ઓટોમેશન, PLC લોજિક અને સેન્સર/IoT ડેટા

નફો:

• ઑટોમેશન દૃશ્યને ઇનપુટ/આઉટપુટ લિસ્ટ અને લોજિક સ્ટેપ્સમાં વિભાજીત કરવાની ક્ષમતા અને AI પાસેથી લેડર/ST ડ્રાફ્ટની વિનંતી
• સલામતી તાળાઓ, કટોકટી સ્ટોપ અને રેસની પરિસ્થિતિઓના સંદર્ભમાં AI-જનરેટેડ PLC લોજિકનું નિરીક્ષણ કરવાની ક્ષમતા
• AI સાથે સેન્સર અને IoT ટેલિમેટ્રી ડેટાનું અર્થઘટન કરતી વખતે કેલિબ્રેશન, વોલ્યુમ અને ફોલ્ટ સિગ્નલ ચકાસવાની ક્ષમતા

ઔદ્યોગિક ઓટોમેશન એ ઇલેક્ટ્રિકલ અને ઇલેક્ટ્રોનિક્સ એન્જિનિયરિંગના સૌથી વધુ ફિલ્ડ-ટચિંગ ક્ષેત્રોમાંનું એક છે: PLC (પ્રોગ્રામેબલ લોજિક કંટ્રોલર) સેન્સર્સમાંથી સિગ્નલ વાંચે છે અને ચોક્કસ તર્ક અનુસાર મોટર, વાલ્વ અને એલાર્મ ચલાવે છે. અહીં તાર્કિક ભૂલ માત્ર "ખોટું આઉટપુટ" નથી; જામ થયેલ કન્વેયર, વાલ્વ જે ખુલ્લો રહે છે, અથવા ઇમરજન્સી સ્ટોપ કે જે સંલગ્ન નથી તે વાસ્તવિક ઇજાઓ તરફ દોરી શકે છે. AI ઓટોમેશન લોજીકની રૂપરેખા આપવા, સીડી/ST કોડ સૂચવવામાં અને સેન્સર/IoT ટેલિમેટ્રી ડેટાનું અર્થઘટન કરવામાં ઝડપી છે; પરંતુ સુરક્ષા તાળાઓ અને નિષ્ફળ-સલામત ડિઝાઇનની જવાબદારી એન્જિનિયરની છે. આ એકમમાં, અમે AI માટે ઓટોમેશન દૃશ્યને કેવી રીતે વ્યાખ્યાયિત કરવું, જનરેટ કરેલા PLC લોજિકને કેવી રીતે નિયંત્રિત કરવું અને સેન્સર ડેટાનું સુરક્ષિત રીતે અર્થઘટન કેવી રીતે કરવું તે આવરી લઈશું.

ઓટોમેશન દૃશ્ય રૂપરેખાંકિત કરી રહ્યું છે: I/O સૂચિ અને લોજિક પગલાં

AI ને "એક કન્વેયર પ્રોગ્રામ" કરવાનું કહેવું અપૂરતું છે. પ્રથમ, પ્રક્રિયાને ઇનપુટ (સેન્સર, બટન), આઉટપુટ (મોટર, વાલ્વ, લેમ્પ) અને લોજિક સ્ટેપ્સમાં અલગ કરો. આ તફાવત બંને પ્રોમ્પ્ટને સ્પષ્ટ કરે છે અને તર્કને નિયંત્રણક્ષમ બનાવે છે.

ઉદાહરણ I/O સૂચિ (સરળ ફિલિંગ સ્ટેશન):ઇનપુટ્સ: I0.0 સ્ટાર્ટ બટન, I0.1 સ્ટોપ બટન, I0.2 ઇ-સ્ટોપ (NC), I0.3 બોટલ ડિટેક્શન સેન્સર, I0.4 ઓક્યુપન્સી સેન્સર આઉટપુટ: Q0.0 કન્વેયર મોટર, Q0.1 ફિલિંગ la.Log1, વાલ્વ 1 લોગ, Q0.1. જો ઇ-સ્ટોપ દબાવવામાં ન આવે અને સિસ્ટમ તૈયાર હોય તો કામગીરી. 2) સ્ટાર્ટ રીટર્ન સાથે કન્વેયર; જ્યારે બોટલ સેન્સર ટ્રિગર થાય ત્યારે કન્વેયરને રોકો. 3) ફિલિંગ વાલ્વ ખોલો; જ્યારે ઓક્યુપન્સી સેન્સર ભરાઈ જાય ત્યારે વાલ્વ બંધ કરો. 4) કન્વેયરને પુનઃપ્રારંભ કરો; પ્રક્રિયા પુનરાવર્તિત થાય છે.

