Infrastruttura Edge-based per Sistemi Predittivi in Ambito Industriale

Monducci, Francesca (2021) Infrastruttura Edge-based per Sistemi Predittivi in Ambito Industriale. [Laurea magistrale], Università di Bologna, Corso di Studio in Ingegneria informatica [LM-DM270], Documento ad accesso riservato.
Documenti full-text disponibili:
[img] Documento PDF (Thesis)
Full-text accessibile solo agli utenti istituzionali dell'Ateneo
Disponibile con Licenza: Salvo eventuali più ampie autorizzazioni dell'autore, la tesi può essere liberamente consultata e può essere effettuato il salvataggio e la stampa di una copia per fini strettamente personali di studio, di ricerca e di insegnamento, con espresso divieto di qualunque utilizzo direttamente o indirettamente commerciale. Ogni altro diritto sul materiale è riservato

Download (2MB) | Contatta l'autore

Abstract

Il continuo evolversi della tecnologia ha portato nel corso della storia a diverse rivoluzioni industriali, la cui ultima è la così detta Industria 4.0. Con Industria 4.0 vengono integrate alcune nuove tecnologie mirate al miglioramento delle condizioni di lavoro, alla creazione di nuovi modelli di business e un generale aumento della produttività e della qualità. Alla base di questa rivoluzione industriale si trova l'IoT, che permette la raccolta di grandi quantità di dati, come ad esempio i comportamenti delle macchine industriali. Passando all'elaborazione di questi dati è possibile creare sistemi predittivi, ossia sistemi in grado di predire, in base ai dati storici, i comportamenti futuri, basandosi sui dati correnti. La creazione di questi sistemi richiede una certa potenza di calcolo, offerta dal Cloud. Tipicamente, però, il Cloud non si trova in prossimità della fonte dei dati, perciò l'utilizzo di questi sistemi predittivi sul Cloud porterebbe a latenze e costi elevati, diminuendo quindi l'efficienza del processo. Qui entra in gioco l'Edge, ossia un nodo con una potenza di calcolo inferiore al Cloud, ma che è in grado di eseguire le predizioni. Inoltre, l'Edge si trova in prossimità della fonte dei dati, diminuendo quindi latenze e costi. Esistono diverse tecnologie che permettono l'implementazione di tali processi, tra i quali ioFog. Questa tesi tratta dell'assessment di ioFog per questo scopo, oltre che l'esplorazione e l'utilizzo di tante altre famose tecnologie quali Docker, TensorFlow, Spring Boot e MongoDB.

Abstract
Tipologia del documento
Tesi di laurea (Laurea magistrale)
Autore della tesi
Monducci, Francesca
Relatore della tesi
Scuola
Corso di studio
Ordinamento Cds
DM270
Parole chiave
Edge,Cloud,Edge Computing,Sistemi Predittivi,ioFog,Eclipse ioFog,Spring,Spring Boot,MongoDB,REST API,Docker,YAML,JSON,TensorFlow,TensorFlow Lite,IoT,IIoT,Internet of Things,Industrial Internet of Things,Industria 4.0
Data di discussione della Tesi
8 Ottobre 2021
URI

Altri metadati

Statistica sui download

Gestione del documento: Visualizza il documento

^