Databricks, socio de AWS, ayuda a Rivian a avanzar hacia el futuro del transporte eléctrico

Rivian preserva el mundo natural para las generaciones futuras con los revolucionarios vehículos eléctricos de aventura (EAV). Con más de 11 000 vehículos eléctricos en circulación que generan varios terabytes de datos de internet de las cosas (IoT) al día, la empresa usa los datos y machine learning (ML) de Databricks que se ejecutan en Amazon Web Services (AWS) para mejorar el estado y el rendimiento de los vehículos. Sin embargo, con las herramientas de nube heredadas, Rivian se esforzó por escalar las canalizaciones de manera rentable y gastó importantes recursos en mantenimiento, lo que redujo su capacidad de basarse realmente en los datos. Desde que se trasladó a la plataforma Lakehouse de Databricks, Rivian ahora entiende cómo funciona un vehículo y cómo esto afecta al conductor que lo usa. Equipado con estos conocimientos, Rivian innova más rápido, reduce los costos y, en última instancia, ofrece una mejor experiencia de conducción a sus clientes.

Para construir un mundo del que las generaciones futuras sigan disfrutando, se requieren cambios en la forma en que este funciona. A este movimiento lo encabeza Rivian, un fabricante de vehículos eléctricos centrado en que los sistemas de energía y transporte del planeta ya no usen combustibles fósiles. En la actualidad, la flota de Rivian incluye vehículos personales e implica una colaboración con Amazon para entregar 100 000 furgonetas comerciales. Cada vehículo utiliza sensores y cámaras de IoT para capturar petabytes de datos que van desde la forma en que se conduce el vehículo hasta el funcionamiento de las distintas partes. Con todos estos datos al alcance de la mano, Rivian utiliza el ML para mejorar la experiencia general del cliente con el mantenimiento predictivo, de modo que los posibles problemas se aborden antes de que afecten al conductor.

Incluso antes de que Rivian lanzara su primer EAV, ya se enfrentaba a limitaciones en cuanto a la visibilidad de los datos y las herramientas que reducían la producción, impedían la colaboración y aumentaban los costos operativos. En cualquier momento, tenían de 30 a 50 clústeres de cómputos grandes y complicados desde el punto de vista operativo, lo que resultaba costoso. El sistema no solo era difícil de administrar, sino que la empresa también sufría frecuentes interrupciones de los clústeres, lo que obligaba a
que los equipos dedicaran más tiempo a la resolución de problemas que al análisis de datos. Además, los silos de datos creados por sistemas inconexos ralentizaron el intercambio de datos, lo que incrementó aún más los problemas de productividad. Debido a los requisitos de lenguajes de datos y la experiencia específica en los conjuntos de herramientas, se formó una barrera de entrada que limitó a los desarrolladores a aprovechar al máximo los datos disponibles. Jason Shiverick, científico principal de datos de Rivian, afirmó que el mayor problema era el acceso a los datos. “Quería abrir nuestros datos a un público más amplio de usuarios con menos conocimientos técnicos para que también pudieran aprovechar los datos con mayor facilidad”.

Rivian sabía que, una vez que sus EAV salieran al mercado, la cantidad de datos ingeridos se dispararía. Para ofrecer la fiabilidad y el rendimiento que prometían, Rivian necesitaba una arquitectura que no solo democratizara el acceso a los datos, sino que también proporcionara una plataforma común para crear soluciones innovadoras que pudieran ayudar a garantizar una experiencia de conducción confiable y agradable. Debido a su experiencia en este campo, Rivian seleccionó a Databricks, socio de AWS, y a AWS como socio y proveedor de nube.

Para modernizar su infraestructura de datos, Rivian eligió la plataforma Lakehouse de Databricks, un esfuerzo de colaboración entre AWS y Databricks. Esta potente plataforma le dio a Rivian la capacidad de unificar todos sus datos en una vista común para el análisis posterior y el ML. Ahora, los equipos de datos únicos disponen de una gama de herramientas accesibles para ofrecer información útil para diferentes casos de uso, desde el mantenimiento predictivo hasta el desarrollo más inteligente de productos mediante herramientas como AWS Direct Connect, Amazon Simple Storage Service (Amazon S3), Amazon Elastic Kubernetes Service (Amazon EKS) y Amazon Elastic Compute Cloud (Amazon EC2).

