Все чаще эксперты говорят о пришедшей эре искусственного интеллекта. Он научится распознавать образы, управлять роботами и беспилотниками, возьмет на себя множество операций и решений, и сделает это нетривиально. Он найдет применение в самых разных сферах – промышленности, банкинге, услугах, где угодно. Однако эти изменения происходят не с нуля. Интересен переход к этой новой реальности из существующего положения. Так, во многих инженерных системах уже стоят системы АСУ ТП. Как может сюда вписаться искусственный интеллект? Какова может быть общая концепция применения искусственного интеллекта (ИИ) в разработке систем АСУ ТП и ключевые направления развития? Какие задачи могут решаться посредством ИИ при автоматизации в технологических процессах?

Предлагаем серию статей эксперта.

 

 

 

 

Михаил ШЕХТМАН,
к.т.н., Председатель Совета директоров
НПФ «КРУГ», г. Пенза

 

Часть 1. Функции работы с данными

Сначала разберемся, какова роль человека в АСУ ТП. В системах автоматизации участие человека достаточно четко регламентировано, как и решения, которые на него возложены. Их можно классифицировать следующим образом:

• контроль работы автоматики;
• контроль работы неавтоматизированных оборудования и технологических процессов;
• оценки работоспособности оборудования и качества протекания технологического процесса в границах регламента;
• управление технологическим процессом в нештатных ситуациях, в том числе и при отказах отдельных систем автоматики и др.

Каковы роли участников процесса в АСУ ТП? Представим в виде таблицы.

Таблица 1

Роли участников процесса автоматизированного контроля технологических процессов

 

Роль	Функционал
Оператор/диспетчер	Оперативное управление технологическим процессом
Специалист 1 службы автоматизации	Контроль работоспособности оборудования АСУ ТП
Специалист 2 службы автоматизации	Контроль работоспособности средств КИП
Специалист 3 службы автоматизации	Периодическая настройка цифровых регуляторов
Начальник смены	Ответственность за рациональное ведение ТП в рамках технологического регламента, «хранитель технологического опыта»
Специалист службы главного механика	Контроль работоспособности оборудования, решения о его ремонте, замене и т.п.
Специалисты других служб (технологической, электротехнической, метрологической и др.)	В рамках своего функционала

 

Каждый из пользователей для принятия решений в рамках своего функционала анализирует собственный набор информации. Однако в любом случае все указанные решения априори подвержены влиянию «человеческого фактора», а значит, могут оказаться ошибочны. И цена таких ошибок может иметь огромные и экономические, и экологические, и социальные последствия. Самые печальные из примеров всем хорошо известны.

Можно сделать вывод, что главной целью применения искусственного интеллекта в автоматизированных системах управления технологическими процессами должно стать уменьшение влияния «человеческого фактора».

При этом, зачастую решения ИИ находятся вне человеческой логики, а их качество напрямую зависит от датасета, на котором происходит обучение. Даже в далекой перспективе мы ожидаем от ИИ не полной «безошибочности», а уменьшения количества ошибок и снижения тяжести последствий от них.

В рамках систем автоматизации можно выделить 12 основных функций и по каждой рассмотреть возможности и перспективы использования искусственного интеллекта (ИИ) при их реализации.

Информационное взаимодействие компонентов АСУ ТП можно представить в виде следующей схемы.

 

Рис. 1. Схема информационного взаимодействия в рамках АСУ ТП

 

Начнем разбирать по каждой функции и собирать в табличку выводов.

Что касается первичной обработки поступающей информации, здесь перспективы использования ИИ не просматриваются, так как известные алгоритмы обработки вполне справляются с задачей.

 

Функция 1. Первичная обработка информации

Ввод/вывод данных и преобразование их в цифровой (физический) вид. Использование ИИ нецелесообразно

 

А вот следующая функция – верификация данных, может предполагать уже более сложный анализ. Причем в системах АСУ ТП используются как раз очень простые алгоритмы типа контроля допустимого диапазона. Однако человек для верификации данных включает более сценарные многофакторные решения.

Представим ситуацию, что насос остановлен, а датчик расхода выдает ненулевое значение, которое укладывается в диапазон. Вывод первого уровня – датчик неисправен, и его показаниям нельзя верить. Однако возможен и другой ход событий – что недостоверен сигнал об остановке насоса. В ход идет информация с других датчиков  позволяющая определить, какие же данные в системе достоверны. Например, если датчик давления, установленный на том же трубопроводе, показывает нулевое значение, можно сделать вывод, что расхода нет.

