Automation of technological and business processes

ISSN-print: 2312-3125
ISSN-online: 2312-931X
ISO: 26324:2012
Архiви

АНАЛІЗ ПЕРСПЕКТИВ ЗАСТОСУВАННЯ ТЕХНОЛОГІЙ ШТУЧНОГО ІНТЕЛЕКТУ ДЛЯ ПОБУДОВИ АВТОНОМНИХ ПРОМИСЛОВИХ СИСТЕМ АВТОМАТИЧНОГО КЕРУВАННЯ

##plugins.themes.bootstrap3.article.sidebar##

pdf
Опубліковано січ 4, 2024
DOI https://doi.org/10.15673/atbp.v15i4.2578

##plugins.themes.bootstrap3.article.main##

Юлія Анатоліївна Ірлик
Державний університет інтелектуальних технологій і зв’язку
Андрій Олексійович Стопакевич
Державний університет інтелектуальних технологій і зв’язку

Анотація

Розглянуто різні аспекти використання штучного інтелекту (ШІ) в промислових системах автоматичного керування, включаючи аналіз даних, прийняття рішень, передбачення та оптимізацію процесів. Потенційні переваги використання автономних систем, таких як зниження витрат, підвищення продуктивності та зменшення ризиків людського втручання. Розглянуто нечіткі регулятори в промисловій автоматизації, застосування нейрорегулятора, регулятор на базі технологій штучного інтелекту, модельно-прогнозуючий регулятор (МПР) для керування локальними регуляторами ПІД-типу. Традиційна децентралізована САК (система автоматичного керування), САК як робастна, адаптивна та живуча система. Алгоритм навчання регулятора Factorial Kernel Dynamic Policy Programming. Задачі синтезу адаптивних та робастних систем. Синтез систем керування з застосуванням технологій штучного інтелекту.


Дослідження свідчать про те, що використання технологій штучного інтелекту може значно покращити ефективність та надійність промислових систем автоматичного керування. Стаття показує потенціал ШІ для оптимізації виробничих процесів, забезпечення швидкого реагування на змінні умови та покращення якості продукції, але і виклики також ймовірні.  Вона може бути корисною для фахівців у галузі промислового автоматизованого керування, дослідників технологій ШІ та всіх зацікавлених у розвитку автономних систем в промисловості.

Ключові слова:
Штучний інтелект,, автономна система,, автоматичне керування,, регулятор,, синтез системи керування,, надійність,, ефективність

##plugins.themes.bootstrap3.article.details##

Як цитувати
Ірлик, Ю., & Стопакевич, А. (2024). АНАЛІЗ ПЕРСПЕКТИВ ЗАСТОСУВАННЯ ТЕХНОЛОГІЙ ШТУЧНОГО ІНТЕЛЕКТУ ДЛЯ ПОБУДОВИ АВТОНОМНИХ ПРОМИСЛОВИХ СИСТЕМ АВТОМАТИЧНОГО КЕРУВАННЯ. Automation of Technological and Business Processes, 15(4), 8-13. https://doi.org/10.15673/atbp.v15i4.2578
Номер
Том 15 № 4 (2023)
Розділ
АВТОМАТИЧНІ І АВТОМАТИЗОВАНІ СИСТЕМИ УПРАВЛІННЯ ТЕХНОЛОГІЧНИМИ ПРОЦЕСАМИ

