প্রক্রিয়া নিয়ন্ত্রণে কৃত্রিম বুদ্ধিমত্তার অ্যাপ্লিকেশন সম্ভাবনা

শিল্প ক্ষেত্রে এআই প্রযুক্তির অগ্রগতি

লিনিয়ার ডায়নামিক্স, ননলাইনার স্ট্যাটিক অংশগুলি নিউরাল নেটওয়ার্কগুলি ব্যবহার করে মডেল করা হয়েছে। এই শিল্প অ্যাপ্লিকেশনগুলি তাদের প্রশিক্ষণ বেসের বাইরে এক্সট্রাপোলেশন ইস্যুগুলিকে স্পষ্টভাবে সম্বোধন করে।

একই সময়ে ফ্রেমে, বেশিরভাগ নরম সেন্সর বিকাশ একটি আলাদা মডেলিং পদ্ধতির গ্রহণ করে।

1990 এর দশকে, প্রক্রিয়া সিস্টেমগুলি নিউরাল নেটওয়ার্ক অ্যাপ্লিকেশনগুলিতে গুরুত্বপূর্ণ একাডেমিক অবদান রেখেছিল। এর মধ্যে নিউরাল নেটওয়ার্কগুলি ব্যবহার করে হাইব্রিড মডেলিং অন্তর্ভুক্ত রয়েছে, যেখানে অজানা সম্পর্ক এবং/অথবা পরামিতিগুলি নিউরাল নেটওয়ার্ক মডেলটিতে লাগানো হয়। আরেকটি লক্ষণীয় পদ্ধতির নেটওয়ার্কে পিএলএস-টাইপ কার্যকারিতা অন্তর্ভুক্ত করা হয়েছে, তবে পিএলএসের মতো লিনিয়ার পদগুলির চেয়ে অ-রৈখিক পদগুলির জন্য অনুমতি দেয়। অন্যান্য অবদানগুলি অস্বাভাবিক ক্রিয়াকলাপগুলি সনাক্ত করতে শ্রেণিবদ্ধকরণ পদ্ধতিতে নিউরাল নেটওয়ার্কগুলির ব্যবহার জড়িত (যা ননলাইনার পিসিএ হিসাবে বিবেচিত হতে পারে)।

এআই এবং মেশিন লার্নিং (এমএল) এর পরবর্তী বিকাশ মূলত বড় প্রযুক্তি সংস্থাগুলি দ্বারা সম্পন্ন হয় এবং তাই প্রক্রিয়া শিল্পের অ্যাপ্লিকেশন বা প্রয়োজন দ্বারা চালিত হয় না। অতএব, এই পদ্ধতিগুলির প্রয়োগ আমাদের ক্ষেত্রে 100% প্রয়োগ করা যাবে না। অবশ্যই, তারা যেখানে এটি করে এটি দুর্দান্ত। চিত্র প্রক্রিয়াকরণ একটি উদাহরণ। নতুন নেটওয়ার্কগুলি এখন গতিশীল মডেলিং ক্ষমতা সরবরাহ করে যা অতীতে ব্যবহৃত চক্রীয় নেটওয়ার্কগুলির চেয়ে উন্নতি। একটি উদাহরণ হ'ল চ্যাটজিপিটি, যা বড় ভাষার মডেলগুলির জন্য তৈরি করা হয়েছিল তবে মডেলিং টাইম সিরিজের ডেটাতে সমানভাবে সফল প্রমাণিত হয়েছে। আমরা সফট সেন্সর এবং হাইব্রিড মডেলিংয়ে এই প্রযুক্তির সাথে প্রতিশ্রুতিবদ্ধ ফলাফলগুলি দেখেছি, তবে এখনও পর্যন্ত আমরা কয়েকটি বাস্তব শিল্প অ্যাপ্লিকেশন দেখেছি।

প্রক্রিয়া শিল্পের জন্য এআই এবং এমএল -এর নতুন উন্নয়নগুলি কী বোঝায় তা নির্ধারণের জন্য আমরা এখনও যাত্রার প্রাথমিক পর্যায়ে রয়েছি। অনেক হাইপ আছে, তবে আমি বিশ্বাস করি অনেক আশা আছে। আমি মনে করি সবচেয়ে বড় প্রভাবটি এই এআই এবং এমএল সরঞ্জামগুলি উপকারে বা বিদ্যমান পদ্ধতির সাথে তাদের একত্রিত করার ক্ষেত্রে, তারা এগুলি পুরোপুরি প্রতিস্থাপন করবে বলে ধরে নেওয়া উচিত।

