Panoramica sull’integrazione dell'IoT con l'Edge Computing

L’Internet-of-Things (IoT) è una soluzione tecnologica sviluppata negli ultimi decenni per la connessione di apparati elettronici a internet. Ne sono un esempio le telecamere di sicurezza, gli smartphone e un numero crescente di elettrodomestici.

La connessione dei dispositivi elettronici a una rete avviene mediante tecnologia Bluetooth o WiFi, ma non basta. Al loro interno i dispositivi sono dotati di molteplici tipi di sensori specializzati nella raccolta di dati: di temperatura, di posizione, di pressione atmosferica, ecc.

In ambito industriale l’IoT si è sviluppato in contemporanea prendendo il nome di IoT Industriale o IIoT. La differenza rispetto all’IoT risiede nell’applicazione delle tecnologie di connessione a macchinari industriali. In questo caso la sensoristica utilizzata e gli apparati di connessione presentano caratteristiche di robustezza elevate sia sotto il profilo fisico che della sicurezza informatica. Sono dispositivi di raccolta e comunicazione dati appositamente progettati per resistere nelle condizioni di utilizzo più avverse (immersione nei liquidi, temperature elevate, ambienti corrosivi).

Per creare i tuoi progetti elettronici di grado industriale con robusti apparati per la connessione a internet, affidati al nostro ampio catalogo di strumenti di sviluppo ed SBC. Qui troverai i kit di sviluppo per l’elettronica più avanzati e apparati di comunicazione e wireless per l’invio dei dati ai sistemi di elaborazione quali l’edge computing.

Adesso cerchiamo di rispondere alla domanda “edge computing cos'è?”, per poi comprendere quali siano i vantaggi di una piena integrazione tra IoT e l’edge.

L’edge computing è un modello di elaborazione dei dati vicino alla sorgente, ovvero installato a poca distanza dagli oggetti IoT. Avvicinando l’origine dei dati al sistema di elaborazione si riduce la cosiddetta latenza, cioè la risposta da parte dei sistemi informatici a una richiesta.

Il vantaggio dell’edge computing rispetto a una infrastruttura in cloud è evidente quando si ha la necessità di prendere decisioni molto rapide, quando ogni secondo che passa può fare la differenza tra il buon esito o il cattivo esito di un processo produttivo.

Va sottolineato che l’edge computing non sostituisce l’infrastruttura centralizzata nel cloud, piuttosto offre una delocalizzazione delle decisioni avvicinandole a quei contesti produttivi dove è importante agire più in fretta.

Si pensi, ad esempio, a quelle celle di lavoro dove un alto numero di macchinari, stampanti 3D e robot collaborativi sono impegnati in una produzione intensa che genera un flusso di dati da elaborare troppo elevato per poterlo gestire esclusivamente dal data center centrale.

Il modello edge computing viene in soccorso per accelerare le risposte ed evitare il sovraccarico del data center. A quest’ultimo verranno poi inviate le decisioni prese in loco per la necessaria registrazione (edge-to-cloud).

Possiamo individuare più livelli di edge computing in una infrastruttura realizzata per lo scambio di informazioni:

• On-device: direttamente sul macchinario o sull’utensile.
• On-premise: a livello di sito produttivo.
• Far-edge o near-premise: distante fino a 100 chilometri (nodi di aggregazione).
• Near-edge: mini data center o uffici centrali dell’impresa posti a lunghe distanze.

Vediamo attraverso un esempio concreto l’integrazione di servizi IoT con l’edge computing in una fabbrica dove i carrelli elevatori elettrici destinati al carico e scarico delle materie prime sono a guida autonoma.

In questo scenario i carrelli elevatori sono dotati di sensori per l’interpretazione in 3D dell’ambiente che li circonda come i sensori LIDAR e di telecamere. Nell’impianto produttivo lavora anche personale umano, che potrebbe inavvertitamente incrociare un carrello elevatore in movimento e scontrarsi con esso.

Per evitare lo scontro tra il mezzo a guida autonoma e il personale presente all’interno della fabbrica è necessario che il carrello elevatore possa prendere decisioni autonome in tempo reale. Ciò può essere garantito da una architettura informatica sul modello dell’edge computing associato all’IoT industriale.

Il mezzo a guida autonoma dotato di sensori IoT che lavorano in sinergia con l’edge computing gli consentono di arrestarsi in una frazione di secondo grazie alla ridottissima latenza. All’opposto in un modello basato sul cloud computing i tempi di risposta (dovuti alla latenza) del carrello sarebbero necessariamente più lunghi, con rischi per la sicurezza fisica degli addetti.

