Гибридный агентный искусственный интеллект и мультиагентные системы в интеллектуальном производстве

Hybrid agentic AI and multi-agent systems in smart manufacturing
Thorsten Wuest, Irfan Khan, Mojtaba A. Farahani, Thorsten Wuest, Md Irfan Khan
2026-04-07

агентный искусственный интеллектбольшие языковые моделимультиагентные системыпредписывающее техническое обслуживаниеумное производство
Конвергенция агентного искусственного интеллекта (ИИ) и мультиагентных систем (MAS) открывает новую парадигму интеллектуального принятия решений в системах интеллектуального производства (SMS). Традиционные архитектуры MAS делают акцент на распределённой координации и специализированной автономности, тогда как современные достижения в области агентного ИИ на основе больших языковых моделей (LLM) обеспечивают возможности рассуждения более высокого порядка, планирования и оркестрации инструментов. В статье представлен гибридный агентный ИИ и мультиагентный фреймворк для сценария предписывающего технического обслуживания (RxM), в котором агенты на основе LLM обеспечивают стратегическую оркестрацию и адаптивное рассуждение, дополняемые агентами на основе правил и малых языковых моделей (SLM), выполняющими эффективные специализированные задачи на периферии сети. Предлагаемый фреймворк использует многоуровневую архитектуру, включающую уровни восприятия, предварительной обработки, аналитики и оптимизации, координируемые агентом-планировщиком на основе LLM, который управляет решениями о выполнении рабочих процессов и сохранением контекста. Специализированные агенты автономно выполняют обнаружение схемы данных, интеллектуальный анализ признаков, выбор моделей и предписывающую оптимизацию, тогда как интерфейс с участием человека обеспечивает прозрачность и возможность аудита сформированных рекомендаций по техническому обслуживанию. Такой гибридный подход обеспечивает динамическую адаптацию моделей, прозрачное принятие решений и планирование технического обслуживания с учётом затрат на основе аналитических выводов, полученных из данных. Первоначальная реализация в качестве доказательства концепции проверена на двух наборах данных промышленного производства. Разработанный фреймворк является модульным и расширяемым, что позволяет беспрепятственно интегрировать новые агенты или предметно-ориентированные модули по мере развития возможностей системы. Результаты демонстрируют способность системы автоматически обнаруживать схему данных, адаптировать конвейеры предварительной обработки, оптимизировать производительность моделей с помощью адаптивного интеллекта и формировать практически применимые, приоритизированные рекомендации по техническому обслуживанию. Фреймворк демонстрирует потенциал для повышения робастности, масштабируемости и объяснимости RxM в интеллектуальном производстве, обеспечивая связь...
1
Интерфейс с участием человека обеспечивает прозрачность и возможность аудита рекомендаций по обслуживанию, включая приоритизированные и практические решения по планированию.
2
Гибридная платформа объединяет стратегическую оркестрацию на основе LLM с агентами на основе правил и малых языковых моделей для предписывающего обслуживания в умном производстве.
3
Многоуровневая архитектура интегрирует восприятие, предварительную обработку, аналитику и оптимизацию под управлением агента-планировщика LLM, который координирует рабочие процессы и сохраняет контекст.
4
Проверка концепции на двух промышленных производственных наборах данных демонстрирует автоматическое обнаружение схемы, адаптацию предварительной обработки, оптимизацию качества моделей и расширяемость, указывая на потенциальное повышение устойчивости, масштабируемости и объяснимости.
5
Специализированные агенты автономно выполняют обнаружение схемы данных, анализ признаков, выбор моделей и предписывающую оптимизацию, обеспечивая адаптивные конвейеры обработки и моделирования.

гибридная агентная AI- и мультиагентная платформа для предписывающего технического обслуживания в интеллектуальных производственных системах

адаптивное, объяснимое и учитывающее затраты формирование и оптимизация приоритетных рекомендаций по техническому обслуживанию с помощью координированных агентов на базе LLM, правил и SLM

Publication Details
Publication Date
2026-04-07
Journal
Publisher
ISSN
Cited by
24
Access Type
Author Information
Authors
Thorsten Wuest
Irfan Khan
Mojtaba A. Farahani
Thorsten Wuest
Md Irfan Khan
Explore further
Open the scid.ai AI chat with a ready-made request: it will find papers on a similar topic and help build a literature review.
Find similar papers in the chat →
Make a presentation
100%