與許多其他行業(yè)一樣，機器制造商和系統(tǒng)集成商也在嘗試人工智能(AI)帶來的好處。生成式AI的普及和無處不在的特性也激起了原始設(shè)備制造商(OEM)和集成商工程師的興趣。AI為工程師代碼編程中的實際應(yīng)用帶來了真正的好處，并被應(yīng)用到日常工作流程中。AI工具在某些編程語言中更為先進，而真正的AI增強型可編程邏輯控制器 (PLC) 代碼需要高度定制的生成式AI。

　　生成式 AI 將如何影響控制編程?

　　生成式 AI 最有可能影響機器制造商和系統(tǒng)集成商的工作。無論是試驗生成式 AI，還是思考和規(guī)劃其在機器本身中的未來潛力，許多人都在從信息技術(shù)(IT)領(lǐng)域汲取靈感。

　　系統(tǒng)集成商和 CSIA 會員 A&E Engineering 公司新興技術(shù)發(fā)展總監(jiān) Chris Gibson 表示，“IT 行業(yè)長期以來一直在使用AI來提高程序員的工作效率。我們開始看到這一趨勢也延伸到了控制領(lǐng)域。”

　　生成式 AI 應(yīng)被視為助手，而不是完全替代人工干預(yù)或編程工程師。DigiKey公司應(yīng)用工程師Aaron Dahlen將這種關(guān)系描述為指揮家和音樂家的關(guān)系?！熬幊桃呀?jīng)成為一種混合活動，程序員充當指揮，AI 充當音樂家。”Dahlen說。

　　“在機器設(shè)計方面，我們看到工業(yè)控制器聯(lián)網(wǎng)以收集數(shù)據(jù)的持續(xù)趨勢。我們還注意到，一些設(shè)計師將數(shù)據(jù)移動到云或本地服務(wù)器，而另一些設(shè)計師則利用現(xiàn)代PLC的功能將計算能力轉(zhuǎn)移到機器的邊緣?！盌ahlen 說，“在 DigiKey，我們已經(jīng)看到這一趨勢反映在我們不斷增長的工業(yè)產(chǎn)品銷售中?！?/p>

　　聊天機器人和生成式 AI 工具(如 OpenAI 的 ChatGPT 和谷歌的 Gemini等)越來越受到人們的關(guān)注。大型語言模型(LLM)是一種特定類型的生成式 AI，它使用深度學習模型在大量文本數(shù)據(jù)上進行訓(xùn)練，這些模型使用自然語言處理(NLP)(AI 的另一個子領(lǐng)域)來生成文本。自然語言處理允許LLM通過編碼和處理數(shù)據(jù)來讀取人類語言。

　　E Tech Group 制造智能總監(jiān) Pradeep Paul表示，LLM可以被訓(xùn)練并用于解決復(fù)雜的編程問題，但使用LLM進行控制編程將需要大量的代碼示例、代碼文檔，甚至是設(shè)計功能的自然語言描述。這些數(shù)據(jù)使模型能夠?qū)W習語法、常見模式以及代碼與其用途之間的關(guān)系。

　　通用LLM還必須針對特定自動化供應(yīng)商平臺或協(xié)議的數(shù)據(jù)集進行微調(diào)或自定義?！斑@種微調(diào)使模型適應(yīng)供應(yīng)商獨特的指令集、庫和最佳實踐，”Paul 補充道，“這解決了專有函數(shù)庫的挑戰(zhàn)?！?/p>

　　最后，強化學習可以進一步完善模型?！肮こ處熁蜃詣踊到y(tǒng)可以提供有關(guān)生成代碼的反饋，獎勵模型的正確和有效的解決方案，并懲罰錯誤。這個迭代過程提高了模型的準確性和處理復(fù)雜場景的能力。

　　如何在控件編程工作流程中構(gòu)建自定義AI模型?

　　經(jīng)過訓(xùn)練后，AI 模型可以在復(fù)雜應(yīng)用程序中節(jié)省大量開發(fā)時間，執(zhí)行代碼生成、自動文檔、代碼錯誤檢測和調(diào)試、代碼優(yōu)化和測試用例生成等任務(wù)。自然語言提示可以生成功能代碼塊，從而減少從頭開始編寫代碼所花費的時間。這對于重復(fù)性任務(wù)或復(fù)雜的邏輯特別有用。

