Note

这是网站发布版文献摘录库。 顶部 文献总览 可快速跳转到该篇文献；P1-摘录总览 可继续跳到具体摘录。 所有“原文语句”均直接摘录自论文，保留原文措辞与语法。

文献总览

• P1 | LLM增强的智能焊接岛
• P2 | LLM 驱动的多智能体制造系统（智能车间）

P1 | LLM增强的智能焊接岛

论文名 : Artificial Intelligence enhanced smart welding islands: Foundation models revolutionizing manufacturing

作者 : Xiwei Wu, Wei Wu, Qiqi Chen, Tian Li, Yuda Cao, Changjin Yan, Yulin Liu, Hangbin Zheng, George Q. Huang

期刊 : Robotics and Computer-Integrated Manufacturing, 102 (2026) 103341

DOI : 10.1016/j.rcim.2026.103341

论文链接 : ScienceDirect

主题分类 : 大语言模型 + 智能焊接 + CAD语义理解 + 机器人编程 + 动态生产调度

P1-摘录总览

1.1 焊接规划与执行的双重需求

分类编号：1.1
原文语句：

Therefore, effective welding process planning must be flexible enough to handle diverse joint configurations and product variants, while execution on the shop floor requires high precision and rapid changeovers to address variations in part geometry, material type and assembly sequence.

中文翻译：

因此，有效的焊接工艺规划必须具有足够的灵活性，以处理不同的接头结构和产品变型；与此同时，车间执行需要具备较高的精度和快速换产能力，以应对零件几何形状、材料类型和装配顺序的变化。

文中位置：Page 1 / Section 1 / Introduction 第1段
入库日期：2026-09-11
←返回P1摘录总览

1.2 视觉传感器的技术优势

分类编号：1.2
原文语句：

Among these, vision sensors have been widely adopted in robotic welding due to their advantages of high precision, rich information acquisition capability, and non-contact measurement.

中文翻译：

在这些传感技术中，视觉传感器凭借高精度、丰富的信息获取能力和非接触测量等优势，被广泛应用于机器人焊接。

文中位置：Page 3 / Section 2.1 / Weld seam trajectory generation
入库日期：2026-09-11
←返回P1摘录总览

1.3 CAD与视觉融合的优势

分类编号：1.3
原文语句：

These hybrid methods effectively bridge digital design with physical execution, overcoming limitations of traditional programming in complex manufacturing scenarios.

中文翻译：

这些混合方法有效连接了数字化设计与物理执行，克服了传统编程方法在复杂制造场景中的局限。

文中位置：Page 3 / Section 2.1 / Weld seam trajectory generation
入库日期：2026-09-11
←返回P1摘录总览

1.4 自动焊接系统的现有限制

分类编号：1.4
原文语句：

Despite considerable advances, current automated welding systems remain constrained by geometric deviations between models and physical workpieces, insufficient multi-source data integration, and limited adaptability to dynamic process parameters.

中文翻译：

尽管已经取得了显著进展，当前自动焊接系统仍然受到模型与实际工件之间的几何偏差、多源数据集成不足以及对动态工艺参数适应能力有限等问题的制约。

文中位置：Page 3 / Section 2.1 / Weld seam trajectory generation
入库日期：2026-09-11
←返回P1摘录总览

1.5 LLM跨模态理解能力

分类编号：1.5
原文语句：

By leveraging LLM capabilities in cross-modal understanding and code generation, LLMs can interpret CAD geometries in the context of welding metallurgy, design specifications, and production constraints.

中文翻译：

通过利用LLM的跨模态理解和代码生成能力，LLM可以结合焊接冶金知识、设计规范和生产约束理解CAD几何模型。

文中位置：Page 3 / Section 2.1 / Weld seam trajectory generation
入库日期：2026-09-11
←返回P1摘录总览

1.6 焊接任务的语义理解

分类编号：1.6
原文语句：

This approach enables true semantic understanding of welding tasks, bridging the gap between design intent and robot’s executable trajectory.

