論文の概要: A Knowledge-Driven LLM-Based Decision-Support System for Explainable Defect Analysis and Mitigation Guidance in Laser Powder Bed Fusion
- arxiv url: http://arxiv.org/abs/2605.01100v1
- Date: Fri, 01 May 2026 21:12:51 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-05-05 20:33:49.581337
- Title: A Knowledge-Driven LLM-Based Decision-Support System for Explainable Defect Analysis and Mitigation Guidance in Laser Powder Bed Fusion
- Title（参考訳）: レーザ粉体融合における説明可能な欠陥解析と緩和誘導のための知識駆動型LCMに基づく意思決定支援システム
- Authors: Basit Mahmud Shahriar, Md Habibor Rahman,
- Abstract要約: 本研究は、構造化欠陥知識とLCMに基づく推論を統合し、説明可能な欠陥診断と緩和ガイダンスを提供する知識駆動システムを提案する。
提案システムは,27の既知のLPBF欠陥を階層的カテゴリと因果関係に分類した知識ベース上に構築されている。
- 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: 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 types organized into hierarchical categories and causal relationships. The developed system supports fuzzy natural language queries for systematic knowledge retrieval, literature-supported explanation of defects, and guidance on defect causes and mitigation strategies derived from encoded process knowledge. Furthermore, a multimodal image-assessment module based on foundation models enables descriptor-guided interpretation of representative microscopic defect images through semantic alignment scoring. The proposed framework was evaluated through qualitative comparisons with general-purpose vision-language models, an ablation study, and an inter-rater reliability analysis. Evaluation on the literature-derived dataset showed that the fully integrated configuration outperformed the other three evaluated system configurations, achieving a macro-average F1 score of 0.808. Additionally, inter-rater reliability analysis using Cohen's kappa indicated substantial agreement between the model outputs and the literature-derived reference labels. These findings suggest that ontology-guided knowledge representation can improve the consistency, interpretability, and practical usefulness of LLM-assisted LPBF defect analysis.
- Abstract（参考訳）: 本研究は, 構造化欠陥知識とLCMに基づく推論を統合し, LPBFを代表的かつ安全なケーススタディとして, 製造における説明可能な欠陥診断と緩和ガイダンスを提供する知識駆動型意思決定支援システムを提案する。
階層的カテゴリと因果関係に分類された27の既知のLPBF欠陥型を含む知識ベース上に, LPBF欠陥分析と緩和指導のためのオントロジー統合LPMに基づく意思決定支援システムを構築した。
本システムでは, 系統的な知識検索, 文献による欠陥の説明, 欠陥原因のガイダンス, 符号化されたプロセス知識からの緩和戦略など, ファジィな自然言語クエリをサポートする。
さらに、基礎モデルに基づくマルチモーダル画像評価モジュールは、セマンティックアライメントアライメントアライメントによる代表顕微鏡欠陥画像のディスクリプタ誘導解釈を可能にする。
提案手法は,汎用視覚言語モデルと定性比較,アブレーション研究,レータ間信頼性解析により評価された。
文献由来のデータセットから, 完全に統合された構成が他の3つの評価システム構成より優れており, マクロ平均F1スコアは0.808であった。
さらに,コーエンのカッパを用いたフラッター間信頼性解析により,モデル出力と文献由来の参照ラベルとの間にはかなりの一致を示した。
これらの結果から, オントロジー誘導型知識表現はLPM支援LPBF欠陥解析の一貫性, 解釈可能性, 実用性を向上させることが示唆された。
関連論文リスト
- METER: Evaluating Multi-Level Contextual Causal Reasoning in Large Language Models [61.33372454250959]
