Con il confronto dei dati delle immagini, alcuni anni fa è iniziato l'ingresso dell'intelligenza artificiale nella produzione. Non solo, ma soprattutto per i controlli di qualità, da allora le reti neurali sono state addestrate a rilevare deviazioni (dallo standard) confrontando un componente (stato attuale) con immagini di riferimento. Nel frattempo, l'IA generativa basata su grandi modelli linguistici supporta la soluzione graduale di domande solitamente molto specifiche. In un processo iterativo, l'uomo fornisce indicazioni tramite prompt fino a raggiungere una soluzione. L'IA agentica lavora in modo completamente diverso: questa seleziona gli strumenti di IA necessari (agenti) per compiti altamente complessi e sviluppa soluzioni in gran parte in modo autonomo.
I chatbot come ChatGPT segnano già nella vita quotidiana il passaggio all'IA agentica: gli utenti vedono che la loro richiesta viene suddivisa in più passaggi (cercare, valutare, riassumere), ma non vedono secondo quale logica il sistema seleziona e collega gli strumenti appropriati. In diverse applicazioni di sviluppo software, assistenza clienti, gestione IT, gestione della conoscenza e processi aziendali amministrativi, l'IA agentica sta già dimostrando i suoi punti di forza – ovunque ci siano compiti complessi che consistono in più passaggi e devono essere coordinati attraverso diversi sistemi.
- Utilizzata nell'assistenza clienti, l'IA agentica può gestire autonomamente grandi parti delle richieste dei clienti e non solo rispondere a domande, ma anche elaborare interi processi di servizio e prendere decisioni in modo autonomo all'interno di regole definite.
- nello sviluppo software: gli agenti di codifica moderni analizzano i requisiti, scrivono codici, eseguono test, correggono (in modo iterativo) errori.
- Nel commercio al dettaglio, agenti di IA ben orchestrati possono supportare nella gestione delle scorte, previsioni della domanda, logistica e gestione dei prodotti. Gli agenti dovrebbero combinare autonomamente informazioni provenienti da diversi sistemi, preparare decisioni operative e in parte anche eseguirle.
Orcha-3: trasferimento nella produzione industriale
La piattaforma Orcha-3 sviluppata presso il Fraunhofer IWU applica questo approccio alla tecnologia di produzione. Orcha-3 è progettata per domande che finora sono state difficili da affrontare con singoli modelli di IA: domande aperte lungo una catena di processo, la cui risposta non deriva da una misurazione, ma da molti passaggi successivi e in cui il prossimo passo sensato è definito solo quando il precedente è stato valutato.
Un esempio: in una catena di processo di operazioni di deformazione e giunzione, alla fine si verificano deviazioni dimensionali la cui causa è sconosciuta. Orcha-3 suddivide autonomamente questa domanda in singoli passaggi di lavoro – recuperare dati di processo dall'ambiente delle macchine e degli impianti, unire serie temporali di più stazioni, calcolare correlazioni, simulare variazioni di parametri, valutare risultati intermedi – e decide dopo ogni passaggio come procedere. Ognuno di questi passaggi è eseguito da un agente specializzato con un compito chiaramente definito.
Decisivo per l'uso nella produzione è la divisione dei compiti tra modello linguistico ed esecuzione: il modello linguistico pianifica, ma non accede a nessun sistema di produzione. Le query di database, i calcoli e le simulazioni vengono eseguiti esclusivamente localmente negli agenti. I dati grezzi non lasciano la rete aziendale; al modello viene fornita esclusivamente una vista curata e completamente registrata sulla situazione di pianificazione. Questa vista viene generata e memorizzata in modo deterministico per ogni passaggio di pianificazione. È quindi possibile verificare in seguito quali informazioni sono effettivamente state fornite al modello. Il know-how di processo, che è contenuto nei parametri di produzione, è spesso il vero vantaggio competitivo di un'azienda; Orcha-3 è progettata in modo tale che l'uso di modelli linguistici potenti non richieda la divulgazione di questa conoscenza.
