امین کاوه

دانشجوی مهندسی صنایع

هوش مصنوعی در تولید

محقق: امین کاوه

...........................................................................................................................

فهرست:

مقدمه

فصل اول: تاريخچه و تعاريف

هوش مصنوعی چیست؟

تاریخچه هوش مصنوعی

فصل دوم: ساختار سيستم های هوشمند امروزی عامل هوشمند چيست؟ محيط ها در سيستم های هوشمند سنسورها در سيستم های هوشمند کنترل مرکزی در سيستم های هوشمند

فصل سوم: هوش مصنوعی در اتوماسيون صنعتی اتوماسيون صنعتی چيست؟ کاربرد ها در اتوماسيون کاربرد CNC ها کاربرد ربات ها و بازو های رباتيک

فصل چهارم: هوش مصنوعی در شبيه سازی انسان

ASIMO

KISMET سوالات رايج در زمينه AI منابع

مقدمه:

نيمه دوم قرن 17 ميلادی بود که اوتوماسيون صنعت در انگليس با مکانيزاسيون فعاليت ها در صنايع نساجی شروع شد. معرفی نيروی بخار که از سوخت زغال سنگ حاصل می شد به عنوان منبعی از قدرت برای راه اندازی ابزارهای ماشيني تاثير بسزايي در بالابردن سطح توليد داشت. اين تحول شگرف به سرعت اروپای غربي و آمريکای شمالي را نيز متاثر کرده و تحولی را سبب شد که امروزه آن را انقلاب صنعتی می ناميم. فعالييت هايی که تا آن زمان تنها به وسيله توان انسانی انجام ميشدند اکنون سريعتر ارزان تر و در مقياسی بزرگتر توسط اين غول های دود زا انجام می شدند. اختراع ماشين های تراش در اين زمان شروعی برای تحولی عظيم تر در صنعت شد.

حضور عامل انسانی به عنوان اصلی ترين جانمايه صنعت با اختراع موتور های درون سوز و توليد انرژی الکتريکی در 1850 ميلادی بسيار کمرنگتر شد. درست پس از جنگ جهانی دوم بود که ماشين های کنترل عددی به وجود آمدند. ماشين هايي که می توانستند تحت کترل کاملا خودکار قطعات را توليد نمايند. نحوه حرکت اين ماشين ها بوسيله سوراخ هاي روی نوار هاي کاغذی يا کارت هايي خاص تعريف مي شد.

از اين پس خطوط توليد خودکار هر چه بيشتر مورد توجه قرار گرفتند. اما تا اينجای کار تمام ماشين ها مکانيکی بودند. پس از پيشرفت های فراوان در زمينه مهندسی برق سيستم های خودکار کاملا مکانيکی با سيستم های منطقی که توسط برد هايي پر از رله های الکتريکی کنترل می شدند جايگزين شدند. اين حرکت تغيير پذيری و قابليت انعطاف کم سيستم های کاملا مکانيکی را از بين برده و قابليت برنامه ريزی خطوط توليد را ارتقا داده، ساده تر کردند. از اين زمان حضور ربات های صنعتی در کارخانجات پررنگتر شد.

بردهای صنعتی گرچه کنترل منطقی را رسما وارد صنعت کردند و شروعی برای هوش مصنوعی در توليد بودند. اما معايبی نيز داشتند از آن جمله می توان به حجم بزرگ، آلودگی صوتی و استهلاک آنها اشاره کرد. با پيشرفت شاخه الکترونيک و علم کامپيوتر در سال های 1950 به بعد، برد های الکترونيک و کامپيتر های صنعتی به تدريج وارد صنعت شدند و دستگاه های ماشينکاری NC جای خود را به ماشينهای کامپيوتری کنترل عددی CNC داند که در برنامه نويسی آنها بجای استفاده از کارت های خاص از برنامه نويسی کامپيوتری و G-Code ها استفاده می شد. ربات های صنعتی نيز با بهره وری از اين رهيافت نو بسيار کارآمد تر شدند.

ربات های هوشمند امروزی قادرند از طريق حسگرهاي خود دنيای بيرون را در حد نياز درک کرده و کارهايي را که تا چندی پيش تنها انسان ها قادر به انجام آن بودند با دقتی بيشتر و در مقياس های بزرگتر با هزينه ای کمتر انجام دهند

فصل اول:

هوش مصنوعی چیست؟

AIپس از جنگ جهانی دوم مطرح و نام آن در سال 1956 انتخاب گرديد. در تعريفی ساده AI سعی بر شناخت تفکر و توليد هوش دارد. ميتوان گفت AI بدنبال اين سوال است که چگونه کامپيوتر ها را وا داريم کارهايی انجام دهند که در حال حاضر انسان ها اين کار ها را بهتر انجام می دهند.

اما در اصل به 4 دسته از سيستم ها هوشمند گفته می شود:

1-عملکرد انسانی: رهيافت تست تورينگ

برای تعيين هوشمندی يک سيستم تورينگ تستی را طراحی کرد:

مراحل تست به اين گونه است که فردی دور از کامپيوتر قرار گرفته از آن سوال می پرسد و کامپيوتر پاسخ می گويد. تست هنگامی به پايان می رسد که فرد نتواند تشخيص دهد پاسخ دهنده انسان است يا ماشين.

چنين سيستمی بايد دارای قابليت های زير باشد:

1-پردازش زبان طبيعی:

تا بتواند به زبان انگليسی محاوره ای با کاربر ارتباط برقرار کرده و پاسخ بگويد.

2-نمايش دانش:

توانايی ذخيره دانشی که می داند يا می آموزد.

3-استدلال خودکار:

تا به وسيله اطلاعات ذخيره شده به پرسش ها پاسخ داده و نتيجه گيری نمايد.

4-يادگيری ماشين:

سازگاری با شرايط و به دست آوردن الگو. يعنی بتواند با قرار گرفتن در شرايطی جديد الگو سازی کرده و عمل نمايد.

و اين عوامل که برای تست کامل تورينگ تعريف شده اند:

5-بينايی کامپيوتر: برای درک اشيا

6-روباتيک برای دستکاری اشيا و جابجايی آنها.

تورينگ اين تست را طراحی کرد اما دانشمندان بجای تلاش برای عبور از اين تست به مطالعه اصول هوش مصنوعی پرداختند همانگونه که برادران رايت در جستجوی پرواز مصنوعی بجای تقليد از پرندگان به مطالعه آئروديناميک پرداختند.

