Internet of Things: cosa serve alle aziende per sfruttare la IoT nel business

Definizioni, modelli d’uso della IoT per consumatori e B2B, sensori e protocolli di rete, infrastruttura necessaria, gestione e archiviazione dei dati, Edge Compuiting, Big Data Analytics e IA

Sotto il cappello di Internet of Things ricadono tecnologie e applicazioni che prevedono la connessione in rete di oggetti e dispositivi diversi dal pc, che scambiano dati generalmente in modo autonomo e indipendente da un comando diretto dell’uomo.

Gli oggetti connessi sono dotati in genere di componenti che ricadono nelle seguenti categorie:

• Sensori: fotocamere, microfoni, pulsanti, lettori di codici a barre, rilevatori di temperatura, pressione, umidità, battito cardiaco, posizione GPS, movimento, giroscopi, bussole…
• Attuatori: principalmente interrutori elettrici e valvole idrauliche, anche combinati per realizzare sistemi robotici e di automazione.
• Dispositivi di elaborazione più o meno autonomi: router, NAS e altri dispositivi connessi che, seppure assimilabili a un pc come logica di funzionamento, sono pensati per essere accesi, configurati una volta e poi lasciati lavorare senza ulteriore intervento.

Combinando questi componenti si creano sistemi complessi, come impianti domotici o di automazione, si possono aggiungere nuove funzioni e servizi a dispositivi già esistenti (elettrodomestici e dispositivi diagnostici attivabili e monitorabili da remoto, per esempio) o inventare nuove categorie di prodotto: smartphone, smart tv, smart watch, fitness tracker…).

Internet of Things: casi d’uso nelle soluzioni per i consumatori

Oltre al beneficio principale offerto al consumatore, l’utilizzo del dispositivo smart per il suo scopo specifico, l’adozione delle tecnologie IoT può permettere all’azienda produttrice di ottenere nuove informazioni di valore da sfruttare in prima persona, da trasferire al consumatore come valore aggiunto successivamente all’acquisto del prodotto, o ancora monetizzato attraverso l’erogazione di nuovi servizi.

Alcuni esempi di questi benefici secondari sono:

• Ottenere informazioni diagnostiche sul funzionamento dell’oggetto per migliorare la manutenzione, preventiva o dopo che si è manifestato un guasto;
• Ottenere indicazioni sul reale utilizzo delle funzioni da parte del consumatore, per focalizzare meglio ricerca e sviluppo di nuovi prodotti;
• Acquisire dati per creare analisi di mercato, anche da cedere a terzi (in accordo con le licenze d’uso dei prodotti venduti), e proporre nuovi prodotti o servizi al cliente in modo personalizzato, in base alle esigenze rilevate.

Leggi anche: La IoT traina il mercato delle smart home in Italia

Internet of Things: casi d’uso per le aziendale

In ambito aziendale, l’IoT viene utilizzato in numerosi casi d’uso innovativi che in qualche caso sono riproposizioni delle tecnologie consumer su scala più vasta, ma in altri casi sono applicazioni specifiche del settore di attività dell’azienda in questione. Alcuni esempi tra i più evidenti sono:

• Utilizzo di sensori sulle macchine e nelle linee di produzione per ottimizzare i processi industriali, ridurre costi e sprechi, abilitare la manutenzione predittiva e migliorare la qualità;
• Utilizzo dei dati di posizione geografica delle flotte di veicoli nei trasporti di merci e persone, anche per la creazione di nuovi servizi di mobilità (car/bike sharing);
• Ottimizzazione dei costi di gestione e manutenzione (riscaldamento / raffrescamento, consumi energetici) di grandi edifici, quartieri o intere città (smart cities).
• Tracciamento delle presenze negli spazi commerciali, per attività di marketing personalizzato e territoriale;
• In ambito ospedaliero, per il monitoraggio dei parametri dei degenti;
• Tariffazione in base all’effettivo utilizzo di alcuni servizi. Per esempio, in campo assicurativo, per la creazione di polizze personalizzate in base al profilo di reale utilizzo dei veicoli o delle abitudini di guida (compatibilmente con le leggi locali in materia di privacy);
• In campo utility, per il rilevamento a distanza dei consumi, ma anche per ottenere informazioni più dettagliate che permettano una pianificazione più efficiente delle risorse;
• Poter gestire da remoto un prodotto/macchinario, e aggiungere un livello di servizio ulteriore post-vendita;
• Tracciamento e inventario dell’intera catena del prodotto, dall’approvvigionamento delle materie prime ai magazzini dei prodotti finiti, fino alla giacenza nel punto vendita.

