制造 PHM 中的 LLM 智能体（方向综述与论证）
这是一份方向论证：大语言模型（LLM）驱动的”智能体”最近很火，能不能用到工厂里给设备做故障预测和健康管理（PHM）？我把制造业的控制流程和 LLM 智能体的工作方式摆在一起比，发现两者在”感知—认知—决策—执行”这四个环节上是一一对应的。再把近五年 21 个 AI 顶会的论文数一遍，结果是”故障 × 大模型”这个交叉几乎没人做——这说明车间级的 PHM 智能体是一块高价值的空白方向。这是中山大学”功能结构制造”课程的期末综述汇报，属方向论证而非工程交付，本人为独立作者与汇报人。
分析框架
把 LLM 智能体系统和制造控制闭环并排看，两者在四个环节上一一对应：感知（时序-语言表征）对传感采集、认知（RAG + ReAct 推理）对状态诊断、决策（多智能体协同）对处置规划、执行（工具调用 / 产线 RL）对控制器。这个同构视角让”通用智能体范式如何落到车间”有了清晰的对照坐标。
文献计量
- 主题在快速升温：五年里 agentic AI 论文量增长约 3×、时序预测约 1.7×；
- 交叉却是洼地：系统检索 21 个顶会后，“fault × LLM/agent” 命中 0 篇、PHM/RUL 仅 1 篇；
- 覆盖脉络：时序信号的语言学表征（Time-LLM 等）→ 文本 / 时序双驱动 RAG → ReAct、AnomalyGPT 异常诊断 → MetaGPT SOP 多智能体协同 → LineFlow 产线 RL 仿真执行 → 气象域 Zephyrus、AgentCaster 的全闭环验证范式。
结论
四环技术分别成熟，而车间级整合仍是空白，指向”真实制造场景的智能体全闭环 PHM”这一高价值研究方向——这也是我博士选题的一条论据。
这个项目里我用到 / 练出的能力
- 分析框架构建：提出 LLM 智能体与制造控制闭环的”感知—认知—决策—执行”四环同构；
- 文献计量方法：对 21 个 AI 顶会 2021–2025 自建计量，定位高价值空白；
- 方向论证与技术写作：把一个尚无成熟工作的方向讲成有据可循的坐标。
我的角色
独立作者与汇报人，负责框架提出、文献检索与计量、以及汇报材料的撰写。