2- تفکر انسانی: رهيافت مدل سازی شناختی

برای ساخت ماشين هايی که مانند انسان عمل می کنند بايد ابتدا به مطالعه مغز انسان پرداخت.

برای مثال برنامه GPS (General Problem Solving) اولين برنامه کامپيوتری هوشمند بود که می توانست مسائل عمومی رياضی را به شيوه ای انسانی حل کند.

3- تفکر عقلايي : رهيافت قوانين تفکر

راه پيش روی دانشمندان طرفدار اين رهيافت می خواستند سيستم هايي طراحی کنند که بر اساس قواعد منطق تفکر می کنند.

يعنی استفاده از منطق و عمل بر اساس گزاره های منطقی. براي مثال استفاده از چنين قياسي توسط كامپيوتر مثال: «سقراط انسان است، تمام انسان‌ها مي‌ميرند، پس سقراط خواهد مرد.»

4- عملکرد عقلايي: رهيافت عامل خردمند

عامل: در اصل چيزي است که ابتدا درک مي‌کند و سپس عمل مي‌کند. اين رهيافت به علت کاربردی بودن، مورد استقبال فروانی قرار گرفت.

تفاوت عامل های کامپيوتری هوشمند با برنامه ها:

-عمل تحت کنترل خودکار

-درک محيط خود

-تداوم در مدت زمان طولانی

-تغيير پذيری

تاريخچه AI

اولين اقدامات:

جان مک کولوچ و والترپيتز با استفاده از:

1-فيزيولوژی پايه(عملکرد نورون)

2-تحليل رسمی منطق گزاره ها

3-نظريه محاسباتی تورينگ

اساس کار: هر نورون در پاسخ به تحريکات تعداد کافی از نورون های همسايه يک حالت روشن و يک حالت خاموش دارد. آنها با اين کار نشان داند که هر تابع قابل محاسبه توسط شبکه ای از نورون های به هم متصل قابل محاسبه است. و تمام متصل کنده های منطقی(And, Or, Nor) را می توان با ساختار های شبکه نشان داد. آنها نشان دادند که اگر شبکه های عصبی به درستی تعريف شوند قابليت ياد گيری دارند.

سوال: متصل کننده های منطقی کدامند؟

-می دانيم که در سيستم های ديجيتال کامپيوتری، داده های ما گسسته و به صورت دو دويي مي باشد. حال برای برنامه ريزی ديجيتال ما به وسيله برد های الکتريکی يا الکترونيکی و يا برنامه های کامپيوتری سعي بر ايجاد متصل کننده ها يا به عبارت ديگر گيت هايي داريم که بتوانيم از طريق آنها گزاره ای منطقی را به سيستم هوشمند تفهيم کنيم.

مثال: متصل کننده منطقی And

برای مثال در نظر بگيريد کارگاهی را که به يک دزدگير مجهز است. ما برای اين سيستم از گيت And استفاده کرده ايم که کاربرد آن اينگونه است: اگر ورودی اول يک باشد و ورودی دوم نيز يک باشد آنگاه خروجی يک است. يعنی اگر کليد دزدگير ما زده شده باشد و از طريق حسگر ها متوجه شويم که در باز شده دزدگير ها به صدا در مي آيند. نماد گيت And به صورت زير است.

گیت های منطقی

غير از اين گيت مي توان به گيت هاي:

Or, Inverter, Buffer, NAND, NOR, Exclusive-OR (XOR), Exclusive-NOR (XNOR)

نيز اشاره کرد.

در سال 1951 اولين کامپيوتر عصبی (SNARC ) متشکل از 3000 لامپ خلا و دستگاهی برای شبيه سازی شبکه ای از 40 نورون ساخته شد.

کارهای زيادی وجود دارد که در زمينه AI قرار می گِيرند اما تورينگ اولين کسی بود که در سال 1950 ديد کاملی از AI تحت عنوان محاسبات ماشينی و هوشمندارائه کرد.

پيدايش هوش مصنوعی 1956

در اين سال چندی از محققين علاقمند به هوش مصنوعی در کالج دورتموند گرد هم آمدند و نام هوش مصنوعی Artificial Intelligence را برای اين حوزه از علم برگزيدند.

سوال:چرا AI به عنوان شاخه ای جديد از علم تعريف شد؟

-ايده تکرار توانايی های انسان:

AI اولين حوزه ای بود که سعی بر شبيه سازی توانمندی های انسان مانند خلاقيت و خود اصلاحی يا کاربرد زبان دارد.

-اولين حوزه ای از کامپيوتر است که سعي بر ساختن ماشين هاي دارد که تحت کنتل خود کار عمل مينمايند.

سال های اوليه AI پر از موفقيت بود.

کامپيوتر ها که تا آن زمان تنها [1]GIGO، ديگر با آن نگاه ديده نمی شدند. اين ديد پس از آنکه برنامه چکر توانست اين بازی را بهتر از سازنده اش بازی کند بوجود آمد.

روياروي با واقعيت

موفقيت های اوليه در زمينه هوش مصنوعی توجه همگان را متوجه خود ساخته و علاقه مندان زيادی را جذب کرد.

اما در بررسي مسائل گسترده تر مشکلاتي به وجود آمدند و اين مطالعات دستاورد های عيني نداشته و باعث قطع بسياری از بودجه ها شدند.

نتيجه: با اين ساختار تعيين شده برخی از مسائل حل نمی شوند.

سيستم های مبتنی بر دانش: کليد قدرت

راه کار دهه اول پژوهش AI يک جستجوی همه منظوره بود که سعی می کرد قدم های اوليه يادگيري را تا حل کامل مسئله بپيمايد. که اين روش به حل مسئله های بزرگ نمی پرداخت. روش ديگر استفاده از دانش فراوان در زمينه های مختلف بود که قادر به حل مسائل بزرگ می شديم.

ايده سيستم‌هاي خبره فرماتيو توسط کار جوداپير و ارديک هوروتيز و ديويد هکرمن مطرح شد:

"سيستم‌هايي که مطابق قوانين تئوري تصميم‌گيري به طور منطقي عمل مي‌کنند و سعي ندارند که تبحر انساني را تقليد کنند."