Ecco uno dei motivi per cui integrare IoT ed edge computing risulta essere un'ottima soluzione per quegli impianti industriali che progettano di rinnovare completamente i processi produttivi affidandosi all’Industria 4.0.

Quali saranno i trend del futuro guidati dall’industrial IoT ed edge computing? Sicuramente la combinazione 5G IoT ed edge computing apporterà dei benefici non trascurabili in tutti quei contesti lavorativi dove l’edge è affidato a soluzioni far edge, cioè distanti alcuni chilometri dal luogo in cui si effettua la raccolta dei dati. Ne sono un esempio le apparecchiature utilizzate per il monitoraggio ambientale in esterno (raccolta dati atmosferici, qualità dell’aria) adoperate in agricoltura o altri settori.

Si fanno strada anche le tecnologie cognitive basate su infrastruttura cloud-edge-IoT, che supporteranno le future applicazioni iper-distribuite con l’apporto significativo dell’intelligenza artificiale. Il cloud-edge-IoT fornisce alle industrie una soluzione di raccolta delle informazioni e di elaborazione integrata e senza soluzione di continuità tra diversi ambienti informatici.

All’orizzonte si intravede anche un mondo virtuale che viene già oggi definito metaverso industriale, il quale sarà favorito dall'enorme rapidità di calcolo introdotta dalle infrastrutture cloud-to-edge ed edge-to-cloud.

Si potrà quindi implementare nelle strategie di monitoraggio e controllo degli impianti industriali l’internet tattile, favorito da nuovi dispositivi indossabili connessi a internet, in grado di restituire la sensibilità tattile all’operatore anche quando adempie ai compiti da molto lontano.

Una fabbrica altamente connessa ha bisogno di nuove soluzioni per garantire la sicurezza informatica. Alcune strategie potrebbero arrivare dalla tecnologia dei ledger distribuiti (distributed ledger technology, DLT) in cui più nodi decentralizzati ridondanti conservano i medesimi dati. In caso di fallimento di uno dei nodi, gli altri garantiranno la prosecuzione dell’attività produttiva.

Passiamo ora a una rassegna di quelli che in inglese chiameremmo edge computing IoT devices, cioè dispositivi elettronici per l’IoT industriale e l’edge computing.

Il gateway IoT è un primo componente chiave nella trasmissione dei dati tra macchinari industriali connessi e i centri di elaborazione dell'edge computing. Attraverso il gateway passano i dati raccolti dai sensori applicati agli strumenti, per poi essere smistati a qualsiasi infrastruttura di elaborazione gli venga connessa.

Un kit di sviluppo come il Grove AI HAT per l’edge computing è invece utile in quei progetti che prevedono l’integrazione di intelligenza artificiale per l’elaborazione dei dati in loco. Questo kit di sviluppo può essere collegato a un Raspberry Pi, oppure può operare in autonomia per raccogliere immagini da una telecamera e audio da uno o più microfoni. Il dispositivo prevede in aggiunta il collegamento a un monitor QVGA LCD e a un’ampia serie di periferiche via UART, I2C, GPIO e non solo.

Proseguendo, un kit di valutazione IoT può essere interfacciato con molti sensori ed è utile per l’apprendimento automatico. Anche questo kit si può collegare a un computer a scheda singola, come Arduino, per fornire informazioni sulla pressione barometrica, le temperature, l’orientamento assoluto e l’audio.

IIoT ed edge computing sono destinati a confluire in soluzioni industriali integrate volte a garantire una elaborazione dei dati rapida per una efficienza operativa senza precedenti. Ciò si tramuterà in minori errori, in una gestione della sicurezza migliorata e in costi ottimizzati.

L’utilizzo dell’intelligenza artificiale in veicoli industriali a guida autonoma favorirà l’auto apprendimento, mentre l’elaborazione nell’edge computing dei dati presi dall’ambiente circostante ridurrà le occasioni di infortuni.

L’autoapprendimento delle macchine gioca e giocherà un ruolo importante anche nei macchinari industriali dediti alla produzione, ma per rendere possibile questo scenario è necessario implementare sin da ora sensori e apparati dell’IoT industriale. Scopri la nostra selezione di prodotti per l’IoT industriale e per l’edge computing, migliora l’efficienza operativa dei processi produttivi per migliorare la competitività della tua impresa.