Nuove esigenze nella acquisizione e gestione della conoscenza per i DSS

1. Nuove esigenze nella acquisizione e gestione della conoscenza per i DSS Claudio Balducelli balducelli_c@casaccia.enea.it I Sistemi di Supporto alle Decisioni Seminario CAMO - 28 ottobre 2003

2. Sommario • I DSS e la ricerca di modelli di acquisizione della conoscenza • Diverse tipologie di esperti • Una esperienza e una lezione appresa sul campo • I limiti delle tecniche di formalizzazione • La nascita dei sistemi ibridi • Le nuove sfide Seminario CAMO - 28 ottobre 2003

3. I DSS e la ricerca di modelli di acquisizione della conoscenza Definizione di Decision Support System (DSS) Un sistema di supporto alle decisioni è un sistema che automatizza uno o più processi legati alle sequenze decisionali degli operatori umani. Se automatizza un processo relativo al reperimento e visualizzazione di dati lo si può definire come un Sistema di Supervisione di impianto. Se automatizza un processo relativo alla esecuzione di una funzione che necessita conoscenza operativa lo si può definire come un Sistema Esperto. Una differenza non banale esiste fra i DSS che funzionano on-line con i dati di processo e quelli che funzionano off-line (“Ragionamento temporale”) Seminario CAMO - 28 ottobre 2003

4. I DSS e la ricerca di modelli di acquisizione della conoscenza Progetti di sviluppo di DSS(realizzati in passato) • Sistema esperto di diagnostica del Turboalternatore (CISE 1986) • Sistema di diagnostica delle celle di produzione dell’alluminio (ALUMINIA 1988) • Sistema di supporto all’addestramento alla cooperazione durante le emergenze (UE MUSTER 1990) • Sistema di individuazione e recovery di emergenze causate da impianti industriali (PROT CIVILE CIPRODS 1992) • Sistema di aiuto operatore per emergenze in oleodotti e depositi petroliferi (SNAM 1995) • Sistema di supporto operatore per la diagnostica precoce dell’impianto ICARO (ENEA 1999). • Sistema di ottimizzazione delle opzioni tecniche rivolte a ridurre gli impatti ambientali su impianti di produzione manufatturieri (MIUR 1999) Seminario CAMO - 28 ottobre 2003

5. I DSS e la ricerca di modelli di acquisizione della conoscenza Progetti di sviluppo di DSS(attualmente in corso) • Sistema di monitoraggio controllo e salvaguardia di Infrastrutture Critiche altamente informatizzate (UE SAFEGUARD 1992) • Sistema di aiuto operatore nella ottimizzazione della logistica (multi-modale) di trasporto delle merci (MIUR SETRAM 1993) Seminario CAMO - 28 ottobre 2003

6. DIAGNOSI Capire cosa sta accadendo Capire come l’evento incidentale possa propagarsi VALUTAZIONE Gestire le risorse e i piani di intervento PIANIFICAZIONE I DSS e la ricerca di modelli di acquisizione della conoscenza I principali tipi di processi decisionali in presenza di crisi o stato di emergenza Seminario CAMO - 28 ottobre 2003

7. Alberi diagnostici Ogni nodo corrisponde ad una ipotesi il cui stato durante il processo inferenziale può assumere lo stato di “vera” o di “falsa” Nodo AND Nodo OR Diagnosi Conseguenze intermedie Evidenze I DSS e la ricerca di modelli di acquisizione della conoscenza Come formalizzare la conoscenza esperta? Seminario CAMO - 28 ottobre 2003

8. C If AND<ipotesi A> AND<ipotesi B> Then ipotesi C A B 1 3 4 2 If OR<evidenza 1> OR<evidenza 2> Then Ipotesi A If AND<evidenza 3> AND<evidenza 4> Then ipotesi B I DSS e la ricerca di modelli di acquisizione della conoscenza Come formalizzare la conoscenza esperta? Ogni nodo dell’albero può essere rappresentato tramite una “regola di produzione” Seminario CAMO - 28 ottobre 2003

9. Verifica dello stato della diagnosi (vera o falsa) Forward chaining Acquisizione del pattern delle evidenze I DSS e la ricerca di modelli di acquisizione della conoscenza Come formalizzare la conoscenza esperta? Le “metaregole” gestiscono la attivazione delle regole di produzione. Due tipi principali di attivazione. Seminario CAMO - 28 ottobre 2003

