यह शोधपत्र औद्योगिक मशीनरी के निवारक रखरखाव हेतु एक बड़े पैमाने की भाषा मॉडल (LLM) पर आधारित एक बुद्धिमान प्रणाली प्रस्तुत करता है। यह प्रणाली पारंपरिक विसंगति पहचान से आगे बढ़कर कार्यान्वयन योग्य रखरखाव सुझाव प्रदान करती है। संख्यात्मक डेटा विश्लेषण के लिए LAMP ढाँचे पर आधारित, यह प्रणाली बेयरिंग कंपन आवृत्ति विश्लेषण डेटा (BPFO, BPFI, BSF, और FTF आवृत्तियों) को प्राकृतिक भाषा में परिवर्तित करती है, जिससे LLM का उपयोग करके कुछ ही प्रयासों में उच्च-सटीकता वाली विसंगति पहचान संभव हो जाती है। दोष प्रकारों (आंतरिक रेस, बाहरी रेस, बॉल/रोलर, और पिंजरे की विफलताएँ) को वर्गीकृत किया जाता है और गंभीरता के स्तर का आकलन किया जाता है। एक बहु-एजेंट घटक रखरखाव मैनुअल को संसाधित करने और वेब खोजों के माध्यम से व्यापक प्रक्रियात्मक ज्ञान और अद्यतन रखरखाव प्रथाओं तक पहुँचने के लिए वेक्टर एम्बेडिंग और सिमेंटिक खोज का उपयोग करता है, जिससे अधिक सटीक और गहन सुझाव मिलते हैं। जेमिनी मॉडल संरचित रखरखाव सुझाव उत्पन्न करता है जिसमें तत्काल कार्रवाई, निरीक्षण जाँच सूची, सुधारात्मक उपाय, पुर्जों की आवश्यकताएँ और अनुसूची विनिर्देश शामिल होते हैं। बेयरिंग कंपन डेटासेट पर प्रायोगिक सत्यापन विसंगतियों का पता लगाने और संदर्भ-संवेदनशील रखरखाव मार्गदर्शन प्रदान करने में इसकी प्रभावशीलता को प्रदर्शित करता है। यह प्रणाली स्थिति निगरानी और कार्यान्वयन योग्य रखरखाव योजना के बीच की खाई को सफलतापूर्वक पाटती है, और औद्योगिक पेशेवरों को बुद्धिमानी से निर्णय लेने में सहायता प्रदान करती है। यह अध्ययन औद्योगिक रखरखाव में एलएलएम के अनुप्रयोग को आगे बढ़ाता है, और विभिन्न मशीन घटकों और उद्योगों में एक मापनीय पूर्वानुमानित रखरखाव ढाँचा प्रदान करता है।
