VE Commercial Vehicles ha costruito un’infrastruttura dati in tempo reale per gestire una rete composta da oltre 250.000 veicoli commerciali connessi. La società, joint venture tra Volvo Group ed Eicher Motors, utilizza la piattaforma per raccogliere e processare continuamente i dati telematici generati da camion e autobus, trasformandoli in informazioni utilizzabili da applicazioni dedicate alla gestione delle flotte, alla manutenzione predittiva, alla valutazione dei conducenti e all’ottimizzazione dei percorsi. La piattaforma connessa sviluppata dall’azienda serve direttamente i veicoli utilizzati dai clienti e rappresenta quindi un’infrastruttura operativa, non un semplice sistema di analisi a posteriori.
La crescita del numero di mezzi collegati aveva però trasformato l’infrastruttura dati preesistente in un limite. VECV utilizzava una piattaforma di streaming gestita di tipo generalista, strettamente collegata a uno specifico cloud provider. La soluzione permetteva di raccogliere i flussi telematici, ma offriva scarsa flessibilità nella distribuzione delle risorse e richiedeva un considerevole lavoro aggiuntivo per realizzare funzioni specifiche del settore automotive. Operazioni come la decodifica dei diversi protocolli inviati dai veicoli, l’elaborazione dei geofence o l’integrazione con i Fleet Management System dovevano essere implementate attraverso componenti personalizzati.
Il problema diventava più evidente con l’aumento della scala. La logica applicativa veniva sviluppata mediante microservizi separati dalla pipeline principale di streaming, moltiplicando gli elementi che gli ingegneri dovevano distribuire, aggiornare, controllare e dimensionare. Anche la capacità computazionale non si adattava automaticamente ai picchi di traffico: gli sviluppatori dovevano intervenire manualmente sull’allocazione delle risorse, con il rischio di trovarsi alternativamente davanti a problemi di prestazioni oppure a infrastruttura sovradimensionata e inutilizzata. Per una rete superiore ai 250.000 veicoli, questo modello cominciava a incidere sia sui costi sia sui tempi necessari per introdurre nuovi servizi.
VECV ha quindi sostituito la precedente infrastruttura con Condense, piattaforma real-time sviluppata da Zeliot e costruita nativamente attorno ad Apache Kafka. L’implementazione utilizza un modello Bring Your Own Cloud, o BYOC: Condense viene gestita come piattaforma, ma viene installata direttamente nell’ambiente Google Cloud di VECV. I dati telematici e le risorse necessarie alla loro elaborazione rimangono così all’interno dell’infrastruttura cloud controllata dall’azienda, evitando di trasferire il patrimonio informativo dei veicoli in un ambiente appartenente al fornitore della piattaforma.
L’architettura deve sostenere quantità di dati particolarmente elevate. Il sistema elabora più di 150 TB al mese provenienti dalla flotta connessa, con un throughput dinamico compreso tra circa 120 e 500 Mbps. L’intera pipeline mantiene una latenza end-to-end inferiore ai 500 millisecondi e il servizio viene indicato con uno SLA del 99,95%. Questo consente di utilizzare il flusso telematico per applicazioni che richiedono una risposta quasi immediata, invece di accumulare i dati in un data lake per elaborarli successivamente in modalità batch.
Uno dei problemi più complessi riguarda proprio l’ingresso dei dati nella piattaforma. Una flotta commerciale non produce necessariamente un formato telematico uniforme: modelli di veicolo, centraline, dispositivi IoT e fornitori possono utilizzare protocolli e strutture differenti. Condense permette a VECV di effettuare ingestion continua utilizzando più di 500 protocolli telematici, normalizzando il flusso prima che venga inviato alle successive fasi di trasformazione e analisi. L’infrastruttura dati può quindi assorbire nuove sorgenti senza richiedere la costruzione di una pipeline separata per ogni variante hardware o formato trasmesso dai mezzi.
La piattaforma integra inoltre funzioni specificamente progettate per la mobilità. Geofencing, analisi dei viaggi, driver scoring e altre elaborazioni caratteristiche dei sistemi connected vehicle possono essere inserite direttamente nel flusso streaming, evitando di realizzarle ogni volta come microservizi esterni. Un evento prodotto da un veicolo viene così acquisito, interpretato, arricchito con la logica applicativa necessaria e reso disponibile ai servizi finali mantenendo l’elaborazione all’interno della stessa pipeline.
Questo modello è particolarmente importante per applicazioni come la manutenzione predittiva. I parametri inviati continuamente dal mezzo possono essere analizzati mentre vengono prodotti per individuare variazioni che anticipano un malfunzionamento, consentendo di intervenire prima che il guasto provochi l’arresto del veicolo. La stessa infrastruttura può alimentare il driver scoring utilizzando le informazioni sulla modalità di guida, oppure fornire dati aggiornati ai sistemi di route optimization. L’elemento comune è che l’elaborazione non viene avviata quando il viaggio è terminato: il dato rimane utilizzabile mentre il veicolo è operativo.
Condense riunisce inoltre sviluppo e gestione delle pipeline in un ambiente unico. Gli ingegneri possono creare logiche aziendali personalizzate attraverso un IDE integrato, con supporto AI, gestione basata su Git e strumenti dedicati al ciclo di sviluppo. Il codice necessario a trasformare i flussi può quindi essere sviluppato, testato e distribuito senza dover costruire continuamente servizi indipendenti intorno all’infrastruttura Kafka. La piattaforma include anche strumenti di osservabilità che permettono di controllare lo stato delle pipeline e intervenire più rapidamente quando si verificano anomalie.
