Cargotec 利用資料和 ML 優化貨流並推動永續發展解決方案

2021 年

Cargotec Oyj (Cargotec) 是一家全球貨物裝卸解決方案供應商,也是一家 1.5°C 公司,這代表該公司已宣佈在 2019 年至 2030 年間將二氧化碳排放量減半的目標。為實現這一目標,Cargotec 為客戶提供電力解決方案,並利用其物聯網 (IoT) 解決方案收集資料,進而提高效率並改善永續性。Cargotec 的使命是提供更智慧的貨流以改善日常生活,同時亦致力於實現貨物裝卸的數位轉型。

對於運輸和物流產業的未來以及像 Cargotec 這樣的全球公司來說,啟用資料分析至關重要。Kalmar 是 Cargotec 的其中一個策略業務部門,每年可為全球近 8 億的集裝箱運輸提供解決方案。在全球海運中,四分之三的船隻搭載的設備來自 Cargotec 的另一個業務部門 MacGregor。建置 IoT 架構,從 Cargotec 的所有解決方案中擷取資料,然後對其進行分析以取得洞察,將會是一項挑戰。

為建置 IoT 和資料分析解決方案,Cargotec 轉而使用 Amazon Web Services (AWS)。Cargotec 的資料導向型服務團隊使用了 Amazon SageMaker 建立可支援資料驅動型數位服務的模型。其中 Amazon SageMaker 可用於快速準備、建置、訓練和部署高品質機器學習 (ML) 模型。透過使用 Amazon SageMaker 和其他 AWS 服務,Cargotec 可將資料轉化為洞察,從而實現更高效、永續且經濟實惠的營運。

kr_quotemark

「利用 AWS 解決方案,我們可從服務資料、維護資料和設備使用情況資料中提煉資訊,以改善客戶營運並為客戶設備提供更可靠的正常執行時間。」

Pekka Mikkola
Cargotec Oyj 資料驅動服務總監

全面採用 AWS

Cargotec 透過其四個業務部門為 100 多個國家/地區的船隻、港口、碼頭和內陸物流營運商提供貨物裝卸解決方案:Kalmar、Hiab、MacGregor 和 Navis。2020 年,其銷售額總計約為 33 億歐元。

2015 年,Cargotec 開始在 AWS 上建置 IoT 和資料分析系統,以妥善地為全球客戶服務。「我們希望更加了解我們的客戶及其在 IoT 和資料收集方面的營運挑戰,」Cargotec 資料驅動型服務總監 Pekka Mikkola 解釋道。 該公司與客戶攜手合作,能夠在新的環境中使用資料開發智慧服務。這些 IoT 和資料分析方法還將支援 Cargotec 的最新電氣化解決方案,例如,透過改進充電場景來優化電力營運。根據 Cargotec 的一篇部落格,「人工智慧等資料驅動型方法對於以明智且實事求是的方式,而不是透過推測來過渡到電動車隊而言至關重要。」

自 2018 年以來,該公司一直在使用 AWS 服務,包括 Amazon Simple Storage Service (Amazon S3),這是一種物件儲存服務,能提供領先業界的可擴展性、資料可用性、安全性和效能,而 Cargotec 會使用其來儲存數百 TB 的原始資料。

Mikkola 表示,Cargotec 之所以選擇 AWS,是因為其靈活性與創新速度:「我們可以迅速向客戶展示價值。我們擁有多元化的客戶群和廣泛的解決方案,這些解決方案要求我們使用的服務具有真正的模組化,而使用 AWS 恰好能滿足這一需求。” 

