An Ontology-Based Classification Framework for Situation Extraction from Concrete Pouring Radio Logs

Sintesi Tecnica: Un Framework di Classificazione Basato su Ontologia per l'Estrazione di Situazioni dai Log Radio del Getto di Calcestruzzo

Problematica
Il getto di calcestruzzo comporta operazioni simultanee e complesse (ad es., consegna della pompa, controlli delle casseforme, movimento dei lavoratori) in cui la sicurezza dipende fortemente dalla comunicazione radio in tempo reale. Tuttavia, le espressioni radio nei cantieri sono diverse dai documenti standard; sono brevi, ellittiche e spesso omettono parlanti, luoghi o oggetti. Contengono frequentemente gergo specifico del cantiere, espressioni derivate dal giapponese, urla, imprecazioni e comandi urgenti. Di conseguenza, il semplice rilevamento di parole chiave è insufficiente per identificare le condizioni delle attrezzature, gli stati delle strutture temporanee, i segnali di pericolo o le azioni di controllo. La sfida principale consiste nel normalizzare queste espressioni non strutturate e specifiche del campo in concetti standard e nel derivare situazioni critiche per la sicurezza (pericoli, controlli, stati) basandosi sulle relazioni semantiche tra gli elementi piuttosto che su parole isolate.

Metodologia
Lo studio propone un framework a due livelli basato su ontologia, progettato per elaborare i log radio attraverso la normalizzazione, l'etichettatura semantica e il giudizio basato sulle relazioni.

1. Normalizzazione delle Espressioni di Campo: Prima della mappatura ontologica, le espressioni grezze vengono normalizzate. Il gergo del cantiere (ad es., "wakku" per cassaforma, "noro" per pasta di cemento) e le espressioni non standard vengono convertiti in terminologia costruttiva standard. Questa fase segmenta anche le espressioni in unità di oggetto, fenomeno, atto e discorso/emozione, preservando imprecazioni e urgenza come marcatori di atteggiamento anziché eliminarli.
2. Struttura Ontologica a Due Livelli:
   • Livello 1 (Tag Semantici Dettagliati): Le espressioni normalizzate vengono mappate su sette assi semantici: Lavoro, Atto, Oggetto, Target, Fenomeno, Interiezione/Discorso e Imprecazione/Emozione. Ogni asse ha codici specifici (ad es., l'Oggetto include attrezzature, strutture temporanee, materiali; il Fenomeno include aumento di pressione, pieghe, perdite).
   • Livello 2 (Derivazione della Situazione): I segnali di pericolo, le azioni di controllo e gli stati della situazione non sono assegnati a singole parole, ma sono derivati da pattern di relazione tra i tag del Livello 1. Le relazioni chiave includono il legame oggetto-fenomeno (ad es., Cassaforma + Imminente Cedimento = Rischio di Cedimento Cassaforma), il legamento atto-target (ad es., Comando + Lavoratore + Verbo di Evacuazione = Sgombero Lavoratore) e le regole di transizione di stato (ad es., Segnale di Pericolo + Conferma = Stato Risolto).
3. Strategia di Valutazione: Data la difficoltà di raccogliere e divulgare dati radio reali (che possono contenere contenuti sensibili o inappropriati), lo studio utilizza un log radio virtuale di un giorno costruito dai ricercatori contenente 25 espressioni. È stata creata una tabella di mappatura ontologica di riferimento per questo log. Le prestazioni del framework sono state valutate confrontando i risultati dell'estrazione basata su regole con questa tabella di riferimento. Inoltre, un Large Language Model locale (LLM, qwen2.5:7b) è stato testato come baseline per la mappatura dettagliata dei tag, al fine di valutare la sua capacità di gestire le espressioni di campo rispetto all'approccio basato su regole.