AI به يک صنعت تبديل مي‌شود (1980-1988)

RI: اولين سيستم خبره تجاري موفق از شرکت DEC که سود 40 ميليون دلاری برای اين شرکت به ارمغان آورد.

در سال 1981 ژاپنی ها پروژه نسل پنجم را شروع کرده و در رقابت با ژاپنی ها آمريکايي ها شرکت های ميکرو الکترنيک و MCC را تاسيس کردند که MCC موفق نبود.

[1] (Garbage In Garbage Out) يعنی اگر به آن آشغال بدهی، آشغال می گيری و کامپيوتر ها هوشمند نيستند.

فصل دوم : ساختار سیستم های هوشمند امروزی

عامل هوشمند چيست؟

به هر چيزي اطلاق مي‌شود، که قادر به درک محيط پيرامون خود از طريق حس‌گرها(sensor) و اثرگذاري‌ بر روي محيط از طريق محرک ها (Actuators) باشد.

مثال: عامل انسانی

حسگرها:گوش و چشم و اعضای ديگر

عملگرها: دست و پا و زبان و...

نحوه عملکرد اينگونه سيستم ها را به طور خلاصه مي توان به صورت زير نشان داد.

برای مثال در نظر بگيريد که می خواهيم راننده تاکسي هوشمندی طراحی کنيم. اجزای اين سيستم هوشمند از قرار زيرند:

محيط ها در سيستم های هوشمند

اولين قدم در طراحی سيستم های هوشمند مشخص کردن محيط وظيفه است. از اين رو دسته بندی های زيادی برای محيط ها وجود دارد. يک نوع دسته بندی از قرار زير است:

کاملا قابل مشاهده در مقابل قابل مشاهده جزئی:

اگر حسگرهای عامل امکان دستيابی کامل به محيط در هر زمان را در اختيار ما قرار درهد گوييم يا به عبارتی اگر حسگر ها تمام جنبه های مرتبط با فعاليت را نشان دهند گوييم محيط قابل مشاهده کامل است.

وجود حسگر های شلوغ و غير دقيق از جمله عواملی اندکه سبب مي شوند قابليت مشاهده عامل کاهش يابد.

قطعی در مقابل غير قطعی:

اگر حالت بعدی محيط کاملا توسط حالت فعلی و عملی که عامل در حال انجام آن است تعيين شود آن محيط قطعی است. برای مثال در رانندگی تاکسی محيط ما غير قطعی است زيرا رفتار ترافيک را نمی توان پيشبينی کرد.

رويدادی در مقابل ترتيبی:

در محيط های رويدادی تصميم فعلی تنها با توجه به رويداد فعلی گرفته می شود اما در محيط های ترتيبی (episodic)

تصميمات با توجه به تصميمات قبلی گرفته می شود. در مثال ما که با رانندگی سر وکار داريم، محيط ما يک محيط ترتيبی است. زيرا مسيری که در آ ن قرار داريم وابسته به مسيری است که از ابتداي حرکت انتخاب کرده ايم.

ايستا در مقابل پويا:

اگر محيط در طول عمر عامل تغيير نکند به محيط ايستا می گوييم در غير اين صورت محيط پوياست. اصولا کار در محيط های ايستا بسيار ساده تر از کار در محيط های پوياست زيرا به هنگام کار در محيط ساده عامل نيازی به ديدن محيط نداشته و نگران گذر زمان نيست. اما هنگام کار در محيط های پويا مدام از عمال پرسيده می شود که بايد چه کاری انجام شود و عامل مداما در حال تصميم گيری است. اگر سيستم هوشمند مورد بحث در حال حاضر کاری انجام نمی دهد به اين معنی است که عامل تصميم گرفته کاری انجام ندهد.

در مثال راننده تاکسی هوشمند محيط مورد بررسی يک محيط پوياست زيرا در مسير حرکت رانندگان ديگري نيز وجود دارند که رفتار پيشبيني نشده ای دارند.

سنسورها در سيستم های هوشمند

همانگونه که اشاره شد سنسور ها آن بخش از سيستم های هوشمند را تشکيل می دهند که عامل به وسيله آنها قادر به درک پيرامون خود می باشد. در کل سنسور هايي که ما در صنعت با آنها سر و کار داريم يا سفارشي اند و يا سنسور هاي آماده ای هستند که در سطح وسيعی توليد شده و در بازار موجود می باشند.

سنسور هاي کميت های فيزيکی از قبيل سنسور هاي دما سنسور وزن سنسور زاويه سنسور فشار و ... کاربرد هاي بسيار زيادی در صنعت هوشمند دارند اما در سيستم های هوشمند حسگر ها الزاما دارای ساختار پيچيده ای نيستند. گاه يک اتصال به عنوان حسگر در يک سيستم هوشمند مورد استفاده قرار مي گيرد.

مثال دزدگيری را که در مقدمه به آن اشاره کرديم در نظر بگيريد. حسگری که به ما اعلام می کند در باز است يا خير می تواند اتصالی ساده بين چهارچوب در و لبه هاي آن باشد. اما اخيرا سنسور هايي با قابليت های بسيار بالا نيز توليد می شوند. برای مثال می توان به سنسور های دمايي اشاره کرد که در کوره ها استفاده می شوند و مبنای کار آن ها بر اساس تجزيه و تحليل سرخی کوره است که از دوربين های مادون قرمز استفاده می کنند.

کنترل مرکزی در سيستم های هوشمند

همانطور که در ابتدای بحث اشاره شد در ابتدا سيستم های خودکار کاملا مکانيکی عمل می کردند. بدين معنی که هيچ واحد مجزايی به عنوان واحد کنترل کننده که منطقی را پيروی کند وجود نداشته و کنترل سيستم در طراحی جزء جزء پيکره آن نهفته بود. اين ساختار موجب تغيير ناپذيری اينگونه واحد ها و همچنين طراحی مشکل و استهلاک بالای آنها می شد. سيستم های کاملا مکانيکی هنوز هم مورد استفاده هستند.

