Sanoat sohasidagi AI texnologiyasining rivojlanishi
Neyron tarmoqlaridan foydalanib, chiziqli dinamik, nomerial bo'lmagan statik qismlar. Ushbu sanoat dasturlari o'zlarining o'quv bazalaridan tashqari ekpapolizatsiya muammolarini aniq ko'rsatadilar.
Bir vaqtning o'zida kadrlar, eng yumshoq sensorni rivojlantirish turli xil modellashtirish usulini oladi.
90-yillarda jarayon tizimlari Neron tarmoqlariga arizalarga muhim akademik hissa qo'shdi. Bular orasida neurr tarmoqlari yordamida duragay modellashtirish, noma'lum munosabatlar va \/ yoki parametrlar nexurr tarmoq modeliga o'rnatilgan. Yana bir diqqatga sazovor yondashuv tarmoqqa plement tipidagi funksiyani o'z ichiga oladi, ammo pls kabi chiziqli shartlarga emas, balki chiziqli bo'lmagan shartlarga imkon beradi. Qolgan hissalar g'ayritabiiy operatsiyalarni aniqlash uchun tasnif usullarida neyron tarmoqlaridan foydalanishni o'z ichiga oladi (bu xalaxli PCA sifatida qabul qilinishi mumkin).
AI va Mashinasozlikni o'rganish (ml) ning keyingi rivojlanishi asosan yirik texnologik kompaniyalar tomonidan amalga oshiriladi va shuning uchun texnologik sanoat yoki jarayon sanoatining ehtiyojlari yoki ehtiyojlari bilan bog'liq emas. Shuning uchun ushbu usullarning qo'llanilishi bizning sohamizda 100% qo'llanilmasligi mumkin. Albatta, bu erda ular juda yaxshi. Rasmni qayta ishlash misoldir. Endi yangi tarmoqlar o'tmishda ishlatiladigan tsiklik tarmoqlari ustidan yaxshilanishga dinamik modellashtirish imkoniyatlarini taklif qiladi. Bitta misol, katta til modellari uchun ishlab chiqilgan Chatgpt, ammo modellashtirish vaqtini modellashtirish vaqtini tenglashtirishni isbotladi. Biz ushbu texnologiya bilan yumshoq sensorlar va gibrid modellashtirishda istiqbolli natijalarni ko'rdik, ammo shu paytgacha biz haqiqiy sanoat dasturlari kamligini ko'rdik.
Biz sayohatning dastlabki bosqichlarida, AI va MLning jarayon sanoatida qanday o'zgarishlarni aniqlash uchun. Jinoyat juda ko'p, lekin menimcha, umid ko'p. O'ylaymanki, eng katta ta'sir ushbu AI va ML vositalarini yoki ularni mavjud usullar bilan birlashtirishda, ular ularni to'liq almashtirishi mumkin deb taxmin qilishdan ko'ra ko'proq bo'ladi.
Turli xil jarayonlarni boshqarish usullarini taqqoslash
Pid (mutanosib-ajralmas differentsial nazorat): PID nazorati xatolarni tartibga solishga e'tiborni nolga etkazishga qaratilgan. U ko'pincha o'zgaruvchan yoki noxel modellari bo'lgan tizimlarda qo'llaniladi, shuning uchun barqaror ishlash uchun sozlash parametrlarini diqqat bilan tanlash kerak. Pid bitta kiritishda, bitta mahsulotni (Siso) usulida ishlaydi, ammo bir nechta PID boshqaruvchilarini birlashtirish boshqaruv sxemasiga nisbatan murakkablikni kiritishi mumkin.
MPC (model prediktiv tutuvchi vosita): PIDdan farqli o'laroq, MPC bir vaqtning o'zida oldindan belgilangan maqsadlarga erishish uchun bir nechta o'zgaruvchini optimallashtirish uchun jarayon modelini ishlatadi. MPC bilan asosiy vazifa ma'lum bo'lgan jarayon modeliga ehtiyoj. Piddan farqli o'laroq, modeldagi o'zgarishlar yomon ishlashga olib kelishi mumkin va murakkab ishlov berish uchun model matritsalar ko'pincha zarur.
FLC (Fuzzy mantiqiy boshqaruvchi): Shu bilan bir qatorda, malakali operatorni taqsimlash orqali turli xil yoki noma'lum modellarni hal qilishda FLC. To'g'ridan-to'g'ri (masalan, MPC) modellashtirish jarayonlarini (masalan, PID) yo'naltirishning o'rniga, FLC turli stsenariylarda ideal operatorning xatti-harakatlarini taqsimlashning o'rniga.
AI nazorati: Tarixiy va real vaqtli ma'lumotlar yordamida Ai kontrastierlari ushbu jarayon haqida oldindan bilishsiz maqsadlarga erishishga intilishadi. FLC dan farqli o'laroq, Ai tizimlari qora qutisi kabi ishlaydi, jarayon yoki operatsiyalarni aniq bilmasdan ma'lumotga asoslangan moslashuvni ta'minlaydi.
Har bir boshqarish usulining o'ziga xos xususiyatlariga ega: PID bilan, sozlash ushbu parametrlar va jarayonning javobi asosida tegishli tekshirgich parametrlarini tezda o'rnatishni o'z ichiga oladi. Masalan, oqim halqa odatda past mutanosib daromadni talab qiladi (<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.
Oxir oqibat, jarayonni samarali boshqarish boshqaruverning murakkabligidan tashqarida. Racing, mohir drayverlar (kontrollerchilar) yuqori samarali transport vositalariga (yaxshi ishlab chiqilgan jarayonlar va uskunalar kerak), optimal ko'rsatkichlarga erishish nafaqat "aqlli nazoratchilarni" qabul qilishni talab qiladi.
