Attualmente, a causa dello sviluppo tecnologico prodotto negli ultimi anni, l’uso dei dispositivi Internet Of Things (IoT) si è esteso a molteplici aree della vita quotidiana e sono poche le attività che non fanno uso di questo tipo di dispositivi.
Pertanto, la quantità di dati che sono stati prodotti e inviati ai data center per ulteriori analisi è aumentata notevolmente, raggiungendo anche il limite dei requisiti di larghezza di banda della rete, causando a sua volta un aumento della latenza. In ambienti critici, come un ospedale o uno stabilimento produttivo, dove è necessario monitorare determinati processi in tempo reale, l’aumento della latenza è un grave problema che, nei casi peggiori, potrebbe comportare ingenti costi economici e umani.
Per far fronte a questo problema è nato il paradigma noto come Edge Computing, basato sull’idea di analizzare ed elaborare i dati nel luogo fisico (o vicino ad esso) in cui sono stati raccolti. In questo modo il traffico viene rilasciato al data center ed i risultati ottenuti sono più affidabili e veloci.
Un esempio dell’applicazione di questo paradigma nella vita di tutti i giorni si può trovare nei veicoli autonomi. Questi mezzi di trasporto sono attualmente dotati di numerosi sensori e telecamere che raccolgono informazioni, sia sullo stato del veicolo che sull’ambiente che lo circonda, per poi analizzare i dati raccolti e prendere decisioni in tempo reale. La quantità di dati elaborati e la larghezza di banda della rete richiesta è enorme, quindi sarebbe impossibile utilizzare altri paradigmi informatici, come il Cloud Computing, poiché i paradigmi informatici si basano sull’elaborazione delle informazioni in un centro remoto, completamente distante da il dispositivo IoT (in questo caso il veicolo).
Uno dei settori in cui l’Edge Computing potrebbe diventare più importante è il mondo industriale, poiché lo spazio OT sta subendo una rivoluzione con l’emergere di nuovi dispositivi hardware intelligenti, insieme a software che trattano e sfruttano questa intelligenza. Questo, unito all’importanza della latenza nei processi e nella comunicazione all’interno di una fabbrica, fa sembrare inevitabile l’uso dell’Edge Computing in OT.
Ecco come potrebbe evolversi nel tempo
Un approccio su come implementare l’Edge Computing nell’impianto di produzione consisterebbe nel posizionare diversi server perimetrali che aggregano e analizzano le informazioni dai dispositivi IoT che si trovano in gruppi. Questo raggruppamento può essere fatto in due modi diversi:
- Raggruppamento delle zone: ogni server perimetrale si occupa di tutti i dispositivi IoT in una particolare zona, indipendentemente dal tipo di dispositivo e dai dati che genera. Questo metodo di clustering è il più efficiente, anche se è il più costoso a causa della complessità del server, che deve essere in grado di interpretare e analizzare i dati provenienti da diversi tipi di dispositivi.
- Raggruppamento per tipo: in questo caso, i server perimetrali sono progettati per interpretare i dati da un particolare tipo di dispositivo, quindi in una fabbrica vengono distribuiti almeno tanti server quanti sono i diversi tipi di dispositivi IoT nell’impianto. Questa soluzione genera più traffico e potrebbe mandare in crash la rete se non implementata correttamente, ma è almeno meno costosa e non richiede server così complessi.
