Dados na nuvem: desenvolvimento baseado em dados

No passado, um test drive terminava quando o veículo estava estacionado na garagem. Hoje, também continua bem depois disso - por exemplo, ao testar a prontidão para estrada de modelos elétricos a bateria, que também é realizado à noite e nos finais de semana. Isso envolve a mudança automática do veículo para o modo de partida centenas de vezes: a temperatura, a voltagem e a capacidade da bateria de alta voltagem são verificadas e os sistemas de bordo são preparados para pegar a estrada. Cada vez que é iniciado, os registradores de dados assinalam toda a comunicação no veículo – até três gigabytes de dados brutos por teste, ou aproximadamente o equivalente a 40.000 e-mails sem anexo. Os dados de medição são então enviados para a nuvem por meio de uma rede móvel ou WiFi, onde são processados e analisados. Tudo isso ocorre automaticamente. “Quando o engenheiro chega ao escritório pela manhã, há um e-mail em sua caixa de correio informando a disponibilidade dos dados e resultados do teste”, diz Jonas Brandstetter, Engenheiro de Desenvolvimento da Porsche Engineering.

Impulso graças à nuvem

Esse tipo de desenvolvimento de veículo baseado em dados está ganhando importância rapidamente. Para um número crescente de questões técnicas, análises de dados abrangentes podem fornecer uma base empírica mais ampla e complementar a experiência dos engenheiros. O desenvolvimento orientado por dados recebe um impulso adicional da nuvem, pois muito mais dados de teste podem ser avaliados com a ajuda da capacidade de processamento online. Isso acelera o trabalho de desenvolvimento e, ao mesmo tempo, leva a um uso mais eficaz da infraestrutura de TI. “A nuvem pode agregar valor em quase todas as áreas”, diz Brandstetter.

Especialistas estimam que a quantidade de informações digitais no veículo aumentou dez vezes nos últimos anos. Se forem adicionados sistemas modernos de assistência ao motorista, ADAS (Sistema Avançado de Assistência ao Condutor) e segurança, o volume de dados aumenta novamente. “Os veículos de clientes e de teste que serão entregues no futuro não podem mais ser processados manualmente”, diz Daniel Schumacher, especialista em arquitetura em nuvem da Porsche Engineering.

Em termos concretos: Em sua versão original, a tecnologia de barramento CAN (Controller Area Network) foi projetada para um milhão de bits por segundo. Seu sucessor, a Ethernet automotiva, pode transmitir dez mil vezes essa quantidade - dez gigabits por segundo. Em outras palavras, a quantidade de dados flui pelo veículo em 3,5 segundos, conforme necessário para um longa-metragem completo em DVD. Os dados também se originam de mais e mais fontes. A Porsche Engineering equipou totalmente seus veículos de teste mais recentes com o sistema JUPITER (Joint User Personalized Integrated Testing and Engineering Resource) com scanners a laser que registram 1,5 milhão de pontos de medição a cada segundo.

Com a ajuda do ComBox, que pode ser instalado no veículo em poucos passos, essas e outras informações podem ser transferidas para a nuvem em tempo real. Outra fonte de dados são os sistemas hardware-in-the-loop (HiL), nos quais são simuladas partes do veículo, por exemplo, o cockpit com o painel de instrumentos e os elementos operacionais. Isso permite que o sistema de informação e entretenimento para um novo modelo seja testado antes que o veículo real esteja disponível.

No passado, os dados geralmente eram analisados localmente. Os engenheiros de desenvolvimento transferiram os valores medidos dos test drives para computadores locais e os avaliaram lá. As desvantagens desse procedimento: É necessário muito trabalho manual; apenas pessoas do respectivo departamento têm acesso aos dados; e uma infraestrutura de TI separada deve ser configurada para cada tarefa, cuja capacidade pode não ser utilizada de maneira ideal posteriormente.

