Treści
Gdzie automatyka i dane rzeczywiście tworzą wartość?
Gdzie automatyka i dane rzeczywiście tworzą wartość?
Sześć wdrożeń w przedsiębiorstwach wod-kan i ciepłowniczych oraz kilka wniosków, które warto z nich wyciągnąć.
Punkt wyjścia
Na przykładzie sześciu rzeczywistych wdrożeń pokazujemy, jakie szanse niesie transformacja technologiczna i jakie są jej ograniczenia.
SCADA, telemetria, sztuczna inteligencja, Control Room – w rozmowach o rozwoju przedsiębiorstw wod-kan i ciepłowniczych technologie te przywoływane są coraz częściej. Tyle, że samo ich wdrożenie nie daje gwarancji pojawienia się korzyści. Nowe rozwiązania przynoszą wartość tylko wtedy, gdy pozwalają realizować cele firmy, a te bywają bardzo różne.
Jedno przedsiębiorstwo może chcieć szybciej reagować na awarie. W innym priorytetem jest ograniczenie liczby wyjazdów do rozproszonych obiektów. Jeszcze inne dąży do lepszego wykorzystania energii albo do stworzenia systemu, w którym setkami węzłów można zarządzać z jednej dyspozytorni.
Aby pokazać, jak różne technologie pozwalają realizować różne biznesowe zadania, przywołujemy przykłady sześciu rzeczywistych projektów:
- Automatyzacji Stacji Uzdatniania Wody Zaborowo w MPWiK Leszno,
- Implementacji Zintegrowanego Systemu Efektywności Energetycznej w oczyszczalni Płaszów,
- Budowy systemu sterowania pompami z wykorzystaniem AI w Wodociągach Miasta Krakowa,
- Modernizacji oczyszczalni ścieków w Trzyciążu,
- Wprowadzenia systemu telemetrii w MPEC Tarnów,
- Rozwoju systemu SCADA i Control Roomu w MPEC Nowy Sącz.
Nie po to, żeby stworzyć katalog dostępnych rozwiązań. Bardziej interesowało nas to, co z tych projektów wynika; kiedy integracja ma sens; kiedy dane naprawdę pomagają podejmować decyzje; w którym momencie zaawansowane technologie mogą stać się niepotrzebnym obciążeniem.
Każdy z tych projektów był inny. Różniły się skalą, celami, czasem realizacji i kompetencjami zespołów. Trudno więc traktować je jako źródło gotowych recept, które można bezpośrednio przenieść do dowolnej spółki komunalnej. Można jednak wyłuskać z nich kilka zasad, które powtarzają się niezależnie od wielkości organizacji.
Nie trzeba integrować wszystkiego
W przedsiębiorstwach zarządzających rozproszoną infrastrukturą naturalnie pojawia się potrzeba zebrania danych w jednym systemie.
Ujęcia wody, pompownie, przepompownie, stacje uzdatniania, oczyszczalnie, źródła ciepła i węzły mogą być oddalone od siebie o wiele kilometrów. Bez telemetrii i centralnego nadzoru część informacji trafia do organizacyjnej świadomości dopiero podczas wizyty pracownika albo wtedy, gdy problem jest już odczuwalny dla odbiorców.
Nie oznacza to jednak, że należy łączyć wszystko tylko dlatego, że jest to technicznie możliwe.
Każde połączenie powinno mieć konkretne uzasadnienie. Czy dzięki niemu wcześniej zauważymy awarię? Czy łatwiej ustalimy jej przyczynę? Czy operator będzie wiedział, co zrobić? Czy ograniczymy niepotrzebne wyjazdy na obiekt?
Jeżeli odpowiedź na te pytania nie jest jasna, integracja może jedynie zwiększyć złożoność systemu i stworzyć kolejne zależności.
SUW Zaborowo: zdalny nadzór nie zastępuje przygotowania ludzi
Po modernizacji Stacja Uzdatniania Wody Zaborowo w MPWiK Leszno stała się obiektem bezobsługowym, nadzorowanym zdalnie z innej lokalizacji.
Pracownicy uzyskali dostęp do danych procesowych i możliwość szybkiego reagowania na zdarzenia. System przygotowano również z myślą o dalszym rozwoju i podłączaniu kolejnych obiektów.
Warto jednak zwrócić uwagę na element, który łatwo pominąć w opisie technicznym. Projekt obejmował także szkolenia i przygotowanie pracowników do współpracy z generalnym wykonawcą oraz podwykonawcami.
