La sfida dell’IoT: analisi dei big data per il monitoraggio dei sistemi

1307

Intelligenza artificiale e machine learning renderanno possibile il monitoraggio continuo dei sistemi smart per evitare interruzioni

Internet of Things è per molti versi già diventato realtà: esistono, ad esempio, lampioni intelligenti, contatori intelligenti e terreni agricoli auto-coltivati. I dispositivi possono decidere quando accendersi, quando comprare energia e quando iniziare a irrigare un campo. Decisioni basate su dati, non solo attivazione pre-programmata. Ci soni poi i dispositivi indossabili che prevedono una malattia imminente, o dispositivi elettronici che notificano direttamente al servizio clienti in caso di problemi.

In tutti questi casi, l'elemento cruciale è rappresentato dai dati. I volumi di dati stanno già toccando il massimo storico e la domanda è: chi dovrebbe analizzare queste enormi quantità di dati? Dall'inizio dell'era IoT non è più possibile monitorare manualmente le operazioni IT. L'IoT diventerà presto una soluzione standard, quindi sarà necessario automatizzare i controlli di disponibilità e il monitoraggio.

Esplosione di complessità

La tecnologia cloud e l'IoT stanno quasi contemporaneamente conquistando il mondo. Ciò significa un’esplosione della quantità di dati attraverso un’ampia rete di dispositivi, nonché un elevato ritmo di cambiamenti con le attuali applicazioni basate su cloud iper-dinamiche.

McKinsey si aspetta che l'IoT fornisca un valore economico mondiale di 11 trilioni di dollari l'anno entro il 2025. Il 90% di tale valore totale andrà a beneficio degli utenti – consumatori o aziende che usano applicazioni IoT – attraverso prezzi più bassi o risparmi di tempo, ad esempio. Allo stesso tempo, l’IoT ridurrà i confini tra aziende tecnologiche e imprese tradizionali, consentendo nuovi modelli di business basati sui dati.

Torniamo all'esempio dell’irrigazione di un campo. Il monitoraggio qui, come altrove, non riguarda la valutazione dei dati del sensore. Ne è responsabile il sistema di back-end, in alcuni casi anche l'elaborazione edge locale. Ma cosa succede se la comunicazione non funziona? O se c'è un problema nel sistema di back-end, forse perché è stato distribuito un aggiornamento difettoso? Il sistema non inizierebbe ad annaffiare il campo e, di conseguenza, i raccolti andrebbero persi.

Dov'è il problema?

Spesso è difficile dire dove sia la causa di un problema. Può essere una sfida capire perché un dispositivo funziona, e un altro no. Con l'IoT queste domande e problemi si moltiplicano, quindi è necessario rilevare e analizzare automaticamente una topologia IoT senza alcuna configurazione manuale, capire l'impatto e risolvere i problemi che riguardano i sistemi critici per l'azienda in modo rapido e proattivo, in tempo reale. Un malfunzionamento del sistema in una Smart Home probabilmente non causerà una situazione di pericolo per la vita, mentre potrebbe causarlo uno in una macchina che si guida da sola. Ecco perché è necessario rilevare immediatamente i problemi e correggerli o passare a un sistema di backup.

Una conseguenza dell'enorme quantità di dati è che i dispositivi IoT devono monitorare se stessi e che il monitoraggio della disponibilità, come menzionato prima, diventa un aspetto centrale dell'IoT. A maggior ragione, i provider professionali necessitano di soluzioni standardizzate e non di strumenti sviluppati autonomamente che riconoscono solo un piccolo sottoinsieme di tutte le dipendenze.

AI in soccorso

Utilizzando intelligenza artificiale e machine learning, anche i sistemi più complessi possono essere monitorati senza problemi. Le soluzioni di monitoraggio basate sull'intelligenza artificiale devono comprendere l'intero sistema. Questo si applica ai sistemi back-end correlati e ai sistemi connessi come database, middleware, applicazioni e app front-end oltre all'infrastruttura edge dei dispositivi IoT.

Pertanto, il monitoraggio delle prestazioni delle applicazioni end-to-end (APM) diventa ancora più importante. Le aziende hanno bisogno di soluzioni intelligenti per evitare tempi di inattività e problemi di prestazioni. Le aziende sostenibili devono analizzare in tempo reale se i loro sistemi funzionano in modo fluido e rapido, cosa stanno facendo e vivendo i loro utenti in questo momento e come i dispositivi periferici si stanno comportando nell’IoT.