Este documento visa apresentar a estrutura, implementação e potenciais benefícios da Prova de Conceito (POC) de telemetria na frota de ônibus da empresa HP Transportes. O foco está em demonstrar o potencial de transformação e otimização do negócio por meio da coleta e análise de dados.
A POC abrange a coleta de dados de telemetria de uma seleção de 10 ônibus, processamento desses dados, e a criação de dashboards interativos para análise e tomada de decisão. O escopo inclui:
- Coleta de dados via API de telemetria.
- Armazenamento temporário de dados.
- Análise e processamento de dados.
- Desenvolvimento de dashboards para visualização de insights.
- Criar documentação.
Demonstrar o potencial de impacto da telemetria no Aumento da eficiência operacional. Como primeiro teste, iremos ler os dados do endpoint (GEODATA) que possui os dados de geolocalização de todos os carros durante o dia. A POC consiste em comparar o trajeto realizado pelo carro (telemetria) com o trajeto programado e alertar o cliente para aqueles carros que tiveram um desvio acima do que foi definido como regra de negócio.
- API de Telemetria: Descrição da API e como os dados serão coletados.
- Banco de Dados Temporário: PostgreSQL.
- Ferramentas de ETL: Airflow e DBT.
- Plataforma de Dashboard: Power BI.
A coleta de dados consiste em criar pipelines no Apache Airflow para obter dados das API's da Mix Telematics e do SianNet
O processamento dos dados consiste na utilização do DBT que trata os dados em nível de banco e dados, gerando documentação de tudo o que é realiado.
Disponibilização de dados para a área de operações para confecção de dashboards. Envio de reports por email.
- Demonstração de como a telemetria pode oferecer insights para a otimização de rotas.
- Projeção de economia com a redução de custos operacionais.
- Estimativa de melhoria na manutenção preventiva dos veículos.
- Avaliação do potencial de melhoria na satisfação dos usuários.
O Projeto demonstrou que os ganhos que o negócio pode alcançar vão muito além do que somente economia de combustível. Poderemos traçar perfis de motoristas, perfis de acidentes, realizar testes de uso de peças. Se enriquecido com outras informações como por exemplo, data e localização de eventos, previsões e dados metereológicos históricos, entre outros. Podemos obter insights ainda mais valiosos.