La comunicazione M2M (machine-to-machine), attraverso API, permette di connettere in maniera diretta macchine e dispositivi per consentire lo scambio reciproco di dati, informazioni, ed eseguire azioni senza necessità di intervento umano, migliorando i sistemi di controllo e automazione in vari settori industriali. Oggi, apprendimento automatico (machine learning – ML), intelligenza artificiale (AI), AI generativa (GenAI) hanno il potenziale di far evolvere ulteriormente sistemi e applicazioni M2M: è infatti importante ricordare che il concetto di comunicazione M2M non è nato ieri, ma esiste da molto tempo, e si è trasformato passando attraverso tappe fondamentali.
Un momento chiave, ad esempio, è stato il lancio nel 1991 del sistema GSM (Global System for Mobile communication), la prima rete radiomobile digitale, con i successivi progetti di implementazione di applicazioni M2M basate su reti radiomobili GSM e GPRS (General Packet Radio Service). Un decennio più tardi, negli anni 2000, i sistemi M2M compiono una graduale transizione verso il paradigma Internet of Things (IoT) e l’utilizzo del cloud computing, che emergono come nuovi, prevalenti modelli di connettività.
Definire la comunicazione M2M
Negli ambienti industriali la comunicazione M2M può avvenire tra dispositivi di campo (sensori, attuatori) e dispositivi di controllo (PLC, DCS) utilizzando reti wired o wireless. Nel primo caso può trattarsi, ad esempio, di connessioni xDSL (Digital Subscriber Line) o in fibra (FTTx). Nel secondo, si possono adottare varie reti e tecnologie wireless, tra cui reti cellulari, reti RFID (radio-frequency identification), NFC (Near Field Communication), ZigBee, Wi-Fi, wireless LAN (WLAN), WiMAX, e quant’altro.
L’adozione delle reti wireless è necessaria nella realizzazione di applicazioni mobile, e tende ad essere comunque preponderante, quando, soprattutto in certi ambienti di fabbrica e infrastrutture di produzione, si deve valutare le difficoltà, i tempi e i costi di cablaggio di reti fisiche, rispetto alla flessibilità e agilità di installazione delle reti senza fili. D’altro canto, negli stabilimenti e impianti caratterizzati da elevata interferenza elettromagnetica (EMI) e varie barriere fisiche che ostacolano e limitano l’efficienza delle trasmissioni wireless, può risultare preferibile la soluzione basata su rete cablata.
I sistemi di automazione e controllo che sfruttano architetture di rete miste, costituite da infrastrutture M2M wired e wireless, tendono poi ad aumentare con la progressiva convergenza tra reti OT (Operational Technology) e IT (Information Technology). Più aumenta il livello di automazione, più le reti di fabbrica wired e wireless delle infrastrutture manifatturiere si connettono verticalmente con i sistemi di gestione del business (ERP, MES, WMS) e con il cloud, utilizzando in genere connessioni basate su Ethernet o fibra. In prospettiva, la netta demarcazione tra reti M2M wired e wireless potrà poi scomparire, specie considerando i benefici derivanti dall’implementazione di tecnologie come 5G-TSN, che integrano le reti 5G con il time-sensitive networking (TSN). 5G-TSN consente infatti di realizzare comunicazioni real-time deterministiche, affidabili e a bassa latenza anche su rete wireless, cosa prima possibile soltanto implementando connessioni fisiche basate su Ethernet industriale (industrial Ethernet).
M2M, le applicazioni tipiche e il ruolo crescente dell’Internet of Things
Tra i differenti segmenti del comparto M2M, un’area rilevante è costituita dalla comunicazione M2M basata su rete cellulare (2G, 3G, 4G, 5G). I servizi cellulari M2M possono essere adottati in grandi, medie e piccole imprese, per gestire applicazioni che spaziano dall’automazione industriale, al tracciamento e monitoraggio degli asset, alla manutenzione predittiva, ai sistemi di telemetria dotati di contatori intelligenti (smart meter) per misurare i consumi di elettricità o gas, alla telemedicina, alla gestione del magazzino, ai trasporti, alla logistica.