برای اينکه درک کنِيم منظور از اين عبارت چيست ساختار يک موتور درون سوز چهار زمانه را در نظر بگيريد. تمام حرکات بسيار دقيق و حساب شده و بجا انجام مي شوند سوپاپ ها به موقع باز و بسته می شوند شمع ها در زمان مناسبی جرقه می زنند سيستم خک کننده دمای مناسبی را در سيستم اجاد می کند و ... . اما چه عاملی است که اين نظم را کنترل می کند؟ پاسخ اين است که کنترل در قلب طراحی تمام اجزا نسبت به يکديگر وجود دارد. تمام فاصله های زمانی بوسيله اندازه چرخدنده ها و محور های انتقال نيرو بوجود آمده اند. همين اصول در طراحی ماشين ها در خطوط توليد مورد استفاده قرار می گرفت.

با اختراع ماشين های NC و پس از آن برد های الکتريکی و CNC واحد های کنترل کننده ماهيتی جدا يافتند. اين ماشين ها شروعی برای همان سيستم های هوشمند مورد بحثند.

سيستم های کنترل خودکار يا سخت افزاری اند يا نرم افزاری. سيستم های نر افزاری قابل تغيير اند اما سيستم های سخت افزاری برای کنترل های خاص طراحی شده و تغير ناپذيرند.

سيستم های کنترل سخت افزاری-الکترومکانيکی:

سيستم هايي هستند متشکل از تعداد زيادی رله کنتاکتور ها و تايمر هايي که در برد های بزرگ صنعتی امر هدايت را بر عهده داشتند. رله کنتاکتر ها وسايلی الکتريکی هستند که تغييرات جريان را کنترل ميکنند. به اين گونه که برای رله ای خاص از طرِِيق ساختمان فيزيکی آن تعريف مي کنيم که با عبور جريان کمتر يا بيشتر از جريانی خاص جريان عبوري را قطع و نمايد و از اين طريق می توان تمامي گيت های منطقی را ساخت.

مثلا برای کنترل بازوی يک ربات صنعتی از طريق رله مي توان چنين عمل کرد. يک سيملوله با ضريب خو القايي L را به قسمت ثابت بازو متصل کرده و يک زغال را به قسمت متحرک بازو طوری وصل ميکنيم که با جمع شدن آن زغال دقيقا از وسط سيم لوله رد شود. با اين کار ضريب خودالقايي سيم لوله تغيير ميکند و ما ميتوانيم از طريق تحليل مقدار تغيير در جريان با کمک رله کنتاکتور ها حرکت را کنترل کنيم.

اينگونه سيستم ها مشکلات فراوانی به همراه داشتند از جمله: سر و صدا بيش از اندازه و حجم بسيار بزرگ و همچنين استهلاک بالای آنها بود. برای حل اين مشکل ها پس از چندی سيستمهای کنترل الکترونيکی روی کار آمدند.

سيستم های کنترل سخت افزاری-الکترونيکی

کارکرد کلی اين نوع سيستم ها نيز مانند سيستم های الکترومکانيکی است اما با اختراع IC ها تمامي گيت های منطقی مورد نياز در اين قطعات الکترونيکی کم جا و آسان قرار گرفت.

آی سی ها انقلابی در سیستم های کنترل

سيستم های کنترل نرم افزاری

اين کنترل کننده ها دارای حافظه ای هستند که برنامه کنترل بر روی آن ذخيره می شود. مهمترين مزيت اين سيستم در آن است که نحوه کنترل را با تغيير برنامه و بدون نياز به تغيير در سخت افزار سيستم می توان تغيير داد زيرا نحوه کنترل سيستم توسط سخت افزار سيستم تعيين نمی شود. بلکه برنامه ای در حافظه ذخيره شده يعنی نرم افزار سيستم نحوه کنترل را مشخص مي کند لذا اين سيستم ها بسيار قابل انعطاف بوده کاربرد های فراوانی دارند.

PLC:

Programmable Logic Control Unit

واحد کنترل منطقی قابل برنامه ريزی

کامپيوتری ديجيتال است که برای اتوماسيون فعاليت هايی مانند کنترل ماشين آلات در خطوط مونتاژ کارخانجات صنعتی به کار می رود. بر خلاف کاربرد کامپيوتر های همه کاره PLC ها برای ترکيب های متعدد وروددی/خروجی . کار در دامنه دمايی گسترده . مصونيت در برابر نويز های الکترونيکی و مقاومت در برابر لرزش و برخورد طراحی شده اند.

همانگونه که گفته شد تفاوت اصلی بين PLC ها و کامپيوتر های عادی تجهيز آنها در مقابل شرايط نامناسب است(گرما سرما رطوبت و گردو غبار و ...) و همچنين سهولت چيدمان ورودی/خروجی که PLC ها را به سنسور ها و محرک ها متصل می کنند. PLCها متغيير های جريان های آنالوگ ( مانند فشار و دما) و مکان سيستم های موقعيت ياب پيچيده را می خوانند. و در قسمت محرک ها PLC ها با مو تورهای الکترونيکی و سيلندر های هيدروليکی و پنوماتيکی سر و کار دارند. اين ورودی و خروجی ها ممکن است بر روی PLC تعبيه شده باشند و يا به شبکه ای کامپيوتری که به PLCمتصل می شود وصل باشند.

PLCها ابتدا به عنوان جايگزينی برای هزاران رله ای که در سيستم های ماشينی به کار می رفت ساخته شدند. اولين اشکالی که در اين مدار ها ظاهر می شود آن است که با افزايش تعداد رله ها حجم و وزن مدار فرمان بسيار بزرگ شده همچنين موجب افزايش قيمت آن می شود. برای رفع اين اشکال مدار های الکترونيکی ساخته شدند ولی با اين وجود هنگامی که تغييری در روند يا عملکرد ماشين صورت می گيرد مثلا در يک دستگاه پرس ابعاد وزن سختی و زمان قرار گيری قطعه زير بازوی پرس تغيير می کند لازم است تغيرات زيادی در سخت افزار سيستم کنترل داده شود.به عبارت ديگر اتصالات و عناصر مدار فرمان بايد تغيير کند.با استفاده از PLC تغيير در روند توليد و ياعملکرد ماشين به آسانی صورت می پذيرد زيرا ديگر لازم نيست سيم کشی ها (Wiring) و سخت افزار سيستم کنترل تغيير کند و تنها کافی است چند سطر برنامه نوشت و به PLC ارسال نمود تا کنترل مورد نظر تحقق يابد.

PLC به طراحان سيستم های کنترلی اين اجازه را ميدهد که آنچه در ذهن درند در اسرع وقت بيازمايند و به ارتقای محصول خود بيانديشند کاری که در سيستم های قديمی مستلزم صرف هزينه و بخصوص زمان است و نياز به زمان گاهی باعث می شود که ايده مورد نظر هيچگاه به مرحله عمل در نيايد.