Посилання

1 Yongjun X., Xin L., Xin C., Changping H., Enke L., Sen Q., Xingchen L., Yanjun W., Fengliang D., Cheng-Wei Q., Junjun Q., Keqin H., Wentao S., Jian W., Huiyu X., Yong H., Chenguang F., Zhigang Y., Miao L, Roepman R., Dietmann S., Virta M., Kengara F., Ze Z., Lifu Z., Taolan Z., Ji D., Yang J., Lan L., Ming L., Zhaofeng L., Tao A., Bin Z., Xiao H., Shan C., Xiaohong L., Wei Z., James P., Lewis, James M. Tiedje, Wang Q., Zhulin A., Wang F., Libo Z., Huang T., Chuan L., Zhipeng C., Wang F., Jiabao Z.. Artificial intelligence: A powerful paradigm for scientific research. The Innovation. Volume 2, Issue 4. 2021. DOI: 10.1016/j.xinn.2021.100179.
2 Picchi A. AI could be smarter than "experts" in 10 years, OpenAI CEO says. Source: CBS News, 2023. URL: https://www.cbsnews.com/news/ai-smarter-than-experts-in-10-years-openai-ceo/
3 Burgin M. Three Approaches to Artificial Intelligence. The 2021 Summit Of The International Society For The Study Of Information, 2022.
4 Konrad A. Robotizatsiya zavodiv vidbudetsya za 5-10 rokiv. Bill Geits v interv'y u Forbes pro OpenAI, Microsoft i maybutnye shtuchnoho intelektu. Zhurnal Forbes Ukraine, 2023. URL: https://forbes.ua/innovations/bill-geyts-eksklyuzivno-dlya-forbes-pro-openai-microsoft-ta-maybutne-shtuchnogo-intelektu-07022023-11569 (
5 Ladanyuk A. P., Vlasenko L. O., Lutska N. M., Smityukh Y. V., Boyko R. O. Avtomatyzovani tekhnolohichni kompleksy: suchasni metody, zadachi analizu ta syntezu. Chastyna 2. Pryklady realizatsii i problema tekhnolohichnykh ryzykiv. Naukovi pratsi Natsionalnoho universytetu kharchovykh tekhnolohiy, 2020. T. 26, № 4. S. 15-22.
6 Olaizola I.G., Quartulli M., Unzueta E., Goicolea JI., Flórez J. Refinery 4.0, a Review of the Main Challenges of the Industry 4.0 Paradigm in Oil & Gas Downstream. Sensors, 2022. DOI: 10.3390/s22239164.
7 Chryssolouris, G., Alexopoulos, K., Arkouli, Z. Artificial Intelligence in Manufacturing Processes. In: A Perspective on Artificial Intelligence in Manufacturing. Studies in Systems, Decision and Control, 2023. Vol. 436. DOI: 10.1007/978-3-031-21828-6_2.
8 Stavropoulos P., Chantzis D., Doukas C., Papacharalampopoulos A., Chryssolouris G. Monitoring and control of manufacturing processes. A review in: Procedia CIRP, 2023. P. 421–425. DOI: 10.1016/j.procir.2013.06.127.
9 Dornheim J., Link N. Multiobjective reinforcement learning for reconfigurable adaptive optimal control of manufacturing processes. 13th International Symposium on Electronics and Telecommunications, ISETC Conference Proceedings. Institute of Electrical and Electronics Engineers, 2018. DOI: 10.1109/ISETC.2018.8583854.
10 Yakubov M., Jamalova G. Methods for adaptive control of objects with variable parameters. E3s Web Of Conferences, 2021. Vol. 264. DOI: 10.1051/e3sconf/202126401049.
11 Stopakevych A.O, Stopakevych O.A. Development of Resilient Control Systems for Technological Plants. Problemele Energeticii Regionale, 2021. №2 (50). P. 114-126. DOI: 10.5281/zenodo.3562201.
12 Lutsyk Y.A., Stopakevych A.O. Rozrobka alhorytmichnoho zabezpechennya zhyvuchoyi systemy keruvannya brazhnoyi kolony spirtovoho vyrobnytstva. Informatsiyni tekhnolohiyi i avtomatyzatsiya: zbirnyk tez dopovidey XIII Mizhnarodnoyi naukovo-praktychnoyi konferentsiyi, Odesa, 22-23 zhovtnya 2020. S. 130-132.
13 Sivamayil K., Rajasekar E., Aljafari B., Nikolovski S., Vairavasundaram S., Vairavasundaram I. A Systematic Study on Reinforcement Learning Based Applications. Energies, 2023. DOI: 10.3390/en16031512.
14 Ishaan Sood. Reinforcement Learning: Develop AI-Based Controllers For A Heat Recovery Steam Generator System. Source: Modelon, 2021. URL: https://modelon.com/blog/reinforcement-learning-develop-ai-based-controllers/
15 Schulman J., Wolski F., Dhariwal P., Radford A., Klimov O. Proximal Policy Optimization Algorithms. arXiv. 2017. DOI: 10.48550/arXiv.1707.06347.
16 Suzanne Gill. AI used to control process manufacturing operations. Source: Control Engineering, 2022. URL: https://www.controleng.com/articles/ai-used-to-control-process-manufacturing-operations/
17 Cui Y., Zhu L., Fujisaki M., Kanokogi H., Matsubara T. Factorial Kernel Dynamic Policy Programming for Vinyl Acetate Monomer Plant Model Control. IEEE 14th International Conference on Automation Science and Engineering (CASE), Munich, Germany, 2018, P. 304-309. DOI: 10.1109/COASE.2018.8560593.