Edge Cloud Computing Middleware per Predictive Maintenance in Industria 4.0

Il paradigma Edge Cloud Computing ha assunto, negli ultimi anni, un ruolo sempre più importante, soprattutto nel contesto di Industria 4.0, in cui la nascita di nuovi modelli di business basati sull’acquisizione e l’analisi di dati si sono scontrati con le limitazioni imposte dal modello architetturale classico introdotto dal paradigma Cloud Computing. In particolare, la latenza, il consumo di banda, e la dipendenza da un’infrastruttura centralizzata sono stati i fattori abilitanti per l’evoluzione del modello a due livelli, composto da sorgenti dati e infrastruttura cloud, verso l’introduzione di un livello edge intermedio volto ad estendere e distribuire l’infrastruttura ed i servizi cloud nella rete perimetrale. Il presente progetto di tesi ha lo scopo di analizzare e confrontare due piattaforme di Edge Computing, una proprietaria, Azure IoT Edge, ed una open source, KubeEdge, dal punto di vista delle funzionalità offerte e delle performance in uno scenario applicativo che risponde ad un caso di studio reale: lo sviluppo e l’applicazione in tempo reale di modelli di prognosi su un centro di lavoro di un impianto produttivo Bonfiglioli, volti a predire la vita utile residua di uno o più componenti (Predictive Maintenance). Ad una analisi delle due piattaforme, seguirà l’implementazione di un Middleware che, sulla base di esse, fornisce il supporto al deployment e all’aggiornamento dinamico dei componenti dell’applicazione, ed estende le funzionalità di gestione dell’infrastruttura edge attraverso logiche di orchestrazione dinamica dei singoli componenti applicativi volte a garantire il bilanciamento del carico tra i nodi del cluster. I risultati sperimentali mostrano i benefici portati dal supporto di orchestrazione fornito.