Conjunto de datos de AutoFactory para apoyar la IA en los sistemas de fabricación

Área de la Ciencia:

• Automatización industrial y IA
• Procesamiento del lenguaje natural (PNL) para la fabricación

Sus antecedentes:

• Automatizar la generación de código en la fabricación requiere modelos de IA que puedan interpretar las especificaciones de los requisitos textuales.
• Un desafío significativo es la falta de conjuntos de datos específicos de dominio disponibles públicamente para entrenar estos modelos de IA.

Objetivo del estudio:

• Para presentar AutoFactory, un conjunto de datos de código abierto diseñado para entrenar modelos de IA en la fabricación.
• Permitir la extracción y clasificación de componentes industriales clave a partir de las especificaciones de los requisitos.

Principales métodos:

• Conjunto de datos AutoFactory desarrollado con especificaciones de requisitos escritas manualmente y aumentadas por LLM.
• Datos anotados utilizando el formato BIO para el reconocimiento de entidades con nombre (NER) por expertos en el dominio.
• Utilizado Factory I / O para escenarios realistas, incluidas escenas 3D y perspectivas de cámaras múltiples.
• Se emplearon grandes modelos lingüísticos para la mejora de la diversidad lingüística y análisis de similitud semántica para la validación.
• Desarrolló una herramienta de etiquetado local personalizada para una anotación de datos privada y fácil de usar.
• Modelos basados en transformadores afinados (BERT, DistilBERT) en el conjunto de datos.

Principales resultados:

• El conjunto de datos de AutoFactory permite la extracción y clasificación de componentes industriales como actuadores, sensores y efectores.
• El aumento de LLM logró una alta similitud semántica (similaridad de coseno promedio > 0,92) con validación manual.
• Los modelos afinados lograron una alta puntuación F1 de 0,95 para la identificación de componentes.
• Demostró la efectividad del conjunto de datos en el entrenamiento de la IA para interpretar los comportamientos de fabricación a partir del texto.

Conclusiones:

• AutoFactory proporciona un conjunto de datos robusto y de código abierto para el avance de la IA en la generación de código de fabricación.
• El conjunto de datos facilita la identificación precisa de los componentes industriales, reduciendo los esfuerzos de programación manual.
• Este trabajo apoya el desarrollo de sistemas inteligentes para la generación automatizada de códigos de control en la automatización industrial.