論文の概要: "Where is My Troubleshooting Procedure?": Studying the Potential of RAG in Assisting Failure Resolution of Large Cyber-Physical System
- arxiv url: http://arxiv.org/abs/2601.08706v2
- Date: Wed, 14 Jan 2026 07:28:56 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-01-15 14:49:41.279325
- Title: "Where is My Troubleshooting Procedure?": Studying the Potential of RAG in Assisting Failure Resolution of Large Cyber-Physical System
- Title（参考訳）: 「私のトラブルシューティング手順はどこにあるのか?」:大規模サイバー物理システムの故障解決支援におけるRAGの可能性について
- Authors: Maria Teresa Rossi, Leonardo Mariani, Oliviero Riganelli, Giuseppe Filomento, Danilo Giannone, Paolo Gavazzo,
- Abstract要約: Retrieval Augmented Generation (RAG) は、演算子を検索タスクで補助するツールの開発を可能にする。
本稿では,Fincantieriで利用可能なトラブルシューティング手順の分析から得られた一連の実験結果について述べる。
- 参考スコア（独自算出の注目度）: 4.084837084015297
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: In today's complex industrial environments, operators must often navigate through extensive technical manuals to identify troubleshooting procedures that may help react to some observed failure symptoms. These manuals, written in natural language, describe many steps in detail. Unfortunately, the number, magnitude, and articulation of these descriptions can significantly slow down and complicate the retrieval of the correct procedure during critical incidents. Interestingly, Retrieval Augmented Generation (RAG) enables the development of tools based on conversational interfaces that can assist operators in their retrieval tasks, improving their capability to respond to incidents. This paper presents the results of a set of experiments that derive from the analysis of the troubleshooting procedures available in Fincantieri, a large international company developing complex naval cyber-physical systems. Results show that RAG can assist operators in reacting promptly to failure symptoms, although specific measures have to be taken into consideration to cross-validate recommendations before actuating them.
- Abstract（参考訳）: 今日の複雑な工業環境では、オペレーターは、観察された故障の症状に反応する可能性のあるトラブルシューティング手順を特定するために、広範囲な技術マニュアルをナビゲートする必要がある。
これらのマニュアルは自然言語で書かれており、多くの手順を詳細に記述している。
残念なことに、これらの記述の回数、大きさ、明瞭化は、重大なインシデント時の正しい手順の検索を著しく遅くし、複雑化する可能性がある。
興味深いことに、Retrieval Augmented Generation (RAG)は、オペレーターが検索タスクを補助し、インシデントに応答する能力を改善するための対話インタフェースに基づくツールの開発を可能にする。
本稿では,複雑な海軍サイバー物理システムを開発する国際企業であるFincantieriにおけるトラブルシューティング手法の分析から得られた一連の実験結果について述べる。
以上の結果から、RAGはオペレーターが迅速に障害症状に反応するのを助けることができるが、アクティベート前に推奨事項をクロスバリデートするためには、具体的な措置が考慮される必要がある。
関連論文リスト
- Enhancing Retrieval Augmentation via Adversarial Collaboration [50.117273835877334]
我々は「検索幻覚」に対処するため、Adrial Collaboration RAG(AC-RAG)フレームワークを提案する。
AC-RAGは、知識ギャップを識別するジェネリスト検出器と、正確な解決策を提供するドメイン特化リゾルバという2つの異種エージェントを使用している。
実験により、AC-RAGは検索精度を大幅に向上し、様々な垂直領域における最先端RAG法より優れていることが示された。
論文 参考訳（メタデータ） (2025-09-18T08:54:20Z) - AI-Enhanced Operator Assistance for UNICOS Applications [41.99844472131922]
