47 / 100
Automazione e Strumentazione
Marzo 2017
CONTROLLO
approfondimenti
47
Anche
i costi ridotti di data storage
e la capil-
lare diffusione di dispositivi di acquisizione
dati hanno concorso a produrre grandi quantità
di dati da registrare. L’insieme di questi fattori
contribuisce a definire una nuova tendenza nel
settore IT: registrare quanti più dati possibile,
conservarli a lungo, analizzarli dettagliatamente
e ricavarne valore.
Le piattaforme tecnologiche
Le applicazioni dei Big Data possono essere
orientate al cliente (customer experience), al
business (comprensione del mercato) o alle
aziende (controllo dei processi operativi). Tali
scenari poggiano su database e piattaforme
consolidate. Molto diffusa è
Hadoop
, una tec-
nologia Open Source per lo storage e l’analisi
dei file distribuiti attraverso l’utilizzo di com-
ponenti hardware combinati in cluster.
NoSQL
è invece un database che utilizza algoritmi sem-
plici per processare grandi volumi di dati che
altrimenti non potrebbero essere raccolti tra-
mite un approccio relazionale (SQL).
MapReduce
è un framework software bre-
vettato da Google per supportare la computa-
zione distribuita su grandi quantità di dati in
cluster di computer. Similmente funzionano
Hive
o
Impala
per grandi quantità di dati, C’è
poi
Spark
, una piattaforma emergente che
garantisce un’elaborazione dati molto veloce
e che comprende un file system, un sistema di
machine learning, uno stream processing, e tec-
nologie di interazione NoSQL / SQL.
Tecnologie fondamentali per lo sviluppo dei Big
Data sono anche il
cloud computing
e il
machine
learning
. Quest’ultima è una disciplina stretta-
mente affine all’intelligenza artificiale che prende
le mosse dagli studi sul pattern recognition e sulla
teoria dell’apprendimento computazionale. Che
sia la prossima frontiera dei Big Data lo mostrano
gli enormi investimenti di
Amazon, IBM
e
Microsoft
. Le tecnologie del machine learning
segnano un cambio di passo nel modo in cui i Big
Data vengono gestiti e analizzati. Grazie ad esse
è possibile infatti effettuare
analisi descrittive
e
predittive
. Con il machine learning le imprese
tendono a ottenere il massimo valore dai propri
dati, sia storici che in tempo reale.
Applicazioni industriali
Per prima cosa la convergenza di nuove infra-
strutture di connessione (robotica cloud, context-
aware computing, reti ubique ad alta velocità,
sensori wireless) con il modello Big Data pro-
mette di risolvere numerosi problemi legati alle
connessioni industriali più lente
.
Nell’intera catena del valore aziendale, e a
bordo
macchina
in particolare, i sensori e il software
garantiscono l’affidabilità del ciclo di produ-
zione e il funzionamento corretto della macchina.
Con tale premessa i Big Data sono alla base del
modello di
gestione delle informazioni
, nella
misura in cui le unità di controllo sono collegate
in rete trasformando le macchine in sorgenti di
dati che il software raccoglie ed elabora.
Nella
manutenzione predittiva
i Big Data
propongono un nuovo scenario di connetti-
vità con oggetti che comunicano fra loro e con
applicazioni che risiedono nei data center, nel
cloud e nelle infrastrutture IT. Le tecniche di
Data Mining
e analisi statistica forniscono
nuove strategie di manutenzione reattiva e
predittiva. I software che ne derivano sono in
grado di monitorare automaticamente mac-
chine e impianti, individuando trend caratteri-
stici, classificandone gli stati e segnalando la
presenza di eventi anomali.
A livello di
supervisione
la capacità di rico-
Architettura Microsoft
Big Data Solution