বিভিন্ন প্রক্রিয়া নিয়ন্ত্রণ পদ্ধতির তুলনা

পিআইডি (আনুপাতিক-ইন্টিগ্রাল-ডিফারেনশিয়াল কন্ট্রোল): পিআইডি নিয়ন্ত্রণ ত্রুটি নিয়ন্ত্রক হিসাবে কাজ করে, ত্রুটিটিকে শূন্যে চালিত করার দিকে মনোনিবেশ করে। এটি প্রায়শই ভেরিয়েবল বা ননলাইনার মডেল সহ সিস্টেমে প্রয়োগ করা হয়, তাই স্থিতিশীল পারফরম্যান্সের জন্য সামঞ্জস্য প্যারামিটারগুলি সাবধানতার সাথে নির্বাচন করা অপরিহার্য। পিআইডি একটি একক ইনপুট, একক আউটপুট (এসআইএসও) পদ্ধতিতে কাজ করে তবে একাধিক পিআইডি কন্ট্রোলারদের সংমিশ্রণ নিয়ন্ত্রণ স্কিমের জটিলতা প্রবর্তন করতে পারে।

এমপিসি (মডেল ভবিষ্যদ্বাণীমূলক নিয়ন্ত্রণ): পিআইডি -র বিপরীতে, এমপিসি পূর্বনির্ধারিত লক্ষ্যগুলি অর্জনের জন্য একসাথে একাধিক ভেরিয়েবলগুলি অনুকূল করতে একটি প্রক্রিয়া মডেল ব্যবহার করে। এমপিসির সাথে একটি মূল চ্যালেঞ্জ হ'ল একটি পরিচিত প্রক্রিয়া মডেলের প্রয়োজন। পিআইডি -র বিপরীতে, মডেলের বিভিন্নতাগুলি দুর্বল পারফরম্যান্সের দিকে পরিচালিত করতে পারে এবং জটিল প্রক্রিয়াগুলিতে কার্যকর নিয়ন্ত্রণের জন্য প্রায়শই একটি মডেল ম্যাট্রিক্সের প্রয়োজন হয়।

এফএলসি (ফাজি লজিক কন্ট্রোলার): বিকল্পভাবে, দক্ষ অপারেটরকে অনুকরণ করে বিভিন্ন বা অজানা মডেলগুলির সাথে ডিল করার সময় এফএলসি হস্তক্ষেপ করে। মডেলিং প্রক্রিয়াগুলি সরাসরি (যেমন এমপিসি) বা ত্রুটিগুলি হ্রাস করার দিকে মনোনিবেশ করার পরিবর্তে (যেমন পিআইডি), এফএলসি বিভিন্ন পরিস্থিতিতে আদর্শ অপারেটরের আচরণকে অনুকরণ করে।

এআই নিয়ন্ত্রণ: historical তিহাসিক এবং রিয়েল-টাইম ডেটা ব্যবহার করে, এআই কন্ট্রোলাররা প্রক্রিয়াটির পূর্বের জ্ঞান ছাড়াই লক্ষ্য অর্জনের জন্য প্রচেষ্টা করে। এফএলসি-র বিপরীতে, এআই সিস্টেমগুলি একটি ব্ল্যাক বক্সের মতো কাজ করে, প্রক্রিয়া বা অপারেশনগুলির সুস্পষ্ট জ্ঞান ছাড়াই ডেটা-ভিত্তিক অভিযোজন সরবরাহ করে।

প্রতিটি নিয়ন্ত্রণ পদ্ধতির নিজস্ব বৈশিষ্ট্য রয়েছে: পিআইডি সহ, টিউনিংয়ের সাথে এই পরামিতিগুলি এবং প্রক্রিয়া প্রতিক্রিয়ার মধ্যে কাঙ্ক্ষিত সম্পর্কের ভিত্তিতে যথাযথ নিয়ামক পরামিতিগুলি দ্রুত সেট করতে প্রক্রিয়া জ্ঞান ব্যবহার করা জড়িত। উদাহরণস্বরূপ, একটি ফ্লো লুপের জন্য সাধারণত একটি কম আনুপাতিক লাভ প্রয়োজন (<0.1), while a level loop requires a higher value, depending on the application. In MPC, complex modeling replaces educated guesswork and emphasizes the importance of well-defined process models. FLC relies on understanding operational success rather than a detailed process model, making it a valuable option for processes that are not clearly characterized. For AI control, large amounts of data and clear goals are essential to guide the system to effectively achieve its goals.

