All'inizio del terzo trimestre del 2019, Gartner ha pubblicato il suo primo rapporto in assoluto sulla nicchia dell'Internet degli Oggetti Industriali (IIoT), che ha fornito un quadro del mercato dell'IIoT, del cloud computing, dell'edge computing e delle loro applicazioni industriali. Mentre il Magic Quadrant di Gartner per l'IIoT ha mostrato un aumento del tasso di adozione, nessuno degli stakeholder elencati ha superato la metà del punteggio in termini di esecuzione. Il punteggio di esecuzione evidenzia la capacità di applicare i dati dell'IIoT per risolvere i problemi quotidiani in tutte le officine e ogni fornitore di servizi dell'IIoT è stato trovato carente.
Secondo il rapporto, "la base installata dell'integrazione IT/OT è piccola e focalizzata su risultati definiti in modo ristretto". Ciò significa che l'integrazione dell'IIoT all'interno delle officine non è così ampia come ci si aspettava, e l'analisi dei dati è ancora limitata alle tecniche di elaborazione di batch che sono lontane dall'analisi in tempo reale che Industrie 4.0 si aspetta. Inoltre, sottolinea il fatto che, mentre il cloud computing sta aumentando il tasso di adozione, da solo non è in grado di fornire l'analisi e la gestione dei dati IIoT in tempo reale.
Questo articolo discuterà:
- Le sfide che il cloud computing deve affrontare nella fornitura di analisi dei dati IIoT in tempo reale
- Come si può ottenere l'analisi dei dati IIoT in tempo reale e il ruolo dell'edge computing e dell'hardware edge
- I vantaggi di un'analisi dei dati IIoT in tempo reale all'interno delle fabbriche
Le sfide che il cloud computing affronta nell’analisi dei dati IIoT in tempo reale
Sebbene le risorse di calcolo estese che il cloud computing fornisce siano state vantaggiose per i produttori, esistono sfide specifiche quando si cerca di fornire servizi in tempo reale. Queste sfide includono:
Sfide di comunicazione e di rete – Le reti sono una fonte di imprevedibilità laddove sono richiesti sistemi in tempo reale o analisi dei dati. Ciò significa che il trasferimento di dati dai dispositivi IIoT al cloud è soggetto a perdite di segnale, effetti causati da rumore, limitazioni della larghezza di banda e, in alcuni casi, interferenze dinamiche da altri sistemi all'interno dell'officina. Sebbene esistano protocolli che affrontano questi problemi, il networking in tempo reale è ancora molto imprevedibile quando si utilizzano solo risorse di cloud computing per gestire i processi di trasferimento dati.
Problemi di gestione distribuita delle risorse – Con più dispositivi IIoT che operano all'interno di un negozio, la necessità di distribuire adeguate risorse di cloud computing a ciascun dispositivo influisce sull'analisi dei dati in tempo reale. Sebbene gli algoritmi di pianificazione in tempo reale possano aiutare a bilanciare la distribuzione delle risorse su più dispositivi IIoT, questi algoritmi forniscono garanzie temporanee in quanto i sistemi operativi all'interno di questi dispositivi rendono difficile l'allocazione accurata delle risorse di calcolo in tempo reale, influenzando così la qualità del servizio (QoS) che un ambiente di cloud computing centralizzato può fornire.
Costo dell’archiviazione e controllo degli accessi – Per garantire che il ROI dell'integrazione del cloud computing in ambienti industriali superi la spesa in conto capitale, le imprese dovranno sempre tenere sotto controllo la spesa per l’archiviazione. In una situazione in cui vengono impiegati centinaia di dispositivi, sensori e sistemi IIoT, la spesa per l’archiviazione aumenta con l'aumento dei requisiti di acquisizione dei dati. Pertanto, le aziende devono trovare il modo di garantire che solo i dati importanti vengano inviati agli ecosistemi cloud centralizzati; e l'integrazione dell’edge computing è un modo per raggiungere questo obiettivo.
Le imprese che utilizzano servizi cloud forniti da un qualsiasi fornitore possono anche essere disturbate da problemi di downtime, che limitano l'accesso al cloud. Quando ciò si verifica, lo scambio di dati in tempo reale e l'analisi dei dati si interrompe e questo interrompe qualsiasi attività in officina, compresi i dispositivi IIoT che richiedono il corretto funzionamento del cloud.