Il mercato globale dei servizi cellulari M2M, stando ai dati di un rapporto della società di ricerche The Business Research Company, varrà 17,87 miliardi di dollari nel 2024, e arriverà a 42,14 miliardi di dollari entro il 2028, crescendo con un CAGR (tasso annuo di crescita composto) pari al 23,9% nel periodo della previsione.
Questa espansione sarà guidata dallo sviluppo delle infrastrutture di assistenza sanitaria e dalle relative applicazioni, dal settore dell’agricoltura “intelligente” e dalla crescente adozione di tecnologia 5G. I maggiori trend riguarderanno l’espansione della Internet of Things, e la più marcata focalizzazione sull’edge computing e sull’automazione industriale. In particolare, la rapida crescita della IoT è considerata un catalizzatore essenziale per lo sviluppo del mercato cellulare M2M nei prossimi anni, in ragione della capacità della IoT di aumentare l’utilità della comunicazione M2M in una varietà di settori, connettendo diverse categorie di dispositivi e fornendo dati real-time per il miglioramento dei processi decisionali, dell’automazione e dell’efficienza operativa.
Comunicazione M2M: più agile ed efficiente con le “generative APIs”
I paradigmi M2M e IoT si differenziano per alcuni aspetti basilari. In genere, le infrastrutture M2M sono fondate su connessioni dirette punto-punto (P2P) tra hardware embedded, macchine, dispositivi: connessioni realizzate tramite reti cellulari o wired e implementate in sistemi e impianti chiusi, isolati, disconnessi da internet. Le infrastrutture IoT, invece, estendono il concetto di comunicazione M2M su reti più grandi, utilizzando i protocolli IP, il cloud, instaurando connessioni multipunto, e collegando gamme più ampie di macchine, sensori e dispositivi smart.
A prescindere da queste differenziazioni, la comunicazione M2M sta comunque vivendo una nuova fase evolutiva, che punta a sfruttare le innovative potenzialità della AI generativa. La generative AI può determinare un impatto rilevante sull’attuale e futuro sviluppo delle API (Application Programming Interface), le interfacce di programmazione applicativa che consentono la comunicazione M2M.
Il lavoro di sviluppo delle API è infatti lungo, complesso e caratterizzato da notevole manualità. Nel “2023 State of the API Report”, un sondaggio condotto a livello mondiale su oltre 40 mila sviluppatori e professionisti API aggregando dati anonimizzati attraverso la piattaforma della startup Postman, tra i principali inconvenienti nello sviluppo di API emergono la mancanza di tempo (43%), la carenza di personale (37%), la penuria di competenze di progettazione (32%).
Aspetti, questi, messi in luce, in un articolo su Linkedin, anche da Michele Russo, customer success account director in Microsoft, che ricorda come la creazione e implementazione di API spesso richiedano “un’intensa attività manuale e un’integrazione specifica per ogni dispositivo o sistema”. In aggiunta, le API sviluppate risultano “statiche” e quindi limitate nella loro abilità di adattarsi alle variazioni nei flussi di dati e ai cambiamenti dei requisiti richiesti dal sistema e dal contesto d’uso.
Proprio a questo livello, la AI generativa, spiega Russo, può trasformare lo scenario, dando vita ad API dinamiche in grado di “migliorare la comunicazione e l’interazione tra le macchine”. In altre parole, la AI generativa, sfruttando il machine learning, e apprendendo di continuo dai dati disponibili, può creare in automatico nuove chiamate API in grado di adattarsi alle variazioni del sistema, e potenziare resilienza ed efficienza della comunicazione M2M. Le API generative consentono quindi di migliorare di continuo l’efficienza dell’interazione tra macchine, senza necessità di eseguire interventi di programmazione manuale.
