Cargotec utiliza datos y machine learning para optimizar el flujo de cargas e impulsar soluciones sostenibles

Cargotec Oyj (Cargotec), un proveedor internacional de soluciones de manipulación de carga, es una empresa 1,5 °C, lo que quiere decir que ha anunciado su objetivo de reducir sus emisiones de dióxido de carbono entre 2019 y 2030. Para conseguir este objetivo, Cargotec impulsa la eficiencia y la sostenibilidad ofreciendo a sus clientes soluciones eléctricas y recopilando datos mediante su solución basada en el Internet de las cosas (IoT). Además de querer llevar a cabo una transformación digital de los sistemas de manipulación de carga, la misión de Cargotec es proporcionar un flujo de cargas más inteligente para facilitar el trabajo diario.

El uso de análisis de datos es fundamental para el futuro del sector del transporte y la logística, así como para una empresa internacional como Cargotec. Una de las unidades de negocio estratégicas de Cargotec, Kalmar, ofrece soluciones que se utilizan en casi 800 millones de desplazamientos de contenedores en todo el mundo cada año. Y tres de cada cuatro embarcaciones de envíos internacionales incluyen equipos de MacGregor, otra de las unidades de negocio de Cargotec. Crear una arquitectura de IoT que capturara datos de todas las soluciones de Cargotec y los analizara para obtener información era todo un reto.

Para crear esa solución de análisis de datos e IoT, Cargotec recurrió a Amazon Web Services (AWS). El equipo de servicios basados en datos de Cargotec utilizó Amazon SageMaker, que servía para preparar, desarrollar, entrenar e implementar modelos de machine learning de alta calidad con mayor rapidez, para crear modelos que fueran la base de los servicios digitales basados en datos. Mediante Amazon SageMaker y otros servicios de AWS, Cargotec convierte sus datos en información valiosa que les ha permitido llevar a cabo operaciones más eficientes, sostenibles y rentables.

Cargotec ofrece soluciones de manipulación de carga para embarcaciones, puertos, terminales y operadores de logística terrestres en más de 100 países a través de sus cuatro unidades de negocio: Kalmar, Hiab, MacGregor y Navis. En 2020, sus ventas ascendieron a unos 3,3 miles de millones de USD.

En 2015, Cargotec empezó a desarrollar un sistema de análisis de datos e IoT en AWS para mejorar el servicio que presta a sus clientes en todo el mundo. «Queríamos entender mejor a nuestros clientes y sus retos operativos con la recopilación de datos e IoT», explica Pekka Mikkola, director de servicios basados en datos de Cargotec. Junto con sus clientes, la empresa pudo desarrollar servicios inteligentes mediante el uso de datos en nuevos contextos. Estos enfoques de análisis de datos e IoT también servían de base de las nuevas soluciones electrificadas de Cargotec, por ejemplo, mediante la mejora de los escenarios de carga a fin de optimizar las operaciones de energía. Según una publicación de blog de Cargotec, «los métodos basados en datos, como la inteligencia artificial, son fundamentales para poder realizar la transacción a flotas eléctricas de una manera sensata y fundamentada en lugar de basarnos en la especulación».

En 2018 la empresa empezó a usar los servicios de AWS, como Amazon Simple Storage Service (Amazon S3), un servicio de almacenamiento de objetos que ofrece escalabilidad, disponibilidad de datos, seguridad y rendimiento líderes en el sector, que Cargotec utiliza para almacenar cientos de terabytes de datos sin procesar.

Mikkola dice que Cargotec eligió AWS por su flexibilidad y su velocidad de innovación: «Podemos demostrar valor a nuestros clientes de una manera rápida. Tenemos una cartera de clientes muy diversa y una amplia gama de soluciones que requieren una modularidad real de los servicios que utilizamos, y el uso de AWS nos ha permitido satisfacer esa necesidad». 