To ważne, bo zdalny nadzór nie zwalnia organizacji z odpowiedzi na podstawowe pytania. Kto reaguje na alarm? Kiedy wystarczy reakcja zdalna, a kiedy trzeba wysłać pracownika? Co dzieje się w przypadku utraty komunikacji?
MPEC Tarnów: wartość powstawała przez lata
Inną skalę pokazuje MPEC Tarnów.
Rozwijany od 2003 roku system telemetryczny objął ponad tysiąc rozproszonych obiektów, w tym węzły cieplne i przepompownie. Baza danych została przygotowana do gromadzenia wartości około 50 tysięcy parametrów.
Nie był to jednak projekt polegający na jednorazowym zakupie systemu. Dużą część rozwiązania rozwijał zespół inżynierów MPEC. ASTOR wspierał koncepcję, wybrane funkcje, technologię i rozwój kompetencji.
To dobry przykład pokazujący, że przy dużej skali największą wartością może być nie sam produkt, ale konsekwentnie rozwijany standard, wiedza zespołu i architektura pozwalająca bezpiecznie dołączać kolejne obiekty.
Centralizacja ma przy tym swoje granice. Lokalna automatyka musi nadal bezpiecznie prowadzić proces po utracie łączności. Trzeba też świadomie zarządzać dostępem zdalnym, ponieważ każdy kolejny punkt połączenia zwiększa potencjalne skutki ataku.
Pierwszy wniosek
Integrujmy nie wszystko, co jest dostępne, lecz to, co pomaga szybciej reagować, ograniczać ryzyko i lepiej zarządzać procesem.
Dane same nie obniżają kosztów
Zbieranie danych jest dziś stosunkowo łatwe. Znacznie trudniejsze jest takie ich uporządkowanie, aby prowadziły do konkretnej decyzji.
Informacja o tym, ile energii zużyła pompa albo dmuchawa, niewiele mówi bez wiedzy o obciążeniu obiektu, przepływie, temperaturze, wymaganym efekcie technologicznym czy czasie pracy urządzenia.
Jeżeli zużycie wzrosło, nie musi to jeszcze oznaczać pogorszenia sprawności. Być może urządzenie pracowało dłużej albo obsługiwało większy przepływ.
Dopiero dane zestawione z warunkami procesu pozwalają ocenić, czy rzeczywiście pojawił się problem.
ZSEE w Płaszowie: pomiar był dopiero początkiem
W Zintegrowanym Systemie Efektywności Energetycznej w oczyszczalni Płaszów zestawiono dane o pracy urządzeń z parametrami procesowymi i środowiskowymi.
Celem nie było jedynie wyświetlanie bieżącego zużycia energii. System miał wspierać dobór sposobu pracy urządzeń w konkretnych warunkach.
Projekt został opracowany przez Wodociągi Miasta Krakowa i Akademię Górniczo-Hutniczą. Część wykonawczą realizowały ASTOR i firma Semako.
W opisie projektu wskazano średnie ograniczenie zużycia energii o 12,5%, a dla wybranych urządzeń wyższe wartości. Tych liczb nie należy jednak traktować jako uniwersalnego wyniku, który można obiecać każdej oczyszczalni. Dotyczą określonego zakresu, urządzeń i warunków prowadzenia procesu.
Znacznie ważniejszy jest mechanizm. Połączono dane, które wcześniej były analizowane osobno, i wykorzystano je do zmiany sposobu pracy.
MPEC Nowy Sącz: Control Room nie jest ścianą ekranów
W MPEC Nowy Sącz rozwijany przez wiele lat system SCADA został rozbudowany do Platformy Systemowej i rozwiązania klasy Control Room.
System obejmuje dane z ponad 600 węzłów, źródeł ciepła i rozproszonej infrastruktury. Pozwala analizować alarmy, weryfikować nastawy, usprawniać raportowanie i planować pracę przedsiębiorstwa.
Control Room łatwo sprowadzić do efektownej sali z dużymi ekranami. Tymczasem jego wartość nie wynika z wielkości monitorów.
Operator potrzebuje informacji pomagających prowadzić proces. Utrzymanie ruchu potrzebuje historii pracy urządzeń. Osoba odpowiedzialna za energię powinna móc porównywać zużycie w podobnych warunkach. Zarząd potrzebuje danych wspierających decyzje o modernizacjach i kierunkach rozwoju.
