{"id":25797,"date":"2019-11-20T11:50:26","date_gmt":"2019-11-20T10:50:26","guid":{"rendered":"http:\/\/help.qualiware.it\/qw-help\/?p=25797"},"modified":"2023-06-19T22:06:22","modified_gmt":"2023-06-19T20:06:22","slug":"intelligenza-artificiale-e-machine-learning-con-qualiware","status":"publish","type":"post","link":"https:\/\/help.qualiware.it\/qw-help\/intelligenza-artificiale-e-machine-learning-con-qualiware\/","title":{"rendered":"Machine Learning con QualiWare"},"content":{"rendered":"<p>Dalla versione <strong>2020.00<\/strong> QualiWare mette a disposizione funzionalit\u00e0 avanzate per l&#8217;utilizzo di tecnologie di Intelligenza Artificiale (Artificial Intelligence &#8211; AI) e Machine Learning (ML). Esse sono state integrate in modo da consentirne una fruizione semplice per risolvere problemi di inferenza come, ad es., i seguenti, tipici della Qualit\u00e0:<\/p>\n<ul>\n<li>previsione di un livello di criticit\u00e0 di un reclamo o di un ticket di assistenza in arrivo;<\/li>\n<li>previsione di un livello di rischio Non Conformit\u00e0 su un nuovo prodotto;<\/li>\n<li>previsione di un livello di rischio su una fornitura in arrivo.<\/li>\n<\/ul>\n<p>In tutti e 3 questi casi, l&#8217;avere una previsione pu\u00f2 portare ad importanti risparmi di tempo e risorse. Ad esempio, per quanto riguarda il secondo e terzo caso, si potrebbe modulare opportunamente il livello di Controllo Qualit\u00e0, rafforzandolo laddove il rischio \u00e8 alto, e diminuendolo dove il rischio \u00e8 basso.<\/p>\n<p>Esistono sul mercato piattaforme AI\/ML complesse, che richiedono giornate di analisi, sviluppo ed integrazione per la soluzione di un problema specifico. L&#8217;integrazione di queste in QualiWare avrebbe rappresentato una modalit\u00e0 d\u2019approccio non coerente con la filosofia di QualiWare, quella di mettere a disposizione soluzioni semplici, altamente configurabili, utilizzabili rapidamente e dal costo limitato.<\/p>\n<p>Per questo motivo \u00e8 stato realizzato il <strong><a href=\"http:\/\/help.qualiware.it\/qw-help\/modellimlform\/\">Machine Learning Model Designer<\/a> (MLMD)<\/strong>, un modulo che consente di creare con pochi click un modello dei dati dai quali si vogliono ricavare stime e previsioni. Si tratta di un&#8217;operazione normalmente molto complessa e che deve essere effettuata da un esperto in Data Science, il quale, partendo dalla conoscenza delle decine di algoritmi disponibili in letteratura, sceglie quello pi\u00f9 adeguato e ne determina i cosiddetti &#8220;iperparametri&#8221;. Tutto questo in QualiWare non \u00e8 necessario, in quanto il MLMD seleziona automaticamente l&#8217;algoritmo migliore e ne determina, sempre automaticamente, i parametri, rendendolo poi disponibile per l&#8217;effettuazione di stime che potranno essere fatte in qualsiasi script (evento Form Designer, task, ecc.) attraverso un&#8217;apposita funzione primitiva.<\/p>\n<p>Ci\u00f2 consente di applicare il Machine Learning in una grande quantit\u00e0 di situazioni che si riscontrano normalmente in azienda, verificandone l&#8217;usabilit\u00e0 in tempi rapidissimi e senza necessariamente possedere conoscenze specifiche nel settore dell&#8217;Intelligenza Artificiale.<\/p>\n<p>Per l&#8217;utente \u00e8 necessario comprendere solo una cosa, molto semplice ma non banale. <em>A cosa serve l&#8217;Intelligenza Artificiale e, in particolare, il Machine Learning<\/em>?&nbsp;<\/p>\n<p>L&#8217;abbiamo gi\u00e0 detto, principalmente serve ad effettuare stime e previsioni, partendo dalla conoscenza di dati precedentemente acquisiti, che vengono elaborati dagli algoritmi di ML per determinare il modello che trasforma le variabili di ingresso (<strong>predittori<\/strong>) nella variabile d&#8217;uscita (<strong>stima<\/strong>). Il tutto senza che un programmatore debba scrivere un algoritmo specifico nella modalit\u00e0 tradizionale, fatto di formule, if-then-else, ecc.<\/p>\n<p>Facciamo un esempio pratico: volendo prevedere il livello di non conformit\u00e0 atteso su un nuovo prodotto, si pu\u00f2 supporre che questo dipenda dai componenti in esso contenuti, dal tempo impiegato per la realizzazione (che \u00e8 un&#8217;indicatore della complessit\u00e0) e dal terzista che realizzer\u00e0 il prodotto stesso. Avendo a disposizione questi dati per il passato e per tutti i prodotti e le relative non conformit\u00e0 rilevate, si potrebbe costruire un algoritmo che, con una serie di &#8220;if&#8221; e\/o delle formule appropriate, stimasse il livello di non conformit\u00e0 atteso. Ci\u00f2 ovviamente richiederebbe un&#8217;analisi approfondita dei dati stessi, per determinare i coefficienti delle formule o le condizioni da utilizzare. Andrebbe poi scritto il programma e provato. Inoltre, se cambiassero le condizioni (es. nuovi prodotti, aggiunta di nuovi tipi di componenti, ecc.), l&#8217;intera operazione andrebbe ripetuta.