Essas desvantagens podem ser eliminadas usando a nuvem. Se os dados forem carregados em um data lake central, qualquer número de desenvolvedores poderá acessá-los, independentemente de trabalharem na República Tcheca, Romênia, China, Itália ou Alemanha. “Esta é a plataforma ideal para permitir a participação de especialistas de todo o mundo”, diz Daniel Meissner, Especialista Sênior de TI da Porsche Engineering. Além disso, as capacidades externas do computador são adaptáveis. Sistemas inteiros ou nós de computação podem ser adicionados ou removidos conforme necessário, dependendo da tarefa.

Estrutura de dados unificada

No entanto, é necessário um trabalho preliminar para aproveitar os benefícios da nuvem. “Precisamos disponibilizar todos os dados em uma estrutura uniforme”, explica Schumacher. O formato no qual um instrumento de medição ou sensor entrega seus dados depende do fabricante específico e do software usado internamente. Existem também vários padrões para comunicação interna do veículo (CAN, FlexRay, ethernet automotivo). Para visualizar os dados separadamente do respectivo hardware, a Porsche Engineering usa uma espécie de camada intermediária - o Robot Operating System (ROS). Esta estrutura de programação, originalmente desenvolvida para robôs industriais, fornece um formato de dados uniforme e ferramentas para avaliação.

Ao contrário do trabalho no local, a avaliação de um test drive pode começar hoje enquanto o veículo ainda está na pista em qualquer lugar do mundo. Os veículos JUPITER, por exemplo, são conectados diretamente à nuvem via 5G. Isso significa que a primeira etapa do trabalho pode ser realizada com o veículo ainda em movimento, uma etapa conhecida como pré-processamento: os dados que foram compactados para transporte são revertidos ao seu estado inicial. Uma seleção é feita, pois nem todas as informações digitais são relevantes para o desenvolvimento de uma função de direção. Nos testes de preparação para a estrada mencionados acima, por exemplo, um algoritmo seleciona aqueles testes nos quais uma unidade de controle no ônibus do veículo não reagiu com rapidez suficiente - por exemplo, se não foi inicializada nos 200 milissegundos necessários, mas exigiu 400 milissegundos.

“Só vejo um ou dois casos em 100 em que algo não ocorreu de maneira ideal”, diz Adalbert Rosinski, especialista em redes e sistemas de barramento da Porsche AG. No passado, ele mesmo teria que realizar esse demorado processo de pré-seleção. Além disso, muito mais dados estão disponíveis, pois os testes são realizados automaticamente e pré-avaliados. “O número de casos de teste aumentou em um fator de 20 a 30”, estima Rosinski. Isso aumenta a chance de descobrir o potencial de otimização.

Avaliação com aprendizado de máquina (Machine Learning)

Além dos dados, as ferramentas de análise com as quais os desenvolvedores trabalharam anteriormente localmente também devem ser transferidas para a nuvem. Esta é a etapa geralmente associada à maior quantidade de trabalho. “Trabalhamos intensamente com o respectivo departamento ao converter em código”, relata Schumacher.

Um exemplo típico de desenvolvimento automotivo é uma análise de limite ou curva característica, na qual o software examina uma série temporal e marca as áreas nas quais os dados atingiram um nível crítico. Além disso, a avaliação usando aprendizado de máquina está se tornando cada vez mais difundida: um algoritmo é alimentado com grandes conjuntos de dados reais e aprende autonomamente a reconhecer momentos críticos. Ambos os métodos de análise podem ser transferidos para a nuvem sem problemas. Para realizar uma análise em vários computadores em paralelo, o trabalho deve ser dividido em pequenos pacotes – os especialistas falam em torná-lo habilitado para nuvem.

Um test drive de oito horas, por exemplo, é dividido em segmentos de uma hora cada. Os dados de medição são combinados com o código de análise para formar pacotes; esses contêineres, como são chamados, podem então ser distribuídos para máquinas virtuais na rede. “Na nuvem, até 200 processos podem ser iniciados em paralelo”, acrescenta Brandstetter; “No passado, você teria que ter 200 computadores disponíveis localmente para isso.”

