AES_2 2022

Primo piano 21 EVENTI Automazione e Strumentazione n Marzo 2022 (DNN), il Reinforcement Learning e il Statistical Machine Learning. Inoltre si affermano tecnologie importanti per la feature extraction anche se non realmente nuove, come il Natural Language Processing e le Vision application. Va sottolineato che l’adozione di queste tecnologie è stata favorita dalla disponibilità di Big Data, di GPU e di sof- tware “easy to be-used”. Se ci chiediamo a questo punto dove siamo, esaminando sempre l’Hype Cycle 2021 di Gartner, vediamo che è stato superato il picco delle aspettative e siamo entrati nella fossa della disillusione; ciò è da attribuire alle aspet- tative esagerate, anche favorite da una pubblicità mar- tellante, accompagnate da casi di insuccesso. Lo stesso Hype Cycle mostra inoltre che l’ Edge AI ha raggiunto il picco delle aspettative, mentre la cosiddetta AI Forte è ancora lontana ed è parcheggiata all’inizio della salita dell’Hype. Volendo spingersi a tratteggiare gli scenari futuri dell’AI applicata al Process System Engineering “si può dire che, per la natura propria di questo ambito, non sarà neces- sario il pieno sviluppo delle tecnologie più sofisticate (DNN, Reinforcement Learning …) e basteranno le tec- nologie più semplici (quindi più trasparenti). Non sono da sottovalutare anche le tecnologie di esplorazione dei dati (come ad esempio la Principal Component Analysis, PCA)”. Inoltre, osserva Servida, sarà utile e opportuno sfruttare tutta la conoscenza pregressa, quindi, diven- tano importanti le tecnologie di modellizzazione ibrida (modelli che integrano l’approccio meccanicistico e quello parametrico). Le possibili aree di applicazioni sono indicate riprendendo un recente lavoro di Christoph Thon et al. su Advanced Intelligent Systems , dove vengono individuati sei campi di intervento: Process Control, Process Optimization, Predictive Modelling, Fault detection, Data rectification, Mechanistic Modelling. I primi quattro sono collocabili all’intersezione tra i domini del Process Engineering e l’AI; la Data rectification si pone al livello del prepro- cessing dei dati e in genere precede l’addestramento dei sistemi di AI; il Mechanistic Modelling occupa un posto speciale ed è indirizzato a produrre una modellistica ‘tra- sparente’, facendo ricorso anche al reverse engineering, ai modelli ibridi e gray box per passare dai modelli black box a quelli white box. n Innovazione dinamica. L’evoluzione nel software per SCADA/HMI. Progea Srl Tel +39 059 451060 • info.movicon@emerson.com Scoprite di più o scaricate la versione di prova gratuita su www.progea.com