　　E Tech Group已經(jīng)試驗了行業(yè)特定的生成式 AI 工具，如羅克韋爾自動化的 FactoryTalk Design Studio 和其他平臺，其工程師仍在學習如何最好地將它們整合到工作流程中，但潛力是巨大的。目前，該公司正在努力將生成式 AI 納入其標準編碼工作流程。“我們維護著一個強大的內(nèi)部代碼庫，通?？梢詽M足大約 80% 的項目需求，” Paul補充道，“為了完成部署，我們創(chuàng)建了 AI 驅(qū)動的內(nèi)部工具。”

　　這些工具擅長自動執(zhí)行重復(fù)編碼，例如為多個標簽進行模板編程。工程師可以上傳 CSV 文件，而不是手動逐個標簽進行開發(fā)，使工具能夠快速生成和復(fù)制必要的編程邏輯，從而節(jié)省大量時間。

　　編碼文檔和調(diào)試：使用AI進行編程規(guī)范、測試和調(diào)查

　　生成式AI工具還可能有助于生成功能需求規(guī)范(FRS)，這些規(guī)范是根據(jù)自動化項目的客戶需求開發(fā)的，然后 E Tech Group 從 FRS 構(gòu)建代碼。但是，定義詳細規(guī)范通常需要初步編碼以鞏固設(shè)計元素。

　　“有時，如果不做一些前期編碼來消除設(shè)計組件，就很難構(gòu)建你的功能規(guī)范?！盤aul 說。使用 AI 工具，很容易為其提供一般輸入，它將為功能需求規(guī)范生成一個框架，其中包含所有必需的組件，而無需進行任何示例編碼。

　　AI 還可以幫助自動生成測試用例，確保更全面的測試并減少手動創(chuàng)建測試所花費的時間。在FRS之后，工程師編寫測試協(xié)議以測試功能要求和所有功能，AI可以幫助起草測試協(xié)議。

　　一般來說，文檔對工程師來說可能是一項乏味但必要的任務(wù)，而AI可以幫助從代碼本身生成所需的文檔。E Tech Group 還承擔其他公司啟動的項目或需要集成來自不同供應(yīng)商和設(shè)備的系統(tǒng)的項目，這些項目可能不遵循與其工程師相同的編程實踐。

　　生成式 AI 有可能對當前代碼進行一些逆向工程，而不是讓工程師花費數(shù)小時試圖理解舊代碼背后的意圖。它至少可以生成一些文檔和代碼意圖的摘要。E Tech Group 的一些工程師正在使用生成式 AI 工具嘗試對代碼進行逆向工程。

　　編寫代碼后，AI可以再次介入以提供幫助?！翱梢杂?xùn)練 AI 模型來識別代碼中的潛在錯誤，提出修復(fù)建議或突出顯示需要審查的區(qū)域。這可以大大減少調(diào)試時間?！? Paul說，“AI 可以分析現(xiàn)有代碼，并針對性能、內(nèi)存使用或可讀性提出優(yōu)化建議?！?/p>

　　此外，生成式AI平臺也非常適合與 Python、SQL 或 .NET 等更傳統(tǒng)的編程語言一起使用。例如，E Tech Group還使用這些更傳統(tǒng)的語言為歷史數(shù)據(jù)庫和客戶應(yīng)用程序編程接口 (API) 構(gòu)建接口。ChatGPT 或 Gemini 的基本免費版本非常擅長為那些廣泛使用的語言尋找代碼中的缺陷。

　　預(yù)計未來，這些工具將發(fā)揮更多作用，而不僅僅是錯誤檢測，并提供更好的代碼實踐和建議來改進格式。它已經(jīng)減少了用戶對更多主題專家的需求，并為年輕工程師提供了更多工具，以更快地提高他們的編碼技能。

　　生成式AI正在幫助年輕工程師磨練他們的編程技能并擴展他們的語言知識。他們可以使用FactoryTalk Design Studio 根據(jù)特定要求開發(fā)代碼結(jié)構(gòu)，然后將其與內(nèi)部代碼庫進行比較，了解它們有何不同，以及為什么一個代碼庫比另一個代碼效果更好。

　　“我們使用了很多軟件和許多不同的平臺，每個系統(tǒng)都略有不同?！?Paul 說，“這會使應(yīng)用生成式AI進行 PLC 編程變得更加復(fù)雜。對于 PLC 編程，由于每個供應(yīng)商都有自己不同的程序結(jié)構(gòu)和代碼模塊方法，因此很難有一個通用工具來實現(xiàn)這一點。這就是自定義AI 工具的用武之地，但這些工具需要大量時間來開發(fā)。”

　　RAG如何提升LLM在PLC編程中的表現(xiàn)?

