Sketch2Simulation: Automating Flowsheet Generation via Multi Agent Large Language Models

Il paper presenta "Sketch2Simulation", un sistema multi-agente basato su grandi modelli linguistici che converte automaticamente schizzi di processi in modelli di simulazione eseguibili in Aspen HYSYS, colmando il divario tra l'interpretazione dei diagrammi e la generazione di flussi di lavoro di simulazione.

L'essenziale

Immagina di essere un architetto che disegna una casa su un foglio di carta con una matita. Il tuo disegno è pieno di idee, linee e simboli. Ora, immagina di voler trasformare quel disegno in una casa reale, abitabile e sicura, dove l'elettricità funziona e l'acqua scorre.

Fino a oggi, questo passaggio dal "disegno" alla "casa reale" richiedeva un team di ingegneri umani che dovevano:

1. Guardare il tuo disegno.
2. Capire cosa hai inteso (anche se hai dimenticato di scrivere qualcosa).
3. Disegnare a mano i piani tecnici dettagliati.
4. Inserire ogni singolo dato in un software complesso per simulare come si comporterebbe la casa.

Era un processo lento, costoso e soggetto a errori umani.

La Soluzione: Un'Equipe di Robot Intelligente (Agenti Multipli)

Gli autori di questo studio (dall'Imperial College London e dalla BYU) hanno creato un sistema chiamato SKETCH2SIMULATION. Invece di un singolo "super-robot" che deve fare tutto da solo, hanno creato una squadra di piccoli robot specializzati, ognuno con un compito preciso, che lavorano insieme come un'orchestra.

Ecco come funziona, passo dopo passo, con delle analogie:

1. L'Osservatore Attento (Il "Descriptor")

Il primo robot prende il tuo disegno grezzo (la "sketch"). È come un detective visivo che guarda il foglio e dice: "Vedo una pompa qui, un serbatoio lì, e una linea che collega i due. Sembra che l'acqua entri da sinistra e esca da destra."

• Il trucco: Questo robot non si limita a vedere le linee; capisce il significato del disegno, anche se ci sono scritte poco chiare o simboli strani.

2. Il Traduttore (L'"Extractor")

Una volta che il detective ha descritto tutto, il secondo robot prende quella descrizione e la trasforma in un linguaggio matematico pulito (un "JSON").

• L'analogia: È come se il detective parlasse in italiano, e questo robot lo traducesse in un codice binario perfetto che il computer può leggere senza dubbi. Organizza i pezzi come un architetto che prepara i mattoni prima di costruire.

3. Il Normatore (Il "Normalization Agent")

Qui arriva il robot più "burocrate" ma fondamentale. Spesso nei disegni umani, due tubi si incontrano magicamente in un punto senza un raccordo. Nel mondo reale (e nei software di simulazione), questo è impossibile: serve una valvola o un mixer.

• L'analogia: Immagina di ordinare una pizza. Se chiedi "pizzaiolo, metti il formaggio sulla pizza", il pizzaiolo sa cosa fare. Ma se il software dice "non puoi mettere il formaggio direttamente sulla crosta senza un disco di base", il robot Normatore interviene e aggiunge quel "disco di base" (il mixer) che mancava nel disegno originale, rendendo tutto logicamente corretto per il software.

4. Gli Architetti del Codice (Gli Agenti di Sintesi)

Ora che abbiamo un piano pulito e corretto, entrano in gioco gli architetti del codice. Sono robot specializzati nella programmazione che scrivono le istruzioni per il software Aspen HYSYS (che è come il "motore di gioco" per gli ingegneri chimici).

• Cosa fanno: Costruiscono la casa digitale, collegano i tubi, inseriscono i materiali (come petrolio o acqua) e dicono al software come accendere la simulazione.

5. Il Controllore di Qualità (Il "Validator")

Prima di dire "fatto", un robot controllore prova a far partire la simulazione. Se qualcosa si rompe (es. "Errore: il tubo è collegato al muro"), il sistema non si arrende.

• Il meccanismo: Usa un altro robot intelligente per leggere l'errore, capire perché è successo e correggere il codice da solo, riprovando finché la simulazione non funziona perfettamente.

Perché è una Rivoluzione?

Fino a poco tempo fa, l'Intelligenza Artificiale era brava a due cose separate:

1. Capire i disegni (ma si fermava lì).
2. Scrivere codice per i simulatori (ma aveva bisogno che un umano gli desse già i dati strutturati).

Questo paper colma il divario. Prende un disegno "sporco" e disordinato e lo trasforma direttamente in un modello funzionante, senza che un umano debba riscrivere tutto a mano.

I Risultati: Quanto funziona bene?

