Smart maintenance

L’utilizzo dei bot per la creazione automatica di report di produzione

I QnA bot possono essere di supporto al manutentore grazie alle classificazioni di intenti e al Natural Language Processing. Consentono di sostituire la manualistica con uno strumento capace di interagire direttamente con l’utente e l’automatizzazione delle attività di reportistica

01 Apr 2020

Ghelfi Filippo

Head of Data Science Department, 40Factory

I bot, ovvero gli assistenti virtuali, sono una tecnologia diffusa all’interno della nostra quotidianità. Basti pensare agli assistenti vocali come Siri o Cortana, oppure alle sempre più numerose società che affidano a essi il primo livello di assistenza ai clienti e alle aziende che li utilizzano per la gestione dei processi interni.

Ciò che ha reso possibile questa diffusione esponenziale deve rinvenirsi nell’incontro tra bot e intelligenza artificiale: infatti, nonostante la ricerca su questi temi trovi le sue radici nei primi anni ‘60, solo a partire dal 2009 l’utilizzo combinato delle suddette tecnologie ha consentito di approfondire progressivamente il tema dei software di comprensione del linguaggio naturale, i quali hanno raggiunto un grado di raffinatezza e precisione tale da poter essere introdotti in commercio ed utilizzati in diversi ambiti.

Cosa si intende con il termine bot

Cosa si intende esattamente con la parola bot? La risposta a questa domanda non può essere univoca, esistono infatti diverse tipologie di assistenti virtuali: da quelli più semplici preposti al riconoscimento di parole chiave o comandi esatti e, passando da quelli dedicati alla risposta a domande (il cosiddetto question answering), si giunge a quelli specializzati nel riconoscimento di intenti (ovvero ciò che l’utente desidera ottenere) e, più specificamente, nell’estrazione di entità all’interno degli intenti (vale a dire i vari elementi e sotto elementi che specificano l’intento dell’utente). Tutte le tecnologie utilizzate per la costruzione di questi assistenti virtuali cadono sotto il cappello del Natural Language Processing (NLP), ossia il riconoscimento del linguaggio naturale.

Tale tecnologia è già oggi in grado di comportare sensibili benefici nel mondo industriale, il quale si sta sempre più rapidamente indirizzando verso un approccio basato sulla raccolta e sull’analisi dei dati, ciò in particolare grazie alla facilità e all’immediatezza che questi strumenti permettono nell’ottenimento di informazioni e nell’esecuzione di operazioni.

Un caso di utilizzo di bot per l’assistenza alla manutenzione

La manutenzione è un tema cruciale nel contesto del processo produttivo e l’intelligenza artificiale è uno strumento che può contribuire notevolmente nella sua gestione e ottimizzazione (vedi articolo).

Dal punto di vista del costruttore di macchine, d’altro canto, gestire la manutenzione significa anche rispondere a innumerevoli richieste avanzate dai propri clienti, spesso ripetitive, inerenti tematiche o procedure già trattate la cui soluzione, ad esempio, potrebbe essere facilmente individuabile anche nel manuale di istruzioni della macchina. Purtroppo, tale approccio è fonte di sprechi di tempo per tutti gli attori coinvolti: il servizio after-sales offerto dal costruttore rischia di rimanere ingolfato dalle suddette tipologie di ticket, togliendo risorse preziose a richieste più complesse, al contempo, la consultazione della manualistica per l’utilizzatore della macchina spesso risulta essere difficoltosa a causa della mole di informazioni in essa contenuta, ciò causando rallentamenti nella produzione e prolungamenti dei tempi di fermo.

In situazioni simili a quella descritta un bot QnA (question and answer) si presta perfettamente per la gestione di tutte quelle richieste che necessitano di una risoluzione veloce, ossia per quelle problematiche la cui risposta, per quanto specifica, è contenuta nella documentazione. Un bot di questo tipo è in grado di gestire “autonomamente” il 70-80% delle richieste, reindirizzando all’assistenza solo quelle effettivamente più complesse non risolvibili seguendo delle linee guida standard.

Anche lo sviluppo di un bot avente le suddette funzionalità è reso possibile dall’utilizzo di tecnologie di AI. Infatti, tramite algoritmi di NLP è possibile automatizzare l’estrazione di risposte da documenti non strutturati (come file pdf o word). Il matching tra le domande dell’utente e le risposte del bot è ottenuto grazie ad algoritmi di context similarity che si spingono oltre alla semplice ricerca per parole chiave, essi, infatti, comprendono in maniera efficace il senso di una domanda posta utilizzando il linguaggio naturale e, allo stesso modo, sono in grado di restituire risposte idonee alla richiesta specifica.