در نتيجه PLCها در فرايند های صنعتی ای در توليد به کار می روند که هزينه اجرا و نگه داری سيستم ماشينی نسبت به کل هزينه اتوماسيون بالا بوده و در طی عمر عمليات احتمال تغيير در سيستم وجود دارد. ابزار ورودی و خروجیPLC ها سازگار با وسايل کنترلی صنعتی بوده و طراحی الکتريکی کمی می خواهند. برنامه های PLC نوعا بسيار سفارشی بوده و هزينه يک بسته PLC بسيار کمتر از هزينه يک سيستم کنترل سفارشی خاص می باشد.

هر کس که با مدارهای فرمان الکتريکی رله ای کار کرده باشد به خوبی میداند که پس از طراحی يک تابلوی فرمان، چنانچه نکته ای از قلم افتاده باشد، مشکلات مختلفی ظهور نموده هزينه ها و اتلاف وقت بسياری را به دنبال خواهد داشت به علاوه گاهی افزيش و کاهش چند قطعه در تابلوی فرمان به دلايل مختلف مانند محدوديت فضا، عملا غير ممکن و يا مستلزم انجام سيم کشی های مجدد و پر هزينه می باشد.

اکنون برای توجه بيشتر به تفاوتها و مزايای PLC نسبت به مدارات فرمان رله ای مزايای مهم PLC را نسبت به مدارات ياد شده برمی شماريم .

1. استفاده از PLC موجب کاهش حجم تابلوی فرمان می گردد.

2. استفاده از PLC مخصوصا در فرايندهای عظيم موجب صرفه جويی قابل توجهی در هزينه ، لوازم و قطعات می گردد.

3. PLCاستهلاک مکانيکی ندارد، بنابراين علاوه بر عمر بيشتر نيازی به تعميرات و سرويسهای دوره ای نخواهد داشت.

4. PLC ها انرژی کمتری مصرف می کنند.

5.PLC ها علاوه بر مدارات رله ای کنتاکتوری، نويزهای الکتريکی و صوتی ايجاد نمی کنند.

6. استفاده از يک PLC منحصر به پروسه و فرايند خاصی نيست و با تغيير برنامه می توان به آسانی از آن برای کنترل پروسه های ديگر استفاده نمود.

7. طراحی و اجرای مدارهای کنترل و فرمان با استفاده ازPLC ها بسيار سريع و آسان است.

8. برای عيب يابی مدارت فرمان الکترومکانيکی، الگوريتم و منطق خاصی را نمی توان پيشنهاد نمود. اين امر بيشتر تجربی بوده ، بستگي به سابقه آشنايی فرد تعميرکار با سيستم دارد. در صورتی که عيب يابی در مدارات فرمان کنترل شده توسط PLC به آسانی و با سرعت بيشتری انجام می گیرد.

9. PLC ها می توانند با استفاده از برنامه های مخصوص ، وجود نقص و اشکال در پروسه تحت کنترل را به سرعت تعيين و اعلام نمايند

مزایای نسبی سیستم های کنترل:

از شرکت های معتبر سازنده PLC می توان به Siemens, Allen Bradley, AEG, Omron, Mitsubishi و... اشاره کرد.گرچه از عرضه توسط سازندگان مختلف چند ده سالی می گذرد و در ماشين آلات و خطوط توليد خريداری شده از خارج کشور نيز به وفور مشاهده می شود استفاده از اين وسيله بسيار قابل انعطاف توسط طراحان و ماشين سازان داخلی کمتر به چشم می خورد. از جمله عواملی که موجب تاخير در بهره برداری از PLC توسط طراحان داخلی گرديده عبارتند از:

1-ارتباط مشکل با منابع تامين کننده خارجی.

2-عدم دسترسی به موقع به اطلاعات سيستم ها.

3-عدم پشتيبانی موثر سازندگان از تجهيزات فروخته شده خود.

4-هزينه بالای تجهيزات خارجی.

5-هزينه بالای آموزش در خارج از کشور.

شرکت های داخلی نيز با توجه به مشکلات ياد شده و برای پر کردن خلاء موجود اقدام به طراحی و ساخت چند نوع PLC نموده اند. شرکت کنترونيک نمونه از اين سازنده هاست.

استفاده از PLC های Siemens امروزه در سرتاسر جهان مرسوم است اما به علت تحريم های اخير از سوی آلمان دسترسی به اين PLC به راحتی و ارزانی صورت نمی گيرد و از سوی ديگر به علت وجود برخی مشکلات PLC های کنترنيک و کيفيت پايين آنها متخصصان داخلی با مشکلات فراوانی روبرو شده اند.

چند نمونه:

فصل سوم : هوش مصنوعی در اتوماسیون صنعتی

اتوماسيون صنعتی چيست؟

همانگونه که مکانيزاسيون صنعت نياز به قدرت بدنی انسان را از بين برد، اتوماسين نياز کنترل و تفکر انسان را در توليدات صنعت مرتفع می کند. به عبارت ديگر اتوماسيون صنعتی همان شکل کاربردی هوش مصنوعی است.

اتوماسيون صنعت از طريق دستگاه های CNC و ربات های صنعتی انجام می شود. شايد سوالي که پيش می آيد اين باشد که تفاوت CNC ها با ربات های صنعتی چيست؟ پاسخ اين است که دستگاه های CNC امروزی نيز اکثرا هوشمند بوده و نوعی ربات صنعتی به شمار مي آيند اما تفاوت اسم گذاری آنها ناشی از نحوه برنامه ريزی و کاربرد شان است. برنامه ريزی دستگاه های CNC از طريق G-Code است که زبانی آشنا برای اهل صنعت بوده و اين دستگاه ها را عمومی تر می سازد اما ربات های صنعتی با برنامه های خاصی که بر روی PLC هايشان نصب است برنامه ريزی ميشوند که کاری تخصصی اما سفارشی تر است، از تکنولوژی بالاتری برای کنترل بهره می برند و از دقت بالاتری برخوردارند.

