Il machine learning fornisce la capacità di imparare automaticamente senza essere programmato esplicitamente, con l’obiettivo di consentire ai computer di apprendere attraverso i dati e l’esperienza, tralasciando l’intervento umano.
Prima di approfondire l’argomento del machine learning e degli algoritmi di pianificazione delle risorse del laboratorio, concentriamoci brevemente sulla madre del machine learning: l’intelligenza artificiale.
Intelligenza artificiale: al di là del pensiero e del comportamento umano
La disciplina informatica nota come Intelligenza Artificiale consente la progettazione di sistemi hardware e software in grado di elaborare elettronicamente processi di ragionamento o comportamento, che appartengono alla sfera dell’intelligenza umana.
I sistemi intelligenti sono ormai presenti in vari campi, comprese le attività quotidiane. Sono spesso associati al settore del gaming e sono stati impiegati dalla NASA in diverse missioni spaziali. Anche alcune delle nostre auto moderne, per esempio, sono dotate di un sistema in grado di essere guidato senza l’ausilio di un autista in carne ed ossa.
Sebbene possa sembrare incredibile, già nel 1623 Willhelm Sickhart, antenato della calcolatrice, era in grado di eseguire calcoli matematici con numeri fino a sei cifre con le macchine, anche se non autonomamente.
L’Intelligenza Artificiale sta portando un valore inestimabile in molte aziende e in molti settori, compresi i laboratori dove, come sappiamo, l’esecuzione di progetti e l’organizzazione di attività richiedono tempo ed attrezzature; ma soprattutto, risorse umane, la cui allocazione efficiente ed efficace è un noto aspetto critico all’interno dei laboratori.
Ma, nello specifico, come può un algoritmo creato artificialmente ottimizzare i processi di gestione delle risorse aziendali? E ancora più in dettaglio, delle risorse di laboratorio?
L’algoritmo di schedulazione delle risorse di laboratorio fa le veci di un essere umano
Gli algoritmi di pianificazione delle risorse del laboratorio devono agire in modo razionale. Il processo porta il sistema intelligente a risolvere il problema, consentendo di ottenere il miglior risultato atteso sulla base delle informazioni disponibili, proprio come avrebbe fatto l’elaborazione mentale umana.
La pianificazione delle risorse può essere un processo estremamente complesso. In diversi mercati, l’ottimizzazione delle risorse è considerata l’essenza del business stesso. Il project management in generale è l’esempio perfetto che illustra le sfide che si incontrano nell’ottimizzazione delle risorse per fare in modo di completare i progetti nei tempi, nei budget e secondo le aspettative.
I processi di produzione dovrebbero ottimizzare le risorse per consegnare i prodotti secondo gli obiettivi dell’azienda.
Machine learning: requisiti di laboratorio
In che modo il machine learning può soddisfare i requisiti del laboratorio?
I laboratori sono organizzazioni complesse e il loro obiettivo aziendale è completare le attività di analisi di cui sono responsabili. Pertanto, la pianificazione delle risorse per i laboratori è un processo molto sofisticato, e personale altamente qualificato è dedicato alla pianificazione delle attività quotidiane. Le persone devono avere un’ottima conoscenza di ciò che accade nei laboratori, ottime capacità di ottimizzazione dei processi, hanno bisogno di scendere a compromessi tra diversi parametri con l’unico obiettivo di restituire risultati analitici ai clienti (interni o esterni) nel più breve tempo possibile e con il giusto livello di qualità.
Inoltre, i task analitici sono relativamente semplici da capire (es. misurare un parametro analitico specifico in un dato campione) eppure sono composti da una serie di passaggi per garantire la corretta elaborazione dei campioni. Di conseguenza, ogni singolo giorno in un laboratorio vengono eseguiti migliaia di passaggi (seriali o in parallelo).
I supervisori di laboratorio svolgono questa attività spesso supportati da capacità software limitate: infatti, oltre il 90% dei laboratori utilizza ancora file Excel.
Tuttavia, per funzionare in modo efficiente, i laboratori richiederebbero sistemi in grado di apprendere dai dati, identificare modelli e prendere decisioni che richiedano un intervento umano minimo; richiederebbero, cioè, l’adozione di software automatizzato, come può essere Optima: Optima è uno strumento innovativo e di automazione dei processi dedicato alla pianificazione delle risorse di laboratorio.
Introdurre il concetto di “intelligenza artificiale” nei laboratori, con Optima
Quando Optima riceve informazioni da un sistema esterno (es. LIMS, ERP, ELN), l’elenco delle attività richieste è disponibile per la pianificazione.
Innanzitutto, molto spesso le richieste inserite in Optima non includono tutti i dettagli per completare i test analitici. Una tipica richiesta inviata da uno dei sistemi menzionati in precedenza indica che, ad esempio, la quantità di ferro dovrebbe essere misurata in un campione d’acqua. I dettagli mancanti sono relativi a tutti i passaggi necessari per analizzare la quantità di ferro presente nel campione.
Optima è in grado di convertire le richieste in un elenco di elementi utilizzabili che possono essere programmati. Questa è un’attività configurabile all’interno di Optima che consente ai clienti di scegliere quale livello di dettaglio è necessario per eseguire la pianificazione delle risorse del laboratorio.
Quando gli elementi utilizzabili vengono creati automaticamente da Optima, il “motore” inizia a funzionare.
Un algoritmo estremamente sofisticato è in grado di assegnare i compiti alle risorse, sia personale di laboratorio che strumentazione, in base alla configurazione del sistema.
Optima, grazie a una grande quantità di tempo dedicato alla ricerca del modo migliore per automatizzare questo processo critico, è in grado di automatizzare la maggior parte della pianificazione delle risorse del laboratorio. Gli utenti dovranno solo attivare il processo e tutte le attività saranno visibili nel calendario in pochi secondi. La quantità di tempo risparmiata nei laboratori è enorme. La riduzione dei costi con l’introduzione di Optima giustifica l’introduzione di questa tecnologia e il ritorno sull’investimento è visibile nel giro di pochi mesi.
Il “motore” si basa su una tecnologia molto avanzata in grado di regolare i parametri di schedulazione e migliorare nel tempo l’output del processo. Il concetto di “machine learning ” è perfettamente implementato all’interno di Optima, consentendo ai laboratori di migliorare le proprie prestazioni e fornire i risultati attesi in un periodo di tempo più breve
In Optima, abbiamo investito molto tempo per progettare il motore e abbiamo eseguito una grande quantità di test che confermano il fatto che la pianificazione delle risorse è stata automatizzata nel modo più efficiente. Lo svolgimento di questa attività molto critica è stato possibile grazie alla grande quantità di dati generati durante il processo di pianificazione delle risorse del laboratorio.
Le attività svolte in un laboratorio sono centinaia di migliaia in un anno, o addirittura milioni. Questa enorme mole di dati, oggi denominata “data lake”, è la piattaforma che permette al motore di Optima di analizzare le informazioni e adattare la programmazione in base ai dati storici. Ogni giorno, Optima è in grado di rivedere come sono programmate le attività e modificarne la configurazione per ottenere un calendario delle attività aggiornato e ottimizzato.
Optima esamina continuamente le prestazioni del motore per garantire che le nuove versioni del prodotto migliorino il modo in cui il “data lake” viene analizzato e la configurazione viene adattata all’ambiente del cliente.