Per VECV questo ha modificato anche l’organizzazione del lavoro degli sviluppatori. Ajay Mittal, General Manager IT dell’azienda, ha spiegato che l’utilizzo di un unico ambiente per sviluppo, test e lancio delle funzionalità ha ridotto la frammentazione tecnica e reso più semplice anche il debugging. La modalità BYOC permette contemporaneamente al team operativo di mantenere il controllo sui dati mentre aumenta la scala dell’infrastruttura.
L’astrazione dell’infrastruttura Kafka non significa infatti rinunciare alle caratteristiche dello streaming distribuito, ma ridurre il lavoro necessario a mantenerlo. Utilizzare direttamente Kafka su questa scala richiederebbe la gestione di cluster, partizioni, replica, capacità, bilanciamento delle risorse e servizi applicativi collegati. Condense conserva Kafka come fondamento dell’architettura ma sposta queste attività nel livello gestito della piattaforma, consentendo agli ingegneri VECV di concentrarsi sulle logiche destinate alle flotte.
Il dimensionamento elastico rappresenta un altro elemento essenziale. Un sistema di telemetria automobilistica non genera necessariamente traffico costante: il carico cambia in funzione del numero di veicoli attivi e della frequenza con cui i dispositivi trasmettono gli eventi. Il precedente modello richiedeva provisioning manuale per assorbire queste oscillazioni. La nuova infrastruttura scala invece le risorse in funzione della domanda, riducendo sia la possibilità di saturazione durante i picchi sia la spesa dovuta a capacità predisposta ma non utilizzata.
L’intervento ha prodotto una riduzione dichiarata del 20% della spesa cloud grazie al dimensionamento più efficiente delle risorse. VECV indica inoltre una diminuzione del 40% del lavoro complessivamente necessario per sviluppo e operazioni. La disponibilità di moduli già orientati alle esigenze della connected mobility ha accorciato di circa sei mesi il time-to-market dei nuovi servizi, perché diverse funzionalità non devono più essere progettate partendo dall’infrastruttura di base.
Il risultato è una separazione più netta fra infrastruttura di streaming e sviluppo dei servizi destinati ai clienti. I team non devono occuparsi continuamente della gestione tecnica sottostante per poter aggiungere una nuova analisi, un nuovo flusso telematico o una nuova funzione di fleet management. La piattaforma viene invece utilizzata come backbone comune attraverso il quale i dati provenienti dai veicoli vengono acquisiti, trasformati e messi a disposizione delle applicazioni.
Il modello BYOC affronta contemporaneamente un problema particolarmente importante per un produttore automobilistico: la sovranità dei dati. Condense viene eseguita nell’account cloud di VECV e il produttore mantiene il controllo dell’ambiente nel quale risiedono le informazioni. Rajesh Mishra, EVP e Chief Digital Officer di VECV, ha indicato proprio il controllo completo della privacy dei dati nel proprio ambiente come uno degli aspetti strategici del progetto, insieme alla possibilità di scaricare sul livello della piattaforma la complessità infrastrutturale che precedentemente rallentava i solution engineer.
L’adozione di una soluzione Kafka-native consente inoltre di evitare un legame strutturale con un singolo servizio di streaming proprietario del cloud. La precedente piattaforma era fortemente associata al provider e rendeva più complessa sia l’ottimizzazione delle prestazioni sia la gestione dei costi nelle diverse regioni. Con l’architettura BYOC, invece, il software di streaming viene portato nell’infrastruttura scelta dal cliente, mantenendo separati il livello applicativo della piattaforma e quello del cloud sul quale viene eseguita.
Per VECV la trasformazione interessa quindi molto più della sola raccolta dei dati provenienti dai veicoli. Il backbone deve sostenere contemporaneamente ingestion multi-protocollo, streaming a bassa latenza, trasformazione delle informazioni, logiche specifiche dell’automotive, osservabilità e sviluppo di nuove applicazioni. Tutto questo avviene mentre la flotta continua a produrre oltre 150 TB di informazioni al mese e con throughput che può raggiungere i 500 Mbps.
L’infrastruttura diventa così la base per l’evoluzione dei servizi digitali di VECV. Una volta standardizzato il modo in cui le informazioni dei veicoli entrano nella piattaforma e vengono elaborate, lo stesso flusso può essere riutilizzato da applicazioni differenti senza ricostruire ogni volta l’intera catena dati. Predictive maintenance, analisi delle prestazioni del conducente, intelligence dei viaggi, geofencing e ottimizzazione dinamica dei percorsi diventano servizi che utilizzano un backbone comune anziché sistemi indipendenti costruiti intorno a singoli casi d’uso.
Con oltre 250.000 veicoli collegati, più di 150 TB elaborati ogni mese, supporto a oltre 500 protocolli telematici e pipeline con latenza inferiore a mezzo secondo, il progetto mostra soprattutto come VECV abbia spostato il problema dalla semplice connessione dei mezzi alla gestione industriale del flusso prodotto da quella connessione. La componente decisiva non è quindi il dispositivo installato sul camion o sull’autobus, ma l’infrastruttura capace di trasformare continuamente centinaia di migliaia di sorgenti telematiche in dati utilizzabili dai servizi operativi.
Il passaggio a Condense ha permesso di concentrare questa infrastruttura in una piattaforma Kafka-native eseguita nel cloud controllato da VECV, riducendo contemporaneamente costi, attività operative e tempi di sviluppo. Il backbone real-time che ne deriva è oggi utilizzato come fondamento delle applicazioni connected mobility dell’azienda e come base sulla quale VECV punta a sviluppare una nuova generazione di servizi digitali e di soluzioni sempre più automatizzate per la gestione delle flotte commerciali.
Questo articolo è stato redatto con il supporto di strumenti di intelligenza artificiale (AI)