摘要：隨著相關(guān)技術(shù)的應(yīng)用與發(fā)展，大語言模型在精益化工藝管理中的應(yīng)用價值日益凸顯。圍繞大語言模型的具體應(yīng)用，就二者的融合問題進(jìn)行探索。通過結(jié)合精益化工藝管理平臺，大語言模型在工藝調(diào)研、方案、培訓(xùn)等文件生成、知識獲取、問題解答、錯誤分析和關(guān)鍵信息提取等方面提供了自動化和智能化的支持。旨在探討大語言模型在精益化工藝管理中的智能應(yīng)用，分析其對制造企業(yè)的影響。

關(guān)鍵詞：精益化工藝管理；大語言模型；智能應(yīng)用

一、前言

隨著離散制造業(yè)的發(fā)展，精益化工藝管理成為提高生產(chǎn)效率和總體質(zhì)量的關(guān)鍵。傳統(tǒng)的工藝管理方法有待進(jìn)一步提升效率和質(zhì)量，如工藝調(diào)研、方案、培訓(xùn)等文件的編制，專業(yè)知識和問題的解答，工藝過程中發(fā)生的錯誤分析。大語言模型的出現(xiàn)為精益化工藝管理帶來了新的機(jī)遇。

二、智能應(yīng)用

精益化工藝管理是一種管理方法和理念，旨在通過優(yōu)化流程、消除浪費、提高質(zhì)量和效率，實現(xiàn)持續(xù)改進(jìn)和增加價值。其源于精益生產(chǎn)和精益制造的原則，逐漸應(yīng)用于工藝管理領(lǐng)域。

在精益化工藝管理中，通過對工藝流程進(jìn)行深入分析，識別出實際的價值流和非價值流，以及可能的浪費和瓶頸點。強(qiáng)調(diào)持續(xù)改進(jìn)的方法，通過使用各種工具和技術(shù)，如標(biāo)準(zhǔn)化工作，實施改進(jìn)措施，確保該類改進(jìn)能夠持續(xù)發(fā)展。強(qiáng)調(diào)質(zhì)量管理和防止錯誤，通過使用質(zhì)量控制工具和技術(shù)，識別和消除潛在的質(zhì)量問題，確保工藝流程的穩(wěn)定性和可靠性。精益化工藝管理的目標(biāo)是實現(xiàn)高效、靈活和高質(zhì)量的工藝流程，滿足客戶需求并提供持續(xù)競爭優(yōu)勢。通過減少浪費、提高效率和質(zhì)量，實現(xiàn)更快的交付時間、更低的成本和更高的客戶滿意度。

大語言模型的核心思想是通過統(tǒng)計建模來捕捉語言的概率分布，即學(xué)習(xí)語言中詞語之間的關(guān)系和語法規(guī)則。模型通過對文本數(shù)據(jù)進(jìn)行訓(xùn)練，學(xué)習(xí)到了詞語出現(xiàn)的概率、句子的合理性以及語言結(jié)構(gòu)的規(guī)律。基于學(xué)習(xí)到的規(guī)律，大語言模型能夠生成具有合理性、流暢性和語言風(fēng)格的文本[1]。

在近年來的研究中，大語言模型已經(jīng)取得了顯著的突破，如GPT（Generative Pre-trained Transformer）系列模型和BERT（Bidirectional Encoder Representations from Transformers）模型等，不僅在生成自然語言文本方面取得了重要進(jìn)展，還在機(jī)器翻譯、文本摘要、對話系統(tǒng)等自然語言處理任務(wù)中展現(xiàn)出了強(qiáng)大的能力。鑒于大語言模型自然語言文本生成、上下文邏輯推理等能力，可以將大語言模型廣泛應(yīng)用在工藝管理過程中的諸多環(huán)節(jié)，如圖1所示。

（一） 工藝調(diào)研、方案、培訓(xùn)等文件的生成

在工藝調(diào)研、方案制定以及培訓(xùn)文件生成的過程中，大語言模型通過深度學(xué)習(xí)技術(shù)，從歷史文件中汲取知識，模擬人類撰寫文件的邏輯和風(fēng)格，提升文件生成的效率，在文件的準(zhǔn)確性和一致性上達(dá)到了新的高度。

