0325  【萬泉河】  當(dāng)PLC編程煙臺方法遇到CHATGPT

今年以來，CHATGPT人工智能可以算做是最火爆的流行話題了。 到了工控行業(yè)，也不例外。 所有的工控人士都在關(guān)注它，兩方面：一，了解它能給自己的工作帶來什么幫助；二，自己的工作技能會不會被CHATGPT所替代，從而失去謀生的機(jī)會。

我自己更是如此。 事實(shí)上我是在去年底CHARGPT的概念爆出來的第一波就關(guān)注了。 從網(wǎng)上買了一個印尼的手機(jī)號接收驗(yàn)證短信，再通過爬梯手段獲得了登錄的接口，做了一些測試驗(yàn)證。

與其他一些行業(yè)，或者同行，對GPT大加贊賞的態(tài)度不同，我的測試結(jié)果下來，大失所望。 從另一個方面講，也大為安心，短時間內(nèi)認(rèn)為不會對我的工作造成什么影響。

我該做的事還是要繼續(xù)做，比如對LBP的移植開發(fā)。 而且發(fā)現(xiàn)，倡導(dǎo)參與的同行幾乎沒有。只要自己不做，這世界上就不會有別人去做。 永遠(yuǎn)不可能指望自己啥都不做，所有人啥都不做，只需要坐在那兒喝茶刷短視頻，等著GPT升級換代了，自動就給完成了。

這是我這段時間仍然在堅(jiān)持一個模塊一個單元的逐個做過來做LBP移植升級的原因。

也是我雖然計(jì)劃了寫一篇關(guān)于GPT對PLC編程設(shè)計(jì)工作的關(guān)系和影響的文章，卻一直沒有動手寫的原因。 實(shí)在忙的沒有時間和心情去寫。

當(dāng)然，這段時間里，我也觀察了一些同行整理的使用GPT使用報告，雖說GPT已經(jīng)從我注冊時候的GPT3到3.5到現(xiàn)在的4，但基本上沒有見到有價值的內(nèi)容，也沒有看到有顛覆的趨勢。

寫一下我自己的理論分析以及未來的展望，算是立一個危險的FLAG， 隨時等著被打臉。就看打臉會在什么時候來了。

我個人倡導(dǎo)的PLC標(biāo)準(zhǔn)化編程煙臺方法的理念中，一個最重要的主線是高內(nèi)聚低耦合。 這個概念是從IT行業(yè)學(xué)來的。但其實(shí)發(fā)現(xiàn)在IT行業(yè)的程序員反而對這一點(diǎn)并不是特別在意。 一方面他們個人編程技能特別高，不在乎耦合階段里面有些許的弱智邏輯。 另一方面，他們的應(yīng)用場景通常都比較復(fù)雜，做不到完全的高內(nèi)聚和低耦合。

然而PLC行業(yè)是個特殊的存在，在高內(nèi)聚和低耦合方面可以做到完全徹底。 即我在多篇文章里表達(dá)過的，我們可以做到在耦合階段，完全沒有一點(diǎn)點(diǎn)邏輯。 全部只是變量和參數(shù)的錄入。
哪怕是一個取反信號， 簡單的“與”和“或”的邏輯都沒有。 數(shù)值加減更別提了。

讀者可以從我發(fā)布的80模擬量或者80雙聯(lián)開關(guān)的例子中發(fā)現(xiàn)這一點(diǎn)。

即，所有邏輯都在FB模塊中內(nèi)聚完成。 不管功能需求多復(fù)雜，都會在內(nèi)聚中，而不會釋放到外部的耦合階段產(chǎn)生任何影響。 如上一篇講到的移植LBP中的模擬量功能，具備了多觸摸屏交互功能，參數(shù)設(shè)定等功能，然而卻仍然在FB中實(shí)現(xiàn)，而調(diào)用環(huán)節(jié)絲毫不變化。

那么，我們以工作分工的高內(nèi)聚和低耦合兩部分來面對GPT， 問一下GPT能幫我做哪方面的工作，是能做內(nèi)聚還是耦合？

如果它能做內(nèi)聚，那么這個提問場景就是：我想在SMART 200+KPT的環(huán)境中實(shí)現(xiàn)與LBP同樣UI的模塊設(shè)計(jì)，請幫我做出來。
GPT:…….

