ケーススタディ: 6 - TerramEarth
会社概要
TerramEarth は、鉱業および農業産業向けの重機を製造しています。だいたい
彼らの事業の 80% は鉱業、20% は農業です。現在、100 か国に 500 を超えるディーラーとサービス センターがあります。彼らの使命は、顧客の生産性を高める製品を構築することです。
ソリューションコンセプト
2,000 万台の TerramEarth 車両が稼働しており、毎秒 120 フィールドのデータを収集しています。
データは車両にローカルに保存され、車両の整備時に分析のためにアクセスできます。
データはメンテナンス ポート経由でダウンロードされます。この同じポートを使用して動作パラメータを調整できるため、現場で新しいコンピューティング モジュールを使用して車両をアップグレードできます。
約 200,000 台の車両がセルラー ネットワークに接続されているため、TerramEarth はデータを直接収集できます。TerramEarth は、1 日あたり 22 時間の運用で 1 秒あたり 120 フィールドのデータ速度で、これらの接続された車両から 1 日あたり合計約 9 TB を収集します。
既存の技術環境
TerramEarth の既存のアーキテクチャは、米国西海岸にある単一のデータ センターに存在する Linux および Windows ベースのシステムで構成されています。これらのシステムは、フィールドから CSV ファイルを gzip して FTP 経由でアップロードし、データをデータ ウェアハウスに配置します。このプロセスには時間がかかるため、集計レポートは 3 週間前のデータに基づいています。
このデータを使用して、TerramEarth は交換部品を事前にストックし、車両の計画外のダウンタイムを 60% 削減することができました。ただし、データが古いため、一部の顧客は、交換部品を待つ間、最大 4 週間車両を使用できません。
ビジネス要件
予定外の車両ダウンタイムを 1 週間未満に短縮します。
顧客が機器をより適切に使用する方法に関するより多くのデータを使用して、ディーラー ネットワークをサポートします。
新しい製品とサービスのポジショニング
さまざまな企業、特に種子や肥料のサプライヤーと提携する能力がある
急速に成長している農業ビジネスで - 顧客のために魅力的な共同製品を作成する.
技術要件
単一のデータセンターを超えて拡張し、アメリカ中西部および東部へのレイテンシーを減らします
海岸。
バックアップ戦略を作成します。
機器からデータセンターへのデータ転送のセキュリティを強化します。
データ ウェアハウス内のデータを改善します。
顧客と機器のデータを使用して、顧客のニーズを予測します。
アプリケーション 1: データの取り込み
カスタム Python アプリケーションは、単一のサーバーからアップロードされたデータファイルを読み取り、データ ウェアハウスに書き込みます。
計算:
Windows Server 2008 R2
- 16 CPU
- 128 GB の RAM
- 10 TB のローカル HDD ストレージ
アプリケーション 2: レポート
ビジネス アナリストが日次レポートを実行して修理が必要な機器を確認するために使用する既製のアプリケーション。一度にレポート アプリケーションに接続できるのは、10 人のチーム (西海岸 5 人、東海岸 5 人) の 2 人のアナリストのみです。
計算:
既製のアプリケーション。物理 CPU の数に関連付けられたライセンス
- Windows Server 2008 R2
- 16 CPU
- 32 GB の RAM
- 500 GB HDD
データウェアハウス：
単一の PostgreSQL サーバー
- レッドハット Linux
- 64 CPU
- 128 GB の RAM
- RAID 0 の 4x 6TB HDD
エグゼクティブ ステートメント
当社の競争上の優位性は常に製造プロセスにあり、競合他社よりも低コストでより優れた車両を製造する能力があります。しかし、これまでとは異なるアプローチの新製品が続々と開発されており、業界の次の変革の波に対応するスキルが不足しているのではないかと懸念しています。私の目標は、漸進的なイノベーションを通じて当面の市場ニーズに対応しながらスキルを構築することです。
この質問については、TerramEarth ケース スタディを参照してください。ヨーロッパの GDPR 規制に準拠するために、TerramEarth は、個人データを含む 36 か月後にヨーロッパの顧客から生成されたデータを削除する必要があります。新しいアーキテクチャでは、このデータは Cloud Storage と BigQuery の両方に保存されます。あなたは何をするべきか？
