AS_407_2018

MERCATI primo piano 28 Ottobre 2018 Automazione e Strumentazione si aggiungono gli algoritmi di intelligenza arti- ficiale (AI), appredimento automatico (machine learning - ML) e deep learning (DL) - a giocare un ruolo centrale nell’integrazione di nuovi livelli di intelligenza ed efficienza nei sistemi di automazione che si trovano alla base degli impianti industriali di nuova generazione, o di quelli già esistenti. IIoT, fa ‘esplodere’ i big data e stimola il mercato Il mercato globale dei tool analitici per i big data nel settore manifatturiero è previsto regi- strare una crescita con un CAGR pari al 38,62% nel periodo 2018-2023, secondo la società di ricerche e consulenza Mordor Intelligence : per dare un’idea immediata del trend di letterale esplosione del volume di informazioni, le stime di Mordor indicano che i dati generati in un giorno nell’attuale scenario globale sono equi- valenti a quelli prodotti nell’ultimo decennio. Per gestire queste enormi quantità d’informazio- ni, il modello big data ha spesso dimostrato di essere un utile strumento, ed oggi, con l’imple- mentazione dei servizi M2M e con il concetto di Industria 4.0, che sta modellando gli stabili- menti produttivi nelle moderne infrastrutture di manufacturing, nelle fabbriche e negli ambienti di lavoro, chiarisce la società, il volume di dati prodotti dal comparto manifatturiero è cresciuto rapidamente. E, aggiunge, vi sono molte applica- zioni, nel campo dei semiconduttori , o nei setto- ri f armaceutico e automotive , dove i costruttori hanno l’esigenza di monitorare parecchie varia- bili, per assicurare la qualità dei prodotti finali, e dove gli strumenti analitici per i big data han- no provato di essere più fruttuosi rispetto ai metodi di analisi tradizionali. Tuttavia, sebbene i risultati ot- tenibili con l’uso dei big data siano incorag- gianti, il settore mani- fatturiero non sembra ancora aver realizzato il completo potenziale di questa tecnologia. In ogni caso, tra tutte le differenti applicazioni per cui sono usati i big data analytics nell’in- dustria manifatturiera, i sistemi di ‘condition monitoring’ dimostra- no di essere la priorità chiave, e quelli contraddi- stinti dal più rapido tasso di crescita. Big data analytics e IIoT: verso tool evoluti Nel settore delle piattaforme IIoT per l’auto- mazione degli ambienti industriali, le soluzioni disponibili sul mercato sono numerose, e spa- ziano, ad esempio, dalla Wonderware System Platform, di Schneider Electric , a MindSphere di Siemens , a Field di Fanuc ; dalla Predix Plat- form di GE Digital , a ABB Ability, a Cisco IoT System e molto altro. Tali piattaforme sono corredate da software e tool analitici propri, ma, prevedendo la loro evoluzione, non si può certo ignorare l’attuale trend, già presente da tempo nel mondo IoT e delle applicazioni business, verso l’utilizzo di strumenti analitici evoluti e specifici per i big data. Questi tool si caratte- rizzano per la capacità, rispetto ai tradizionali strumenti di BI (business intelligence), di ela- borare non solo i dati strutturati , come quelli contenuti nei classici database relazionali, ma anche i dati non strutturati (dati generati dai sensori, registri dei server web, contenuti dei social media, testi di email; file video, audio, immagini) e quelli semi-strutturati, che sono ad esempio rappresentabili in formato XML (extensible markup language). In altre parole, i big data si distinguono per le note ‘3V’ (volume, varietà, velocità), e questi attributi li rendono difficilmente gestibili utilizzando i tra- dizionali database o data warehouse. Ecco perché oggi nei progetti IoT si utilizzano ormai tecnologie e database NoSQL (database non relazionali), e piattaforme analitiche basate sul framework Apache Hadoop, che funzionano L’intelligenza del software è fondamentale per estrarre l’informazione generata da operatori, dispositivi e macchine collegati in rete