Large Language Models in Process Systems Engineering: Opportunities, Architectures, and Industrial Deployment Challenges

📄 arXiv: 2606.11589v1 📥 PDF

作者: Bhushan Gopaluni, Vidya Kotamraju, Syon Bhushan

分类: eess.SY

发布日期: 2026-06-10

💡 一句话要点

系统评估大型语言模型在过程系统工程中的应用与挑战

🎯 匹配领域: 支柱九：具身大模型 (Embodied Foundation Models)

关键词: 大型语言模型 过程系统工程 自然语言处理 文献综述 应用评估 优化与调度 故障检测

📋 核心要点

  1. 现有方法在实时执行和约束满足等任务中存在显著挑战，限制了其在过程系统工程中的应用。
  2. 论文通过系统评估LLMs在七个关键领域的应用，提出了对现有方法的批判性分析和未来研究方向。
  3. 研究表明，LLMs在自然语言处理任务中表现出色，但在某些复杂应用中仍需进一步探索和改进。

📝 摘要（中文）

大型语言模型（LLMs）在各工程学科中迅速崛起，过程系统工程（PSE）也不例外。本文对LLMs在PSE中的应用进行了系统性回顾，将文献分为七个类别：过程设计与工程、分子设计与合成、过程建模与仿真、时间序列预测、优化与调度、过程控制以及故障检测与诊断。我们总结了各类别的最新进展，识别了常见的方法论，并批判性地评估了实际能力与期望之间的差距。研究发现，LLMs在自然语言处理任务中展现出良好潜力，但在实时执行、约束满足或正式安全保证等应用中仍面临挑战。最后，我们识别了PSE领域的开放问题和未来研究方向。

🔬 方法详解

问题定义：本文旨在解决大型语言模型在过程系统工程中的应用现状及其面临的挑战，尤其是在实时执行和安全性方面的不足。

核心思路：通过对LLMs在PSE中的应用进行系统性分类和评估，识别其优势与局限性，为未来研究提供指导。

技术框架：研究将文献分为七个类别，分别为过程设计、分子设计、建模与仿真、时间序列预测、优化与调度、过程控制及故障检测，每个类别都进行深入分析。

关键创新：论文的创新在于系统性地整合和评估LLMs在PSE中的应用，明确了其在自然语言处理中的潜力与局限，提出了未来研究的方向。

关键设计：在评估过程中，采用了文献综述的方法，结合定量和定性的分析，确保对各类应用的全面理解。

📊 实验亮点

研究表明，LLMs在自然语言处理任务中展现出良好的性能，尤其是在文档查询和知识合成方面。然而，在实时执行和约束满足的应用中，仍需进一步的研究和改进，以实现更高的可靠性和安全性。

🎯 应用场景

该研究的潜在应用领域包括化工、制造业及其他需要复杂过程管理的行业。通过优化过程设计和故障检测，LLMs能够提高生产效率和安全性，具有重要的实际价值和广泛的未来影响。

📄 摘要（原文）

Large Language Models (LLMs) have rapidly emerged as tools of interest across engineering disciplines, and Process Systems Engineering (PSE) is no exception. This survey provides a systematic review of LLM applications in PSE, organizing the literature into seven categories: (1) process design and engineering, (2) molecular design and synthesis, (3) process modeling and simulation, (4) time-series forecasting, (5) optimization and scheduling, (6) process control, and (7) fault detection and diagnosis. For each category, we summarize the state of the art, identify common methodological approaches, and critically assess demonstrated capabilities versus aspirational claims. We find that LLMs show genuine promise for tasks involving natural language, including querying documentation, synthesizing unstructured knowledge, and enabling flexible human-machine interaction. However, applications requiring real-time execution, constraint satisfaction, or formal safety guarantees remain challenging. We conclude by identifying open problems and productive research directions for the PSE community.