I campi di applicazione dell\u2019IIoT sono innumerevoli, ma hanno tutti alcuni elementi in comune. Uno tra questi \u00e8 lo scopo della raccolta dati, che pu\u00f2 essere diviso in due macro-categorie.<\/p>\n
La prima \u00e8 il monitoraggio real time dell\u2019oggetto a cui i dati riferiscono. Si pensi ad esempio ad un reparto di stampaggio che impieghi pi\u00f9 macchinari. Una tipica applicazione IIoT \u00e8 l\u2019acquisizione dello stato di funzionamento di ogni singola unit\u00e0 produttiva e la visualizzazione di questo sul monitor del responsabile di produzione. Uno strumento di questo genere pu\u00f2 fare affidamento su una piattaforma che acquisisca il dato, lo codifichi secondo una forma leggibile agli strumenti di supervisione e lo trasmetta ai livelli di visualizzazione. Come \u00e8 facile intuire, il dato, una volta trasmesso, perde il suo valore perch\u00e9 rimpiazzato dall\u2019informazione relativa all\u2019istante successivo.<\/p>\n
Vi \u00e8 per\u00f2 una seconda e pi\u00f9 vasta casistica di raccolta dati, in cui l\u2019informazione, una volta codificata e trasmessa, non perde valore. Anzi, diventa un mattoncino fondamentale di un modo pi\u00f9 ampio di interpretare i numeri acquisiti. Tornando al reparto di stampaggio, si pensi all\u2019analisi del ciclo produttivo dei macchinari nel turno di lavoro, piuttosto che del consumo energetico necessario alla produzione di un determinato lotto o ancora della natura dei fermi produttivi scaturiti nel trimestre. Questa seconda famiglia di applicazioni si distingue per l\u2019aggiunta della dimensione temporale, ovvero il dato conserva il suo valore intrinseco anche (soprattutto) dopo l\u2019acquisizione. Ne consegue che vada conservato nel tempo.<\/p>\n
Per conservare un dato nel tempo, la soluzione principale \u00e8 la sua storicizzazione in un database. Lasciando ad approfondimenti diversi la scelta tra soluzione locale piuttosto che cloud, il punto focale \u00e8 l\u2019ottimizzazione delle risorse di banda e memoria.<\/p>\n
I tipici dati oggetto dell\u2019IIoT sono infatti solitamente legati a processi \u201cveloci\u201d o con alto numero di pezzi prodotti nell\u2019unit\u00e0 di tempo. Un esempio pu\u00f2 essere una linea di imbottigliamento, che in un minuto \u00e8 in grado di riempire decine di bottiglie. Se l\u2019analisi \u00e8 orientata al tempo di riempimento medio, \u00e8 evidente l\u2019elevatissimo numero di tempi di imbottigliamento istantanei che si debbano monitorare e salvare in un giorno piuttosto che in un anno prima di ottenere una buona base d\u2019analisi.\u00a0Questo fattore unito alla velocit\u00e0 stessa del processo determina il requisito del basso impatto a livello di occupazione di banda, da cui una raccolta dati IIoT non pu\u00f2 prescindere.<\/p>\n
Sono proprio il basso consumo di banda e l\u2019ottimizzazione della memoria gli aspetti determinanti per la scelta di un database di tipo Time Series o a Serie Temporali. Questi database utilizzano come chiave primaria il timestamp di raccolta del dato, ovvero l\u2019istante temporale in cui \u00e8 letto dall\u2019architettura. A questo primo campo \u00e8 quindi sufficiente abbinare il valore stesso dell\u2019informazione per ottenere gi\u00e0 un\u2019esaustiva fonte da cui attingere per l\u2019analisi di serie storiche.<\/p>\n
Il Time Series Database \u00e8 ottimizzato per le serie temporali, ovvero per quelle applicazioni che mettano in primo piano la scansione di molti punti rilevati su un arco di tempo ampio e la creazione di report basati sulla sintesi di questi.<\/p>\n
Il reparto IIoT di smeup \u00e8 in grado di offrire soluzioni che comprendano dashboard di produzione consultabili via web che utilizzano Time Series Database. Inoltre, i dati storicizzati in questo tipo di piattaforma, sono nativamente integrabili con le informazioni provenienti dal sistema gestionale per una analisi approfondita e comparata dei processi aziendali.<\/p>\n