor is proposed in the present study. This system delineates the diverse agents and defines their collaborative methods. The roles of the agents encompass Machine Server Agent (MSA), Bid Inviter Agent (BIA), Bidder Agent (BA), Thinking Agent (TA), and Decision Agent (DA). Due to the support of LLMs, TA and DA acquire the ability of analyzing the shopfloor condition and choosing the most suitable machine, as opposed to executing a predefined program artificially. The negotiation between BAs and BIA is the most crucial step in connecting manufacturing resources. With the support of TA and DA, BIA will finalize the distribution of orders, relying on the information of each machine returned by BA. MSAs bears the responsibility for connecting the agents with the physical shopfloor. This system aims to distribute and transmit workpieces through the collaboration of the agents with these distinct roles, distinguishing it from other scheduling approaches. Comparative experiments were also conducted to validate the performance of this system.
• Abstract（参考訳）: 生産性が向上するにつれて、多品種・小バッチ生産に対する顧客の需要が増加し、製造システムに対するより高い要求が進んでいる。 この需要により生産タスクが頻繁に変更される場合、従来の製造システムはすぐには対応できないことが多い。 この問題に対処するために, マルチエージェント製造システムを提案する。 しかし、技術的制限のため、この種のエージェント間の交渉は予め定義されたヒューリスティックなルールによって実現され、多変量および小規模バッチ生産を扱うには十分な知性がない。 そこで本研究では,知的店舗用大規模言語モデル(LLM)を用いた多エージェント製造システムを提案する。 このシステムは多様なエージェントを記述し、協調方法を定義する。 エージェントの役割は、Machine Server Agent(MSA)、Bid Inviter Agent(BIA)、Bidder Agent(BA)、Thinking Agent(TA)、Decision Agent(DA)である。 LLMのサポートにより、TAとDAは、事前に定義されたプログラムを人工的に実行するのとは対照的に、ショップフロアの状態を分析し、最も適したマシンを選択する能力を得る。 BAとBIAの交渉は、製造資源をつなぐ上で最も重要なステップである。 TAとDAのサポートにより、BAが返却した各マシンの情報に依存して、BIAは注文の配信を確定する。 MSAは、エージェントと物理的なショップフロアを接続する責任を負う。 本システムは,これらの異なる役割を担ったエージェントの協調によるワークピースの配布と送信を目的としており,他のスケジューリング手法と区別する。 また, 本システムの性能評価のための比較実験を行った。

関連論文リスト

• Agent-as-a-Judge: Evaluate Agents with Agents [61.33974108405561]
  本稿ではエージェント・アズ・ア・ジャッジ(Agent-as-a-Judge)フレームワークを紹介し,エージェント・システムを用いてエージェント・システムの評価を行う。 これはLLM-as-a-Judgeフレームワークの有機的拡張であり、タスク解決プロセス全体の中間フィードバックを可能にするエージェント的特徴を取り入れている。 55のリアルな自動化AI開発タスクのベンチマークであるDevAIを紹介します。
  論文  参考訳（メタデータ） (2024-10-14T17:57:02Z)
• Agent-Oriented Planning in Multi-Agent Systems [54.429028104022066]
  本稿では,高速なタスク分解とアロケーションプロセスを活用するマルチエージェントシステムにおけるエージェント指向計画のための新しいフレームワークを提案する。 提案フレームワークにフィードバックループを組み込んで,そのような問題解決プロセスの有効性と堅牢性をさらに向上させる。
  論文  参考訳（メタデータ） (2024-10-03T04:07:51Z)
• Towards Human-Level Understanding of Complex Process Engineering Schematics: A Pedagogical, Introspective Multi-Agent Framework for Open-Domain Question Answering [0.0]