Cargotec desarrolló una canalización que recopila datos de equipos con Amazon Data Firehose, una manera sencilla y fiable de cargar datos de streaming en lagos de datos, almacenes de datos y servicios de análisis. Los datos de streaming se almacenan en Amazon S3, donde también se alojan otros tipos de datos, como los datos de los sistemas empresariales. Los científicos de datos de Cargotec utilizan Amazon Athena, un servicio de consulta interactivo sin servidor, para analizar datos en Amazon S3 con un lenguaje de consulta estructurada estándar. Después, pueden introducir datos de las tablas de Amazon Athena en Amazon Quicksight, un servicio de inteligencia empresarial basado en machine learning sin servidor que se puede escalar e integrar y que permite al equipo de expertos crear y publicar paneles interactivos con información basada en machine learning para que los consulten audiencias más grandes. La empresa también utiliza AWS Lambda, un servicio de computación sin servidor que permite a los usuarios ejecutar código sin aprovisionar ni administrar servidores, crear una lógica de escalado de clústeres basada en la carga de trabajo, mantener integraciones de eventos o administrar tiempos de ejecución. «Tenemos la capacidad de ajustar nuestros servicios principales y ajustar la computación a la demanda diaria para conseguir flexibilidad y escalabilidad», afirma Mikkola.

Mediante Amazon SageMaker, el equipo de servicios basados en datos ha desarrollado e implementado modelos de machine learning que realizan análisis predictivos del equipo de Cargotec. «El uso de Amazon SageMaker permite a nuestros científicos de datos ser productivos y consultar y explorar cientos de terabytes de datos almacenados de las máquinas», dice Mikkola. «No necesitamos tener a un equipo que se centre en la manipulación de los datos. Los científicos de datos pueden acceder a los datos ellos mismos y procesarlos. Estamos especialmente orgullosos de nuestra canalización de operaciones de machine learning sin servidor, que administra la ingesta de datos, los servicios de modelos y el resto de elementos relacionados». Una arquitectura sin servidor no solo es eficaz, sino que también es rentable.

En la nueva solución de ahorro de energía de la empresa se utiliza un modelo de machine learning. Esta solución es una iniciativa de ventas innovadora y rentable que permite a los clientes estimar los costes operativos y reducir las emisiones al realizar la transición a máquinas eléctricas, como las carretillas elevadoras eléctricas de Kalmar. Cargotec utiliza un modelo de ML para saber cuánta energía consumirá el equipo de manipulación de carga en distintos escenarios en función de las condiciones de funcionamiento, las distancias de conducción y el peso de las cargas. A continuación, Cargotec puede preguntar al cliente cómo tiene pensado utilizar el equipo, para predecir el consumo de energía. Si los clientes superan la cantidad prevista, Cargotec se compromete a reembolsarles el dinero. «Los clientes están muy contentos porque, con esta solución, las empresas pueden tomar lo que antes era un coste variable y convertirlo en un coste fijo», afirma Mikkola.

Los análisis de datos también se utilizan para mejorar las operaciones de mantenimiento de los equipos, por ejemplo, para predecir posibles fallos en el equipo o cuándo podría necesitar una reparación. Esta información permite organizar las operaciones de servicio y aportar nuevas conclusiones. «Con las soluciones de AWS, extraemos información de los datos de servicios, mantenimiento y uso de equipos para mejorar las operaciones de los clientes y mejorar el tiempo de actividad de sus equipos», dice Mikkola.

Mediante la adopción integral de AWS, Cargotec ha desarrollado una solución de análisis de datos e IoT que ayuda a sus clientes a realizar sus operaciones de una manera más segura, eficiente, sostenible y rentable. Los clientes pueden utilizar las soluciones de Cargotec con tecnología de AWS para optimizar sus operaciones rutinarias, lo que permite implantar un flujo de cargas más inteligentes para mejorar el trabajo diario.

Para obtener más información, visite aws.amazon.com/sagemaker.