Nuove esigenze nella acquisizione e gestione della conoscenza per i DSS Claudio Balducelli Seminario...

Nuove esigenze nella acquisizione e gestione della conoscenza per i DSS

Claudio Balducelli

Seminario CAMO - 28 ottobre 2003I Sistemi di Supporto alle Decisioni

[email protected]

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

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.

I DSS e la ricerca di modelli di acquisizione della conoscenza


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”)

Progetti di sviluppo di DSS(realizzati in passato)

1. Sistema esperto di diagnostica del Turboalternatore (CISE 1986)2. Sistema di diagnostica delle celle di produzione dell’alluminio

(ALUMINIA 1988)3. Sistema di supporto all’addestramento alla cooperazione durante

le emergenze (UE MUSTER 1990)4. Sistema di individuazione e recovery di emergenze causate da

impianti industriali (PROT CIVILE CIPRODS 1992)5. Sistema di aiuto operatore per emergenze in oleodotti e depositi

petroliferi (SNAM 1995)6. Sistema di supporto operatore per la diagnostica precoce

dell’impianto ICARO (ENEA 1999). 7. Sistema di ottimizzazione delle opzioni tecniche rivolte a ridurre

gli impatti ambientali su impianti di produzione manufatturieri (MIUR 1999)



Progetti di sviluppo di DSS (attualmente in corso)

1. Sistema di monitoraggio controllo e salvaguardia di Infrastrutture Critiche altamente informatizzate (UE SAFEGUARD 1992)

2. Sistema di aiuto operatore nella ottimizzazione della logistica (multi-modale) di trasporto delle merci (MIUR SETRAM 1993)



I principali tipi di processi decisionali in presenza di crisi o stato di emergenza

DIAGNOSICapire cosa sta accadendo

VALUTAZIONECapire come l’evento

incidentale possa propagarsi

PIANIFICAZIONEGestire le risorse e i piani di intervento



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

Come formalizzare la conoscenza esperta?

Evidenze Conseguenze intermedie

Diagnosi




Ogni nodo dell’albero può essere rappresentato tramite una “regola di produzione”

A B

1 2 3 4

C

If AND<evidenza 3> AND<evidenza 4>

Then ipotesi B

If OR<evidenza 1> OR<evidenza 2>

Then Ipotesi A

If AND<ipotesi A> AND<ipotesi B>

Then ipotesi C




Le “metaregole” gestiscono la attivazione delle regole di produzione.

Due tipi principali di attivazione.

Forward chaining

Acquisizione del pattern delle evidenze

Verifica dello stato della diagnosi (vera o falsa)



Backward chaining

Supponi che la diagnosi sia vera

Trova i pattern di evidenze che soddisfano la condizione


Le “metaregole” gestiscono la attivazione delle regole di produzione.

Due tipi principali di attivazione.




Analista esperto dei processi

Esperti di marketing e politiche produttive

In un impianto di processo o di produzione esistono in genere tre tipi principali di operatori esperti…………

Il focus del DSS è quello di dare supporto a questo tipo di esperto

Operatore di impianto

Diverse tipologie di esperti



Analista esperto dei processi

Esperti di marketing e politiche produttive

In un impianto di processo o di produzione esistono in genere tre tipi principali di operatori esperti…………

La conoscenza dei modelli che stanno alla base del processo risiede principalmente in questo tipo di esperto.

Operatore di impianto

Diverse tipologie di esperti


“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

Una esperienza e una lezione appresa sul campo


Alumina

Metallo (alluminio)

Ossigeno

Si consuma

Si produce

Si produce

Un impianto di produzione possiede un grande parco di celle elettrolitiche

Carico elettrico

Controllo processo


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


Verifica e aggiornamento

Responsabile operazioni sulle

celle di produzione Interviste

Formalizzazione alberi diagnostici

Analista esperto del processo

elettrolitico Manuali

Conoscenza formalizzata

Strategia di acquisizione della conoscenza

CONFLITTO



CAPIRE LE CAUSE DEL GUASTO

PREVENIRE IL GUASTO

I limiti delle tecniche di formalizzazione

Altre strutture formalizzano meglio il tipo di conoscenza utilizzata dall’operatore di

impianto.

Dagli alberi diagnostici alle reti causali….