大語言模型對大量的歷史文件進(jìn)行學(xué)習(xí)，提取關(guān)鍵信息和撰寫規(guī)則。例如，在工藝調(diào)研文件中，模型會學(xué)習(xí)到如何系統(tǒng)地描述工藝流程、設(shè)備選型、原材料特性等關(guān)鍵要素。在方案文件中，模型學(xué)會如何根據(jù)客戶需求和約束條件，提出切實可行的解決方案。在培訓(xùn)文件中，模型模擬人類教師的語言風(fēng)格，生成通俗易懂、步驟詳細(xì)的操作指南。該技術(shù)的實現(xiàn)離不開自然語言處理和深度學(xué)習(xí)算法的支持。大語言模型通過分析文本的語法、語義結(jié)構(gòu)，以及上下文關(guān)系，生成語法正確、語義通順的文本內(nèi)容。通過大量的訓(xùn)練數(shù)據(jù)，模型能夠?qū)W習(xí)到不同文件類型的寫作風(fēng)格和結(jié)構(gòu)特點，生成符合特定需求的文件。例如，需要生成一份關(guān)于某種新工藝的調(diào)研文件。通過輸入相關(guān)的關(guān)鍵詞和約束條件，大語言模型能夠自動生成一份包含工藝流程、設(shè)備選型、原材料分析以及市場前景預(yù)測等內(nèi)容的調(diào)研文件，不僅結(jié)構(gòu)清晰、內(nèi)容豐富，而且語言通順、易于理解。在制定一個復(fù)雜的工程項目方案時，可以利用大語言模型來快速生成一份初步的方案文件。模型會根據(jù)輸入的項目需求、預(yù)算限制以及時間要求等信息，自動生成一份包含項目目標(biāo)、實施方案、風(fēng)險評估以及預(yù)期成果等內(nèi)容的方案文件，減輕了項目團(tuán)隊的工作負(fù)擔(dān)，提高了工作效率。

（二）專業(yè)知識獲取和問題解答

在專業(yè)知識獲取和問題解答方面，大語言模型通過集成RAG（Retrieval-Augmented Generation）技術(shù)，構(gòu)建一個高效且智能的知識問答系統(tǒng)。該系統(tǒng)為工藝師和操作人員提供了一個便捷的查詢工具，促進(jìn)了工藝知識的傳播和應(yīng)用。大語言模型利用RAG技術(shù)，實時檢索和整合工藝文件、標(biāo)準(zhǔn)操作程序和最佳實踐等關(guān)鍵信息。當(dāng)用戶提出問題時，模型迅速理解問題的核心要點，從知識庫中檢索出最相關(guān)的信息，生成準(zhǔn)確且有針對性的回答。例如，當(dāng)工藝師面臨一個復(fù)雜的操作難題時，通過向系統(tǒng)提問，迅速獲取相關(guān)的操作指南和解決方案，節(jié)省了查找資料的時間，提高了解決問題的效率。

大語言模型在理解問題和提供答案方面的能力，得益于其強(qiáng)大的自然語言處理技術(shù)和深度學(xué)習(xí)算法。該類技術(shù)使得模型能夠深入理解問題的語義和上下文，從而生成更加貼合用戶需求的回答。通過不斷的學(xué)習(xí)和訓(xùn)練，模型能夠持續(xù)優(yōu)化回答問題的質(zhì)量和準(zhǔn)確性。列如，操作人員想要了解某種特殊材料的加工工藝。通過智能問答系統(tǒng)提問，系統(tǒng)會迅速檢索出與該材料加工相關(guān)的工藝文件、操作程序和最佳實踐，生成一份詳細(xì)的加工指南。操作人員在短時間內(nèi)全面掌握這種材料的加工工藝，確保加工過程的順利進(jìn)行。

（三）工藝過程錯誤分析

在工藝過程中，錯誤分析是一個至關(guān)重要的環(huán)節(jié)。大語言模型在該領(lǐng)域的應(yīng)用，為工藝師和操作人員提供了強(qiáng)有力的自動化支持。模型具備深入分析工藝數(shù)據(jù)和日志的能力，精準(zhǔn)地識別出潛在的錯誤，為解決這些錯誤提供有效的方案。

