A Human-Centred Architecture for Large Language Models-Cognitive Assistants in Manufacturing within Quality Management Systems

📄 arXiv: 2603.16325v1 📥 PDF

作者: Marcos Galdino, Johanna Grahl, Tobias Hamann, Anas Abdelrazeq, Ingrid Isenhardt

分类: cs.SE, cs.AI

发布日期: 2026-03-17

💡 一句话要点

提出一种以人为本的LLM-CA架构，用于增强制造质量管理系统

🎯 匹配领域: 支柱九：具身大模型 (Embodied Foundation Models)

关键词: 大型语言模型 认知助手 质量管理系统 人机协作 软件架构

📋 核心要点

  1. 现有方法缺乏以人为本的软件架构，难以将LLM-CA有效集成到制造领域的质量管理系统中。
  2. 论文提出一种基于组件的软件架构，该架构以人为本，旨在弥合LLM-CA与制造质量管理系统之间的差距。
  3. 通过专家焦点小组的迭代验证，证明该架构具有灵活性、可扩展性和模块化，能够有效增强QMS的工作流程。

📝 摘要（中文）

大型语言模型-认知助手（LLM-CAs）能够增强制造领域的质量管理系统（QMS），促进持续的过程改进和知识管理。然而，目前的文献中缺乏以人为中心的、专注于QMS的软件架构，能够将LLM-CAs集成到制造业中。本研究旨在通过设计一个基于组件的架构来解决这一差距，该架构充分考虑了需求分析和软件开发过程。通过迭代的专家焦点小组进行了验证。所提出的架构确保了QMS内的灵活性、可扩展性、模块化和工作增强。此外，它为与工业合作伙伴的运营化铺平了道路，展示了其在推进制造流程方面的潜力。

🔬 方法详解

问题定义：论文旨在解决制造领域质量管理系统（QMS）中，缺乏有效集成大型语言模型-认知助手（LLM-CA）的、以人为本的软件架构的问题。现有方法要么缺乏对QMS特定需求的考虑，要么难以实现LLM-CA的灵活部署和扩展，阻碍了QMS的智能化升级。

核心思路：论文的核心思路是设计一个基于组件的软件架构，该架构以人为本，充分考虑了QMS的需求，并能够灵活地集成LLM-CA。通过模块化设计，实现架构的灵活性和可扩展性，从而支持QMS的持续改进和知识管理。

技术框架：该架构采用组件化设计，包含多个模块，例如：用户界面模块、LLM-CA集成模块、数据管理模块、知识库模块、流程管理模块等。用户界面模块负责与用户交互；LLM-CA集成模块负责将LLM-CA集成到QMS中；数据管理模块负责管理QMS中的数据；知识库模块负责存储和管理QMS中的知识；流程管理模块负责管理QMS中的流程。各个模块之间通过标准接口进行通信，实现模块间的解耦和灵活性。

关键创新：该架构的关键创新在于其以人为本的设计理念，以及对QMS特定需求的深入理解。通过组件化设计，实现了LLM-CA与QMS的灵活集成，并支持QMS的持续改进和知识管理。此外，该架构还考虑了可扩展性和安全性，能够满足不同规模制造企业的需求。

关键设计：架构的关键设计包括：1) 用户界面设计，采用直观易用的界面，方便用户与LLM-CA进行交互；2) LLM-CA集成策略，采用标准API接口，方便集成不同的LLM-CA；3) 数据管理策略，采用分布式数据存储，提高数据访问效率；4) 知识库构建策略，采用知识图谱技术，提高知识检索效率；5) 流程管理策略，采用工作流引擎，实现流程自动化。

📊 实验亮点

论文通过专家焦点小组的迭代验证，证明了所提出的架构具有良好的灵活性、可扩展性和模块化。专家们认为该架构能够有效增强QMS的工作流程，并为LLM-CA在制造领域的应用提供了可行的解决方案。具体的性能数据和对比基线未在摘要中体现，属于未知信息。

🎯 应用场景

该研究成果可应用于各种制造企业的质量管理系统，帮助企业实现质量控制的智能化和自动化，提高生产效率和产品质量。通过集成LLM-CA，可以辅助质量工程师进行问题诊断、风险评估和决策支持，从而提升QMS的整体效能。未来，该架构有望扩展到其他工业领域，例如供应链管理、生产计划等。

📄 摘要（原文）

Large Language Models-Cognitive Assistants (LLM-CAs) can enhance Quality Management Systems (QMS) in manufacturing, fostering continuous process improvement and knowledge management. However, there is no human-centred software architecture focused on QMS that enables the integration of LLM-CAs into manufacturing in the current literature. This study addresses this gap by designing a component-based architecture considering requirement analysis and software development process. Validation was conducted via iterative expert focus groups. The proposed architecture ensures flexibility, scalability, modularity, and work augmentation within QMS. Moreover, it paves the way for its operationalization with industrial partners, showcasing its potential for advancing manufacturing processes.