Jeżeli wszystkim pokażemy te same wskaźniki, otrzymamy dużo danych, ale niewiele użytecznej informacji.
Drugi wniosek
Wartość danych nie wynika z ich liczby, ale z tego, czy pozwalają lepiej zrozumieć sytuację i podejmować decyzje.
AI może być kolejnym krokiem. Nie powinna być pierwszym
W przypadku sztucznej inteligencji łatwo rozpocząć rozmowę od samej technologii.
Projekt realizowany w Wodociągach Miasta Krakowa miał jednak inną historię. Wcześniej zmodernizowano układ sterowania, przygotowano opomiarowanie i przez lata gromadzono dane. Dopiero później pojawiła się możliwość wykorzystania modelu AI do sterowania pompami.
W pracach uczestniczył dział automatyki Wodociągów Miasta Krakowa, konsultanci ASTOR, integrator Semako oraz specjaliści eBigData.
System nie przejął bezwarunkowo kontroli nad procesem. Określono warunki, w których AI mogła sterować układem. Po ich przekroczeniu sterowanie wracało do klasycznego rozwiązania opartego na PLC.
Według opisu wdrożenia uzyskano oszczędności sięgające 8%, co przy cenach energii z okresu publikacji odpowiadało około 200 tys. zł rocznie.
Ta kwota dobrze działa na wyobraźnię, ale nie powinna przesłaniać najważniejszej lekcji. Wynik był możliwy dzięki skali układu, dostępności danych i wcześniejszemu uporządkowaniu procesu. Nie można go przenieść wprost na małą przepompownię czy gminną oczyszczalnię.
W Trzyciążu potrzebne było coś zupełnie innego
Modernizacja oczyszczalni ścieków w Trzyciążu pokazuje, że nie zawsze trzeba sięgać po zaawansowaną analitykę.
W tym przypadku zastosowano między innymi przemienniki częstotliwości, system wizualizacji i rozwiązania umożliwiające zdalny nadzór. Dzięki płynnej regulacji urządzenia mogły pracować w lepiej dopasowanych punktach charakterystyki. Ograniczało to ich obciążenie mechaniczne i zużycie energii.
Projekt realizował integrator BIAP przy technologicznym i technicznym wsparciu ASTOR.
Nie zaczęto od AI. Najpierw rozwiązano podstawowe problemy procesu, sterowania i pracy urządzeń.
Trzeci wniosek
AI ma sens wtedy, gdy wcześniejsze etapy automatyzacji i pracy z danymi są już uporządkowane, a potencjalny efekt uzasadnia dodatkowy koszt i złożoność.
Nie istnieje jeden właściwy poziom cyfryzacji
Sześć opisanych projektów różni niemal wszystko.
W Trzyciążu odpowiedzią była modernizacja lokalnej automatyki i napędów. W Lesznie przygotowanie bezobsługowej stacji oraz systemu zdalnego nadzoru. W Tarnowie wartość powstawała przez wieloletni rozwój telemetrii przez własnych inżynierów. W Nowym Sączu skala infrastruktury uzasadniła stworzenie Control Roomu. W Krakowie kolejne etapy optymalizacji doprowadziły do wykorzystania AI.
Nie ma jednego docelowego poziomu cyfryzacji, do którego powinny dążyć wszystkie przedsiębiorstwa.
Bardziej zaawansowane rozwiązanie nie zawsze jest lepsze. Czasem zwiększa koszty utrzymania, uzależnienie od kompetencji zewnętrznych albo ryzyko związane ze złożonością architektury.
Przed rozpoczęciem inwestycji warto więc zadać kilka podstawowych pytań:
- jaki problem chcemy rozwiązać,
- co po wdrożeniu powinno działać inaczej,
- czy mamy dane potrzebne do oceny efektu,
- kto będzie korzystał z rozwiązania,
- kto będzie je utrzymywał,
- jak obiekt zachowa się po utracie komunikacji,
- czy skala korzyści uzasadnia koszty wdrożenia i późniejszego rozwoju.
Warto również uczciwie opisywać role w projekcie.
W części wdrożeń system rozwijał przede wszystkim zespół użytkownika. W innych ważną rolę pełnił integrator. ASTOR dostarczał technologię, wiedzę, wsparcie techniczne, pomagał w budowie koncepcji lub angażowaniu odpowiednich partnerów.
Nie oznacza to, że ASTOR był wykonawcą całego każdego z opisanych projektów. Taki podział ról nie osłabia referencji. Przeciwnie, pokazuje, że powodzenie inwestycji zależy od połączenia wiedzy użytkownika, kompetencji integratora i właściwie dobranej technologii.