Gli autori hanno testato questo sistema su 4 casi, dal più semplice al più complesso:

1. Disalatura (Semplice): Il sistema ha funzionato al 100%. Nessun errore.
2. Sweetening (Medio): Ha capito anche i collegamenti nascosti che non erano disegnati esplicitamente.
3. Distillazione (Complesso): Ha gestito bene, con piccoli errori dovuti a limiti del software, non del sistema.
4. Produzione Aromatica (Molto Complesso): Un diagramma industriale pieno di ricircoli e tubi incrociati. Il sistema ha creato un modello funzionante, anche se con piccoli errori di connessione (come un tubo collegato al rubinetto sbagliato invece che a quello giusto), ma il modello globale era solido.

In Sintesi

Pensa a questo sistema come a un traduttore universale che non solo traduce le parole, ma capisce il contesto, corregge la grammatica e scrive il libro finale.
Non serve più un ingegnere esperto per mesi per trasformare uno schizzo su un tovagliolo in un modello di simulazione. Basta uno schizzo, e la "squadra di robot" fa il lavoro sporco, veloce e preciso, permettendo agli ingegneri umani di concentrarsi sulle idee creative invece che sulla burocrazia dei dati.

È un passo enorme verso il futuro, dove il disegno di un processo industriale diventa immediatamente un prototipo digitale funzionante.

Sommario tecnico

1. Contesto e Problema

Nell'ingegneria dei sistemi di processo, la conversione di schizzi e diagrammi di flusso (PFD/P&ID) in modelli di simulazione eseguibili rappresenta un collo di bottiglia significativo. Attualmente, questo processo richiede un notevole sforzo manuale, competenze specifiche sul simulatore e iterazioni ripetute per correggere errori strutturali o di inizializzazione.

Esiste un divario fondamentale tra due linee di ricerca esistenti:

1. Comprensione dei diagrammi: I metodi attuali (visione artificiale, OCR) estraggono graficamente simboli e connessioni ma si fermano a rappresentazioni semantiche o grafi, senza generare modelli esecutivi.
2. Generazione di modelli: I flussi di lavoro "text-to-simulation" assumono input strutturati o testuali, ignorando la complessità dell'interpretazione visiva grezza.

L'obiettivo di questo lavoro è colmare questo divario creando un sistema end-to-end che trasformi direttamente diagrammi visivi grezzi in modelli di simulazione Aspen HYSYS eseguibili, gestendo ambiguità, inferenze ingegneristiche e vincoli specifici del simulatore.

2. Metodologia: Sistema Multi-Agente

Il framework proposto utilizza un'architettura multi-agente orchestrata per decomporre il compito complesso in tre livelli funzionali coordinati. Questo approccio modulare riduce il rischio di "allucinazioni" (errori generativi) e permette una localizzazione trasparente degli errori.

Livello 1: Analisi e Interpretazione del Diagramma

Questo livello trasforma l'input visivo non strutturato in una Rappresentazione Intermedia (IR) strutturata (un grafo diretto JSON).

• Agente Descrittore (A1): Utilizza un LLM multimodale (Gemini 3 Flash) per generare una descrizione testuale dettagliata del processo, identificando unità, flussi e relazioni, con un meccanismo di auto-valutazione per verificare la coerenza visiva.
• Agente Estrattore (A2): Costruisce il grafo IR (nodi = unità, archi = flussi) basandosi sia sull'immagine originale che sulla descrizione di A1. Utilizza un approccio a due passaggi (prima le unità, poi i flussi) per garantire la coerenza topologica.
• Agente di Normalizzazione (A3): Un agente basato su regole (non LLM) che risolve ambiguità comuni nei diagrammi (es. giunzioni multiple che violano i vincoli del simulatore) e mappa elementi grafici complessi (come colonne di distillazione con condensatori separati) su template unificati richiesti da HYSYS.

Livello 2: Sintesi del Modello di Simulazione

Questo livello traduce l'IR in uno script Python che interagisce con l'interfaccia COM (Component Object Model) di Aspen HYSYS.

• Agente di Base (B1): Definisce il caso di simulazione (nome, pacchetto proprietà termodinamiche, lista componenti) utilizzando un modulo RAG (Retrieval-Augmented Generation) per mappare i nomi dei materiali estratti ai nomi esatti del database HYSYS.
• Agente di Istanza (B2): Genera il codice per creare le istanze delle unità operative e dei flussi materiali nell'ambiente di simulazione.
• Agente di Configurazione (B3): Stabilisce le connessioni topologiche (collegando le porte di ingresso/uscita delle unità) seguendo istruzioni specifiche per ogni tipo di oggetto.
• Agente di Esecuzione (B4): Esegue lo script generato. Se l'esecuzione fallisce, un modulo LLM analizza i log di errore e applica correzioni mirate allo script prima di un nuovo tentativo.