کاربرد ها در اتوماسيون

کاربرد CNC ها :

اين نوع ماشين های خودکار يکی از با سابقه ترين ماشين های مورد استفاده در صنعت مدرن است که در طول بحث به آن بارها پرداخته شد. CNC های هوشمند امروزی با قابليت تغيير ابزار امکانات زيادی را در اختيِار توليد کنندگان خرد و کلان قرار می دهد. CNC ها نسبت به ربات های صنعتی ماشين های عمومی تری بوده و از کارخانجات بزرگ گرفته تا کارگاه های کوچکتر کاربرد های فراوانی دارند. نقش اپراتور در کنار چنين سيستم هايي تنها برنامه ريزی و سرويس است.

CNC ها جديد کاملا خودکار عمل می کنند. در تعطيلات آخر هفته اين ماشين ها به کار ها ادامه می دهند و می توانند از طريق پيام کوتاه تلفن همراه با اپراتور در تماس باشند و گزارش کار خود را ارسال کنند. مثلا با تمام شدن مواد اوليه و يا شکستن ابزار، پيام کوتاهی برای اپراتور فرستاده می شود.

کاربرد ربات ها و بازو های رباتيک:

در زمينه تجهيزات اتوماسيون صنعتی شرکت های زيادی فعاليت دارند. در راه اندازی خطوط توليد به برخی ربات های خاص نياز است که بايد طبق سفارش ساخته شوند. اما برای کاربرد های عمومی تر اکثرا ربات هايي آماده توسط شرکت ها اتوماسويون صنعتی در بازار جهانی موجود است. شرکت های زياد ی در اين زمينه فعاليت می کنندکه در آن ميان می توان به شرکت های زير اشاره نمود:

KUKA Robotics:

يکی از پيشتازان عرصه توليد جهان در زمينه ربات های صنعتی و سيستم های اتوماسيون برای صنايع مختلف است. از اتومبيل سازی و ساختن فلزات تا مواد غذايي و پلاستيک. KUKA[1] در سال 1898 در آلمان پايه گذاری شد. ربات های صنعتی KUKA توسط شرکت های:

GM, Chrysler, Ford, Porsche, BMW, Audi, Mercedes-Benz, Volkswagen, Ferarri, Harley-Davidson, Boeing, Siemens, IKEA, Swarovski, Wal-Mart, Nestle, Budweiser and Coca-Cola

به کار گرفته می شود.

در سال 1973 اولين ربات اين شرکت با نام FAMULUS وارد بازار شد که اولين ربات شش محوره الکترومکانيکی بود.

ربات های KUKA بيشتر در کارخانجات به منظور جوشکاری، بلند کردن اجسام، بسته بندی و عملايات ديگر بکار می روند ام در بيمارستان ها برای عمل مغز و راديو گرافی نيز کاربرد دارند.

ربات kuka در صنایع ریختگری http://ie-usb.blogfa.com/post-12.aspx

[1] Keller und Knappich Augsburg

FANUC:

توليد کننده ای ژاپنی است که در زمينه رباتيک فعاليت می کند و يکی از بزرگترين سازندگان ربات های صنعتی در جهان به حساب می آيد. اين شرکت زير مجموعه ای از گروه فوروکاوا است.

تا قبل از سال 1972 در فوجيتسو ريشه داشت و در اين سال از اين شرکت جدا شده، موجوديت آن اعلام شد. در ميان مشتريان اين شرکت، بزرگترين توليد کنندگان ژاپنی نيز به چشم می خورند. احيانا Fanuc بيشتر از هر شرکت ژاپنی ديگر در توسعه وجهء ژاپن به عنوان توليد کننده لوازم با کيفيت و دقيق، موثر بوده. استفاده از ربات های صنعتی به شرکت هايي مانند پاناسونيک در آماگاساکی[1] اين اجازه را داده تا تنها با استفاده از پانزده نفر نيروی انسانی، کارخانجاتی را که قادر به توليد دو ميليون دستگاه تلوزيون در ماه باشند، اداره کنند.

[1] Amagasaki

تام ايران خودرو:

شرکتی ايرانی که در زمينه اتوماسيون صنعتی برای خطوط توليد ايران خودرو مشغول به کار است.

نمونه فعاليت:

طراحي و ايجاد بزرگترين خط رنگ خاورميانه در ايران‌خودرو با ظرفيت 45 دستگاه در ساعت براي رنگ‌آميزي خودروهاي پژو 405، پارس، 206 و سمند با مشاركت يک شركت خارجي و استفاده از سيستم‌هاي نوين رباتيك، اعلام و اطفاء حريق، انبارش مكانيزه و اتاق كنترل مركزي CCR.

در اين خط كه با ظرافت خاصي، آرايش تجهيزات آن در زميني محدود و در 5 طبقه صورت گرفته است، به طور همزمان قابليت رنگ‌آميزي 12 رنگ متاليك، 2 رنگ روغني، 4 رنگ آستر و 2 رنگ جلا وجود دارد.

در اين سيستم از فناوری MV[1] استفاده ميشود. به اين معنی که با قرار دادن دوربين ها متعدد در خط رنگ و آناليز های نرافزاری تصاوير بدست آمده، بدنه خودروی مورد نظر شناسايي شده و حرکات بازوهای رباتيک متناسب با هر دستگاه خودرو تغيير می کند. و با اين روش خودرو های سمند و پژو 405 و 206 ، بدون هيچ نظم خاصی رو خط قرار گرفته و با هم رنگ آميزی می شوند.

تست ها واندازه گيری ها[2]:

بطور کلی تست هايي که در صنعت انجام مي شوند به دو دسته آزمايشگاهی و کارگاهی تقسيم می شوند. تست های آزمايشگاهی يا قبل از توليد، در مرحله طراحی صورت می گيرند يا به صورت تصادفی از ميان توليدات قطعه ای انتخاب شده و در ضمن توليد تست هايي به عمل مي آيند. تست های کارگاهی اکثرا از نوع اندازه گيری هستند تا از صحت دستگاه های توليدی اطمينان حاصل شود. برای اين کار وسايلی با اندازه های دلخواه وجود دارد که با استفاده از آنها کارگران خط توليد به سرعت اندازه ها را چک مي کنند.

