L’era della Digital Transformation sta generando un’enorme quantità di dati. Le informazioni che arrivano dal web e quelle trasmesse dai sensori di tutti i device connessi, obbligano le aziende a cercare un modo per scremare e gestire i dati. Una di queste soluzioni è l’Edge Computing: ovvero la gestione in locale delle informazioni. Vediamo come funziona e perché per le grandi aziende è indispensabile.
Vuoi ascoltare l’audio dell’articolo? Clicca play ⇓
Letto da: Linda Grasso
L’architettura locale dell’Edge Computing
La definizione di Edge Computing è molto più semplice della sua pronuncia: è un sistema computazionale che elabora le informazioni dove nascono, il più vicino possibile quindi alla sorgente.
Il dispositivo ha la forma di un scatola, dalle dimensioni ridotte, e viene applicato su un macchinario connesso. Al suo interno è installato un software che raccoglie i dati, li analizza e li elabora in locale rapidamente per poi inviare al cloud solo l’output finale. Le sorgenti sono sensori, macchine, dispositivi intelligenti, e tutto ciò che è possibile connettere in ambiente IoT (Internet of Thing).
Prima di questa innovazione tutti i dati prodotti dai device connessi in una fabbrica arrivavano al cloud. Questo comportava un ritardo mostruoso di elaborazione dovuto alla larghezza della banda e alla coda dei dati. In effetti, uno dei problemi maggiori del cloud è, ancora oggi, proprio la latenza delle informazioni.
Ma non è l’unico problema che questa tecnologia risolve. Se pensiamo, ad esempio, alle grandi aziende che hanno vari stabilimenti in aree geografiche diverse e spesso distanti, ci rendiamo conto di come il trasferimento del dato diventa un nodo critico. In situazioni così elaborate è impossibile far gestire tutti i dati prodotti a un unico data-center magari dislocato a km di distanza dalla sede. La coda, che si verrebbe a generare, ridurrebbe l’efficacia e l’ottimizzazione dei processi digitali aziendali.
L’architettura di implementazione è rappresentabile con un semplice stack tecnologico, ovvero una stratificazione che mostra i livelli utili per includere l’Edge Computing in una realtà produttiva. La stratificazione può essere molto più elaborata nei sistemi complessi e includere quindi altri livelli di intermediazione (fog computing). Il risultato finale è sempre un processo che spinge i dati dal basso dei device verso i vertici aziendali.
1° step: Il network locale e la connessione tra i dispositivi fisici
Per comprendere meglio quanto l’analisi dei dati in locale renda agile un’azienda dobbiamo riprendere l’esempio delle grandi multinazionali. In tali aziende, ogni unità produttiva genera una mole di dati enorme che, se elaborata in locale, andrà a:
- ridurre l’utilizzo di banda
- velocizzare i processi decisionali
- migliorare la flessibilità aziendale
Quali informazioni contengono questi dati? In realtà dipende dall’obiettivo scelto: in alcuni casi sono numerici, ovvero contano i pezzi realizzati da un macchinario; in altri rilevano i tempi di attraversamento, la temperatura, la velocità. Ogni dispositivo fisico, in base alle necessità, produce costantemente dati. Le informazioni prodotte, quasi sempre, servono per attivare altri processi connessi a quel macchinario o a quella linea produttiva. Quindi, ridurre il tempo di latenza dei dati è fondamentale per non ottenere refusi.
L’hardware è la sorgente dei dati
Il primo step di un’architettura di IT distribuita è la sorgente dei dati, ovvero l’hardware: possono essere macchinari di grandi dimensioni presenti sulla linea produttiva o dispositivi più piccoli per la sicurezza del personale. Nel momento in cui li inter-connettiamo tutti, installando un software, creiamo un network di edge device locale. I nodi di questo network sono gli edge gateway che fanno da ponte tra i device e l’edge server. Questi ultimi sono dotati di varie interfacce e hanno una maggiore potenza di calcolo che permette una pre-elaborazione dei dati immessi nel circolo permesso dall’IoT.
Impossibile gestire tutto questo solo con il cloud e, a dirla tutta, non è neanche sicuro: il rischio, quando trasmetti costantemente i dati al cloud, è che in assenza di connessione si potrebbero perdere i dati dei macchinari analizzati o si potrebbe interrompere il servizio.