Заметим, что оператор в данном случае принимает во внимание не только значения, но и динамику показателей. Получается, человек в таких ситуациях опирается на сложную модель, включающую знания не только о процессе измерения, но и об объекте (и его модели), и если стоит задача заменить человека искусственным интеллектом, обучать его надо именно так.

А дальше нужно, в случае обнаружения недостоверных данных, заменить их на достоверные. В примере выше – установить значение расхода, равное нулю. И здесь также явная возможность для применения ИИ, например, в виде экспертной системы. Легко допустить появление в ближайшее время библиотек алгоритмов и программ, задачей которых будет именно интеллектуальная, «умная» верификация и достоверизация данных в различных информационных системах, в том числе в АСУ ТП.

 

Функция 2. Верификация данных

Контроль достоверности данных и замена недостоверных достоверными. Возможно применение ИИ, в т.ч. экспертных систем

 

Следующая функция – сигнализация, то есть оценка отклонения параметра от установленного диапазона, причем как по значениям, так и по скорости их изменения.

Наглядный пример – ситуация, когда давление в трубопроводе выше заданного граничного значения. Как действует специалист? Он смотрит на смежные сигналы. Например, в коллекторе работает насос, прокачивающий жидкость по трем трубопроводам, каждый из которых имеет датчик давления и ручную задвижку после него. Если сигнал о превышении давления сработал для всех трех трубопроводов – скорее всего, виноват насос, и человек его остановит. Если сигнализирует датчик на одном из трех трубопроводов, то, вероятно, на нем прикрыли ручную задвижку.

Чтобы заменить здесь человека, ИИ должен учитывать причинно-следственные связи в технологическом процессе и работе оборудования и на их основе делать вывод о первопричине сигнализации, после чего принимать соответствующее решение. Какой инструментарий ИИ наиболее эффективно справится с этой задачей – это тема самостоятельной научной работы.

 

Функция 3. Сигнализация

Оценка отклонения параметра от установленных регламентных границ. Возможно и целесообразно применение ИИ, предстоит выбрать инструментарий

 

Для следующей функции – архивирования информации – применение ИИ не кажется целесообразным по причине тривиальности используемых алгоритмов сжатия и архивирования, а также извлечения данных.

 

Функция 4. Архивирование

Сжатие, архвивирование, извлечение их архива. Применение ИИ нецелесообразно

 

Таким образом, вполне возможно и целесообразно применение искусственного интеллекта, заменяющего человека, на этапах проверки данных на достоверность, восстановления достоверности, сигнализации о нарушениях.

 

 

Часть 2. Функции АСУ ТП. Действия – защиты, регулирование, дистанционное управление

Итак, мы разобрали роли человека в системах автоматизированного управления производственными процессами и начали рассматривать по функциям АСУ ТП, где и в каком виде применим искусственный интеллект (ИИ), в частности, сделали вывод, что ИИ может применяться при верификации и достоверизации данных, а также сигнализации об отклонении параметров от заданных границ.

Напомним схему информационного взаимодействия различных функций АСУ ТП.

Следующая функция – противоаварийные защиты. В АСУ ТП она выполняется строго автоматически без участия человека, по жестким алгоритмам, которые полностью отражают технологические регламенты и установки нормативных документов. Здесь возможная неопределенность за счет использования ИИ – недопустимый риск. Однако, если, как мы обсуждали в предыдущей части, научить ИИ верифицировать данные и заменять их на достоверные, то к этому этапу уже будет достигнуто значительное сокращение количества ложных остановов, а следовательно, потери от простоев и повторных пусков. Наш опыт применения даже самых простых алгоритмов ИИ для верификации данных демонстрирует эффект в снижении количества ложных остановов в 5-10 раз.

 

Функция 5. Противоаварийные защиты

Мониторинг и реагирование в случае аварийных ситуаций Применение ИИ недопустимо из-за фактора неопределенности

 

Функция шесть – автоматическое регулирование. Это настоящий вызов для ИИ, потому что, несмотря на неоднократные попытки применения «умных» алгоритмов, включая нейрорегуляторы, регуляторы с нечеткой логикой и др., до сих пор они не нашли широкого применения. В то же время, запрос на реализацию этой функции возрастает, поскольку на рынке наблюдается дефицит высококвалифицированных специалистов по настройке регуляторов, да ещё работающих в режиме 24*7.

