Page 72 - XXIV Konferencja Automatyków Rytro 2026

rekomendację, ale również jej podstawę. W tym sensie zastosowanie AI ma dwojaki sens –
z jednej strony jest to system doradczy, z drugiej – kontrolny. Jednakże, ze względu na specyfikę
modeli LLM (czas działania, propabalistyczny charakter odpowiedzi) – w przeciwieństwie do
wcześniej opisanych rozwiązań OEDD – modele AI tego typu raczej nie powinny działać
w sposób zautomatyzowany, blokujący / zmieniający decyzje operatora.

Drugie zastosowanie to tłumaczenie złożonej sytuacji technicznej. W stanie alarmowym
problemem nie jest brak danych, lecz ich nadmiar. LLM może streścić lawinę alarmów, wskazać
pierwsze zdarzenia w ciągu przyczynowym, oddzielić alarmy pierwotne od wtórnych
i zaproponować listę hipotez do sprawdzenia. Dla mistrza zmiany lub dyrektora technicznego
może przygotować krótką informację: co się stało, jakie działania wykonano, co jest
potwierdzone, czego nie wiemy i jakie ryzyka pozostają.

Trzecie zastosowanie to interfejs do diagnostyki technicznej. Model językowy może
prowadzić rozmowę z automatykiem lub operatorem: „pokaż ostatnie nastawy dla tego zaworu”,
„porównaj przebieg z poprzednim rozruchem”, „sprawdź, czy podobna sekwencja wystąpiła
w ostatnich sześciu miesiącach”, „jakie były prace UR na tym napędzie”. W połączeniu
z cyfrowym bliźniakiem albo bazą usterek może generować hipotezy przyczynowe i proponować
kolejne kroki weryfikacji.
Czwarte zastosowanie to dokumentowanie incydentu i uczenie organizacji. Po zdarzeniu LLM
może przygotować uporządkowany raport: chronologię sygnałów, akcje operatora, rozbieżności
z procedurą, potwierdzenia skutków, decyzje podjęte przez zespół i otwarte pytania do
przeglądu. Taki raport nie zastępuje analizy przyczyn źródłowych, ale skraca czas zebrania
materiału i ułatwia rozmowę między produkcją, automatyką, UR i bezpieczeństwem
procesowym.

Najważniejsza zasada brzmi jednak: LLM nie powinien być pierwszą linią bezpieczeństwa.
Pierwszą linią pozostają klasyczne rozwiązania: SIS, twarde reguły, walidacja sygnałów i klasyczne
algorytmy diagnostyczne. LLM jest drugą linią rozumienia sytuacji. Ma pomagać w interpretacji,
komunikacji, wyszukiwaniu wiedzy i dokumentowaniu, ale nie powinien samodzielnie
wykonywać działań wykonawczych w instalacji krytycznej.
Warstwa Typowe narzędzia Rola w OEDD
Deterministyczna reguły proceduralne, interlocki, SIS, szybka i audytowalna detekcja
FDD, walidacja sensorów niezgodności oraz blokada działań
niedopuszczalnych
Analityczna AI/ML modele anomalii, predykcja trendów, rozszerzanie pola widzenia o wzorce
klasyfikacja obciążenia poznawczego trudne do zapisania w regułach
Językowa LLM z RAG, lokalna baza wiedzy, wyjaśnianie sytuacji, sprawdzanie
raporty zmianowe, procedury procedur, dialog diagnostyczny i
dokumentowanie incydentów
Organizacyjna przeglądy procedur, szkolenia, analiza zamiana diagnoz w trwałą poprawę
near-miss, zarządzanie zmianą systemu pracy

Tabela 2. Przykładowa warstwowa architektura diagnostyki operatora z wykorzystaniem AI.

Paweł Wnuk, Diagnostyka operatora i AI str. 8
XXIV KONFERENCJA AUTOMATYKÓW RYTRO 2026 POLITECHNIKA WARSZAWSKA