Come nel caso dei dispositivi consumer, oltre a fornire funzionalità nuove per migliorare il processo, l’acquisizione dei dati storici e la loro analisi, magari supportata da sistemi di intelligenza artificiale, crea valore che può essere usato per ottenere vantaggi sulla concorrenza, ma anche per introdurre nuovi prodotti e servizi e arrivare a trasformare radicalmente il core business dell’azienda, per esempio passare da essere produttori di un dispositivo al fornire le sue funzionalità come un servizio, sia a clienti business che direttamente ai consumatori.

Leggi anche: Internet of Things: le aziende più quotate

Caratteristiche di un’infrastruttura IoT

Nell’implementazione di tecnologie IoT prevede un’infrastruttura che può essere articolata su più reti e sistemi. Ogni parte nasconde delle criticità che devono essere valutate per evitare rischi alla sicurezza, efficienza della rete e crescita incontrollata dei dati raccolti e dei costi di elaborazione e storage conseguenti.

Tipicamente, un’infrastruttura per applicazioni Internet of Things si compone delle seguenti parti:

• Sensori/attuatori
• Infrastruttura di connessione tra sensori e ricezione dei dati
• Opzionalmente, un collettore e analizzatore di dati periferico (Edge Computing)
• Raccolta e archiviazione dei dati
• Eleborazione, analisi, visualizzazione e controllo

Sensori e attuatori nella Internet of Things

I sensori traducono misurazioni di parametri fisici in segnale elettrico prima e in informazione digitale poi.

Tra i parametri che si possono misurare, i più comuni sono:

• Temperatura
• Pressione
• Movimento
• Orientamento spaziale
• Prossimità
• Immagini
• Rilevazione di luminosità o altre onde elettromagnetiche e radiofrequenze
• Parametri elettrici (tensione, corrente…)
• Suoni

Gli attuatori permettono invece di tradurre un comando di origine elettrica o digitale in un’azione nel mondo fisico. Che si tratti di aprire un rubinetto, avviare un motore o accendere una lampadina, si tratta sempre di un interruttore o una elettrovalvola comandabili con un impulso elettrico.

L’infrastruttura di connessione tra sensori e rete

I sensori possono essere direttamente collegati alla rete IP/internet, oppure comunicare con un collettore centrale utilizzando diversi sistemi e protocolli wired o wireless. La scelta tra l’uno e l’altro dipende da vari fattori, tra cui:

• La distanza tra i sensori e i collettori
• La quantità di dati che è necessario trasmettere nel tempo (ampiezza di banda)
• Il ritardo con cui i dati possono arrivare (latenza)
• Il consumo energetico
• La presenza o meno di un collegamento fisico (cavo)

Protocolli di comunicazione per l’IoT

Uno dei problemi principali per la diffusione dell’IoT è l’assenza di uno standard univoco per la comunicazione tra sensori ed elaborazione centrale. A volte, nella stessa rete, coesistono diversi protocolli, standard e tecnologie. Di seguito elenchiamo alcune tra le più diffuse.

• AMQP (Advanced Message Queuing Protocol)
• Bluetooth
• Dati cellulari
• CoAP (Constrained Application Protocol)
• DDS (Data Distribution Service)
• HomeKit
• IoTivity
• JSON-LD (JavaScript Object Notation per dati collegati)
• LoRaWAN
• MQTT (Trasporto Telemetria MQ)
• NFC (Near-field communication)
• Physical Web
• SCADA (Supervisory Control and Data Acquisition)
• Sigfox
• SMS
• Thread
• TR-069 (Technical Report 069)
• Weave
• Web Thing Model
• XMPP (eXtensible Messaging and Presence Protocol)
• Zigbee
• Z-wave
• 6LoWPAN

Una descrizione delle caratteristiche dei vari protocolli per reti Internet of Things è disponibile in questo articolo.

La sicurezza della Internet of Things

Per diversi motivi, la parte periferica di un’infrastruttura IoT presenta grandi sfide per la sicurezza delle informazioni e delle infrastrutture.

1. L’elevato numero di dispositivi e la loro vasta distribuzione creano un’enorme superficie di attacco che è difficile monitorare;
2. Alcuni sensori e protocolli di comunicazione sono nati per essere utilizzati su reti private chiuse, e non affrontano la sicurezza informatica in modo soddisfacente, o la ignorano del tutto;
3. Molti dispositivi sono in pratica dei piccoli computer, con distribuzioni Linux ridotte all’osso e i cui produttori sono difficilmente raggiungibili e tendenzialmente poco attivi nel rilascio di aggiornamenti di sicurezza;
4. Non vedendoli come computer veri e propri, i consumatori (ma anche operatori di business), non prestano per questa categoria di dispositivi la stessa attenzione alla sicurezza che riservano solitamente ai computer.

