Rivian - 전기차의 미래로 나아가기

(원문: 링크)

산업: 제조
솔루션: 예지보전, IoT용 ML 모델 확장, 데이터 기반 ESG
플랫폼: 레이크하우스, 델타 레이크, 유니티  카탈로그
클라우드: AWS

 

"데이터브릭스 레이크하우스를 통해 조직 전반에서 데이터 액세스의 진입 장벽을 낮춰 세계에서 가장 혁신적이고 신뢰할 수 있는 전기차를 개발할 수 있게 되었습니다."
— Wassym Bensaid, Vice President of Software Development, Rivian

 

Rivian은 혁신적인 전기 모험 차량(Electric Adventure Vehicles, EAV)을 통해 미래 세대를 위한 지속 가능성에 투자하고 있습니다. 도로를 달리는 25,000대 이상의 EAV가 매일 수 테라바이트의 IoT 데이터를 생성하는 가운데, Rivian은 데이터 인사이트와 머신 러닝을 사용하여 차량 상태와 성능을 개선하고 있습니다.

 

Rivian은 과거의 클라우드 툴로는 파이프라인을 비용효율적으로 확장하는 데 어려움을 겪었고, 유지 관리에 상당한 리소스를 낭비하여 진정한 데이터 기반 역량을 갖추지 못했습니다. 데이터브릭스 레이크하우스 플랫폼으로 전환한 후, Rivian은 이제 차량이 어떻게 동작하는지, 그리고 이것이 차량을 사용하는 운전자에게 어떤 영향을 미치는지 이해할 수 있게 되었습니다. 이러한 인사이트를 바탕으로 Rivian은 더 빠르게 혁신하고 비용을 절감하며 궁극적으로 고객에게 더 나은 주행 경험을 제공하고 있습니다.

 

레거시 플랫폼에서 데이터 민주화를 위한 노력

미래 세대가 계속 누릴 수 있는 세상을 구축하려면 운영 방식에 변화가 필요합니다. 이러한 변화의 선두에는 지구의 에너지 및 운송 시스템을 화석 연료에서 완전히 탈피하는 데 주력하는 전기 자동차 제조업체인 Rivian이 있습니다. 현재 Rivian의 제품에는 개인용 차량이 포함되어 있으며 Amazon과의 파트너십을 통해 10만 대의 상업용 밴을 공급하고 있습니다. 각 차량은 IoT 센서와 카메라를 사용하여 차량의 주행 방식부터 다양한 부품의 작동 방식에 이르기까지 페타바이트 단위의 데이터를 수집합니다. 이 모든 데이터를 손쉽게 활용할 수 있는 Rivian은 머신 러닝을 사용한 예지보전을 통해 전반적인 고객 경험을 개선하고, 잠재적인 문제가 운전자에게 영향을 미치기 전에 해결될 수 있도록 합니다. 

 

Rivian은 첫 번째 EAV를 출하하기도 전에 이미 데이터 가시성과 툴링의 한계로 생산량 감소, 협업의 어려움, 운영 비용 증가 등의 문제에 직면했습니다. 30~50개의 크고 운영이 복잡한 컴퓨팅 클러스터가 항상 운영되어야 했기 때문에 많은 비용이 들었고, 시스템 관리가 어려웠을 뿐만 아니라 클러스터 중단이 자주 발생하여 팀원들이 데이터 분석보다 장애 복구에 더 많은 시간을 할애해야 했습니다. 또한, 분리된 시스템으로 인해 데이터 사일로가 생겨 데이터 공유가 느려졌고, 이로 인해 생산성 문제는 더 심화되었습니다. 특정 데이터 언어와 툴에 대한 전문 지식은 개발자가 데이터를 충분히 활용할 수 없도록 진입 장벽을 높였습니다. Rivian의 수석 데이터 사이언티스트인 Jason Shiverick은 데이터 액세스가 가장 큰 문제였다고 말합니다. "기술 수준이 낮은 더 많은 사용자에게 데이터를 개방하여 이들이 데이터를 더 쉽게 활용할 수 있도록 하고 싶었습니다."

