26 / 92
EMBEDDED
66 • NOVEMBRE • 2017
26
IN TEMPO REALE
|
IoT TREND
un fattore estremamente importante, perché non è
facile o economicamente conveniente sostituirle (in
sostanza il ciclo di vita del device è corrisponden-
U
9
da trasferire e da ricevere è minima (mediamente
nell’ordine di alcune decine di byte al giorno).
S
9
interessante per applicazioni, come per esempio lo
smart metering. Per la tecnologia LTE-M, nota an-
che con l’acronimo eMTC (enhanced-MTC), è stata
À
denominata Cat-M1. LTE-M utilizza 6 PRB con-
tigui di un’allocazione LTE e richiede una banda
* % ?' 7
Á
visto che può funzionare indipendentemente dal-
la banda del sistema LTE in cui è dispiegato (1.4
MHz, 3 MHz, 5 MHz, 10 MHz, 15 MHz o 20 MHz).
Rispetto alle altre tecnologie citate in precedenza,
che supportano soltanto la modalità di duplexing
' <
K'
Z
9 Y
-
plex), LTE-M supporta invece anche le modalità
<
K
Z <
9 Y
ZU
e TDD (Time Division Duplex). Per le applicazioni
7 O 9
-
9 ^<7 O
La terza
9 #<&!?<7 O
-
bile con le reti GSM/EDGE e di fatto ne riutilizza
una parte della banda ma richiede la disponibilità
dell’EGPRS, cioè della componente a pacchetto di
EDGE. Questo standard è stato pensato in parti-
À
`
sviluppo, dove non è disponibile una rete LTE. L’oc-
cupazione di spettro di ogni canale corrisponde a
9
Y &!? >> '
#<&!?<7 O
9
% ?'
9 Y
K
realtà la banda complessiva arriva a 2,8 MHz, per-
ché servono due canali di guardia di
200 kHz ciascuno agli estremi). Se
però EC-GSM-IoT è l’unico servizio,
insieme all’EGPRS, con cui condi-
vide le risorse radio, in assenza del
servizio voce GSM, bastano 600 kHz
(1 MHz considerando anche i due
canali di guardia).
L’analisi dei dati
Come per la sicurezza, anche la
9
dati è uno dei problemi che stan-
no affrontando le aziende coinvolte
nell’IoT, anche perché la necessità
di una risposta in tempo reale sta
crescendo rapidamente. Una so-
luzione consiste nell’elaborazione
dei dati direttamente da parte dei
device, in modo da ridurre anche
9
sulle reti. Questo approccio di elaborazione distri-
À
le informazioni, per esempio intraprendendo delle
azioni autonomamente senza coinvolgere il core
della rete. L
Á
-
niche di IA ed engine per il machine learning è uno
dei trend più evidenti per l’IoT. I principali servi-
ce provider e i platform provider stanno lavoran-
do per offrire soluzioni che accedano direttamente
ai dati dei device per le applicazioni di machine
7
9
]
visto che si possono facilmente implementare nei
device IoT microcontroller appositi con adeguate
9
] ! 9
9
diversi esempi come AXON Predict, che integra il
_O[! JZ
Wind River
Y
& ] \
Fig. 3 – Generica value chain per i servizi IoT
(Fonte Analysys Mason, 2015)