본문으로 건너뛰기

구조된 지식에 기반한 LLM 기반 결함 분석 및 방지 지침 제공 시스템

이 연구에서는 LPBF를 대표하는 안전한 사례 연구로 LPBF 결함 분석 및 방지 지침을 제공하는 구조화된 지식에 기반한 LLM 기반 결함 분석 및 방지 지침 제공 시스템을 제안합니다. 이 시스템은 27 가지 LPBF 결함 유형을 포함하여 계층적 카테고리와 원인 관계로 조직된 지식베이스에 기반을 두고 있습니다. 이 시스템은 일반적인 목적의 시각-언어 모델과 비교하여 상당한 일치도를 나타내는 문법적 자연어 질의에 대한 지식의 체계적인 검색, 문헌에 근거한 결함의 설명, 인코딩된 프로세스 지식으로부터 결함의 원인과 방지 전략에 대한 지침을 제공합니다.

AI 자동 생성

구조된 지식에 기반한 결함 분석 및 방지 지침 제공 시스템

최근 연구에서는 LPBF 결함 분석 및 방지 지침을 제공하는 새로운 시스템을 제안했습니다. 이 시스템은 대규모 언어 모델 기반으로 하며, 계층적 분류와 원인 관계로 조직된 지식베이스를 바탕으로 합니다. 이를 통해 LPBF 결함의 유형을 분석하고, 그 원인과 방지 전략에 대한 지침을 제공할 수 있습니다.

이 시스템은 27 가지 LPBF 결함 유형을 포함하여 지식베이스를 구성하였으며, 문법적 자연어 질의에 대한 지식의 체계적인 검색, 문헌에 근거한 결함의 설명, 인코딩된 프로세스 지식으로부터 결함의 원인과 방지 전략에 대한 지침을 제공합니다. 이는 일반적인 목적의 시각-언어 모델과 비교하여 상당한 일치도를 나타내며, LPBF 결함 분석에 있어 일관성, 해석 가능성 및 실용성을 향상시킬 수 있습니다.

시스템의 성능 평가

이 시스템의 성능은 일반적인 목적의 시각-언어 모델과 비교한 평가, 제거 연구, 간이 신뢰도 분석 등을 통해 확인되었습니다. 이러한 평가를 통해 시스템의 효과와 신뢰성을 검증할 수 있으며, LPBF 결함 분석 및 방지 지침을 제공하는 데 도움이 될 수 있습니다.

이 연구의 결과는 구조화된 지식에 기반한 대규모 언어 모델 기반 결함 분석 및 방지 지침 제공 시스템이 LPBF 결함 분석에 있어 중요한 역할을 할 수 있음을 보여줍니다. 이를 통해 LPBF 결함의 원인과 방지 전략에 대한 지침을 제공함으로써, 더 안전하고 효율적인 생산 공정을 구축할 수 있을 것입니다.

원문 보기 arXiv AI

함께 읽으면 좋은 기사

AI 모델 23시간 전

소니와 유니버설 뮤직 그룹이 다시 소니우에 법적 조치 시행

소니(Sony)와 유니버설 뮤직 그룹(Universal Music Group)은 다시 한 번 선오(Suno)와 법적 분쟁을 제기했습니다. 소니와 유니버설 뮤직 그룹은 새로운 모델 v6가 이전 모델의 사용자 출력을 기반으로 학습했는데, 이전 모델은 유튜브(Youtube)와 같은 출처에서 불법적으로 음악을 훔치고 학습한 것이란 이유로 저작권 침해를 주장합니다. 소니와 유니버설 뮤직 그룹은 유니버

관련 콘텐츠 더 보기

다른 플랫폼에서 이 주제에 대한 더 많은 정보를 확인하세요.