將數百 TB 的原始資料轉化為 AWS 上的可用知識

Cargotec 利用 Amazon Data Firehose 建置了一條可從設備收集資料的管道,這種方法非常簡單,能可靠地將串流資料載入資料湖、資料存放區和分析服務中。串流資料儲存於 Amazon S3 中,其中還儲存了其他資料類型,例如商業系統資料。然後,Cargotec 的資料科學家使用 Amazon Athena,這是一種無伺服器的互動式查詢服務,可在 Amazon S3 中使用標準結構式查詢語言分析資料。然後,他們可以將來自 Amazon Athena 資料表的資料輸入到 Amazon QuickSight,這是一個可擴展、無伺服器、可嵌入、採用 ML 技術的商業智慧服務,讓專家團隊能夠為更廣泛的受眾建立和發佈包含採用 ML 技術之洞察的互動式儀表板。該公司還使用了 AWS Lambda,這是一種無伺服器的運算服務,可讓使用者執行程式,但不必佈建或管理伺服器、建立工作負載感知叢集擴展邏輯、維護事件整合或管理執行階段。「我們能夠調整我們的核心服務,並使運算與每天的需求相匹配,以獲得靈活性和可擴展性,」Mikkola 說道。

使用 Amazon SageMaker,資料驅動型服務團隊開發並部署了 ML 模型,以對 Cargotec 設備執行預測分析。「利用 Amazon SageMaker,我們的資料科學家能夠提高工作效率,並從機器中存取和探索數百 TB 的儲存資料,」Mikkola 說道。「我們不需要專門的資料操作人員。資料科學家可以自行存取資料進行處理。對於我們的完全無伺服器 ML 操作管道,我們感到特別驕傲,它可管理資料擷取和模型服務以及其間的一切。」 無伺服器架構不僅高效;而且經濟實惠。

該公司最新推出的節能保證中使用了一種 ML 模型:一種先進且高效節能環保的銷售計畫,讓客戶能夠在過渡到像 Kalmar 電動叉車這樣的電動機器時估計營運成本和節省量。Cargotec 使用 ML 模型來了解在各種場景下 (作業條件、行駛距離和負載重量) 貨物裝卸設備的耗用情況。然後,Cargotec 可以詢問客戶計劃如何使用設備,然後預測能源消耗。如果客戶超過了預測金額,則 Cargotec 承諾會對其進行補償。「客戶非常高興:因為有了這項服務,公司可以把以前的可變成本轉為固定成本,」Mikkola 說道。

資料分析還可用於增強設備維護操作,例如預測設備何時可能發生故障或需要維修。這些資訊可以協調服務操作並帶來新的洞察。「利用 AWS 解決方案,我們可從服務資料、維護資料和設備使用情況資料中提煉資訊,以改善客戶營運並為客戶設備提供更可靠的正常執行時間。」Mikkola 說道。

逐步實現 AWS 的永續發展承諾

透過全面採用 AWS,Cargotec 建置了一個 IoT 和資料分析解決方案,可幫助客戶增強其營運的安全性、效率、永續性及成本效益。客戶可以使用採用 AWS 技術的 Cargotec 解決方案優化其日常營運,以提供更智慧的貨流,進而改善日常生活。

若要進一步了解,請瀏覽 aws.amazon.com/sagemaker


關於 Cargotec Oyj

Cargotec Oyj 總部位於芬蘭,是一家為船隻、港口和碼頭提供貨物裝卸機械的供應商。Cargotec 在 100 多個國家/地區開展業務,為智慧集裝箱裝卸提供設備和物流解決方案。

AWS 的優勢

  • 使用 ML 分析數百 TB 的資料
  • 擴展及縮減架構規模,以滿足需求
  • 預測機械的能源消耗
  • 營運更高效且更能永續發展
  • 透過採用無伺服器技術提高了成本效率 

使用的 AWS 服務

Amazon SageMaker

Amazon SageMaker 是一項全受管服務,能讓所有開發人員和資料科學家快速輕鬆地建置、訓練及部署機器學習 (ML) 模型。 

進一步了解 »

Amazon Data Firehose

Amazon Data Firehose 是將串流資料載入資料湖、資料存放區和分析服務最簡單可靠的方式。

進一步了解 »

Amazon Athena

Amazon Athena 是一種互動式查詢服務,可讓您使用標準 SQL 輕鬆分析 Amazon S3 中的資料。

進一步了解 »

Amazon QuickSight

Amazon QuickSight 是為雲端建置的可擴展、無伺服器、可嵌入、採用機器學習技術的商業智慧 (BI) 服務。 

進一步了解 »


開始使用

各行各業、各種規模的公司每天都在使用 AWS 來轉型業務。聯絡我們的專家,立即開始 AWS 雲端之旅。