大語言模型通過自然語言處理和機(jī)器學(xué)習(xí)的技術(shù)，高效地處理大量的文本數(shù)據(jù)。在工藝過程中，自動掃描工藝數(shù)據(jù)和日志，通過比對預(yù)設(shè)的規(guī)則和歷史數(shù)據(jù)，快速發(fā)現(xiàn)異?；蝈e誤。例如，如果某個工藝步驟的數(shù)據(jù)超出了正常范圍，模型就會立即標(biāo)記出來，并嘗試找出可能的原因。

大語言模型不僅限于錯誤的識別，基于其強(qiáng)大的學(xué)習(xí)能力，還可以從以往錯誤處理的經(jīng)驗中學(xué)習(xí)，推薦出適當(dāng)?shù)慕鉀Q措施，幫助工藝人員迅速定位問題，提供經(jīng)過驗證的解決方案，提高工藝操作的準(zhǔn)確性[2]。例如，假設(shè)在一個復(fù)雜的機(jī)械加工過程中，某個步驟的數(shù)據(jù)出現(xiàn)了異常。大語言模型在分析日志時發(fā)現(xiàn)了這個問題，立即提醒操作人員。根據(jù)以往類似錯誤的處理經(jīng)驗，模型推薦了一系列的解決措施，包括調(diào)整加工參數(shù)、檢查刀具狀態(tài)等。操作人員根據(jù)模型的建議，迅速排除了故障，保證了加工的順利進(jìn)行。

（四）關(guān)鍵信息提取與分析

在工藝管理中，關(guān)鍵信息的提取與分析是優(yōu)化流程和提高效率的重要步驟。大語言模型在該環(huán)節(jié)中發(fā)揮著關(guān)鍵作用，其強(qiáng)大的文本分析能力使得從大量的工藝文件、操作記錄和質(zhì)量報告中精準(zhǔn)提取關(guān)鍵信息成為可能，對于監(jiān)控工藝過程、評估工作績效以及識別潛在的改進(jìn)機(jī)會至關(guān)重要。

大語言模型運用先進(jìn)的自然語言處理技術(shù)和機(jī)器學(xué)習(xí)算法，“理解”文本中的深層含義，準(zhǔn)確地提取關(guān)鍵信息。信息包括工藝過程中的關(guān)鍵指標(biāo)、異常情況記錄，甚至是針對現(xiàn)有流程的優(yōu)化建議。模型通過對關(guān)鍵信息的分析，為工藝管理人員提供有力的決策支持。

大語言模型在處理工藝文件時，自動識別并提取溫度、壓力、時間等關(guān)鍵工藝參數(shù)，幫助管理人員實時監(jiān)控工藝過程的穩(wěn)定性。通過分析操作記錄，模型迅速發(fā)現(xiàn)操作中的異常情況，如設(shè)備故障、原料質(zhì)量問題等，及時采取措施防止問題擴(kuò)大。模型能從質(zhì)量報告中挖掘出產(chǎn)品質(zhì)量的變化趨勢，為改進(jìn)產(chǎn)品質(zhì)量提供數(shù)據(jù)支持。大語言模型通過分析歷史數(shù)據(jù)，為工藝過程的優(yōu)化提供建議。例如，模型通過分析過去一段時間內(nèi)的生產(chǎn)數(shù)據(jù)，找出影響產(chǎn)品質(zhì)量的關(guān)鍵因素，據(jù)此提出改進(jìn)建議。建議可能涉及調(diào)整工藝參數(shù)、更換原料供應(yīng)商或改進(jìn)設(shè)備等方面，對于提高生產(chǎn)效率和產(chǎn)品質(zhì)量具有重要意義。

三、應(yīng)用方案

以城軌車輛總裝產(chǎn)線為例，通過大語言模型應(yīng)用于前端工藝管理平臺，不斷完善和優(yōu)化工藝策劃平臺的管控能力，實現(xiàn)工藝信息的結(jié)構(gòu)化、信息化和智能化輸出，從而及時、準(zhǔn)確且符合規(guī)范地向總裝制造產(chǎn)線提供工藝信息。

（一）本地安裝部署大語言模型

本文所述的大語言模型使用ChatGLM3-6B。ChatGLM3是智譜AI和清華大學(xué) KEG 實驗室聯(lián)合發(fā)布的新一代對話預(yù)訓(xùn)練模型。ChatGLM3-6B 是 ChatGLM3 系列中的開源模型，在保留了前兩代模型對話流暢、部署門檻低等眾多優(yōu)秀特性的基礎(chǔ)上，ChatGLM3-6B 引入了如下特性：更強(qiáng)大的基礎(chǔ)模型、更完整的功能支持、更全面的開源序列。