コンテキスト因果推論は、大規模言語モデルにとって重要なが難しい能力である。
既存のベンチマークでは、コンテキスト整合性を保証するか、完全な因果階層をカバーすることができない。
私たちはMETERの先駆者であり、因果はしごの3つのレベルすべてにわたってLSMを体系的にベンチマークしました。
論文 参考訳（メタデータ） (2026-04-13T14:07:11Z) - Towards Agentic Defect Reasoning: A Graph-Assisted Retrieval Framework for Laser Powder Bed Fusion [0.0]
本研究では,レーザー粉体融合における欠陥推論のためのグラフ支援検索フレームワークを提案する。
このフレームワークはセマンティックとグラフベースの検索を統合し、軽量なエージェントベースの推論層でサポートされている。
このフレームワークは、プロセスパラメータと欠陥をリンクする透過的な推論チェーンを可能にする。
論文 参考訳（メタデータ） (2026-04-05T18:01:31Z) - AgentFixer: From Failure Detection to Fix Recommendations in LLM Agentic Systems [7.429835301272413]
フレームワークには15の障害検出ツールと2つの根本原因分析モジュールが含まれている。
軽量なルールベースのチェックとLDM-as-a-judgeアセスメントを統合し、構造化インシデント検出、分類、修復をサポートする。
我々は、このフレームワークをIBM CUGAに適用し、AppWorldとWebArenaベンチマークのパフォーマンスを評価した。
論文 参考訳（メタデータ） (2026-02-18T14:55:35Z) - Towards Comprehensive Stage-wise Benchmarking of Large Language Models in Fact-Checking [64.97768177044355]
大規模言語モデル(LLM)は、現実のファクトチェックシステムにますます多くデプロイされている。
FactArenaは、完全に自動化されたアリーナスタイルの評価フレームワークである。
本研究では,静的クレーム検証精度とエンドツーエンドのファクトチェック能力の相違点を明らかにした。
論文 参考訳（メタデータ） (2026-01-06T02:51:56Z) - LLM-YOLOMS: Large Language Model-based Semantic Interpretation and Fault Diagnosis for Wind Turbine Components [5.383947139043873]
本研究では, YOLOMSと大規模言語モデル(LLM)を組み合わせて, インテリジェントな故障解析と診断を行う統合フレームワークを提案する。
特に, YOLOMSでは, マルチスケール検出とスライディング・ウインドウ・クリーピングを採用し, 断層特徴抽出の高度化を実現している。
このモジュールは、YOLOMS検出結果を定性的属性と量的属性の両方に富んだ構造化テキスト表現に変換する。
論文 参考訳（メタデータ） (2025-11-13T15:14:34Z) - A Trustworthy Industrial Fault Diagnosis Architecture Integrating Probabilistic Models and Large Language Models [7.074098396770342]
このアーキテクチャはベイジアンネットワークベースの診断エンジンを通じて予備解析を行う。
認知量子モジュールは、初期診断のエキスパートレベルの仲裁を行う。
ケーススタディでは、HCAAが従来のモデルにおける複雑な特徴パターンや知識のギャップに起因する誤判断を効果的に修正することが確認されている。
論文 参考訳（メタデータ） (2025-10-04T14:11:13Z) - CANDLE: A Cross-Modal Agentic Knowledge Distillation Framework for Interpretable Sarcopenia Diagnosis [3.0245458192729466]
CANDLEは、解釈可能性と性能のトレードオフを緩和し、予測精度を高め、高い決定一貫性を維持する。
このフレームワークは、TMLモデルの知識アセット化に対するスケーラブルなアプローチを提供し、サルコピアおよび潜在的に広い医療領域における解釈可能、再現可能、および臨床的に整合した意思決定支援を可能にする。
論文 参考訳（メタデータ） (2025-07-26T15:50:08Z) - Retrieval is Not Enough: Enhancing RAG Reasoning through Test-Time Critique and Optimization [58.390885294401066]
Retrieval-augmented Generation (RAG) は知識基底型大規模言語モデル(LLM)を実現するためのパラダイムとして広く採用されている。
RAGパイプラインは、モデル推論が得られた証拠と整合性を維持するのに失敗することが多く、事実上の矛盾や否定的な結論につながる。
批判駆動アライメント(CDA)に基づく新しい反復的枠組みであるAlignRAGを提案する。
AlignRAG-autoは、動的に洗練を終了し、批判的な反復回数を事前に指定する必要がなくなる自律的な変種である。
論文 参考訳（メタデータ） (2025-04-21T04:56:47Z) - System Resilience through Health Monitoring and Reconfiguration [56.448036299746285]
人為的なシステムのレジリエンスを、予期せぬ事象に対して向上させるためのエンドツーエンドのフレームワークを実証する。
このフレームワークは物理ベースのデジタルツインモデルと,リアルタイム故障診断,予後,再構成を行う3つのモジュールに基づいている。
論文 参考訳（メタデータ） (2022-08-30T20:16:17Z)
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。