[Intervista] Comprendere il ruolo dell'intelligenza artificiale nel settore

Il settore sta attualmente vivendo una tripla rivoluzione: digitale, verde e sociale. Questo cambiamento che si può spiegare in particolare con la proliferazione di sensori presso i siti industriali, il forte entusiasmo per le energie rinnovabili, una consapevolezza del nostro impatto sull'ambiente e il risparmio che si può ottenere in termini di energia. 

Dorian Grosso è Responsabile della Ricerca s Sviluppo sull’Intelligenza Artificiale (IA) presso METRON. Da due anni alla guida di un team di sei esperti di Ricerca e Sviluppo, ha come sua missione rimuovere le barriere tecnologiche legate all'IA. Gli abbiamo chiesto quale ruolo può svolgere l'intelligenza artificiale nella ricerca delle prestazioni energetiche a livello industriale. Come interagisce con gli esseri umani nel prendere decisioni? Quali sono le specificità della soluzione METRON?

Dorian IT

Come si può definire l'intelligenza artificiale?

In concreto, l’obiettivo dell'Intelligenza Artificiale è quello di sviluppare tecniche matematiche e algoritmi che consentano di fornire alle macchine la capacità di riprodurre - sotto certi aspetti - l'intelligenza reale. Questa definizione standard riecheggia la visione dell'intelligenza artificiale di Alan Turing negli anni '50. Secondo il test inventato dal famoso matematico, l'intelligenza artificiale raggiungerebbe il suo apice quando un essere umano non fosse più in grado di sapere se sta interagendo con un uomo o una macchina.

Guardando più da vicino, possiamo distinguere due tipi principali di intelligenza artificiale

L'IA simbolica è solitamente implementata sotto la forma di un albero decisionale predefinito. La decisione finale deriva da una successione di risposte formali a domande strutturate secondo regole logiche. Di fatto, l'IA simbolica è deterministica e facilmente spiegabile. Questo tipo di intelligenza artificiale è anche noto con il nome di “sistema esperto” ed è stato ampiamente utilizzato nell'industria laddove era necessario un processo decisionale semplice. Ad esempio, se la temperatura all'interno di un forno è inferiore a 1500 °C, è necessario aumentare il flusso di combustibile verso uno dei bruciatori.

L'IA connessionista, così chiamata in riferimento alle reti neurali, si basa su algoritmi in grado di integrare molti parametri e scenari di apprendimento da esempi empirici (fase di apprendimento). Questo tipo di intelligenza artificiale è quella che si sta diffondendo maggiormente. L'aumento della potenza di calcolo dei computer e la capacità di raccogliere grandi volumi, flussi e varietà di dati ci ha permesso di far convergere le reti neurali profonde, cioè di addestrarle in modo efficiente affinché svolgano correttamente il compito per cui sono state addestrate su nuovi esempi mai visti prima nella fase di apprendimento. Tali algoritmi possono intervenire a più livelli all'interno del processo con l'obiettivo di ottenere ottimizzazioni energetiche.

Schema dell'IA

A sinistra: schema dell'IA simbolica; A destra: schema dell'IA connessionista

Quali sono i limiti dell'IA?

Molte persone attribuiscono all'IA delle abilità incredibili. Sebbene negli ultimi anni siano state raggiunti notevoli risultati, è necessario superare una serie di ostacoli tecnologici e di base.

L'IA simbolica è facilmente spiegabile, tuttavia è relativamente rigida e può rivelarsi rapidamente inefficace di fronte a problemi complessi. Al contrario, l'IA connessionista consente di risolvere compiti complicati e può quindi essere applicata alla modellazione statistica dei processi industriali, alla modellazione delle funzioni di costo, alla previsione del consumo di elettricità, ecc. Tuttavia, in alcuni casi, i risultati probabilistici dell'IA connessionista possono essere difficili da interpretare.

Più in generale, i limiti dell'intelligenza artificiale sono molteplici e di varia natura. Possono infatti essere:

  • esterni: una mancanza di dati, una scarsa qualità dei dati o una scarsa comprensione del problema energetico possono portare a algoritmi inefficienti;
  • inerenti al problema trattato: il numero di variabili indipendenti che descrivono il problema è troppo grande e il numero di esempi empirici disponibili per addestrare l'algoritmo è troppo basso. Per non parlare poi della piaga della dimensionalità;
  • sociali: qual è il tasso di errore accettabile per i responsabili di un sito industriale in caso di controllo automatico da parte una macchina molto costosa? La fiducia è al centro del tema, ma anche l'apprensione insita nella domanda è di tipo generazionale. -È necessario quindi essere in grado spiegare in modo adeguato e comprensibile questo fenomeno al fine di convincere che l’obiettivo non è di sostituire l'essere umano. Il nostro è un approccio di supporto con una forte componente energetica.

Quali sono le specificità dell’IA sviluppata da METRON ?

In METRON, progettiamo un’IA ibrida che combina i due tipi di intelligenza artificiale (simbolica e connessionista). Questo approccio innovativo, che combina ontologia e apprendimento automatico (Machine Learning), è orchestrato in tre fasi.

L’ontologia, in breve

L'ontologia è una base di conoscenza strutturata che contiene modelli di dati che rappresentano sia i concetti che le relazioni tra questi concetti.

