KEYWORD |
Development of a System Based on Large Language Models (LLM) for Operator Support in Industrial Environments
keywords MACHINE LEARNING, MACHINE LEARNING, DEEP LEARNING, OTTIMIZZAZIONE, PROBLEM SOLVING
Reference persons STEFANO QUER
Research Groups DAUIN - GR-13 - METODI FORMALI - FM
Thesis type RICERCA E SVILUPPO
Description L’obiettivo della tesi è la progettazione e implementazione di un sistema basato su piattaforme open source con tecnologia Large Language Models (LLM) per migliorare l’efficienza degli operatori nel contesto industriale (ad esempio, presso AROL e nel settore del packaging). Il sistema sarà in grado di fornire informazioni utili e personalizzate agli operatori attraverso un processo di training dedicato su modelli pre-addestrati. Il lavoro è adatto per uno o più candidati, tramite selezione opportuna delle attività richieste in base alle competenze del/i candidato/i stesso/i.
Attività e Fasi del Progetto
1. Contestualizzazione del Problema
o Introduzione al settore di riferimento (ad esempio, il packaging) e alle necessità operative specifiche.
o Analisi dei flussi di lavoro degli operatori, identificando i principali problemi o richieste ricorrenti che il sistema deve risolvere.
2. Definizione delle Funzionalità del Sistema
Il sistema sarà progettato per rispondere a diversi scenari pratici, tra cui:
o Scenario 1: L’operatore carica una foto di una capsula o un contenitore e/o fornisce informazioni (e.g., produttività attesa o tipo di prodotto nei contenitori). Il sistema suggerisce la macchina più adatta da utilizzare.
o Scenario 2: L’operatore descrive un problema relativo a un componente di una macchina (tramite voce o testo). Il sistema analizza i manuali disponibili e fornisce indicazioni specifiche per la risoluzione.
3. Identificazione e Scelta della Piattaforma LLM
o Ricerca di una o più piattaforme open source (es. GPT-J, LLaMA, o altre) idonee all’obiettivo.
o Valutazione e selezione della piattaforma più adatta sulla base di criteri quali scalabilità, accuratezza, supporto per fine-tuning e integrazione aziendale.
4. Sperimentazione di Metodologie di Addestramento e Fine-Tuning
o Definizione delle modalità migliori per adattare il modello pre-addestrato ai dati specifici aziendali. Per esempio, utilizzo di Retrieval-Augmented Generation (RAG), o il fine-tuning.
o Introduzione e integrazione di dati eterogenei, quali, ad esempio, documenti aziendali (manuali tecnici, foto di contenitori e capsule, ordini) o immagini.
5. Sviluppo del Sistema di Prompting e Definizione delle Features
o Progettazione di un sistema per introdurre nuove funzionalità tramite prompting avanzato.
o Configurazione di modelli per rispondere a domande complesse e gestire richieste specifiche.
6. Test e Validazione
o Definizione di un set di regole per testare l’efficacia e la precisione del sistema.
o Confronto tra i risultati ottenuti e le aspettative operative.
7. Realizzazione di un’Interfaccia Utente
o Sviluppo di un’interfaccia web-based per l’interazione con il sistema (input vocale o testuale).
o Design orientato all’usabilità per gli operatori industriali.
Risultati Attesi
1. Fornire agli operatori uno strumento intelligente e personalizzato.
2. Sviluppare un sistema scalabile e facilmente integrabile nei flussi aziendali.
3. Incrementare la produttività e ridurre i tempi di risoluzione dei problemi.
Required skills Capacità di analisi e problem solving, linguaggi di programmazione (e.g., Python), machine learning.
Notes AROL S.p.A. è un'azienda leader mondiale nella progettazione e produzione di macchinari avanzati per la tappatura e il riempimento di bottiglie e barattoli, oltre che per la produzione di capsule. L’azienda vanta un alto livello di integrazione verticale: il 95% dei componenti e delle applicazioni è sviluppato internamente, garantendo un controllo totale sulla qualità e sull’efficienza del processo produttivo. Con sedi operative a Torino, in altre città italiane e in mercati chiave come Stati Uniti, Messico, Brasile, Cina e India, AROL offre una presenza globale al servizio di clienti in diversi settori industriali.
Negli ultimi anni, AROL ha intrapreso un’evoluzione tecnologica significativa, simile a quella del settore automotive. Questo cambiamento ha portato a una crescente integrazione di competenze informatiche avanzate per la gestione centralizzata dei dati e il Controllo e monitoraggio delle prestazioni dei macchinari. AROL si distingue per l'adozione di soluzioni avanzate in diversi ambiti tecnologici che vanno dai sistemi operativi e programmazione di sistema, al web programming e alle interfacce utente moderne, al machine learning e all’intelligenza artificiale applicata, al riconoscimento immagini e analisi visiva per il controllo qualità.
Questa combinazione di know-how meccanico e competenze digitali posiziona AROL come un partner tecnologico strategico per i propri clienti, proiettando l'azienda verso soluzioni sempre più innovative e competitive.
Deadline 30/06/2025
PROPONI LA TUA CANDIDATURA