Cynnydd technoleg AI yn y maes diwydiannol
Dynameg linellol, rhannau statig aflinol wedi'u modelu gan ddefnyddio rhwydweithiau niwral. Mae'r cymwysiadau diwydiannol hyn yn mynd i'r afael yn benodol â materion allosod y tu allan i'w sylfaen hyfforddi.
Yn yr un ffrâm amser, mae'r rhan fwyaf o ddatblygiad synhwyrydd meddal yn cymryd dull modelu gwahanol.
Yn y 1990au, gwnaeth systemau prosesau gyfraniadau academaidd pwysig at gymwysiadau rhwydwaith niwral. Mae'r rhain yn cynnwys modelu hybrid gan ddefnyddio rhwydweithiau niwral, lle mae perthnasoedd anhysbys a\/neu baramedrau wedi'u gosod ar y model rhwydwaith niwral. Mae dull nodedig arall yn ymgorffori ymarferoldeb tebyg i PLS yn y rhwydwaith, ond mae'n caniatáu ar gyfer termau aflinol yn hytrach na thermau llinol fel PLS. Mae cyfraniadau eraill yn cynnwys defnyddio rhwydweithiau niwral mewn dulliau dosbarthu i ganfod gweithrediadau annormal (y gellir eu hystyried yn PCA aflinol).
Mae datblygiad dilynol AI a Dysgu Peiriant (ML) yn cael ei wneud i raddau helaeth gan gwmnïau technoleg mawr ac felly nid yw'n cael ei yrru gan gymwysiadau nac anghenion y diwydiant prosesau. Felly, ni chaniateir cymhwyso'r dulliau hyn 100% yn ein maes. Wrth gwrs, mae'n wych lle maen nhw'n ei wneud. Mae prosesu delweddau yn enghraifft. Mae rhwydweithiau mwy newydd bellach yn cynnig galluoedd modelu deinamig sy'n welliant dros y rhwydweithiau cylchol a ddefnyddir yn y gorffennol. Un enghraifft yw Chatgpt, a ddatblygwyd ar gyfer modelau iaith fawr ond sydd yr un mor llwyddiannus wrth fodelu data cyfresi amser. Rydym wedi gweld canlyniadau addawol gyda'r dechnoleg hon mewn synwyryddion meddal a modelu hybrid, ond hyd yn hyn nid ydym wedi gweld llawer o gymwysiadau diwydiannol go iawn.
Rydym yn dal i fod yng nghamau cynnar y daith i ddarganfod beth mae datblygiadau newydd yn AI ac ML yn ei olygu i'r diwydiant prosesau. Mae yna lawer o hype, ond rwy'n credu bod yna lawer o obaith. Rwy'n credu mai'r effaith fwyaf fydd ysgogi'r offer AI ac ML hyn neu eu cyfuno â'r dulliau presennol, yn hytrach na chymryd y byddant yn eu disodli'n llwyr.
Cymhariaeth o wahanol ddulliau rheoli prosesau
PID (Rheolaeth gyfrannol-integral-wahaniaethol): Mae rheolaeth PID yn gweithredu fel rheolydd gwallau, gan ganolbwyntio ar yrru'r gwall i sero. Fe'i cymhwysir yn aml mewn systemau gyda modelau amrywiol neu aflinol, felly mae'n hanfodol dewis y paramedrau addasu yn ofalus ar gyfer perfformiad sefydlog. Mae PID yn gweithredu mewn un mewnbwn, allbwn sengl (SISO), ond gall cyfuno rheolwyr PID lluosog gyflwyno cymhlethdod i'r cynllun rheoli.
MPC (Rheolaeth Rhagfynegol Model): Mewn cyferbyniad â PID, mae MPC yn defnyddio model proses i wneud y gorau o newidynnau lluosog ar yr un pryd i gyflawni nodau wedi'u diffinio ymlaen llaw. Her allweddol gydag MPC yw'r angen am fodel proses hysbys. Yn wahanol i PID, gall amrywiadau yn y model arwain at berfformiad gwael, ac yn aml mae angen matrics enghreifftiol ar gyfer rheolaeth effeithiol mewn prosesau cymhleth.
