심2스케줄러: 자율 개방석면 스케줄링을 위한 시뮬레이터 지시 대규모 언어 모델 프레임워크

개방석면 스케줄링은 복잡한 지질학적 및 운영 제약 조건 하에서 경제적 수익을 최대화하는 중요한 과정입니다. Mixed-Integer Linear Programming (MILP) 제공하는 수학적 최적화 baseline은 계산 복잡도가 급격히 증가하고 실시간으로 적응할 수 없기 때문에 실제 산업 환경에서 실질적인 적용이 제한됩니다.

이 연구에서는 대규모 언어 모델 (LLM) (Large Language Model)이 자율적 의사결정 요소로 작동하는 시뮬레이터를 이용한 스케줄링 프레임워크를 개발하였습니다. 이 프레임워크는 closed 환경에서 작동하며, 데이터 보안을 보장하는 zero-shot 방식으로 작동합니다. LLM은 시뮬레이터의 지시를 받아 각 단계에서 작동하며, 지질학적 선결조건, 추출-처리 결합, 동적 용량 제약 조건이 직접 행동 생성 메커니즘에 인코딩됩니다.

실제 산업 환경에서 작동하기 위해, 새로운 MILP 형식이 개발되었으며, 현실적인 운영 및 지질학적 제약 조건을 포함합니다. 다양한 규모와 시간 기간의 채광 인스턴스를 대상으로 테스트한 결과, LLM 기반 프레임워크는 MILP 최적 NPV의 94%에서 99%를 회복하였으며, 계산 시간이 선형적으로 증가하였습니다.

이 결과는 복잡한 운영 제약 조건 하에서 장거리 산업 스케줄링을 위한 시뮬레이터 제약 LLB agent를 실용적이고 확장 가능한 대안으로 위치시킵니다.

시뮬레이터 지시 대규모 언어 모델 프레임워크의 장점:

• 실시간으로 적응할 수 있는 자율적 의사결정 요소
• closed 환경에서 작동하며 데이터 보안을 보장
• zero-shot 방식으로 작동
• 실제 산업 환경에서 작동하기 위한 MILP 형식이 개발
• 복잡한 운영 제약 조건 하에서 장거리 산업 스케줄링을 위한 실용적이고 확장 가능한 대안