TWAICE, AWS를 사용하여 배터리 사용 시간 20% 개선, 고객 온보딩 시간 단축

TWAICE는 전기차 제조사와 재생 에너지 회사가 배터리 기술의 사용 방식을 최적화할 수 있도록 예측 분석을 제공합니다. 탄소 배출 저감에 대한 소비자의 관심이 증가함에 따라, TWAICE는 성장을 관리하기 위해 AWS를 기반으로 한 클라우드 네이티브 플랫폼을 개발했습니다. 이 회사는 데이터 분석의 속도와 정확도를 300% 높여 고객이 배터리를 최대한 효율적으로 활용할 수 있도록 하고 배터리 구입 비용과 유지 보수 비용을 20% 절감했습니다. 또한 IT 팀의 효율성을 높여 개발 시간을 몇 개월에서 2주로 단축하고 배포 시간을 3일에서 몇 시간으로 단축했습니다. 고객 온보딩에 필요한 시간이 몇 주에서 몇 시간으로 단축되었고, TWAICE는 DevOps 팀의 규모를 유지하면서도 내부 비용을 60% 절감할 수 있었습니다.  

TWAICE는 탄소 배출 없는 미래에 한 발짝 더 다가서고 있습니다. 클라우드 기반 플랫폼은 예측 분석과 사물 인터넷(IoT)을 사용하여 전기차 제조사와 재생 에너지 제공업체가 배터리 기술 사용 방식을 최적화하도록 지원합니다. 이 회사의 고객으로는 Mercedes Benz, Audi 등 주요 자동차 제조사와 오스트리아의 Verbund와 같은 전기 회사가 있습니다. 이들은 TWAICE 소프트웨어를 사용하여 차량 또는 에너지 저장 시스템의 배터리 상태와 성능을 모니터링합니다.

온프레미스 인프라를 사용할 경우 고객에게 인사이트를 제공하는 데 필요한 대규모 데이터 세트를 분석하는 프로세스가 느리고 비용도 많이 듭니다. 이에, 독일의 이 소프트웨어 스타트업은 Amazon Web Services(AWS)에 주목했습니다.

TWAICE는 클라우드로 마이그레이션한 결과 데이터 분석의 속도와 정확도를 300% 개선하여 고객이 배터리를 최대한 효율적으로 활용하는 데 도움을 줄 수 있었습니다. 아울러 IT 팀의 효율성과 혁신 잠재력을 높이고 고객 온보딩에 필요한 시간을 2주에서 단 몇 시간으로 단축했습니다.

6개월 만에 클라우드로 마이그레이션

이 회사의 클라우드 기반 솔루션은 배터리 사용과 관련한 인사이트를 제공하여 전반적인 사용 시간을 최대 20%까지 더 늘릴 수 있습니다. 이를 통해 TWAICE는 고객에 대한 서비스를 개선하는 동시에 고객의 배터리 유지 보수 및 구매 비용을 20% 절감해줍니다.

이와 같은 분석을 수행하려면 이전에는 주당 1만 개 항목에서 하루 수십억 개 항목으로 늘어난 대량의 데이터를 처리할 막대한 컴퓨팅 파워가 필요합니다. TWAICE의 온프레미스 서버와 데이터베이스로 인해 그동안은 이 데이터를 처리하는 속도가 느리고 비용이 높았습니다. 이런 환경은 성장을 저해할 뿐만 아니라 정확한 결과를 빠르게 제공할 수도 없었습니다.

TWAICE는 2020년에 AWS와 함께 데이터 마이그레이션, IoT 플랫폼 및 분석 파이프라인을 위한 다양한 워크플로를 구축하기 시작했습니다. 마이그레이션 속도를 높이기 위해, 익숙한 프로그래밍 언어로 클라우드 애플리케이션 리소스를 정의하는 오픈 소스 소프트웨어 개발 프레임워크인 AWS Cloud Development Kit(AWS CDK)를 기반으로 한 코드형 인프라 접근 방식을 사용했습니다.

그리고 TWAICE는 6개월 만에 클라우드로의 마이그레이션을 완료했습니다. 또한 DevOps 팀의 규모를 유지할 수 있었기 때문에, 비즈니스 성장에 맞추어 인력을 더 고용할 필요가 없었습니다. 덕분에 내부 DevOps 확장 비용이 60% 절감되었습니다. TWAICE의 선임 클라우드 엔지니어 Timo Geissler는 "AWS CDK를 사용하여 프로그래밍 관련 지식과 경험이 있는 팀원들이 빠르게 운영을 시작할 수 있었습니다. 결과적으로, 클라우드로의 여정이 훨씬 쉬워졌고, 이 전환을 위해 인력을 추가로 고용할 필요가 없었습니다"라고 전했습니다.