中文翻译：

这种方法能够实现对焊接任务真正的语义理解，从而弥合设计意图与机器人可执行轨迹之间的差距。

文中位置：Page 3 / Section 2.1 / Weld seam trajectory generation
入库日期：2026-09-11
←返回P1摘录总览

1.7 LLM自动编程优势

分类编号：1.7
原文语句：

By incorporating LLMs, automatic welding programming systems can achieve unprecedented levels of adaptability, intelligence, and accessibility, potentially unifying the strengths of existing online, offline, and AR-based approaches while addressing their individual limitations through a comprehensive cognitive framework.

中文翻译：

通过引入LLM，自动焊接编程系统可以获得前所未有的适应性、智能性和可访问性，并有望通过综合认知框架统一现有在线编程、离线编程和增强现实编程方法的优势，同时解决各自的局限。

文中位置：Page 4 / Section 2.3 / Automatic programming for robotic welding
入库日期：2026-09-11
←返回P1摘录总览

1.8 级联架构的优势

分类编号：1.8
原文语句：

The chained workflow supports progressive optimization from design conception to physical execution, enhancing operational flexibility and scalability in complex manufacturing environments.

中文翻译：

这种链式工作流支持从设计构想到物理执行的渐进式优化，增强了复杂制造环境中的运营灵活性和系统可扩展性。

文中位置：Page 6 / Section 4 / Foundation models for SWISS
入库日期：2026-09-11
←返回P1摘录总览

1.9 局部修复机制

分类编号：1.9
原文语句：

This short LLM-in-the-loop refinement closes the gap between nominal plans and safety-feasible trajectories.

中文翻译：

这种由LLM参与闭环的短程修正缩小了名义规划与安全可行轨迹之间的差距。

文中位置：Page 12 / Section 5.3.2 / Constraint-aware safety verification and controller-specific compilation
入库日期：2026-09-11
←返回P1摘录总览

1.10 乱序执行优势

分类编号：1.10
原文语句：

Ready tasks are executed immediately while blocked operations are temporarily deferred, thereby sustaining production throughput, reducing idle time and improving resource utilization across the manufacturing environment.

中文翻译：

已就绪的任务会立即执行，而受阻的工序则被暂时推迟，从而维持生产吞吐量、减少空闲时间，并提高整个制造环境中的资源利用率。

文中位置：Page 12 / Section 5.4.1 / Out-of-order readiness-driven planning, scheduling and execution for disruption-resilient operations
入库日期：2026-09-11
←返回P1摘录总览

1.11 人机协作与知识复用

分类编号：1.11
原文语句：

This supports the progressive capture of tacit expertise into the models via supervised updates and feedback, so that scarce expert knowledge can be reused across products and cells.

中文翻译：

这支持通过监督更新和反馈，将隐性专业知识逐步沉淀到模型中，使稀缺的专家知识能够在不同产品和工作单元之间复用。

文中位置：Page 19 / Section 7.2 / Human–robot collaboration and workforce impact
入库日期：2026-09-11
←返回P1摘录总览

1.12 模块化集成优势

分类编号：1.12
原文语句：

This design allows gradual integration into existing plants without monolithic system replacement, which is particularly important for SMEs with diverse legacy assets.

中文翻译：

这种设计允许系统逐步集成到现有工厂中，而不需要整体替换原有系统，这对于拥有多种遗留资产的中小企业尤其重要。

文中位置：Page 19 / Section 7.3 / Systems integration and interoperability in existing industrial environments
入库日期：2026-09-11
←返回P1摘录总览

1.13 工业数据本地化保护

分类编号：1.13
原文语句：

In SWISS, these risks are addressed by keeping the system deployable on-premise or at the edge, so that production data do not need to leave the factory network.

中文翻译：

在SWISS中，这些风险通过支持系统在本地或边缘侧部署来解决，使生产数据不需要离开工厂网络。

文中位置：Page 20 / Section 7.4 / Data governance, security and reliability of LLM-based decisions
入库日期：2026-09-11
←返回P1摘录总览

1.14 LLM幻觉抑制机制

分类编号：1.14
原文语句：

To reduce hallucinations, the LLM modules combine domain-specific fine-tuning, RAG and explicit constraint checks against standards and qualified procedures.

