Table of Contents Table of Contents
Previous Page  47 / 100 Next Page
Information
Show Menu
Previous Page 47 / 100 Next Page
Page Background

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