Resumen:La creciente complejidad de los entornos de fabricación inteligentes exige interfaces que puedan traducir intenciones humanas de alto nivel en acciones ejecutables por máquinas. Este artículo presenta un marco unificado que integra modelos de lenguaje grande (LLM) ajustados a la instrucción con gráficos de conocimiento (KG) alineados con ontologías para permitir la interacción impulsada por la intención en ecosistemas de fabricación como servicio (MaaS). Ajustamos Mistral-7B-Instruct-V02 en un conjunto de datos de dominio específico, lo que permite la traducción de intenciones del lenguaje natural a modelos de requisitos JSON estructurados. Estos modelos se asignan semánticamente a un gráfico de conocimiento basado en Neo4j y basado en el estándar ISA-95, lo que garantiza la alineación operativa con los procesos, recursos y limitaciones de fabricación. Nuestros resultados experimentales demuestran mejoras significativas en el rendimiento con respecto a las líneas base de cero disparos y de tres disparos, logrando una precisión de coincidencia exacta del 89,33% y una precisión general del 97,27%. Este trabajo sienta las bases para una relación hombre-máquina escalable, explicable y adaptable.
Publicado originalmente en export.arxiv.org el 15 de febrero de 2026.
Ver fuente original