All'interno dell'ontologia METRON, trascriviamo la conoscenza umana del mondo industriale. Ad esempio, definiamo l’insieme degli strumenti (compressore, refrigeratore, ecc.), le azioni eseguite da essi (compressione di un fluido, ecc.) o anche le proprietà fisiche relative ai fluidi energetici (pressione, grado di umidità, ecc.). Uno degli obiettivi dell'ontologia è definire tutti i concetti in modo generico una sola volta. I concetti sono quindi riutilizzabili da un progetto all'altro, il che aumenta notevolmente la scalabilità della nostra soluzione.

Possiamo anche riunire i concetti definiti all'interno dell'ontologia, come dei Lego, in modo da costruire il gemello digitale dei siti industriali. Dopo di che digitalizziamo:

  • la configurazione dei siti industriali, ovvero il modo in cui le macchine sono interconnesse tramite le reti energetiche il cui flusso è orientato;
  • Il significato aziendale dei dati provenienti dai sensori. Le serie storiche dei sensori sono collegate alle proprietà di business memorizzate nell'ontologia;
  • le conoscenze dei produttori delle macchine. I dati chiave delle schede tecniche possono essere memorizzati nell'ontologia.

Inoltre, l'ontologia è dotata di un "ragionamento semantico" o "motore di inferenza". Abbiamo diversi tipi di inferenza, una delle quali è l'inferenza tramite regole logiche. Ad esempio:

  • se colleghiamo una rete elettrica a un'utilizzatore, quest'ultimo eredita automaticamente la proprietà di "energia elettrica consumata";
  • se un sensore misura un'energia, possiamo calcolare automaticamente la potenza equivalente ecc. 

Pertanto, propaghiamo istantaneamente una serie di regole specifiche per il sito all’interno del gemello digitale.

Seguendo questi due passaggi, individuiamo e suggeriamo una serie di parametri ottimizzabili sul sito industriale. È qui che entrano in gioco gli algoritmi di apprendimento automatico (Machine Learning) Il gemello digitale ci ha permesso di contestualizzare i dati, che è un punto cruciale. Gli algoritmi diventano così più autonomi, sono "consapevoli" dell'ambiente in cui operano e potranno accedere facilmente ai dati di cui hanno bisogno.

Possiamo quindi prevedere il consumo di energia di apparecchiature, modellizzare gli utilizzatori e i processi per stabilire i riferimenti e le funzioni di costo, rilevare le derive, ecc. Obiettivo: essere in grado di ridurre al minimo le funzioni di costo associate alle emissioni di CO2, ai costi energetici o all'impatto psicologico, soddisfacendo al contempo tutti i vincoli aziendali (vincoli fisici, vincoli di qualità e di volume della produzione, ecc.)

 

In che modo METRON utilizza la sua IA per aumentare le capacità dell'Energy Manager?

Deve essere molto chiaro che l'intelligenza artificiale non ha l’obiettivo di sostituire gli esseri umani. Il suo obiettivo, al contrario, è supportarlo nei suoi interventi sul campo. Dall'operatore presso il sito al responsabile dell'impianto, passando per l'Energy Manager, METRON cerca di agevolare il lavoro di tutti i soggetti coinvolti modo che possano concentrarsi sulle loro mansioni ad alto valore aggiunto.

Gli algoritmi di IA possono facilmente gestire grandi volumi, flussi e varietà di dati e, infine, essere in grado di comprendere il funzionamento di sistemi industriali complessi in modo molto globale, cosa che in determinate circostanze richiederebbe una notevole quantità di tempo per lo specialista dell'energia.

Attraverso la nostra piattaforma, il nostro motore di intelligenza artificiale è in grado di eseguire rapidamente analisi complesse e di fornire all’utente finale una sintesi in modo tale che possa prendere la decisione migliore in un momento chiave. Possiamo indicare all'utente finale la migliore traiettoria dei parametri di controllo da implementare (sia che si tratti di un forno per il vetro, un impianto di aria compressa o una linea di produzione di cioccolato), al fine di migliorare le prestazioni energetiche. L'operatore è poi libero di implementare le raccomandazioni, sia manualmente che tramite un sistema di controllo dei comandi in tempo reale. Forniamo anche una visione globale (aggregazione di siti) e locale (il più vicino possibile alle macchine) dei flussi di energia e degli indici di performance nonchè dei risparmi ottenuti.

Il motore dell’intelligenza artificiale di METRON e gli esseri umani sono quindi complementari.
 

La soluzione tecnologica proposta da METRON sfrutta al meglio l'IA combinando i due tipi di intelligenza artificiale: quella simbolica e quella connessionista. L'IA simbolica fornisce una base ontologica a partire dalle conoscenze umane dei tecnici che lavorano sul campo. È quindi possibile creare un gemello digitale della fabbrica. L'implementazione di algoritmi di Machine Learning completa poi il sistema al fine di proporre delle ottimizzazioni. Nel campo delle prestazioni energetiche industriali, l'IA consente quindi di effettuare simulazioni in un contesto preciso. Tuttavia, non mira in alcun modo a sostituire l'essere umano, che rimane il decisore finale delle azioni da attuare nella pratica. Vuoi saperne di più sulla soluzione METRON?