  化学・プロセス産業では、プロセス・フロー・ダイアグラム(PFD)とパイプ・アンド・インスツルメンテーション・ダイアグラム(P&ID)が設計、建設、保守に不可欠である。 生成型AIの最近の進歩は、ビジュアル質問回答(VQA)のプロセス図の理解と解釈の約束を示している。 本稿では,階層的かつマルチエージェントなRetrieval Augmented Generation(RAG)フレームワークを用いた,セキュアでオンプレミスなエンタープライズソリューションを提案する。
  論文  参考訳（メタデータ） (2024-08-24T19:34:04Z)
• Optimizing Collaboration of LLM based Agents for Finite Element Analysis [1.5039745292757671]
  本稿では,Large Language Models (LLM) 内の複数のエージェント間の相互作用について,プログラミングおよびコーディングタスクの文脈で検討する。 我々はAutoGenフレームワークを利用してエージェント間の通信を容易にし、各セットアップの40のランダムランからの成功率に基づいて異なる構成を評価する。
  論文  参考訳（メタデータ） (2024-08-23T23:11:08Z)
• EvoAgent: Towards Automatic Multi-Agent Generation via Evolutionary Algorithms [55.77492625524141]
  EvoAgentは進化的アルゴリズムによって専門家エージェントをマルチエージェントシステムに自動的に拡張する汎用的な手法である。 EvoAgentは複数の専門家エージェントを自動生成し,LLMエージェントのタスク解決能力を大幅に向上させることができることを示す。
  論文  参考訳（メタデータ） (2024-06-20T11:49:23Z)
• Large Multimodal Agents: A Survey [78.81459893884737]
  大規模言語モデル(LLM)は、テキストベースのAIエージェントのパワーで優れたパフォーマンスを実現している。 LLMを利用したAIエージェントをマルチモーダルドメインに拡張することに焦点を当てた、新たな研究トレンドがある。 本総説は, この急速に発展する分野において, 今後の研究に有用な洞察とガイドラインを提供することを目的としている。
  論文  参考訳（メタデータ） (2024-02-23T06:04:23Z)
• XUAT-Copilot: Multi-Agent Collaborative System for Automated User Acceptance Testing with Large Language Model [9.05375318147931]
  自動UATのためのマルチエージェント協調システムXUAT-Copilotを提案する。 提案システムは主に,動作計画,状態チェック,パラメータ選択を担当する3つのLCMエージェントと,状態検出とケース書き換えのための2つのモジュールから構成される。 実験では,Pass@1の精度を単エージェントアーキテクチャと比較して大幅に向上した。
  論文  参考訳（メタデータ） (2024-01-05T08:24:30Z)
• Controlling Large Language Model-based Agents for Large-Scale Decision-Making: An Actor-Critic Approach [28.477463632107558]
  我々はLLaMACと呼ばれるモジュラーフレームワークを開発し、大規模言語モデルにおける幻覚とマルチエージェントシステムにおける協調に対処する。 LLaMACは、人間の脳にあるものに似た値分布をコードし、内部および外部からのフィードバック機構を利用して、モジュール間の協調と反復的推論を促進する。
  論文  参考訳（メタデータ） (2023-11-23T10:14:58Z)
• Phantom -- A RL-driven multi-agent framework to model complex systems [1.0499611180329804]
  Phantomは複雑なマルチエージェントシステムのエージェントベースのモデリングのためのRL駆動のフレームワークである。 MARL互換の方法でABM仕様を簡素化するツールを提供することを目標としている。 これらの特徴,その設計根拠,およびフレームワークを活用した2つの新しい環境について述べる。
  論文  参考訳（メタデータ） (2022-10-12T08:37:38Z)
• Concepts and Algorithms for Agent-based Decentralized and Integrated Scheduling of Production and Auxiliary Processes [78.120734120667]
  本稿ではエージェントベースの分散型統合スケジューリング手法について述べる。 要求の一部は、線形にスケールする通信アーキテクチャを開発することである。 このアプローチは、工業的要件に基づいた例を使って説明されます。
  論文  参考訳（メタデータ） (2022-05-06T18:44:29Z)
• Will bots take over the supply chain? Revisiting Agent-based supply chain automation [71.77396882936951]
  エージェントベースのサプライチェーンは2000年初頭から提案されている。 エージェントベースの技術は成熟しており、サプライチェーンに浸透している他の支援技術はギャップを埋めている。 例えば、IoTテクノロジのユビキティは、エージェントがサプライチェーンの状態を“理解”し、自動化のための新たな可能性を開くのに役立つ。
  論文  参考訳（メタデータ） (2021-09-03T18:44:26Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。