.png){kind=icon}
返回
STEP: A structured prompt optimization method for SCADA system tag generation using LLMs
.png){kind=icon}
PRE
AI
DOI：10.1016/j.jii.2025.100832.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
在工业控制领域，监控和数据采集（SCADA）系统对于实时监控和高效数据采集至关重要。然而，随着工业系统规模和复杂性的增长，传统的标签配置方法在平衡精度和操作效率方面面临挑战。解决这些挑战需要创新解决方案。生成式人工智能的快速发展，特别是大型语言模型（LLMs），提供了一种变革性方法。本研究引入了一种结构化提示优化策略，即结构化标签工程提示（STEP），以提高LLMs生成高质量标签文件的能力。为验证STEP方法，我们通过CodeBERTScore和pass@k指标评估了五种主流LLMs在基本标签生成任务上的表现。结果显示，所有模型的表现均得到提升，从而验证了所提出的优化方法的有效性。基于这些发现，开发并验证了一个基于STEP方法的标签生成框架，通过案例研究和实际工业场景进行验证。这些验证确认了STEP方法的应用性，展示了其在推动SCADA系统提示工程方面的价值和潜力。总之，本研究为工业控制系统的自动化和智能化做出了贡献，同时通过应用LLMs与提示工程相结合的方式解决复杂工业任务，提供了独特的见解。
Keyword:
Large language models
SCADA systems
Prompt engineering
Code generation
期刊
IF:
11.6
论文数:
917
被引数:
4.4K
机构
引用论文
Advancing multimodal diagnostics: Integrating industrial textual data and domain knowledge with large language models推进多模式诊断: 将工业文本数据和领域知识与大型语言模型集成
.png){kind=icon}
PREAI
分享收藏
Designing the Clamp System with the Emergency Braking System in the trains by using PLC and SCADA通过PLC和SCADA设计列车中的夹紧系统与紧急制动系统的集成
PREAI
分享收藏分享收藏Development Trends of Production Systems through the Integration of Lean Management and Industry 4.0
OAAI
OAAI分享收藏
查看更多内容