Cargotec utilizza dati e ML per ottimizzare il flusso di merci e promuovere soluzioni sostenibili

Cargotec Oyj (Cargotec), un fornitore globale di soluzioni per la movimentazione di merci e carichi, è un'azienda a 1,5°C, il che significa che ha annunciato l'obiettivo di ridurre della metà le sue emissioni di anidride carbonica tra il 2019 e il 2030. Per raggiungere questo obiettivo, Cargotec promuove l'efficienza e la sostenibilità fornendo ai clienti soluzioni elettriche e raccogliendo dati con la sua soluzione Internet delle cose (IoT). Pur puntando alla trasformazione digitale della movimentazione di merci e carichi, la missione di Cargotec è fornire un flusso di merci più intelligente per una vita quotidiana migliore.

L'analisi dei dati è fondamentale per il futuro del settore dei trasporti e della logistica, nonché per un'azienda globale come Cargotec. Una delle business unit strategiche di Cargotec, Kalmar, fornisce soluzioni coinvolte in quasi 800 milioni di container movimentati ogni anno a livello mondiale e tre navi su quattro nel trasporto marittimo globale trasportano attrezzature da MacGregor, un'altra delle unità aziendali di Cargotec. Costruire un'architettura IoT che catturi i dati da tutte le soluzioni di Cargotec e poi li analizzi per ottenere informazioni dettagliate sarebbe una sfida.

Per creare quella soluzione IoT e di analisi dei dati, Cargotec si è rivolta ad Amazon Web Services (AWS). Il team di servizi basati sui dati di Cargotec ha usato Amazon SageMaker, che può essere utilizzato per preparare, creare, addestrare e distribuire rapidamente modelli di machine learning (ML) di alta qualità, per creare modelli per supportare i servizi digitali basati sui dati. Utilizzando Amazon SageMaker e altri servizi AWS, Cargotec trasforma i suoi dati in informazioni che hanno portato a operazioni più efficienti, sostenibili ed economiche.

Cargotec fornisce soluzioni per la movimentazione di merci e carichi per navi, porti, terminal e operatori logistici interni in più di 100 Paesi attraverso le sue quattro business unit: Kalmar, Hiab, MacGregor e Navis. Nel 2020 le sue vendite sono state di circa 3,3 miliardi di euro.

Nel 2015, Cargotec ha iniziato a costruire un sistema IoT e di analisi dei dati su AWS per servire meglio i propri clienti in tutto il mondo. "Volevamo comprendere meglio i nostri clienti e le loro sfide operative con l'IoT e la raccolta dati", ha spiegato Pekka Mikkola, direttore dei servizi basati sui dati di Cargotec. Insieme ai suoi clienti, l'azienda è stata in grado di sviluppare servizi intelligenti utilizzando i dati in nuovi contesti. Questi approcci IoT e analisi dei dati supporterebbero anche le nuove soluzioni elettrificate di Cargotec, ad esempio migliorando gli scenari di ricarica per ottimizzare le operazioni di alimentazione. Secondo quanto riportato in un blog Cargotec, "i metodi basati sui dati come l'intelligenza artificiale sono cruciali per rendere possibile il passaggio alle flotte alimentate elettricamente in modo giudizioso e fattuale invece che attraverso la speculazione".

Dal 2018, l'azienda utilizza i servizi AWS, tra cui Amazon Simple Storage Service (Amazon S3), un servizio di archiviazione di oggetti che offre scalabilità, disponibilità dei dati, sicurezza e prestazioni leader del settore, che Cargotec utilizza per archiviare centinaia di terabyte di dati non elaborati.

Mikkola afferma che Cargotec ha scelto AWS per la sua flessibilità e velocità di innovazione: "Possiamo essere veloci nel dimostrare valore ai nostri clienti. Abbiamo una base di clienti diversificata e un'ampia gamma di soluzioni che richiedono una vera modularità dai servizi che utilizziamo e l'utilizzo di AWS ha supportato tale esigenza". 

