ExplAIn 4.0 — Riconoscimento di anomalie interpretabile nell’Industria 4.0

Statwolf Data Science S.r.l. si è avvalsa delle opportunità della DGR n° 805 dell’11/06/2019 (Bando per il sostegno a progetti di ricerca che prevedono l’impiego di ricercatori — asse 1 "ricerca, sviluppo tecnologico e innovazione", obiettivo "Incremento dell’attività di innovazione delle imprese", Azione 1.1.1). Ha avviato un progetto di R&S di un innovativo sistema per il riconoscimento di anomalie orientato all’Industria 4.0, con caratteristiche di interpretabilità. Il progetto ha rispettato tempi e budget previsti, ottenendo i risultati di innovazione attesi.

Il Machine Learning traduce la crescente disponibilità di misure su processi e prodotti (tipica dell’Industria 4.0) nella possibilità di anticipare i guasti, ridurre gli sprechi e ottimizzare i costi. Tra le metodologie ML, l’Anomaly Detection (AD) ha un ruolo di primo piano: spesso è il primo passo della transizione al Digital Manufacturing, perché non richiede dato storico etichettato ma aumenta comunque la conoscenza del processo produttivo.

Per quanto performanti, i modelli di AD spesso sono "scatole nere" prive di trasparenza — un limite che mina la fiducia degli utenti, specie nelle PMI. L’interpretabilità dei risultati abilita inoltre la Root Cause Analysis, agevolando l’identificazione delle azioni correttive.

Nel progetto ExplAIn 4.0 sono state sviluppate soluzioni interpretabili di ML per l’AD nell’Industria 4.0. Il ricercatore reclutato ha sviluppato un approccio algoritmico innovativo — chiamato AcME (Accelerated Model Explanation) — che produce, in modo agnostico rispetto al modello ML sottostante, spiegazioni interpretabili delle predizioni sia globali sia locali. AcME mima le visualizzazioni del popolare SHAP (Shapley values) ma calcola le informazioni in modo computazionalmente molto più efficiente, abilitando analisi on-the-fly tipiche del mondo industriale. Il nuovo approccio è stato integrato nella piattaforma Statwolf, dando luogo a un sistema di supporto alle decisioni cloud-based con riconoscimento anomalie e interpretazione delle predizioni.