（二）構(gòu)建Prompt工具用于生成文件

在城軌車輛總裝產(chǎn)線中，前端工藝管理平臺的工藝管理線扮演著至關(guān)重要的角色，特別是在工藝調(diào)研、方案和培訓(xùn)等文件編制環(huán)節(jié)。為了提高這些環(huán)節(jié)的工作效率，引入了基于ChatGLM3的Prompt工具，該工具與在線Word編制工具相結(jié)合，為工藝師提供了更高效的支持。

通過Prompt工具，工藝師在編制文件時能夠快速選擇參考的歷史文件，并輸入關(guān)鍵要點，迅速生成所需的方案文件。該功能在城軌車輛總裝產(chǎn)線中尤為重要，產(chǎn)線涉及的工藝流程復(fù)雜，且需要頻繁更新和優(yōu)化[3]。利用Prompt工具，工藝師快速地基于歷史經(jīng)驗和數(shù)據(jù)生成新的工藝方案，提高了工作效率。

Prompt工具提供了強(qiáng)大的文本重組織功能。在編制文件過程中，工藝師選擇文件中的部分文本內(nèi)容，通過Prompt工具根據(jù)選中文本的上下文重新組織語言。該功能在城軌車輛總裝產(chǎn)線的文件編制中非常實用。例如，當(dāng)工藝師需要對某個工藝流程進(jìn)行詳細(xì)描述時，利用這一功能，快速將相關(guān)文本內(nèi)容進(jìn)行整合和優(yōu)化，使得文件更加清晰、準(zhǔn)確。

（三）外掛向量數(shù)據(jù)庫用于專業(yè)知識獲取和問題解答、工藝過程錯誤分析

在城軌車輛總裝產(chǎn)線中，外掛向量數(shù)據(jù)庫的應(yīng)用對于專業(yè)知識獲取、問題解答以及工藝過程錯誤分析具有重要意義。通過外掛工藝文件、標(biāo)準(zhǔn)操作程序、最佳實踐等文檔，可以顯著增強(qiáng)大型語言模型（LLM）的能力，使其更加貼近實際生產(chǎn)環(huán)境，提供更為精準(zhǔn)和專業(yè)的支持，如圖2所示。

為了擴(kuò)展LLM的數(shù)據(jù)源，利用外部向量數(shù)據(jù)庫、外部知識圖譜，甚至將現(xiàn)有的Elasticsearch或生產(chǎn)環(huán)境下的搜索引擎接入。外部數(shù)據(jù)源為LLM提供了豐富的專業(yè)知識，使LLM能夠更全面地理解工藝操作和解答相關(guān)問題。

在實際應(yīng)用中，當(dāng)工藝師和操作人員遇到問題時，通過問答功能向LLM提問。LLM會首先檢索外掛向量數(shù)據(jù)源中與用戶問題相關(guān)的內(nèi)容，將這些信息合并后嵌入模型中。根據(jù)自身的認(rèn)知能力，LLM會生成專業(yè)的回答，幫助用戶更好地理解和執(zhí)行工藝操作[4]。例如，在城軌車輛總裝產(chǎn)線中，操作人員可能會詢問關(guān)于某個零部件的安裝步驟或注意事項。通過檢索外掛文檔和向量數(shù)據(jù)庫，LLM能夠提供詳細(xì)的操作步驟和注意事項，確保操作的準(zhǔn)確性和安全性。

此外，將工藝過程中產(chǎn)生的錯誤日志索引到向量數(shù)據(jù)庫中。利用LLM的代碼解釋能力和以往錯誤處理的FAQ文檔知識，對錯誤日志進(jìn)行深入分析，找出錯誤的原因，給出解決錯誤問題的建議。結(jié)合外掛數(shù)據(jù)源和LLM的方式，為解決城軌車輛總裝產(chǎn)線中的錯誤問題提供了有力的支持。例如，當(dāng)產(chǎn)線出現(xiàn)某種故障時，LLM通過分析錯誤日志和相關(guān)知識，快速定位故障原因，提供解決方案，提高故障處理的效率和準(zhǔn)確性。