Почему так происходит? Классический ПИД-регулятор хорош при регулировании стационарных объектов, однако, если свойства объекта меняются, встает задача расчета  новых оптимальных значений коэффициентов настройки (Кр, Ти, Тd). Здесь как раз вступает в дело человек – специалист по обслуживанию систем авторегулирования. Эта компетенция требует большого практического опыта и накопленной базы знаний, а также и времени. В результате, даже на высокоавтоматизированных производствах часть регуляторов находятся в ручном режиме, т.е. авторегулирование отсутствует.

Мне могут возразить, что есть целый ряд попыток как зарубежных, так и отечественных компаний по созданию программного обеспечения для автонастройки регуляторов, где коэффициенты рассчитываются классическими математическими методами. И обычная история – когда, будучи внедрены, они оказываются отключены, именно по причине, что нет достаточно квалифицированного специалиста с глубокими знаниями теории автоматического регулирования. Такие профессионалы есть в компаниях-производителях, однако не у заказчиков, а нужны они круглосуточно.

Таким образом, исследователям можно ставить амбициозную цель, чтобы ИИ полностью заменил человека-специалиста по настройке систем автоматического регулирования. Для этого, возможно, потребуется адекватно смоделировать поведение очень опытного специалиста по настройке регуляторов. Но вполне вероятно появление систем «умной» настройки регуляторов, основанных на иных логиках.

Допускаем, что расцвет таких интеллектуальных систем мы еще увидим в будущем, для этого придется найти быстрые, эффективные и робастные методы их самонастройки/адаптации/самообучения.

 

Функция 6. Автоматическое регулирование

Регулирование технологических процессов в зависимости от анализа поступающих данных Перспективное направление для ИИ, очень востребованное

 

Следующая функция действий – седьмая по счету – дистанционное управление. В сегодняшней реальности оно выполняется полностью человеком, который самостоятельно принимает соответствующие решения – включает или выключает оборудование, изменяет положение исполнительных механизмов и так далее. Как раз здесь огромно влияние т.н. «человеческого фактора», судя по десяткам и сотням тысяч ошибочных решений, результатом которых стал ущерб, в ряде случаев катастрофический.

Это еще один серьезный вызов ИИ, и здесь тоже имеет смысл сфокусировать исследования в сфере искусственного интеллекта.

Ответом может стать технология цифрового советника, цифрового ассистента. Каковы могут быть его функции:

• интеллектуальный контроль и анализ хода технологического процесса и состояния оборудования;
• формирование соответствующих сообщений для пользователей (на естественном языке);
• контроль и анализ действий персонала;
• формирование предупреждений о возможном неблагоприятном развитии ситуаций, вызванных неудачными решениями оператора;
• формирование советов (подсказок) о правильной последовательности выполнения операций/действий, в том числе с неавтоматизированным оборудованием, в том числе в нештатных ситуациях (например, при ликвидации аварийной ситуации);
• распознавание речи оператора и выполнение его команд и др.

Укрупненная архитектура «цифрового советчика» представлена на рисунке.

 

 

Рис. 2. Архитектура «цифрового советчика»
(БЗ – база знаний)

Советчик как раз очень кстати может быть самообучаемым и постоянно развивать свои навыки управления и взаимодействия с оператором.

 

Функция 7. Дистанционное управление

Управление оборудованием, изменение положения исполнительных механизмов, коммуникации с персоналом Перспективное направление для ИИ в формате цифрового советника

 

Итак, если на этапе противоаварийных защит использование ИИ представить сложно из-за недопустимости фактора неопределенности, то для автоматического регулирования и дистанционного управления искусственный интеллект не только оправдан, но и востребован.

 

 

Часть 3. Функции АСУ ТП. Расчеты, диагностика

Выше мы охарактеризовали место человека в автоматизированном управлении технологическими процессами и специфику искусственного интеллекта, а также рассмотрели целесообразность применения ИИ на различных этапах АСУ ТП, в т.ч. на этапах работы с данными и управляющих действий.

Следующая функция в нашей классификации в АСУ ТП – расчеты. Выполнение расчетно-учетных операций не требует применения средств ИИ.