2° step: Edge Computing e le applicazioni decentralizzate
Il passo successivo consiste nel creare un’architettura di Edge server distribuita che elabori e archivi in locale i dati provenienti dagli Edge device. Per fare questa operazione è necessaria una potenza di calcolo maggiore data dalle applicazioni presenti sull’Edge server. Le informazioni saranno quindi processate in real time e se utili al processo aziendale locale, rinviate ai vari dispositivi fisici per mettere in atto un’azione.
Esempi di Edge Computing
L’edge computing è un software trasversale che, in quanto programmabile, può adattarsi a una grande varietà di realtà industriali.
Se prendiamo ad esempio un’azienda di produzione sarà facile comprendere cosa avviene quando si rallenta l’arrivo delle informazioni in un processo. Negli stabilimenti produttivi, lungo la catena di montaggio, possono essere presenti macchinari che prevedono una ricarica autonoma della materia prima. Per far si che questo avvenga non ci sono risorse che controllano ma sensori installati sui macchinari in questione. Il loro compito è contare, ad esempio, il numero di pezzi utilizzati e inviare l’informazione all’Edge di riferimento. Il software ha come dato il numero di pezzi di cui è composta una ricarica e, appena si sta per esaurire, invierà un segnale al veicolo a guida autonoma (AGV) che andrà a prelevare la materia prima per portarla al macchinario.
I benefici in termini di riduzione della latenza sono evidenti soprattutto nei sistemi che sfruttano la computer vision. Le videocamere per il monitoraggio delle foreste, ad esempio, permettono di agire immediatamente nel caso di un possibile incendio in quanto rilevano il fumo analizzando le immagini. Se la registrazione h24 deve essere inviata costantemente al cloud il tempo di upload delle immagini e di analisi si dilaziona notevolmente.Se invece sono presenti dispositivi di Edge Computing, l’elaborazione delle immagini avverrà in locale. Ciò permetterà l’invio al cloud solo dei video che rilevano il fumo e che dovranno, quindi, far scattare un allarme.
I contesti in cui l’Edge Computing diventa indispensabile, più che consigliato, sono le Smart Grid o le Smart City dove i dispositivi connessi generano una moltitudine di dati al secondo da gestire che, senza un’elaborazione in locale, comporterebbe un accavallamento delle azioni dovute alla latenza e nei casi più gravi il collasso della connessione.
I dati di un'architettura di Edge Computing partono dal basso con i device connessi e, attraverso i gateway e l'edge server, raggiungono le infrastrutture monitorate dai vertici aziendali Condividi il Tweet
3° step: I dati arrivano nelle mani dei dirigenti per essere analizzati
Un’architettura progettata in questo modo facilita l’operato dei dirigenti in quanto velocizza l’arrivo dei dati e di conseguenza le risposte saranno immediate e le previsioni più accurate.
L’Edge Computing offre importanti vantaggi ai leader aziendali e ai team dirigenziali, soprattutto per la gestione di impianti di grandi dimensioni dislocati in varie parti del mondo.
Quali sono i vantaggi dell’Edge computing:
- la scalabilità – Creare un’architettura basata sull’Edge Computing in uno stabilimento mi permette di personalizzare i parametri per il raggiungimento della soluzione ottimale. Inoltre, offre la possibilità di adattare tale applicazione nel tempo.
- la velocità – Sarà più rapida sia l’elaborazione dei dati sia la riproduzione dell’architettura in altri stabilimenti simili ma dislocati in territori diversi. Otterrò così le informazioni che mi servono per fare previsioni o per la gestione dei flussi in pochissimo tempo.
Inoltre riduce:
- I tempi di latenza – Elaborando i dati in locale riduco i tempi di attesa del cloud. Infatti, in assenza di tale soluzione, il software dovrebbe processare una mole di dati talmente elevata da creare delle code lunghe in cui si rischia l’invecchiamento del dato. Questo soprattutto per quelle informazioni che necessitano una elaborazione in real time.
- Il consumo di banda – avendo la possibilità di elaborare le informazioni in locale, i dati non dovranno essere tutti inviati al server. In questo modo, se ho un gran numero di device connessi che generano una grande quantità di dati, con l’Edge Computing arriveranno al cloud un quarto del totale e questo mi permetterà di non rallentare o far collassare la rete internet.
L’intelligenza locale permette, nel breve e nel lungo termine, la gestione delle informazioni dei device fisici. Tali dispositivi, seppur collocati nel livello più basso dello stack tecnologico, sono il carbone che alimenta tutti i processi aziendali, anche quelli che arrivano ai vertici aziendali.
