Nello scenario di business attuale, con la progressiva smartificazione di molte attività, cresce in modo esponenziale la necessità di processare i dati dove si generano, quindi direttamente negli impianti di produzione e nelle facility periferiche. Un report di qualche settimana fa di DataProt stima in circa 10 miliardi il numero di oggetti connessi, con la prospettiva di raggiungere i 25,3 miliardi di unità entro il 2030. Lo stesso analista prevede che nel 2025 ci saranno circa 152mila device IoT connessi ogni minuto e che i dati generati da questi oggetti ammonteranno a ben 73 Zettabyte. Non aumenta solo la quantità di dati prodotti ma anche il numero di applicazioni che richiedono un processing in tempo reale o quasi reale (real time o near real time) dei dati. Digital Twin, robot industriali, veicoli a guida autonoma, scenari di smart security e smart safety, Industria 4.0 e realtà aumentata, solo per citarne alcune. Cambia anche in modo sostanziale la tipologia di comunicazioni. Si moltiplicano, infatti, quelle Machine-to-Machine (M2M), che consentono di svincolare l’operatività veicoli, macchinari e impianti da qualsiasi intervento umano. Impensabile replicare in questi nuovi contesti applicativi le regole valide fino a qualche anno fa, che prevedevano la raccolta dei dati in remoto, il loro invio al datacenter centralizzato, la loro analisi e la restituzione in locale dei risultati di questa analisi. Complici i progressi ottenuti sul fronte delle tecnologie di miniaturizzazione e delle prestazioni delle reti mobile, oggi è possibile analizzare remotamente i dati prodotti e spianare la strada ad applicazioni IoT e smart di ultima generazione.
Indice degli argomenti
L’avanzata dell’Edge Computing
L’Edge Computing può essere considerato lo stadio evolutivo più recente del cloud. Consiste nello spostare lo storage e la potenza di calcolo dai server centrali al limite più estremo della rete aziendale – negli impianti, nelle fabbriche, nelle facility remote o direttamente sulla linea di produzione.
La maggior parte dei dispositivi e sensori IoT può essere equipaggiata con mini datacenter dotati di tutte le risorse computazionali e la memoria necessarie per processare i dati acquisiti attraverso l’utilizzo di semplici dispositivi compatti, che fungono anche da access point, router e server gateway. Questo permette di supportare in modo efficace processi decisionali automatizzati e applicazioni event-trigger, gestire allarmi e blocchi operativi in tempo reale.
AI Edge Computing ed Embedded Machine Learning, l’intelligenza al centro dei nuovi modelli produttivi
«Le aziende – mi spiega Pier Giuseppe Dal Farra, Industry 4.0 Business Expert di Orange Business Services – guardano con sempre maggior interesse all’Embedded Machine Learning e alle Data Analytics localizzate a livello Edge. La capacità di utilizzare gli algoritmi predittivi non solo all’interno di un data center ma alla periferia della rete spiana la strada a tutto un ventaglio di scenari applicativi davvero interessanti soprattutto per quello che riguarda il manufacturing. Le nuove logiche di produzione zero difetti richiedono la capacità di intervenire istantaneamente a fronte di problemi o difformità attivando automaticamente comandi di spegnimento automatico dei macchinari. Tra le soluzioni più di frontiera troviamo invece le Lights Out Factory, le fabbriche a luci spente gestite completamente da robot, senza alcun intervento umano. Impossibile adottare questi approcci senza abbracciare modelli di analisi intelligente dei dati nell’Edge. In tutti i casi in cui è richiesta una risposta in tempo reale ed è fondamentale superare le problematiche di latenza, l’analisi dati intelligente a livello locale si rivela la soluzione vincente».
I benefici dell’Embedded Machine Learning
Gli analisti di Allied Market Research stimano che il mercato dell’Embedded Machine Learning crescerà a un tasso medio annuo del 21,2% nei prossimi anni, arrivando a sfiorare i 60 miliardi di dollari nel 2030. Ma quali sono i driver della crescita? «La diffusione dei modelli di Hybrid Cloud influisce direttamente sulla domanda di queste soluzioni – evidenzia il manager –. Grazie all’Intelligent Edge Computing è possibile aggiungere facilmente nuovi nodi di elaborazione e storage remoti all’infrastruttura virtualizzata, includendo velocemente stabilimenti e filiali nel perimetro dell’azienda. L’elaborazione in locale permette di superare anche molti problemi di compliance e privacy, consentendo l’analisi rapida di tutti quei dati che non è opportuno spostare al di fuori dei confini nazionali dove, talvolta, sono localizzati i datacenter dei gestori di servizi cloud. Non da ultimo, i nuovi modelli di lavoro ibrido spingono verso la diffusione dell’Embedded Machine Learning. Parliamo non solo di impiegati e manager, ma della remotizzazione di attività slegate dalla scrivania, come quelle di assistenza tecnica e customer care, che necessitano di capacità elaborativa locale elevata».
L’impegno di Orange Business Services per l’Embedded Machine Learning
Orange Business Services si rivolge alle realtà che vogliono sperimentare i benefici dell’Embedded Machine Learning con soluzioni complete, personalizzabili, altamente scalabili e dal deployment rapido, che assicurano vantaggi evidenti:
- Personalizzazione
«Siamo in grado di soddisfare esigenze di comunicazione ed elaborazione dati complesse offrendo al cliente sempre il miglior mix di connettività fissa e mobile, Edge Computing e cloud. Sarà lui a decidere caso per caso cosa è meglio fare sulla base delle sue esigenze applicative, delle caratteristiche di copertura della rete mobile e fissa e dell’analisi di numerosi altri parametri», commenta Dal Farra. - Scalabilità
«Siamo un operatore globale e i nostri clienti sono in grado di replicare facilmente le proprie infrastrutture di elaborazione dati in locale nelle diverse nazioni in cui operano». - Costi
«Diminuendo la quantità di record trasmessi al data center è possibile liberare banda trasmissiva e alleggerire i carichi di lavoro del cloud, riducendo sensibilmente l’utilizzo di storage e CPU».
Nel 2020, Orange Business Services ha scelto Ekinops e Dell Technologies come partner per una nuova soluzione uCPE (Universal Customer Premise Equipment). La piattaforma gioca un ruolo chiave nella trasformazione delle reti. Include, infatti, funzionalità di Software Defined Networking (SDx) e assicura ai clienti una maggior agilità, flessibilità e semplicità nel deployment dei servizi. L’azienda globale è anche partner di Ekkono Solutions in tema di Edge Machine Learning e Virtual Sensors. Si tratta di un’azienda molto innovativa legata all’Università di Borås in Svezia. Insieme a Ekkono, Orange Business Services offre soluzioni specifiche di Edge Machine Learning per applicazioni IoT e industriali. «La personalizzazione in questo tipo di progetti è la regola – conclude il manager – ed è importante avere internamente le competenze e i blocchi tecnologici su cui andare a costruire la soluzione. Il cliente di Orange Business Services può contare sulla nostra expertise nei diversi ambiti della sicurezza, Data Analysis, AI, Edge Computing, networking, communication e Business Excellence, ma anche sulla nostra presenza globale e sulla nostra vastissima rete di partner e fornitori qualificati. Sul mercato ci proponiamo con l’approccio agnostico tipico dei system integrator, per cui sono solo le esigenze dei clienti a guidarci nella scelta delle tecnologie e delle soluzioni, senza alcuna preclusione».