برای مثال، جهت تست کردن اندازه يک سوراخ، ميله ای طراحی مي شود که يک سر آن به اندازه تلرانس مجاز کوچکتر از سوراخ بوده و سر ديگر آن به اندازه تلرانس مجاز بزرگتر از سوراخ باشد. در اصطلاح به سر کوچک آن سر نرو و به سر بزرگتر آن، رو می گويند. بنابرين کارگر بايد دو سر ميله را در سوراخ فرو برد اگر سر کوچکتر نرود و يا بلعکس سر بزرگتر از سوراخ رد شود، سوراخ غير استاندارد بوده و قطعه مردود اعلام می شود. اين عمل علاوه بر دقت پايين، هزينه بر نيز می باشد زيرا توليد چنين Gauge هايي هزينه بر است.

در شرکت BMW به جای چنين عملی از راديوگرافی روباتيک استفاده می شود. به اين صورت که بجای تماس فيزيکی بازو های روبات مقابل بخش ها و سوراخ های مختلف قرار گرفته و با استفاده از اشعهX اندازه و در صورت لزوم ميزان دايروی بودن آن را چک می کند

[1] Machine Vision

[2] Gauging

فصل چهارم: هوش مصنوعی در شبیه سازی انسان

در ابتدای بحث اشاره کوتاهی به تست تورينگ کرديم و گفتيم به علت عدم وجود پايه های علمی و تکنولوزيکی در آن زمان شبيه سازی انسان بطور جدی پی گرفته نشد و دانشمندان به تحقيق و پژوهش در موردپايه های هوش مصنوعی زمان مشغول بودند. اما با پيشرفت تکنولوژی دانشمندان به اين مرحله از توانايي رسيدند که حداقل در راه گذر از تست تورينگ تلاش کنند. دستاوردهای بدست آمده در زمينه شبيه سازي حرکت انسان، ديدن[1] و درک الگوی[2] ماشين، درک زبان، تحليل صوت و همه و همه سعی شد تا دربرخی از ربات ها به صورتی يکجا جمع آوری شود.

ASIMO[3]:

تلاش ها در اين زمينه با کار بر روی اولين ربات انسان نما در سال 1986 با معرفی ربات Asimo ساخت کشور ژاپن در شرکت هندا، برای اولين بار ثمر بخش شد. و هر ساله تغييراتی بر روی آن اعمال گرديد. هم اکنون 46 ربات Asimo وجود دارد که توليد هر يک برای سازنده کمتر از يک ميليون دلار هزينه برمی دارد و هر واحد از اين ربات با 166000 دلار سالانه قابل اجاره است.

مشخصات فنی:

آسیمو همانگونه که از نام ASIMO بر مي آيد شهرت آن بيشتر به علت حرکت انسان گونه اش می باشد. بدنه اين ربات به شکل يک فضانورد طراحی شده و از فناوری های بسيار پيشرفته ای برای حرکت بهره می برد.

فناوری های مورد استفاده در Asimo:

شرکت هندا برای ارتباط راحت تر اين ربات با انسان، از فناوری های جديدی در اين ربات استفاده کرده که آنها را می توان در 5 دسته زير طبقه بندی کرد:

1-تشخيص اجسام متحرک:

با استفاده از اطلاعات تصويری که از دوربين تعبيه شده در سرش بدست مي رسد، Asimo توانايي تشخيص اجسام پيچيده، جهت و فاصله آنها را داراست. اين تکنولوژی ربات را قادر می سازد تا اجسام متحرک را با چشم خود دنبال کرده يا به دنبال فردی راه بيافتد و يا با نزديک شدن افراد به او از آنها استقبال نمايد.

2-درک حالت ايستادن و وضعيت چهره:

Asimo همچنين قادر به تفسير وضعيت سر و حالت چهره است. به همين سبب نه تنها با استفاده از فرمان های صوتی قابل هدايت است بلکه می تواند با استفاده از حرکات طبيعی انسان نيز دستور بگيرد. با استفاده از اين فناوری مي تواند بفهمد که کسی می خواهد با او دست بدهد و يا کسی برای او دست تکان می دهد و به طور مناسبی عکس العمل نشان دهد. همچنين می تواند اشارات را متوجه شود.

3-تشخيص محيط:

اين ربات قادر به درک اشيا و همچنين پيرامون آنهاست و اين سبب می شود تا عمل متناسب با شرايط را انتخاب کند تا نه به خود و نه به انسانهای اطراف صدمه ای نزند. برای مثال تشخيص خطرات بالقوه مانند راه پله ها و يا ايستادن و نگاه کردن برای اجتناب از بر خورد با انسانها.

4-تمايز قايل شدن بين اصوات:

ASIMO می تواند تمايزی بين حرف ها و اصوات ديگر قايل شود. به اين معنی که می تواند به اسم خود پاسخ داده، هنگامی که با او سخن می گويند متوجه شده با سخن گو رو در رو شود و يا برای مثال می تواند صداهای يکباره مانند افتادن اشيا و يا شکستن را تشخيص داده و به سمتشان برگردد. همچنين قادر به پاسخگويي به سوالالت به وسيله اشاره انگشت، حرکت سر و يا پاسخ صوتی است.

5-شناسايي چهره ای:

ASIMO می تواند چهره افراد را حتی هنگام حرکت خود و يا افراد ديگر تشخيص دهد. او به تنهايي می تواند حدودا 10 چهره متمايز را تشخيص داده و پس از ثبت با نام به آنها اشاره نمايد.

[1] Machine Vision

[2] Pattern Recognition

[3] Advanced Step in Innovative Mobility- با تلفظ ژاپنی “Ashimo” که در اين زبان معنای پا می دهد.

KISMET:

اين ربات در موسسه فناوری ماساچوست طراحی و ساخته شده. و تنها برای شبيه سازی فعاليت های اجتماعی و احساسات انسان است. اين ربات نيز توانايي تحليل محدود زبان طبيعی را داراست و همچنين می تواند حالات صورت فرد صحبت کننده را تشخيص دهد.

اگر با اين ربات با خشونت يا لحن سرزنش آميزی صحبت شود ناراحت می شود. همچنين می تواند عبارات مختلف را با حالت ها مختلفی مانند: خشم، تعجب، سوال، شادمانی، اندوه، عشق و غيره با استفاده از حرکت چشمان، مژه ها، ابروها، گوش ها، ولبان خود بيان کند.

سوالات رايج در زمينه AI

پرسش و پاسخ های زير برداشتی آزاد از مقاله جان مکارتی، دپارتمان علوم کامپيوتر دانشگاه استانفورد، در نوامبر 2007 است. اين مقاله بصورت پرسش و پاسخ می باشد.

