Fare edge computing significa spostare l’elaborazione e l’intelligence lontano dal cloud e più vicino ai dispositivi IoT. Una scelta che può offrire enormi vantaggi per il modo in cui i dati vengono utilizzati, cambiando totalmente lo scenario cui siamo abituati.
I vantaggi principali sono due: la maggior velocità e i minori requisiti necessari per fruire di una connessione di rete veloce. Riguardo al primo, i dati non devono più essere inviati al cloud per essere elaborati, di conseguenza si hanno risultati quasi istantanei. Ma è il secondo vantaggio ad essere forse ancor più interessante: anziché convogliare i dati al cloud, i dispositivi edge possono lavorare offline.
Un esempio riguarda le automobili con funzioni di guida autonoma, in cui le decisioni devono essere prese immediatamente e spesso in aree prive di connessione di rete affidabile. In questo caso, l’Edge computing è l’unico modo per prendere decisioni che siano coerenti con la circostanza esterna in cui ci si trova. È stato calcolato infatti che i sistemi di frenata d’emergenza autonoma (AEB), in grado di azionare i freni di una vettura quando si prevede una collisione imminente, hanno ridotto gli incidenti del 38% grazie ai sistemi edge.
Tiziano Albani, EU Sales and Business Development Director, di Via Technologies ci spiega come con l’edge computing si possono superare tre ostacoli in differenti settori.
Il primo caso riguarda la privacy e la protezione dei dati personali.
I consumatori stanno diventando sempre più consapevoli riguardo ai problemi relativi alla privacy e sono molto più interessati ai modi in cui questi verranno utilizzati. Allo stesso tempo, severe leggi sulla protezione dei dati come il GDPR stanno facendo riflettere le aziende sul modo in cui raccolgono, memorizzano e utilizzano tali informazioni.
L’implementazione del sistema Edge AI di Via Technologies richiede sensori IoT in grado di trasmettere i dati a un computer localizzato. Il computer utilizza quindi l’intelligenza programmata per dare un senso all’input, in modo che questo possa essere utilizzato. Naturalmente, l’utilizzo di computer vicini al punto di raccolta dati richiede piattaforme integrate che siano robuste, potenti e non ingombranti.
I sistemi di Edge Computing possono essere programmati per filtrare le informazioni private e formattare la raccolta di dati, svolta per l’analisi dei big data, al fine di renderla generica. In tal modo, senza un unico punto di archiviazione, la sicurezza aumenta.
Ad esempio, un sistema di riconoscimento facciale utilizzato come parte di una piattaforma di customer engagement nell’ambito retail può identificare un acquirente utilizzando risorse di elaborazione locali, in modo che nessuna informazione privata venga inviata al cloud.
Per la raccolta dei dati, inoltre, verrebbero raccolte solo informazioni demografiche generiche, come l’età e il sesso. Un’altra applicazione riguarda l’assistenza sanitaria: i dati possono essere archiviati ed elaborati anche localmente; pertanto, una macchina di monitoraggio ECG invierebbe un avviso solo nel caso venisse rilevato un ritmo insolito, anziché memorizzare tutti i dati nel cloud. Allo stesso modo, nel settore automotive, le auto reagirebbero subito agli stimoli esterni, e sarebbe loro permesso di inviare su Cloud solamente le statistiche di guida generiche.
Manifattura e sistemi legacy
I budget sono sempre più ridotti e c’è una vera e propria preoccupazione riguardo l’implementazione di nuove tecnologie e al tempo necessario implementarle. Un sistema immediatamente disponibile e una minore difficoltà possono aiutare però a giustificare la spesa.
Ad esempio, in ambito retail, esistono soluzioni pronte all’uso che offrono la possibilità di identificare clienti VIP, di inserire i taccheggiatori noti sulla lista nera e raccogliere i dati demografici dei clienti. Allo stesso modo, sistemi ADAS (Advanced Driver Assistance System) possono essere montati su veicoli in modo semplice, migliorandone la sicurezza grazie alla visione a 360° delle telecamere e ad avvisi di collisione.
Nel settore manifatturiero è possibile aggiungere ulteriori sensori alle apparecchiature legacy e utilizzare l’Edge computing per monitorare potenziali problemi. In questo modo si può lavorare con le apparecchiature esistenti ma allo stesso tempo beneficiare di programmi di manutenzione predittiva, riducendo i tempi di fermo macchina. Intel è riuscita a incrementare il tempo di attività delle sue unità di filtrazione delle ventole di un impressionante 97%, questo semplicemente utilizzando sensori di vibrazione per identificare i guasti.
Il terzo caso riguarda i dispositivi IoT, che generano un’enorme quantità di dati, ognuno dei quali deve essere gestito, coordinato e controllato in modo efficiente. Vi è preoccupazione circa il livello di infrastruttura che questo richiede e molte aziende hanno già reti che funzionano al massimo delle loro possibilità. Edge Computing può risolvere questo problema. Infatti, monitorando e controllando localmente i dati, i dispositivi Edge possono limitare la quantità di informazioni raccolte e trasmesse. Come conseguenza, solo i dati realmente utili per i vari progetti di analisi big data basati su Cloud vengono raccolti e archiviati centralmente.