 

Функция 8. Расчеты

Расчеты и вычисления, необходимые для реализации автоматизированного управления Не требует ИИ

 

Важнейшая функция в рамках АСУ ТП – диагностика технологического объекта управления (ТОУ). Здесь применение ИИ очень возможно и перспективно, причем следует, очевидно, различать два типа задач:

• онлайн-мониторинг работоспособности собственно технологического оборудования и его компонентов
• мониторинг корректности ведения технологического процесса (режима).

Аналогично дистанционному управлению, в диагностике также можно предложить использовать цифрового советника, который бы оказывал оперативную поддержку пользователей. Среди таковых будут и оператор, и специалисты-технологи, и специалисты служб главного механика и главного энергетика. Тогда среди функций цифрового ассистента назовем:

• контроль соответствия фактических условий эксплуатации оборудования паспортным;
• формирование предупреждающих сообщений об отклонениях, возможных нарушениях и вероятных неблагоприятных последствиях эксплуатации оборудования;
• формирование рекомендаций по безопасной работе оборудования

Очевидно, это потребует создания базы знаний по оборудованию (БЗО) и цифровых моделей оборудования (в данной статье не рассматриваются). БЗО должна состоять из двух основных разделов – базового и дополнительного.

Базовый раздел тогда содержит паспортные характеристики оборудования, и они должны быть достаточно детально приведены в технической документации, то есть предоставляться предприятием-изготовителем.

В свою очередь, дополнительный раздел будет формироваться и обновляться службами главных технологов и механиков непосредственно в рамках эксплуатации при износе оборудования, из-за специфики его взаимодействия с другими видами оборудования, и, что характерно, содержать данные, которые не измеряются АСУ ТП, такие как механические свойства оборудования, разрешенный срок службы после переосвидетельствования и т.д. Система БЗО должна быть простой по интерфейсу и дружественной целевым категориям пользователей.

Представим пример работы оператора и цифрового помощника. Паспорт на насос содержит указание, что температура подшипника насоса выше 90°С является недопустимой для эксплуатации. Цифровой советчик, во-первых, может сформировать предупреждение для оператора: «Температура подшипника насоса Н-42/1 близка к критической последние 15 минут. Примите меры». Во-вторых, помощник предложит совет: «Рекомендую отключить насос Н-42/1 и включить резервный насос Н-42/2. Вызовите механика для осмотра». А в-третьих, помощник сможет сформулировать и возможную причину сложившейся ситуации: «Возможная причина нагрева подшипника – недостаток смазки. Вторая возможная причина – усиление вибрации двигателя насоса. Проверьте возможные причины». Конечно, помощник должен получать от оператора/механика обратную связь. Интерфейс этой связи – естественная речь или ввод данных с клавиатуры.

 

Функция 9. Диагностика ТОУ

Мониторинг как оборудования, так и технологического процесса Перспективное направление для ИИ в формате цифрового советника

 

Другой вид диагностики – диагностика ПТК (программно-технического комплекса АСУ ТП). Это служебная функция системы, ее пользователями являются специалисты службы эксплуатации АСУ ТП. Опять же, логично отдать этот функционал цифровому помощнику, который:

• проконтролирует условия эксплуатации ПТК
• сформирует предупреждающие сообщения в случае выхода значений из заданных диапазонов;
• сформирует рекомендательные сообщения для предотвращения развития неблагоприятных сценариев в эксплуатации ПТК.

Опять же, потребуется создание Базы знаний ПТК (БЗ ПТК), а также его цифровой модели. В идеале БЗ ПТК будет входить в комплект поставки ПТК. Как может выглядеть предупреждение? «Температура в шкафу ПТК №3 выше 45 градусов последние 30 минут. Возможно повышение до 50 градусов. Вероятная причина №1 – забивка фильтров вентилятора шкафа. Сменить фильтр. Вероятная причина №2 – приближение температуры в помещении к критическому значению. Вызвать специалиста по обслуживанию кондиционера операторной по телефону 24-32». Очевидно, реализован такой функционал может быть как на основе экспертной системы, так и других методов и средств ИИ.

Заметим, что помощник в диагностике ПТК непосредственно связан с этапом верификации данных, иначе не получится корректно продуцировать выводы о возможных ошибках и их первопричине в канале измерения «датчик – модуль ввода/вывода контроллера».