中文翻译：

为减少幻觉，LLM模块结合了领域专用微调、RAG以及针对标准和合格工艺规程的显式约束检查。

文中位置：Page 20 / Section 7.4 / Data governance, security and reliability of LLM-based decisions
入库日期：2026-09-11
←返回P1摘录总览

P2 | LLM 驱动的多智能体制造系统（智能车间）

论文名 : A Large language model-based multi-agent manufacturing system for intelligent shopfloors

作者 : Zhen Zhao, Dunbing Tang, Changchun Liu, Liping Wang, Zequn Zhang, Haihua Zhu, Kai Chen, Qingwei Nie, Yuchen Ji

期刊 : Advanced Engineering Informatics, 69 (2026) 103888

DOI : 10.1016/j.aei.2025.103888

模态分类 : 单一模态：自然语言（文本 / 提示词）+ 车间结构化状态数据

关键词 : Large Language Model (LLM)；Multi-agent；Manufacturing system；Intelligent shopfloor

核心方法一句话 : 把每个制造资源做成一个智能体，用竞价式协商（招标—投标）替代固定启发式调度规则，由 LLM 的 TM/DM 模块完成机器选择，无需预训练即可部署到新车间。

P2-摘录总览

2.1 大规模个性化背景

分类编号：2.1
原文语句：

Mass personalization is becoming increasingly prevalent as productivity improves [1]. With this shift, customer demand for unique, customized products is growing more frequent. The need for multi-variety, small-batch production drives constant changes in manufacturing resources, placing greater emphasis on the manufacturing system's ability to efficiently organize and manage these resources in response to evolving demand.

中文翻译：

随着生产力的提高，大规模个性化正变得越来越普遍。伴随这一转变，客户对独特、定制化产品的需求日益频繁。多品种、小批量生产的需求驱动制造资源持续变化，从而更加强调制造系统在响应不断演变的需求时高效组织与管理这些资源的能力。

文中位置：Page 1 / Section 1. Introduction 第 1 段
入库日期：2026-09-11
←返回P2摘录总览

2.2 人工调度刚性与不适应性

分类编号：2.2
原文语句：

Traditional production approaches require production schedulers to coordinate workpieces based on their expertise and real-time conditions on the shopfloor. Manual scheduling often involves collaboration across multiple machines and departments, with schedules typically set over extended periods. These schedules are generally rigid and resistant to change. This rigidity is ill-suited to accommodate the fluctuating demands of modern production.

中文翻译：

传统生产方式要求生产计划员依据其专业经验与车间实时工况来协调工件。人工调度往往涉及跨多台设备、多个部门的协作，计划周期通常设定得很长。这些计划普遍刚性强、难以变更，而这种刚性并不适合适配现代生产波动起伏的需求。

文中位置：Page 1 / Section 1. Introduction 第 2 段
入库日期：2026-09-11
←返回P2摘录总览

2.3 柔性制造与 FJSP 框架

分类编号：2.3
原文语句：

However, the growing need for personalized, custom products requires multi-variety and small-batch production, for which building dedicated production lines is both uneconomical and inefficient. In this context, flexible manufacturing offers a more viable solution. Specifically, the framework to solve Flexible Job-shop Scheduling Problem (FJSP) provides a way for organizing product processing through adaptive scheduling methods, enabling the efficient production of complex and variable products.

中文翻译：

然而，对个性化、定制化产品日益增长的需求要求多品种、小批量生产，为此建设专用产线既不经济也低效。在此背景下，柔性制造提供了更可行的解决方案。具体而言，求解柔性作业车间调度问题（FJSP）的框架提供了一条通过自适应调度方法组织产品加工的路径，从而实现复杂多变产品的高效生产。

文中位置：Page 1 / Section 1. Introduction 第 2 段
入库日期：2026-09-11
←返回P2摘录总览

2.4 元启发式计算开销

分类编号：2.4
原文语句：

The conventional scheduling methods, typically represented by metaheuristic algorithms [2,3], can effectively solve the static FJSP problem. However, these methods require continuous re-scheduling to adapt to changing scenarios, making them computationally intensive due to the iterative calculations involved.

