Ladder Logic Translation using Large Language Models in Industrial Automation
تقدم هذه الورقة مساراً هندسياً دقيقاً يستفيد من النماذج اللغوية الكبيرة، واستخراج ملفات XML، وواجهة برمجة تطبيقات TIA Portal Openness لترجمة برامج منطق السلم (Ladder Logic) الخاصة بـ Rockwell تلقائياً إلى كود Siemens S7، مما يعالج بفعالية مشكلة الارتباط بالمورد عبر ضمان اتساق دلالي عالٍ عبر فئات التعليمات البرمجية.
البحث الأصلي مرخَّص بموجب CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). هذا شرح مولَّده بالذكاء الاصطناعي للبحث أدناه. لم يكتبه المؤلفون ولم يصادقوا عليه. وللتحقق من الدقة التقنية، يرجى الرجوع إلى البحث الأصلي. اقرأ إخلاء المسؤولية الكامل
تخيل أنك تحاول نقل نظام تحكم في مصنع من علامة تجارية لروبوت إلى علامة تجارية أخرى. الأمر يشبه محاولة ترجمة وصفة مكتوبة بالفرنسية (أنظمة Rockwell PLC) إلى وصفة مكتوبة بالألمانية (أنظمة Siemens PLC). على الرغم من أن كلتا الوصفتين مخصصتان لنفس الطبق، إلا أن المكونات مدرجة بشكل مختلف، وخطوات الطهي تستخدم مصطلحات مختلفة، وأدوات المطبخ لا تتطابق تماماً.
تقدم هذه الورقة البحثية طريقة جديدة لحل مشكلة الترجمة هذه باستخدام النماذج اللغوية الكبيرة (LLMs)—وهي نفس نوع الذكاء الاصطناي الذكي الذي يمكنه كتابة القصص أو الأكواد البرمجية. إليك تفصيل نهجهم، باستخدام تشبيهات بسيطة:
المشكلة: لغتان مختلفتان
في مجال الأتمتة الصناعية، تستخدم الشركات المختلفة (مثل Rockwell و Siemens) "لهجاتها" الخاصة لبرمجة الآلات. وعلى الرغم من أن كلاهما يتبع نفس القواعد الدولية العامة (IEC 61131-3)، إلا أن تعليماتهما المحددة لا تتطابق تماماً.
- الطريقة القديمة: حاولت الأدوات السابقة الترجمة باستخدام قاموس ثابت (على سبيل المثال: "الكلمة أ بالفرنسية تساوي دائماً الكلمة ب بالألمانية"). وغالباً ما فشلت هذه الطريقة عندما تصبح الجمل معقدة، مثل التعليمات المتداخلة أو فروع المنطق المعقدة، مما يتطلب من البشر إصلاح الأخطاء يدوياً.
- الطريقة الجديدة: استخدم المؤلفون ذكاءً اصطناعياً لا يكتفي بالبحث عن الكلمات فحسب؛ بل يفهم السياق وبنية التعليمات، تماماً كما يفهم المترجم البشري تدفق القصة.
الحل: خط تجميع مكون من ثلاث مراحل
بنى المؤلفون مسار عمل (خط تجميع مؤتمت) لترجمة الكود من تنسيق Rockwell (المعروف بـ L5X) إلى تنسيق Siemens (المعروف بـ SimaticXML). فكر في الأمر كخط إنتاج مكون من ثلاث مراحل:
- المرحلة الأولى: المترجم (استخراج XML والتوحيد القياسي)
أولاً، يقرأ النظام كود Rockwell الأصلي. هو لا يقوم بمجرد النسخ واللصق؛ بل يفكك الكود إلى قائمة نظيفة ومنظمة من الأجزاء (تمثيل وسيط أو IR).
- التشبيه: تخيل أنك تأخذ مجموعة فوضوية من قطع الليغو من مجموعة واحدة، وتقوم بفرزها حسب اللون والشكل، ثم تبني منها مخططاً هندسياً مرتباً ومعيارياً قبل محاولة إعادة بنائها باستخدام مجموعة قطع مختلفة.
