AES_2 2022

Primo piano 19 EVENTI Automazione e Strumentazione n Marzo 2022 segnali adatti all’IT e quindi legati al modello concettuale con il quale si sta astraendo la fabbrica e poi li invia nella rete IT. L’I-Iot stabilirà un ponte tra OT e IT, traghettando l’azienda oltre il paradigma del fisico (si pensi alla diffusione del digital twin ) e portando nei contesti di fabbrica tutti quei processi di Data Analysis e Intelligenza Artificiale che fino ad ieri erano ad esclusivo dominio del mondo IT. Intelligenza Artificiale per l’ingegneria di processo Si aprono così nuove prospettive per gli Ingegneri di Pro- cesso che possono iniziare a vedere l’AI come una tecno- logia ‘da scaffale’, pronta per supportare le loro attività che vanno dall’analisi dei sistemi, alla progettazione concettuale (sintesi), alla progettazione, all’ottimizzazione e al monito- raggio/controllo dei sistemi (in senso lato). Dal ruolo e dallo spazio di intervento proprio della Process System Engine- ering (PSE) e dal peso che in essa sta assumendo l’AI, ha preso le mosse il contributo di Alberto Servida , docente del Dipartimento di chimica e chimica industriale dell’ Uni- versità di Genova . Non senza aver richiamato una calzante definizione di intelligenza , presa da un recente articolo di Piero Poccianti (2021): “La nostra capacità di modellizzare la realtà, cioè formulare modelli concettuali attraverso i quali interpretiamo gli stimoli che riceviamo dalla realtà”; e non senza aver indicato come il cuore dell’AI sia la costruzione di modelli con i quali interpretare la realtà emulando l’intel- ligenza umana. In quest’opera di modellizzazione, i sistemi di AI uti- lizzano diverse tecnologie classificabili in due grandi famiglie: metodi simbolici come Planning, KR repre- sentation, logical modeling logic programming, description logic, Fuzzy logic; e metodi subsimbolici come genetic algorithms and programing, neural net- work, deep neural network. All’interno dell’AI rien- trano le tecnologie di Machine Learning (ML) dove i modelli sono costruiti a partire dai dati (modellizza- zione parametrica); sono quindi tecnologie data driven e ciò sottolinea ancora una volta l’importanza cruciale dei dati negli attuali sistemi produttivi. Le tecnologie di ML consentono di estrarre conoscenza ( knowledge ) dai dati ‘leggendoli’ e identificando informazioni, strutture, regole di cui non siamo sempre consapevoli; aumentando così la nostra conoscenza del sistema che stiamo analizzando e controllando per poter attuare un vero e proprio Knowledge Based Control . Restando nell’ambito della PSE, l’IA offre utili stru- menti per applicazioni di problem solving e decision making in sistemi complessi e situazioni complicate, caratterizzate da incertezza dei dati e dei modelli; dif- ficoltà nelle misure; non linearità marcate; decisioni rapide. Di conseguenza l’AI può essere utilizzata in molti settori del PSE: sviluppo concettuale, progetta- zione, monitoraggio, controllo, ottimizzazione, sicu- rezza. Servida ricorda che “fin dai primi anni 80 sono Il Machine Learning si è sviluppato in tre direzioni: Deep Neural Networks, Reinforcement Learning e Statistical Learning