中文翻译：

以元启发式算法为代表的传统调度方法能够有效求解静态 FJSP 问题。然而，这些方法需要持续重调度以适配变化场景，由于涉及迭代计算，其算力开销很大。

文中位置：Page 1 / Section 1. Introduction 第 3 段
入库日期：2026-09-11
←返回P2摘录总览

2.5 机器分配不预先确定

分类编号：2.5
原文语句：

This approach, where machine assignment is not pre-determined, offers flexibility by allowing decisions to be made based on the real-time conditions of the shopfloor.

中文翻译：

这种机器分配不预先确定的方式提供了灵活性，使决策可以依据车间的实时工况作出。

文中位置：Page 2 / Section 1. Introduction 第 4 段
入库日期：2026-09-11
←返回P2摘录总览

2.6 优化问题转向协商机制

分类编号：2.6
原文语句：

Under the architecture of a multi-agent manufacturing system, the question of optimization shifts towards discovering an intelligent negotiation mechanism.

中文翻译：

在多智能体制造系统的架构下，优化问题转变为发现一种智能的协商机制。

文中位置：Page 2 / Section 1. Introduction 第 4 段
入库日期：2026-09-11
←返回P2摘录总览

2.7 启发式规则缺乏智能

分类编号：2.7
原文语句：

Conventional negotiation mechanisms in multi-agent manufacturing systems mainly rely on heuristic rules. These rules, designed by human expertise, provide rapid responses but lack the intelligence required to select the optimal machine.

中文翻译：

多智能体制造系统中的传统协商机制主要依赖启发式规则。这些由人工经验设计的规则能提供快速响应，但缺乏选出最优机器所需的智能。

文中位置：Page 2 / Section 1. Introduction 第 5 段
入库日期：2026-09-11
←返回P2摘录总览

2.8 POMDP 稳定性挑战

分类编号：2.8
原文语句：

Nonetheless, with the combination of multi-agent reinforcement learning and multi-agent manufacturing system, the Partially Observable Markov Decision Process (POMDP) is also introduced, which poses a challenge to the stability of these algorithms.

中文翻译：

然而，随着多智能体强化学习与多智能体制造系统相结合，部分可观测马尔可夫决策过程（POMDP）也被引入，这对这些算法的稳定性构成了挑战。

文中位置：Page 2 / Section 1. Introduction 第 5 段
入库日期：2026-09-11
←返回P2摘录总览

2.9 预训练阻碍快速部署

分类编号：2.9
原文语句：

Moreover, even though the transfer learning is introduced by some researches, pre-training is still required by DRL, implying that such algorithms cannot be deployed on a new shopfloor swiftly.

中文翻译：

此外，尽管部分研究引入了迁移学习，DRL 仍然需要预训练，这意味着此类算法无法快速部署到新的车间。

文中位置：Page 2 / Section 1. Introduction 第 5 段
入库日期：2026-09-11
←返回P2摘录总览

2.10 规模增大性能衰减

分类编号：2.10
原文语句：

Simultaneously, while DRL demonstrate strong performance in small-scale manufacturing resource scheduling, their effectiveness diminishes as the scale of manufacturing resources increases. This decline in performance is attributed to the rapid increase in algorithmic complexity.

中文翻译：

同时，尽管 DRL 在小规模制造资源调度中表现出强劲性能，但其效果随制造资源规模增大而衰减。这种性能下降归因于算法复杂度的快速增长。

文中位置：Page 2 / Section 1. Introduction 第 5 段
入库日期：2026-09-11
←返回P2摘录总览

2.11 可扩展性与求解时间双重挑战

分类编号：2.11
原文语句：

As such, the key challenges lie in improving the scalability and minimizing solution time when seeking optimal scheduling solutions, all while maintaining a high level of precision.

中文翻译：

因此，关键挑战在于：在寻求最优调度解时提升可扩展性并最小化求解时间，同时始终保持高精度。

文中位置：Page 2 / Section 1. Introduction 第 5 段
入库日期：2026-09-11
←返回P2摘录总览

2.12 多智能体系统处理速度优势

分类编号：2.12
原文语句：

The multi-agent manufacturing system is characterized by its swift processing speed and obviates the need for pre-training, thereby serving as an effective procedure for migrating and augmenting the manufacturing system.