- المرحلة الثانية: المهندس المعماري الذكي (النموذج اللغوي الكبير - LLM)
هذا هو عقل العملية. ينظر الذكاء الاصطناي إلى المخطط المنظم ويبدأ في كتابة الكود الجديد لنظام Siemens.
- الحواجز الوقائية: لمنع الذكاء الاصطناعي من "الهلوسة" أو اختراع قواعد جديدة، زود به الباحثون بـ "حواجز وقائية" صارمة. لقد غدّوه بكتاب قواعد Siemens الرسمي (المخطط/Schema) والنماذج الجاهزة (Templates).
- التشبيه: الأمر يشبه إعطاء كاتب مخططاً صارماً ودليل أسلوب محدد. يمكنه كتابة القصة، لكن يجب عليه استخدام عناوين فصول محددة ولا يمكنه اختراع أنواع جديدة من علامات الترقيم.
- التحقق المزدوج: بعد أن يكتب الذكاء الاصطناعي قطعة من الكود، فإنه يكتب أيضاً شرحاً باللغة الإنجليزية البسيطة لما يفعله هذا الكود. ثم يتحقق النظام مما إذا كان الكود والشرح متطابقين (باستخدام اختبار رياضي يسمى "تشابه جيب التمام" أو cosine similarity). إذا لم يتطابقا، يرفض النظام تلك القطعة من الكود.
- المرحلة الثالثة: مراقبة الجودة (المعالجة اللاحقة الحتمية)
أخيراً، تقوم مجموعة من القواعد الصارمة (غير المعتمدة على الذكاء الاصطناعي) بإصلاح أي أخطاء هيكلية صغيرة قد يكون الذكاء الاصطناي قد أغفلها، مما يضمن أن الملف النهائي مثالي وجاهز للاستيراد في برنامج Siemens.
النتائج: ما مدى نجاح ذلك؟
اختبر الفريق هذا النظام على نوع محدد من البرامج يسمى "سجل الإزاحة" (shift register) (يُستخدم لنقل البيانات أو العناصر على طول الخط). إليكم كيف كان أداؤهم:
- الصورة الكبيرة: نجحوا في ترجمة 90.6% من البرنامج بأكمله بشكل صحيح.
- الدرجات الكاملة: حقق النظام دقة بنسبة 100% في الهيكل عالي المستوى (تنظيم المهام، البرامج، والروتينات). لقد عرف تماماً كيفية تنظيم "فصول" الكود الجديد.
- الأداء القوي: قدم أداءً جيداً جداً في العمليات الحسابية (92.7%) وفي التعامل مع أسماء المتغيرات (91.2%).
- نقطة الضعف: واجه النظام بعض الصعوبة في "المنطق المتفرع" المعقد (مثل "إذا حدث هذا، افعل X، ولكن إذا حدث ذاك، افعل Y"). حيث حقق نسبة 85.4% تقريباً هنا.
- لماذا؟ الكود الأصلي يخفي بعض "المنعطفات" في المنطق، ويضطر الذكاء الاصطناي أحياناً للتخمين لكيفية إعادة بناءها في التنسيق الجديد.
الخلاصة
يزعم البحث أنه من خلال استخدام ذكاء اصطناعي موجه بقواعد صارمة ويتم التحقق منه مقابل شروحاته الخاصة، يمكننا ترجمة كود الآلات الصناعية تلقائياً بين مختلف الموردين بدقة عالية. ورغم أن النظام ليس مثالياً بعد (خاصة في التفرع المعقد)، إلا أنه يثبت أن نهج "الذكاء الاصطناعي + القواعد الصارمة" هو وسيلة قابلة للتطبيق لمنع المصانع من الارتباط بعلامة تجارية واحدة من المعدات.
ملاحظة: يذكر المؤلفون أن هذا العمل هو عملية تحقق من بنيتهم الهيكلية على حالة اختبار محددة. وهم لا يدعون أنه جاهز لكل السيناريوهات الصناعية الممكنة بعد، كما أنهم لا يناقشون الاستخدامات السريرية أو الطبية.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.