નબળા પ્રોમ્પ્ટ / મજબૂત પ્રોમ્પ્ટ

નબળો:"કન્વેયર માટે PLC કોડ લખો."(પરિણામ: I/O સરનામાં, સલામતી ઇન્ટરલોક અને સ્ટેટસ લોજિક અસ્પષ્ટ છે; સંભવિત જોખમી અપૂર્ણ કોડ.)STRONG:"I/O સૂચિ પર આધારિત ફિલિંગ સ્ટેશન માટે PLC લોજિક ડ્રાફ્ટ (સ્ટ્રક્ચર્ડ ટેક્સ્ટ) સૂચવો અને ઉપર સામાન્ય રીતે EENSU સ્ટેપ્સ સાથે બંધ કરેલ લોજિક સ્ટેપ્સ-અપ છે. (NC) તર્ક અને અગ્રતા શરત તરીકે જે તમામ આઉટપુટને સલામત બાજુએ મૂકે છે.- કન્વેયર અને વાલ્વ "એક જ સમયે ખતરનાક પરિસ્થિતિનું નિર્માણ કરશો નહીં (લોક). - દરેક પગલા પર ટિપ્પણી કરો. જણાવો કે આ એક ડ્રાફ્ટ છે; સિક્યોરિટી ચેઇન, ફેલ-સેફ અને ફિલ્ડ ટેસ્ટિંગ એન્જિનિયરની છે."

પીએલસી લોજિકને નિયંત્રિત કરવું: સલામતી, નિષ્ફળ-સલામત, રેસની શરતો

ઉત્પાદિત તર્ક માટે "કાર્ય લાગે છે" તે પૂરતું નથી. આ ચેકલિસ્ટને અનુસરો:

નિયંત્રણ

શું જોવાનું છે

કટોકટી સ્ટોપ

NC સંપર્ક, નિષ્ફળ-સલામત, સર્વોચ્ચ પ્રાથમિકતા, બધા આઉટપુટને સલામત બાજુએ સ્વિચ કરવું

ઇન્ટરલોક

વિરોધાભાસી આઉટપુટ એક જ સમયે સક્રિય ન હોવા જોઈએ

જાતિની સ્થિતિ

સમાન ચક્ર, અવ્યાખ્યાયિત પરિસ્થિતિમાં વિરોધાભાસી સોંપણીઓ

પ્રારંભિક સ્થિતિ

જ્યારે ઉત્સાહિત હોય ત્યારે સુરક્ષિત, જાણીતી સ્થિતિમાં પ્રારંભ કરો

ટાઈમર/કાઉન્ટર

સાચો તર્ક, ઓવરફ્લો, રીસેટ સ્થિતિ

સેન્સરની ખામી

સેન્સર બ્રેક/શોર્ટ સર્કિટના કિસ્સામાં સલામત વર્તન

ઇમરજન્સી સ્ટોપ (ઇ-સ્ટોપ) એ સૌથી મહત્વપૂર્ણ બિંદુ છે. સલામતી કાર્ય નિષ્ફળ-સલામત હોવું આવશ્યક છે: એટલે કે, જો કેબલ તૂટી જાય, સંપર્ક નિષ્ફળ જાય, તો સિસ્ટમ સલામત બાજુ પર પડવી જોઈએ, જોખમી નથી. તેથી, ઇ-સ્ટોપ સામાન્ય રીતે બંધ (NC) સંપર્ક સાથે સ્થાપિત થાય છે; જો કેબલ તૂટી જાય, તો સર્કિટ ખુલે છે અને સિસ્ટમ બંધ થઈ જાય છે. વધુમાં, માત્ર સોફ્ટવેર તર્ક પૂરતું નથી; હાર્ડવેર સેફ્ટી ચેઇન (સેફ્ટી રિલે/કોન્ટેક્ટર) એ એન્જિનિયર દ્વારા ડિઝાઇન અને ચકાસાયેલ હોવી આવશ્યક છે.

ચેતવણી: જો તમે AI-જનરેટેડ સીડી/ST કોડમાં જોશો કે ઇ-સ્ટોપ સામાન્ય રીતે ખુલ્લા (NO) સંપર્ક અથવા ફક્ત સોફ્ટવેર ફ્લેગ સાથે સેટ છે, તો આ એક નબળાઈ છે. સુરક્ષા કાર્યો ક્યારેય એકલા સોફ્ટવેર પર છોડવામાં આવતા નથી; નિષ્ફળ-સલામત હાર્ડવેર સાંકળ અને સંબંધિત મશીન સલામતી ધોરણોનું પાલન એ એન્જિનિયરની જવાબદારી છે અને તે ક્ષેત્ર પરીક્ષણ દ્વારા ચકાસવામાં આવે છે.

