Sviluppo di un'applicazione web a supporto di un modello di predizione delle proprietà meccaniche dell'acciaio
Proposta di Tesi – Novembre 2020
L’attività si inserisce nel contesto di un progetto più ampio di sviluppo di un prodotto denominato Q3-Premium per la predictive quality in ambito siderurgico.
Il modello ML oggetto dell’applicazione è un modello di regressione supervisionato che si occupa di stimare i parametri della curva Jominy di temprabilità dell’acciaio sulla base della composizione chimica misurata.
http://www.phase-trans.msm.cam.ac.uk/2012/Jominy/index.html
https://www.youtube.com/watch?v=qW0aUbTWtVM
Input del modello sono le percentuali di elementi chimici in lega, l’output è costituito da una serie di coppie X-Y dove X è la distanza dalla superficie del campione e Y il valore di durezza stimata. Il modello è scritto in Python con librerie Keras, rilasciato su server Flask, viene chiamato con una API dedicata e salva i risultati delle sue esecuzioni su un database MongoDB.
Il progetto prevede di sviluppare un’applicazione web (front-end e back-end) da integrare nel portale web principale del prodotto Q3-Premium.
Il portale è basato su uno stack tecnologico con front-end Angular, back-end ASP.Net Core. Le features dell’applicazione da sviluppare sono:
Online dashboard: mostrare l’output del modello relativamente alle sue esecuzioni effettuate in linea durante la produzione. I dati relativi all’output sono salvati su una collection MongoDB ed accessibili tramite API dedicata (da sviluppare).
Offline what-if analysis: progettare e sviluppare una dashboard dinamica per permettere all’utente di testare il funzionamento del modello inserendo una composizione chimica a mano, oppure caricando una composizione chimica dal DB storico. Il client chiamerà una esecuzione del modello tramite API Python e mostrerà il risultato dell’esecuzione.
Offline EDA and ML explainability: progettare e sviluppare delle dashboard interattive che permettano all’utente di verificare, per una data predizione del modello, quali siano le features più rilevanti ai fini della predizione e quale sia la correlazione tra di esse (con tecniche da valutare, e.g. Shapley values, PDP, etc.). Il backend dell’applicazione chiamerà delle funzioni di libreria Python (da sviluppare) e mostrerà il risultato tramite grafici dedicati.
L’attività di sviluppo sarà preceduta da:
un’analisi delle librerie software di visualizzazione dati più adatte al contesto applicativo ed all’integrazione con il framework del portale
uno step di prototipazione del wireframe delle dashboard
un’analisi delle funzioni da utilizzare per la explainability del modello
Il progetto sarà svolto in sede DIGI&MET con interazione quotidiana con il team di data science DA e con il team di sviluppo del portale web Q3-Premium.
Per informazioni scrivere a digimet-laboratory@dca.it.