Intent recognition per ottenere informazioni

WHITEPAPER
Una guida pratica alla modernizzazione del sistema EDI
Cloud
Dematerializzazione

Un altro aspetto cruciale per la gestione e l’ottimizzazione dei processi produttivi risiede nella possibilità di analizzare in maniera significativa e dettagliata le informazioni provenienti da numerose fonti dati, come PLC, MES, ERP, database di fabbrica ecc. in maniera rapida, confrontando e aggregando dati di natura anche molto diversa.

Partendo dal presupposto di poter accedere a tutti questi dati, la raccolta degli stessi e la redazione di report è spesso difficoltosa e richiede di saper interagire con tecnologie informatiche dedicate.

Inoltre, capita non di rado che sia necessario (o utile) effettuare analisi che tengano conto di numerosi asset (magari situati in impianti geograficamente distanti), per diversi periodi temporali ed inerenti vari KPI da considerarsi contemporaneamente. Costruire report simili a partire dai raw data o da applicazioni “generaliste” richiede una grande spesa di tempo da parte del personale preposto a svolgere questa indagine.

Un bot specializzato nel riconoscimento di intenti può essere usato per soddisfare rapidamente queste esigenze, esso infatti è in grado di riconoscere il tipo di report richiesto dall’utente da una semplice domanda discorsiva (anche vocale) nonché tutte le entità (ovvero i KPI, periodi temporali, il nome degli asset ecc.) che compongono la richiesta. Un bot di questo genere può, inoltre, essere implementato nei tradizionali canali di messagistica (come Telegram o Facebook) e può ricevere istruzioni per inviare report personalizzati inerenti informazioni di produzione a scadenze prestabilite definite dall’utente.

Un caso di utilizzo di bot nella produzione di imballaggi

Contestualizzando quanto appena illustrato, si riporta un esempio pratico tratto da un progetto realizzato per un costruttore di macchine per il packaging avente tra i suoi clienti i più grossi produttori dell’industria del caffè. Essi dispongono di diverse macchine connesse, suddivise in dipartimenti e impianti dislocati sul territorio, pertanto, risulta essere cruciale per i responsabili poter accedere velocemente ai dati di produzione.

Nel caso specifico, il bot è stato integrato in un applicazione cloud sviluppata nella fase precedente del progetto, finalizzata a fornire ai clienti end user dell’azienda uno strumento che consentisse una gestione dettagliata ed immediata dei dati di produzione.

Immaginiamo di voler effettuare un’analisi articolata della produzione inerente i pezzi prodotti, gli scarti e i pezzi conformi, di tre mesi dello scorso anno. Assumiamo, inoltre, di voler visualizzare queste informazioni aggregate per settimana, comparando tre linee dell’impianto che operano in parallelo.

Avendo il bot a disposizione, l’unico effort necessario per ottenere questo report è il tempo per scrivere una richiesta del tipo:

“Come è cambiata la produzione rispetto ai pezzi buoni e gli scarti, settimana per settimana, nei periodi di agosto, settembre e ottobre 2019 per le linee al051, al038 e cl002”?

Nell’immagine è riportata a sinistra la richiesta eseguita al bot tramite una semplice chat box e, sulla destra, il report ottenuto in pochi secondi, che risponde pienamente alla richiesta dell’utente.

In questo modo i responsabili di produzione hanno accesso alle informazioni desiderate in maniera veloce ed intuitiva, senza scrivere una riga di codice o importare dati in Excel o in altri strumenti di calcolo.

Conclusioni

In conclusione, nell’era dell’industria 4.0 lo sforzo che i fornitori di soluzioni digitali e tecnologiche devono effettuare è quello di garantire l’accesso ai dati in modo sempre più rapido, conferendogli allo stesso momento un’immediata fruibilità e informatività. I QnA bot e i bot basati sull’intent recognition rappresentano indiscutibilmente un importante passo in questo senso: la possibilità di sostituire la manualistica con uno strumento capace di interagire direttamente con l’utente e l’automatizzazione delle attività di reportistica sono elementi aventi sicuramente un forte impatto in attività con le quali le risorse aziendali devono confrontarsi quotidianamente. Inoltre, gli sviluppi tecnologici del prossimo futuro consentiranno certamente di raffinare sempre più la loro capacità conversazionale consentendogli di rispondere a quesiti progressivamente sempre più complessi.

WHITEPAPER
Che differenza c’è tra i Business Continuity e Disaster Recovery?
IoT
Manifatturiero/Produzione

@RIPRODUZIONE RISERVATA
F
Ghelfi Filippo
Head of Data Science Department, 40Factory
Argomenti trattati

Approfondimenti

I
intent recognition
Q
QnA bot

Articolo 1 di 3