રેસ શરતો અને રાજ્ય મશીનો

PLC તર્ક ચક્રીય રીતે કામ કરે છે; દરેક ચક્રમાં તમામ તર્કની શરૂઆતથી અંત સુધી પ્રક્રિયા કરવામાં આવે છે. AI કેટલીકવાર વિરોધાભાસી રેખાઓ લખે છે જે સમાન આઉટપુટને એક જગ્યાએ સેટ કરે છે અને તેને બીજી જગ્યાએ ફરીથી સેટ કરે છે; આના કારણે આઉટપુટ અણધારી રીતે ફ્લિકર થાય છે (રેસની સ્થિતિ). સ્પષ્ટ રાજ્ય મશીન તરીકે જટિલ પ્રક્રિયાઓનું નિર્માણ આ જોખમને ઘટાડે છે: સિસ્ટમ સ્પષ્ટ પરિસ્થિતિઓ પર નિર્ભર સંક્રમણો સાથે, દરેક સમયે એક, ચોક્કસ સ્થિતિમાં હોય છે.

સેન્સર અને IoT ડેટાનું અર્થઘટન: માપાંકન, એકમ, ફોલ્ટ સિગ્નલ

જ્યારે સેન્સર અને IoT ટેલિમેટ્રી ડેટા (તાપમાન, દબાણ, કંપન, વર્તમાન) વિશ્લેષણ માટે મૂલ્યવાન છે, તે તેના કાચા સ્વરૂપમાં ભ્રામક હોઈ શકે છે. જેમ કે AI આ ડેટાનો સારાંશ આપે છે, તમારે ત્રણ બાબતો ચકાસવી આવશ્યક છે:

1. માપાંકન અને સ્કેલ. શું સેન્સર આઉટપુટ કાચું ADC મૂલ્ય છે કે વાસ્તવિક ભૌતિક એકમ? AI 4-20 mA સેન્સરને ખોટી રીતે માપી શકે છે અને ભૌતિક મૂલ્યને ગૂંચવી શકે છે.
2. એકમ. °C અથવા °F, બાર અથવા kPa, RMS અથવા પીક? એકમની મૂંઝવણ સમગ્ર અર્થઘટનને બગાડે છે.
3. ફોલ્ટ સિગ્નલો. અટકી ગયેલું મૂલ્ય, અચાનક શૂન્યમાં ઘટાડો, શ્રેણીની બહાર વાંચન; આ વાસ્તવિક માપ નથી પરંતુ સેન્સર/લાઇનમાં ખામી હોઈ શકે છે. જો AI આને "રસપ્રદ ડેટા" તરીકે અર્થઘટન કરે તો તમે ખોટા હશો.

# 4-20 mA સેન્સર -> ભૌતિક મૂલ્ય સ્કેલિંગ (0-100 °C શ્રેણી) def ma_to_temp(ma): જો ma < 3.5: # 4 mA ની નીચે -> લાઇન તૂટેલી/ફોલ્ટ રીટર્ન કંઈ નથી # અમાન્ય રીટર્ન તરીકે ચિહ્નિત નથી (ma - 4.0) / (20.0 - 4.0) [4.0 માં વાંચન માટે 20.0. 20.0, 2.0]: t = ma_to_temp(વાંચન) પ્રિન્ટ (વાંચન, "mA ->", "FAULT" જો t બીજું કોઈ નહીં હોય f"{t:.1f} C")

ટીપ: IoT ડેટાનું અર્થઘટન કરતી વખતે, પ્રથમ પૂછો "શું આ મૂલ્ય ભૌતિક રીતે શક્ય છે?" પ્રશ્ન પૂછો. જો રૂમ ટેમ્પરેચર સેન્સર 300 °C વાંચે છે, તો આ વાસ્તવિક નથી, તે કદાચ કેલિબ્રેશન/લાઇન ભૂલ છે. AI ના અર્થઘટન પહેલાં દોષ સંકેતો દૂર કરો.

