Automatic MILP Model Construction for Multi-Robot Task Allocation and Scheduling Based on Large Language Models
Created by
Haebom
Category
Empty
저자
Mingming Peng, Zhendong Chen, Jie Yang, Jin Huang, Zhengqi Shi, Qihao Liu, Xinyu Li, Liang Gao
개요
본 논문은 Industry 4.0 시대의 지능형 제조 시스템에서 다중 로봇 시스템의 효율적인 작업 할당 및 스케줄링 문제를 해결하기 위해, 데이터 프라이버시를 준수하는 자동화된 모델링 솔루션을 제안한다. 기존 방법들의 한계인 도메인 전문 지식 의존성과 동적 생산 제약 조건에 대한 적응 어려움, 그리고 클라우드 기반 LLM 사용의 프라이버시 문제를 해결하고자, 지식 증강 혼합 정수 선형 계획법(MILP) 자동 공식화 프레임워크를 제시한다. 이 프레임워크는 로컬 LLM과 도메인 특정 지식 베이스를 통합하여 자연어 설명으로부터 실행 가능한 코드를 자동으로 생성하며, 복잡한 시공간적 제약 조건 추출을 위해 Knowledge-guided DeepSeek-R1-Distill-Qwen-32B 모델(평균 정확도 82%)과 MILP 코드 생성을 위해 미세 조정된 Qwen2.5-Coder-7B-Instruct 모델(평균 정확도 90%)을 활용한다. 항공기 외피 제조 사례 연구를 통해 프레임워크의 효율성과 데이터 프라이버시 준수를 검증하였다.
시사점, 한계점
•
시사점:
◦
데이터 프라이버시를 준수하면서 복잡한 산업 시나리오에서 자동화된 모델링을 가능하게 하는 새로운 프레임워크 제시.
◦
로컬 LLM과 도메인 지식 베이스의 통합을 통한 효율적이고 신뢰할 수 있는 모델링 기술 제공.
◦
자연어 기반의 저진입장벽 모델링 환경 구축.
◦
항공기 외피 제조 사례 연구를 통해 실제 산업 적용 가능성 검증.
•
한계점:
◦
제안된 프레임워크의 일반화 가능성에 대한 추가 연구 필요. (다양한 산업 분야 및 문제 유형에 대한 적용성 검증)
◦
사용된 LLM 모델의 성능에 대한 의존성. (모델의 정확도 향상 및 안정성 확보 방안 필요)