　　不過，對于目前的任何LLM工具， Chris Gibson仍然建議謹慎使用，他認為：“在將生成式 AI 用于PLC編程時，謹慎是必不可少的，因為它可能會而且會產(chǎn)生幻覺，這意味著它可能會生成不正確或誤導(dǎo)性的信息?！彼ㄗh通過檢索增強生成(RAG)AI 系統(tǒng)來創(chuàng)建代碼來降低這種風險。

　　RAG 是一個AI框架，它與LLM配合使用，通過搜索更多外部數(shù)據(jù)源并在將信息和提示集成到LLM之前對其進行預(yù)處理，使其更加準確和相關(guān)。

　　“RAG 允許您使用特定知識訓(xùn)練AI，本質(zhì)上是為其響應(yīng)設(shè)置護欄。通過向其提供經(jīng)批準的庫和最佳實踐，您可以確保AI生成的代碼符合您的標準?！盙ibson 說。借助RAG，AI可以學習機器規(guī)格和編碼實踐，以協(xié)助生成 PLC、HMI 和 SCADA 代碼。這種新興趨勢會不斷增長，將顯著減少繁瑣、易出錯和重復(fù)的編程任務(wù)。

　　傳統(tǒng)的AI基礎(chǔ)模型在離線狀態(tài)下進行預(yù)訓(xùn)練，不包括訓(xùn)練之后出現(xiàn)的數(shù)據(jù)或信息。RAG通過檢索外部數(shù)據(jù)和信息來彌補這些不足。RAG還利用這些信息來豐富提示，提取相關(guān)信息和數(shù)據(jù)并更新原始提示，然后將這個豐富的提示傳遞給LLM。

　　程序組織單元如何改進PLC編碼?

　　復(fù)雜性是所有編程語言的一個重要考慮因素，Aaron Dahlen表示，AI可以在這方面提供幫助，“將程序解析成較小的程序組織單元(POU)是當今PLC程序員的黃金標準。我們不再構(gòu)建100行的梯形邏輯圖，而是將代碼分解成更小、更易管理的部分?！?/p>

　　冗長而蜿蜒的代碼很難構(gòu)建、故障排除和維護?！斑@是一種糟糕的編程做法，在機器的整個生命周期內(nèi)會花費你大量的錢，”他補充道。

　　相反，如果代碼被分成幾個較小的 POU，每個 POU 都執(zhí)行一個專用功能，則代碼更容易構(gòu)建和故障排除。“這就是AI作為合作伙伴的優(yōu)勢所在，它可以幫助我們探索內(nèi)部工作和 POU 之間的界限，”Dahlen說?！爸廊魏谓o定的 POU 都很小，AI 通?？梢栽诟蟮某绦蛑欣斫?POU 的功能和目的。”

　　借助此功能，程序員可以使用生成式AI來優(yōu)化單個POU或整個程序。他們可以闡明POU 的用途并優(yōu)化變量的范圍、結(jié)構(gòu)和名稱。使用已知的編程指標，AI還可以估計程序復(fù)雜性或確定降低 POU 復(fù)雜性的方法。對于任何給定的 POU，都可以通過測量決策點的數(shù)量、嵌套或分層排列以及運算符的總數(shù)來定義復(fù)雜性。

　　AI可以通過重構(gòu)或改進代碼幫助程序員使代碼更易于閱讀和維護。Dahlen說，“重構(gòu)的深度取決于具體的項目。有時，它就像更改變量名稱一樣簡單。在其他時候，程序員將做出一個關(guān)鍵發(fā)現(xiàn)，從而改變整個項目的結(jié)構(gòu)。這可能是正式代碼審查的一部分，也可以是探索代碼的個人程序員?！?/p>

　　需要注意的是，在工業(yè)環(huán)境中重構(gòu)具有挑戰(zhàn)性，因為 PLC 代碼的更改可能需要進行廣泛的驗證測試才能找出意外的錯誤。有時，重構(gòu)以 TODO 語句結(jié)束，以識別將來應(yīng)該更新的代碼。AI 可以協(xié)助完成此過程的許多步驟。

　　Dahlen表示，他更喜歡PLC的梯形邏輯編程，部分原因在于梯形邏輯圖是PLC排錯的最佳方法之一。然而，這些AI工具在結(jié)構(gòu)化文本(ST)上表現(xiàn)更佳。“如今，使用ST可以輕松完成這些任務(wù)，因為代碼可以在AI和PLC開發(fā)環(huán)境之間復(fù)制粘貼。未來，我們或許能夠使用梯形圖。” Dahlen 說，“想象一下，有一天我們可以與AI對話，然后看到更改被納入梯形邏輯圖中?！?/p>