Imparare quando trasferire: apprendimento per rinforzo per modellare l’impronta di carbonio in nuovi ambiti manifatturieri

Abstract degli autori

I produttori hanno spesso bisogno di caratterizzare un nuovo materiale, processo o prodotto prima di disporre di dati operativi sufficienti per addestrare modelli predittivi affidabili per questo nuovo dominio di destinazione. Le attività manifatturiere esistenti racchiudono conoscenze potenzialmente utili per accelerare tale caratterizzazione, ma riutilizzare indiscriminatamente i dati dei domini di origine esistenti può causare un trasferimento negativo nell’apprendimento del nuovo dominio di destinazione quando i domini manifatturieri differiscono abbastanza. Questo lavoro propone un metodo di apprendimento per rinforzo per il trasferimento selettivo delle conoscenze: la sua funzione di ricompensa valuta ogni opportunità di trasferimento rispetto alle alternative basate sull’apprendimento supervisionato, così da evitare e controllare il trasferimento negativo durante la previsione, anziché diagnosticarlo a posteriori. Con dati limitati provenienti da un nuovo dominio di destinazione, la politica appresa sceglie tra predittori basati su singole attività di origine, su sottoinsiemi delle fonti oppure sulle alternative supervisionate: tutte le fonti aggregate o i soli dati del dominio di destinazione. Un filtro di validazione impiega la previsione ottenuta tramite trasferimento solo quando migliora i risultati delle alternative supervisionate. Il metodo è progettato per apprendere variabili utili alla contabilizzazione delle emissioni di carbonio, oltre che risultati relativi alle prestazioni e alla qualità. Dimostriamo l’approccio quantificando le emissioni incorporate di gas serra dei pezzi prodotti mediante manifattura additiva a estrusione di materiale, usando dati di 729 esperimenti relativi a cinque materiali: ABS, PETG, TPU, PLA e PLA riciclato. La variabile di risposta combina il consumo misurato di energia elettrica per la fabbricazione con fattori di produzione dalla culla all’uscita dello stabilimento specifici per ciascun polimero, mentre 22 caratteristiche relative al materiale, al processo e al percorso dell’utensile descrivono ciascun esperimento. Nella valutazione che esclude a turno un materiale, il metodo ottiene un RMSE medio sul test di 5,2 g CO2e per pezzo: il 20,00% in meno rispetto all’addestramento sui soli dati del dominio di destinazione (il 32,5% in meno quando è disponibile solo il 5-10% dei dati di addestramento di tale dominio) e il 10,30% in meno rispetto all’aggregazione indiscriminata dei dati dei domini di origine e di destinazione.