我前一篇文章講到規(guī)劃的模擬量模塊的接口有點(diǎn)多，導(dǎo)致變量耗盡，不得不用了一個MD變量的故事大家都看到了。 那么現(xiàn)在我省事了，等GPT隨便安排吧！能實(shí)現(xiàn)就行。

能嗎？

看來是不是有點(diǎn)難？

內(nèi)聚的工作是人類的強(qiáng)項(xiàng)，內(nèi)聚的本質(zhì)是創(chuàng)新，人類的大多創(chuàng)新工作都是在內(nèi)聚環(huán)節(jié)中實(shí)現(xiàn)的。 如果人類自己都沒有達(dá)到的創(chuàng)新，指望AI來替你實(shí)現(xiàn)？我覺得可能性極小。

那么咱們看一下要GPT幫忙做點(diǎn)耦合的工作吧！

問：我這兒有現(xiàn)成的模擬量處理的FB，已經(jīng)對應(yīng)了HMI畫面的模板，請按照符號表的80個變量，做出來PLC程序和觸摸屏畫面吧！

GPT:沒問題， SO EASY! 請給我完整規(guī)范的符號表，以及庫函數(shù)。 幾秒就好。 觸摸屏畫面也馬上就好。 等等，畫面布局怎么排布，是您自己來還是把工藝圖給我我來幫你做？ 工藝圖給我的時候最好規(guī)范整齊標(biāo)注好。

切，如果喂給它數(shù)據(jù)啥都規(guī)范整齊了，我還用得著AI嗎？我自己做個簡單的處理腳本，也本來就是幾分鐘完成的，而且還不需要人工檢查，百分百正確。

把一個FB塊調(diào)用80次這個事，非但不需要AI， 隨便找一個傻子都能看得懂，都能自己做。

所以，綜上所述，在煙臺方法面前， GPT一無用處。 內(nèi)聚它做不了， 耦合我們用不著它來做。

要想它能做PLC標(biāo)準(zhǔn)化程序的模塊內(nèi)聚，除非PLC行業(yè)大發(fā)展，大開源，網(wǎng)絡(luò)上的公開材料中煙臺方法的案例隨處可見，隨時可以喂給它讓他學(xué)習(xí)，學(xué)會。 然后才能倒過來輔助人類，給人類做助手，節(jié)省一定的勞力。

在此之前，我認(rèn)為沒戲。

我們來看GPT現(xiàn)在實(shí)現(xiàn)的應(yīng)用場景，通常是協(xié)助人類搜索整理海量資源中有用的信息，然后形成報告，提供給人類閱讀使用。

即，它是把一個客觀輸入條件，搜索歸納總結(jié)，生成了主觀結(jié)果每次結(jié)果都不一樣，其輸出的對象是人，律師，法官，顧客，學(xué)生等等。 這當(dāng)然很偉大。

然而工控行業(yè)的需求是正好倒過來的，我們做的是從客觀需求到客觀結(jié)果的過程，工控工程師的工作流程是，拿到一套工藝系統(tǒng)圖，解讀拆分其中的電氣需求， 元件選型，編程調(diào)試，生產(chǎn)。不同的人習(xí)慣可能不同，但只要有規(guī)范限制，設(shè)計(jì)結(jié)果 總是相同的。

那么最極致的需求會是，我直接把工藝圖， 或者語言總結(jié)的工藝需求，喂給GPT，它直接生成PLC可執(zhí)行的程序代碼，下載到PLC中，設(shè)備就直接運(yùn)行起來了？

然后公司就可以完全不需要這個工控工作的工程師了？

我覺得幾十年內(nèi)斷無可能。

所以，咱們還是該做啥做啥去吧！