論文の概要: Intelligent Human-Machine Partnership for Manufacturing: Enhancing Warehouse Planning through Simulation-Driven Knowledge Graphs and LLM Collaboration

• arxiv url: http://arxiv.org/abs/2512.18265v1
• Date: Sat, 20 Dec 2025 08:09:24 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-12-23 18:54:32.264462
• Title: Intelligent Human-Machine Partnership for Manufacturing: Enhancing Warehouse Planning through Simulation-Driven Knowledge Graphs and LLM Collaboration
• Title（参考訳）: 生産のためのインテリジェントな人間と機械のパートナーシップ:シミュレーション駆動知識グラフとLLMコラボレーションによる倉庫計画の強化
• Authors: Himabindu Thogaru, Saisubramaniam Gopalakrishnan, Zishan Ahmad, Anirudh Deodhar,
• Abstract要約: シミュレーションに基づく製造データを分析する従来の手法は、人間の意思決定者と重要な運用上の洞察の間の障壁を生じることが多い。 本フレームワークは,知識グラフと大規模言語モデルに基づくエージェントを統合した協調インテリジェンスシステムを構築する。 このシステムはシミュレーションデータをセマンティックにリッチな表現に変換し、プランナーが特別な専門知識を使わずに、運用上のインサイトと自然に対話できるようにする。
• 参考スコア（独自算出の注目度）: 1.7504351782064116
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Manufacturing planners face complex operational challenges that require seamless collaboration between human expertise and intelligent systems to achieve optimal performance in modern production environments. Traditional approaches to analyzing simulation-based manufacturing data often create barriers between human decision-makers and critical operational insights, limiting effective partnership in manufacturing planning. Our framework establishes a collaborative intelligence system integrating Knowledge Graphs and Large Language Model-based agents to bridge this gap, empowering manufacturing professionals through natural language interfaces for complex operational analysis. The system transforms simulation data into semantically rich representations, enabling planners to interact naturally with operational insights without specialized expertise. A collaborative LLM agent works alongside human decision-makers, employing iterative reasoning that mirrors human analytical thinking while generating precise queries for knowledge extraction and providing transparent validation. This partnership approach to manufacturing bottleneck identification, validated through operational scenarios, demonstrates enhanced performance while maintaining human oversight and decision authority. For operational inquiries, the system achieves near-perfect accuracy through natural language interaction. For investigative scenarios requiring collaborative analysis, we demonstrate the framework's effectiveness in supporting human experts to uncover interconnected operational issues that enhance understanding and decision-making. This work advances collaborative manufacturing by creating intuitive methods for actionable insights, reducing cognitive load while amplifying human analytical capabilities in evolving manufacturing ecosystems.
• Abstract（参考訳）: 製造プランナーは、現代の生産環境で最適な性能を達成するために、人間の専門知識とインテリジェントシステムとのシームレスなコラボレーションを必要とする複雑な運用上の課題に直面します。 シミュレーションに基づく製造データを分析する従来の手法は、人間の意思決定者と重要な運用上の洞察の間の障壁を生じさせ、製造計画における効果的なパートナーシップを制限する。 このギャップを埋めるために、知識グラフと大規模言語モデルに基づくエージェントを統合した協調的なインテリジェンスシステムを構築し、複雑な操作分析のための自然言語インタフェースを通じて、製造専門家に力を与える。 このシステムはシミュレーションデータをセマンティックにリッチな表現に変換し、プランナーが特別な専門知識を使わずに、運用上のインサイトと自然に対話できるようにする。 協調的なLLMエージェントは、人間の意思決定者と共に働き、人間の分析的思考を反映し、知識抽出のための正確なクエリを生成し、透明な検証を提供する反復的推論を用いる。 運用シナリオを通じて検証された、ボトルネックの特定を製造するこのパートナーシップアプローチは、人間の監視と意思決定の権威を維持しながら、パフォーマンスの向上を実証する。 操作問合せでは、自然言語の相互作用によってほぼ完璧な精度を達成できる。 協調分析を必要とする調査シナリオに対しては,人間専門家が相互に連携する運用上の問題を解明し,理解と意思決定を促進するためのフレームワークの有効性を実証する。 この研究は、行動可能な洞察のための直感的な方法を作成し、認知負荷を低減し、製造エコシステムの進化において人間の分析能力を増幅することで、協調生産を前進させる。