FLC (Rheolwr Rhesymeg Fuzzy): Fel arall, mae FLC yn ymyrryd wrth ddelio â modelau gwahanol neu anhysbys trwy efelychu gweithredwr medrus. Yn lle modelu prosesau yn uniongyrchol (fel MPC) neu ganolbwyntio ar leihau gwallau (megis PID), mae FLC yn efelychu ymddygiad gweithredwyr delfrydol mewn gwahanol senarios.
Rheolaeth AI: Gan ddefnyddio data hanesyddol ac amser real, mae rheolwyr AI yn ymdrechu i gyflawni nodau heb wybodaeth flaenorol o'r broses. Yn wahanol i FLC, mae systemau AI yn gweithredu fel blwch du, gan ddarparu addasiad ar sail data heb wybodaeth benodol am brosesau neu weithrediadau.
Mae gan bob dull rheoli ei nodweddion ei hun: gyda PID, mae tiwnio yn golygu defnyddio gwybodaeth broses i osod y paramedrau rheolydd priodol yn gyflym yn seiliedig ar y berthynas a ddymunir rhwng y paramedrau hyn ac ymateb y broses. Er enghraifft, mae dolen llif fel arfer yn gofyn am enillion cyfrannol isel (<0.1), while a level loop requires a higher value, depending on the application. In MPC, complex modeling replaces educated guesswork and emphasizes the importance of well-defined process models. FLC relies on understanding operational success rather than a detailed process model, making it a valuable option for processes that are not clearly characterized. For AI control, large amounts of data and clear goals are essential to guide the system to effectively achieve its goals.
Yn y pen draw, mae rheoli prosesau effeithiol yn mynd y tu hwnt i gymhlethdod y rheolydd ei hun. Yn yr un modd â rasio, mae angen cerbydau perfformiad uchel (prosesau ac offer wedi'u cynllunio'n dda) ar yrwyr medrus (rheolwyr) i fod yn llwyddiannus, mae cyflawni'r perfformiad gorau posibl yn gofyn am ddull cyfannol, nid dim ond mabwysiadu "rheolwyr craff."
Heriau AI a ML yn y Parth Proses
Mae AI, ML, neu Ddysgu Dwfn (DL) i gyd yn cyfateb i atchweliadau ystadegol mawr. Er mwyn cael modelau defnyddiol o'r cymwysiadau hyn mae angen llawer o ddata "amledd uchel", sy'n cynnwys llawer o symud, a llawer o wrthbwyso y tu hwnt i'r ffiniau perfformiad a ddymunir. Mae hyn i gyd yn ofynnol fel bod y model "yn gwybod" lleoliad enwol "ymyl y clogwyn." Mae llawer o ddata hanesyddol tymor hir yn cael ei or-gywasgu yn enw arbed gofod disg. Felly, mae'r dywediad "sothach i mewn, sothach allan" yn berthnasol iawn.
Yn yr un modd ag unrhyw fodel ystadegol arall, mae ML yn gwneud gwaith eithaf da o ryngosod, ond mae gor-ffitio ar y gorau yn cael yr effaith adnabyddus o wneud allosodiadau yn slei bach. Fel y nodwyd eisoes, mae data dolen gaeedig yn aml yn gwyro modelau model yn arwain at ffyrdd rhyfedd. Ac, fel gyda phob cais ML, mae'n ofynnol o hyd "arbenigedd parth" i sicrhau bod y model yn adlewyrchu realiti yn enwol.
