tecnologia

settembre 24, 2019

5 min per la lettura

Aggiungere una A all'IoT

Aggiungere una A all'IoT

Il sistema nervoso centrale è formato da cervello, spina dorsale e nervi. I nervi rispondono a stimoli esterni come temperatura o pressione e ritrasmettono i segnali al cervello, che decide la reazione appropriata. Nella manifattura, i numerossimi dispositivi IoT (Internet degli oggetti) connessi funzionano come i nervi, misurando i parametri e raccogliendo i dati, ma qual è il cervello dietro tutte le operazioni?

Gartner prevede che entro il 2022 più dell'80% dei progetti IoT delle imprese includeranno un componente AI, facendo registrare un vertiginoso aumento rispetto al 10% del 2019. I motivi che spiegano questa crescita sono chiari: i dispositivi IoT generano un'elevata quantità di dati operativi negli stabilimenti industriali, superiore a quella che siamo in grado di gestire. I nostri stabilimenti raccolgono informazioni su temperatura, pressione, vibrazioni, flusso e molti altri elementi da cui possiamo ricavare conoscenze preziose.

L'AI, in particolare l'apprendimento automatico, può simulare un comportamento intelligente e imparare dall'esperienza a utilizzare i dati dei sensori, creando quindi informazioni fruibili dai nostri dispositivi connessi. È una combinazione perfetta.

I dati sono importanti

Perché l'AI offre simili vantaggi agli utenti IoT? La progettazione alla base dei nostri metodi tradizionali di analisi dei dati non era orientata ai big data, quindi questi metodi non possono elaborare in modo efficiente la vasta quantità di dati in tempo reale che raccogliamo dalle nostre macchine. L'uso dell'AI consente di elaborare ampi set di dati in modo da identificare i modelli e le informazioni riducendo al minimo o eliminando l'intervento umano. Si tratta di un approccio molto più semplice, e per renderlo possibile un numero crescente di piattaforme IoT offre capacità AI come, ad esempio, le piattaforme Google Cloud IoT, Microsoft Azure IoT e AWS IoT.

L'intelligenza artificiale può anche aiutare i produttori ad affrontare problemi di interoperabilità. Le tecnologie operative costruite da produttori diversi possono non essere progettate per comunicare tra loro o con una piattaforma centrale che offra una visione complessiva. Includete le apparecchiature esistenti nel calcolo di questa equazione e avrete parecchio lavoro da svolgere. Raggruppare tutti i dati in un unico sistema IT può essere un'impresa titanica, ma gli algoritmi AI possono contribuire a insegnare al sistema ad analizzare le informazioni così da facilitare il processo.

Usando l'AI, è possibile analizzare i dati in tempo reale in modo che la macchina possa rispondere rapidamente agli eventi in caso di emergenza. L'Ai può anche essere utilizzata per identificare i modelli in set di dati precedenti e associata all'analisi predittiva per capire cosa accadrà in futuro. È interessante notare che Deloitte ha scoperto che la manutenzione predittiva può ridurre del 20-50% il tempo necessario per pianificare la manutenzione, aumentare del 10-20% i tempi di funzionamento delle apparecchiature e ridurre del 5-10% i costi complessivi di manutenzione. Questo significa che è anche possibile prevedere i guasti delle apparecchiature prima che si verifichino in modo da avere il ricambio pronto nel momento in cui è necessario.

Spostare i confini in avanti

Stiamo assistendo all'implementazione dell'AI anche nei dispositivi edge per creare il cosiddetto intelligent edge.  Ad esempio il modulo di controllo gateway DXM wireless per uso industriale di Banner Engineering si avvale di un algoritmo di apprendimento automatico per ottenere informazioni sullo stato delle macchine, generando una linea di base per le operazioni oltre a soglie di avvertimento e allarme.

I fornitori di IoT stanno aggiornando i loro strumenti per facilitare gli utenti nell'uso dell'AI in prossimità della fonte delle informazioni. Microsoft, ad esempio, ha annunciato Azure IoT edge, una piattaforma che consente ai dispositivi a bassa potenza di eseguire applicazioni AI a livello locale, mantenendo nel contempo la connessione al cloud per la gestione e la modellazione. Anche Amazon ha provveduto ad aggiornare Greengrass in modo da incorporare capacità di apprendimento automatico.

Il percorso non è privo di sfide: per elaborare i dati velocemente occorrono potere e capacità di calcolo notevoli, quindi è necessario costruire reti adatte all'AI.  A tale scopo, le aziende devono considerare la connettività edge e cloud, la scalabilità, la disponibilità, l'interoperabilità, la larghezza di banda e molti altri aspetti.

Il sistema nervoso non funzionerebbe senza il cervello. Anche l'IoT necessita di capacità intellettive per lavorare in modo efficiente e l'AI è all'altezza del compito.

Articoli Collegate

Torna in cima
Torna in cima
[{ "site.code": "it", "general.cookie_message": "Utilizziamo i cookie per assicurare la corretta funzionalità e la sicurezza del nostro sito. Cliccando su “Accetta tutti i cookie” ci permetti di fornirti la miglior esperienza possibile.", "general.cookie_privacy": "EU Automation utilizza i cookie", "general.cookie_policy": "Informativa sui cookie", "general.cookie_dismiss": "Accetta tutti i cookie" }]