<\/p>\n<p>Con la tecnologia del Machine Learning tutto questo non \u00e8 necessario: tramite una query si organizzano i dati passati in una serie di colonne che costituiranno i predittori (es. il codice del fornitore, i codici dei componenti contenuti nella distinta base, il tempo di produzione), e nell&#8217;ultima colonna si inserir\u00e0 il livello di non conformit\u00e0, che pu\u00f2 essere suddiviso in categorie in base alla percentuale. I risultati di questa query verranno utilizzati dal MLMD per &#8220;imparare&#8221; (il cosiddetto &#8220;<strong>training<\/strong>&#8220;), che, all&#8217;atto pratico, significa stimare il modello che determina la variabile d&#8217;uscita da quelle di ingresso. In realt\u00e0, non tutti i dati in uscita verranno utilizzati per imparare: una parte di essi verr\u00e0 utilizzata per verificare ci\u00f2 che si \u00e8 imparato, e quindi stimare l&#8217;affidabilit\u00e0 del modello. Questo perch\u00e8 la scelta del modello migliore \u00e8 fatta in base ad una metrica, che rappresenta un&#8217;indicazione dell&#8217;errore medio di previsione. Il modello e i parametri che daranno la metrica migliore saranno quelli prescelti.<\/p>\n<p>L&#8217;utente non vedr\u00e0 n\u00e8 il modello n\u00e8 i parametri determinati, e non dovr\u00e0 conoscerne la struttura: essi verranno memorizzati e utilizzati da QualiWare il quale, fornendo i dati in ingresso, potr\u00e0 ricavare il valore stimato per la variabile in uscita. Non solo: sar\u00e0 periodicamente possibile eseguire nuovamente, e in automatico tramite <a href=\"http:\/\/help.qualiware.it\/qw-help\/sd-machine-learning\/\">QualiWare Server Daemon<\/a>, l&#8217;operazione di &#8220;learning&#8221; per determinare nuovamente il modello, e, quindi, adattarlo ad eventuali cambiamenti. Il tutto con pochi click e senza scrivere una riga di programma o una singola formula.<\/p>\n<p>Ricapitolando, il grande beneficio offerto dal MLMD \u00e8 che pu\u00f2 determinare automaticamente il modello migliore partendo da una serie di algoritmi disponibili, e, quindi, togliere all&#8217;utente anche l&#8217;incombenza di capire quale tipo di tecnica di ML pu\u00f2 essere pi\u00f9 adeguata ai dati che ha a disposizione e dai quali vuole ricavare le stime.<\/p>\n<p>&nbsp;<\/p>\n<p>&nbsp;<\/p>\n<h2>&nbsp;<\/h2>\n<p>&nbsp;<\/p>\n","protected":false},"excerpt":{"rendered":"<p>Dalla versione 2020.00 QualiWare mette a disposizione funzionalit\u00e0 avanzate per l&#8217;utilizzo di tecnologie di Intelligenza Artificiale (Artificial Intelligence &#8211; AI) e Machine Learning (ML). Esse sono state integrate in modo da consentirne una fruizione semplice per risolvere problemi di inferenza come, ad es., i seguenti, tipici della Qualit\u00e0: previsione di un livello di criticit\u00e0 di&hellip;<\/p>\n","protected":false},"author":1,"featured_media":0,"comment_status":"closed","ping_status":"closed","sticky":false,"template":"","format":"standard","meta":{"_acf_changed":false,"ngg_post_thumbnail":0,"footnotes":""},"categories":[86],"tags":[],"acf":[],"_links":{"self":[{"href":"https:\/\/help.qualiware.it\/qw-help\/wp-json\/wp\/v2\/posts\/25797"}],"collection":[{"href":"https:\/\/help.qualiware.it\/qw-help\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/help.qualiware.it\/qw-help\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/help.qualiware.it\/qw-help\/wp-json\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/help.qualiware.it\/qw-help\/wp-json\/wp\/v2\/comments?post=25797"}],"version-history":[{"count":1,"href":"https:\/\/help.qualiware.it\/qw-help\/wp-json\/wp\/v2\/posts\/25797\/revisions"}],"predecessor-version":[{"id":30716,"href":"https:\/\/help.qualiware.it\/qw-help\/wp-json\/wp\/v2\/posts\/25797\/revisions\/30716"}],"wp:attachment":[{"href":"https:\/\/help.qualiware.it\/qw-help\/wp-json\/wp\/v2\/media?parent=25797"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/help.qualiware.it\/qw-help\/wp-json\/wp\/v2\/categories?post=25797"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/help.qualiware.it\/qw-help\/wp-json\/wp\/v2\/tags?post=25797"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}