Please use this identifier to cite or link to this item:
http://dx.doi.org/10.25673/123350| Title: | KI-gestützte Erweiterung der statischen Analyse von GRAFCET-Spezifikationen durch LLM-basierte Extraktion und Integration von Zusatzinformationen |
| Author(s): | Divkovic, Darko Kunze, Franz C. Manca, Gianluca Fay, Alexander |
| Issue Date: | 2026 |
| Type: | Article |
| Language: | German |
| Publisher: | Otto von Guericke University Library, Magdeburg, Germany |
| URN: | urn:nbn:de:gbv:ma9:1-1981185920-1252936 |
| Subjects: | KI-gestützt statische Analyse GRAFCET-Spezifikationen LLM-basierte Extraktion GRAFCET Formale Verifikation LLMs |
| Abstract: | Die Überprüfung kritischer Eigenschaften in GRAFCET-Spezifikationen – wie Sicherheit, Erreichbarkeit und Deadlock-Freiheit – ist für zuverlässige Automatisierung wichtig. Model Checking ist hierfür eine etablierte Methode, leidet jedoch unter Zustandsraumexplosion. Statische Analyse kann diesen Aufwand reduzieren, erfasst jedoch ohne Domänenwissen keine Fehler, die aus semantischen Eigenschaften der Anlagenvariablen resultieren. Dieser Beitrag stellt einen hybriden Ansatz vor, der statische Analyse mit Large Language Models (LLMs) kombiniert, um diese Einschränkung zu überwinden. Die hybride Methode identifiziert erfolgreich synthetisch eingebrachte Modellfehler in einer industriellen GRAFCET-Fallstudie, die klassische statische Analyse übersieht. |
| URI: | https://opendata.uni-halle.de//handle/1981185920/125293 http://dx.doi.org/10.25673/123350 |
| Open Access: | Open access publication |
| License: | (CC BY-SA 4.0) Creative Commons Attribution ShareAlike 4.0 |
| Related Resource (URI): | https://opendata.uni-halle.de//handle/1981185920/125270 |
| Appears in Collections: | Fakultät für Elektrotechnik und Informationstechnik (OA) |
Files in This Item:
| File | Description | Size | Format | |
|---|---|---|---|---|
| 23_EKA2026_P11_Divkovic_Beitrag-103_KI-gestützte Erweiterung der statischen Analyse von GRAFCET-Spezifikationen durch LLM-basierte Extraktion und Integration von_D.pdf | Beitrag | 664.85 kB | Adobe PDF | ![]() View/Open |
Open access publication