Cargotec ha costruito una pipeline che raccoglie i dati dalle apparecchiature che utilizzano Amazon Data Firehose, un modo semplice per caricare in modo affidabile i flussi di dati in data lake, datastore e servizi di analisi. I flussi di dati vengono archiviati in Amazon S3, che ospita anche altri tipi di dati, come i dati dei sistemi aziendali. I data scientist di Cargotec usano quindi Amazon Athena, un servizio di query interattivo serverless che permette di analizzare i dati su Amazon S3, grazie a un linguaggio di query standard strutturato. Possono quindi inserire dati dalle tabelle Amazon Athena in Amazon QuickSight, un servizio di business intelligence scalabile, serverless, incorporabile e basato su ML che consente al team di esperti di creare e pubblicare pannelli di controllo interattivi con approfondimenti basati su ML per un pubblico più ampio. L'azienda utilizza anche AWS Lambda, un servizio di elaborazione serverless che permette di eseguire il codice senza effettuare il provisioning o gestire i server, creare una logica di dimensionamento dei cluster in funzione dei carichi di lavoro, mantenere integrazioni degli eventi o gestire i tempi di esecuzione. "Siamo in grado di ottimizzare i nostri servizi principali e far corrispondere il calcolo con la richiesta ogni giorno, ottenendo flessibilità e scalabilità", ha affermato Mikkola.

Grazie a Amazon SageMaker, il team dei servizi basati sui dati ha sviluppato e distribuito modelli ML che eseguono analisi predittive sulle apparecchiature Cargotec. "L'utilizzo di Amazon SageMaker consente ai nostri data scientist di essere produttivi e di accedere ed esplorare centinaia di terabyte di dati archiviati dalle macchine", ha dichiarato Mikkola. “Non abbiamo bisogno di persone dedicate alla manipolazione dei dati. I data scientist possono accedere ai dati da soli per l'elaborazione. Siamo particolarmente orgogliosi della nostra pipeline di operazioni ML completamente serverless, che gestisce l'inserimento dei dati e il servizio di modelli e tutto il resto". Un'architettura serverless non è solo efficiente: è conveniente.

Un modello ML viene utilizzato nel contesto della garanzia di risparmio energetico introdotta di recente dall'azienda: un'iniziativa di vendita all'avanguardia ed eco-efficiente che consente ai clienti di stimare i costi operativi e risparmiare sulle emissioni nel passaggio a macchine elettriche come i carrelli elevatori elettrici di Kalmar. Cargotec utilizza un modello ML per capire quanta energia consumerà l'attrezzatura per la movimentazione delle merci in vari scenari in base alle condizioni operative, alle distanze di guida e al peso dei carichi. Quindi Cargotec può chiedere ai clienti come intendono utilizzare l'attrezzatura e quindi prevedere il consumo di energia. Se i clienti superano la quantità prevista, Cargotec promette di rimborsarli. "I clienti sono molto contenti: grazie a questa offerta, un'azienda può prendere quello che prima era un costo variabile e trasformarlo in un costo fisso", afferma Mikkola.

L'analisi dei dati viene utilizzata anche per migliorare le operazioni di manutenzione delle apparecchiature, ad esempio prevedendo quando queste potrebbero guastarsi o richiedere assistenza. Queste informazioni possono orchestrare le operazioni di servizio e apportare nuove informazioni. "Grazie alle soluzioni AWS, ricaviamo le informazioni dai dati di servizio, dai dati di manutenzione e dai dati sull'utilizzo delle apparecchiature per migliorare le operazioni dei clienti e fornire tempi di attività migliori per le apparecchiature dei nostri clienti", ha affermato Mikkola.

Puntando tutto su AWS, Cargotec ha creato una soluzione IoT e di analisi dei dati che aiuta i propri clienti a rendere le loro operazioni più sicure ed efficienti, sostenibili e convenienti. I clienti possono utilizzare le soluzioni Cargotec basate su AWS per ottimizzare le loro operazioni quotidiane, fornendo un flusso di merci più “smart” per una vita quotidiana migliore.

Per ulteriori informazioni visita aws.amazon.com/sagemaker.