Si è conclusa la scorsa settimana a Barcellona la quarta edizione dello IoTSWC, Internet of Things Solutions World Congress, che ha visto incrementare il numero dei suoi visitatori del 25%, arrivando a 16.250. Segno di un interesse che non cala, e che si sta sempre più allargando ad aziende di ogni settore, e di un tema – l’IoT – che è ormai passato dalla fase di sviluppo di tecnologia a quello della implementazione di soluzioni pratiche i cui risultati sono sempre più evidenti.

I 200 speech e panel divisi in aree tematiche (manufacturing, sanità, trasporti connessi, energia e utilities, edifici e infrastrutture e open industry) e nei due eventi collegati AI & Cognitive Systems Forum e Blockchain Solutions World, hanno tutti – per forte volere di Richard Soley, Executive Director dello Industrial IoT Consortium (co-organizzatore dell’evento insieme a Fira Barcelona), incluso la presentazione di casi d’uso concreti.

Elenchiamo qui alcune tra le principali tendenze emerse dalle presentazioni e dalle interviste che abbiamo effettuato durante l’evento, ripromettendoci si espandere i concetti in articoli approfonditi nei prossimi giorni.

Mettere ordine nella babele dei protocolli

Sebbene sia probabile una selezione naturale che ne punti a ridurre il numero – facilitata forse dalla futura evoluzione delle reti 5G, la babele dei tanti, troppi standard e protocolli di comunicazione per la Internet of Things continuerà ancora a lungo. La “traduzione” dei segnali e la loro integrazione nei flussi informativi continuerà quindi a rappresentare un’opportunità per system integrator e aziende che operano in questo settore. Sebbene siano emergendo framework e piattaforme per gestire e uniformare i diversi sistemi periferici (merita attenzione la proposta open source EdgeX Foundry della Linux Foundation), non esistono  ancora e non esisteranno per un po’ soluzioni “plug and play” per la IoT.

Intelligenza artificiale per dare valore ai dati

L’intelligenza artificiale è l’ingrediente fondamentale per dare un senso alla mole di dati raccolti e accrescerne il valore per il business. Il modo più semplice per implementarla è quello di ricorrere via API ai servizi di IA degli operatori cloud: Amazon, Google, Microsoft, IBM… Il rischio dell’utilizzo di soluzioni standard e accessibili a tutti è quello di ridurre il proprio vantaggio competitivo, perché le soluzioni possono essere facilmente implementate dai propri concorrenti. Creare una piattaforma IA proprietaria, però, non sarà alla portata di tutti.

Edge computing per superare i limiti del cloud

Il cloud sta però mostrando i suoi limiti: la necessità di connettività veloce e costante, non sempre possibile soprattutto nel caso dei veicoli connessi o installazioni in zone remote, la latenza – tra invio dei dati, elaborazione e risposta – non sempre compatibile con le esigenze di produzione, e i costi dello storage di dati non sempre indispensabili.

Cresce quindi la tendenza a spostare nuovamente parte dell’archiviazione e dell’elaborazione dei dati alla periferia della rete, vicino ai sensori e agli oggetti connessi. Il cosiddetto “edge computing” sarà sempre più importante e sempre più intelligente, grazie a chip ottimizzati per il machine learning e a soluzioni in grado di portare “on premises” gli algoritmi di IA dei “soliti sospetti”, come Amazon Greengrass, Google Cloud IoT Edge (ancora in versione alpha) o Microsoft Azure IoT Edge.

Il digital twin passa dagli oggetti ai flussi produttivi

La creazione di un gemello digitale, che grazie ai dati raccolti dai sensori possa fornire una rappresentazione virtuale realistica di prodotti e sistemi, verrà sempre più applicata a interi processi produttivi, permettendo non solo di monitorare interi impianti, ma anche di prevedere cosa accadrà quando si metterà in produzione un nuovo modello, o alcune variabili cambieranno. Questo – nelle intenzioni dei proponenti – porterà a una maggiore efficienza, maggiore rapidità nel time-to market e un minor numero di incidenti o non conformità.

Per la produzione di digital twin “preventivi”, cioè simulazioni di oggetti o impianti che non esistono ancora, si stanno utilizzando algoritmi di modellazione fisica e, per quanto paradossale possa sembrare, anche sistemi di intelligenza artificiale che si sostituiscono ai sensori nel fornire alle simulazioni i feedback attesi.