将 大语言模型 代理与工业自治系统的数字孪生集成

数字化和网络物理系统的日益使用正在改变工业自动化。现代生产环境需要更大的适应性、更快的重新配置和更直观的人机交互。然而，传统的基于规则的系统依赖于固定的逻辑，无法自主适应不断变化的条件。因此，当前的自动化系统缺乏一种系统方法来集成自适应和通用推理能力，以跨动态环境和异构组件解释、规划和执行用户任务。本论文提出了一个三层框架，将大语言模型（LLM）、数字孪生和自动化系统集成到一个自治系统中。自主性被定义为分配给系统组件的设计属性，并通过基于 LLM 的推理来实现自适应、面向目标的行为。引入任务-流程-服务-资源（TPSR）模型将用户任务转换为可执行流程。确定了四个 LLM 角色：流程编排、服务匹配、数字资源生成和代理即服务。五项经过同行评审的研究使用设计科学研究方法开发和完善了这些概念。案例研究和原型展示了自适应任务规划、事件驱动控制、基于仿真的参数化和数字模型生成。结果显示任务可执行性高、命令正确性和内容生成准确性高，同时减少了手动工作量。该框架能够将基于 LLM 的推理集成到工业自动化系统中，并提高适应性和可用性。局限性包括对准确数字表示的依赖、LLM 的计算需求以及在安全关键情况下需要人工干预。