Contributi Chiave

• Framework Semantico Strutturato: Lo studio definisce uno schema di etichettatura dettagliato che separa il gergo del cantiere, le interiezioni e le imprecazioni in specifici assi semantici, invece di trattarli come rumore o semplici parole chiave di pericolo.
• Giudizio Basato su Relazioni: Sposta il paradigma dal semplice abbinamento di parole chiave all'inferenza basata sulle relazioni. I segnali di pericolo e le azioni di controllo vengono derivati solo quando vengono confermate specifiche relazioni semantiche (ad es., il legame oggetto-fenomeno), prevenendo falsi positivi da parole isolate.
• Meccanismo di Valutazione e "Review-Hold": Il documento introduce un rigoroso framework di valutazione utilizzando una tabella di mappatura di riferimento. Fondamentalmente, definisce i criteri di "review-hold" (revisione in sospeso) per le espressioni che non possono essere confermate automaticamente (ad es., target mancanti o gergo ambiguo), distinguendo tra elementi determinabili automaticamente e quelli che richiedono una revisione umana.
• Definizione del Ruolo dell'LLM: Lo studio posiziona gli LLM non come decisori finali per il monitoraggio della sicurezza, ma come strumenti per la mappatura preliminare dei tag, evidenziando la loro attuale limitazione nella stabilità della separazione degli assi e nella selezione dei codici rispetto ai sistemi basati su regole.

Risultati
Utilizzando il log virtuale di 25 espressioni, il sistema di estrazione basato su regole ha ottenuto i seguenti tassi di accordo rispetto alla tabella di riferimento:

• Tag Dettagliati: 95,9% di accordo (3,4% review-hold).
• Relazioni: 86,4% di accordo (9,1% review-hold).
• Segnali di Pericolo: 90,0% di accordo (10,0% review-hold).
• Azioni di Controllo: 97,0% di accordo (3,0% review-hold).
• Stati della Situazione: 100,0% di accordo (0,0% review-hold).
• Giudizio di Non-Pericolo: 100,0% di accuratezza nell'identificare le espressioni di lavoro normale come non pericolose.

Al contrario, la mappatura basata su LLM ha ottenuto solo il 34,5% di accordo sui tag dettagliati e ha generato 49 elementi in eccesso non presenti nella tabella di riferimento. L'LLM ha avuto difficoltà a separare gli assi (ad es., confondendo i target di ispezione con i fenomeni effettivi) e a selezionare i codici corretti per le espressioni di campo.

Significatività e Rivendicazioni
Il documento sostiene che il suo contributo primario sia la fornitura di uno schema di etichettatura dettagliato, regole di giudizio basate sulle relazioni e un framework di analisi degli errori adatto a future validazioni con dati reali o simulati. Esso dichiara esplicitamente di non verificare le prestazioni operative di un sistema di monitoraggio automatico utilizzando dati reali di campo. Invece, lo studio dimostra che:

1. Le espressioni radio possono essere trattate come unità strutturate per il giudizio di monitoraggio piuttosto che come semplice testo per il rilevamento di parole chiave.
2. Un'ontologia a due livelli può derivare con successo situazioni di sicurezza complesse (pericoli, controlli, stati) dalle relazioni tra gli elementi semantici.
3. Un meccanismo di "review-hold" è essenziale per prevenire errori come la sovra-classificazione di espressioni normali come pericoli o l'interpretazione errata di richieste di conferma come incidenti reali.
4. Sebbene gli LLM possano catturare il significato approssimativo delle espressioni di campo, attualmente mancano della stabilità necessaria per la precisa separazione degli assi e la selezione dei codici richiesta per il processo decisionale critico per la sicurezza senza supervisione umana o verifica basata su regole.

Lo studio conclude che il framework proposto struttura efficacemente la procedura di elaborazione prevista per il log virtuale, ma l'esistenza di elementi in "review-hold" evidenzia la necessità di un ulteriore perfezionamento dei dizionari terminologici, delle regole di anafora e delle regole di decomposizione multi-atto prima del dispiegamento in ambienti di campo reali.