AI用于PLC可视化编程，靠谱吗？
这是Alex作为一名初级PLC程序员在一家繁忙的制造工厂上班的第一天，教科书中整齐的梯形图与控制实际设备之间的差距让人感到难以逾越，直到LLM作为数字导师出现——指导Alex构建了一个可工作的温度控制程序，甚至提出了先进的PID自动整定方案，将稳定时间缩短了一半，但在复杂的串级控制方案中却绊了跟头，搞混了变量并凭空捏造了不存在的函数——这证明了虽然AI可以加速新人的学习和代码输出，但每一行AI生成的代码都必须由经验丰富的工程师进行严格审查，以防止在安全关键系统中出现潜在的危险错误。
在工业环境中，可编程逻辑控制器（PLC）被广泛用于管理中小型生产线，允许用户使用PID控制器创建简单的单回路和更复杂的控制系统（如串级控制系统）。这些系统对于在各种工业过程中维持精确控制、确保效率和可靠性至关重要。全球PLC市场在2024年估值为131亿美元（较2023年的123亿美元增长），预计到2034年将达到242亿美元，复合年增长率为7.0%，受工业4.0、智能工厂以及制造业、能源、汽车和制药领域自动化程度提升的推动。
PLC编程是工业自动化的核心技能，然而许多初级PLC程序员面临着重大挑战。从理论过渡到实际操作往往会暴露技能差距。例如，许多初级PLC程序员在梯形逻辑方面遇到困难，因为它需要与传统编程语言（如C++或Python）不同的思维方式。新的PLC程序员通常在充分发挥PLC潜力方面面临挑战。几个常见的技能差距包括：（1）过程分析不足，（2）调试和故障排除技能欠缺，（3）处理复杂或并行逻辑，（4）对PLC扫描周期的理解有限，（5）内存和状态管理，（6）缺乏文档和代码风格指南。此外，初级PLC程序员经常难以理解PLC编程中常用的梯形图（LAD）和功能块图（FBD）等图形编程语言的细微差别。因此，越来越需要培训和工具来帮助他们发展这些技能，并确保他们能够为各种工业应用高效创建和管理PLC程序。
确定最流行的PLC编程语言（如梯形图（LAD）、功能块图（FBD）和结构化文本（ST））具有挑战性。然而，根据常见做法，LAD或FBD等图形语言因其图形特性而被广泛使用，这使得它们在控制逻辑方面易于理解和实现。程序员也更容易通过视觉方式进行分析。相反，ST在需要复杂逻辑和计算的应用中更受青睐，在学生和行业新人中越来越受欢迎，可能是因为它类似于高级编程。
近年来，大型语言模型（LLM）的受欢迎程度激增，变得更强大、更易获取，并在各行各业被广泛使用。其中最引人注目的应用之一是自动代码生成，LLM可以将自然语言需求转化为各种语言中的可运行程序。这种能力对初级PLC程序员尤其具有吸引力，他们越来越多地转向LLM来加速控制系统的开发。然而，尽管这种转变前景光明，但也需要专门的工具来支持程序准备、防止错误并确保可靠的实现。在此背景下，我们的研究提出了一个关键问题：LLM能否以真正改变工程实践的方式用于编写和分析PLC程序？如果是这样，它们可以自动化繁琐、重复和容易出错的任务，演变为一个"工程师的副驾驶"，不仅协助编码，还协助生成清晰、一致的文档。
1、研究目的
因此，探索LLM是否可以用于编写PLC控制器的程序是值得的。这种方法有可能自动化繁琐、容易出错和重复的编程任务，充当代码生成和文档的"工程师副驾驶"。
事实证明，已经开发了LLM4PLC和Agents4PLC等解决方案，这不仅回答了这个问题，还允许自动化与语言模型交互的整个过程，最大限度地减少了通信所需的时间。然而，这些解决方案有一个共同点：它们只允许使用结构化文本（ST）语言进行编程。因此，我们决定研究这种模型是否能够提高初级PLC程序员使用LAD（梯形图）和FBD（功能块图）等图形语言生成程序的能力。我们特别感兴趣的是，获得满足要求的功能程序需要多少用户专业知识和手动反馈。
我们的工作扩展了之前关于LLM模型在图形编程方面的研究，超越了离散逻辑任务，专注于连续控制系统及其验证。这项工作弥补了在复杂系统（如串级空气温度控制）中LLM生成的LAD和FBD语言控制逻辑评估方面的研究空白。本工作的目的是测试大型语言模型（LLM）的实用性，以ChatGPT-4o为例，在编程PLC控制器时使用梯形图（LAD）或功能块图（FBD）等图形语言。目前涌现的解决方案（LLM4PLC、Agents4PLC）侧重于使用文本语言，如结构化文本（ST），由于其与通用编程语言（如C++或Java）的更大相似性，人类分析起来更加困难。对于图形语言，情况恰好相反：LLM分析起来更加困难，但人类分析起来更容易。
2、解决方案
在与模型交互的过程中，采用了两种逻辑构建策略：增量开发，即逐步扩展程序以添加新功能；完整任务展示，即在展示需求后，要求模型详细描述程序的各个元素。使用配备PLC控制器的工作站来调节管道中的空气温度，以验证所获得的程序。结果表明，模型在单回路控制编程中总体正确，而在串级控制的情况下，会出现许多错误，包括逻辑不一致。需要程序员的注释才能获得正确的代码。研究还发现，模型在诊断代码错误时，从给定的原因中选择最可能原因时比自行提出原因时更有效。
研究结果表明，LLM可以通过提供有用的指令、解释某些功能的操作以及创建基本骨架来支持图形语言（LAD、FBD）的PLC编程。然而，局限性包括生成的代码经常包含低级错误，生成提示词既耗时又容易出现对操作员问题的误解，以及对LLM结果的盲目依赖是危险的。
3、建议与启示
建议包括以咨询和教育角色使用LLM，以及创建初始程序框架，注意查询内容以避免LLM的误解，并对建议的代码进行全面验证，包括其内部逻辑一致性和与所用环境中可用解决方案的合规性。我们还建议进一步研究"提示词"的自动化以及ST程序的评估（LLM4PLC、Agents4PLC、AutoPLC），以及开发专用的离线LLM模型，以最小化网络攻击和间谍活动的风险。
实践意义表明，年轻工程师可以更快地创建可接受的代码并获得有价值的学习支持，同时观察到"工业副驾驶"（即协助PLC编程员的集成LLM工具）的受欢迎程度不断上升。对于安全关键的控制系统，人工代码验证将仍然是必不可少的**。**
原文链接：AI用于PLC可视化编程，靠谱吗？ - 汇智网