Insights
AI가 자동으로 큐레이션·번역·정리하는 기술 동향 피드입니다.
결함 탐지 결과를 제약 조건 인식 회복 동작으로 변환하는 LLM 에이전트 기반의 결함 허용 제어(FTC) 프레임워크를 제안합니다. 멀티 에이전트 워크플로우, 디지털 트윈, Graph RAG를 결합하여 복잡한 플랜트 환경에서 안전하고 검증된 제어 명령을 생성합니다.
AI 자동 생성 콘텐츠
본 콘텐츠는 arXiv cs.LG의 원문을 AI가 자동으로 요약·번역·분석한 것입니다. 원 저작권은 원저작자에게 있으며, 정확한 내용은 반드시 원문을 확인해 주세요.
원문 바로가기우리는 결함 탐지(fault detection) 출력을 플랜트 특화 지식에 기반한 제약 조건 인식 회복 동작(constraint-aware recovery actions)으로 변환하는 능동적 결함 허용 제어(Fault-Tolerant Control, FTC)를 위한 에이전트 기반 대규모 언어 모델(LLM) 프레임워크를 제안합니다. 이 접근 방식은 다음을 결합합니다: (i) 운영자 업무를 모니터링, 계획, 동작 합성, 시뮬레이션, 검증 및 재프롬프팅(reprompting)으로 분해하는 멀티 에이전트 워크플로우; (ii) 실행 전 테스트를 위해 플랜트 데이터, 모델 및 시뮬레이션 서비스를 제공하는 디지털 프로세스 플랜트 트윈(Digital Process Plant Twin, DPPT); (iii) CPSMod 온톨로지(ontology)를 기반으로 구축되어 플랜트 지식(구조, 기능, 하이브리드 역학, 제어 컨텍스트 및 결함 의미론)을 에이전트의 관계 인식 및 멀티 홉 검색(multi-hop retrieval)을 지원하는 그래프로 구성하는 그래프 검색 증강 생성(Graph Retrieval-Augmented Generation, Graph RAG) 계층. 교정 동작은 최소 위험 상태 머신(state-machine) 회복 경로와 그에 상응하는 이산 명령(discrete commands) 또는 연속 설정값 조정(continuous setpoint adaptations)으로 생성되며, 실제 작동 전 인터록(interlocks), 엔벨로프(envelopes) 및 동적 타당성에 대해 결정론적으로 검증됩니다. 제한된 시간 창 내에 수용 가능한 계획을 찾지 못할 경우, 제어권은 안전 폴백(safety fallback)으로 넘어갑니다. 이 프레임워크는 두 가지 대표적인 벤치마크인 이산 배치 혼합 모듈(Mixing Module)과 폐루프 PID 제어 하의 연속 교반 탱크 반응기(Continuous Stirred-Tank Reactor, CSTR) 시뮬레이션에서 평가되었습니다. 경량 LLM(GPT-4o-mini 및 GPT-4.1-mini)을 사용한 결과, 의미론적으로 기반을 둔 에이전트가 각 프로세스 역학에 호환되는 지연 시간 예산 내에서 유효한 회복 결정을 도출할 수 있음을 보여주었으며, 이는 이산 및 연속 FTC 작업 모두에서 탐지부터 검증된 교정 동작에 이르는 실질적인 경로를 입증합니다.