論文の概要: A Human-Centred Architecture for Large Language Models-Cognitive Assistants in Manufacturing within Quality Management Systems
- arxiv url: http://arxiv.org/abs/2603.16325v1
- Date: Tue, 17 Mar 2026 09:58:34 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-03-18 17:42:07.210134
- Title: A Human-Centred Architecture for Large Language Models-Cognitive Assistants in Manufacturing within Quality Management Systems
- Title（参考訳）: 大規模言語モデルのための人間中心型アーキテクチャ-品質管理システムにおける製造における認知アシスタント
- Authors: Marcos Galdino, Johanna Grahl, Tobias Hamann, Anas Abdelrazeq, Ingrid Isenhardt,
- Abstract要約: 大規模言語モデル認識アシスタント(LLM-CA)は、製造における品質管理システム(QMS)を強化することができる。
LLM-CAを製造に統合できるQMSにフォーカスした人間中心のソフトウェアアーキテクチャは存在しない。
本研究では,要求分析とソフトウェア開発プロセスを考慮したコンポーネントベースのアーキテクチャを設計することで,このギャップを解消する。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Large Language Models-Cognitive Assistants (LLM-CAs) can enhance Quality Management Systems (QMS) in manufacturing, fostering continuous process improvement and knowledge management. However, there is no human-centred software architecture focused on QMS that enables the integration of LLM-CAs into manufacturing in the current literature. This study addresses this gap by designing a component-based architecture considering requirement analysis and software development process. Validation was conducted via iterative expert focus groups. The proposed architecture ensures flexibility, scalability, modularity, and work augmentation within QMS. Moreover, it paves the way for its operationalization with industrial partners, showcasing its potential for advancing manufacturing processes.
- Abstract（参考訳）: 大規模言語モデル認知アシスタント(LLM-CA)は、製造における品質管理システム(QMS)を強化し、継続的なプロセス改善と知識管理を促進する。
しかし、現在の文献においてLCM-CAを製造に組み込むことができるQMSに焦点を当てた人間中心のソフトウェアアーキテクチャは存在しない。
本研究では,要求分析とソフトウェア開発プロセスを考慮したコンポーネントベースのアーキテクチャを設計することで,このギャップを解消する。
検証は反復的専門家焦点グループによって行われた。
提案されたアーキテクチャは、QMS内での柔軟性、スケーラビリティ、モジュール化、作業拡張を保証する。
さらに、工業パートナーとの業務化の道を開き、製造プロセスの進展の可能性を示している。
関連論文リスト
- Engineering AI Agents for Clinical Workflows: A Case Study in Architecture,MLOps, and Governance [0.21748200848556345]
我々は、ヒューマン・イン・ザ・ループ(Human-in-the-Loop)ガバナンスモデルが、単に安全チェックとしてだけでなく、継続的な改善のための重要なイベント駆動データソースとして技術的に統合されていることを示す。
我々は、このプラットフォームをリファレンスアーキテクチャとして提示し、メンテナンス可能でスケーラブルで説明可能なAI対応システムを高レベルなドメインで構築するエンジニアに実践的な教訓を提供する。
論文 参考訳（メタデータ） (2026-01-31T14:33:57Z) - Development of Ontological Knowledge Bases by Leveraging Large Language Models [1.1470070927586018]
オントロジー知識基盤(OKB)はドメイン固有の知識の構造化において重要な役割を担い、効果的な知識管理システムの基礎として機能する。
ジェネレーティブAI、特にLarge Language Models(LLMs)の最近の進歩は、OKB開発を自動化および拡張するための有望なソリューションを提供する。
本稿では,LLMを利用して知識獲得を最適化し,オントロジーアーティファクト生成を自動化し,継続的な改善サイクルを可能にする構造的かつ反復的な手法を提案する。
論文 参考訳（メタデータ） (2026-01-15T14:30:42Z) - Fundamentals of Building Autonomous LLM Agents [64.39018305018904]
本稿では,大規模言語モデル(LLM)を用いたエージェントのアーキテクチャと実装手法について概説する。
この研究は、複雑なタスクを自動化し、人間の能力でパフォーマンスのギャップを埋めることのできる「アジェンティック」なLLMを開発するためのパターンを探求することを目的としている。
論文 参考訳（メタデータ） (2025-10-10T10:32:39Z) - Using LLMs and Essence to Support Software Practice Adoption [0.3609538870261841]
本研究では,ソフトウェアエンジニアリングプラクティスを管理するための標準および思考フレームワークであるEssenceと,大規模言語モデル(LLM)の統合について検討する。
提案システムは、ドメイン固有のタスクにおいて、ベースラインよりも一貫して優れている。
論文 参考訳（メタデータ） (2025-08-22T14:59:35Z) - Cognitive Agents Powered by Large Language Models for Agile Software Project Management [0.0]
本稿では,大規模言語モデル(LLM)を利用した認知エージェントの大規模アジャイルフレームワーク(SAFe)への統合について検討する。
シミュレーションソフトウェア環境に仮想エージェントを配置することにより、ITプロジェクト開発における基本的な役割を果たす可能性を探る。
論文 参考訳（メタデータ） (2025-08-21T09:19:08Z) - An LLM-enabled Multi-Agent Autonomous Mechatronics Design Framework [49.633199780510864]
本研究は, 機械設計, 最適化, エレクトロニクス, ソフトウェア工学の専門知識を統合した多エージェント自律メカトロニクス設計フレームワークを提案する。
このフレームワークは、言語駆動のワークフローを通じて運用され、構造化された人間のフィードバックを組み込んで、現実世界の制約下での堅牢なパフォーマンスを保証する。
完全に機能する自律型容器は、最適化された推進、コスト効率の高い電子機器、高度な制御を備えていた。
論文 参考訳（メタデータ） (2025-04-20T16:57:45Z) - A Survey of Frontiers in LLM Reasoning: Inference Scaling, Learning to Reason, and Agentic Systems [93.8285345915925]
推論(Reasoning)は、論理的推論、問題解決、意思決定を可能にする基本的な認知プロセスである。
大規模言語モデル(LLM)の急速な進歩により、推論は高度なAIシステムを区別する重要な能力として浮上した。
我々は,(1)推論が達成される段階を定義するレジーム,(2)推論プロセスに関与するコンポーネントを決定するアーキテクチャの2つの側面に沿って既存の手法を分類する。
論文 参考訳（メタデータ） (2025-04-12T01:27:49Z) - A Layered Architecture for Developing and Enhancing Capabilities in Large Language Model-based Software Systems [18.615283725693494]
本稿では,Large Language Models (LLM) ソフトウェアシステムの開発を異なるレイヤにまとめる階層アーキテクチャを提案する。
これらのレイヤと機能を整合させることで、このフレームワークは、効果的かつ効率的な方法で機能の体系的な実装を奨励します。
論文 参考訳（メタデータ） (2024-11-19T09:18:20Z) - Technology Readiness Levels for AI & ML [79.22051549519989]
機械学習システムの開発は、現代的なツールで容易に実行できるが、プロセスは通常急いで、エンドツーエンドで実行される。
エンジニアリングシステムは、高品質で信頼性の高い結果の開発を効率化するために、明確に定義されたプロセスとテスト標準に従います。
我々は、機械学習の開発と展開のための実証されたシステムエンジニアリングアプローチを提案する。
論文 参考訳（メタデータ） (2020-06-21T17:14:34Z)
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。