Page 65 - XXIV Konferencja Automatyków Rytro 2026
P. 65

Diagnostyka operatora w przemyśle procesowym

                                                 i nowa rola AI




                                   dr inż. Paweł Wnuk, prof. dr hab. inż. Jan Maciej Kościelny
                                   Instytut Automatyki i Robotyki, Politechnika Warszawska

                  Najkrótsza teza tego tekstu brzmi: w nowoczesnym zakładzie przemysłowym operator
                  powinien być diagnozowany z taką samą powagą, z jaką diagnozuje się zawór, czujnik,
                  pętlę regulacji i sieć sterowania. Nie po to, aby odebrać człowiekowi sprawczość, lecz
                  po to, aby szybciej wykrywać błędne działania, lepiej rozumieć ich przyczyny i
                  ograniczać ryzyko przejścia instalacji w stan awaryjny.


                  Streszczenie

                  Błędy  ludzkie  pozostają  jedną  z  najczęstszych  przyczyn  incydentów  i  poważnych  awarii
               w przemyśle  procesowym.  Jednocześnie  klasyczna  diagnostyka  techniczna  przez  lata
               koncentrowała się głównie na uszkodzeniach aparatury, urządzeń automatyki, pętli regulacji oraz
               - coraz częściej - na cyberatakach. Brakującą warstwą jest automatyczna detekcja i diagnostyka
               błędów  operatora,  czyli  OEDD  (Operator  Errors  Detection  and  Diagnosis).  Niniejszy  artykuł
               przedstawia tę koncepcję w języku inżynierskim, bez nadmiernego formalizmu: jako praktyczny
               element architektury bezpieczeństwa dużej instalacji procesowej.
                  Punktem  wyjścia  jest  regułowe  podejście  do  modelowania  poprawnych  akcji  operatora.
               Zakłada ono, że nie trzeba budować globalnego modelu człowieka-operatora. Wystarczy wybrać
               krytyczne  sekwencje  obsługi,  opisać  przesłanki  ich  uruchomienia,  dopuszczalny  czas  reakcji
               i oczekiwane  potwierdzenia  skutków  na  obiekcie.  W  drugiej  części  artykułu  pokazano,  jak  tę
               podstawę  można  rozszerzyć  o  AI:  modele  wykrywania  anomalii,  predykcję  skutków  działań,
               monitorowanie przeciążenia poznawczego oraz duże modele językowe (LLM), które mogą działać
               jako warstwa interpretacyjna nad procedurami, alarmami, logami operatorskimi i dokumentacją
               utrzymaniową.  Ostatnia  część  omawia  ryzyka  stosowania  AI:  halucynacje,  fałszywą  pewność,
               utratę  kalibracji  zaufania,  problemy  po  fine-tuningu,  cyberbezpieczeństwo  i  odpowiedzialność
               organizacyjną.

                  Słowa  kluczowe:  diagnostyka  operatora,  OEDD,  przemysł  procesowy,  systemy  sterowania,
               bezpieczeństwo procesowe, AI, LLM, human-in-the-loop, diagnostyka techniczna.

                  1. Dlaczego diagnostyka operatora staje się tematem zarządczym


                  Wiele dużych zakładów przemysłowych ma dziś rozwiniętą diagnostykę aparatury, monitoring
               pętli  regulacji,  systemy  alarmowe,  zabezpieczenia  SIS  i  procedury  cyberbezpieczeństwa.  To
               ogromny  postęp  w  porównaniu  z  zakładami  sprzed  dwóch  lub  trzech  dekad.  A  jednak
               w analizach  poważnych  awarii  nadal  regularnie  wraca  ten  sam  motyw:  człowiek  wykonał  złą
               czynność, wykonał ją za późno, zignorował istotny sygnał, nie zobaczył kontekstu albo otrzymał
               tak  dużo  alarmów,  że  nie  był  w  stanie  właściwie  ustalić  priorytetów.  Literatura  dotycząca
               niezawodności  człowieka  wskazuje,  że  udział  błędów  ludzkich  w  wypadkach  przemysłowych
               i operacjach krytycznych jest bardzo wysoki (Zarei i in., 2021; Abu Hawwach, 2021).



               Paweł Wnuk,  Diagnostyka operatora i AI                                                str. 1
                                 XXIV   KONFERENCJA   AUTOMATYKÓW   RYTRO   2026    POLITECHNIKA WARSZAWSKA
   60   61   62   63   64   65   66   67   68   69   70