このプロジェクトは、CERNの統一産業制御システムであるUNICOSのためのAI強化オペレーターの開発を探求する。
予備評価では、ウィジェットをデコードし、根本原因分析を行い、複雑なDPEをトレースできることが示唆されている。
論文 参考訳（メタデータ） (2025-09-16T03:43:54Z) - From PREVENTion to REACTion: Enhancing Failure Resolution in Naval Systems [4.171555557592296]
本稿では,Fincantieri が開発した海軍システムに適用したトラブルシューティングモジュール REACT による,最先端の故障予測手法 PreVENT とその拡張について報告する。
我々は、これらの分析を他の産業製品に展開し、拡張するのに役立つ、学んだ教訓を議論することで締めくくります。
論文 参考訳（メタデータ） (2025-08-21T13:57:14Z) - SOPBench: Evaluating Language Agents at Following Standard Operating Procedures and Constraints [59.645885492637845]
SOPBenchは、各サービス固有のSOPコードプログラムを実行可能な関数の有向グラフに変換する評価パイプラインである。
提案手法では,各サービス固有のSOPコードプログラムを実行可能関数の有向グラフに変換し,自然言語SOP記述に基づいてこれらの関数を呼び出しなければならない。
我々は18の先行モデルを評価し、上位モデルでさえタスクが困難であることを示す。
論文 参考訳（メタデータ） (2025-03-11T17:53:02Z) - Interactive Agents to Overcome Ambiguity in Software Engineering [61.40183840499932]
AIエージェントは、あいまいで不明確なユーザー指示に基づいて、タスクを自動化するためにますますデプロイされている。
不安定な仮定をし、明確な質問をしないことは、最適以下の結果につながる可能性がある。
対話型コード生成設定において,LLMエージェントが不明瞭な命令を処理する能力について,プロプライエタリモデルとオープンウェイトモデルを評価して検討する。
論文 参考訳（メタデータ） (2025-02-18T17:12:26Z) - SafeLLM: Domain-Specific Safety Monitoring for Large Language Models: A Case Study of Offshore Wind Maintenance [0.6116681488656472]
本稿では,Large Language Models (LLMs) に着目して,この課題に対処する革新的なアプローチを提案する。
本稿では,幻覚の検出とフィルタリングのための文間距離を統計的に計算するための対話エージェントを提案する。
論文 参考訳（メタデータ） (2024-10-06T13:00:53Z) - Exploring LLM-based Agents for Root Cause Analysis [17.053079105858497]
ルート原因分析(RCA)はインシデント管理プロセスの重要な部分である。
大規模言語モデル(LLM)はRCAの実行に使用されているが、追加の診断情報を収集することはできない。
検索ツールを備えたReActエージェントを,マイクロソフトが収集した生産事故のアウト・オブ・ディストリビューション・データセット上で評価する。
論文 参考訳（メタデータ） (2024-03-07T00:44:01Z) - Analyzing Adversarial Inputs in Deep Reinforcement Learning [53.3760591018817]
本稿では, 正当性検証のレンズを用いて, 逆入力の特性を包括的に解析する。
このような摂動に対する感受性に基づいてモデルを分類するために、新しい計量である逆数率(Adversarial Rate)を導入する。
本分析は, 直交入力が所定のDRLシステムの安全性にどのように影響するかを実証的に示す。
論文 参考訳（メタデータ） (2024-02-07T21:58:40Z) - Inverse Online Learning: Understanding Non-Stationary and Reactionary
Policies [79.60322329952453]
エージェントが意思決定を行う方法の解釈可能な表現を開発する方法を示す。
一連の軌跡に基づく意思決定プロセスを理解することにより,このオンライン学習問題に対して,政策推論問題を逆問題とみなした。
本稿では、エージェントがそれらを更新するプロセスと並行して、その影響を遡及的に推定する実用的なアルゴリズムを提案する。
UNOSの臓器提供受諾決定の分析に応用することで、我々のアプローチは意思決定プロセスを管理する要因や時間とともにどのように変化するかに、貴重な洞察をもたらすことができることを実証する。
論文 参考訳（メタデータ） (2022-03-14T17:40:42Z) - Inspect, Understand, Overcome: A Survey of Practical Methods for AI
Safety [54.478842696269304]
安全クリティカルなアプリケーションにディープニューラルネットワーク(DNN)を使用することは、多数のモデル固有の欠点のために困難です。
近年,これらの安全対策を目的とした最先端技術動物園が出現している。
本稿は、機械学習の専門家と安全エンジニアの両方に対処する。
論文 参考訳（メタデータ） (2021-04-29T09:54:54Z) - Explainable AI for Robot Failures: Generating Explanations that Improve
User Assistance in Fault Recovery [19.56670862587773]
エージェントの計画実行中に予期せぬ障害の原因を非専門家に説明する,新たなタイプの説明を紹介する。
既存のエンコーダデコーダモデルを拡張して,このような説明を自律的に生成する方法を検討する。
論文 参考訳（メタデータ） (2021-01-05T16:16:39Z)
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。