ワイヤ・アーク式付加製造における欠陥検出のためのその場プロセス監視：エージェント型AIアプローチ

概要: AIエージェントは、現実世界の幅広い用途にわたってますます導入が進められています。本論文では、ワイヤ・アーク付加製造（WAAM）における欠陥検出のための、その場（in-situ）プロセス監視を目的としたエージェント型AIフレームワークを提案します。自律エージェントは、WAAMプロセス監視データセットと学習済みの分類ツールを活用してAIエージェントを構築し、欠陥検出のためのその場プロセス監視における意思決定を行うために、大規模言語モデル（LLM）を用います。処理エージェントは電流や電圧といった溶接機プロセス信号に基づいて開発され、監視エージェントはプロセス中に収集された音響データに基づいて開発されます。両エージェントは、それぞれ処理信号と監視信号から多孔（ポロシティ）欠陥を特定することを課題とします。真値となるX線CT（XCT）データを用いて、処理エージェントおよび監視エージェントの両方のための分類ツールを開発します。さらに、多エージェント・フレームワークの実証として、欠陥分類という与えられた課題に対して、処理エージェントと監視エージェントを連携（オーケストレーション）させ、並列の意思決定を行う様子を示します。個々のエージェント、結合した単一エージェント、協調する多エージェントシステムのそれぞれについて、その有効性を判断するための評価指標を提案します。多エージェント構成は、あらゆる個別エージェントの対応手法を上回り、15回の独立した実行にわたって、決定された実行（decided runs）における意思決定精度91.6%、F1スコア0.821を達成し、さらに推論品質スコアは5点満点中3.74でした。これらのその場プロセス監視エージェントは、WAAMおよびその他の付加製造プロセスにおいて、適格な（品質保証された）部品を構築するための自律的なリアルタイム・プロセス監視および制御に向けて、大きな可能性を持っています。