Vzájemné působení mezi procesními, modelovými a datovými prvky řídicího systému je pro vytvoření transformační změny rozhodující, vysvětlil John F. Carrier, vedoucí lektor na MIT Sloan School of Management ve skupině System Dynamics Group. Obrázek poskytl John F. Carrier, MIT, na konferenci Virtual Training Week 2022 vydavatelství Control Engineering / CFE Media and Technology Vzájemné působení mezi procesními, modelovými a datovými prvky řídicího systému je pro vytvoření transformační změny rozhodující, vysvětlil John F. Carrier, vedoucí lektor na MIT Sloan School of Management ve skupině System Dynamics Group. Obrázek poskytl John F. Carrier, MIT, na konferenci Virtual Training Week 2022 vydavatelství Control Engineering / CFE Media and Technology

Pochopte, jaké jsou silné a slabé stránky umělé inteligence (AI) a strojového učení (ML) pro zlepšení výkonnosti závodu ve srovnání s teorií řízení.

Umělá inteligence (AI) a strojové učení (ML) se v posledním desetiletí úspěšně využívají ke zlepšování výkonnosti závodů. I přesto však zavádění metod umělé inteligence pro zlepšování stávajících provozů značně zaostává za očekáváním a mnoho projektů uvázlo ve fázi, kterou společnost McKinsey and Co. označuje jako „pilotní kolotoč“.

Největší přednosti umělé inteligence a ML (učení bez modelů na základě obrovských souborů dat) mohou být slabinou při aplikaci na systémy měnící se v reálném čase. „Datově orientované“ paradigma umělé inteligence je sice vhodné pro úlohy, jako je klasifikace obrazu, detekce odlehlých hodnot a chování spotřebitelů, ale k účelu provozování fyzických výrobních prostředků je horší než klasické koncepce řízení na bázi modelu a systémové identifikace. Rámec prediktivního řízení na bázi modelu (MPC) často překonává výkonnost AI a ML pro řízení a přizpůsobování závodů založených na výrobních prostředcích. V tomto rámci však lze pro zlepšení výkonu selektivně využívat specifické metody umělé inteligence. Porozumění schopnosti monitorování a řízení pomáhá chápat kritické řídicí funkce a místa, kde metody AI/ML nefungují dobře. Některé úspěšné projekty byly nesprávně klasifikovány jako umělá inteligence, i když využívají tradiční metody řízení.

Správné použití AI, ML a MPC

Cílem konference Virtual Training Week, které se uskutečnila 25. října, je pomoci účastníkům porozumět silným stránkám a omezením používání AI a ML pro řízení procesů a řízení rizik; přezkoumat základní roli modelu při návrhu, implementaci, údržbě a přizpůsobení účinného kontrolního systému a odhalit, proč je přístup založený na AI/ML sám o sobě nedostatečný; a identifikovat slabé stránky přístupu k AI ve vaší organizaci a způsoby, jak tyto slabé stránky odstranit pomocí rámce MPC.

Je důležité si tyto informace projít, protože AI a ML mají při aplikaci na reálné, rušené a nestacionární procesy svá omezení. MPC poskytuje lepší rámec pro navrhování, provozování a přizpůsobování skutečných procesů než omezenější přístup AI/ML. Rámec MPC komplexně řeší problémy a poskytuje manažerům a řídicím technikům vodítko k rozhodování.

Zatímco přístupy AI a ML lze úspěšně použít v mnoha průmyslových aplikacích, AI a ML se soustředí na model/soubor dat a ignorují skutečný proces. AI a ML jsou také relativně slabé, pokud jde o modelování dynamické odezvy, a „křehké“, pokud jde o rušení a časově proměnlivé systémy.

Řídicí rámce poskytují mnohem komplexnější rámec pro bezpečný a spolehlivý provoz závodů. MPC poskytuje rámec, kterým se řídí všechny činnosti v závodě, včetně pracovníků provozu a údržby. Mějte na paměti, že zjednodušení systému usnadňuje jeho modelování, zvyšuje produktivitu a snižuje provozní rizika.

John F. Carrier, autor článku, je doktor věd v oboru řídicích systémů z MIT a působí jako docent na Sloan School of Management MIT ve skupině systémové dynamiky. Upravil Mark T. Hoske, obsahový ředitel, Control Engineering, CFE Media, Tato e-mailová adresa je chráněna před spamboty. Pro její zobrazení musíte mít povolen Javascript..

Control Engineering Česko

Control Engineering Česko je přední časopis o průmyslové automatizaci. Je vydáván v licenci amerického Control Engineering, které poskytuje novinky z této oblasti více než 60 let.

www.controlengcesko.com