AI va mlning jarayoni domenida muammolari
AI, ml yoki chuqur o'rganish (DL) barchasi yirik statistik regressiyalarga teng. Ushbu dasturlarning foydali modellarini olish uchun juda ko'p harakatni o'z ichiga olgan "yuqori chastota" ma'lumotlar va kerakli maqsadlar chegaralaridan tashqari juda ko'p offsetlar mavjud. Bularning barchasi "jarlik qirrasi" ning nominal joylashuvi nominal joylashuvini "biladi". Uzoq muddatli tarixiy ma'lumotlar disk bo'shlig'ini saqlash nomi bilan haddan tashqari siqilgan. Shuning uchun, "axlat, axlat, axlat" juda qo'llaniladi.
Boshqa har qanday statistik model bilan bo'lgani kabi, ML juda yaxshi ishlarni amalga oshiradi, ammo eng yaxshi tarzda haddan tashqari oshirib yuborilgan ekstrapolyatsiyalarni iste'mol qilishning taniqli ta'siri juda taniqli ta'sirga ega. Yuqorida ta'kidlanganidek, yopiq ma'lumotlarning yopiq ma'lumotlari ko'pincha melydinatsiyalar g'alati tarzda natijalarga olib keladi. Va barcha ML dasturlari, "domen ekspertizasi" modeli, model nominal haqiqatni aks ettirilishini ta'minlash uchun talab qilinadi.
Biz jarayonni boshqarish uchun samarali ko'rinadigan bitta hudud, boshqaruv klapanlarining jismoniy cheklovlarini, asboblar doirasiga, va boshqalar. Bu erta namuna yasashni ishlab chiquvchilarning prodyadigan vositalari (MPC) ishlab chiquvchilar tan olingan, ular quyidagilarni tan olishadi: arizalar ular jarayonlar ustidan to'g'ridan-to'g'ri nazorat qila olmasligini tan olish uchun qurilgan. Shuning uchun, PID boshqaruvchisining harakati cheklangan yoki bir xil yoki ikkala yo'nalishda cheklanganligini tushunish juda muhimdir. ML dasturlari hozirgi paytda ushbu kontseptsiyani tushunmayapti.
Va nihoyat, tarixiy ma'lumotlar bilan "o'rganish" ma'lumotlari ma'lumotlari va nazorati tuzilmalari va joriy operatsiyalar bir xil ekanligini va yuqorida aytib o'tilgan siqishni muammolaridan tashqari. Shuning uchun boshqaruv valfi salohiyatini o'zgartirish, issiqlik almashtirgichlari va \/ yoki nasoslar va hokazolar modelni ekish va ishonchsiz \/ oldindan aytib bo'lmaydigan natijalarni berishlari mumkin.
Jarayonni boshqarish bo'yicha AI-ni qo'llash bo'yicha tadqiqotlar
So'nggi yillarda sanoat mutaxassislari va tadqiqotchilar tomonidan bir qator so'nggi tadqiqotlar jarayonni takomillashtirish va qo'llab-quvvatlash sohasida ishlov berish sohasida ishlaydiganlar, shuningdek, ishlov berish sohasida ishlaydiganlar samaradorligini oshirishga yordam berishi mumkinligini ta'kidladilar.
AI ikkalasi ham tahdid bo'lishi va tahdidlarni qidirish va aql sohasidagi faoliyatini kuchaytirishi mumkin. Hozirgi kunda bizning yosh hamkasblarimiz sanoat jarayonlarini avtomatlashtirish va nazoratni boshqarish AI bilimlarini olishdan foydalanadilar; Ular o'rtasidagi va ularning qo'llanilishi o'rtasidagi asosiy printsiplar, nazariyalar, usullar, farqlar.
Sanoatning bir qatorida kelgusi ish joylari AI tomonidan olib bo'lmaydi, ammo AI dan qanday foydalanishni biladigan va sohada raqobatdosh ustunlikka ega bo'lgan boshqa muhandislar tomonidan olib bo'lmaydi.
AI zavodlarni to'g'ridan-to'g'ri boshqarishga odatlanmoqda
Yashirin bo'lmagan ob'ekt (NUF) - bu to'liq avtomatlashtirilgan yoki masofadan turib, odatda saytda hech qanday xodimlarsiz ishlaydigan ob'ekt. Sohadagi NUS yondoshuvining keng qamrovli qabul qilinishi bir nechta muammolarga duch kelmoqda (texnik, moddiy, moliyaviy va tartibga soluvchi). Ushbu yo'nalishda, ushbu yo'nalishda harakatlanish tashabbuslari mavjud bo'lib, texnologiyalarni rivojlantirish bo'yicha tashabbuslar mavjud, bu esa yangi operatsion falsafa va neft va gaz inshootlarini loyihalash va ulardan foydalanishga qulay, iqtisodiy jihatdan samarali va ulardan foydalanishga imkon beradi.
AI zamonaviy modeli prodyusinchisi prodeksli va ilg'or tartibga solish boshqaruv strategiyalari ushbu maqsadga erishishda yordam berishi mumkin.
Oldingi qo'llanma bilan taqqoslaganda AI tizimlari, hatto maqsadli operatsion qiymatlarga yaqin bo'lgan keskin operatsion qiymatlarni saqlashning tashqi aralashuvi ostida barqarorlik va samaradorlikni namoyish etadi. Bu AI va rasmiy ravishda fabrikani to'g'ridan-to'g'ri boshqarish uchun ishlatiladigan AI kuchaytirishning birinchi misolidir.