Gestione di dati in time series per il monitoraggio di una flotta di carri merci = Management of time series data for railway fleet monitoring

Il settore del trasporto merci su rotaia, normalmente poco soggetto a innovazioni importanti, sta vedendo una rapida evoluzione dovuta alla digitalizzazione in corso in tutti i settori industriali. In questo contesto si inserisce perfettamente il progetto di ricerca al quale ho partecipato, che propone una soluzione innovativa autoalimentata e poco invasiva per raccogliere la diagnostica di una flotta di carri merci. Il sistema di monitoraggio sviluppato ha bisogno di un’infrastruttura informatica volta a raccogliere, analizzare e rendere fruibili le informazioni raccolte, obiettivo del presente lavoro di tesi. Si è partiti con la definizione dell’architettura ottimale, individuando in Spring, Docker, Angular e MongoDb le tecnologie fondanti. Con questi ingredienti sono stati creati i componenti dell’architettura, andando a sviluppare: una REST API, il receiver, il database e l’interfaccia grafica. Sia il receiver che la REST API sono basate su Spring, ma sono state mantenute separate per ragioni di sicurezza, availability, carico e quindi scalability. Ci si è poi appoggiati a servizi Cloud, andando a confrontare i principali player, per dare delle fondamenta a questi componenti. Docker ci ha permesso di lavorare con il cloud in maniera ottimale garantendo continuità tra gli ambienti di deploy e la possibilità di muoversi anche tra provider diversi senza alcun problema. Confrontandosi all’interno del gruppo, ma anche con gli utilizzatori finali, si sono delineate meglio le principali caratteristiche del servizio, andando quindi a costruire un'interfaccia basata su un approccio mobile first e concentrandosi sul garantire un user experience ottimale. La gestione del salvataggio dello stream di dati su un livello di persistenza è stato gestito con molta attenzione, scegliendo MongoDb per le sue capacità in queste casistiche. Si è quindi definita una struttura annidata che sfruttasse la particolarità di document based db di Mongo e poi si sono costruite delle query di aggregazione in grado di restituire il giusto dettaglio di informazione su schermo. Altro aspetto sul quale ci si è focalizzati è la sicurezza, andando a rispettare le best-practices trasmesse in questi anni di formazione e garantendo delle connessioni sicure tramite l’utilizzo di certificati rilasciati da Let’s Encrypt. Si è poi fatto un tuning dei parametri sfruttando SSL Labs, questo ci ha permesso di ottenere un punteggio pari ad A.