Czwarty wniosek
Dobra transformacja nie polega na zastosowaniu najbardziej zaawansowanej technologii. Polega na wyborze rozwiązania adekwatnego do problemu, skali i możliwości organizacji.
Czego uczą te wdrożenia?
W każdym z projektów punktem wyjścia był konkretny problem: brak centralnego nadzoru, ograniczony dostęp do danych, wysokie zużycie energii, rosnąca liczba obiektów albo potrzeba szybszej reakcji.
Dopiero później pojawiały się SCADA, telemetria, system nadrzędny, Control Room czy AI.
Technologia nie działała sama. Potrzebni byli ludzie, którzy znali proces, potrafili zbudować koncepcję, wdrożyć rozwiązanie, a później je utrzymywać i rozwijać.
I chyba właśnie to jest najważniejszy wniosek z tych sześciu projektów:
Najważniejszy wniosek
Technologia tworzy wartość nie wtedy, gdy zbiera najwięcej danych albo wykorzystuje najbardziej zaawansowany algorytm. Tworzy ją wtedy, gdy pomaga ludziom działać sprawniej, bezpieczniej i podejmować lepsze decyzje.
Pełne opisy wdrożeń
- MPWiK Leszno: automatyzacja SUW Zaborowo
- Wodociągi Miasta Krakowa: Zintegrowany System Efektywności Energetycznej w oczyszczalni Płaszów
- Wodociągi Miasta Krakowa: sztuczna inteligencja i optymalizacja pracy pomp
- Oczyszczalnia ścieków w Trzyciążu: modernizacja zrealizowana przez BIAP
- MPEC Tarnów: system telemetrycznego nadzoru sieci
- MPEC Nowy Sącz: system SCADA i Control Room
OKIEM INTEGRATORA
Jako uzupełnienie prezentujemy unikalną perspektywę trzech integratorów i ich spostrzeżenia dotyczące projektów w obszarze wod-kan i ciepłownictwa, które przynoszą największą wartość:
Integracja z umiarem: jak projektować niezawodne systemy sterowania
Integracja, analityka i AI powinny wspierać niezawodność obiektu, a nie tworzyć dodatkowe ryzyko. O skuteczności systemu decydują nie liczba połączonych elementów, lecz właściwy zakres automatyzacji, dobre opomiarowanie i przygotowanie na sytuacje awaryjne.
Jarosław Jachimczyk, Kierownik robót AKP i teletechnicznych, Semako
Kolejne integracje mają sens tylko wtedy, gdy przynoszą konkretną korzyść operacyjną, ekonomiczną lub związaną z bezpieczeństwem. Gdy koszt utrzymania i nakład pracy zaczynają przewyższać efekt, system staje się zbyt złożony. Spada jego przejrzystość i niezawodność, a technicy oraz integratorzy muszą stale analizować jego działanie.
Podstawową zasadą projektowania powinno być zapewnienie bezpiecznej pracy także po utracie komunikacji z systemem nadrzędnym. Instalacja musi wtedy przejść do wcześniej zaplanowanego trybu awaryjnego. Przykładowo, w układzie dozowania chemii, który korzysta z danych analizatora (pomiaru) pozyskiwanego z systemu nadrzędnego, może to oznaczać zatrzymanie dozowania lub utrzymanie go na bezpiecznym poziomie, na przykład odpowiadającym średniej dobowej. Wybór zależy od konsekwencji przedozowania i niedoboru odczynnika.
Równie istotna jest możliwość sterowania lokalnego. W przypadku awarii PLC lub systemu nadrzędnego operator powinien zachować kontrolę nad kluczowymi urządzeniami. Dla pompowni wody czystej może to oznaczać ręczne uruchamianie pomp albo niezależny tryb półautomatyczny, oparty na prostym układzie przekaźnikowym i sygnale z presostatu.
AI i zaawansowana analityka są szczególnie przydatne tam, gdzie duża ilość danych pozwala lepiej wyznaczać nastawy i przewidywać problemy. Mogą wspierać operatorów, ostrzegać o możliwych awariach i optymalizować pracę rozległych systemów, takich jak sieci wodociągowe czy kanalizacyjne. Nie powinny jednak zastępować podstawowych zabezpieczeń i klasycznego sterowania, które odpowiada za bezpieczną pracę obiektu na najniższym poziomie.