El equipo de sistemas avanzados de asistencia al conductor (ADAS) de Rivian ahora puede preparar fácilmente los datos telemétricos del acelerómetro para comprender todos los movimientos de los EAV. Estos datos de registro básicos incluyen información sobre la inclinación, el balanceo, la velocidad, la suspensión y la actividad de los airbags para ayudar a Rivian a comprender el rendimiento del vehículo, los patrones de conducción y la previsibilidad del sistema del automóvil conectado. Basándose en estas métricas clave de rendimiento, Rivian puede mejorar la precisión de las características inteligentes y el control que los conductores tienen sobre ellas.  Diseñadas para eliminar el estrés de los viajes largos y de la conducción en medio del tráfico, las características como el control de crucero adaptativo, la asistencia de cambio de carril, la conducción automática de emergencia y la advertencia de colisión frontal se pueden perfeccionar con el tiempo para optimizar continuamente la experiencia de conducción de los clientes.

Unity Catalog de Databricks también facilitó el intercambio seguro de datos y la colaboración. Shiverick describe cómo la gobernanza unificada de Lakehouse beneficia la productividad de Rivian. “Unity Catalog nos ofrece un catálogo de datos verdaderamente centralizado para todos nuestros diferentes equipos”, explicó. “Ahora contamos con la administración y los controles de acceso adecuados”. Venkat agrega: “Con Unity Catalog, centralizamos la administración del acceso y el catálogo de datos en varios equipos y espacios de trabajo, lo que simplificó la gobernanza”. La gobernanza controlada por versiones de extremo a extremo y la auditabilidad de fuentes de datos confidenciales, como las que se utilizan para los sistemas de conducción autónoma, generan una solución sencilla pero segura para la ingeniería de características. Esto le da a Rivian una ventaja competitiva en la carrera por dominar la red de conducción autónoma.

La colaboración entre Databricks y AWS permitió a Rivian ampliar su capacidad para ofrecer información valiosa sobre los datos con rapidez, eficiencia y rentabilidad. Rivian está preparada para aprovechar más datos para mejorar las operaciones y el rendimiento de sus vehículos a fin de mejorar la experiencia del cliente. Venkat afirma: “La flexibilidad que ofrece Lakehouse nos permite ahorrar mucho dinero desde la perspectiva de la nube, y eso es una gran ventaja para nosotros”. Dado que Databricks Lakehouse en AWS proporciona un enfoque unificado y de código abierto para los datos y el análisis, el equipo de fiabilidad de los vehículos puede comprender mejor cómo los usan las personas y eso ayuda a elaborar el diseño de las generaciones futuras de vehículos. Al aprovechar la plataforma Lakehouse de Databricks, registraron un aumento de entre un 30 % y un 50 % en el rendimiento del tiempo de ejecución, lo que permitió obtener información a mayor velocidad y mejorar el rendimiento de los modelos.

Shiverick explica: “Desde el punto de vista de la fiabilidad, podemos asegurarnos de que los componentes resistirán los ciclos de vida adecuados. Puede ser algo simple, como asegurarse de que las manijas de las puertas sean lo suficientemente resistentes como para soportar un uso constante, o bien, algo complicado, como el mantenimiento predictivo y preventivo para eliminar la posibilidad de fallas en la carretera. En términos generales, estamos mejorando la calidad del software en función de las métricas clave del vehículo para mejorar la experiencia del cliente”.
Desde la perspectiva de la optimización del diseño, la visualización de datos sin obstáculos de Rivian también está generando nueva información de diagnóstico que puede mejorar la salud, la seguridad y la protección de la flota. Venkat afirma: “Podemos realizar diagnósticos remotos para clasificar un problema rápidamente, solicitar la entrada de un servicio móvil o, posiblemente, enviar una OTA para solucionar el problema con el software. Todo esto requiere una alta visibilidad de los datos, lo cual fue posible gracias a nuestra asociación e integración en la propia plataforma”. Con desarrolladores que crean activamente software para vehículos que mejoran los problemas en el camino.

En el futuro, Rivian prevé una rápida adopción de Databricks Lakehouse en diferentes equipos, lo que aumentaría el número de usuarios de la plataforma de 5 a 250 en solo un año. Esto desbloqueó nuevos casos de uso, como el uso del ML de AWS para optimizar la eficiencia de la batería en temperaturas bajas, aumentar la precisión de los sistemas de conducción autónoma y proporcionar a los depósitos comerciales paneles de control del estado de los vehículos para un mantenimiento oportuno y continuo. A medida que se entreguen más EAV y su flota de furgonetas comerciales se amplíe, Rivian seguirá aprovechando la gran cantidad de datos generados por sus EAV para ofrecer nuevas innovaciones y experiencias de conducción que revolucionen el transporte sostenible.