AS_407_2018

MERCATI primo piano 29 Automazione e Strumentazione Ottobre 2018 utilizzando hardware commodity in configura- zioni cluster: si tratta quindi di gruppi di server e risorse di storage, progettati in maniera specifica per la memorizzazione e l’analisi di big data , e studiati per sfruttare la potenza computazionale di un ambiente di computing distribuito . Tra le distribuzioni Hadoop si possono citare, ad esem- pio, le piattaforme Cloudera e Hortonworks, che i rispettivi vendor oggi supportano anche in am- biente cloud privato, pubblico, o in implementa- zioni cloud ibride (hybrid cloud). Nel mondo IoT non va poi dimenticata la crescen- te tendenza a sviluppare applicazioni di analisi di grandi moli di flussi di dati (streaming analytics), per sfruttare appieno il valore derivante dall’ela- borazione dei big data in tempo reale, e ottenere ‘insights’ strategici, uti- lizzabili nel più breve tempo possibile. Allo stesso modo, an- che nel dominio IIoT, il framework Hadoop e i database NoSQL stan- no gradualmente assu- mendo un ruolo cen- trale, con l’obiettivo di riuscire a risolvere il problema dell’inte- grazione e dell’analisi della varietà di da- ti generati in volumi sempre maggiori, e con velocità crescenti, dalle infrastrutture industria- li di nuova concezione. Automazione abilitata dalla IIoT, i benefici Per trarre i massimi vantaggi dalle infrastrutture IIoT e dai big data che generano, è importan- te lo sviluppo di strumenti e attrezzature dota- ti di caratteristiche di flessibilità, modularità e riusabilità, per facilitare la realizzazione di co- municazioni fluide. In aggiunta, l’automazione industriale abilitata dalla IIoT può anche fornire l’ integrazione di tecnologie commerciali nei principali settori e applicazioni industriali, co- me quelle in cui vengono utilizzati i dispositivi PLC. Per trasformare davvero il settore manu- facturing, la IIoT deve avere anche la capacità di estendere i vantaggi derivanti dall’utilizzo di sistemi di controllo e automazione distribuiti dalla produzione, ad esempio, anche verso i settori inventory, ope- ration e logistica. Ac- canto a tutto ciò, co- me sottolineato, nelle organizzazioni è però fondamentale l’atten- zione per la ‘data qua- lity’; quindi la capacità di investire in softwa- re, tool analitici e ‘da- ta scientist’ in grado di garantire la raccolta, la selezione dei dati corretti nel mare di big data, e di produrre va- lidi algoritmi e modelli predittivi. Gli strumenti analitici e i sistemi ‘data scientist’ dovranno garantire la raccolta e la selezione dei dati, anche quelli non strutturati tipici dell’industria, per produrre algoritmi e modelli predittivi Per trasformare il settore industriale, è necessario portare le soluzioni di controllo più evolute, come i sistemi distribuiti, verso i settori inventory, operation e logistica