会社概要
TerramEarth は、鉱業および農業産業向けの重機を製造しています。だいたい
彼らの事業の 80% は鉱業、20% は農業です。現在、100 か国に 500 を超えるディーラーとサービス センターがあります。彼らの使命は、顧客の生産性を高める製品を構築することです。
ソリューションコンセプト
2,000 万台の TerramEarth 車両が稼働しており、毎秒 120 フィールドのデータを収集しています。
データは車両にローカルに保存され、車両の整備時に分析のためにアクセスできます。
データはメンテナンス ポート経由でダウンロードされます。この同じポートを使用して動作パラメータを調整できるため、現場で新しいコンピューティング モジュールを使用して車両をアップグレードできます。
約 200,000 台の車両がセルラー ネットワークに接続されているため、TerramEarth はデータを直接収集できます。TerramEarth は、1 日あたり 22 時間の運用で 1 秒あたり 120 フィールドのデータ速度で、これらの接続された車両から 1 日あたり合計約 9 TB を収集します。
既存の技術環境
TerramEarth の既存のアーキテクチャは、米国西海岸にある単一のデータ センターに存在する Linux および Windows ベースのシステムで構成されています。これらのシステムは、フィールドから CSV ファイルを gzip して FTP 経由でアップロードし、データをデータ ウェアハウスに配置します。このプロセスには時間がかかるため、集計レポートは 3 週間前のデータに基づいています。
このデータを使用して、TerramEarth は交換部品を事前にストックし、車両の計画外のダウンタイムを 60% 削減することができました。ただし、データが古いため、一部の顧客は、交換部品を待つ間、最大 4 週間車両を使用できません。
ビジネス要件
予定外の車両ダウンタイムを 1 週間未満に短縮します。
顧客が機器をより適切に使用する方法に関するより多くのデータを使用して、ディーラー ネットワークをサポートします。
新しい製品とサービスのポジショニング
さまざまな企業、特に種子や肥料のサプライヤーと提携する能力がある
急速に成長している農業ビジネスで - 顧客のために魅力的な共同製品を作成する.
技術要件
単一のデータセンターを超えて拡張し、アメリカ中西部および東部へのレイテンシーを減らします
海岸。
バックアップ戦略を作成します。
機器からデータセンターへのデータ転送のセキュリティを強化します。
データ ウェアハウス内のデータを改善します。
顧客と機器のデータを使用して、顧客のニーズを予測します。
アプリケーション 1: データの取り込み
カスタム Python アプリケーションは、単一のサーバーからアップロードされたデータファイルを読み取り、データ ウェアハウスに書き込みます。
計算:
Windows Server 2008 R2
- 16 CPU
- 128 GB の RAM
- 10 TB のローカル HDD ストレージ
アプリケーション 2: レポート
ビジネス アナリストが日次レポートを実行して修理が必要な機器を確認するために使用する既製のアプリケーション。一度にレポート アプリケーションに接続できるのは、10 人のチーム (西海岸 5 人、東海岸 5 人) の 2 人のアナリストのみです。
計算:
既製のアプリケーション。物理 CPU の数に関連付けられたライセンス
- Windows Server 2008 R2
- 16 CPU
- 32 GB の RAM
- 500 GB HDD
データウェアハウス：
単一の PostgreSQL サーバー
- レッドハット Linux
- 64 CPU
- 128 GB の RAM
- RAID 0 の 4x 6TB HDD
エグゼクティブ ステートメント
当社の競争上の優位性は常に製造プロセスにあり、競合他社よりも低コストでより優れた車両を製造する能力があります。しかし、これまでとは異なるアプローチの新製品が続々と開発されており、業界の次の変革の波に対応するスキルが不足しているのではないかと懸念しています。私の目標は、漸進的なイノベーションを通じて当面の市場ニーズに対応しながらスキルを構築することです。
この質問については、TerramEarth ケース スタディを参照してください。ヨーロッパの GDPR 規制に準拠するために、TerramEarth は、個人データを含む 36 か月後にヨーロッパの顧客から生成されたデータを削除する必要があります。新しいアーキテクチャでは、このデータは Cloud Storage と BigQuery の両方に保存されます。あなたは何をするべきか？