中文翻译：

多智能体制造系统的特点在于处理速度快且无需预训练，因而可作为迁移与增强制造系统的有效途径。

文中位置：Page 3 / Section 2.1 末段
入库日期：2026-09-11
←返回P2摘录总览

2.13 传统协商无法按实时状态换策略

分类编号：2.13
原文语句：

Nevertheless, the traditional negotiations among agents within this system cannot change their policy of machine selection based on the real-time conditions of the shopfloor, which still requires completion.

中文翻译：

然而，该系统内智能体之间的传统协商无法根据车间的实时工况改变其机器选择策略，而这一问题仍有待解决。

文中位置：Page 3 / Section 2.1 末段
入库日期：2026-09-11
←返回P2摘录总览

2.14 动态决策能力关键挑战

分类编号：2.14
原文语句：

Neither single DRL methods or DRL-based metaheuristic methods can make decisions based on real-time conditions without a pre-training phase. Ensuring dynamic decision-making capabilities for agents within multi-agent manufacturing systems, while preserving scalability, has emerged as a critical challenge.

中文翻译：

无论是单一 DRL 方法还是基于 DRL 的元启发式方法，都无法在没有预训练阶段的情况下依据实时条件做决策。在保持可扩展性的同时，确保多智能体制造系统中智能体的动态决策能力，已成为一项关键挑战。

文中位置：Page 3 / Section 2.1 末段
入库日期：2026-09-11
←返回P2摘录总览

2.15 LLM 替代启发式规则的潜力

分类编号：2.15
原文语句：

Large Language Models (LLMs) offer a promising way to enhance the capabilities of agents in the multi-agent manufacturing system. LLMs, exemplified by ChatGPT, have sparked a fresh wave of revolution in Artificial Intelligence (AI) [7]. Through its training process, LLMs acquire a vast amount of textual data, endowing them with strong, human-like language generation capabilities. It can be anticipated that replacing heuristic rules with LLMs to enhance the intelligence of agents offers a promising solution.

中文翻译：

大语言模型（LLM）为增强多智能体制造系统中智能体的能力提供了一条有前景的路径。以 ChatGPT 为代表的 LLM 已在人工智能领域掀起新一轮变革。通过训练过程，LLM 获得海量文本数据，从而具备强大的、类人的语言生成能力。可以预期，用 LLM 取代启发式规则以增强智能体的智能，是一个有前景的解决方案。

文中位置：Page 2 / Section 1. Introduction 末段
入库日期：2026-09-11
←返回P2摘录总览

2.16 提示词实现动态目标设定

分类编号：2.16
原文语句：

Instead, it enables dynamic goal-setting and adjustments through the design of prompts, akin to conversing with a human. Further, this system can be rapidly deployed on new physical shopfloors.

中文翻译：

相反，它通过提示词的设计实现动态的目标设定与调整，类似于与人对话。此外，该系统可以快速部署到新的物理车间。

文中位置：Page 2 / Section 1. Introduction 末段
入库日期：2026-09-11
←返回P2摘录总览

2.17 与既有算法范式的对比

分类编号：2.17
原文语句：

Unlike metaheuristic algorithms, which rely on time-consuming iterative calculations, and DRL algorithms, which require pre-training, the proposed system eliminates these limitations.

中文翻译：

与依赖耗时迭代计算的元启发式算法、以及需要预训练的 DRL 算法不同，所提系统消除了这些限制。

文中位置：Page 2 / Section 1. Introduction 末段
入库日期：2026-09-11
←返回P2摘录总览

2.18 自然语言协商

分类编号：2.18
原文语句：

Agents can negotiate the overall processing task based on the production task using natural language, which is different from other scheduling methods.

中文翻译：

智能体可以基于生产任务、使用自然语言围绕整体加工任务进行协商，这一点与其它调度方法不同。

文中位置：Page 2 / Section 1 贡献 (1)
入库日期：2026-09-11
←返回P2摘录总览

2.19 车间主管对话定制系统

分类编号：2.19
原文语句：

Shopfloor leaders can integrate and utilize LLMs through a straightforward dialogue, thereby customizing the system to align with their individual objectives.

