From P&ID Drawings to Process Graphs: A Multimodal Language Model Approach

Immaginate di camminare attraverso una biblioteca enorme e antica dove i libri non sono fatti di carta, ma di gigantesche, aggrovigliate ragnatele di cavi e tubi luminosi. Questi non sono semplici decori; sono le planimetrie di come una fabbrica respira, si muove e pensa. Nel mondo dell'ingegneria, queste planimetrie sono chiamate P&ID (Diagrammi di Piping e Strumentazione). Sono il linguaggio segreto che dice a un computer come gestire un impianto chimico, una centrale elettrica o un impianto di trattamento delle acque. Per decenni, queste planimetrie sono rimaste bloccate su vecchie carte o come immagini digitali sfuocate. Sono come un tesoro chiuso a chiave: pieni d'oro (dati preziosi), ma la chiave per aprirli è andata perduta. Gli ingegneri devono fissare questi disegni disordinati e digitare manualmente ogni singola connessione, un compito lento e soggetto a errori che sembra di cercare di copiare un romanzo a mano mentre qualcuno continua a cambiare il carattere tipografico.

Recentemente, è arrivato un nuovo tipo di "super-lettore": il Modello Linguistico di Grandi Dimensioni Multimodale (MLLM). Pensate a questi come a detective dell'IA che possono guardare un'immagine e leggere il testo al suo interno contemporaneamente, comprendendo non solo cosa significano i simboli, ma cosa rappresentano. La grande domanda che gli scienziati si sono posti è: possiamo semplicemente consegnare a questi detective dell'IA una planimetria disordinata e chiedere loro di trasformarla istantaneamente in una mappa digitale perfetta? O il lavoro è troppo caotico per uno sguardo rapido e singolo? Questo è l'enigma che un team di ricercatori dell'Imperial College London ha deciso di risolvere. Volevano sapere se potessimo insegnare a questi detective dell'IA a smettere di cercare di fare tutto insieme e invece scomporre il lavoro in passi più piccoli e intelligenti, usando la loro conoscenza di come funzionano realmente le fabbriche per guidarli.

I ricercatori hanno deciso di testare due modi diversi di chiedere a un'IA di digitalizzare queste complesse planimetrie industriali. La loro prima idea era l'approccio "Speed Run": hanno fornito all'IA l'intera immagine della planimetria (tagliata in fette affinché l'IA non venisse sopraffatta) e una breve descrizione del processo, chiedendole di generare in un colpo solo una mappa digitale perfetta. Chiamarono questo metodo "End-to-End". È come chiedere a uno studente di leggere un intero libro di testo, comprenderne la trama e poi scrivere un riassunto dei personaggi e delle loro relazioni in una sola seduta, senza prendere appunti.

La seconda idea era l'approccio "Team Huddle" (Riunione di Squadra). Qui, hanno diviso il lavoro in due fasi distinte. Prima, un agente IA agiva come un puro "Scanner", guardando le fette della planimetria e limitandosi a elencare ogni singolo pezzo di apparecchiatura e strumento che vedeva, ignorando come fossero collegati. Era come un bibliotecario che elenca semplicemente tutti i titoli dei libri su uno scaffale senza preoccuparsi della storia. Poi, un secondo agente IA prendeva quell'elenco di nomi e, cosa fondamentale, un insieme di "regole della fabbrica" (come "una pompa ha bisogno di un tubo in entrata e un tubo in uscita"). Questo secondo agente usava il suo cervello per capire come quei pezzi dovrebbero connettersi in base alla logica ingegneristica, piuttosto che cercare di tracciare le linee disordinate nell'immagine originale. Questo era il metodo "Decomposed" (Scomposto).

