«АСУ ТП повторяет путь IT с опозданием в 20 лет»: Вадим Подольный об ИИ, виртуальных ПЛК и открытых протоколах
Генеративный ИИ уже пишет код, рисует интерфейсы и проверяет проекты. Только в промышленной автоматизации он всё ещё кажется экзотикой. Мы поговорили с одним из самых заметных экспертов отрасли о том, что из этого реальность, что маркетинг и к чему готовиться вендорам, интеграторам и заказчикам.
Вадим Подольный — технический директор и совладелец АО «Лаборатория технологий автоматизации» (ЛТА), разработчика SCADA-системы «Лацерта». Руководитель комитета промышленной автоматизации АРПП «Отечественный софт». Выпускник НИЯУ МИФИ, физик-ядерщик, много лет занимался АСУ ТП в атомной отрасли. Автор книги «Архитектура высоконагруженных систем», ведёт авторский курс в Университете Иннополис.
Беседу вёл Николай Ковалев — ведущий архитектор ИТ-решений ООО «СкадаСистемы».
«Через десять лет всё решит знание ИИ»
— Вадим, давайте начнём с общего взгляда. Насколько вообще уместен разговор об ИИ в АСУ ТП?
— Начать надо с того, что АСУ ТП в этом десятилетии исполняется примерно 50 лет. Корни у неё в тепловой автоматике. На атомных станциях подразделение, которое обслуживает АСУ ТП, до сих пор называется цехом ТАИ — тепловой автоматики и измерений.
Отрасль принято считать консервативной. Но консерватизм здесь рождается не технологиями, а людьми. Он идёт с двух сторон. Заказчику не хочется ничего менять, потому что это деньги. Исполнителю удобно работать так, как он привык. И в этом они прекрасно сходятся.
Только реальность скоро изменит правила. Через десять лет руководители, которые не разбираются в технологиях ИИ, рискуют остаться без работы. То же касается разработчиков: если команда не перейдёт на новые инструменты, ей просто не найдётся места на рынке.
Взгляд вендора
«ИИ в АСУ ТП давно есть, просто не тот, о котором все говорят»
— Зарубежные вендоры заявляют, что в их средах разработки появился ассистент. Он не просто подсказывает, а понимает задачу, пишет код, разрабатывает HMI. В отечественных средах разработки ничего подобного пока нет. Почему?
— Сначала разделим искусственный интеллект на две части: LLM, то есть большие языковые модели, и всё остальное. Это «всё остальное», прежде всего машинное обучение, в АСУ ТП применяется давно и очень широко. Оно есть в SCADA-системах, в контроллерах, в системах предиктивной аналитики, поддержки принятия решений и в предиктивном управлении (APC, Advanced Process Control).
Типовые задачи машинного обучения такие:
- подготовка данных. Сюда входит ресемплирование: восстановление данных с неверными временными метками, очистка, сжатие архивов с сохранением экстремумов, нормализация для обучения моделей;
- прогнозирование трендов, процессов;
- ускорение физических моделей. Это самое интересное направление.
Возьмём ядерный реактор. Его описывают пять моделей: нейтронно-кинетическая, теплофизическая, химическая, радиохимическая и прочностная. Каждая очень сложна в расчёте: нейтронную кинетику считают методом Монте-Карло, остальное — методом конечных элементов. Теперь модели машинного обучения могут аппроксимировать эти расчёты настолько, что их можно использовать в реальном времени. На длинной дистанции точность падает. Но оператору, который выполняет манёвр прямо сейчас, нужен прогноз на секунды и минуты вперёд, и для этого упрощённой модели более чем достаточно.
Это дивный новый мир. Те, кто перестроился, получают отличные результаты. Причём речь не только о «советчике». Это реальные алгоритмы в современных распределённых системах управления. На типовых установках НПЗ системы APC работают практически автономно: оператор только задаёт режим.
«Не стоит верить вендорским анонсам на слово»
— И всё же: почему в отечественных IDE до сих пор нет ИИ-помощников?
