AS_03_2021

Aprile 2021 Automazione e Strumentazione MERCATI primo piano 22 prodotto dal volume di attività di lavoro svolte in remoto, dall’incremento della collaborazione virtuale e delle attività di video streaming. Le imprese, spiega la società, stanno investendo in edge computing per indirizzare alcune esi- genze chiave dell’infrastruttura di rete. Una di esse, è il volume di dati, perché, ad esempio, applicazioni come la videosorveglianza devono elaborare così tanti dati che risulterebbe ineffici- ente trasmetterli verso il cloud per eseguire tali elaborazioni. Vi è poi da considerare l’intensità computazionale, come nel caso delle applicazi- oni di deep learning , in cui il processo inferen- ziale richiede un’analisi sofisticata e un’elevata capacità di calcolo. Ancora, occorre tener conto del fattore latenza, perché dover trasferire grandi volumi di dati nel cloud, e poi dover aspettare di ottenere i risultati, che arrivano attraverso un’infrastruttura tradizionale, già congestionata da elevati carichi di traffico, non è accettabile quando si ha a che fare con applicazioni di categoria ‘time-sensitive’ , come può essere il controllo di qualità industriale. Rispetto a queste sfide e problemi di capacità, velocità trasmis- siva, potenza computazionale, le tecnologie di edge computing, permettendo di portare l’in- telligenza di elaborazione più in prossimità dei dispositivi, possono consentire di risparmiare banda, e ridurre la latenza di comunicazione, contenendola nell’ordine dei millisecondi. Edge computing, i vantaggi dell’elaborazione locale dei dati Gestendo le informazioni a livello di infrastruttura edge, non è più necessario spostare in rete pesanti volumi di dati, generati dalle applicazioni della Internet of Things industriale (IIoT), per poi elaborarli nel cloud. Attraverso l’edge com- puting, diventa possibile ese- guire workload di intelligenza artificiale (AI) direttamente a livello dei dispositivi locali : ad esempio nell’ambiente di fab- brica, quando sulle linee di pro- duzione si installa telecamere smart in grado, tramite algo- ritmo di deep learning, di ese- guire in autonomia l’ispezione di qualità dei prodotti, per ovvi- are alle restrizioni sul personale umano imposte dai protocolli di contenimento dell’infezione da COVID-19, e dalle misure anti-contagio sul posto di lavoro. Un altro importante beneficio dell’edge computing deriva poi dal fatto che, potendo elaborare i dati localmente, si evita di trasmetterli verso infrastrutture cloud distribuite a livello geografico, con il vantaggio di ridurre i rischi di compromissione o violazione degli stessi, e di semplificare i problemi di compli- ance con i regolamenti vigenti in materia di tutela della protezione e sicurezza dei dati, come GDPR (General Data Protection Regulation). Imprese industriali, 5G in sinergia con edge computing L’incrementato utilizzo dei dispositivi mobile di fascia consumer, e in particolare il consumo di contenuti video e realtà virtuale, assieme alla crescita dei sensori per le applicazioni della IoT, sono le tendenze che continueranno a stimolare lo sviluppo dell’edge computing, secondo la società di ricerca e consulenza Frost & Sulli- van . Inoltre, il graduale dispiegamento della rete radiomobile di quinta generazione (5G) condurrà quasi certamente alla crescita esplo- siva della IoT e dell’edge computing. Sempre Frost & Sullivan prevede che entro il 2022 il 90% delle imprese industriali adotteranno l’edge computing. La recente analisi (“5G and Edge Computing - Cloud Workloads Shifting to the Edge, Forecast to 2024”) identifica l’edge com- Alcuni utilizzi del deep learning in campo industriale richiedono notevoli capacità computazionali a livello locale e, per esempio, degli hardware ad elevato parallelismo (fonte: Pixabay)