 

Функция 10. Диагностика ПТК

Вспомогательная функция в АСУ ТП, мониторинг ПТК Перспективное направление для ИИ в формате цифрового советника

 

Заключительные две функции – человеко-машинный интерфейс (ЧМИ) – подразумевается весь комплекс задач взаимодействия пользователей с компонентами ПТК АСУ ТП. Здесь также видится очень перспективное поле деятельности по применению ИИ. Основные задачи ЧМИ:

1. формирование информации для её отображения пользователям в удобном для них виде (разные пользователи – разный вид)
2. ввод данных/информации в систему
3. ввод команд управления и др.

Традиционно информация отображается на мониторах одним и тем же способом:

• на этапе проектирования создаются наборы кадров («дисплеи»), на которых есть как статическая, так и графическая часть, а также жестко заданные в кадре поля, в которых выводятся динамически изменяемые данные;
• на этапе проектирования также создается заранее предопределенная «жесткая» карта переходов между кадрами;
• во время работы оператор производит переходы между кадрами, пользуясь различными вариантами навигации (выпадающие меню, «горячие» клавиши и др.). Даже в небольших АСУ ТП количество кадров составляет много десятков, а в больших – уже сотни. Тогда задача быстрого доступа к нужному в данной технологической ситуации кадру становится крайне важной и нетривиальной, причем она может потребовать определенного времени.

В ЧМИ часто используется многооконный (многоэкранный) режим, что ещё больше усложняет работу персонала, особенно в предаварийных, нештатных ситуациях. Кроме того, сценарии (карты переходов) должны быть разными как для разных типов пользователей, так для различных режимов работы. Поэтому перед ЧМИ с применением ИИ главной целью будет существенное ускорение вывода оптимального состава информации оператору во всех режимах работы ТОУ.

Как это может быть реализовано:

• на этапе проектирования ЧМИ, помимо создания классических готовых полноэкранных видеокадров, могут быть созданы отдельные блоки информации (окна), отображающие группу данных;
• на этапе проектирования будет создан базовый («жесткий») сценарий переходов между кадрами…
• … а также определены различные режимы работы технологического оборудования и различные состояния технологического процесса;
• для каждого режима/стадии/этапа будут описаны схемы динамической (в отличии от классической статической) компоновки кадров, т.е. такого рода видеокадры будут автоматически «собираться» из различных окон в зависимости от ситуации;
• в режиме реального времени подсистема распознавания речевых команд пользователя будет их интерпретировать для «собирания» необходимого в текущий момент времени видеокадра. При этом ключевыми словами для распознавания ситуации и команд должны стать названия технологических агрегатов, процессов, параметров и т.д.

Например, при голосовой команде пользователя «Насосная 5 пуск» графическая подсистема ЧМИ с ИИ должна автоматически сформировать (из окон) видеокадр, состоящий из окна с отображением схемы с насосом вместе со смежным оборудованием, окна с группой трендов, необходимых для контроля пуска, окно с виртуальными клавишами управления. При этом окна должны автоматически масштабироваться на кадре, чтобы не перекрывать важную информацию.

 

Функции 11,12 Человеко-машинный интерфейс

Весь комплекс задач взаимодействия пользователей с компонентами ПТК АСУ ТП Перспективное направление для ИИ

 

Итак, подведем итоги.

Мы пришли к выводу, что главной целью применения искусственного интеллекта в автоматизированных системах управления технологическими процессами должно стать уменьшение влияния «человеческого фактора» и, как следствие, снижение количества нештатных ситуаций и ущерба от них.

Для различных функций АСУ ТП перспективы их интеллектуализации не одинаковы.

Применение искусственного интеллекта, заменяющего человека, целесообразно на этапах проверки данных на достоверность, восстановления достоверности, сигнализации о нарушениях, а также диагностики (как ТОУ, так и ПТК), и человеко-машинного интерфейса.

Характерно, что для реализации противоаварийных защит пока использование ИИ представить сложно из-за недопустимости фактора неопределенности.

Особенно же участие ИИ актуально для функций автоматического регулирования и дистанционного управления, очевидно, здесь возникают наибольшие вызовы в ближайшее время. Реализован ИИ здесь может быть в формате электронного помощника, при создании и обновлении соответствующих библиотек и баз знаний и цифровых моделей.

Очевидно, в самое ближайшее время исследовательские усилия будут направлены на поиск ответов на указанные вызовы, и промышленность получит для пилотирования первые системы АСУ ТП нового уровня, основанные на ИИ.