Najczęstszy błąd projektowy ujawnia się dopiero podczas uruchomienia: niewystarczająca analiza sytuacji awaryjnych. Samo stworzenie sterowania dla instalacji działającej prawidłowo jest zazwyczaj prostsze niż określenie jej zachowania przy błędnych pomiarach, awarii urządzeń lub zaniku komunikacji. Nie da się przewidzieć każdego scenariusza, ale to właśnie analiza tych najważniejszych decyduje o późniejszej niezawodności systemu.
Automatyzacja z sensem: najpierw fundamenty, potem integracja i AI
Nowe systemy wspierające produkcję powinny rozwiązywać konkretne problemy, a nie być technologicznym dodatkiem. O powodzeniu wdrożenia decyduje to, czy pojawią się mierzalne korzyści, czy kompetencje zespołu zostaną wzmocnione i czy uda się stworzyć niezawodne funkcje lokalne. Dopiero na takim fundamencie warto budować zaawansowaną analitykę oraz rozwiązania oparte na sztucznej inteligencji.
Łukasz Banaś, Kierownik Działu Systemów Sterowania, Control-Service
Integracja kolejnego obiektu lub systemu ma uzasadnienie wyłącznie wtedy, gdy odpowiada na realne potrzeby przedsiębiorstwa i przynosi co najmniej jedną łatwo mierzalną korzyść. Może nią być skrócenie procesu, poprawa jakości produktu, szybsza stabilizacja pracy po zmianie warunków czy oszczędność mediów i czasu pracowników. Równie ważne jest zaprojektowanie systemu z myślą o zespołach, które będą z niego korzystać z uwzględnieniem ich kompetencji. Bez tego dodatkowe, kosztowne rozwiązanie może nie przynieść zauważalnej poprawy, a jedynie zwiększyć obciążenie finansowe firmy.
Nie ma przy tym jednego modelu podziału funkcji między system lokalny i nadrzędny. Każdy zakład dysponuje innym zapleczem technicznym oraz innymi kompetencjami służb utrzymania ruchu i IT. W obiektach z wysoko wykwalifikowanym personelem więcej funkcji można bezpiecznie powierzyć systemowi nadrzędnemu. Przywrócenie maszyny wirtualnej będącej elementem systemu sterowania może zająć doświadczonemu specjaliście kilkanaście minut, lecz dla osoby nieznającej specyfiki automatyki ta sama czynność może oznaczać wielogodzinny przestój.
Niezależnie od kompetencji zespołu pewne elementy muszą działać lokalnie i niezawodnie. Dotyczy to przede wszystkim funkcji odpowiedzialnych za bezpieczne zatrzymanie i wyłączenie instalacji, ochronę przeciwwybuchową oraz blokady zapobiegające wejściu procesu w stan niepożądany lub niebezpieczny. W tych obszarach nie można uzależniać bezpieczeństwa od dostępności komunikacji czy systemu nadrzędnego.
Rosnące zainteresowanie sztuczną inteligencją nie powinno przesłaniać podstaw. Część zakładów chce wdrażać AI, choć wciąż korzysta z nieaktualnych systemów SCADA, zawierających setki zmiennych dla nieistniejących urządzeń, nieuruchomione algorytmy i niepełną archiwizację danych. W takich warunkach AI nie rozwiąże problemów – najpierw trzeba uporządkować system i zapewnić wiarygodne dane.
Dobrą analogią jest samochód wyposażony w adaptacyjny tempomat. System wspomagający bywa przydatny, ale kierowca powinien umieć prowadzić również bez niego. Tempomat niekoniecznie skróci podróż, lecz może zmniejszyć zmęczenie kierowcy. Podobnie AI może wspierać pracę zakładu i poprawiać decyzje operacyjne, pod warunkiem, że przedsiębiorstwo rozumie własne procesy, zbiera dane oraz potrafi je interpretować. Pierwszym krokiem nie powinno być inwestowanie w moduły AI, lecz uporządkowanie istniejącej w zakładzie automatyki, odpowiednie opomiarowanie procesu i zebranie wiarygodnych danych.
Najpierw pomiar i regulator, dopiero potem sztuczna inteligencja
AI może poprawiać decyzje i optymalizować procesy, ale nie zastąpi sprawnego opomiarowania ani klasycznego sterowania. W infrastrukturze krytycznej powinna być przede wszystkim warstwą wspierającą — nie elementem, od którego zależy bezpieczeństwo procesu.
