Revista ELECTRO
Vol. 46 – Año 2024
Artículo
TÍTULO
Redes Neuronales Gráficas (GNN) y su Aplicación en la Programación de Controladores Lógicos Programables (PLC)
AUTORES
Márquez-Gutiérrez, P.R.; Acosta-Cano de los Ríos, J.E.; López-Flores, D.R.; Baray-Arana, R.E.
RESUMEN
Las Redes Neuronales Gráficas (GNN) se han convertido en una herramienta significativa en la modelización y análisis de sistemas complejos representados como grafos. Estas redes permiten el aprendizaje profundo en datos estructurados, lo que las hace altamente efectivas en diversas aplicaciones, incluyendo redes sociales, estructuras moleculares y sistemas de control industrial. Este artículo explora la integración de las GNN en la programación y optimización de los Contr oladores Lógicos Programables (PLC), dispositivos esenciales en la automatización industrial. El estudio destaca cómo las GNN pueden utilizarse para mejorar la eficiencia, seguridad y fiabilidad de los sistemas PLC mediante la optimización automática de di agramas de escalera. Se presenta también una implementación práctica en Python que ilustra el potencial de las GNN para revolucionar la programación de los PLC.
Palabras Clave:
ABSTRACT
Graph Neural Networks (GNNs) have become a significant tool in the modeling and analysis of complex systems represented as graphs. These networks enable deep learning on structured data, making them highly effective in various applications, including social networks, molecular structures, and industrial control systems. This paper exp lores the integration of GNNs into the programming and optimization of Programmable Logic Controllers (PLCs), essential devices in industrial automation. The study highlights how GNNs can be utilized to enhance the efficiency, safety, and reliability of PL C systems by automatically optimizing ladder logic diagrams. A practical implementation in Python is also presented, illustrating the potential of GNNs to revolutionize the programming of PLCs.
Keywords: 1.Redes Neuronales Gráficas (GNN), Controladores Lógicos Programables (PLC), Automatización industrial, Programación de PLC, Diagrama de escalera (Ladder Logic), Optimización automática.
REFERENCIAS
[1]. Kipf, T. N., & Welling, M. (2017). Semi-supervised Classification with Graph Convolutional Networks. arXiv preprint arXiv:1609.02907.
[2]. Wu, Z., Pan, S., Chen, F., Long, G., Zhang, C., & Yu, P. S. (2020). A Comprehensive Survey on Graph Neural Networks. IEEE Tran sactions on Neural Networks and Learning Systems, 32(1), 4-24.
[3]. Velickovic, P., Cucurull, G., Casanova, A., Romero, A., Lio, P., & Bengio, Y. (2018). Graph Attention Networks. arXiv preprint arXiv:1710.10903.
[4]. Bolton, W. (2015). Programmable Logic Controller s, 6th Edition
[5]. Sayed-Mouchaweh, M. (2018). Learning in Non-Stationary Environments: Methods and Applications. Springer.
[6]. Zhou, J., Cui, G., Zhang, Z., Yang, C., Liu, Z., Wang, L.,... & Sun, M. (2020). Graph Neural Networks: A Review of Methods and Applicat ions. AI Open, 1, 57-81.
[7]. Lewis, R. W. (2016). Programming Industrial Control Systems Using IEC 61131-3. IET.
[8]. Bolton, W. (2015). Programmable Logic Controllers, Newnes.
[9]. Sipser, M. (201 4). Introduction to the Theory of Computation, Cengage Learning.
[10]. Tuo, M; Li, X.; Zhao, T. (2023), Graph Neural Network-based Power Flow Model, arXiv: 2307.02049.
[11]. Koh, K.M.; Dong, F.; Tay, E.G. (2024), Introduction to Graph Theory: With Solutions to Selected Problems, World Scientific Publishing, ISBN-13: 978-9811285011.
CITAR COMO:
Márquez-Gutiérrez, P.R.; Acosta-Cano de los Ríos, J.E.; López-Flores, D.R.; Baray-Arana, R.E., "Redes Neuronales Gráficas (GNN) y su Aplicación en la Programación de Controladores Lógicos Programables (PLC)", Revista ELECTRO, Vol. 46, 2024, pp. 272-277.
VERSIÓN PDF