শেষ পর্যন্ত, কার্যকর প্রক্রিয়া নিয়ন্ত্রণ নিজেই নিয়ামকের জটিলতার বাইরে চলে যায়। রেসিংয়ের ক্ষেত্রে যেমন দক্ষ ড্রাইভার (কন্ট্রোলার) সফল হওয়ার জন্য উচ্চ-পারফরম্যান্স যানবাহন (সু-নকশাযুক্ত প্রক্রিয়া এবং সরঞ্জাম) প্রয়োজন, সর্বোত্তম পারফরম্যান্স অর্জনের জন্য কেবল "স্মার্ট কন্ট্রোলার" গ্রহণের জন্য নয়, একটি সামগ্রিক পদ্ধতির প্রয়োজন।

প্রক্রিয়া ডোমেনে এআই এবং এমএল এর চ্যালেঞ্জগুলি

এআই, এমএল, বা ডিপ লার্নিং (ডিএল) সবই বড় পরিসংখ্যানগত রিগ্রেশনগুলির সমতুল্য। এই অ্যাপ্লিকেশনগুলি থেকে দরকারী মডেলগুলি পেতে প্রচুর "উচ্চ ফ্রিকোয়েন্সি" ডেটা প্রয়োজন, যার মধ্যে প্রচুর চলাচল রয়েছে এবং কাঙ্ক্ষিত পারফরম্যান্সের সীমানা ছাড়িয়ে প্রচুর অফসেট রয়েছে। এই সমস্তগুলির প্রয়োজন যাতে মডেলটি "ক্লিফ এজ" এর নামমাত্র অবস্থান "জানে"। অনেক দীর্ঘমেয়াদী historical তিহাসিক ডেটা ডিস্ক স্পেস সংরক্ষণের নামে অত্যধিক সংক্রামিত। অতএব, "আবর্জনা ইন, আবর্জনা আউট" প্রবাদটি খুব প্রযোজ্য।

অন্য যে কোনও পরিসংখ্যানগত মডেলের মতো, এমএল ইন্টারপোলেটিংয়ের মোটামুটি ভাল কাজ করে তবে অতিরিক্ত পরিমাণে অতিরিক্ত পরিমাণে এক্সট্রাপোলেশনগুলি ছিনতাইয়ের সুপরিচিত প্রভাব ফেলে। যেমনটি ইতিমধ্যে উল্লেখ করা হয়েছে, ক্লোজড-লুপের ডেটা প্রায়শই মডেলগুলির ফলাফলকে অদ্ভুত উপায়ে স্কিউ করে। এবং, সমস্ত এমএল অ্যাপ্লিকেশনগুলির মতো, মডেলটি নামমাত্র বাস্তবতা প্রতিফলিত করে তা নিশ্চিত করার জন্য এখনও "ডোমেন দক্ষতা" প্রয়োজন।

প্রক্রিয়া নিয়ন্ত্রণ অ্যাপ্লিকেশনগুলির জন্য আমরা কার্যকরভাবে সম্বোধন করতে দেখিনি এমন একটি অঞ্চল হ'ল নিয়ন্ত্রণ ভালভ, যন্ত্রের ব্যাপ্তি ইত্যাদির শারীরিক সীমাবদ্ধতাগুলি বোঝা। এটি এমন একটি সমস্যা যা প্রারম্ভিক মডেল ভবিষ্যদ্বাণীমূলক নিয়ন্ত্রণ (এমপিসি) বিকাশকারীরা স্বীকৃত: অ্যাপ্লিকেশনগুলি প্রক্রিয়াগুলির উপর তাদের সরাসরি নিয়ন্ত্রণ নেই তা স্বীকৃতি দেওয়ার জন্য তৈরি করা হয়। অতএব, যখন পিআইডি কন্ট্রোলারের গতি এক বা উভয় দিকের মধ্যে সীমাবদ্ধ বা সীমাবদ্ধ থাকে তখন বোঝা মৌলিক। এমএল অ্যাপ্লিকেশনগুলি এই মুহুর্তে এই ধারণাটি উপলব্ধি করে বলে মনে হয় না।

পরিশেষে, historical তিহাসিক ডেটা সহ "শেখা" নির্ভর করে তা নিশ্চিত করার উপর নির্ভর করে যে ডেটা এবং বর্তমান ক্রিয়াকলাপ শেখার অন্তর্নিহিত প্রক্রিয়া এবং নিয়ন্ত্রণ কাঠামো একই (উপরে উল্লিখিত সংকোচনের বিষয়গুলি বাদে)। অতএব, নিয়ন্ত্রণ ভালভ ক্ষমতা, তাপ এক্সচেঞ্জার এবং/অথবা পাম্প ইত্যাদি পরিবর্তন করা মডেলটি স্কিউ করতে পারে এবং অবিশ্বাস্য/অনির্দেশ্য ফলাফল দিতে পারে।

