כיצד לנהל אתגרים פנימה מערכות בקרה מרובות-מנטליות באמצעות Pid

ניהול אתגרים במערכות בקרה מרובות-אנטנט דורש הבנה עמוקה של הדינמיקה של הסוכן הבודד והאינטראקציות המורכבות שמופיעות כאשר גופים אוטונומיים מרובים פועלים יחד. Proportional-Integral-Derivaal-Derivaal-Derivaal-Derivaal-Departal-Departal-Departal-Derivaal-Derivative (PID) עדיין אבן הפינה של שליטה תעשייתית ורובוטית, על ידי שימוש בטכניקות הפיכה, ב- ⁇ -a-to-to-to-to-to-to-to-to-to-to-to-to-to-to-to-to-to-to-tor-to-to-to-to-to-to-to-to-to-to-to-to-to-to-to-to-to-to-to-to-to-to-to-to-to-in-to-to-to-to-to-to-to-to-to-to-to-to-to-to-to-to-to-to-to-to-to-to-to-to-to-to-to-to-to-to-to-

מערכות בקרה מרובות-agent Control

מערכות בקרה מרובות-אgent (MACS) מורכבות מסוכנים אוטונומיים מרובים המתקשרים זה עם זה והסביבה שלהם כדי להשיג מטרות קולקטיביות. סוכנים אלה יכולים להיות רובוטים פיזיים, מל"טים, כלי רכב אוטונומיים, או ישויות תוכנה ברשתות חיישן מבוזרות.המאפיין הליבה של MACS הוא כי לאף סוכן יחיד אין ידע או שליטה גלובלי; במקום זאת, סוכנים מסתמכים על רגישות ותקשורת מקומית כדי לתאם פעולות.

המורכבות של MACS נובעת מהעובדה שכל סוכן פועל תחת הדינמיקה המקומית שלו, אך המערכת הכוללת חייבת להפגין התנהגות קוהרנטית.ה קוהרנטיות הזו מושגת לעתים קרובות באמצעות חוקי בקרה שתלויים במדינות יחסיות בין שכנים, יצירת לולאות משוב שיכולות להוביל לחוסר יציבות, או ביצועים קשים, אם לא מכוונים כראוי למהנדסי בקרה, היא לעצב ולבקרים - לעתים קרובות בקרים - וגם בתנאים לא פעילים באופן מקומי, למרות תפקוד מקומי, למרות תפקוד לקוי, למרות תפקוד לקוי, אם לא מכוון באופן מקומי, אם לא מכוון כראוי.

תפקיד המפקחים PID במערכות מרובות-אgent

בקר PID הוא בקר בשימוש נרחב ביותר בתעשייה בגלל המבנה האינטואיטיבי שלה ואת העושר של כללים כוונון זמין. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .בקר בקר רגיל PID . . . . . . . . . . . . . . . . . . . . . . . . . . . .

(ב) ויקרא י"א): "וַיְּהַּדָּבְהִיתִיתִיתִיתִיתִיתִיתִיתִי" (במדבר כ"ד)

(ב) ב[[1924]], [[1924]]]], [[1924]]]]]], [[1924]]]]]], [[1924]]]]]], [[1924]]]]]]]]]]]], [[1924]]]]]]]], [[1924]]]]]]]]]]]], [[1924]]]]]]]], [[1924]]]]]]]], [[1924]]]]]]]]]]]]]], [[1924]]]]]]]], [[1924]], [[1924]]]]]]]]]]]]]]]]]], [[1924]]]]]]]]]]]]]]]]]] ו[[1924]], [[1924]], [[1924]], [[1924]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]], [[1924]]]]]], [[1924]], [[1924]], [[1924]], [[1924]]]], [[1924]], [[1924]]]]]]]]]]]], [[1924]], [[1924]], [[1924]], [[1924]]]]]], [[1924]]]]]]]]]]]]]]]], [[1924

מדוע בקרים PID עדיין רלוונטיים עבור מערכות מרובות-אנטנט למרות הזמינות של שיטות מתקדמות יותר? ראשית, בקרים PID דורשים מידע מודל מינימלי - לעתים קרובות רק התנהגות צמח משוער - מה שהופך אותם מתאימים לציים הטרוגניים שבהם מודלים מדויקים יקרים לקבל.שני, בקרי PID הם מובן היטב על ידי מתרגלים, והתנהגותם יכולה להיות מותאם אינטואיטיבית.