Maciej Michałowski, Dyrektor Generalny, Członek Zarządu Biura Inżynierskiego Automatyki Przemysłowej
Sztuczna inteligencja jest nadbudową dobrego sterowania, a nie sposobem na naprawienie jego braków. Dla pracowników naszej firmy, będącej integratorem automatyki oraz producentem platformy agentów AI Virtual WorkMate, jest to kwestia oczywista. Jeżeli pomiar jest niewiarygodny, algorytm jedynie powieli jego błąd – często z pozorną pewnością.
W oczyszczalniach ścieków największe i najtańsze oszczędności zwykle daje właściwie przygotowana automatyka. Napowietrzanie pochłania często 50–60 proc. energii, dlatego przemienniki częstotliwości na dmuchawach i pompach, dobrze dostrojona regulacja tlenu oraz sonda amoniakowa korygująca nastawę przynoszą efekty od pierwszych rachunków za energię. Działanie tych systemów jest przy tym zrozumiałe dla obsługi i nie wymaga odwoływania się wieloletniej historii danych.
Na automatykę postawiono właśnie podczas modernizacji oczyszczalni w Trzyciążu. Płynna regulacja, prowadzenie urządzeń w optymalnych punktach charakterystyki, centralna wizualizacja i zdalny nadzór były właściwym etapem rozwoju systemu. Wprowadzanie AI na tym poziomie nie przyniosłoby porównywalnej wartości, za to zwiększyłoby koszty, złożoność i zależność od dodatkowych kompetencji.
Zaawansowana analityka ma uzasadnienie wtedy, gdy klasyczne sterowanie osiągnęło już swoje możliwości. Proces powinien być ustabilizowany, a pozostała nieefektywność wynikać ze zmienności, której pojedyncza pętla PID nie potrafi uwzględnić: dobowych i pogodowych zmian dopływu, taryf energii czy wzajemnego oddziaływania wielu urządzeń. Konieczne są również wiarygodne, kalibrowane pomiary i odpowiednio długa historia danych w systemie SCADA. Model uczy się z danych konkretnego obiektu, a nie z dokumentacji.
Nie bez znaczenia jest skala. Kilkuprocentowa oszczędność ma inną wartość w dużej miejskiej instalacji, a inną w małej oczyszczalni gminnej. W Wodociągach Miasta Krakowa oszczędność na poziomie 8% oznaczała około 200 tys. zł rocznie. W mniejszym obiekcie ten sam wynik może nie pokryć długoterminowego kosztu utrzymania modelu.
Istotne są też granice autonomii. AI może proponować nastawy w jasno określonym zakresie, lecz po przekroczeniu warunków brzegowych sterowanie powinno wracać do PLC. To architektura, która pozwala korzystać z potencjału analityki bez przenoszenia odpowiedzialności za bezpieczeństwo procesu na model.
Najkrótszą drogę do zwrotu z AI często daje nie ingerencja w pętlę regulacji, lecz lepsze wykorzystanie danych już zgromadzonych przez obiekt. Dyspozytor, energetyk i zarząd potrzebują różnych odpowiedzi na podstawie tych samych informacji, podczas gdy standardowe raporty oferują wszystkim podobny zestaw wskaźników. Platforma Virtual WorkMate pozwala zadawać pytania po polsku i otrzymywać raporty tworzone na żądanie z danych spółki – wraz z podglądem wykonanego kodu i dziennikiem pracy agentów. Dane pozostają w infrastrukturze przedsiębiorstwa, co w przypadku infrastruktury krytycznej jest warunkiem podstawowym.
Najbliższe lata przyniosą rozwój agentów AI wykonujących określone zadania w granicach wyznaczonych przez człowieka. Standardem stanie się model: AI proponuje, a człowiek i system sterowania podejmują decyzję. Regulacje, w tym AI Act, będą dodatkowo premiować rozwiązania, w których funkcje bezpieczeństwa pozostają w PLC, a AI działa w warstwie doradczej i optymalizacyjnej.
Przed każdym wdrożeniem warto odpowiedzieć na trzy pytania: czy ufamy pomiarom, czy klasyczny regulator rzeczywiście wyczerpał swoje możliwości oraz czy skala korzyści pokryje koszt utrzymania modelu przez lata. Trzy odpowiedzi „tak” oznaczają, że AI ma uzasadnienie. W każdym innym przypadku lepszym pierwszym krokiem będzie dobry pomiar, przemiennik i właściwie nastawiony regulator.