Un maes nad ydym wedi'i weld yn effeithiol ar gyfer cymwysiadau rheoli prosesau yw deall cyfyngiadau corfforol falfiau rheoli, ystodau offerynnau, ac ati. Mae hon yn broblem y mae datblygwyr Rheoli Rhagfynegol Model Cynnar (MPC) yn ei chydnabod: Mae cymwysiadau'n cael eu hadeiladu i gydnabod nad oes ganddyn nhw reolaeth uniongyrchol dros brosesau. Felly, mae deall pan fydd cynnig y rheolydd PID yn gyfyngedig neu'n gyfyngedig i un neu'r ddau gyfeiriad yn sylfaenol. Mae'n ymddangos nad yw cymwysiadau ML yn deall y cysyniad hwn ar hyn o bryd.
Yn olaf, mae "dysgu" gyda data hanesyddol yn dibynnu ar sicrhau bod y prosesau sylfaenol a'r strwythurau rheoli ar gyfer data dysgu a gweithrediadau cyfredol yr un peth (heblaw am y materion cywasgu a grybwyllir uchod). Felly, gall newid capasiti falf rheoli, cyfnewidwyr gwres, a\/neu bympiau, ac ati, wyro'r model a rhoi canlyniadau annibynadwy\/anrhagweladwy.
Ymchwilio i gynnydd ar gymhwyso AI wrth reoli prosesau
Yn ystod y blynyddoedd diwethaf, mae nifer o astudiaethau diweddar gan arbenigwyr ac ymchwilwyr yn y diwydiant wedi dangos y gallai cynyddu'r defnydd o dechnolegau AI ddod ag enillion effeithlonrwydd i wella a chefnogi rheolaeth prosesau, yn ogystal â'r rhai sy'n gweithio ym maes awtomeiddio prosesau.
Gall AI fod yn fygythiad a gwella ein gwaith ym maes chwilio bygythiad a deallusrwydd. Ar hyn o bryd bydd ein cydweithwyr iau sy'n gweithio ym maes sy'n ehangu awtomeiddio a rheoli prosesau diwydiannol yn elwa o ennill gwybodaeth AI; Egwyddorion sylfaenol, damcaniaethau, dulliau, gwahaniaethau rhyngddynt a'u cymwysiadau.
Gan fod llawer yn y diwydiant yn cytuno, ni fydd AI yn cymryd ein swyddi yn y dyfodol, ond gan beirianwyr eraill sy'n gwybod sut i ddefnyddio AI ac ennill mantais gystadleuol yn y maes.
Mae AI yn cael ei ddefnyddio i reoli ffatrïoedd yn uniongyrchol
Mae cyfleuster heb oruchwyliaeth (NUF) yn gyfleuster sy'n gweithredu'n llawn awtomataidd neu'n bell, fel arfer heb unrhyw bersonél ar y safle. Mae mabwysiadu'r dull NUF yn ehangach yn y diwydiant yn wynebu sawl her (technegol, logistaidd, ariannol a rheoliadol). Mae yna nifer o fentrau dan arweiniad diwydiant gyda'r nod o symud i'r cyfeiriad hwn, wrth annog mentrau datblygu technoleg sy'n galluogi'r athroniaeth weithredol newydd hon ac yn y pen draw yn gosod NUF fel dull diogel, cost-effeithiol a derbynnir yn eang o ddylunio a gweithredu cyfleusterau olew a nwy.
Gall AI ynghyd â rheolaeth ragfynegol model uwch a strategaethau rheoli rheoleiddio uwch helpu i gyflawni'r nod hwn.
O'i gymharu â gweithrediadau llaw blaenorol, mae systemau AI yn arddangos mwy o sefydlogrwydd ac effeithlonrwydd, gan reoli sefydlogrwydd yn llwyddiannus hyd yn oed yn wyneb ymyrraeth allanol trwy gadw gwerthoedd gweithredol beirniadol yn agos at werthoedd targed. Dyma'r enghraifft gyntaf o ddysgu atgyfnerthu AI yn cael ei ddefnyddio'n ffurfiol i reoli ffatri yn uniongyrchol.