— К громким анонсам я бы относился сдержанно. Прежде чем ориентироваться на заявления зарубежных вендоров, такие инструменты стоит проверять на практике, руками. К тому же у крупного вендора тяжёлая разработка и обязательства перед огромным числом заказчиков: свернуть с курса ему сложно. Небольшие российские продукты как раз могут срезать угол и двигаться быстрее.
Сами мы при разработке «Лацерты» LLM активно используем, в первую очередь для проверки гипотез: «как бы ты реализовал такой алгоритм?». Недавно за несколько дней собрали толстый клиент для многомониторной работы, раньше у нас был только веб-клиент. Разработку это заметно ускоряет.
Но пользоваться ИИ в разработке и встроить его в инструмент для пользователя — разные задачи. Сейчас мы сделали собственный векторный графический редактор и планируем обучить небольшую лёгкую модель генерировать элементы мнемосхем. Речь не о целых мнемосхемах, а о насосах, клапанах и других типовых элементах. К таким задачам уже подступались и раньше: например, была задача автоматически строить схемы трубных маршрутов по известным трассам, но инструменты тогда были незрелые и задачу не довели до конца. Сейчас технологии созрели, и главное — созрело понимание, как это делать.
— Что сдерживает развитие?
— Деньги и заказчики. Нужны инвестиции и заказчики, которые формулируют задачи. А у нас часть заказчиков ждёт возвращения западных вендоров. Другая часть разрабатывает собственные SCADA внутри корпораций, часто за бюджетные деньги, и такие системы потом нигде, кроме самой корпорации, не используются. Профильные разработчики недополучают заказы, а значит, и ресурсы на развитие. Об этом мы говорим и на уровне правительства: не стоит создавать за государственный счёт системы, которые нигде, кроме одной корпорации, применяться не будут.
Почему «Лацерта» выбрала Lua, а не ST
— Языковые модели, которые пишут код, развиваются стремительно, и мы это учитываем в архитектуре. Для описания сложных сценариев мы сознательно выбрали язык Lua, а не привычный автоматчикам ST. Причина простая: современная языковая модель переводит код с ST на Lua в один клик. Открываешь чат с моделью, просишь преобразовать код и вставляешь результат в систему. А Lua современнее, быстрее, у него отличные компиляторы, и он универсален с точки зрения технологий.
Следующий шаг — встроить такую модель в саму SCADA, чтобы пользователь загружал ST, а система сама получала Lua. Тот же инструмент появится в распределённой системе управления, которую мы сейчас разрабатываем.
Взгляд системного интегратора
«ИИ напишет скрипт в вашем стиле»
— Какие ИИ-инструменты помогли бы интегратору делать прикладные проекты быстрее и качественнее?
— Прежде всего написание скриптов. Обычная языковая модель пишет код так, как считает нужным. Если подключить к ней базу ваших проектов (для этого есть технология RAG), она напишет скрипт в вашем стиле, по вашим правилам.
Это открывает и другие сценарии. Можно сказать модели: «Возьми мой проект, просмотри целиком, сделай ревью и покажи слабые места». Или: «Сделай вот этот узел так же, как в моём проекте, и добавь функции». Важно, что это ещё не дообучение. Дообучение — это когда вы скачиваете открытую модель и тренируете её сами. Для большинства задач это пока нецелесообразно.
— А будущее за большими языковыми моделями или за классическим машинным обучением?
— За обоими. У ИИ вообще три опоры: нейронные сети, нечёткая логика и генетические алгоритмы. Нечёткая логика в АСУ ТП используется давно, контроллеров с fuzzy logic огромное количество. Она хорошо сочетается с ML: помогает снизить точность инференса, уменьшить модель и ускорить её работу. Генетические алгоритмы применяются больше в других отраслях, но своё место здесь тоже находят.
Классическое ML будет отвечать за алгоритмы, оптимизацию и аппроксимацию. LLM — за скрипты, мнемосхемы и понимание проекта. Уже сейчас идут попытки научить нейросети рисовать SVG и тренировать их на мнемосхемах, мы этим активно занимаемся.
Скорость против контроля
— Что это даст интегратору в итоге?