이 회사의 IT 팀은 AWS를 통해 AWS 관리형 서비스를 사용하여 새로운 배터리 기능을 훨씬 더 빨리 개발할 수 있게 되면서 인프라 개발에 소요되는 시간을 줄일 수 있습니다. 또한 배포 시간을 3일에서 불과 몇 시간으로 단축했습니다.

더 빠르고 정확한 배터리 분석

클라우드에서는 TWAICE가 컴퓨팅 용량을 동적으로 확장할 수 있으므로, 비용 효율적일 뿐만 아니라 결과도 더 빠르게 얻을 수 있습니다. AWS의 유연한 컴퓨팅 기능 덕분에, TWAICE는 이제 몇 분 만에 분석 결과를 제공할 수 있습니다. 그리고 기계 학습 기술을 활용한 덕분에 결과의 정확도도 이전보다 최대 300% 더 높습니다. TWAICE의 최고 기술 책임자 Jeff Glasson은 "고객은 더 나은 분석을 통해 보다 정확한 결과를 얻을 수 있습니다. 이는 곧 배터리 시스템에 대한 신뢰도가 높아지고 매출이 증대되는 결과로 이어집니다. 아울러 민첩성이 향상되므로, 저희는 서비스를 개선하는 데 집중할 수 있습니다. 저희와 고객 모두에게 이롭죠"라고 전했습니다.

TWAICE는 기계 학습 모델을 훈련하여 배터리 사용 시간 예측 성능을 지속적으로 개선하고 있습니다. 이를 위해 TWAICE는 Amazon SageMaker를 활용했습니다. 이 서비스는 데이터 사이언티스트와 개발자가 고품질 기계 학습 모델을 준비, 구축, 훈련 및 배포할 수 있도록 지원합니다. TWAICE의 선임 클라우드 엔지니어 Max Forster는 "더 이상 모델 관리를 위한 맞춤형 솔루션을 구축하거나, 분석을 지원하기 위해 고가의 IT 장비에 투자할 필요가 없습니다. 기반 IT 인프라를 확장하는 데 신경 쓸 필요 없이, 수백 개의 기계 학습 작업을 동시에 실행할 수 있습니다. 모든 면에서 만족스럽습니다"라고 전했습니다.

몇 주에서 몇 시간으로 고객 온보딩 시간 단축

전기 자동차와 재생 에너지원에 대한 소비자의 관심이 높아지면서, TWAICE에 대한 고객의 요청은 갈수록 늘어나고 있었습니다. Forster는 "우리 팀은 힘든 상황이었습니다. 고객마다 개별적으로 관리해야 하는 자체 코드를 사용 중이었습니다. 그러한 코드를 처리하는 데 최대 2주가 걸릴 수 있었습니다"라고 전했습니다.

TWAICE는 디바이스 소프트웨어를 구축, 배포 및 관리하는 오픈 소스 엣지 런타임 및 클라우드 서비스인 AWS IoT Greengrass를 사용하여 코드 생성을 자동화하고 IT 팀 효율성을 개선했습니다. 고객이 모니터링하는 각각의 배터리에 요구되는 IoT 인증서 문제를 해결하기 위해, TWAICE는 서버나 클러스터에 관계없이 코드를 실행할 수 있는 AWS Lambda를 사용하여 리소스를 자동으로 프로비저닝합니다.

이 변화 덕분에 수작업이 줄고 고객의 온보딩 시간이 최대 2주에서 단 몇 시간으로 단축되었고, 회사는 고객 수요를 충족하는 동시에 성장을 가속화할 수 있게 되었습니다. 지난 2년 동안 TWAICE의 고객은 100% 가까이 늘었고 처리한 데이터양은 10만 배 증가했습니다. 또한 AWS에서 실행되는 통합 IT 인프라를 활용함에 따라, TWAICE는 핵심 비즈니스에 집중할 수 있게 되었습니다. Glasson은 "AWS를 기반으로 구축한 결과 IT 복잡성을 줄일 수 있었습니다. 이제 저희가 가장 잘하는 일, 즉 고객이 배터리 기술을 최대한 효율적으로 활용하도록 지원하는 데 집중할 수 있게 되었습니다"라고 전했습니다.