Big data analytics

Big data e IoT, i vantaggi della convergenza

Grazie all’interazione fra le due tecnologie è possibile un processo circolare continuo di produzione e analisi di dati, manutenzione e riconfigurazione dei processi produttivi nell’industria 4.0

Pubblicato il 09 Set 2021

big data

IoT e Big data sono due delle tecnologie abilitanti per l’Industria 4.0; in particolare, per quella che si definisce la “CyberPhysical Convergence”. Esaminiamo quali vantaggi si possono trarre dalla loro azione congiunta.

Le peculiarità dell’Internet of things

Lo stato dell’arte dell’Internet of Things si può condensare nei seguenti elementi:

• miniaturizzazione delle tecnologie di sensing e di comunicazione wireless, che consente di includere in quasi ogni oggetto fisico dispositivi (sistemi embedded) per la raccolta di informazioni sull’ambiente fisico e la loro trasmissione in rete. Per oggetti che nascono privi di tali dispositivi è possibile aggiungerli in un secondo tempo; pertanto, ogni oggetto fisico ha (o può avere) la capacità di generare dati sul suo stato e lo stato dell’ambiente che lo circonda;

• la disponibilità di reti wireless pervasive ad alta capacità (Lte, WiFi, Zigbee, Bluetooth) permette di raccogliere questi dati e di connettere praticamente qualunque oggetto a Internet. Questo permette da un lato la raccolta e la condivisione dei dati generati dai dispositivi embedded negli oggetti fisici; dall’altro di configurarli, e quindi agire anche da remoto sugli oggetti fisici e il loro ambiente circostante;

• i dispositivi personali degli utenti (smartphone, tablet, wearable) possono anch’essi generare dati, comunicarli via internet e ricevere comandi da remoto.

Il fenomeno del “data deluge”

Con la grande diffusione dei dispositivi IoT si assiste al cosiddetto “data deluge”, cioè la disponibilità di una quantità enorme di dati “grezzi” generati dai dispositivi nell’ambiente. Stime di istituti di ricerca e aziende IT internazionali (IDC e Cisco) prevedono che nei prossimi anni si arriverà a un numero di dispositivi IoT connessi di centinaia di miliardi fino a trilioni (McKinsey), equivalenti cioè a centinaia (se non migliaia) di dispositivi IoT connessi per persona. Se da un lato la presenza di una tale mole di dati fornisce opportunità mai viste prima, dall’altro diventa necessario accoppiare alle tecnologie IoT altre tecnologie specifiche per la gestione, integrazione dei dati ed estrazione di conoscenza dai dati grezzi generati dai dispositivi. Stiamo parlando di big data analytics, che a loro volta richiedono infrastrutture di calcolo ad alta capacità per poter immagazzinare e analizzare tali quantità di dati, attualmente fornite tramite piattaforme di cloud storage e computing.

Cyber-Physical Convergence, sinergia fra IoT e Big data

La sinergia tra le tecnologie IoT e Big data è una delle basi della Cyber-Physical Convergence (e dei corrispondenti Cyber-Physical Production Systems – CPPS),  tecnologia fondamentale di Industry 4.0. La Cyber-Physical Convergence è caratterizzata da un processo circolare tra il mondo fisico e il mondo cyber (Internet). Grazie alle tecnologie IoT, gli oggetti e le persone generano costantemente dati che passano dal mondo fisico al mondo cyber tramite reti pervasive.

Nel mondo cyber, le tecnologie Big data permettono di analizzare i dati raccolti estraendone conoscenza. Sulla base di tale conoscenza diventa possibile individuare azioni da compiere sugli oggetti stessi per configurarli e, in alcuni casi, agire sul mondo fisico che li circonda.

Scopi e vantaggi di IoT e Big data

Contestualizzata nel mondo di Industria 4.0, la Cyber-Physical Convergence permette una continua interazione tra cose, dati, persone e servizi, che è alla base di molti dei concetti fondamentali di Industry 4.0. In particolare, è grazie a questa interazione che diventa possibile quel processo circolare continuo di: produzione e analisi di dati, manutenzione e riconfigurazione dei processi produttivi.