— Ускорение проектов. Значит, можно предложить более низкую цену, выиграть заказ и сделать его быстрее. Но у медали есть обратная сторона: вы теряете контроль. Вы не знаете наверняка, какой алгоритм напишет модель и нет ли в нём ошибки. Поэтому на первый план выходят верификация и тестирование. На разработке вы сэкономили, но на тестировании потратите больше.
— Поможет ли ИИ привлечь в отрасль молодёжь? Принято считать, что АСУ ТП для неё слишком консервативна.
— Мантру про консервативность пора прекращать. Профессия есть профессия. Кому-то не нравится программировать на LD в холодном цеху, но это часть работы, как в любой специальности.
Важнее другое: изменилась сама концепция автоматизации. 50 лет назад она строилась на том, что сети плохие, поэтому логику размещали в контроллере у объекта. Сегодня сети быстрые и надёжные. Логику можно поднять на уровень серверов, а внизу оставить только удалённый ввод-вывод (Remote I/O). Серверы синхронизируются между собой, и при отказе одного расчёт продолжат другие. Современные распределённые системы очень надёжны. Именно так мы развиваем «Лацерту» в связке с РСУ. Главное — следить за джиттером в сети.
Взгляд заказчика
«Виртуальный ПЛК — это просто модное слово»
— Представьте, что вы директор металлургического комбината. Виртуальные ПЛК — то, что стоит внедрять в первую очередь?
— Давайте разберёмся, зачем вообще нужен виртуальный ПЛК. Когда вы отказываетесь от «железного» контроллера, из него нужно перенести алгоритм. Чтобы не переписывать логику, на сервере создают модель старого ПЛК и загружают в неё ту же программу. Это переходный инструмент для миграции.
Если же вы пишете алгоритм заново, виртуальный ПЛК не нужен. На сервере могут работать сотни скриптов, и каждый отвечает за свои вычисления: «прочитай каналы 125, 128 и 135, посчитай, запиши результат в канал 234». Это не имитация ПЛК, а просто серверная логика. В «Лацерте» есть оба варианта. Скрипты бывают синхронные, то есть циклические, реального времени, и реактивные, по событию. При большом потоке событий реактивная модель может перегрузить систему, и тогда возвращаются к синхронной.
Поэтому я считаю термин неудачным. По сути мы переходим к Remote I/O и серверной логике. Виртуальный ПЛК стал модным, потому что автоматчики открыли для себя виртуализацию.
— Так можно перенести любую систему?
— Конечно, нет. Аппаратуру контроля нейтронного потока, которая решает, когда сбрасывать стержни в реактор, на сервер никто не перенесёт. Как и контроллер аварийного управления задвижками на удалённом участке газопровода. Но на современном заводе с хорошими сетями перенос логики на Remote I/O — уже обычная практика. Никаких принципиальных задержек там нет: даже оптика даёт скорость, достаточную для управления процессом.
Есть и ограничение для российского рынка: без контроллеров удалённого ввода-вывода никакой серверной логики не будет, а у нас их почти не выпускают. Ближайший аналог — кроссовые шкафы, которые подключают датчики и исполнительные механизмы к контроллеру по цифровой шине.
Открытая АСУ ТП: свобода выбора вместо привязки к вендору
— Сейчас много говорят об открытых АСУ ТП (OPAS). Что это даст предприятиям?
— Ключевое здесь — открытые протоколы. Когда я занимался интеграцией на атомных объектах, каждый поставщик подсистемы приносил свой шкаф со своей SCADA и своими контроллерами. С одними можно было связаться по открытому протоколу, с другими — нет. Приходилось просить поставщиков: делайте на открытых протоколах, а лучше на том, что мы вам дадим.
Сегодня правильные отраслевые стандарты меняют ситуацию. В электроэнергетике уже требуют поддержку IEC 61850 и CIM-модели: если вы не умеете отдавать по ним данные, в отрасль вас не пустят. И это правильно, потому что все хотят перестать тратить деньги на сопряжение.