Livello 3: Validazione Multi-Livello

La validazione è integrata in ogni fase:

• Validazione della Descrizione: Un agente secondario verifica che la descrizione testuale corrisponda al diagramma originale.
• Vincoli di Schema: Gli output sono vincolati da schemi JSON rigidi per garantire la struttura corretta.
• Validazione di Esecuzione: Il simulatore stesso funge da validatore finale; se il modello non converge o non si avvia, il sistema tenta di correggere il codice.

Deployment e Modelli

Il sistema utilizza un'architettura ibrida:

• Cloud: Per l'interpretazione visiva (Gemini 3 Flash), data la complessità computazionale e la necessità di ragionamento visivo avanzato.
• Locale: Per la sintesi del codice e l'esecuzione (Qwen2.5-Coder-7B e Qwen3-Coder-30B) per garantire la sicurezza dei dati proprietari e il controllo dell'ambiente di simulazione.

3. Contributi Chiave

1. Architettura End-to-End: Primo sistema che collega direttamente l'input visivo grezzo alla generazione di un modello di simulazione commerciale eseguibile, superando la fase intermedia di semplice estrazione di grafi.
2. Rappresentazione Intermedia Strutturata: Introduzione di un IR normalizzato che funge da ponte tra l'interpretazione visiva ambigua e i rigidi requisiti logici del simulatore.
3. Validazione Integrata nel Ciclo: L'uso del simulatore come parte attiva del ciclo di generazione (simulator-in-the-loop) permette di rilevare e correggere errori di inizializzazione e connessione che gli LLM da soli non potrebbero prevedere.
4. Ottimizzazione Multi-Agente: Dimostrazione che la decomposizione del compito in agenti specializzati (interpretazione, normalizzazione, codifica) è superiore ai monoliti LLM per compiti di ingegneria complessi.

4. Risultati Sperimentali

Il sistema è stato valutato su quattro casi studio di crescente complessità:

1. Dissalazione (Semplice): F1 = 1.00 su tutti i metrici (unità, flussi, connessioni, materiali). Modello eseguito senza errori.
2. Dolcificazione Merox (Moderata): F1 = 1.00. Il sistema ha inferito correttamente connessioni implicite non visibili nel diagramma.
3. Distillazione Atmosferica (Moderata/Complessa): F1 = 0.93 per le connessioni. Le discrepanze sono dovute a limitazioni dell'interfaccia COM di HYSYS per le connessioni laterali delle colonne, non a errori di interpretazione.
4. Produzione di Aromatici (Industriale/Complessa): F1 = 0.96 per i flussi e 0.98 per le connessioni. Nonostante la densità dei ricicli e le interconnessioni, il modello è stato generato ed eseguito con successo.

Analisi di Ablazione:

• La rimozione dell'agente di normalizzazione (A3) ha causato errori strutturali (allucinazioni) nei casi complessi.
• La disabilitazione del modulo RAG ha portato al fallimento completo dell'esecuzione nei casi che richiedevano miscele complesse.
• La fusione degli agenti di codifica ha ridotto significativamente la coerenza delle connessioni, confermando la necessità di una decomposizione modulare.

Confronto Modelli:
Gemini 3 Flash ha superato i modelli open-weight (Qwen 3.5 e Qwen 3-VL) nella ricostruzione topologica, grazie a meccanismi di "visione agenziale" iterativa che riducono l'ambiguità spaziale.

5. Significato e Implicazioni

Questo lavoro dimostra la fattibilità di automatizzare il flusso di lavoro "dallo schizzo alla simulazione" nell'ingegneria chimica.

• Impatto Industriale: Riduce drasticamente il tempo di sviluppo dei modelli, permettendo di passare rapidamente da documenti di progetto (spesso in formato immagine) a modelli digitali pronti per l'analisi.
• Robustezza: Il sistema gestisce efficacemente diagrammi non standardizzati, annotazioni dense e ambiguità visive, tipici degli ambienti industriali reali.
• Limitazioni Future: Le sfide principali rimangono la gestione di strutture di riciclo molto dense, la semantica implicita nei diagrammi e i vincoli specifici delle interfacce dei simulatori. Il lavoro futuro dovrà puntare a rendere il sistema agnostico rispetto al simulatore e a gestire documenti legacy più rumorosi.

In sintesi, Sketch2Simulation rappresenta un passo significativo verso la digitalizzazione completa dei processi di ingegneria, trasformando la visione artificiale da uno strumento di estrazione dati a un motore di sintesi ingegneristica operativa.