મીની કેસ

મેન્ટેનન્સ એન્જિનિયર પાસે પંપના IoT વાઇબ્રેશન ડેટાનું AI અર્થઘટન છે. AI કહે છે કે "છેલ્લા અઠવાડિયામાં કંપન 200% વધ્યું છે, તાત્કાલિક નિષ્ફળતાનું જોખમ" અને એલાર્મ સૂચવે છે. ઇજનેર કાચા ડેટાને જુએ છે: મૂલ્ય ચોક્કસ સમય પછી નિશ્ચિત ઉચ્ચ સંખ્યા પર "અટવાઇ જાય છે", ક્યારેય બદલાતું નથી. આ વધેલા કંપન નથી, પરંતુ સેન્સર ફ્રીઝિંગ/નિષ્ફળતા છે. સાચા યાંત્રિક ભંગાણમાં, મૂલ્યમાં વધઘટ થાય છે. એન્જિનિયર સેન્સર તપાસે છે; કેબલ કનેક્શન ઢીલું છે. AI એ નિશ્ચિત મૂલ્યને "તેજી" તરીકે અર્થઘટન કર્યું. પાઠ: સેન્સર ડેટાનું અર્થઘટન કરતા પહેલા ખામી સહીઓ (અટવાઇ, શ્રેણીની બહાર, સ્ફટરિંગ) નકારી કાઢો; AI કાચા ડેટાની ક્વેરી કરતું નથી.

સામાન્ય ભૂલો

• કોઈ સંપર્ક અથવા માત્ર સૉફ્ટવેર ફ્લેગ સાથે ઇ-સ્ટોપ સેટ કરવું (નિષ્ફળ-સલામત નથી).
• હાર્ડવેર સાંકળ વિના, સુરક્ષા કાર્યને ફક્ત સોફ્ટવેર પર છોડીને.
• વિરોધાભાસી સેટ/રીસેટ રેખાઓ સાથે રેસની સ્થિતિ બનાવવી.
• જ્યારે ઉત્સાહિત હોય ત્યારે સલામત પ્રારંભિક સ્થિતિને વ્યાખ્યાયિત ન કરવી.
• માપાંકન અને એકમ ચકાસણીમાંથી સેન્સર ડેટાનું અર્થઘટન.
• વાસ્તવિક માપ માટે ભૂલ સંકેતો (અટવાઇ ગયેલા, શ્રેણીની બહાર).

સારાંશમાં

• ઑટોમેશન દૃશ્યને I/O સૂચિમાં તોડો અને તર્કના પગલાં સ્પષ્ટ કરો અને એઆઈને તે રીતે પૂછો.
• ઇ-સ્ટોપ અને સેફ્ટી ફંક્શન્સ ફેલ-સેફ (NC), સર્વોચ્ચ પ્રાથમિકતા અને હાર્ડવેર ચેઇન્ડ હોવા જોઈએ; ક્ષેત્ર પરીક્ષણ દ્વારા ચકાસાયેલ.
• વિરોધાભાસી સોંપણીઓ રેસની સ્થિતિ બનાવે છે; રાજ્ય મશીન સાથે જટિલ પ્રક્રિયાઓ સેટ કરો.
• સુરક્ષા ક્યારેય એકલા સોફ્ટવેર પર છોડવામાં આવતી નથી; એન્જિનિયરની મંજૂરી ફરજિયાત છે.
• સેન્સર/IoT ડેટામાં કેલિબ્રેશન, યુનિટ અને ફોલ્ટ સિગ્નલની પ્રથમ ચકાસણી કરવામાં આવે છે.
• ભૌતિક રીતે અશક્ય મૂલ્યો અને અટવાયેલા રીડિંગ્સ એ ખામીના ચિહ્નો છે, વાસ્તવિક ડેટા નહીં.

એપ્લિકેશન કાર્ય

સરળ ઓટોમેશન દૃશ્ય (ભરો, ગેટ કંટ્રોલ, લેવલ એડજસ્ટમેન્ટ) માટે I/O અને લોજિક સ્ટેપ્સની સૂચિ લખો; ST/નિસરણી ડ્રાફ્ટ માટે AI ને પૂછો. પછી જનરેટ કરેલ તર્ક તપાસો: (1) શું ઇ-સ્ટોપ નિષ્ફળ-સલામત અને પ્રાથમિકતા છે, (2) શું વિરોધાભાસી આઉટપુટ માટે કોઈ લોક છે, (3) શું પાવર અપ પર સલામત શરૂઆત વ્યાખ્યાયિત છે? અલગથી, AI ને સેન્સર રીડિંગ્સની શ્રેણી પર ટિપ્પણીઓ માટે પૂછો (કેટલાક સામાન્ય, એક અટકી ગયેલું, એક શ્રેણી મૂલ્યની બહાર) અને તપાસો કે તે ખામી મૂલ્યોને યોગ્ય રીતે દૂર કરે છે. કોઈપણ ભૂલો સુધારીને લખો.