Copyright © Dipl.-Ing. Johannes Hofer 2022, Auszug aus dem neuen active learn book
Die KI-SPS
Die Möglichkeit einer Programmierung für eine SPS, um diese am Geschehen der künstlichen Intelligenz zu beteiligen
3.1.1 Vom SD zum KI-Automat
Nun – das mit dem KV-Diagramm ist ja noch verständlich und nachvollziehbar. Aber was
hat das mit KI zu tun? Dazu
betrachten wir in Bild 3 den Ablauf von Daten in einer Anlage
(Fabrik), welche zunächst, egal wie, in einem SD erfasst und dann in eine SPS
transferiert werden.
Digitale und
analoge Signale werden über eine Aufnahme (ML,
Machine Learning) erfasst und so direkt oder über DLS (Deep Learning Signal) in
einen Input-Output-Layer-String (IOLS)
formatiert, welcher über das JSON-Format
beschrieben in ein Steuergerät, hier eine SPS,
transferiert wird. Diese besitzt einen Parser, welcher die Daten parst und
entsprechend über Funktionen (KI-Automat)
und dem Ausgangslayer das Geschehen in der Fabrik neu beeinflusst. Die Ausgangsparameter
digital oder analog wirken so entsprechend auf die Fabrik, welche dann mit der
nächsten Signatur eine entsprechende Antwort an das KI-System liefert.
Ohne vorerst
genauer darüber nachzudenken, wie wir mittels Programm in einem Steuergerät eine
neu Aktion im Prozess bewirken, ist dieser Gedanke, dass in das Geschehen der KI einzuordnen, doch gar nicht so
schlecht - oder?
Das KV-Diagramm unterstützt uns somit, ohne
ein spezielles Steuerungsprogramm zu schreiben, damit wir unsere Wirkung zur
Prozess-Steuerung erreichen.
Neu ist das nicht,
aber dessen Anwendung in Verbindung mit ML
und DL ist neu! Ganz, ganz früher
hatte man das KV-Diagramm innerhalb
eines Schaltschrankes zur Schütztechnik genutzt. Jetzt kann man das digital und
analog auch mittels KI und das sogar
mit vielen, positiven Effekten zur Prozesslage und Steuerung, welche wir in den
laufenden Kapiteln noch kennen lernen werden.
Jedoch bleiben
wir zunächst bei dem Gedanken, dass die Signalzustände gemessen aus dem Prozess
quasi wie ein Foto aufgenommen, diese über ein besonderes Verfahren an das
Steuergerät gesendet werden, um diese dann mittels KI-Automat zur Prozess-Steuerung und -Regelung zu nutzen.
Dieser
Kreislauf bewirkt so nicht nur Änderungen im Prozess, sondern kann so auch als
Lernsystem zur Datengewinnung angewendet werden.
Letzteres
wird oft nicht verstanden, deswegen ein Beispiel: Man stelle sich vor, dass ein
Fahrzeug (z. B.) eine Krananlage von Hand gefahren wird. Der Kranführer
kann eine schwebende Last pendelarm, fast spielerisch, genau an einen Punkt
positionieren. Eine automatische Anlage kann das nur mit hohen technischen
Aufwand (Kamera usw.). Wenn wir nun den Vorgang des Kranführers erfassen würden,
indem wir schnelle Aufnahmen der Input- und Output-Layer erzeugen, könnten wir
die so gewonnen Fahreigenschaften mittel ML
erfassen und durch weiteres Lernen (DL)
in den KI-Automat transferieren.
Das wäre
doch ein sinnvoller Einsatz und kann schon als schwache KI bezeichnet werden - oder nicht? Ich habe das bereits vielfach
praktiziert, allerdings hieß es damals noch nicht künstliche Intelligenz 😊.
Naja, was
soll, so einfach ist es mit der Umsetzung ohne, oder wenig Programmieraufwand nun
doch nicht.
Das
Verfahren über die Erfassung mittels Input-Layer und Anpassung (Deep Learning) der Daten zur Anpassung
an Output-Layer ist sicherlich in die sogenannte schwache KI einzuordnen.
Warten wir es ab und beschäftigen uns nun das notwendige
Wissen zu erreichen, um dieses Ziel für Steuerungsgeräte wie z. B. eine
SPS umzusetzen.
