本論文は、産業機械の予防保守のための大規模言語モデル（LLM）ベースのインテリジェントシステムを提示します。従来の異常検出にとどまらず実行可能な整備勧告を提供するシステムで、数値データ分析のためのLAMPフレームワークに基づいて開発されました。ベアリング振動周波数解析（BPFO、BPFI、BSF、FTF周波数）データを自然言語に変換し、LLMを介して高精度の数回の試みで異常検出を実行します。故障の種類（内輪、外輪、ボール/ローラー、ケージの故障）を分類し、重大度レベルを評価し、マルチエージェントコンポーネントは、ベクトル埋め込みとセマンティック検索を使用してメンテナンスマニュアルを処理し、Web検索を通じて包括的な手順知識と最新のメンテナンス慣行にアクセスし、より正確で深い勧告を提供します。 Geminiモデルは、即時アクション、チェックチェックリスト、是正アクション、部品要件、およびスケジュール仕様を含む構造化メンテナンス勧告を生成します。ベアリング振動データセットの実験的検証により,効果的な異常検出と状況に合わせたメンテナンスガイドラインを提供することを示した。このシステムは、ヘルスモニタリングと実行可能なメンテナンス計画との間のギャップをうまく解消し、産業実務者にインテリジェントな意思決定支援を提供します。この研究は、産業保守の分野でLLMのアプリケーションを進化させ、さまざまな機械部品と産業の分野にわたって拡張可能な予防保守フレームワークを提供します。
