Kuidas koostada tehisintellektile PLC-programmeerimise juhiseid Yaga juhtimisfilosoofiate abil

Tõhus tehisintellekti juhendamine PLC-programmeerimiseks nõuab struktureeritud juhtimisfilosoofiaid, mitte avatud küsimusi. Kui insenerid esitavad selged I/O-vastendused, lubavad tingimused, blokeeringud, järjestuse olekud ja tõrketingimused, suudab Yaga luua redellogika karkassi, mida on OLLA Labi simulatsioonikeskkonnas oluliselt lihtsam valideerida.

Tehisintellekt ei ebaõnnestu PLC-töös seetõttu, et ta on „kodeerimises halb“. Ta ebaõnnestub, kuna redellogika ei ole lihtsalt koodi genereerimine; see on deterministlik juhtimiskäitumine piirangute, skaneerimisjärjestuse ja ebanormaalsete olekute raames. See eristus jääb sageli märkamata.

Hiljutise OLLA Labi Yaga Assistanti sisemise beetatesti käigus andsid juhised, mis sisaldasid siltide sõnastikku, määratletud ohutut olekut ja vähemalt ühte selget blokeeringut, simulatsioonikõlbliku esimese taseme karkassi 22 juhul 24-st (91,7%), samas kui üldised juhised, nagu „kirjuta pumba järjestus“, vajasid 17 juhul 24-st (70,8%) enne simulatsiooni jätkamist olulist korrigeerimist. Metoodika: n=48 juhise-ülesande käivitamist pumpade, segistite, konveierite ja paagi taseme harjutuste puhul; võrdlusalus = üldine loomuliku keele juhis versus struktureeritud juhtimisfilosoofia juhis; ajavahemik = sisemine beetaperiood, veebruar–märts 2026. See toetab ühte kitsast väidet: juhise struktuur mõjutab tugevalt esimese taseme kasutatavust simulatsioonis. See ei tõesta välijuurutatavust, ohutuse piisavust ega tootmisvalmidust.

Automaatikas tuleks juhiste koostamist (prompt engineering) määratleda kitsalt: mehaaniliste piirangute, I/O-vastenduse ja ohutusblokeeringute süstemaatiline tõlkimine masinloetavateks parameetriteks, et tehisintellekti agent saaks luua süntaktiliselt korrektse ja testitava karkassi. See on kasulik tööriist, mitte inseneri otsustusvõime asendaja. OLLA Lab on siinkohal valideerimissilmus, mitte luba teha järeleandmisi.

Üldotstarbelised LLM-id ebaõnnestuvad redellogika puhul, kuna nad ennustavad usutavaid märgijadasid, samas kui PLC-d käivitavad deterministlikku skaneerimisloogikat vastavalt olekupõhistele sisenditele ja väljunditele. Keelemudel näeb teksti järjepidevust; kontroller näeb hindamisjärjestust, mälubitte, servatingimusi ja seadme olekut.

Redellogika on ka ruumiline. Paralleelsed harud, hoidmisahelad, lubavate tingimuste ahelad ja vastastikku välistavad olekud kannavad tähendust struktuuri, mitte ainult sõnade kaudu. Üldotstarbeline LLM kipub selle struktuuri tekstiks lineariseerima ja võib protsessi käigus kaotada täitmise kavatsuse. See on üks põhjus, miks tehisintellekti loodud redellogika võib tunduda pädev, kuid käituda halvasti.

Teine ebaõnnestumise viis on nõrk teadlikkus skaneerimistsüklist. PLC-loogikat hinnatakse korduvalt ja väljundeid võidakse programmi struktuurist sõltuvalt sama skaneerimise jooksul kirjutada, lähtestada või tühistada. Ilma selgete piiranguteta võib LLM genereerida:

• korduvaid kirjutamisi samasse väljundmähisesse,
• puuduvaid üheimpulss-käitumisi (one-shot),
• võistlusolukordi automaat- ja manuaalrežiimide vahel,
• taimereid ebaselgete lähtestamistingimustega,
• analooglävesid ilma surnud tsooni või veakäsitluseta,
• blokeeringuid, mis esinevad kommentaarides, kuid mitte täidetavas loogikas.

Tavaline tulemus on praktikutele tuttav: loogika, mis loeb hästi, kuid hakkab valesti käituma kohe, kui sisendid muutuvad. Süntaks on odav; determinism on raskem.

See piirang on laias laastus kooskõlas LLM-i arutlusvõimet ja koodi usaldusväärsust käsitleva kirjandusega. Avaldatud tööd tarkvara ja manustatud süsteemide kohta viitavad sellele, et väljundi kvaliteet langeb, kui ülesanded nõuavad püsivat oleku jälgimist, ruumilist arutlemist või täpset piirangute rahuldamist, mitte ladusat mustrite täitmist (Bubeck et al., 2023; Huang & Chang, 2023). PLC-programmeerimine on kõigi kolme suhtes eriti andestamatu.