אתגרים מרכזיים ב- PID Tuning for Multi-agent Systems

כאשר מרחיבים את PID כוונון מ-one-loop להקשר רב-מאורגן, כמה אתגרים ייחודיים מופיעים.יש לטפל באתגרים אלה באופן שיטתי כדי להימנע מביצועים או מחוסר יציבות.

• (FLT:0) הפיכה בין-אנטלית: FLT:1 פעולות של סוכן אחד משפיעות על אותות השגיאה של אחרים.לדוגמה, בבעיית שליטה היווצרות, אם מל"טים אחד מתפוגג, שכניו חייבים להסתגל כדי לשמור על היווצרות.זה אמצעי הפיכה כי כוונון היתרונות של סוכן PID בבידוד יכול להוביל להתנהגות בלתי-מקובלת כאשר המערכת מחוברת שיטות חד-פרטיביות מסורתיות (Negic) לא תואמים.
• (FLT:0) ההטרוגניות: סוכני FLT:1 עשויים להיות פרמטרים פיזיים שונים, מאפייני רעש חיישן, או הגבלות אקטוטור. קבוצה אחידה של רווחי PID עשויה לעבוד עבור כמה סוכנים אבל לגרום ביצועים נמוכים או חוסר יציבות עבור אחרים.
• (FLT:0) עיכובים והפסדי החבילה: FLT:1 במערכות רב-אפנטיות אמיתיות, סוכנים מחליפים מידע על רשתות אלחוטיות עם רוחב פס סופי ועצלות. עיכובים במדינות המקבלות יכולים לערער על מערכת הנשלטת על ידי PID, במיוחד אם המונח נגזר מגבר רעש.ההשפעה של עיכובים בזמן על כוונון היא מתועדת היטב, אך ברבים מכוננים הם לעתים קרובות עיכובים ועיכובים ממושכים.
• (FLT:0)איכותיות: 1.10.10.10.10.10.7 ככל שמספר הסוכנים גדל, המורכבות של עלייה מעמסה מעצמן באופן אקספונציאלי.המערכת הכוללת עשויה להציג התנהגויות שאינן צפויות מניתוח של כמה סוכנים. שיטות טינינג חייבות להיות חתומות מבחינת עומס חישובי וכמות ההתערבות ידנית הנדרשת.
• (FLT:0) אי-לינאריות והפרעות סביבתיות: סוכני LT:1 פועלים לעתים קרובות בסביבות בלתי-מבנים עם מכשולים, רוחות, חיכוך, או אפקטים אחרים שאינם לינאריים.קור PID עשוי לדרוש השגת תזמון או מנגנונים הסתגלותיים כדי לשמור על ביצועים על פני המעטפה התפעולית המלאה.
• (FLT:0Trade)-off בין מעקב ותיאום: סוכנים בודדים צריכים לעקוב אחר ההתייחסות שלהם במדויק, אבל המערכת הכוללת גם צריך להשיג קונצנזוס או היווצרות.כוונון לתגובה מהירה של אדם עשוי להוביל לפתרון יתר וניתנות אשר מתפשטת דרך הרשת, בעוד כוונון לתיאום חלק עלול לגרום לתגובה אישית.

אסטרטגיות מתקדמות למפקחים של Multi-agent PID

בהתחשב באתגרים לעיל, כוונון פשוט וטרור הוא לעתים רחוקות מספיק. גישה מובנית באמצעות אחת או יותר מהאסטרטגיות הבאות יכולה לשפר באופן דרמטי את התוצאות.

המונחים: Tuning

בכוונון מבוזר, כל הישגי PID של כל סוכן נקבעים רק על הדינמיקה המקומית שלו והתעלמות מההפיכה.גישה זו פשוטה ומדייקת זולה.לדוגמה, ניתן ליישם שיטות של תדירות-דומיין (למשל, בודה או Nyquist) למודל הצמח המקומי, או להשתמש בטכניקות כוונון אוטומטי כגון משוב.ה היתרון העיקרי הוא כי הוא בקנה מידה ליניארי עם מספר סוכנים לא דורש בשלב תקשורת גלובלית ולא דורש.

עם זאת, כוונון מבוזר הוא רק יעיל כאשר ההפיכה הבין-ארצית חלשה - כלומר, ההשפעה של שכנים על טעות של סוכן קטן בהשוואה להשפעה של פעולותיו שלו. במערכות מתועשות מאוד, כוונון מבוזר יכול להוביל להפיכה או תיאום גרוע.כדי להפחית את זה, מהנדסים יכולים לקלקל את הרווחים השרירותיים (למשל, להפחית את הרווח) כדי להבטיח יתרון שלילי לעתים קרובות, בניגוד ליעילות, אך באופן עצמאי, אך לעתים קרובות, יכול להיות מסוגלות, אך ורק כדי להפחית את היכולת לשנות את ההשפעה של תפקוד שלילי, אך ורק על בסיס הפיכה, אך ורק על בסיס הפיכה.