10. Supponi che la diagnosi sia vera Backward chaining Trova i pattern di evidenze che soddisfano la condizione I DSS e la ricerca di modelli di acquisizione della conoscenza Come formalizzare la conoscenza esperta? Le “metaregole” gestiscono la attivazione delle regole di produzione. Due tipi principali di attivazione. Seminario CAMO - 28 ottobre 2003

11. Analista esperto dei processi Operatore di impianto Il focus del DSS è quello di dare supporto a questo tipo di esperto Esperti di marketing e politiche produttive Diverse tipologie di esperti Come formalizzare la conoscenza esperta? In un impianto di processo o di produzione esistono in genere tre tipi principali di operatori esperti………… Seminario CAMO - 28 ottobre 2003

12. Analista esperto dei processi Operatore di impianto La conoscenza dei modelli che stanno alla base del processo risiede principalmente in questo tipo di esperto. Esperti di marketing e politiche produttive Diverse tipologie di esperti Come formalizzare la conoscenza esperta? In un impianto di processo o di produzione esistono in genere tre tipi principali di operatori esperti………… Seminario CAMO - 28 ottobre 2003

13. Ossigeno Si produce Si consuma Alumina Si produce Metallo (alluminio) Una esperienza e una lezione appresa sul campo “Sistema di supporto operatore per la conduzione di celle di produzione dell’alluminio” Cosa abbiamo imparato da questa esperienza…… L’alluminio viene prodotto mediante l’elettrolisi dell’alumina fusa ad alta temperatura 15.000 KW-ore di potenza elettrica sono necessarie per produrre 1 tonnellata di alluminio Seminario CAMO - 28 ottobre 2003

14. Attraverso l’analisi in linea dello stato dei parametri di processo, l’operatore di impianto regola i parametri stessi al fine evitare avarie ed anomalie sulla singola cella Una esperienza e una lezione appresa sul campo Un impianto di produzione possiede un grande parco di celle elettrolitiche Carico elettrico Controllo processo Seminario CAMO - 28 ottobre 2003

15. CONFLITTO Analista esperto del processo elettrolitico Responsabile operazioni sulle celle di produzione Manuali Interviste Verifica e aggiornamento Formalizzazione alberi diagnostici CAPIRE LE CAUSE DEL GUASTO PREVENIRE IL GUASTO Conoscenza formalizzata Una esperienza e una lezione appresa sul campo Strategia di acquisizione della conoscenza Seminario CAMO - 28 ottobre 2003

16. Dagli alberi diagnostici alle reti causali…. I limiti delle tecniche di formalizzazione Altre strutture formalizzano meglio il tipo di conoscenza utilizzata dall’operatore di impianto. Seminario CAMO - 28 ottobre 2003

17. Condizione di pericolo per la cella (da evitare) I limiti delle tecniche di formalizzazione Temperatura alta e/o crescente [5,7] [0,1] Tensione di marcia alta AlF3 bassa [1,3] Bagno basso Svista operatore [48,72] [0,1] Reintegro insufficiente Colata mal effettuata Ripartizione anodica irregolare Effetti anodici fuori norma [0,infinito] Anodo mal posizionato Anodo spezzato Mancanza Al2O3 Anodo scivolato Seminario CAMO - 28 ottobre 2003

18. Possibili cause prime (non esaustive e non sempre verificabili dall’operatore) I limiti delle tecniche di formalizzazione Temperatura alta e/o crescente [5,7] [0,1] Tensione di marcia alta AlF3 bassa [1,3] Bagno basso Svista operatore [48,72] [0,1] Reintegro insufficiente Colata mal effettuata Ripartizione anodica irregolare Effetti anodici fuori norma [0,infinito] Anodo mal posizionato Anodo spezzato Mancanza Al2O3 Anodo scivolato Seminario CAMO - 28 ottobre 2003

19. Effetti anomali L’operatore li individua come deviazioni da una condizione di funzionamento normale I limiti delle tecniche di formalizzazione Temperatura alta e/o crescente [5,7] [0,1] Tensione di marcia alta AlF3 bassa [1,3] Bagno basso Svista operatore [48,72] [0,1] Reintegro insufficiente Colata mal effettuata Ripartizione anodica irregolare Effetti anodici fuori norma [0,infinito] Anodo mal posizionato Anodo spezzato Mancanza Al2O3 Anodo scivolato Seminario CAMO - 28 ottobre 2003

