공정 플랜트의 결함 복구(Fault recovery)는 여전히 플랜트 운영자에게 크게 의존하고 있으며, 특히 결함이 미리 정의된 감독 로직(supervisory logic)을 벗어나는 경우 더욱 그러합니다. 운영자는 알람, 절차서, P&ID, 인터록(interlock), 공정 트렌드를 해석한 후, 셧다운(shutdown)을 유발하지 않으면서 플랜트를 안전한 운전 모드로 전환하는 방법을 결정합니다. 본 논문은 대규모 언어 모델 (LLM) 에이전트가 이러한 복구 결정을 어떻게 지원할 수 있는지 조사합니다. 제안된 프레임워크는 LLM을 제약 조건이 있는 감독 플래너(supervisory planner)로 취급합니다. 이는 플랜트 특화 지식을 사용하여 복구 조치를 제안하며, 모든 제안은 실행되기 전에 외부 검증기(symbolic 또는 시뮬레이션 기반)에 의해 확인됩니다. 본 논문은 프레임워크 적용을 위한 세 가지 설계 차원을 개발합니다: LLM 에이전트가 유용한 복구 패턴, 허용 가능한 제안과 허용되지 않는 제안을 구분하는 검증 전략, 그리고 지연 시간(latency), 지식 공학(knowledge engineering), 안전 통합(safety integration), 모델 라이프사이클 관리(model lifecycle management)에 의해 부과되는 배포 제약 조건입니다. 프레임워크를 즉시 사용할 수 있도록 두 개의 공개 가능한 실행 가능한 Python 환경이 제공됩니다. 두 환경 모두 기존의 사례 연구인 모듈형 혼합 모듈(modular mixing module)과 연속 교반 탱크 반응기(continuous stirred-tank reactor)를 재구현하였으며, 구성 가능한 결함과 맞춤형 복구 및 검증 방법을 위한 정의된 인터페이스를 통해 확장되었습니다.