Cargotec, 데이터 및 ML을 사용하여 화물 물류를 최적화하고 지속 가능한 솔루션 실현

화물 및 적재 처리 솔루션의 글로벌 공급업체인 Cargotec Oyj(Cargotec)는 1.5°C 기업, 즉 2019년~2030년에 이산화탄소 배출량을 절반으로 줄이겠다는 목표를 발표한 기업입니다. 이 목표를 달성하기 위해 Cargotec은 고객에게 전기 솔루션을 제공하고 사물 인터넷(IoT) 솔루션으로 데이터를 수집하여 효율성과 지속 가능성을 높이고 있습니다. 화물 및 적재 처리의 디지털 트랜스포메이션을 목표로 하는 동시에, 보다 나은 일상 생활을 위해 더 스마트한 화물 물류 서비스를 제공하는 것을 사명으로 합니다.

Cargotec과 같은 글로벌 기업뿐만 아니라 운송 및 물류 산업의 미래를 위해서도 데이터 분석을 지원하는 것은 매우 중요합니다. Cargotec의 전략 사업 부문 중 하나인 Kalmar는 매년 전 세계적으로 약 8억 개의 컨테이너 물류를 처리하는 솔루션을 제공합니다. 또한 전 세계 선박 4척 중 3척은 Cargotec의 또 다른 사업부인 MacGregor의 장비를 사용합니다. Cargotec의 모든 솔루션에서 데이터를 캡처한 후 분석하여 인사이트를 도출하는 IoT 아키텍처를 구축하는 것은 쉬운 일이 아닙니다.

이에 Cargotec은 IoT 및 데이터 분석 솔루션을 구축하기 위해 Amazon Web Services(AWS)를 이용했습니다. Cargotec의 데이터 기반 서비스 팀은 고품질 기계 학습(ML) 모델을 신속하게 준비하고 구축하고 훈련하고 배포할 수 있는 Amazon SageMaker를 사용하여 데이터 기반 디지털 서비스를 지원할 모델을 개발했습니다. Cargotec은 Amazon SageMaker 및 기타 AWS 서비스를 사용하여 데이터에서 인사이트를 도출하고 운영의 효율성, 지속 가능성, 경제성을 높이는 데 이를 활용했습니다.

Cargotec은 Kalmar, Hiab, MacGregor, Navis 등 4개 사업부를 통해 100여개국의 선박, 항만, 터미널 및 내륙 물류 사업자를 위한 화물 및 적재 처리 솔루션을 공급하며, 2020년 매출액은 약 33억 EUR에 달했습니다.

2015년에 Cargotec은 전 세계 고객에게 더 나은 서비스를 제공하기 위해, AWS를 기반으로 IoT 및 데이터 분석 시스템을 구축하기 시작했습니다. Cargotec의 데이터 기반 서비스 부문 이사인 Pekka Mikkola는 "우리는 IoT와 데이터 수집 기술을 활용하여 고객과 고객의 운영상 문제점을 보다 효과적으로 파악하기를 원했습니다."라고 설명합니다. 이 회사는 고객과 함께, 새로운 방식으로 데이터를 활용함으로써 지능형 서비스를 개발할 수 있었습니다. 이러한 IoT 및 데이터 분석 접근 방식은 충전 시나리오를 개선하여 전력 운영을 최적화하는 등, 새롭게 전동화된 Cargotec의 솔루션을 지원하게 됩니다. Cargotec 블로그에 따르면, "인공 지능과 같은 데이터 기반 솔루션은 추측을 통해서가 아니라 사실에 기반한 스마트한 방식으로 전기 동력 플릿으로의 전환을 실현하는 데 있어 중요합니다."

2018년부터 이 회사는 업계 최고 수준의 확장성, 데이터 가용성, 보안 및 성능을 제공하는 객체 스토리지 서비스인 Amazon Simple Storage Service(S3)를 비롯한 여러 AWS 서비스를 사용해왔습니다. 특히 S3는 수백 테라바이트의 원시 데이터를 저장하는 데 사용되었습니다.

Mikkola는 Cargotec이 AWS를 선택한 이유가 AWS의 유연성과 혁신 속도라고 말합니다. "고객에게 신속하게 가치를 입증할 수 있습니다. 우리는 고객 기반이 다양하고, 사용 중인 서비스를 완전히 모듈화해야 하는 다양한 솔루션이 있는데, AWS를 사용하면 이러한 요구 사항을 충족할 수 있습니다." 