（四）建立關(guān)鍵信息圖譜用于監(jiān)控、評估、識別

在城軌車輛總裝產(chǎn)線中，關(guān)鍵信息圖譜的建立對于監(jiān)控、評估和識別生產(chǎn)過程中的關(guān)鍵信息至關(guān)重要。該圖譜的構(gòu)建依賴于大語言模型（LLM）從工藝文件、操作記錄和質(zhì)量報告中精準(zhǔn)提取關(guān)鍵數(shù)據(jù)，結(jié)合了數(shù)據(jù)挖掘技術(shù)來全面收集生產(chǎn)信息。

實時監(jiān)控是城軌車輛總裝產(chǎn)線管理的核心環(huán)節(jié)。通過關(guān)鍵信息圖譜，實時追蹤各個生產(chǎn)環(huán)節(jié)的數(shù)據(jù)，如零部件的安裝狀態(tài)、質(zhì)量檢測結(jié)果、設(shè)備運行參數(shù)等。全面的監(jiān)控能力使得管理人員能夠迅速發(fā)現(xiàn)生產(chǎn)過程中的潛在問題和異常。例如，某個工序的耗時過長、某個零部件的合格率偏低等。一旦發(fā)現(xiàn)這些問題，管理人員可以立即采取相應(yīng)的措施進(jìn)行調(diào)整，確保生產(chǎn)線的穩(wěn)定、高效運行。

除了實時監(jiān)控外，關(guān)鍵信息圖譜為城軌車輛總裝產(chǎn)線的評估提供了有力支持。通過對圖譜中的數(shù)據(jù)進(jìn)行深入分析，可以全面評估產(chǎn)線的性能、生產(chǎn)效率和產(chǎn)品質(zhì)量[5]。例如，通過對比不同時間段的生產(chǎn)數(shù)據(jù)，可以發(fā)現(xiàn)生產(chǎn)效率的變化趨勢，找出影響效率的關(guān)鍵因素。對質(zhì)量數(shù)據(jù)的分析可以幫助識別產(chǎn)品缺陷的根源，為質(zhì)量改進(jìn)提供明確的方向。

在城軌車輛總裝產(chǎn)線中，關(guān)鍵信息圖譜還具備強(qiáng)大的識別功能。通過大語言模型對監(jiān)控和評估結(jié)果進(jìn)行深入分析，圖譜自動生成相應(yīng)的結(jié)論和建議。結(jié)論和建議指出了當(dāng)前生產(chǎn)中存在的問題，并提供了具體的改進(jìn)措施。例如，當(dāng)圖譜識別到某個工序的廢品率異常升高時，自動分析可能的原因，并建議對設(shè)備進(jìn)行調(diào)整或?qū)Σ僮魅藛T進(jìn)行培訓(xùn)。

四、結(jié)語

通過探討大語言模型在精益化工藝管理中的智能應(yīng)用，展示了其在制造企業(yè)中的潛在價值。隨著技術(shù)的不斷發(fā)展，大語言模型將在精益化工藝管理中發(fā)揮更大的作用，為制造企業(yè)帶來更高的生產(chǎn)效率和總體質(zhì)量。

參考文獻(xiàn)

[1]雷天鳳，張永，龔春忠，等.基于大語言模型的競品車型配置問答系統(tǒng)設(shè)計與應(yīng)用研究[J].汽車科技，2024（03）：73-80.

[2]何釗.一種基于語言大模型的強(qiáng)度智能化知識管理的應(yīng)用[J].無線互聯(lián)科技，2024，21（09）：46-48.

[3]秦龍，武萬森，劉丹，等.基于大語言模型的復(fù)雜任務(wù)自主規(guī)劃處理框架[J].自動化學(xué)報，2024，50（04）：862-872.

[4]曾康，葉劍元，崔學(xué)嶺，等.生成式大語言模型關(guān)鍵技術(shù)在民航維修領(lǐng)域中的應(yīng)用探索與挑戰(zhàn)[J].航空維修與工程，2024（01）：20-24.

[5]馮鈞，暢陽紅，陸佳民，等.基于大語言模型的水工程調(diào)度知識圖譜的構(gòu)建與應(yīng)用[J].計算機(jī)科學(xué)與探索，2024，18（06）：1637-1647.

作者單位：南京中車浦鎮(zhèn)城軌車輛有限責(zé)任公司

■ 責(zé)任編輯：張津平、尚丹