Estrazione AI-based delle SDS

Le schede dati di sicurezza (Safety Data Sheet – SDS) sono dei file PDF che forniscono informazioni dettagliate su una sostanza chimica o una miscela, attraverso codici condivisi secondo standard internazionali, come per esempio i pericoli associati alla manipolazione della sostanza. In molti Paesi è obbligatorio per legge che una SDS accompagni ogni sostanza chimica commercializzata. Inoltre, le aziende che adottano nei loro processi sostanze chimiche sono tenute a organizzare e gestire in maniera centralizzata queste informazioni, estraendole dai singoli file per organizzarle in un database dedicato.  L’esecuzione manuale di questo task comporta tempi e costi importanti, oltre ad un elevato rischio di errore.

L’obiettivo del progetto è di sviluppare un software dedicato in grado di gestire e ottimizzare l’operazione di estrazione da ogni documento, lasciando all’operatore umano l’eventuale controllo. 

Sfida chiave di questo progetto riguarda la struttura di una SDS, che, per quanto si rifaccia sempre a un modello comune definito a livello normativo, varia notevolmente negli stili redazionali, rendendo difficoltosa l’estrazione automatizzata delle informazioni attraverso algoritmi classici. 

Il software sviluppato come SaaS (ma con gestione dati demandata all’utente finale) sfrutta le potenzialità dei modelli linguistici generativi GPT di OpenAI Inc per estrarre alcune specifiche informazioni dalle SDS in lingua italiana, insieme ad una rete di componenti pensati per integrarsi nell’ecosistema informatico gestionale già in uso in azienda. Il software è strutturato come una piattaforma modulare le cui componenti sono ripartite fra due spazi server fra loro in comunicazione:

• Provider server, che ospita tutti i servizi che compongono il cuore operativo del sistema
• User server, che ospita il database in cui vengono salvati i dati.

•  Estrazione delle informazioni: L’algoritmo di estrazione si occupa di organizzare i testi della SDS in prompt ottimizzati per il modello linguistico generativo GPT di OpenAI. I prompt sono redatti in modo da limitare il più possibile la quantità di testo da passare come input al modello GPT chiamato a operare e ottenere in risposta degli output sintetici e strutturati
• Riconoscimento dei pittogrammi: il sistema integra un algoritmo di computer vision sviluppato da Kode per l’identificazione automatica dei pittogrammi di pericolo, che viene attivato qualora queste icone non siano accompagnate dai corrispettivi codici testuali.
• Validazione e salvataggio: L’utente può manualmente modificare tutte le informazioni con cui i campi vengono compilati, correggendo eventuali errori o mancanze, e inserendo il codice prodotto e il codice fornitore generati dal gestionale dell’organizzazione, in modo da associare le nuove informazioni con quelle già presenti sul gestionale aziendale.
• Altre features: fra le altre, il sistema offre anche funzionalità di esplorazione e estrazione del database, oltre che di Autenticazione/Registrazione (grazie al modulo del framework proprietario di Kode, Princess Security Service) per garantire la sicurezza a privacy del sistema.