آيا تعريف مشخصی از هوشمندی، جدا از رابطه آن با هوش انسان وجود دارد؟

-هنوز خير. تا کنون نتوانسته ايم مشخص کنيم چه برنامه های کامپيوتری را می خواهيم هوشمند بدانيم. برخی از مکانيزم ها هوشمندی را شناسايي کرده ايم و مابقی را خير.

آيا هوشمندی مفهومی مجرد است که برای مثال بتوان بطور مطلق گفت اين دستگاه هوشمند است يا خير؟

-خير. هوشمندی از مکانيزم هايي تشکيل شده و تحقيقات هوشمندی تنها قادر به کشف برخی از آنها بوده نه مابقی. اگر انجام وظيفه ای تنها به مکانيزم هايي که امروزه کشف شده اند نيازمند باشد، برنامه های کامپيوتری می توانند فعاليت های تاثير گذاری در آن زمينه انجام دهند. در اين صورت می توان گفت اين برنامه ها تا حدودی هوشمند هستند.

آيا در مورد هوشمندی انسان و ماشين مقايسه های ديگری نيز وجود دارد؟

-آرتور جنسن، يکي از پيشتازان تحقيق در مورد هوش انسان، در يک فرضيه خلاق، اينگونه عنوان می کند که هوش تمام انسان ها دارای سازوکار يکسانی است و تفاوت ها، ناشي از شرايط مختلف زيست-شيميايي و روانشناختی است. که عبارتند از: سرعت، حافظه کوتاه مدت و قابليت ايجاد خاطرات بلند مدت صحيح و قابل دست يابی.

چه جنسن در اين مورد درست گفته باشد و چه غلط، قضيه امروزه در مورد هوش مصنوعی برعکس است.

گرچه کامپيوتر ها مقادير زيادی حافظه و سرعت در اختيار دارند اما قابليت های آنها برابر همان مکانيزمی است که طراحان برنامه برای ايجاد يک برنامه به خوبی می فهمند. ولی مسئله بسيار سخت تر است زيرا علوم شناختی در اثبات دقيق توانايي های انسان هنوز موفق نشده اند.

هر گاه انسان ها از کامپيوتر کاری بهتر انجام دادند و يا کامپيوترها نيازمند محاسبات زيادی بودند تا به خوبی انسان ها کاری را انجام دهند اين اثباتی بر آن است که طراحان برنامه از فهم کمی در خصوص مکانيزم های هوشمند برخوردارند.

آيا هوش مصنوعی سعی بر انتقال ذهن انسان بر روی کامپيوتر دارد؟

-برخی از محققين می گويند که چنين هدفی دارند اما اين عبارت اغراق آميز به نظر ميرسد و من فکر نمی کنم کسی از روی جديت چنين حرفی بزند.

آيا هدف هوش مصنوعی رسيدن به سطح هوشمندی انسان است؟

-بله. تلاش نهايي برای ساختن برنامه هاييست که مي توانند مسائلی راحل کنند و در دنيای بيرون به اهدافی برسند که از انسانها انتظار می رود. اما با اين حال بسياری از افراد که در زمينه های مختلف تحقيقاتی فعالند، زياد خوش بين نيستند.

چقدر مانده که هوش مصنوعی به سطح هوشمندی انسان برسد؟ چه زمانی اين مطلب محقق می شود؟

-تعداد کمی هستند که معتقدند، رسيدن به اين سطح از هوشمندی با نوشتن برنامه بسيار بزرگ، که هم اکنون افراد مشغول نوشتن آنها هستند و ايجاد منابع علمی و مرتبط کردن آنها امکان پذير است.

با اين حال، محققين هوش مصنوعی معتقدند، ايده های اصولی ای نياز است و بنابراين پيش بينی زمان رسيدن به سطح هوش مندی انسان غير ممکن می نمايد.

آيا کامپيوترها نوع درستی از ماشين برای هوشمند سازی هستند؟

-کامپيوترها قادر به شبيه سازی هر نوع ماشينی هستند.

بسياری از محققين تلاش کردند تا ماشين های غير کامپيوتری بسازند، به اين اميد که به صورت متفاوتی نسبت به برنامه هاي کامپيوتری هوش مند باشند. با اين حال آنها ماشين های اختراعی خود را بر کامپيوتر ها طراحی می کنند و نهايتا شک می کنند که آيا ساختن چنين ماشينی می ارزد يا خير. به دليل اينکه ميليارد ها دلار صرف هر چه سريع تر کردن کامپيوتر ها شده، نوع ديگر ماشين بايد بسيار سريع تر باشد تا بهتر از برنامه های کامپيوتری عمل نمايد.

آيا کامپيوتر ها به اندازه کافی برای هوشمند بودن سريع هستند؟

-برخی افراد بر اين باورند که سرعت بالای کامپيوتر ها از همان درجه اهميت برخوردار است که ائيده های جديد در اين زمينه به کار می آيد. عقيده شخصی من اين است که کامپيوتر های 30 سال پيش به اندازه کافی برای هوشمندی سريع بودند، اگر می دانستيم که چگونه آنها را برنامه ريزی کنيم. البته گرچه اين از آرزوهای محققين در زمينه هوش مصنوعی نيست اما کامپيوتر ها هر روز سريع و سريع تر می شوند.

در مورد ائيده ساختن يک ماشين کودک که می تواند بخواند و از تجربه بياموزد چه نظری داريد؟

-اين ائيده از سال 1940 بار ها مطرح شده. بلاخره چنين چيزی برای کار کردن ساخته خواهد شد. با اين حال هنوز به آن اندازه که يک کودک با استفاده از تجارب فيزيکی مي آموزد، برنامه های کامپيوتری هوشمند نيستند.

آيا کامپيوتر می تواند با تفکر درمورد هوش مصنوعی، سطح هوشمندی خود را بالاتر و بالاتر ببرد؟

-به نظر ممکن می رسد، اما هوش مصنوعی هنوز به سطحی نرسيده که چنين فرايندی آغاز شود.

منابع:

فارسی:

هوش مصنوعی رهيافتی نوين. مولف : راسل و نورويگ

هوش مصنوعی

PLC انتشارات کتاب نارنجی

www.tam.co.ir

www.halata.ir

لاتین:

www.wikipedia.com

www.robothalloffame.com