지식 그래프와 대형 언어 모델을 통합한 의도 기반 스마트 제조

Intent-Driven Smart Manufacturing Integrating Knowledge Graphs and Large Language Models

스마트 제조 환경의 복잡성이 증가함에 따라, 높은 수준의 인간의 의도를 기계가 실행할 수 있는 작업으로 변환할 수 있는 인터페이스가 요구되고 있다. 본 논문은 서비스형 제조(MaaS) 생태계에서 의도 기반 상호작용을 가능하게 하기 위해, 명령어 튜닝된 대형 언어 모델(LLM)과 온톨로지 정렬 지식 그래프(KG)를 통합하는 통합 프레임워크를 제시한다. 우리는 도메인 특화 데이터셋을 바탕으로 Mistral-7B-Instruct-V02를 미세 조정하여 자연어 의도를 구조화된 JSON 요구 사항 모델로 변환할 수 있도록 하였다. 이러한 모델들은 ISA-95 표준에 기반한 Neo4j 기반 지식 그래프에 의미론적으로 매핑되어 제조 공정, 자원 및 제약 조건과의 운영적 일치를 보장한다. 우리의 실험 결과는 제로샷 및 3-샷 베이스라인에 비해 상당한 성능 향상을 입증하였으며, 89.33%의 정확한 일치 정확도와 97.27%의 전체 정확도를 달성하였다. 본 연구는 확장 가능하고 설명 가능하며 적응형인 인간-기계

The increasing complexity of smart manufacturing environments demands interfaces that can translate high-level human intents into machine-executable actions. This paper presents a unified framework that integrates instruction-tuned Large Language Models (LLMs) with ontology-aligned Knowledge Graphs (KGs) to enable intent-driven interaction in Manufacturing-as-a-Service (MaaS) ecosystems. We fine-tune Mistral-7B-Instruct-V02 on a domain-specific dataset, enabling the translation of natural language intents into structured JSON requirement models. These models are semantically mapped to a Neo4j-based knowledge graph grounded in the ISA-95 standard, ensuring operational alignment with manufacturing processes, resources, and constraints. Our experimental results demonstrate significant performance gains over zero-shot and 3-shots baselines, achieving 89.33\% exact match accuracy and 97.27\% overall accuracy. This work lays the foundation for scalable, explainable, and adaptive human-machine