中文翻译：

车间主管可以通过直接的对话来集成和使用 LLM，从而按自身目标定制系统。

文中位置：Page 2–3 / Section 1 贡献 (1)
入库日期：2026-09-11
←返回P2摘录总览

2.20 规避数据采集与训练

分类编号：2.20
原文语句：

In the proposed system, both the data collection and training processes typical of conventional AI methods are avoided, significantly reducing the complexity of scheduling. Because of the flexibility and autonomy of the LLM-based agents, the system can be quickly adapted to the target manufacturing scenario without requiring specific reconfiguration, while still delivering better performance than conventional methods.

中文翻译：

在所提系统中，传统 AI 方法典型的数据采集与训练过程均被规避，从而显著降低了调度复杂度。得益于 LLM 智能体的灵活性与自主性，系统无需特定重配置即可快速适配目标制造场景，同时仍交付优于传统方法的性能。

文中位置：Page 2–3 / Section 1 贡献 (2)
入库日期：2026-09-11
←返回P2摘录总览

2.21 不止于理论探索

分类编号：2.21
原文语句：

Far from being confined to theoretical exploration, the agent in this system utilizes an MSM to operate the manufacturing resources. With the support of MSM, the LLM-based agent can directly regulate the orders of manufacturing resources, even autonomously executing the complete processing cycle of a product by negotiation between agents without human interference.

中文翻译：

系统的智能体远不止于理论探索，它利用 MSM 来操作制造资源。在 MSM 的支持下，基于 LLM 的智能体可以直接调控制造资源的指令，甚至通过智能体之间的协商、在无人工干预的情况下自主执行一个产品的完整加工周期。

文中位置：Page 3 / Section 1 贡献 (3)
入库日期：2026-09-11
←返回P2摘录总览

2.22 零样本能力

分类编号：2.22
原文语句：

Novel algorithms leveraging LLMs often demonstrate zero-shot capabilities within their prompt engineering without requiring task-specific training data.

中文翻译：

利用 LLM 的新型算法常常在其提示工程范围内展现出零样本能力，无需任务特定的训练数据。

文中位置：Page 3 / Section 2.2
入库日期：2026-09-11
←返回P2摘录总览

2.23 LLM 在制造系统中集成有限

分类编号：2.23
原文语句：

However, few researchers focused on the integration of multi-agent manufacturing systems and LLMs. Although the control task is introduced by some researchers, due to the complexity of the multi-agent manufacturing systems, the adoption of LLMs remains limited. The system proposed in this article aims to address this gap, serving as a practical example of how LLMs can be effectively utilized to enhance the intelligence and flexibility of manufacturing systems.

中文翻译：

然而，很少有研究者关注多智能体制造系统与 LLM 的集成。尽管部分研究者引入了控制任务，但由于多智能体制造系统的复杂性，LLM 的采用仍然有限。本文所提系统旨在填补这一空白，作为一个实践范例，展示如何有效利用 LLM 来增强制造系统的智能性与灵活性。

文中位置：Page 4 / Section 2.2 末段
入库日期：2026-09-11
←返回P2摘录总览

2.24 单一启发式派工规则局限

分类编号：2.24
原文语句：

To maintain scalability and real-time response, conventional multi-agent manufacturing systems typically rely on single heuristic dispatching rules. The proposed LLM-based system overcomes this limitation, enabling flexible selection of manufacturing resources, thereby expanding the solution space while preserving scalability and real-time responsiveness.

中文翻译：

为保持可扩展性与实时响应，传统多智能体制造系统通常依赖单一启发式派工规则。所提的基于 LLM 的系统克服了这一限制，实现了制造资源的灵活选择，从而在保持可扩展性与实时响应性的同时扩展了求解空间。

文中位置：Page 5 / Section 2.3 研究空白 (2)
入库日期：2026-09-11
←返回P2摘录总览

2.25 主流调度依赖重调度或预训练

分类编号：2.25
原文语句：

Mainstream dynamic flexible manufacturing resource scheduling relies on metaheuristic and DRL algorithms, which require re-scheduling and pre-training, respectively. The proposed approach utilizes the analysis and inference capabilities of LLMs, improving scalability and reducing deployment difficulty compared to the aforementioned methods.