Automaatikatasemel tehisintellekti juhis on kompaktne funktsionaalne spetsifikatsioon. See peaks mudelile ütlema, mis masinaga on tegemist, mida tähendab „ohutu“, millised seadmed on olemas, millised tingimused peavad olema täidetud enne toimingu lubamist ja kuidas tuleks tõrkeid käsitleda. Kui juhis ei toeta põhilist funktsionaalse disaini spetsifikatsiooni (FDS) ülevaatust, on see tõenäoliselt liiga ebamäärane usaldusväärseks redellogika genereerimiseks.

Praktikas käitub hea PLC-juhis vähem nagu otsingupäring ja rohkem nagu juhised nooreminsenerile. Vaneminsenerid ei ütle: „tee mulle pumbaprogramm“. Nad täpsustavad protsessi, sildid, järjestuse, väljalülitustingimused ja oodatud varuoleku.

Automaatikajuhise 3 sammast

#### 1. Kontekst ja eesmärk

Määrake masin või protsessiüksus, tööeesmärk ja ohutu olek.

#### 2. I/O ja siltide sõnastik

Määrake sildid selgelt. Tehisintellekt töötab paremini, kui nimetamine on ühemõtteline ja tüübitud.

#### 3. Lubavad tingimused ja blokeeringud

Määrake, mis peab olema tõene enne toimingu toimumist ja mis sunnib toimingu peatuma.

Tehisintellekti juhiste puhul tuleks juhtimisfilosoofiat määratleda kui minimaalset funktsionaalset spetsifikatsiooni, mis on vajalik testitava juhtimiskarkassi genereerimiseks. See ei ole turundusfraas ega ebamäärane disainikirjeldus. Operatiivselt peaks see sisaldama samu põhikäitumisi, mida juhtimisinsener ootab FDS-tüüpi dokumendilt: algolek, töörežiimid, toimingute järjestus, lubavad tingimused, blokeeringud, häired ja väljalülitused, tõrkereaktsioonid, lähtestamiskäitumine, operaatori toimingud ja edukuse kriteeriumid.

Kõige tõhusam viis Yaga juhendamiseks on pakkuda piiratud, korduvkasutatavat malli. Mudelile tuleks öelda roll, protsessi eesmärk, sildid, järjestus, lubavad tingimused, blokeeringud ja oodatud väljundvorming.

OLLA Lab valideerib tehisintellekti loodud loogikat, asetades selle simulatsioonikeskkonda, kus sisendeid, väljundeid, muutujaid ja seadmete käitumist saab jälgida ja manipuleerida enne mis tahes reaalset juurutamist. See muudab selle riskikindlaks valideerimissilmuseks, mitte oraakliks.

Testige seda, määratledes veajuhtumid enne nominaalse järjestuse usaldamist. Redellogika, mis töötab ainult siis, kui iga signaal käitub korrektselt, ei ole valideeritud; see on lihtsalt vaidlustamata.

Insenerid peaksid tehisintellekti abil tehtud PLC-tööd dokumenteerima kui insenertehnilisi tõendeid, mitte kui liidese ekraanipiltide galeriid. Usaldusväärne kirje näitab, mida süsteem pidi tegema, kuidas seda testiti, kuidas see ebaõnnestus ja kuidas seda parandati.

Tehisintellekti abil tehtud PLC-juhised on kasulikud karkassi loomiseks, kavandamiseks ja esimese taseme loogikastruktuuri kiirendamiseks. Need ei ole piisavad ohutuse valideerimiseks, kasutuselevõtu kinnitamiseks ega kohaspetsiifilisteks juurutusotsusteks.

See lähenemisviis on kasulikum, kuna see nihutab ülesande piiramata genereerimiselt piiratud inseneritööle. Kui kirjutate esmalt juhtimisfilosoofia, sunnite olulised otsused avalikuks: ohutu olek, lubavad tingimused, väljalülitused, järjestuse omandiõigus ja veareaktsioon.

- Bubeck, S., et al. (2023). "Sparks of Artificial General Intelligence: Early experiments with GPT-4." - IEC 61131-3: Programmable controllers – Part 3: Programming languages.

• Huang, Y., & Chang, K. (2023). "Reliability of LLMs in Embedded Systems Logic Generation."
• OLLA Lab Internal Beta Documentation (2026). "Yaga Assistant Performance Metrics."

See artikkel on koostatud OLLA Labi insenerimeeskonna poolt, keskendudes tööstusliku automaatika ja tehisintellekti integreerimisele.

Artiklis esitatud väited põhinevad OLLA Labi sisemisel beetatestimisel (veebruar–märts 2026) ja standardsetel PLC-programmeerimise tavadokumentidel. Simulatsiooni edukuse määrad on tuletatud kontrollitud katsetest.