 

Rivian은 EAV가 시장에 출시되면 수집되는 데이터의 양이 폭발적으로 증가할 것이라는 것을 알고 있었습니다. Rivian은 약속한 안정성과 성능을 제공하기 위해 데이터 액세스를 대중화할 뿐만 아니라 안정적이고 즐거운 운전 경험을 보장하는 혁신적인 솔루션을 구축할 수 있는 공통 플랫폼을 제공할 수 있는 아키텍처가 필요했습니다.

 

데이터브릭스 레이크하우스를 통한 유지보수 문제 예측

Rivian은 데이터브릭스 레이크하우스 플랫폼에서 데이터 인프라를 현대화하여 모든 데이터를 다운스트림 분석 및 머신러닝을 위한 공통 뷰로 통합할 수 있는 기능을 제공하기로 결정했습니다. 이제 각 데이터 팀은 예지보전에서 더 스마트한 제품 개발에 이르기까지 다양한 사용 사례에 실행 가능한 인사이트를 제공할 수 있는 도구를 갖게 되었습니다. Rivian의 빅 데이터 수석 이사인 Venkat Sivasubramanian은 "데이터와 분석을 효율적인 방식으로 민주화하는 개방형 데이터 플랫폼을 중심으로 문화를 구축할 수 있었습니다."라고 말합니다. 모든 프로그래밍 언어를 유연하게 지원하고 다양한 도구 집합과 원활하게 통합되는 데이터브릭스는 접근성에 대한 장애물을 없애고 새로운 기회를 열어주었습니다. Rivian의 소프트웨어 개발 담당 부사장인 Wassym Bensaid는 "현재 기술팀과 비즈니스팀 모두 데이터브릭스 레이크하우스를 사용하여 데이터를 탐색하고, 성능이 우수한 데이터 파이프라인을 구축하고, 시각적 대시보드를 통해 실행 가능한 비즈니스 및 제품 인사이트를 추출하고 있습니다."라고 설명합니다.

 

Rivian의 ADAS(첨단 운전자 지원 시스템) 팀은 이제 원격 측정 가속도계 데이터를 쉽게 준비하여 모든 EAV의 움직임을 이해할 수 있습니다. 이 핵심 기록 데이터에는 피치, 롤, 속도, 서스펜션 및 에어백 작동에 대한 정보가 포함되어 있어 차량 성능, 주행 패턴 및 커넥티드 카 시스템의 예측 가능성을 이해하는 데 도움이 됩니다. 이러한 주요 성능 지표를 기반으로 Rivian은 스마트 기능의 정확성과 운전자의 제어 능력을 향상할 수 있습니다. 장거리 운전과 교통 체증으로 인한 스트레스를 덜어주도록 설계된 어댑티브 크루즈 컨트롤, 차선 변경 보조, 자동 긴급 주행, 전방 충돌 경고와 같은 기능은 시간이 지남에 따라 개선되어 고객의 주행 경험을 지속적으로 최적화할 수 있습니다.

 

데이터브릭스 유니티 카탈로그를 통해 안전한 데이터 공유 및 협업도 가능해졌습니다. Shiverick은 레이크하우스의 통합 거버넌스가 Rivian의 생산성에 어떤 이점을 제공하는지 설명합니다. "유니티 카탈로그는 여러 팀에 걸쳐 진정한 중앙 집중식 데이터 카탈로그를 제공합니다."라고 그는 말합니다. "이제 적절한 액세스 관리와 제어가 가능해졌습니다."Venkat은 "유니티 카탈로그를 통해 다양한 팀과 워크스페이스에서 데이터 카탈로그와 액세스 관리를 중앙 집중화하여 거버넌스를 간소화할 수 있었습니다."라고 덧붙입니다. 자율주행 시스템에 사용되는 것과 같이 민감한 데이터 소스에 대한 엔드투엔드 버전 제어 거버넌스 및 감사 기능을 통해 기능 엔지니어링을 위한 간단하면서도 안전한 솔루션을 제공합니다. 이를 통해 Rivian은 자율 주행 그리드를 선점하기 위한 경쟁에서 경쟁 우위를 확보할 수 있습니다.