関連論文リスト

• SelfAI: Building a Self-Training AI System with LLM Agents [79.10991818561907]
  SelfAIは、高レベルの研究目的を標準化された実験構成に変換するためのUser Agentを組み合わせた、一般的なマルチエージェントプラットフォームである。 実験マネージャは、連続的なフィードバックのための構造化知識ベースを維持しながら、異種ハードウェアをまたいだ並列かつフォールトトレラントなトレーニングを編成する。 回帰、コンピュータビジョン、科学計算、医用画像、薬物発見ベンチマークなどを通じて、SelfAIは一貫して高いパフォーマンスを達成し、冗長な試行を減らしている。
  論文  参考訳（メタデータ） (2025-11-29T09:18:39Z)
• From Theory to Practice: Real-World Use Cases on Trustworthy LLM-Driven Process Modeling, Prediction and Automation [42.99153274884264]
  本稿では,大規模言語モデル(LLM)がプロセスモデリング,予測,自動化をどのように再定義するかを示す実世界の4つのユースケースについて考察する。 この仕事は製造、モデリング、ライフサイエンス、デザインプロセスに及び、人間とAIのコラボレーションを通じてドメイン固有の課題に対処する。
  論文  参考訳（メタデータ） (2025-06-04T10:12:09Z)
• When LLMs Team Up: The Emergence of Collaborative Affective Computing [17.777196145195866]
  本調査は, Affective Computing (AC) におけるLarge Language Models (LLMs) ベースのコラボレーションシステムの概要を概観することを目的とする。 LLMは、感情的な理解と生成タスクに対する統一的なアプローチを提供し、動的でリアルタイムな相互作用の可能性を高める。 この研究は、ACのLLMと協調的なインテリジェンスを体系的に探求する最初のものであり、人間のようなソーシャルインテリジェンスにアプローチするより強力なアプリケーションへの道を開いた。
  論文  参考訳（メタデータ） (2025-06-02T14:00:54Z)
• ORMind: A Cognitive-Inspired End-to-End Reasoning Framework for Operations Research [56.961539386979354]
  ORMindは認知にインスパイアされたフレームワークで、反ファクト推論を通じて最適化を強化する。 提案手法は,要求を数学的モデルや実行可能なコードに変換するエンド・ツー・エンドのワークフローを実装し,人間の認識をエミュレートする。 現在はLenovoのAIアシスタントで内部でテストされており、ビジネスとコンシューマの両方の最適化機能を強化する予定である。
  論文  参考訳（メタデータ） (2025-06-02T05:11:21Z)
• Evaluations at Work: Measuring the Capabilities of GenAI in Use [28.124088786766965]
  現在のAIベンチマークは、人間とAIのコラボレーションの混乱したマルチターンの性質を見逃している。 実世界のタスクを相互依存サブタスクに分解する評価フレームワークを提案する。
  論文  参考訳（メタデータ） (2025-05-15T23:06:23Z)
• Cognitive LLMs: Towards Integrating Cognitive Architectures and Large Language Models for Manufacturing Decision-making [51.737762570776006]
  LLM-ACTRは、ヒトに適応し、多目的な意思決定を提供する新しいニューロシンボリックアーキテクチャである。 我々のフレームワークは、ACT-Rの内部決定過程の知識を潜在神経表現として抽出し、組み込む。 デザイン・フォー・マニュファクチャリング・タスクに関する我々の実験は、タスク性能の向上と基礎的意思決定能力の向上を両立させたものである。
  論文  参考訳（メタデータ） (2024-08-17T11:49:53Z)
• Large Language Model-based Human-Agent Collaboration for Complex Task Solving [94.3914058341565]
  複雑なタスク解決のためのLarge Language Models(LLM)に基づくヒューマンエージェントコラボレーションの問題を紹介する。 Reinforcement Learning-based Human-Agent Collaboration method, ReHACを提案する。 このアプローチには、タスク解決プロセスにおける人間の介入の最も急進的な段階を決定するために設計されたポリシーモデルが含まれている。
  論文  参考訳（メタデータ） (2024-02-20T11:03:36Z)
• Confounding-Robust Policy Improvement with Human-AI Teams [8.315707564931465]
  我々は,人間とAIのコラボレーションにおいて,観測不能なコンバウンディングに対処する新しいソリューションを提案する。 このアプローチでは、ドメインの専門知識とAI駆動の統計モデリングを組み合わせることで、潜在的に隠れた共同設立者を説明する。
  論文  参考訳（メタデータ） (2023-10-13T02:39:52Z)
• Corex: Pushing the Boundaries of Complex Reasoning through Multi-Model Collaboration [83.4031923134958]
  Corexは,大規模言語モデルを自律エージェントに変換する,新たな汎用戦略スイートだ。 人間の振る舞いにインスパイアされたCorexは、Debate、Review、Retrieveモードといった多様なコラボレーションパラダイムによって構成されている。 我々は,複数のLDMを協調的に演奏することで,既存の手法に比べて性能が著しく向上することが実証された。
  論文  参考訳（メタデータ） (2023-09-30T07:11:39Z)

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。