Quando hanno testato questi metodi su due diagrammi di fabbrica reali — un impianto di Adsorbimento a Oscillazione di Pressione di Azoto e un impianto di Desolforazione dei Fumi Umidi — i risultati sono stati chiari. L'approccio "Speed Run" faticava. Anche con un piccolo aiuto da una descrizione del processo, sbagliava le connessioni circa il 40% delle volte. Era come lo studente che indovina i colpi di scena della trama; poteva nominare correttamente i personaggi (le apparecchiature), ma continuava a confondere chi stava parlando con chi. L'approccio "Team Huddle", tuttavia, è stato una svolta decisiva. Separando il compito di "vedere" da quello di "pensare", e fornendo al secondo IA un vademecum di regole ingegneristiche, l'accuratezza è schizzata alle stelle.

Per l'impianto di Azoto, il metodo "Team Huddle" ha raggiunto un'accuratezza totale dell'88,78%, rispetto al solo 68,56% del metodo a passaggio singolo. Ha individuato correttamente ogni singolo pezzo di apparecchiatura (accuratezza dei nodi del 100%) e ha individuato correttamente le connessioni l'80,58% delle volte. Per l'impianto più complesso, Slime and Off-gas, il miglioramento è stato ancora più drammatico. Il metodo a passaggio singolo otteneva le connessioni corrette solo circa il 59% delle volte, mentre il metodo "Team Huddle" saltava al 74,12% di accuratezza per le connessioni e all'85,21% di accuratezza complessiva. I ricercatori hanno misurato questo valore utilizzando un punteggio di "Simple Distance" (Distanza Semplice), che conta quanti errori (pezzi mancanti, pezzi extra, connessioni errate) l'IA ha commesso. Il metodo "Team Huddle" aveva molti meno errori, con un punteggio di 24,0 per l'impianto di Azoto rispetto ai 45,6 del metodo a passaggio singolo.

Il documento suggerisce che il ingrediente segreto non è solo avere un'IA più intelligente, ma avere un workflow (flusso di lavoro) più intelligente. Si è scoperto che chiedere a un'IA di "vedere" e "ragionare" nello stesso identico momento è un carico cognitivo eccessivo, specialmente quando i disegni sono disordinati e le linee sono interrotte. Lasciando che una parte del sistema si concentri puramente sulla lettura del testo e dei simboli, e lasciando che un'altra parte si concentri puramente sull'applicazione della logica ingegneristica per capire le connessioni, il sistema diventa molto più affidabile. Lo studio dimostra che, sebbene un singolo prompt massiccio possa funzionare, performa significativamente peggio rispetto alla scomposizione del compito, particolarmente per i diagrammi complessi dove l'IA tende a perdersi nei dettagli senza la guida strutturata di un workflow decomposto.

Sebbene i risultati siano promettenti, gli autori sottolineano con cautela che si tratta di un miglioramento misurato, non di una bacchetta magica che risolve tutto istantaneamente. Hanno scoperto che aggiungere semplicemente una descrizione del processo aiutava solo un po', ma è stata la combinazione della divisione del compito e dell'aggiunta di specifiche regole di ingegneria chimica a fare la vera differenza. Evidenziano inoltre un ostacolo pratico: i modelli di IA che hanno utilizzato sono proprietari (di proprietà di grandi aziende), il che solleva questioni di privacy per le fabbriche che non vogliono condividere i loro segreti progetti con server esterni. Tuttavia, suggeriscono che lo stesso workflow "Team Huddle" potrebbe funzionare con modelli open-source in futuro.

In definitiva, questa ricerca suggerisce che il futuro della digitalizzazione del nostro mondo industriale non riguarda la costruzione di un singolo super-cervello che faccia tutto, ma la creazione di un team di esperti specializzati che comunichino tra loro. Insegnando all'IA a separare l'atto di guardare un disegno dall'atto di comprendere la logica ingegneristica che ci sta dietro, possiamo trasformare quelle polverose e aggrovigliate planimetrie in mappe digitali pulite che i computer possono effettivamente utilizzare per costruire fabbriche più intelligenti e sicure. È un promemoria del fatto che, a volte, il modo migliore per risolvere un problema gigante e disordinato è scomporlo in pezzi più piccoli e gestibili e lasciare che gli esperti facciano ciò che sanno fare meglio.