Os desenvolvedores recebem os resultados da avaliação da nuvem no formato HyDA (dados e análises híbridos), sendo este um mix de dados de medição e avaliação. “Isso permite que o engenheiro realize uma análise em todos os níveis”, explica Brandstetter. Eles podem, por exemplo, ter uma avaliação verdadeira/falsa completa exibida para uma série de dados - ou, se necessário, mergulhar fundo na análise de 300 sinais individuais.

Sem alternativa a longo prazo

As vantagens de trabalhar na nuvem são óbvias: mais velocidade, mais dados e uma base de informações mais ampla para os processos de tomada de decisão. No entanto, migrar para a nuvem é um desafio. “Significa uma maneira completamente nova de trabalhar”, como reconhece Meissner. Para facilitar o início, os especialistas em nuvem da Porsche Engineering trabalham intensamente com os departamentos especializados. “Não queremos assumir o trabalho, mas levar nossos colegas para o passeio”, como Meissner descreve a abordagem.

Em pequenos workshops e acompanhados por consultores, os departamentos especializados trazem eles próprios os seus processos para a nuvem. Os especialistas concordam em um ponto: a longo prazo, não há alternativa ao desenvolvimento baseado em dados. “No futuro, será uma questão de validar o software antes mesmo de chegar à unidade de controle do veículo”, explica o especialista em redes Rosinski. Os testes ocorrerão cada vez mais em ambientes de teste virtuais, continua ele. Ao mesmo tempo, significativamente mais ciclos de validação serão executados na mesma quantidade de tempo. Sem a nova arquitetura na nuvem, diz ele, esse ritmo seria inviável.

Resumo

O desenvolvimento baseado em dados está ganhando importância rapidamente. A nuvem fornece um impulso adicional, pois muito mais dados de teste podem ser avaliados em um curto espaço de tempo. A Porsche Engineering usa desenvolvimento baseado em dados e está aplicando o método em campos cada vez mais técnicos.

Analisando dados durante a viagem - com segurança máxima

A Porsche Engineering usa o Microsoft Azure Cloud como plataforma para processamento de dados de desenvolvimento. O chamado modelo de confiança zero garante segurança máxima para dados confidenciais. A suposição inicial é que todos os dispositivos são inseguros, incluindo aqueles conectados por meio de uma rede privada virtual (VPN). “Todo acesso deve ser autenticado, autorizado e criptografado”, explica o Dr. Markus Stinner, especialista automotivo da Microsoft Alemanha.

Um veículo de desenvolvimento é abordado como um dispositivo de Internet das Coisas com seus próprios certificados de segurança. Os uploads de dados podem ser autenticados e autorizados individualmente. “Usando essa arquitetura, também podemos transmitir dados de desenvolvimento do veículo com um mínimo de atraso”, diz Stinner. A análise real ocorre em um cluster Kubernetes na nuvem.

Um cluster Kubernetes é um grupo de máquinas virtuais que podem executar muitas tarefas em paralelo. O pré-requisito para isso é que as tarefas foram primeiro tornadas paralelizáveis - ou seja, dividido em pequenos pacotes. Isso é feito por meio de containers do tipo docker, que contêm tudo o que a máquina virtual precisa para funcionar: sistema operacional (peças), código do programa e dados a serem processados.

Um test drive de oito horas, por exemplo, é dividido em segmentos de uma hora cada e, em seguida, é salvo junto com a respectiva ferramenta de análise em um container. Isso significa que várias centenas de horas de test drives podem ser avaliadas em paralelo na nuvem. Para o provedor de nuvem Microsoft, o setor automotivo desempenha um papel extremamente importante. “Software é o motor do futuro – isso é enfatizado pela estreita parceria que firmamos com o Grupo Volkswagen.” A condução autônoma aumentará ainda mais a complexidade do software. “Queremos enfrentar esse desafio junto com a Porsche Engineering.”

Texto publicado pela primeira vez na Porsche Engineering Magazine, edição 2/2023

Texto: Constantin Gillies

Ilustrações: Dan Matutina