Sfide della cybersecurity – Secondo l'Infosecurity, nella prima metà del 2019 sono stati rilevati oltre 100 milioni di attacchi diversi ai dispositivi IoT e la nicchia dell'IIoT non è diversa. L'aumento degli attacchi cybernetici sui dispositivi IIoT è una delle sfide più grandi con l'affidamento al cloud computing per gestire esclusivamente le attività di gestione dei dati. Un'intrusione riuscita non riguarda solo il dispositivo IIoT violato, ma fornisce anche delle falle che possono essere sfruttate per accedere all'intera infrastruttura basata sul cloud di un'impresa. Pertanto, la perdita di dati, gli attacchi di phishing e il ransomware influiscono sulla capacità del cloud computing di fornire analisi dei dati in tempo reale.
Completamento delle attività di cloud computing con hardware edge e edge computing
Alla conferenza AWS re:Invent recentemente conclusasi, uno dei principali annunci è stato incentrato sulla fornitura di soluzioni di supporto per aiutare l'IIoT e l'integrazione del cloud in ambienti industriali. Questo ha evidenziato la necessità del cloud computing di tecnologie di supporto se si vuole ottenere una gestione in tempo reale dei dati dell'IIoT. In questo caso, l'integrazione dell'edge computing e dell'hardware corrispondente che lo guida è un esempio di tecnologie complementari che aiutano l'acquisizione, la gestione e l'analisi dei dati in tempo reale.
Con l'edge computing, molte delle sfide che il cloud computing si trova ad affrontare con la fornitura di analisi dei dati in tempo reale vengono eliminate o drasticamente ridotte. Per esempio, l’edge computing supporta la comunicazione in tempo reale per i dispositivi IIoT (sotto i 10ms) in quanto offre un middleware fisico che permette alle applicazioni IIoT di funzionare sia in modalità isolata che facilita il trasferimento dei dati in un ambiente cloud centralizzato. Questo significa che l'edge computing risolve il problema della comunicazione imprevedibile e delle sfide di rete associate a problemi di gestione delle risorse.
La capacità di catturare i dati prodotti dai dispositivi IIoT ed eseguire l'analisi dei dati senza accedere al cloud facilita un processo più prevedibile per la gestione dei dati IIoT. Inoltre, elimina gli effetti delle interferenze, della perdita di segnale e dell'allocazione delle risorse quando più dispositivi e sistemi IIoT girano simultaneamente.
L'edge computing elimina anche la necessità di aumentare costantemente le risorse di cloud computing e di archiviazione con carichi di lavoro crescenti. I sistemi IIoT possono contare su una rete edge per catturare solo i dati rilevanti per un processo e utilizzarli per automatizzare le attività e sviluppare programmi operativi in tempo reale. La perdita di connessioni stabili e il problema dei tempi di inattività dei fornitori non influirà sulle operazioni in tempo reale. Ciò è dovuto al fatto che l'hardware edge gestisce tutti i requisiti di calcolo del sistema IIoT e i dati acquisiti possono essere trasferiti al cloud in qualsiasi momento in cui viene ripristinata la comunicazione.
La capacità di gestire l’IIoT computing e le attività relative ai dati al di fuori di una rete centralizzata migliora l'analisi in tempo reale e mantiene i dati in officina al sicuro in caso di violazione della rete unificata di un'impresa. Questo riduce l'effetto dei cyberattacchi con successo sull'intera infrastruttura IT e sulle operazioni commerciali dei produttori.
Conclusione
I severi requisiti di tempistica e l'alto livello di prevedibilità necessari per fornire un ambiente IIoT funzionale in tempo reale richiedono l'uso di più soluzioni tecnologiche rispetto al solo cloud computing. La fusione del cloud computing con l'edge computing consentirà di risolvere i complessi problemi associati al raggiungimento di una gestione dei dati in tempo reale in ambienti alimentati dall'IIoT. Ciò garantirà che il cloud computing possa essere applicato per risolvere i difficili problemi in tempo reale per far progredire l'implementazione dei modelli Industrie 4.0.
