ケーススタディ: 2 - TerramEarth ケーススタディ
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。
同社の事業の 80% は鉱業、20% は農業です。現在、100 か国に 500 を超える販売店とサービス センターがあります。同社の使命は、顧客の生産性を高める製品を作ることです。
会社概要
TerramEarth は、第二次世界大戦後に再編するためにいくつかの小規模な家族経営の会社が合併した 1946 年に設立されました。同社は従業員と顧客を大切にし、彼らを家族の一員として考えています。
TerramEarth は、顧客のニーズの変化に応じてコア製品を革新し、新しい市場を見つける能力を誇りにしています。過去 20 年間、業界の傾向は主に、人間のオペレーターが操作する大型車両を使用して生産性を向上させる方向にありました。
ソリューションコンセプト
1 秒あたり 120 フィールドのデータを収集する 2,000 万台の TerramEarth 車両が稼働しています。
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、現場で車両を新しいコンピューティング モジュールでアップグレードできます。
約 20 万台の車両がセルラー ネットワークに接続されており、TerramEarth はデータを直接収集できます。1 秒あたり 120 フィールドのデータが収集され、1 日あたり 22 時間稼働します。
TerramEarth は、こ​​れらのコネクテッド ビークルから 1 日あたり合計約 9 TB のデータを収集します。
既存の技術環境

TerramEarth の既存のアーキテクチャは、データ センターにある Linux 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、現場から CSV ファイルを gzip 形式で圧縮し、FTP 経由でアップロードして変換および集約し、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、集約されたレポートは 3 週間前のデータに基づいています。
このデータにより、TerramEarth は事前に交換部品を在庫し、車両の予定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、交換部品を待つ間、最大 4 週間車両を使用できない顧客もいます。
ビジネス要件
- 計画外の車両ダウンタイムを1週間未満に短縮し、
余剰在庫の保管コストの増加
- 顧客の使用状況に関するより多くのデータでディーラーネットワークをサポート
自社の機器の IP により、新製品やサービスの位置付けが向上します。
- さまざまな企業と提携する能力、特に
急成長中の農業における種子と肥料の供給業者
ビジネス - 顧客にとって魅力的な共同提案を創造する
CEOの声明
当社は、大型車両へのトレンドを利用して、お客様の生産性を向上させることに成功しています。技術の変化は急速に進んでおり、TerramEarth はコネクテッド デバイス テクノロジーを活用して、インテリジェント農業機器などのより優れたサービスをお客様に提供しています。このテクノロジーにより、過去のトレンドを利用して車両の操作方法を調整することで、農家の収穫量を 25% 増加させることができました。これらの進歩により、当社の農業製品ラインは急速に成長し、2020 年までに収益の 50% を占めると予想しています。
CTO 声明
当社の競争上の優位性は、競合他社よりも低コストで優れた車両を製造できる製造プロセスに常にありました。しかし、異なるアプローチによる新製品が絶えず開発されており、業界の次の変革の波に対応できるスキルが当社には不足しているのではないかと懸念しています。残念ながら、当社の CEO は技術の陳腐化を真剣に受け止めておらず、業界の多くの新興企業をニッチ プレイヤーと見なしています。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、スキルを磨くことです。
この質問については、TerramEarth のケーススタディを参照してください。Google Cloud Platform の採用の増加により、TerramEarth の従来のエンタープライズ プロセスのどれに大きな変化が起こりますか。

Kubernetes Engine (GKE) でクラスタを実行して、Web アプリケーションを提供しています。ユーザーから、アプリケーションの特定の部分が応答しなくなったという報告を受けています。デプロイメントのすべてのポッドが 2 秒後に再起動を続けていることに気付きました。アプリケーションはログを標準出力に書き込みます。ログを調べて問題の原因を見つけたいと考えています。どのようなアプローチが考えられますか。

この質問については、EHR Healthcare のケーススタディを参照してください。あなたは、Google Kubernetes Engine 用の Google Cloud ネットワーク アーキテクチャの設計を担当しています。Google のベスト プラクティスに従う必要があります。
EHR ヘルスケアのビジネス要件と技術要件を考慮すると、攻撃対象領域を減らすために何をすべきでしょうか?

Cloud ML Engine を使用して、アップロードされた画像から有名な絵画を認識するアプリケーションを開発しました。アプリケーションをテストし、特定のユーザーが今後 24 時間以内に画像をアップロードできるようにしたいと考えています。すべてのユーザーが Google アカウントを持っているわけではありません。ユーザーに画像をアップロードさせるにはどうすればよいですか。

あなたの会社では、75 TB のデータを Google Cloud に移行しています。Cloud Storage を使用して、Google の推奨プラクティスに従うことを希望しています。どうすればよいでしょうか。