Autore: Luis Galo, Data Scientist presso Lantek
Come conseguenza dell’implementazione del Machine Learning (ML), diverse metodologie hanno iniziato ad essere implementate per migliorare la qualità del ciclo di vita di un prodotto di intelligenza artificiale, tra queste il DevOps il cui obiettivo è orchestrare il lavoro tra i team, come sviluppo, operazioni e ora data science attraverso un software che integra persone, processi e tecnologia per offrire prodotti di qualità superiore in meno tempo, riducendo al minimo gli errori durante il loro ciclo di vita.
Con la comparsa dei modelli di intelligenza artificiale, si fa un passo avanti, quindi è necessario dotarli di un livello che consenta la gestione dei modelli di conoscenza appresi e la loro automazione. Il risultato è MLOPS (Machine learning + DEVOPS).
MLOps è la chiave affinché i progetti di machine learning abbiano successo su larga scala. Cos’è MLOps? È la pratica collaborativa tra la data science e i team IT progettati per accelerare l’intero ciclo di vita nello sviluppo del modello, nell’implementazione e nel monitoraggio in un modo che permetta alle aziende di adottare pienamente l’IA e realizzare veramente il potenziale dell’IA nel loro business.
MLOps funziona in tre fasi:
Progettazione software: a seconda delle esigenze dell’utente, viene progettata una soluzione di apprendimento automatico per risolvere le necessità, sia che si tratti di produrre più velocemente, ridurre i costi riducendo la generazione di scarti, migliorare la produttività o fare previsioni sugli ordini. È in questa fase che i dati estratti vengono raccolti e analizzati per offrire soluzioni ad hoc.
Sperimentazione e sviluppo: in questa fase viene messo in produzione il modello di machine learning per testarlo e perfezionare l’algoritmo definito al fine di offrire un modello di apprendimento automatico di qualità stabile.
Operazioni: viene implementato il modello sviluppato dall’uso di pratiche di DevOps, come test, controllo delle versioni, monitoraggio, ecc.
La sfida è lanciare in produzione questi modelli di semplice usabilità, per cui si tratta di automatizzare il più possibile i processi in modo da limitare l’intervento degli ingegneri nelle implementazioni, mantenendo la qualità del software e dei modelli.
Per questo, i modelli vengono confezionati e caricati sul cloud e archiviati in modo sicuro. Ogni volta che i parametri vengono modificati, viene generata automaticamente un’altra versione del modello, che viene nuovamente sottoposta a un processo di controllo della qualità. Una volta implementato nel Cloud, l’utente può utilizzare questo nuovo modello adattato alla nuova realtà della propria fabbrica.
Con il lavoro quotidiano delle persone che lavorano nei diversi processi, il sistema impara a introdurre miglioramenti e a rendere più efficienti i processi. Perché se i processi non vengono alimentati, se non vengono aiutati in quell’apprendimento, diventano obsoleti. Immaginiamo, ad esempio, che venga sviluppato un nuovo tipo di materiale. Se non viene spiegato alla macchina, non lo capirà e genererà errori.
Utilizzo di MLOps nell’industria della lamiera e dei metalli
In Lantek utilizziamo MLOPS per garantire la qualità e il controllo dei modelli implementati nel cloud con criteri di equità e sicurezza, tra gli altri. Attraverso la nostra piattaforma Lantek 360, i nostri software CAD/CAM e MES sono in grado di connettersi a ciascuna delle macchine e a raccogliere i loro dati per digitalizzarli, così come a digitalizzare il processo di fabbricazione del pezzo stesso.
Ora, con il Machine Learning siamo in grado di modellare e fare previsioni future in modo molto veloce per ciascuno dei percorsi coinvolti nel processo di produzione. Dal momento in cui viene effettuato l’ordine, viene preparata un’offerta, questa viene passata agli acquisti e, successivamente, inviata alla progettazione e alla produzione. Cioè, abbiamo una visione completa dell’intero processo.
In questo modo, con strumenti di Intelligenza Artificiale (IA) e con MLOps possiamo non solo rispecchiare il tempo di funzionamento della macchina, l’energia che ha consumato o il numero di pezzi prodotti, ma anche quantificare quanto scarto è stato prodotto o come molti operatori sono stati coinvolti nella produzione e garantire la qualità dei modelli nel tempo.
A livello di preventivazione, come sappiamo, nell’industria della lamiera, la preparazione delle offerte è un compito complesso, in cui intervengono molte variabili e diversi reparti, cose che richiedono molto tempo. Con l’IA i preventivi generati vengono accelerati e moltiplicati e tramite MLOPS ci assicuriamo che continuino a essere validi nel tempo. Insieme a Lantek iQuoting stiamo sviluppando modelli di preventivazione intelligenti per fornire offerte in pochi secondi.
Stiamo anche lavorando su modelli di configurazione per macchine da taglio, cosa che è altrettanto complessa in questo settore. Richiede molta conoscenza e persone molto esperte delle macchine. L’idea è che dietro le persone ci sia un software intelligente che le consigli sulla configurazione. Quindi l’operatore può decidere se la proposta va bene o meno, ma, ovviamente, può prendere la decisione in modo molto più rapido e semplice di quanto non succeda attualmente. In questo caso, la quantità di conoscenza generata (modelli) è così ampia e variabile nel tempo che sarebbe impossibile gestire i modelli di IA senza applicare metodologie MLOPS e mantenendone la qualità durante tutto il ciclo di vita del prodotto. In definitiva, l’obiettivo finale è ottimizzare al massimo i processi produttivi dell’impianto in modo che la produzione sia il più economica possibile (IA), rendere l’ottimizzazione durevole nel tempo (MLOPS) in modo semplice. Un’ottimizzazione mirata alle piccole e medie imprese in modo che possano essere competitive come quelle di grandi dimensioni, senza la necessità di esperti in architettura software o data science, che già utilizzano i sistemi MLOps per essere più redditizie ed efficienti nell’implementazione dei loro modelli di intelligenza artificiale.
Nel mondo in cui ci muoviamo tutti dobbiamo salire sul treno dell’Industria 4.0 e il nostro compito di azienda trainante è democratizzare l’utilizzo degli strumenti di intelligenza artificiale per ottimizzare le risorse, rendendole fruibili e accessibili a qualsiasi fabbrica.