Progetto e implementazione di un servizio di raccolta in streaming di dati IoT per produzione e logistica = Design and implementation of an IoT data streaming collection service for production and logistics

Al giorno d’oggi l’ottimizzazione dei processi aziendali è una delle problematiche di maggiore interesse con cui le aziende si misurano. Tra questi, uno dei processi di maggiore criticità è sicuramente quello della logistica ed in particolare della tracciabilità di un prodotto. Per tracciabilità di un prodotto, si intende la possibilità di reperire tutte le informazioni riguardanti i processi produttivi che hanno portato al prodotto finale. Nel mondo della filiera animale, dove la tracciabilità è di fondamentale importanza, sta entrando in gioco anche il mondo dell’industria 4.0, che utilizzando dispositivi IoT, aiuta a mantenere in piedi il meccanismo di monitoraggio tramite una continua raccolta di dati ed eventi. Il lavoro di tesi svolto rientra in un progetto più grande che ha come risultato quello della realizzazione di una piattaforma che prende il nome di iChain, avendo come scopo quello di aiutare le aziende, in un contesto di Supply Chain, con la raccolta, il processing e lo scambio dei dati raccolti, in maniera efficiente e veloce. Il mio lavoro si basa sulla realizzazione di un backend in grado di ricevere e processare dati dai sensori IoT. Durante questo processo, si è dovuti essere conformi agli standard GS1, in particolar modo allo standard EPCIS che consente la condivisione di eventi, e quindi delle informazioni, tra i vari attori della Supply Chain. I dati provenienti dai sensori sono delle serie temporali, ovvero dati inseriti in ordine cronologico, identificati da un timestamp che ne indica il momento in cui vengono generati. Grazie a queste serie è possibile analizzare i dati precedenti e stimare delle variazioni future per rilevare guasti o generare avvisi se ce ne fosse il bisogno. Lavorare con serie temporali porta però con sé l'onere di una gestione molto elevata di dati, quindi è di fondamentale importanza usare tecnologie e pattern adeguati alla loro gestione. La tesi parte con lo scopo di studiare una corretta configurazione per le tabelle in TimescaleDB. Quest’ultimo è un database creato come estensione di PostgreSQL appositamente per la gestione delle serie temporali. Le tabelle hanno il compito di memorizzare i dati raw provenienti dai sensori, e sono ingeriti nel sistema tramite un’interfaccia di capturing con il gateway dei dispositivi IoT. Queste tabelle di dati raw sono collegate ad una piattaforma per il data streaming, che prende il nome di Kafka, tramite un connector manuale che rileva i cambiamenti all’interno delle tabelle e li pubblica su dei topic per poi essere processati. Le regole per processare i dati sono decise dall’azienda stessa tramite delle API Web e possono consistere in operazioni di semplice monitoraggio, oppure nell’impostazione di allarmi per la salvaguardia del prodotto. Tutte le API con la quale il server espone i suoi servizi vengono autenticate tramite il protocollo JWT. Con l’implementazione di una prima versione di un backend per il monitoraggio dei sensori IoT, gli obiettivi principali del presente lavoro sono stati raggiunti. Per versioni future, sono possibili ancora delle migliorie dal punto di vista del monitoraggio aziendale, con l’aggiunta di altre regole e di altri tipi di allarme, nonché con l’introduzione di nuove API per successive funzioni disponibili ai client, come quella della visualizzazione in tempo reale dei dati acquisiti.