Il cliente è un’azienda leader nel settore Automotive, nell’ambito dell’Industria 4.0, specializzata nella produzione di pneumatici per veicoli commerciali, industriali e agricoli, con un forte posizionamento su qualità, efficienza e sicurezza. Il progetto ha riguardato la migrazione dalla piattaforma deprecata JDV (JBoss Data Virtualization) verso una nuova architettura dati basata su Dremio e MinIO, storage distribuito per l’accesso federato ai dati di fabbrica raccolti da sensori, PLC e server OPC. L’obiettivo era costruire, in modo graduale, i presupposti tecnici per un futuro Data Lake, mantenendo inalterati gli strumenti di accesso già in uso: QlikSense, script Python e Grafana.

L’azienda utilizzava JDV (JBoss Data Virtualization), tecnologia ormai deprecata, per integrare i dati raccolti dal server OPC e dal server SQL Server, alimentato a sua volta dai PLC di macchina tramite sensori di temperatura, larghezza, peso e velocità, oltre ai dati del sistema MES legacy (codici prodotto, codici macchina, codici a barre, tolleranze di accettazione). La sfida era sostituire JDV con una soluzione moderna in grado di garantire, in prospettiva, un Data Lake aziendale, accedere più velocemente e in modo distribuito ai dati storici, e al tempo stesso non alterare i metodi di accesso già consolidati su QlikSense, script Python e dashboard Grafana, evitando impatti sulla produttività dei team.

Seacom ha analizzato l’architettura AS IS, basata su server OPC, SQL Server e JDV, per progettare una nuova architettura dati che introduce Dremio come motore di virtualizzazione: Dremio elimina la necessità di copie fisiche dei dati, semplifica l’accesso alle fonti tramite ODBC, JDBC, REST e Arrow Flight, e accelera le query attraverso le Data Reflections. MinIO è stato integrato come sistema di storage distribuito a oggetti, compatibile con formati CSV, JSON e Parquet, consentendo a ogni nodo esecutore di eseguire operazioni in autonomia e alle applicazioni di scrivere dati direttamente nello storage. Sono stati sviluppati connettori custom, oltre a quelli standard, per preservare inalterati gli accessi già utilizzati da QlikSense, script Python e Grafana. È stata inoltre proposta un’ulteriore semplificazione dell’architettura, con Dremio come unico sistema di virtualizzazione degli storage distribuiti, in vista dell’evoluzione verso un Data Lake completo.