מרכז Tuning

כוונון מרכזי מתייחס למערכת רב-אפנטית כולה כצמח גדול אחד ומתאים את כל PID מרוויח בו-זמנית.זה נעשה בדרך כלל באמצעות טכניקות אופטימיזציה כגון אלגוריתמים גנטיים, אופטימיזציה של חלקיקים, או שיטות מבוססות ⁇ עם פונקציה עלות שלוכדת הן שגיאות מעקב בודדות שגיאות תיאום שגיאות.התועלת היא כי אפקטים הפיכה נחשבים במפורש, פוטנציאל מניב ביצועים טובים יותר.

הסגירה העיקרית היא מורכבות חישובית: עבור מערכת עם:0 â € 1 סוכנים כל אחד יש 3 רווחים, מרחב החיפוש הוא 3FLT:2nentiFLT 3 ממדים, אשר גדל במהירות., יותר מזה, כוונון מרכזי דורש מודל גלובלי של המערכת וכל האינטראקציות, אשר לא ניתן להשיג, בנוסף, אם המערכת משתנה העליון (למשל, סוכנים חדשים, לא מתאימים יותר, לא ניתן להתאים יותר לתפקודים מתקדמים), ולא מתאימים יותר עבור מערכות הפעלה ראשונית יותר, או לא מתאימים יותר, לא ניתן להתאים יותר, או התאמות יותר, או התאמות מתקדמות יותר, או מותאמות אישית, או התאמות יותר, לא ניתן להתאים יותר, אם הוא יעיל יותר, אם הוא יעיל יותר, אם הוא יעיל יותר, אם הוא יעיל יותר, לא מתאים יותר, אם הוא יעיל יותר, או התאמות יותר, או התאמות יותר, אם הוא יעיל יותר, אם הוא יעיל יותר, אם הוא יעיל יותר, או למערכות מתקדמות יותר, אם הוא יעיל יותר עבור ביצועים מתקדמים יותר, לא מתאים יותר, לא מתאים יותר, אם הוא יעיל יותר, או למערכות מורכבות יותר, לא מתאים יותר, לא מתאים יותר, או למערכות תקשורת יעילה יותר, לא מתאים יותר, אם הוא יעיל יותר, לא מתאים יותר, אם הוא יעיל יותר

כוונון כוונון

בקרים PID הסתגלות להתאים את הרווחים שלהם באינטרנט בהתבסס על מדידות בזמן אמת של התנהגות המערכת.זה חשוב במיוחד במערכות מרובות-אנטנט שבהן תנאי הפעלה ותנאי רשת משתנים באופן דינמי. שתי שיטות הסתגלות נפוצות הן בקרת הסתגלות מודלים (MRAC) ו הרגולטורים מכוונים.

ב-MRAC, מודל ההתייחסות מפרט את התנהגות הסגורה הרצויה לכל סוכן, וחוק הסתגלות מתאים את רווחי PID למזער את השגיאה בין התפוקה של הסוכן לבין הפלט ההתייחסות.כאשר המורחבת למערכות מרובות-אgent, מודל ההתייחסות יכול לשלב יעדי תיאום, כגון דרישה הסוכן לעקוב אחר הממוצע של מדינות שכנותיה.

כוונון הסתגלות יכול לטפל בטרוגניות באופן אוטומטי כי כל סוכן להסתגל לדינמיקה שלו ולרשת המתפתחת.עם זאת, ניתוח יציבות הוא מורכב יותר, חוקי הסתגלות מעוצבים גרועה יכולים להוביל לאי יציבות, במיוחד בנוכחות עיכובים בזמן.מהנדסים צריכים להבטיח כי שיעורי ההסתגלות איטי יחסית לדינמיקה של המערכת וכי התוקפים אינם רוויים.

שיתוף פעולה עם Consensus

גישה מתפתחת מממנת אלגוריתמים של קונצנזוס לתאם את תהליך ההיגוי עצמו.במקום להניח קבוצה קבועה של הישגים, סוכנים מחליפים מדדי ביצועים מקומיים (למשל, טעות משולבת או מאמץ שליטה) ולהתאים את ה- PID שלהם להישגים משותפים הממקסמים מטרה גלובלית.

