←
とき@engineer15,268 posts
とき@engineer avatar

とき@engineer

@toki_engineer

FA業界のエンジニア ▶️専門:メカトロニクス / 制御設計 / マシンビジョン / 機械学習 ▶️開発環境:C++ / C# / Python / PLC / 組込みLinux

◷ Joined August 2020▧ 724 Photos and videos
とき@engineer avatar
とき@engineer@toki_engineer·11 Jun 2023

以前ツイートした「製造業における制御設計の設計工程を見直そう」という内容を、noteにまとめました。機械設計はFMEAやDRFBMといった設計フェーズでの実践手法について書かれたサイトが多いのですが、制御設計も設計フェーズに重きを置くことの重要性は同じです。 note.com/toki_engineer/n/n7c…

とき@engineer avatar
とき@engineer@toki_engineer·2h

展示会で、出展社に上から目線でタメ口で話してくるオッサンは、コンビニや居酒屋店員に偉そうな態度を取る残念な奴と同等だと思ってる。そして、同じくらいに軽蔑してる。

とき@engineer avatar
とき@engineer@toki_engineer·2h

もう全てEtherCATでいいんじゃないかと私は思ってる。

Post attachment

モーションはEtherCAT、それ以外はEtherNet/IPみたいな構成がベストだと思ってたけど、通信量デカいやつはEIPでそれ以外EtherCATでいいんじゃないかと思う最近。

とき@engineer avatar
とき@engineer@toki_engineer·2h

最近、製造業コンサルから、ヒューマノイドやフィジカルAIに関するコンサル依頼がめちゃめちゃ増えてる。

とき@engineer avatar
とき@engineer@toki_engineer·Nov 18

ほんとその通りで、自分で手を動かすと腑に落ちる。 私も昔、多層パーセプトロンの順伝播や逆伝播、損失計算、重みの更新を自分で書いてた。今は自分でモデルを作らなくなったが、でもこの時の「手触り感」は、今もAIを使っているときに役立ってる。

AIの仕組みを理解している人はきっと強い。 ・なぜAIは学習できるのか ・なぜ間違えるのか ・なぜその答えになるのか 数式ではなく、Excelを動かしながら体感します。 AIのブラックボックスを、自分の手で開けてみませんか。 オンライン/会場 板橋区民でなくても受講可能

とき@engineer avatar
とき@engineer@toki_engineer·Nov 17

設計の数字は根拠ごと残せ。残さなければ答え合わせもできないし、そもそも自身の技術力も上がらない。なかにはエイヤーで決めることもある。でもそのエイヤーにも判断の理由があったはずだ。それを残せ。

とき@engineer avatar
とき@engineer@toki_engineer·Nov 16

以上。 どの方式でも流れは共通してる。 「仕様・I/O割付・マニュアルを入力」 → 「生成」 → 「検査」 → 「開発ソフトに取り込み」 → 「変換」 → 「動作確認」 大事なのは、「ラダーとして開ける」「コンパイルが通る」「仕様どおり動く」は別々の確認だということ。直列にすべき接点を並列にしても、ラダーとして成立し、コンパイルも通る。この誤りを見つけるには、人によるレビュー、形式検証、入力を振って期待する出力と照合するテストが必要だな。 三菱電機も、生成AIの出力をそのまま装置に書き込むのではなく、生成と修正を繰り返す使い方を想定していると説明してるし。 最後に、 ラダー生成が難しいのは「グラフィカル言語だから」というより、「AIに合うテキスト表現と学習データがまだ整っていないから」だと思った。

とき@engineer avatar
とき@engineer@toki_engineer·Nov 16

■番外:STを生成して、ラダーは表示だけ オープンソースのSemaPLCは、自然文からSTを生成し、コンパイルしてOpenPLCで実行・動作検証したうえで、結果をラダー図としても表示する。 PLCが実行するのはSTで、ラダーは見るためだけのもの。ラダーエディタで編集できるラダープログラムが欲しい場合は、ラダー形式のデータを別に作る必要がある。

とき@engineer avatar
とき@engineer@toki_engineer·Nov 16

■方式D:回路の構造だけを書かせ、変換プログラムがラダーにする AIには「どの素子がどこにつながるか」(ノードとエッジ)だけをJSONなどで出力させる。ANB・ORBのような命令の選択や、図の配置は変換プログラムが受け持つ。 【手順】 1. 素子と接続の書き方をスキーマで決める 2. AIがノードとエッジを出力する 3. 変換プログラムが回路として成立するか検査する(開回路、コイルの重複など) 4. 変換プログラムがニーモニックやファイル形式と、必要なIDや座標を作る 5. 開発ソフトに取り込む AIは論理を組むことに集中でき、形式ごとの細かい書き方は機械的に処理できる。代わりに、変換プログラムを自前で作る手間が掛かる。AIが構造化された引数で外部ツールを呼び出し、ツール側が回路を組み立てる構成も、この方式の一種。