Vi possono essere diversi ambiti di applicazione di questo processo circolare. Se applicato a un singolo processo produttivo, ad esempio, tale approccio consente di monitorare il processo in maniera accurata e continua in modo da controllarlo efficacemente, migliorarlo costantemente nel corso del tempo e riadattarlo rispetto alla variabilità del contesto esterno (con benefici in termini di costi, tempi e flessibilità del processo in questione in ottica “zero-defect”).

Se esteso a diversi reparti e linee della stessa azienda, esso consente di ottenere un’integrazione interna ottimale, andando a migliorare le performance a livello aziendale (integrazione verticale). Se esteso al di fuori delle imprese, le nuove tecnologie offrirebbero la possibilità di integrarsi in filiere più ampie, andando a identificare dinamicamente partner manifatturieri in network produttivi che sarebbe altrimenti impossibile agganciare, anche solo per produzioni temporanee (integrazione orizzontale). Infine, se l’approccio di IoT e Big data venisse esteso anche al mondo dei clienti, il flusso di informazioni sui prodotti durante il loro ciclo di vita e sui clienti stessi permetterebbe di far evolvere i modelli di business aziendali nella direzione dell’offerta di servizi ad alto valore aggiunto e di circular economy.

Le tecnologie disponibili sul mercato

Le tecnologie IoT e Big data sono già mature (e sempre in evoluzione nel settore della ricerca), è quindi possibile programmarne l’adozione, nell’ottica di una migrazione a più lungo termine verso modelli di Industria 4.0. I primi interventi che vengono pianificati e realizzati riguardano solitamente il miglioramento dell’efficienza produttiva (operational effectivness) nell’ambito di singole unità produttive o nell’insieme di unità produttive di una stessa azienda, grazie a tecnologie IoT e Big data. Ecco un elenco delle principali tecnologie già disponibili sul mercato.

Tecnologie IoT

Tecnologie Big Data

  • Hadoop (il framework tecnologico open di riferimento per la programmazione di sistemi di analisi su grandi quantità di dati);
  • Hive (permette l’esecuzione efficiente di richieste (queries) per la raccolta e l’analisi di dati su sistemi distribuiti, compatibili con Hadoop).
  • Spark (tecnologia di riferimento per la programmazione efficiente di sistemi paralleli per l’analisi di dati su larga scala).
  • HBase e Cassandra (tecnologie per la gestione di grandi quantità di dati su sistemi distribuiti con prestazioni particolarmente elevate).

Applicando tali tecnologie, è possibile, per esempio:

  • integrare dispositivi IoT per il monitoraggio delle varie fasi della produzione;
  • analizzare Big data provenienti dal processo di produzione o dall’utilizzo dei prodotti da parte dei clienti;
  • costruire processi circolari secondo lo schema Information Value Loop. Uno degli esempi più immediati di questo approccio è la predictive maintenance dei macchinari.
big data
Fonte: Deloitte

Realtà industriale e formazione in Italia

La realtà industriale italiana è, per molti aspetti, ben posizionata per sfruttare appieno le potenzialità dei modelli di Industria 4.0. Tuttavia esistono diverse barriere all’adozione di tali modelli, tra cui la scarsa tendenza all’investimento e all’avanzamento tecnologico, l’assenza di piattaforme aperte per la condivisione e l’analisi dei dati e i rapporti non organici con ecosistemi di start-up realtà di ricerca e sviluppo.

IoT e Big data sono tematiche già presenti anche nell’offerta formativa a livello di corsi e master universitari. Corsi su IoT e Data mining sono attualmente in quasi tutti i corsi universitari in Ingegneria dell’Informazione e Informatica.

Come procedere verso l’integrazione fra IoT e Big data

A fronte delle barriere individuate, emergono chiaramente alcune necessità per l’adozione di tecnologie IoT e Big data, in particolare rispetto al contesto italiano. Ecco i punti prioritari:

  • adozione massiccia di tecnologie IoT per la raccolta e il monitoraggio dei dati a tutti i livelli, e tecnologie Big data per la loro elaborazione: il rinnovamento dei macchinari, spesso indicato come uno dei bisogni fondamentali, dovrebbe includere una profonda adozione di tecnologie abilitanti (e investimenti in appropriate tecnologie IT in generale), che sono il supporto di base a tutte le innovazioni esposte in precedenza.
  • Acquisizione di skills su tecnologie IoT e Big data, o direttamente in azienda, o tramite la creazione di rapporti organici con Digital Innovation Hubs, che possano fornire supporto all’integrazione di soluzioni avanzate di IoT e Big data nello sviluppo di processi produttivi. È fondamentale che, al di là dei singoli casi di aziende che già vanno in questa direzione, ci sia un’esposizione maggiore delle aziende nazionali (PMI in particolare) verso le tecnologie IoT e Big data, per capire come inserirle nei propri processi produttivi. Un esempio in tal senso è costituito dal programma I4MS (ICT innovation for manufacturing SMEs) all’interno del programma di Ricerca e Innovazione Horizon 2020 della Commissione Europea.
  • Necessità di progetti pilota che permettano alle aziende di provare e capire a fondo i benefici dei nuovi modelli di business e organizzazioni produttive di Industry 4.0, ad esempio stimolando progetti nelle aree della mass customization e della servitization, quindi “aprendo” il processo produttivo (e in particolare, la raccolta e analisi dei dati tramite IoT e Big data) anche ai clienti finali e focalizzando la produzione non solo sull’oggetto prodotto, ma soprattutto sui servizi associati.
  • Creazione di piattaforme aperte basate su open standard per la condivisione e l’analisi dei dati su larga scala, prevedendo opportune interfacce per l’integrazione dei sistemi IoT delle singole aziende. Tali piattaforme dovranno in prospettiva supportare il “bus orizzontale” dei dati per la loro condivisione e analisi a livello di filiera integrata.
  • Costituzione di competence center sulle tematiche IoT e Big data e creazione di rapporti stabili e organici tra soggetti di ricerca, innovazione e aziende per l’adozione di tali tecnologie in modo rapido ed efficace.
Video: l’iniziativa europea I4MS

Valuta la qualità di questo articolo

La tua opinione è importante per noi!

Speciale Digital360Awards e CIOsumm.it

Tutti
Update
Round table
Keynote
Eventi
Digital360 Awards e CIOsumm.IT, ecco i progetti vincitori
Tavola rotonda
Evoluzione del CIO: da centro di costo a motore strategico del business
Tavola rotonda
Business Process Augmentation: dall’RPA alla GenAI… il dato e tratto
Approfondimenti
Sistemi digitali potenziati: l’intelligenza dei chatbot è nelle mani dei CIO
Tavola rotonda
Intelligenza collaborativa e AI: sfide e opportunità per i CIO nell’era dello Human to Machine (H2M) 
Approfondimenti
Open Source: collaborazione e innovazione nel caos apparente del software libero 
Metodologie
BANI: che cos’è e come l’AI può aiutare i CIO a gestire la felicità (e l’infelicità) dei talenti
Prospettive
AI in un mondo complesso. Tra ordine e disordine, le aziende iniziano a capire la giusta via
Approfondimenti
Intelligenza Umana vs Intelligenza Artificiale insieme. Non invece
Eventi
Digital360 Awards e CIOsumm.IT, al via l’evento conclusivo
Eventi
Digital360 Awards e CIOsumm.IT, ecco i progetti vincitori
Tavola rotonda
Evoluzione del CIO: da centro di costo a motore strategico del business
Tavola rotonda
Business Process Augmentation: dall’RPA alla GenAI… il dato e tratto
Approfondimenti
Sistemi digitali potenziati: l’intelligenza dei chatbot è nelle mani dei CIO
Tavola rotonda
Intelligenza collaborativa e AI: sfide e opportunità per i CIO nell’era dello Human to Machine (H2M) 
Approfondimenti
Open Source: collaborazione e innovazione nel caos apparente del software libero 
Metodologie
BANI: che cos’è e come l’AI può aiutare i CIO a gestire la felicità (e l’infelicità) dei talenti
Prospettive
AI in un mondo complesso. Tra ordine e disordine, le aziende iniziano a capire la giusta via
Approfondimenti
Intelligenza Umana vs Intelligenza Artificiale insieme. Non invece
Eventi
Digital360 Awards e CIOsumm.IT, al via l’evento conclusivo

Articoli correlati

Articolo 1 di 4