Industrial Internet of Things for Smart and Innovative Measurement Systems.

In the last years, the development of novel techniques within the Internet of Things (IoT) paradigm is reshaping the way measurement systems are designed and developed. Several applications require to derive measurements in harsh environments, where nodes are moving or unreachable. A common example is represented by the novel smart factory where, for example, moving robots, additive manufacturing processes, critical control processes and safety-related activities need for accurate and real-time measurement activities. These novel smart measurement systems allows to take continuous and thorough measurements, simultaneously on wide areas. This brings to the development of smart and integrated sensors networks that should meet the requirements coming from the industrial environment and, generally speaking, the Instrumentation and Measurement (I&M) field, like timeliness, determinism, low-latency and robust behavior. In this context, one critical aspect is surely related with communication, especially the wireless one. In this Ph.D. thesis, several wireless technologies like Wi-Fi, Long Range (LoRa) and 5G are compared. Novel optimization strategies are proposed for Wi-Fi and LoRa, aiming at adapting them for real-time smart measurement systems. Particular attention is given to Machine Learning (ML) strategies, as they represent key techniques in the IoT context, and some ML-based post processing techniques have been developed and analyzed. Indeed, post processing activities are of fundamental importance to derive measurements from data and to assure a certain degree of data integrity. Results demonstrated the effectiveness of the proposed optimization techniques, and the applicability of these protocols for IoT-based smart measurement systems. Moreover, from the comparative analysis between different wireless technologies, it is possible to conclude that each of them has strengths and weaknesses. For this reason, the choice of a one fits all communication technology is challenging, and a possible solution is represented by the Time Sensitive Networking (TSN) set of protocols. Despite this, the communication technology must be chosen by carefully analyzing the specific application. For example, LoRa networks are the best candidates when long communication range and low energy consumption is needed. Wi-Fi or 5G can, on the other hand, handle Ultra Low Latency (ULL) communication. Optimized communication strategies must be used in conjunction with efficient and accurate post-processing techniques. As experienced in this work, ML can improve the performances of these novel smart measurement systems, but at present a big challenge is to characterize the ML techniques from a metrological point of view, for example by analyzing the measurement accuracy. As a matter of facts, by both analyzing the current literature in the field and the results obtained from several experiments, the aim of this study is twofold. First of all, novel techniques to handle IoT-based measurement systems are presented. Secondly, this work aims at underlining both the current progressions and the main research challenges in the field.

Negli ultimi anni, lo sviluppo di nuove tecniche nell'ambito del paradigma dell'Internet of Things (IoT) sta stravolgendo il modo in cui i sistemi di misura vengono progettati e sviluppati. Diverse applicazioni richiedono di effettuare misurazioni in ambienti difficili, dove i nodi sono in movimento o irraggiungibili. Un tipico esempio è rappresentato dalla nuova smart factory in cui, ad esempio, robot in movimento, applicazioni di additive manufacturing, processi di controllo critici e attività legate alla sicurezza richiedono attività di misura accurate e in tempo reale. Questi nuovi sistemi di misura intelligenti consentono di effettuare misurazioni continue e approfondite, simultaneamente, su vaste aree. Ciò porta allo sviluppo di reti di sensori intelligenti e integrati che devono soddisfare i requisiti del contesto industriale e, in generale, dal settore metrologico. Tra queste troviamo determinismo, latenza limitata e comunicazioni affidabili. Un aspetto critico è appunto quello legato alla comunicazione, soprattutto considerando reti wireless. In questa tesi di dottorato vengono confrontate diverse tecnologie wireless come Wi-Fi, Long Range (LoRa) e 5G. Vengono proposte nuove strategie di ottimizzazione per Wi-Fi e LoRa, con l'obiettivo di adattarle a sistemi di misura intelligenti, capaci di effettuare misurazioni in tempo reale. Particolare attenzione verrà data alle strategie di Machine Learning (ML), in quanto rappresentano tecniche chiave nel contesto IoT. Per questo, in questo lavoro saranno sviluppate e analizzate alcune tecniche di post-elaborazione basate su ML. Infatti, le attività di elaborazione sono di fondamentale importanza per ricavare le misure dai dati e per assicurare un certo grado di integrità degli stessi. I risultati hanno dimostrato l'efficacia delle tecniche di ottimizzazione proposte e l'applicabilità di questi protocolli per i sistemi di misura intelligenti basati sull'IoT. Inoltre, dall'analisi comparativa tra le diverse tecnologie wireless, è possibile concludere che ciascuna di esse presenta punti di forza e di debolezza. Per questo motivo non risulta possibile effettuare una scelta di una tecnologia di comunicazione capace di soddisfare tutte le possibili applicazioni nel settore delle misure. Una possibile soluzione, da questo punto di vista, è rappresentata dall'insieme di protocolli Time Sensitive Networking (TSN). Tuttavia, la tecnologia di comunicazione deve essere scelta analizzando attentamente l'applicazione specifica. Ad esempio, le reti LoRa sono da preferire quando è necessario comunicare su lunghe distanze, con un consumo energetico contenuto. D'altro canto, il Wi-Fi o il 5G possono invece gestire comunicazioni a bassissima latenza. Ottimizzare le tecniche di comunicazione però non basta. A ciò deve seguire lo sviluppo di tecniche di post-elaborazione efficienti e accurate. Come dimostrato in questo lavoro, il ML può migliorare le prestazioni di questi nuovi sistemi di misura intelligenti, ma attualmente una grande sfida è quella di caratterizzare le tecniche di ML da un punto di vista metrologico, ad esempio analizzando il loro impatto sull'accuratezza di misura. Analizzando la letteratura corrente in materia e i risultati ottenuti da diversi esperimenti, l'obiettivo di questo studio è duplice. In primo luogo, vengono presentate nuove tecniche per gestire i sistemi di misura basati sull'IoT. In secondo luogo, mira a delineare da un lato i progressi ottenuti nel campo, dall'altro le principali sfide di ricerca.