 

전기화되고 지속가능한 세상으로의 가속화

Rivian은 속도, 효율성, 비용 효율성으로 가치 있는 데이터 인사이트를 제공할 수 있는 역량을 확장함으로써 더 많은 데이터를 활용하여 운영과 차량 성능을 개선하여 고객 경험을 향상시킬 수 있는 기반을 마련했습니다. Venkat은 "레이크하우스가 제공하는 유연성 덕분에 클라우드 관점에서 많은 비용을 절감할 수 있게 되었으며, 이는 우리에게 큰 도움이 됩니다."라고 말합니다. 데이터 및 분석에 대한 통합된 오픈 소스 접근 방식을 제공하는 데이터브릭스 레이크하우스를 통해 차량 신뢰성 팀은 사람들이 차량을 어떻게 사용하는지 더 잘 이해할 수 있으며, 이는 차세대 차량 설계에 정보를 제공하는 데 도움이 됩니다. 데이터브릭스 레이크하우스 플랫폼을 활용함으로써 런타임 성능이 30~50% 향상되어 인사이트와 모델 성능을 더욱 빠르게 확보할 수 있게 되었습니다.

 

시버릭은 "신뢰성 관점에서 부품이 적절한 수명 주기를 견딜 수 있는지 확인할 수 있습니다. 이는 도어 핸들이 지속적인 사용을 견딜 수 있을 만큼 튼튼한지 확인하는 것처럼 간단할 수도 있고, 현장에서 고장이 발생할 가능성을 없애기 위한 예측 및 예방적 유지보수처럼 복잡할 수도 있습니다. 일반적으로 더 나은 고객 경험을 위해 주요 차량 지표를 기반으로 소프트웨어 품질을 개선하고 있습니다."

 

설계 최적화 관점에서 볼 때, Rivian의 방해받지 않는 데이터 뷰는 차량 상태, 안전, 안정성 및 보안을 개선할 수 있는 새로운 진단 인사이트도 생성하고 있습니다. Venkat은 "원격 진단을 수행하여 문제를 신속하게 분류하거나, 모바일 서비스를 요청하거나, 소프트웨어 문제를 해결하기 위해 OTA를 보낼 수도 있습니다. 이 모든 작업을 수행하려면 데이터에 대한 가시성이 매우 중요한데, 플랫폼 자체의 파트너십과 통합을 통해 이러한 작업이 가능해졌습니다."라고 말합니다. 개발자들이 적극적으로 차량 소프트웨어를 구축하여 문제를 개선하고 있습니다.

 

앞으로 Rivian은 여러 팀에서 데이터브릭스 레이크하우스를 빠르게 채택하여 1년 만에 데이터브릭스 플랫폼 사용자 수가 5명에서 250명으로 증가했습니다. 이를 통해 머신 러닝을 사용하여 추운 날씨에서 배터리 효율을 최적화하고, 자율 주행 시스템의 정확도를 높이고, 상업용 차량 보관소에 차량 상태 대시보드를 제공하여 조기 및 지속적인 유지보수를 지원하는 등 새로운 사용 사례를 창출했습니다. 더 많은 EAV가 출시되고 상용 밴 차량이 확장됨에 따라 Rivian은 EAV에서 생성되는 방대한 데이터를 지속적으로 활용하여 지속 가능한 운송에 혁명을 일으킬 새로운 혁신과 주행 경험을 제공할 것입니다.