Paradigmi sempre più competitivi per rimanere al passo con l’avanzamento delle nuove tecnologie. Paradigmi 4.0 oggi capaci di trasformare macchinari industriali (e non), in scenari applicativi molteplici e innovativi.

Sostenibilità ed efficienza sono le parole chiave per il cambiamento che le soluzioni IoT oggi propongono in diversi settori industriali, attraverso un aggiornamento costante di paradigmi architetturali utilizzati e sperimentati dalla ricerca. 

Parliamo, ad esempio, di Edge Computing, uno dei paradigmi di tendenza più in voga nel settore IoT di Industria 4.0.

Esistono opportunità di integrazione tra Cloud ed Edge? 

Per rimanere competitive, è necessario che le aziende aggiornino costantemente le linee di produzione con le tecnologie più recenti dando priorità alle necessità del reparto industriale. È necessario che in fase progettazione,  si presti particolare attenzione a:

• Monitorare gli asset a partire dai dati di sensori sia in scenari greenfield che brownfield;

• Archiviare e successivamente analizzare i dati estratti;

• Scegliere azioni correttive e di ottimizzazione del processo produttivo a partire da tali analisi in tempo reale;

• Ottimizzare i parametri delle singole macchine da remoto per migliorare il loro funzionamento.

Un modello di calcolo centralizzato, invece, non sarebbe in grado di risolvere tutte le esigenze richieste, imbattendosi in diversi problemi soprattutto di traffico, latenza e sicurezza. 

Al contrario, portando l’intelligenza a bordo macchina grazie all’utilizzo di un hardware che esegue buona parte della computazione necessaria direttamente sui dati dei sensori, si inviano su cloud meno dati e solo quelli necessari ad analisi di più ampio respiro dove il fattore tempo è meno significativo.

L’interconnessione tra piattaforme cloud e piattaforme edge è possibile

Un esempio pratico: il caso di un sensore di vibrazione posizionato su un macchinario industriale. 

Se l’obiettivo è rilevare anticipatamente un possibile guasto a partire da modelli di vibrazione, vengono analizzati, in questo caso, i dati grezzi del sensore e generato un avviso  nell’eventualità in cui venga rilevata un’alterazione rispetto agli intervalli standard previsti dal modello. 

Nel modello centralizzato, i dati sulle vibrazioni verrebbero trasferiti al cloud per essere dati in pasto a qualche altro strumento di analisi, mentre il risultato  verrebbe inviato come avviso dal cloud all’asset per accendere eventualmente un segnale d’allarme e informare l’operatore dell’anomalia. 

Nel modello di edge computing, invece, poiché i dati di vibrazione sono locali all’asset,  i calcoli sono eseguiti su un dispositivo posizionato nell’impianto industriale stesso, in modo più veloce ed economico.

Figura 1. Un dispositivo edge con un potente database implementato su più casi d’uso in un impianto industriale.

Il traffico cloud è quindi pari a zero e la latenza dipende solo dalle prestazioni della rete locale. Inoltre, il dispositivo di edge computing può anche archiviare i dati sulle vibrazioni, permettendo la creazione di uno storico da consultare nel tempo.

Ma non tutti gli scenari sono così chiari. 

Ad esempio, si può immaginare un’impostazione di monitoraggio della produzione di biogas per la gestione in tempo reale dei rifiuti per l’ottimizzazione della produzione, in base ai prezzi dell’energia e allo stato di tutti i pozzi. In questa impostazione, i dati relativi a temperatura, umidità, biogas e livelli di ossigeno per ciascun pozzo sono locali rispetto al sito di gestione dei rifiuti.

Tuttavia, le azioni per migliorare la produzione devono essere effettuate in base a dati esterni (es. previsioni, costi dell’energia, efficienza del gasdotto, ecc.). In questo caso, la pipeline di analisi non è completamente locale e potrebbe essere collocata comodamente nel cloud.

Tuttavia, l’applicazione dei principi dell’edge computing può comunque ridurre i costi e la latenza, migliorando così l’affidabilità. 

Ogni pozzo, infatti,  può essere monitorato localmente da un dispositivo perimetrale che memorizza tutte le letture e agisce immediatamente sulle valvole del pozzo se il livello di ossigeno aumenta sopra la soglia di allarme. 

Verso una sostenibilità 4.0

Tra i tanti vantaggi dell’Edge Computing, non sono da sottovalutare i benefici che l’impatto ambientale di un paradigma di questo tipo può apportare.

• Minor surriscaldamento: una computazione dei dati eccessiva provoca un eccessivo surriscaldamento per poterli elaborare e immagazzinare in maniera adatta. L’Edge Computing, invece, evita il problema assegnando ai singoli device il compito di elaborazione dei dati.
• Trasporto dei dati inferiore: Decentralizzare le operazioni di elaborazione dei dati permette di diminuire i consumi che invece l’archiviazione dei dati inevitabilmente provoca.
• Latenza ridotta: una comunicazione più veloce ed efficiente è sinonimo di sostenibilità. Con tempi di latenza e di attesa più brevi, non è necessario attendere la risposta dai data center distanti fisicamente.
• Sinergia: un utilizzo bilanciato tra edge computing e cloud computing permette di utilizzare i due strumenti in maniera sincrona, migliorare i consumi energetici e utilizzare in maniera strategica la comunicazione dei dati.

E in un periodo  in cui si parla tanto di sensibilità ambientale e tecnologie per una migliore gestione dei consumi, l’utilizzo adeguato di paradigmi innovativi è un vantaggio da non sottovalutare.

Opportunità e Futuro 5.0?

Le aziende sono così in grado di portare l’ottimizzazione dei processi industriali ad un livello più avanzato, dove le macchine e gli impianti potranno infatti essere monitorati e controllati con latenze minime a livello edge continuando però ad estrarre valore anche da analisi aggregate a livello cloud. 

Ad oggi le opportunità di integrazione dei due mondi sono a portata di mano e lo saranno ancora di più con l’introduzione delle reti 5G che aggiungeranno sicurezza e facilità di deployment.

Se sei interessato a saperne di più sul funzionamento del paradigma di Edge Computing e sulle sue potenzialità in ambito 4.0, puoi leggere ulteriori approfondimenti sul nostro  white paper.