לדוגמה, כל סוכן מנהל שלב אופטימיזציה מקומי באמצעות ירידה ⁇ על תפקוד עלות מקומי, ולאחר מכן חולק את המועמד שלו מרוויח עם שכנים.הסוכנים ואז ממוצעים את הרווחים שלהם לנוע לכיוון קונצנזוס. שיטה זו משלבת את ההיקף של כוונון מבוזר עם היתרונות התיאום של כוונון מרכזי.זה מבטיח במיוחד עבור חטיפות בקנה מידה גדול שבו סוכנים יכולים לתקשר עיכובים אבל שרת מחקר מרכזי לא רצוי הראה כי קונצנזוס מבוסס כמה יכול להשיג אפילו לאחר ביצועים קרובים.

יישום בקרת PID מותאמים במערכות מרובות-אgent

בקרת PID הסתגלות מומלצת באופן נרחב עבור מערכות מרובות-מנטליות בגלל היכולת שלה לפצות על שינוי הדינמיקה וההפיכה.למטה אנו מפרטים שני יישומים מעשיים.

(FLT:0)Model Reference Fitive Control (MRAC) עבור בקרת טפסים:Felo1 בתרחיש בקרה היווצרות, כל סוכן מוקצה עמדה מבוקשת יחסית לשכניו.מודל ההתייחסות נבחר להגדיר כמה מהר הסוכן צריך להגיב שגיאות (למשל, מערכת הזמנה שנייה עם קידוד תדר טבעי:2nFLT 3 ו- ASHHAL, שימוש בפועל עם מערכת תיקון של מערכת ההפעלה של ה-PID, בהתאם להתאמה, עם מערכת תיקון, עם מערכת תיקון של החוק, עם יעילות של ה-D.

(ב) ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇

שתי השיטות דורשות כוונון זהיר של הפרמטרים ההסתגלות עצמם (מהירות ההחלמה, טווחי תפקוד החברות) ויש לבחון באופן נרחב בסימולציה לפני הפריסה.

סימולציה ואימות גישות

בהתחשב המורכבות של מערכות מרובות-אgent, סימולציה היא צעד הכרחי לפני כל יישום בעולם האמיתי. כלים כמו MATLAB /Simulink, ROS (מערכת הפעלה רובוט) עם Gazebo, ומסגרות פייתון מותאם אישית מאפשרות למהנדסים לדינמיקה מודל, תקשורת להתנצלות, והפרעות סביבתיות.

זרימת עבודה סימולציה טיפוסית עבור PID כוונון במערכות מרובות-אgent:

1. (FLT:0) סוכנים בודדים: FLT:1 השתמש בעקרונות ראשונים או זיהוי מערכת כדי להשיג פונקציות העברה או מודלים של המדינה עבור כל סוג של סוכן.
2. (FLT:0)Define את גרף האינטראקציה: FLT:1 , ציין אילו סוכנים מתקשרים וחילופי המידע (למשל, עמדות יחסיות, מהירויות).
3. (FLT:0) בחרה שיטת כוונון בסיס: החל מ- 1 (FLT:1) להתחיל עם כוונון מבוזר או מרכזי באמצעות אופטימיזציה סטנדרטית, ולאחר מכן להעריך ביצועים בתנאים נומיאליים.
4. ניתוח החוסן של פורפור:0 (Perform Intelligenceness Analysis:FLT:1 ו פרמטרים כגון עיכובים, אובדן סוכן, הפרעות, וחוסר ודאות במודל. השתמש בסימולציות מונטה קרלו כדי להעריך ביצועים סטטיסטיים.
5. (FLT:0)Refine עם שיטות הסתגלות: FIRLT:1 אם ביצועים מידרדרים, ליישם אסטרטגיות הסתגלות או שיתופיות ולהשוות תוצאות.
6. (FLT:0) בדיקות ה-E-Pla-the-loop:cioFLT:1 עבור יישומים קריטיים, השתמש בקרים אמיתיים ומבנה צמחים סימולציה כדי לאמת התנהגות בזמן אמת לפני פריסת החומרה בפועל.