Результат — снижение стоимости. Если контроллеры разных производителей работают по OPC UA, MQTT или IEC 61850, вы больше не привязаны к одному вендору. Сгорело оборудование — меняете его на любое совместимое и выбираете по цене, наличию на складе, срокам поставки, отношениям с поставщиком. Вендоры начинают конкурировать и снижают цены. Раньше было иначе: если на крупный НПЗ зашёл один зарубежный вендор, ничего другого туда уже не поставить. Теперь рынок вынудит работать по открытым протоколам всех.
Это ровно то, что 20 лет назад случилось с серверами. Сегодня в мире серверов доминирует Linux, и Microsoft пришлось под это подстраиваться. Виртуальные ПЛК, открытые АСУ ТП — всё это повторение того, что IT-рынок прошёл два десятилетия назад. Просто волна докатилась до АСУ ТП.
Индустрия 5.0: революция, которую не заметили
— Об Индустрии 4.0 говорили как о революции, но революции вроде бы не случилось, а уже звучит «Индустрия 5.0». Как вы к этому относитесь?
— Утверждать, что революции не было, — терминологическая ошибка. Цифры означают номера промышленных революций:
- Первая — паровые двигатели.
- Вторая — тепловая автоматика на основе пара.
- Третья — микропроцессорная техника первого поколения: телемеханика, первые ПЛК, цифровые системы управления. Как раз те самые 50 лет назад.
- Четвёртая — сети: интернет, мобильная связь, 5G, умные автономные устройства.
Революция произошла, просто она была тихой. В эпоху 3.0 на первых блоках атомной станции оператор видел мнемосхемы в информационно-вычислительной системе, но для управления шёл к блочному щиту и крутил ключи. В эпоху 4.0 он управляет турбиной мышкой.
Пятая революция — это искусственный интеллект, и она уже идёт. Сегодня простую SCADA для пары десятков датчиков можно собрать одним запросом к языковой модели, условно за сто долларов, если умеешь работать с ИИ.
Индустрия 6.0 наступит с появлением AGI, общего искусственного интеллекта. У AGI тоже выделяют этапы: сначала он умнее самого умного человека, затем умнее всех людей вместе, затем начинает влиять на нашу жизнь. На пути к этому уже есть технологии вроде Mixture of Experts и мультиагентных систем, где модели с разными ролями или от разных производителей критически проверяют друг друга и ищут ошибки. Так что пятёрку мы, по сути, уже проживаем и движемся к шестёрке.
«Всё начинается с собственника»
— Но на многих предприятиях до сих пор нет даже предиктивной аналитики. С чего начинать?
— С интереса собственника. Технически сделать предиктивную аналитику несложно, был бы заказ. Но сначала нужно ответить, зачем она: экономить ресурс оборудования, снижать простои, что-то ещё. Тот, кто отвечает за предприятие, должен сам разбираться в технологиях, ставить цели и контролировать результат. По собственной инициативе управленец такие проекты почти никогда не запускает. С государством так же: технологии появляются там, где есть люди, способные ставить долгосрочные задачи и следить за их выполнением.
Сегодня ИИ двигают прежде всего США и Китай, и нам важно не остаться на обочине.
Сам я этим занимаюсь давно. Мой дипломный проект 2006 года был посвящён прогнозированию полей энерговыделения энергоблока ВВЭР-1000 с помощью нейронных сетей. Мы построили предиктор на рекуррентной нейронной сети. Он позволял выводить регулирующие стержни в нужное положение одним движением, без затухающих колебаний, и тем самым снижать перерасход топлива при манёврах мощностью. Это ощутимые деньги. Технологиям, которые сейчас называют прорывом, на самом деле уже двадцать лет. Не хватало только заказчика, готового их внедрить.
Вместо заключения
Главный вывод разговора: ИИ в промышленной автоматизации уже работает. В виде машинного обучения он давно есть в контроллерах и системах APC, языковые модели ускоряют разработку уже сегодня. Отрасль идёт к открытым протоколам, серверной логике и свободе выбора оборудования. Выиграют те, кто начнёт осваивать эти инструменты раньше конкурентов.
ООО «СкадаСистемы» работает с SCADA-платформами разных вендоров и помогает подобрать решение под задачу, а не под привычку. Если вы планируете модернизацию, переход на отечественное ПО или пилот с элементами ИИ — запросите консультацию через сайт компании.