Cargotec은 Amazon Data Firehose를 사용하여 장비에서 데이터를 수집하는 파이프라인을 구축했습니다. 이 서비스를 사용하면 스트리밍 데이터를 데이터 레이크, 데이터 스토어 및 분석 서비스에 안정적으로 손쉽게 로드할 수 있습니다. 스트리밍 데이터는 Amazon S3에 저장되는데, 여기에는 비즈니스 시스템 데이터와 같은 다른 유형의 데이터도 저장됩니다. Cargotec의 데이터 사이언티스트는 서버리스 대화형 쿼리 서비스인 Amazon Athena에서 표준 Structured Query Language(SQL)를 사용하여 Amazon S3의 데이터를 분석합니다. 그런 다음 Amazon Athena 테이블의 데이터를 Amazon QuickSight에 입력할 수 있습니다. Amazon QuickSight는 확장성이 뛰어나고 임베딩이 가능한 서버리스 ML 기반 비즈니스 인텔리전스 서비스로, 전문가 팀이 다양한 사용자를 위해 ML 기반 인사이트를 제공하는 대화형 대시보드를 만들고 게시할 수 있도록 합니다. 또한 이 회사는 사용자가 서버 프로비저닝 또는 관리, 워크로드 인식 클러스터 확장 로직 생성, 이벤트 통합 유지 관리, 또는 런타임 관리 없이 코드를 실행할 수 있도록 하는 서버리스 컴퓨팅 서비스인 AWS Lambda도 사용합니다. Mikkola는 "핵심 서비스를 튜닝하고, 유연성과 확장성을 바탕으로 매일 변화하는 수요에 따라 컴퓨팅 파워를 조정할 수 있습니다."라고 말합니다.

데이터 기반 서비스 팀은 Amazon SageMaker를 사용하여 Cargotec 장비에 대한 예측 분석을 수행하는 ML 모델을 개발하고 배포했습니다. Mikkola는 "Amazon SageMaker를 사용하면 데이터 사이언티스트가 생산성을 높이고 기계에서 저장된 수백 테라바이트의 데이터를 액세스하고 탐색할 수 있습니다. 따라서 데이터 조작을 위한 전담 인력을 둘 필요가 없습니다. 데이터 사이언티스트가 직접 데이터에 액세스해 처리하면 되니까요. 우리는 데이터 모으기와 기반 모델, 그리고 다른 모든 구성 요소를 관리하는 완전한 서버리스 ML 운영 파이프라인에 특히 자부심을 가지고 있습니다."라고 말합니다. 서버리스 아키텍처는 효율적일 뿐만 아니라 경제적입니다.

한 ML 모델은 회사에 새로 도입된 에너지 절약 보장 제도에 사용되고 있습니다. 이는 Kalmar의 전기 지게차와 같은 전기 장비로 전환할 때, 고객이 운영 비용을 산출하고 배기 가스를 줄일 수 있도록 하는 첨단 친환경 판매 이니셔티브입니다. Cargotec은 ML 모델을 사용하여, 다양한 시나리오에서 작동 조건, 주행 거리 및 적재 중량에 따라 화물 처리 장비가 에너지를 얼마나 소비하는지 파악합니다. 따라서 Cargotec은 고객에게 장비를 어떻게 사용할 계획인지 물어본 후 에너지 소비량을 예측할 수 있습니다. 그리고 Cargotec은 이 예상 소비량을 초과할 경우 고객에게 비용을 변제하기로 약속합니다. Mikkola는 "고객들의 만족도가 높습니다. 기업은 이 오퍼링 덕분에 이전에 가변적이었던 비용을 고정 비용으로 만들 수 있습니다."라고 말합니다.

또한 데이터 분석은 장비가 고장 나거나 수리가 필요하게 되는 시기를 예측하는 등, 장비 유지 보수 작업을 개선하는 데에도 사용됩니다. 이 정보를 통해 서비스 운영을 조율하고 새로운 인사이트를 얻을 수 있습니다. Mikkola는 "AWS 솔루션을 사용하여 서비스 데이터, 유지 보수 데이터 및 장비 사용량 데이터에서 정보를 추출함으로써 고객 운영을 개선하고 고객 장비의 가동 시간을 늘렸습니다."라고 말합니다.

Cargotec은 AWS에 올인함으로써, 고객이 운영의 안전성, 효율성, 지속 가능성 및 경제성을 높이도록 지원하는 IoT 및 데이터 분석 솔루션을 구축했습니다. 고객은 AWS 기반 Cargotec 솔루션을 사용하여 일상적인 비즈니스 운영을 최적화할 수 있고, 이는 생활의 편의를 개선하는 더 스마트한 화물 물류를 제공합니다.

자세히 알아보려면 aws.amazon.com/sagemaker를 방문하세요.