Automaatiosuunnittelu tekoälyn avulla

Abstract

Opinnäytetyössä käsitellään tekoälyn hyötyjä ja mahdollisuuksia automaatiosuunnittelussa. Opinnäytetyössä tutkittiin, voiko tekoälyä käyttää tukena ja tehostajana esimerkiksi testauksessa ja ST-muotoisen koodin generoimisessa. Työssä vertailtiin kahta tämän hetken suosituinta tekoälyalustaa, eli OpenAI ChatGPT:tä ja Microsoft Bing Copilotia. Suunnitteluohjelmistoksi valittiin Beckhoffin TwinCAT.

Tekoälyä haastettiin muutaman tyypillisen automaatioprosessin kanssa. Tekoälyä ja suunnitteluohjelmaa testattiin koodeilla, jotka simuloivat eräitä automaatioprosesseja hyvin yksinkertaistettuina. Tutkimuksissa edettiin pienistä koodimuutoksista ja -korjauksista isompien osioiden ja koodikokonaisuuksien generoimiseen. Tekoäly suoriutui pienemmistä muutoksista ja valmiin koodin korjaamisesta loistavasti, mutta isompien kokonaisuuksien tuottaminen tai koodin alusta asti kehittäminen onnistui vain osittain. Vertailussa olleet tekoälyalustat suoriutuvat testeistä melko yhteneväisesti.

Testien perusteella tultiin tulokseen, että tekoäly on vielä hyvin rajallisesti hyödynnettävissä. Sen käyttö on aikaa vievää ja oikean vastauksen saaminen epäluotettavaa ja työlästä. Suoraan koodiin ja ohjelmointiin keskitetyt tekoälyalustat ovat monet maksullisia ja vielä testivaiheessa, mutta niistä voisi saada suunnitteluun enemmän apua. Niitä voisi kuitenkin hyödyntää jatkotutkimuksissa ja testata näin isompiakin datakokonaisuuksia.

The objective of this thesis was to get an overview of the benefits of utilizing Artificial Intelligence in automation design. The aim was to investigate whether AI could support and speed up testing and generating ST code. The research compared two of the most popular AI platforms currently available, OpenAI’s ChatGPT and Microsoft Bing Copilot. The tests were performed in Beckhoff's TwinCAT design software.

The AI was tested with a set of typical automation processes. The aim was to run tests with codes that would simulate the automation processes in a very simplified way. The studies progressed from small code modifications and corrections to the generation of larger sections and code sets. While the AI excelled at making minor changes and correcting a finished code, it only partially succeeded in generating larger code sections or generating code from scratch.

The tests concluded that the usability and benefits of AI are still very limited. It is time-consuming to use, and its answers are often unreliable. Many AI platforms that focus directly on code and programming help are expensive and most of them are still in an early stage of development. However, they could provide help with even more complex automation designs in the future.