প্রক্রিয়া নিয়ন্ত্রণে এআই প্রয়োগের উপর গবেষণা অগ্রগতি

সাম্প্রতিক বছরগুলিতে, শিল্প বিশেষজ্ঞ এবং গবেষকদের কাছ থেকে সাম্প্রতিক বেশ কয়েকটি গবেষণায় দেখা গেছে যে এআই প্রযুক্তির ব্যবহার বৃদ্ধি প্রক্রিয়া নিয়ন্ত্রণকে বাড়ানো এবং সমর্থন করার জন্য দক্ষতা অর্জনের পাশাপাশি প্রক্রিয়া অটোমেশনের ক্ষেত্রে যারা কাজ করছেন তাদেরও এনে দিতে পারে।

এআই উভয়ই হুমকি হতে পারে এবং হুমকি অনুসন্ধান এবং বুদ্ধিমত্তায় আমাদের কাজকে বাড়িয়ে তুলতে পারে। আমাদের ছোট সহকর্মীরা বর্তমানে শিল্প প্রক্রিয়া অটোমেশন এবং নিয়ন্ত্রণের বিস্তৃত ক্ষেত্রে কাজ করছেন এআই জ্ঞান অর্জনের মাধ্যমে উপকৃত হবেন; মৌলিক নীতি, তত্ত্ব, পদ্ধতি, তাদের এবং তাদের অ্যাপ্লিকেশনগুলির মধ্যে পার্থক্য।

শিল্পের অনেকেই একমত, আমাদের ভবিষ্যতের কাজগুলি এআই দ্বারা কেড়ে নেওয়া হবে না, তবে অন্যান্য প্রকৌশলীরা যারা এআই ব্যবহার করতে এবং ক্ষেত্রে ক্ষেত্রে প্রতিযোগিতামূলক সুবিধা অর্জন করতে জানেন।

এআই সরাসরি কারখানাগুলি নিয়ন্ত্রণ করতে ব্যবহৃত হচ্ছে

একটি আনটেন্ডেড ফ্যাসিলিটি (এনইউএফ) এমন একটি সুবিধা যা সম্পূর্ণরূপে স্বয়ংক্রিয় বা দূরবর্তীভাবে পরিচালনা করে, সাধারণত সাইটে কোনও কর্মী না থাকে। শিল্পে এনইউএফ পদ্ধতির বিস্তৃত গ্রহণের ফলে বেশ কয়েকটি চ্যালেঞ্জের মুখোমুখি (প্রযুক্তিগত, লজিস্টিকাল, আর্থিক এবং নিয়ন্ত্রক)। এই দিকে এগিয়ে যাওয়ার লক্ষ্যে শিল্প-নেতৃত্বাধীন বেশ কয়েকটি উদ্যোগ রয়েছে, যখন প্রযুক্তি বিকাশের উদ্যোগকে উত্সাহিত করে যা এই নতুন অপারেশনাল দর্শনকে সক্ষম করে এবং শেষ পর্যন্ত এনইউএফকে তেল ও গ্যাস সুবিধাগুলির নকশা ও পরিচালনার জন্য একটি নিরাপদ, ব্যয়বহুল এবং বহুল স্বীকৃত পদ্ধতির হিসাবে এনইউএফকে অবস্থান করে।

এআই উন্নত মডেল ভবিষ্যদ্বাণীমূলক নিয়ন্ত্রণ এবং উন্নত নিয়ন্ত্রক নিয়ন্ত্রণ কৌশলগুলির সাথে মিলিত এই লক্ষ্য অর্জনে সহায়তা করতে পারে।
পূর্ববর্তী ম্যানুয়াল ক্রিয়াকলাপগুলির সাথে তুলনা করে, এআই সিস্টেমগুলি বৃহত্তর স্থিতিশীলতা এবং দক্ষতা প্রদর্শন করে, এমনকি গুরুত্বপূর্ণভাবে পরিচালিত মানগুলির কাছাকাছি রেখে বাহ্যিক হস্তক্ষেপের মুখে এমনকি সফলভাবে স্থিতিশীলতা নিয়ন্ত্রণ করে। এটি কারখানাটি সরাসরি নিয়ন্ত্রণ করতে আনুষ্ঠানিকভাবে ব্যবহৃত হচ্ছে এমন শক্তিবৃদ্ধি শেখার প্রথম উদাহরণ।