(ב) ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇

שיטות טובות עבור PID Tuning במערכות מרובות-אgent

• (ב) [13] קלפט עם סוכנים פשוטים: FLT:1hav Tune סוכן יחיד בבידוד תגובה יציבה, מעט פחות מפוספסת.
• (FLT:0) סימולציה לחקור אזורי רווח:FreaLT:1) בצע חיפוש רשת או שימוש בכלים כמו PID tuner בסימבולינק כדי לזהות אזורים של שטח רווח הניב מערכות קופות סגורות יציבות עבור הרשת כולה.
• (FLT:0) משלב מגבילה של שיעור על אותות שליטה: אנדרט 1:1 רוב מערכות רב-אפטרגנטיות יש פועלים עם רוחב פס מוגבל; הוספת מגביל קצב מונעת פעולה נגזרת אגרסיבית מ גרימת תנודות.
• (FLT:0) ממוריינת את המונח נגזר: FLT:1 בסביבות רועשות, לשקול שימוש במסנן נמוך על מונח נגזר או לעבור לבקר PI אם פעולה נגזרת גורמת לאי יציבות.
• (FLT:0) עיצוב עבור undancy: 1FLT אם סוכן נכשל או עוזב את הרשת, סוכנים הנותרים עדיין צריכים להיות מסוגלים לשמור על יציבות.
• (FLT:0)Validate על חומרה מתקדמת: החל מ- 1FreaLT עם קבוצה קטנה (2-3 סוכנים) בסביבה מבוקרת, ואז עולה בקנה מידה תוך מעקב אחר מדדי ביצועים כמו שגיאה, שליטה במאמץ, ושימוש רוחב פס תקשורתי.
• (ב) ,0) עקביות של sampling פעמים:FLT 1:1 כל הסוכנים צריכים שעונים מסונכרנים או לפחות skew; אחרת PID מרוויחה עם קצב דגימה אחד לא יכול להתנהג כפי צפוי על אחד.

יישומים אמיתיים ומקריות

(FLT:0) Drone Swarms: FLT:1 חברות כמו LT:2DJIFLT 3 וקבוצות מחקר מיושמות שליטה מבוססת PID עבור היווצרות של רחפנים. in a טיפוסית, כל רחפנים משתמש בקר PID כדי לעקוב אחר עמדתה ביחס לשכנים, בעוד לולאות חיצוניות מתאמת נקודות על בסיס אלגוריתם טוויסט כולל אתגרים, ואפילו דינמיקה של מערכות ההפעלה, כאשר הם הצליחו לשנות את ה- GPS, אפילו דינמית, כאשר הם הצליחו לשנות את שיטות פעולה דינמית.

(FLT:0) ,Autonomous Vehicle אפלטון: FIRLT:1 ב-platooning כבישי, כלי רכב לשמור מרחק בטוח באמצעות שליטה ארוכת טווח.בקר PID של כל רכב מאיץ או בלמים המבוססים על השגיאה המרחק ומהירות יחסית לרכב הקודם. Tuning הוא קריטי מדי גורם אגרסיבי מדי לרווחי מחרוזת לאורך ה-plataplative), בעוד שרווחים מדי כדי להגביר את הפערים המתקדמים והפחתת יכולת הנטורינג (מחדשה יעילה) להגדלת יכולת הניתנת להגדלת הקיבולת הקיבולת המרכזית (בצורה (מחדשהפעלתית (ברכה).

(FLT:0)Robot Swarms for Warehousing:03: 1 במחסנים אוטומטיים, ציים של רובוטים ניידים (למשל, מערכות Kiva) לתאם לעבור מדפים.כל רובוט משתמש PID כדי להשיג מיקום מדויק ולהימנע התנגשות.הבעיה המולטת של ריבוי-הטרנטים כרוכה מאות רובוטים הפועלים בחלל משותף.

מסקנה

ניהול אתגרים במערכות בקרה מרובות-אנטנט עם בקרים PID הוא משימה רב-פנית כי הולך הרבה מעבר עיצוב יחיד-פרלופ קלאסי.ההפיכה, הטרוגניות, עיכובים, ודרישות מדרגיות דורשות אסטרטגיה מכוונת - בין אם הן קבועות, ריכוזיות, הסתגלות, או גישה היברידית של שיטות כוונון ושיתופיות מספקות את החיסרון הגדול ביותר לשינוי ותצורה של שיטות בקרה גבוהות, אך הן יכולות להתמודד עם יעילות גבוהה של שיטות בקרה, אך הן באמצעות סימולציה יעילה יותר, הן יכולות לפעולת-ידיות-ידיות-ידיות-ידית והן באמצעות שיטות בקרה אוטונומיות, הן יכולות להשיג יעילות גבוהה ויעילות, הן באמצעות שיטות בקרה, הן באמצעות שיטות בקרה, הן יכולות להשיג יעילות וגמישות חזקות יותר, הן באמצעות שיטות עיבוד-מחדשניות.