Temperatura alta

e/o crescente

Tensione di

marcia altaBagno

basso

AlF3

bassa

Ripartizione

anodica

irregolare

Effetti

anodici

fuori norma

Anodo spezzato

Anodo scivolato

Anodo malposizionato

Mancanza Al2O3

Reintegro insufficiente

Colata maleffettuata

Svistaoperatore [0,1]

[0,infinito]

[0,1][5,7]

[48,72]

[1,3]

Condizione di pericolo per la cella(da evitare)


Temperatura alta

e/o crescente

Tensione di

marcia altaBagno

basso

AlF3

bassa

Ripartizione

anodica

irregolare

Effetti

anodici

fuori norma

Anodo spezzato

Anodo scivolato


Mancanza Al2O3




[0,infinito]

[0,1][5,7]

[48,72]

[1,3]Possibili cause prime

(non esaustive e non sempre verificabili

dall’operatore)



Temperatura alta

e/o crescente

Tensione di

marcia altaBagno

basso

AlF3

bassa

Ripartizione

anodica

irregolare

Effetti

anodici

fuori norma

Anodo spezzato

Anodo scivolato


Mancanza Al2O3




[0,infinito]

[0,1][5,7]

[48,72]

[1,3]

Effetti anomaliL’operatore li individua come

deviazioni da una condizione difunzionamento normale



Temperatura alta

e/o crescente

Tensione di

marcia altaBagno

basso

AlF3

bassa

Ripartizione

anodica

irregolare

Effetti

anodici

fuori norma

Anodo spezzato

Anodo scivolato


Mancanza Al2O3




[0,1][5,7]

[48,72]

[1,3]

[0,infinito]

Vincoli temporaliGli eventi anomali sono legati da vincolitemporali che permettono all’operatore

di prevedere le possibili evoluzionidell’evento



Temperatura alta

e/o crescente

Tensione di

marcia altaBagno

basso

AlF3

bassa

Ripartizione

anodica

irregolare

Effetti

anodici

fuori norma

Anodo spezzato

Anodo scivolato


Mancanza Al2O3




[0,1][5,7]

[48,72]

[1,3]

[0,infinito]

Collegamenti forti o deboliUn collegamento può indicare una

conseguenza che si verificherà sicuramente o che potrebbe

verificarsi




Cosa è ancora insufficiente in questo tipo di metodi di formalizzazione?

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.


Sensoriintelligenti

Detector 1

Detector 4

Detector 3

Detector 2

Detector 5

Correlatore temporale

ReazioneVerifica

La nascita dei sistemi Ibridi


Riconoscimento attraverso metodi

di

DATA MINING

Riconoscimento attraverso

RETI NEURALI

Nuovi metodi di IA utilizzabili come metodi di “anomaly detection” (sensoristica) intelligente

Riconoscimento attraverso

“Casistiche” Case Base Reasoning



Nuovi metodi di IA utilizzabili a livello di “correlazione” e “reazione” intelligente

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)


Le nuove sfide

Impianto da controllare

Strato di controllo (Cyber-layer)

Strato organizzativo (procedure operative)

Strato fisico

Il comportamento è basato su modelli ben conosciuti

Mancanza di modelli di comportamento

I sistemi con cui abbiamo a che fare sono sempre meno di tipo fisico (hardware) e sempre più di tipo software

Le nuove sfide

Impianto da controllare

Strato di controllo (Cyber-layer)

Strato organizzativo (procedure operative)

Strato fisico

I sistemi con cui abbiamo a che fare sono sempre meno di tipo fisico (hardware) e sempre più di tipo “software intensive”

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

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….

Le nuove sfide

Qualcosa in più relativamente a questo argomento viene illustrato nella presentazione del sistema Safeguard

Pacchetti anomali sulla porta di

comunicazione IP

Livello alto di CPU load

Sequenze anomale nelle richieste di

routines di sistema

Livello elevato di richieste provenienti

da Client remoti

Server instabile o bloccato

[0,Infinito]

[0,Infinito]

[0,10]

[0,100]

[0,10]

[0,Infinito][0,100]

Nuove esigenze nella acquisizione e gestione della conoscenza per i DSS Claudio Balducelli Seminario...

Documents

Transcript of Nuove esigenze nella acquisizione e gestione della conoscenza per i DSS Claudio Balducelli Seminario...