IndustryAssetEQA：産業資産保全におけるエンボディド質問応答のための神経記号的運用インテリジェンスシステム

arXiv cs.AI / 2026/4/28

📰 ニュースDeveloper Stack & InfrastructureIdeas & Deep AnalysisModels & Research

共有:

要点

本論文では、エピソード型テレメトリ表現と故障モード影響解析（FMEA）の知識グラフを組み合わせ、産業資産保全のためのエンボディド質問応答を行う神経記号的運用インテリジェンスシステム「IndustryAssetEQA」を提案します。
安全性が重要な場面で問題になりがちな、LLMのみの保全アシスタントが示す一般的でテレメトリに弱く根拠づけられた説明や、検証可能な来歴（プロヴェナンス）の欠如に対処することを目的としています。
回転機械、ターボファンエンジン、油圧システム、サイバーフィジカル生産システムの4領域での評価により、IndustryAssetEQAはLLMのみのベースラインに比べて複数の指標を改善したことが示されます。
専門家評価による「過大な言い過ぎ（オーバークレーム）」が28%から2%へと大幅に低下（約93%減）し、より信頼できる検証可能な推論につながることが示唆されます。
再現性のためのコード、データセット、FMEA-KGはリンクされたGitHubで公開されています。

Abstract

産業保全の環境では、資産の挙動の理解、故障の診断、介入の評価を支援するために、AIシステムへの依存がますます高まっています。大規模言語モデル（LLM）は流暢な自然言語による対話を可能にしますが、実運用の保全アシスタントは日常的に、テレメトリに弱くしか根拠づけられていない一般的な説明を生成し、検証可能な来歴（provenance）を省略し、さらに反実仮想または行動指向の推論に対する検証可能な裏付けを提供しません。その結果、安全性が重要な環境での信頼を損ないます。私たちは、エピソード的なテレメトリ表現と、故障モード影響解析の知識グラフ（FMEA-KG）を組み合わせた、神経記号的（neurosymbolic）な運用インテリジェンス・システムであるIndustryAssetEQAを提示します。これにより、産業資産に対する身体性を伴う質問応答（Embodied Question Answering: EQA）を可能にします。回転機械、ターボファンエンジン、油圧システム、サイバーフィジカルな生産システムを含む、4つの産業資産タイプをカバーする4つのデータセットで評価を行いました。LLMのみのベースラインと比べて、IndustryAssetEQAは構造的妥当性を最大0.51、反実仮想の正確さを最大0.47、説明の含意（explanation entailment）を0.64向上させる一方、専門家評価による重大な過剰主張（overclaims）を28%から2%へと低減します（約93%の削減）。コード、データセット、FMEA-KGは https://github.com/IBM/AssetOpsBench/tree/IndustryAssetEQA/IndustryAssetEQA で公開されています。