过程孪生（process twin）与只盯单台设备的资产孪生不同，它要实时描述整条生产流程：每一步工序、该工序使用的设备与产品专属设定，以及同一产品下的工艺变体。澳大利亚一家中型食品制造商的HACCP标准作业程序里，26个编码工序组成了16条生产流程，覆盖冷藏、冷冻和无菌常温三类产品。要把这些纸面流程变成能接实时数据的孪生，过去靠人逐条建模、逐个绑定测点。FacProcessTwin 把这两件事交给大模型，但把最终签字权留在人手里。
五个步骤，一条可检查的流水线
系统的输入是工厂已有的工艺文档（PDF/DOCX 中的散文和表格）和操作员的自然语言补充。流水线分五步：读取文档、抽取工序并绘制流程图、连接工厂的 OPC UA 服务器并列出测点、把测点绑定到工序节点、订阅实时值并写入历史数据库。每一步都由确定性的小工具执行，模型只能调用、不能绕开；整个代理循环设有40步上限，模型出错只会表现为漏掉一道工序或推迟一次绑定，而不会悄悄改坏流程结构。
流程图画完后不会直接进入绑定，而是先请操作员确认产品流程和布局——这是三个人在环检查点中的前两个。第三个检查点专门处理有歧义的测点：例如无菌流程的超高温灭菌服务器暴露了两个温度测点 T1 和 T2，二者都可能对应灭菌工序，而该工序是 HACCP 的关键控制点，系统拒绝替人选，停下来问操作员哪个是保温管温度。
95.2% 的结构还原，靠的是把人放在关键处
在16条真实流程上，系统从225个标准工序中还原出214个，Topology F1 为95.3%（逐流程平均95.2%，最低85.7%）；工序顺序完全正确的有8条，序列准确率平均90.2%；关键控制点标注的保留率为96.4%。测点绑定召回率100%，92个必需测点全部落到正确节点；精确率74.2%，缺口来自文档没有说明某条流程用哪台蒸煮设备，代理把两台设备的测点都绑上了——这是文档信息缺失，不是推理错误。
真正体现设计意图的是那20个“两个测点争同一工序”的歧义样本：单遍基线不问人，绑错15个，错误率75%；带人在环治理的版本全部转交操作员，错误率为0%。在无歧义测点上，两者准确率分别为90.0%和89.4%，几乎无差。也就是说，治理没有用精度换安全，只是把最危险的静默错绑变成了每流程约两次人工问询。
建模时间与模型无关性
每条流程从读文档到孪生上线平均5.2分钟（3.4–7.5分钟），人工基线为31.8分钟（25.2–40.1分钟），降幅83.6%，约六倍。换用 GPT-5-mini、DeepSeek-V4-Flash、MiniMax-M2.7 三个骨干后，结构 F1、序列准确率和建模时间的波动都在约±1个百分点以内，说明效果主要由流程与提示策略决定，而不是某个模型。
作者也划了边界：评测只覆盖一家工厂的一套SOP，16条流程共享同一套工序词汇，跨厂泛化尚未验证；每次歧义都转交人工，操作员是否接受这种负担还需要专门研究。若要解决“哪台设备”这类文档没写的信息，下一步应接入 ERP 与 MES 的生产数据，而不是换更大的模型。
资料来源：FacProcessTwin: An LLM-Based System for Process Twin Development — arXiv（2026-06-16）。本文为技术要点整理/编译，非原文全文。