中文翻译：

主流的动态柔性制造资源调度依赖元启发式与 DRL 算法，二者分别需要重调度与预训练。所提方法利用 LLM 的分析与推理能力，相较上述方法提升了可扩展性并降低了部署难度。

文中位置：Page 5–6 / Section 2.3 研究空白 (3)
入库日期：2026-09-11
←返回P2摘录总览

2.26 智能体的集合论定义

分类编号：2.26
原文语句：

The core concept of an agent lies not in the abstraction of each individual entity, but rather in the collective network of production relations. It is the collaboration among these agents that enables the LLM-based manufacturing system to autonomously manage production negotiations.

中文翻译：

智能体的核心概念不在于对每个单个实体的抽象，而在于生产关系的集体网络。正是这些智能体之间的协作，使基于 LLM 的制造系统能够自主管理生产协商。

文中位置：Page 16 / Section 6. Conclusion
入库日期：2026-09-11
←返回P2摘录总览

2.27 MSM 提供车间智能能力

分类编号：2.27
原文语句：

In essence, the MSM provides the intellectual capacity needed to drive operations on the physical shopfloor.

中文翻译：

本质上，MSM 提供了驱动物理车间运转所需的智能能力。

文中位置：Page 6 / Section 3.1.3 Physical layer
入库日期：2026-09-11
←返回P2摘录总览

2.28 TM/DM 拆分以提升稳定性

分类编号：2.28
原文语句：

The separation of TM and DM is for the stability of LLMs. It's challenging to require LLMs to conduct an analysis and output a reliable command for machines. However, to separate them will significantly increase the probability of getting the correct response.

中文翻译：

拆分 TM 与 DM 是为了 LLM 的稳定性。要求 LLM 既做分析又为机器输出可靠命令是很困难的；而将二者拆分，会显著提高获得正确响应的概率。

文中位置：Page 6 / Section 3.1.1 Decision Engine layer
入库日期：2026-09-11
←返回P2摘录总览

2.29 公共 API 的数据安全前提

分类编号：2.29
原文语句：

The utilization of public LLMs API should be based on a low level of data security. For scenarios where data security or other concerns are paramount, open-source LLMs, such as Meta's LLaMA, can serve as an alternative. However, using open-source LLMs may impact the performance of the agents.

中文翻译：

使用公共 LLM API 应以较低的数据安全等级为前提。对于数据安全等要求至上的场景，可改用 Meta 的 LLaMA 等开源 LLM 作为替代；但使用开源 LLM 可能影响智能体的性能。

文中位置：Page 6 / Section 3.1.1 Decision Engine layer
入库日期：2026-09-11
←返回P2摘录总览

2.30 降低维护与修改成本

分类编号：2.30
原文语句：

Throughout this collaborative process, the proposed system relies on the LLM to process information and make decisions, leveraging natural language to significantly reduce maintenance and modification costs.

中文翻译：

在整个协作过程中，所提系统依赖 LLM 处理信息并做出决策，利用自然语言显著降低了维护与修改成本。

文中位置：Page 16 / Section 6. Conclusion
入库日期：2026-09-11
←返回P2摘录总览

2.31 可跨车间快速实施

分类编号：2.31
原文语句：

Due to the adaptable nature of the negotiation workflows and the autonomy of LLM-based agents, the proposed system can be rapidly implemented across different intelligent shopfloors.

中文翻译：

由于协商工作流具有可适配性、且 LLM 智能体具有自主性，所提系统可以跨不同的智能车间快速实施。

文中位置：Page 16 / Section 6. Conclusion
入库日期：2026-09-11
←返回P2摘录总览

2.32 未来方向：本地微调

分类编号：2.32
原文语句：

Future research directions will focus on fine-tuning locally deployed LLMs to optimize scheduling performance. By enhancing the reasoning capabilities of LLMs, better performance can be achieved in LLM-based multi-agent manufacturing systems.

中文翻译：

未来研究方向将聚焦于微调本地部署的 LLM 以优化调度性能。通过增强 LLM 的推理能力，可以在基于 LLM 的多智能体制造系统中取得更好的性能。

文中位置：Page 16 / Section 6. Conclusion and further work
入库日期：2026-09-11
←返回P2摘录总览