Non è un caso che alcuni tra gli attacchi informatici più devastanti degli ultimi anni abbiano usato proprio botnet costruite con malware che hanno attaccato centinaia di migliaia di dispositivi come router, videocamere e stampanti per generare enormi quantità di traffico internet da usare per attacchi DDoS.

Leggi anche: L’Internet of Things e la Sicurezza

Raccolta e archiviazione dei dati IoT

Se raccogliere e archiviare un valore numerico ogni minuto da una cinquantina di sensori di un impianto industriale è un’operazione che non presenta particolari difficoltà tecniche, acquisire grandi volumi di dati real time in poco tempo (si pensi ai sistemi informativi del CERN, che durante gli esperimenti fagocitano dati al ritmo di 1 petabyte al secondo), o una quantità modesta di dati, ma da migliaia o milioni di dispositivi consumer o sensori, presenta sfide notevoli in termini di banda, velocità di scrittura e strutturazione dei dati.

I principali produttori di database e sistemi ERP, così come i cloud provider, hanno in genere soluzioni specifiche per acquisire e trattare i dati IoT, ed esistono soluzioni open source che si integrano ai file system distribuiti e ai database NoSQL utilizzati per la gestione dei Big Data.

Edge Computing

In molti casi, le caratteristiche dei dati necessari “sul campo” è differente – per quantità e latenza – rispetto a quella che serve per un’elaborazione analitica centralizzata.

Facciamo un esempio. Sul piano di produzione di una fabbrica è necessario avere una lettura dei sensori ogni secondo; una variazione dei valori rispetto alla norma deve immediatamente far scattare un allarme o chiudere una valvola.

Gli stessi dati vengono usati anche dal sistema Erp e dal controllo qualità nella sede centrale. Questi sistemi, possono però accontentarsi di un dato ogni minuto, oppure ogni  ora, e possono permettersi di riceverli nella nottata per far distribuire un report di prima mattina ai dirigenti interessati. Magari l’unico dato che serve è quello relativo alle anomalie.

In questo caso, trasmettere l’intera mole di dati ai sistemi centrali comporta uno spreco di banda, risorse computazionali e storage per dati che non verranno usati. La procedura comporterà anche un ritardo, per cui l’allarme per un valore anomalo rischia di arrivare all’operatore della macchina con qualche secondo di ritardo che può rivelarsi problematico.

In questi e altri casi, è conveniente che i dati vengano inizialmente raccolti e gestiti da un piccolo server sul piano di produzione, che li analizza, reagisce alle anomalie, e poi trasmette al sistema centrale solo i dati rilevanti, o una loro preanalisi, nei tempi necessari.

Questo tipo di architettura è definita Edge Computing, perché sposta una parte della fase di elaborazione e analytics dal Date Center ai confini (Edge) della rete, vicino ai sensori. Oltre che nel caso descritto, l’edge computing è fondamentale in quelle situazioni in cui la connettività con i sistemi centrali è assente o limitata. Per esempio, i sistemi che raccolgono ed elaborano dati analitici su aerei, navi o mezzi di trasporto e li scaricano una volta arrivati a destinazione possono essere visti come sistemi Edge Computing.

Analytics e presentazione

Le piattaforme IoT dei grossi vendor IT, come Oracle, SAP, IBM, Microsoft eccetera, hanno tutti una componente di analytics e presentazione dei dati, e tutti – chi meglio chi peggio – stanno introducendo tecnologie avanzate come il machine learning per generare dai dati interpretazioni e informazioni che siano direttamente utili al business, integrate nei processi produttivi e contabili.

Rivolgersi allo stesso vendor che per esempio fornisce le soluzioni ERP o di produzione favorisce senz’altro l’integrazione dei dati, riduce i tempi di intervento in caso di problemi e semplifica l’attribuzione di responsabilità in caso di contenzioso.

Non è però una strada obbligata, soprattutto quando le dimensioni dei dati raccolti o il numero di CPU necessarie per elaborarli in tempi utili al business spingono i costi delle licenze a livelli non sostenibili. In questo caso, una separazione della piattaforma di IoT Analytics, realizzata magari con cluster di server a basso costo e software open source, da quella di gestione del business può essere una scelta più praticabile, anche se necessariamente più complicata.

I vendor più attenti hanno già soluzioni e best practice per permettere integrazioni di questo tipo.

di Andrea Grassi