とき@engineer avatar
とき@engineer@toki_engineer·Nov 16

■方式C:開発ソフトのファイル形式をそのまま書かせる SiemensのSimaticML、RockwellのL5Xなど、開発ソフトがインポートできるファイルを、AIに直接書かせる方式。 【手順】 1. ファイルの書式、命令、ブロックの定義をプロンプトに入れる(またはモデルに学習させる) 2. AIが形式に沿ってネットワーク、命令、参照するタグなどを出力する 3. スキーマで検査し、後処理で接続やタグ参照を修正する 4. 開発ソフトにインポートする 中身は形式によってかなり違う。L5Xは段の中身をNeutral Textのまま格納するので、座標は不要。SimaticMLは部品と配線の接続をXMLで表す。研究で使われたXMLには、素子ごとに座標を持たせるものもある。

とき@engineer avatar
とき@engineer@toki_engineer·Nov 16

■方式B:ラダー1段分のテキスト記法を書かせる 開発ソフトが公式に持っている「ラダー1段をテキストで書く記法」をAIに出させる方式。代表例はRockwellのNeutral Text。 [XIC(Start) ,XIC(Motor) ]XIO(Stop)OTE(Motor); 【手順】 1. プロジェクトのタグ一覧をプロンプトに入れる(タグは事前に存在している必要がある) 2. AIが1段ごとにテキストを出力する 3. 構文と参照タグを検査する 4. Studio 5000のラダーエディタに貼り付けると、その段がラダーになる 分岐を括弧の入れ子で書けるので、方式Aのような命令の順番の問題が起きにくいと思う。テキストなのでGitで差分も取れるな。

とき@engineer avatar
とき@engineer@toki_engineer·Nov 16

■方式A:ニーモニックを書かせる 国産PLCでおなじみの命令の列をAIに出させる方式。 命令の並びから、接点の直列・並列やコイルへの接続を復元できる。 LD X0 OR Y0 ANI X1 OUT Y0 【手順】 1. 使えるデバイスと命令の一覧をプロンプトに入れる 2. AIが命令リストを出力する 3. CSVなど、開発ソフトが読める形式に整えて取り込む 4. 開発ソフトがラダー図として表示し、変換(コンパイル)で確定する 5. エラーが出たらAIに直させる 取り込みは簡単。ただ、回路が複雑になると、ANB・ORB(回路ブロック同士の直列・並列接続)や、MPS・MRD・MPP(分岐点の演算結果の記憶・読み出し・消去)を正しい順に並べる必要があるな。AIに直接書かせると、ここでつまずきやすいと思う。

とき@engineer avatar
とき@engineer@toki_engineer·Nov 16

生成AIでPLCのラダーを作る手順は色々あると思うが、だいたいこんな感じか。 因みに、生成AIはラダー図を画像として描いているわけではなく、命令の列やテキスト記法、回路の構造データを出力し、開発ソフトや変換プログラムがそれを編集できるラダーにしてる。 公開資料と論文から追える生成手順は、AIに何を出させるかで大きく4つの方式に分かれる。以降のリプライに、方式ごとにまとめてみた。 ※例は全て自己保持回路(X0:起動、X1:停止、Y0:出力) 個人的には方式Dが1番良さそう。生成精度が高いという理由ではなく、変換の再現性と検証のしやすさから、そう思った。

とき@engineer avatar
とき@engineer@toki_engineer·Nov 16

FAの世界でも、AIで設計するのが当たり前になるだろうから、そうなると私も含めた99%の凡人エンジニアはどこで他人と差を付けるかというと、現場力と営業力になるはず。1~2年後、このポストの答え合わせを自分自身でしたいと思ってる。

FA設備の設計も、AIで構想を練り、機械設計からPLCプログラムの実装まで任せられる時代に早くなって欲しい。 じゃあエンジニアは何をするのかっていうと、浮いた時間で現場に入り込み、そこでしか得られない知見や、新たな改善の種を見つける。 あとは営業。エンジニアこそ営業をした方がいい。顧客の課題を直接聞き出し、技術的な解決策を提案する。そこで活きてくるのが、上述した「現場に足を運んで蓄積した知見」になる。 AIで設計できることが当たり前になれば、設計能力だけでは差別化しにくくなる。 「AIはまだまだ設計には使えない」と突き放すのではなく、不完全さも理解した上で、任せられるところから任せればいい。AIの進化とともに(と言ってもほんのすぐ先)、任せられる範囲も急速に広がっていく。「フン! AIはまだまだだな」と言って拒否ってたら、置いてかれっぞ。 だからこそ、これからのエンジニアは、現場を知り、顧客と直接向き合うことに、もっと時間を使った方がいい。 AI時代におけるエンジニアの競争力、そして他のエンジニアとの差別化は、こうしたところに生まれると思ってる。

とき@engineer avatar
とき@engineer@toki_engineer·Nov 16

【アンソロピックが見た日本のAI 世界32位、職場への普及に本腰を】 リスクを警戒しすぎだな。 nikkei.com/article/DGXZQOCD1…

とき@engineer avatar
とき@engineer@toki_engineer·Nov 15

文章を読めない人が意外と多いので面倒くさいなぁ。文章が読めないだけなら、ひょっとしたらこちらの伝え方が悪かったかもしれない。しかし、書いてないことまで脳内補完して勝手に脱線する奴が多過ぎるぞ。