Per lo stesso motivo, l'intera esecuzione è orchestrata in modo deterministico (eseguita in base a regole, ogni decisione può essere ricostruita in seguito) e registrata senza interruzioni: ogni passaggio, ogni risultato intermedio e ogni decisione della piattaforma rimane memorizzata e può essere tracciata anche dopo mesi. Per una raccomandazione che entra nella produzione in serie, questa ricostruibilità non è una funzione di comodità, ma una condizione necessaria. Inoltre, Orcha-3 può eseguire passaggi di valutazione mancanti sotto forma di piccoli programmi anche quando l'attuale cassetta degli attrezzi non è sufficiente per una domanda.
La piattaforma è attualmente progettata come ambiente di ricerca e sperimentazione. L'obiettivo a medio termine è l'espansione dalla singola catena di processo al sistema di produzione, fino a questioni riguardanti l'uso di macchine e personale, il fabbisogno di superficie e il concetto logistico, che oggi possono essere risolti solo attraverso analisi manuali complesse.
Dati sintetizzati per rappresentare una varietà di compiti e casi d'uso
Pianificare o ottimizzare una produzione complessa richiede una solida base di dati. Il dilemma del pollo e dell'uovo all'inizio può essere risolto elegantemente – mediante dati sintetizzati creati appositamente, che si basano su catene di processo virtuali e simulano, ad esempio, processi reali come singoli passaggi di deformazione. Su questa catena di processo virtuale, l'IA può ora intervenire e mostrare potenziali di miglioramento. Problemi e compiti possono quindi essere variati quasi all'infinito.
Complessità che può essere gestita solo con l'IA agentica
Nelle produzioni a più fasi ci sono domande che dovrebbero essere chiarite, ma di solito rimangono senza risposta, perché la loro chiarificazione richiederebbe giorni di lavoro sui dati:
- »Alla fine della catena di processo ci sono parti al di fuori della tolleranza, ogni singola stazione segnala 'in ordine'.
- »Da dove proviene la deviazione?«
- »Il fornitore del materiale è cambiato, il foglio dati sembra lo stesso, ma il processo non funziona più come prima. Quali parametri devono essere regolati?«
- »Il tasso di scarto varia tra i lotti. C'è un sospetto, ma nessuno che controlli i dati di processo per due settimane.«
Tali domande non possono essere risolte con un'unica valutazione, ma con molte: unire dati da più stazioni, verificare relazioni, scartare un'ipotesi, formulare la successiva. Esattamente questo processo viene gestito autonomamente da Orcha-3, rendendo ogni passaggio tracciabile.
La piattaforma è funzionale ed è stata testata su catene di processo virtuali. Il prossimo passo è l'applicazione a domande di produzione reali; per questo cerchiamo di dialogare con aziende che hanno una tale domanda concreta. Valuteremo insieme se questo compito specifico può essere affrontato con l'approccio Orcha-3, cosa offre la situazione dei dati esistenti e come potrebbe apparire un avvio.
IA agentica / Intelligenza artificiale agentica
L'IA agentica si riferisce a sistemi di IA che agiscono come agenti autonomi per eseguire compiti complessi e a più fasi in modo autonomo. A differenza dei chatbot tradizionali, che rispondono solo a comandi diretti, questi sistemi possono elaborare compiti complessi e utilizzare strumenti (altri agenti o strumenti) in modo autonomo – a seconda delle necessità. Suddividono compiti più grandi in più sezioni logiche, non dipendono da frequenti passaggi intermedi umani e reagiscono in modo flessibile a cambiamenti improvvisi o imprevisti.
La piattaforma Orcha-3
Orcha-3 elabora compiti complessi chiamati "Jobs" e li gestisce in modo strutturato in più cicli. Al centro, la piattaforma si basa su un'architettura chiaramente separata composta da API (interfaccia di programmazione), orchestratore, supervisore e agenti. Coerentemente basata sullo stato: tutte le informazioni vengono memorizzate in modo persistente nel file system, garantendo così piena trasparenza, tracciabilità e riprendibilità. Il lavoro viene eseguito in un ciclo ricorrente di pianificazione ed esecuzione:
- Un agente pianificatore analizza lo stato attuale e decide i prossimi passi.
- Da ciò derivano compiti che vengono eseguiti da agenti specializzati.
- I risultati vengono memorizzati e integrati nel ciclo di pianificazione successivo.
- Il processo si ripete fino a quando non viene raggiunta una soluzione o viene attivata una condizione di interruzione definita.
Contatto:
