ИИ пришёл в ПЛК: инженерные ассистенты учатся читать проекты
Инструменты с ИИ уже помогают не только писать код на Python или JavaScript, но и разбираться с программами для ПЛК. Пока это скорее умные помощники для анализа, генерации и проверки логики, чем полная замена инженера.
Что изменилось в программировании ПЛК
Ещё недавно эксперименты с ИИ для ПЛК выглядели как любопытный тест: модель могла объяснить фрагмент кода или набросать заготовку, но до реальной инженерной работы ей часто не хватало точности и контекста. Автор статьи вспоминает ранние попытки, когда ChatGPT просили написать ПИД-регулятор на ST, логику с задержкой и блок для передачи строки по TCP/IP в TwinCAT.
Главная проблема была не в синтаксисе. Программа ПЛК живёт внутри большого проекта: там есть типы данных, библиотеки оборудования, задачи, блокировки, связь с HMI и циклическое выполнение. Поэтому недостаточно просто сгенерировать похожий код — нужно ещё понять, как он поведёт себя в общей системе.
Какие функции уже появились у ассистентов
Сейчас на рынке стало заметно больше специализированных решений. Одни инструменты читают PLC-проекты и объясняют логику, другие помогают искать связи между тегами и блоками, третьи генерируют код на ST или переводят его между ST и Ladder. Есть и более продвинутые варианты, которые подключаются к инженерной среде, вносят изменения в проект, запускают компиляцию и потом пытаются исправить найденные ошибки.
В статье отдельно выделяют PLC Copilot. Изначально он работал с проектами Rockwell Automation в Studio 5000 и был больше похож на помощника для разбора уже написанной программы: загрузить проект, задать вопрос, получить пояснение. Позже разработчики заявили поддержку других сред, в том числе Siemens TIA Portal и AutomationDirect Productivity Suite, а также генерацию кода и расширенную работу с проектом.
Почему это пока не волшебная кнопка
Авторы таких систем всё чаще называют их агентами, а не просто ассистентами. Разница в том, что агент может не только объяснить, но и пройти цепочку действий: прочитать проект, изменить блок, собрать его и попробовать исправить ошибки по результатам компиляции.
Но даже это не снимает всех рисков. Успешная сборка ещё не гарантирует, что насос, конвейер или другая установка будут работать как надо. Поэтому инженерам по-прежнему нужно проверять результаты, смотреть на контекст проекта и не полагаться на ИИ вслепую. Зато для ежедневной рутины такие инструменты уже полезны: они ускоряют разбор чужих проектов, помогают с документацией и могут подсказать, как быстрее добраться до рабочей версии логики.