FacProcessTwin: An LLM-Based System for Process Twin Development

Resumo Técnico: FacProcessTwin

Declaração do Problema
Embora os gêmeos digitais sejam cada vez mais implementados para monitorar ativos individuais, os gêmeos de processo — que fornecem representações em tempo real de processos de produção inteiros, incluindo etapas, equipamentos e variações — oferecem um potencial maior para ganhos de eficiência. No entanto, o desenvolvimento de um gêmeo de processo é atualmente caro e demorado. Ele requer duas tarefas que demandam muito trabalho: (1) modelar o processo de produção a partir de conhecimento tácito e documentação não estruturada (prosa, tabelas) e (2) vincular esse modelo a dados operacionais em tempo real. Esforços de automação anteriores dependem de artefatos de engenharia estruturados (ex: P&IDs, AutomationML) que muitas plantas não possuem, ou operam gêmeos já existentes em vez de desenvolvê-los. Além disso, automatizar o vínculo de tags de dados a etapas de processo é perigoso; um agente autônomo que supõe tags ambíguas em contextos críticos de segurança pode introduzir erros silenciosos que comprometem a validade e a segurança do gêmeo.

Metodologia: FacProcessTwin
Os autores apresentam o FacProcessTwin, um sistema de ponta a ponta que utiliza Grandes Modelos de Linguagem (LLMs) para desenvolver gêmeos de processo diretamente a partir da documentação narrativa de uma planta e da entrada de linguagem natural do operador. O sistema opera sob o princípio de que o conhecimento do processo existe nas plantas, mas está disperso em documentos não estruturados e no conhecimento tácito do operador.

A arquitetura do sistema segue um pipeline de cinco estágios, executado dentro de uma estrutura de governança de humano no circuito (human-in-the-loop - HITL):

1. Ingestão: O sistema lê a documentação do processo (PDF/DOCX), extraindo textos e tabelas para identificar fluxos de produtos candidatos.
2. Construção do Grafo de Processo: Um LLM recupera a sequência de etapas do processo. Uma ferramenta determinística então computa o layout e renderiza um diagrama de processo interativo.
3. Descoberta de Tags: O sistema conecta-se a servidores OPC UA para listar as tags de dados disponíveis, empregando mecanismos de fallback específicos de fornecedores para lidar com falhas de descoberta.
4. Vinculação (Binding): Esta é a etapa crítica de segurança. O sistema tenta vincular tags OPC UA a nós de processo.
   • Lógica Determinística: Se uma tag corresponde claramente a uma etapa, o vínculo é criado.
   • Governança HITL: Se uma tag for ambígua (ex: múltiplas tags de temperatura para uma única etapa de esterilização), o sistema pausa e consulta o operador em vez de supor.
5. Streaming: Uma vez confirmado, o sistema assina as tags, transmite dados ao vivo para o diagrama e armazena as leituras em um historiador (historian).

O design garante a segurança ao restringir o "julgamento livre" do LLM à proposição de etapas e vínculos, enquanto ferramentas determinísticas executam todas as alterações. O sistema é extensível, permitindo que novos formatos de documentos ou protocolos sejam adicionados como ferramentas sem alterar o loop central.

Principais Contribuições

1. Proposta de Sistema: O FacProcessTwin é o primeiro sistema a desenvolver um gêmeo de processo completo e vinculado a dados diretamente a partir de documentação narrativa e entrada de operador, automatizando tanto a modelagem do processo quanto a vinculação de dados.
2. Avaliação: O sistema foi avaliado em um conjunto de dados do mundo real de um fabricante de alimentos australiano, cobrindo 16 fluxos de processos de produção (resfriados, congelados e assépticos) com modelos de verdade fundamental (ground-truth) conhecidos. A avaliação testou a precisão, o comportamento de vinculação crítico para a segurança e o esforço de desenvolvimento através de quatro diferentes backbones de LLM.

Resultos

• Precisão: O FacProcessTwin gerou modelos de processo com uma F1 de Topologia média de 95,2% em relação à verdade fundamental. A precisão da sequência averageu 90,2%, e a precisão do ponto de controle (rótulos de segurança) foi de 96,4%.
• Segurança e Governança: Em um estudo de ablação HITL, uma linha de base de passagem única (sem HITL) vinculou incorretamente 75,0% das tags ambíguas e críticas para a segurança. O FacProcessTwin, ao adiar essas decisões para os operadores, reduziu a taxa de mapeamento falso para 0% nessas tags críticas.
• Eficiência: O sistema reduziu o tempo de desenvolvimento em aproximadamente 83,6%, construindo um gêmeo em cerca de 5,2 minutos por fluxo, comparado a 31,8 minutos para a modelagem manual (uma aceleração de seis vezes).
• Robustez: Os resultados permaneceram consistentes (dentro de ±1%) entre diferentes backbones de LLM (Gemini, GPT, DeepSeek, MiniMax), indicando que o desempenho do sistema é impulsionado pela política de governança, e não por um modelo específico.

Significância e Alegações
O artigo afirma que o FacProcessTwin torna o desenvolvimento de gêmeos de processo prático para fabricantes de médio porte ao:

• Reduzir Barreiras: Permitindo a criação de gêmeos precisos diretamente a partir da documentação existente e não estruturada, sem exigir modelos de engenharia pré-existentes legíveis por máquina.
• Garantir a Segurança: Transformando o modo de falha mais perigoso (vinculação incorreta silenciosa em pontos de controle críticos) em um custo operacional controlado e gerenciável através da governança HITL.
• Escalabilidade: Demonstrando que gêmeos de alta fidelidade podem ser construídos com uma fração do esforço manual, com o teto de precisão do sistema determinado pela completude da documentação de origem, e não pelas capacidades do LLM.

Os autores observam limitações, especificamente que a avaliação foi restrita ao Procedimento Operacional Padrão (SOP) de uma única planta e que o esforço do operador exigido para os adiamentos (deferrals) requer estudos adicionais. Trabalhos futuros sugerem a integração de dados de ERP/MES para resolver ambiguidades que a documentação não consegue responder.