20. Vincoli temporali Gli eventi anomali sono legati da vincoli temporali che permettono all’operatore di prevedere le possibili evoluzioni dell’evento [0,infinito] I limiti delle tecniche di formalizzazione Temperatura alta e/o crescente [5,7] [0,1] Tensione di marcia alta AlF3 bassa [1,3] Bagno basso Svista operatore [48,72] [0,1] Reintegro insufficiente Colata mal effettuata Ripartizione anodica irregolare Effetti anodici fuori norma Anodo mal posizionato Anodo spezzato Mancanza Al2O3 Anodo scivolato Seminario CAMO - 28 ottobre 2003

21. I limiti delle tecniche di formalizzazione Collegamenti forti o deboli Un collegamento può indicare una conseguenza che si verificherà sicuramente o che potrebbe verificarsi Temperatura alta e/o crescente [5,7] [0,1] Tensione di marcia alta AlF3 bassa [1,3] Bagno basso Svista operatore [48,72] [0,1] Reintegro insufficiente Colata mal effettuata Ripartizione anodica irregolare Effetti anodici fuori norma [0,infinito] Anodo mal posizionato Anodo spezzato Mancanza Al2O3 Anodo scivolato Seminario CAMO - 28 ottobre 2003

22. Queste “condizioni anomale” non sono riconoscibili in assoluto in quanto sono basate sul concetto di “stato di funzionamento normale” che l’operatore apprende con la sua personale esperienza. I limiti delle tecniche di formalizzazione Cosa è ancora insufficiente in questo tipo di metodi di formalizzazione? Seminario CAMO - 28 ottobre 2003

23. Correlatore temporale Reazione Verifica Detector 5 Detector 4 Detector 1 Detector 3 Sensori intelligenti Detector 2 La nascita dei sistemi Ibridi Seminario CAMO - 28 ottobre 2003

24. La nascita dei sistemi Ibridi Nuovi metodi di IA utilizzabili come metodi di “anomaly detection” (sensoristica) intelligente Riconoscimento attraverso “Casistiche” Case Base Reasoning Riconoscimento attraverso RETI NEURALI Riconoscimento attraverso metodi di DATA MINING Seminario CAMO - 28 ottobre 2003

25. La nascita dei sistemi Ibridi Correlare le anomalie attraverso RETI CASUALI di tipo TEMPORALE e SPAZIALE Reagire alle anomalie attraverso metodi di ricerca di nuovi stati di funzionamento ottimale. (ALGORITMI EVOLUTIVI) Nuovi metodi di IA utilizzabili a livello di “correlazione” e “reazione” intelligente Seminario CAMO - 28 ottobre 2003

26. Le nuove sfide Mancanza di modelli di comportamento Il comportamento è basato su modelli ben conosciuti I sistemi con cui abbiamo a che fare sono sempre meno di tipo fisico (hardware) e sempre più di tipo software Strato organizzativo (procedure operative) Strato di controllo (Cyber-layer) Impianto da controllare Strato fisico

27. Le nuove sfide I sistemi con cui abbiamo a che fare sono sempre meno di tipo fisico (hardware) e sempre più di tipo “software intensive” Strato organizzativo (procedure operative) Strato di controllo (Cyber-layer) Impianto da controllare Strato fisico L’obbiettivo è quello di sviluppare ed utilizzare sullo strato organizzativo dei DSS in grado di effettuare la diagnosi ed il controllo non solo dei componenti dello strato fisico ma anche di quelli dello strato di controllo

28. Le nuove sfide Server instabile o bloccato [0,100] [0,10] Livello alto di CPU load [0,10] Livello elevato di richieste provenienti da Client remoti [0,Infinito] [0,Infinito] [0,100] Pacchetti anomali sulla porta di comunicazione IP Sequenze anomale nelle richieste di routines di sistema [0,Infinito] Forse riuscendo a costruire una rete causale di questo tipo, si potrebbe pensare di costruire un DDS applicabile anche allo strato di controllo dei sistemi fisici…. Qualcosa in più relativamente a questo argomento viene illustrato nella presentazione del sistema Safeguard