Cargotec Menggunakan Data dan ML untuk Mengoptimalkan Aliran Kargo dan Mendorong Solusi Berkelanjutan

Cargotec Oyj (Cargotec), penyedia global solusi penanganan kargo dan muatan, adalah perusahaan dengan suhu 1,5 °C, yang berarti telah mengumumkan tujuan untuk mengurangi emisi karbon dioksida hingga setengahnya antara 2019 dan 2030. Untuk mencapai tujuan tersebut, Cargotec mendorong efisiensi dan keberlanjutan dengan menyediakan solusi listrik kepada pelanggan serta mengumpulkan data dengan solusi Internet untuk Segala (IoT). Selain bertujuan melakukan transformasi digital dalam penanganan kargo dan muatan, Cargotec juga memiliki misi untuk menyediakan aliran kargo yang lebih cerdas untuk kehidupan sehari-hari yang lebih baik.

Memungkinkan kemampuan analitik data adalah kunci untuk masa depan industri transportasi dan logistik serta untuk perusahaan global seperti Cargotec. Salah satu unit bisnis strategis Cargotec, Kalmar, memberikan solusi yang digunakan di hampir 800 juta pergerakan kontainer secara global setiap tahun. Dan tiga dari empat kapal dalam pelayaran global membawa peralatan dari MacGregor, unit bisnis Cargotec lainnya. Membangun arsitektur IoT yang akan mengambil data dari semua solusi Cargotec dan kemudian menganalisisnya untuk mendapatkan wawasan akan menjadi sebuah tantangan.

Untuk membangun IoT dan solusi analisis data, Cargotec beralih ke Amazon Web Services (AWS). Tim layanan berbasis data Cargotec menggunakan Amazon SageMaker—yang dapat digunakan untuk mempersiapkan, membangun, melatih, dan menerapkan model machine learning (ML) berkualitas tinggi dengan cepat—untuk membuat model guna mendukung layanan digital berbasis data. Menggunakan Amazon SageMaker dan layanan AWS lainnya, Cargotec mengubah datanya menjadi wawasan yang menghasilkan operasi yang lebih efisien, berkelanjutan, dan hemat biaya.

Cargotec menyediakan solusi penanganan kargo dan muatan untuk kapal, pelabuhan, terminal, dan operator logistik darat di lebih dari 100 negara melalui empat unit bisnisnya: Kalmar, Hiab, MacGregor, dan Navis. Pada 2020, penjualannya mencapai sekitar 3,3 miliar Euro.

Pada 2015, Cargotec mulai membangun IoT dan sistem analisis data di AWS untuk memberikan pelayanan yang lebih baik kepada pelanggannya di seluruh dunia. “Kami ingin mengetahui lebih jauh tentang pelanggan kami dan tantangan operasional mereka dengan IoT dan pengumpulan data,” jelas Pekka Mikkola, Direktur Layanan Berbasis Data (Director of Data Driven Service) di Cargotec. Bersama dengan pelanggannya, perusahaan mampu mengembangkan layanan cerdas menggunakan data dalam konteks baru. Pendekatan IoT dan analisis data ini juga akan mendukung solusi baru Cargotec yang berbasis listrik—sebagai contoh, dengan meningkatkan skenario pengisian daya untuk mengoptimalkan pengoperasian daya. Menurut blog Cargotec, “metode berbasis data seperti kecerdasan buatan sangat penting agar transisi ke armada bertenaga listrik dapat dilakukan dengan cara yang rasional dan faktual, bukan spekulasi.”

Sejak 2018, perusahaan telah menggunakan layanan AWS, termasuk Amazon Simple Storage Service (Amazon S3)—layanan penyimpanan objek yang menawarkan skalabilitas, ketersediaan data, keamanan, dan performa terdepan dalam industri—yang digunakan Cargotec untuk menyimpan ratusan terabyte data mentah.

Mikkola mengatakan bahwa Cargotec memilih AWS karena fleksibilitas dan kecepatan inovasinya: “Kami dapat dengan cepat menunjukkan manfaat kepada pelanggan kami. Kami memiliki basis pelanggan yang beragam dan berbagai solusi yang memerlukan modularitas nyata dari layanan yang kami gunakan, dan penggunaan AWS telah membantu terpenuhinya kebutuhan tersebut.” 

Cargotec membangun jalur yang mengumpulkan data dari peralatan menggunakan Amazon Data Firehose, cara sederhana untuk memuat data streaming dengan andal ke dalam danau data, penyimpanan data, dan layanan analitik. Data streaming disimpan di Amazon S3, yang juga menampung tipe data lain, seperti data sistem bisnis. Ilmuwan data Cargotec kemudian menggunakan Amazon Athena, layanan kueri interaktif nirserver, untuk menganalisis data di Amazon S3 menggunakan bahasa kueri terstruktur standar. Kemudian, mereka dapat memasukkan data dari tabel Amazon Athena ke Amazon QuickSight, layanan intelijen bisnis yang dapat diskalakan, nirserver, tertanam, dan didukung ML yang memungkinkan tim ahli membuat dan menerbitkan dasbor interaktif dengan wawasan yang didukung ML untuk audiens yang lebih luas. Perusahaan juga menggunakan AWS Lambda, layanan komputasi nirserver yang memungkinkan pengguna menjalankan kode tanpa menyediakan atau mengelola server, membuat logika penskalaan klaster yang memahami beban kerja, mempertahankan integrasi peristiwa, atau mengelola runtime. “Kami dapat menyesuaikan layanan inti kami dan mencocokkan komputasi dengan permintaan setiap hari untuk fleksibilitas dan skalabilitas,” ujar Mikkola.

Menggunakan Amazon SageMaker, tim layanan berbasis data telah mengembangkan dan men-deploy model ML yang melakukan analisis prediktif di peralatan Cargotec. “Menggunakan Amazon SageMaker memungkinkan ilmuwan data kami menjadi produktif dan dapat mengakses serta menjelajahi ratusan terabyte data yang tersimpan dari mesin,” ujar Mikkola. “Kami tidak perlu memiliki staf khusus untuk melakukan manipulasi data. Ilmuwan data dapat mengakses data sendiri untuk diproses. Kami sangat bangga dengan pipeline pengoperasian ML kami yang sepenuhnya nirserver, yang mengelola penyerapan data dan penyajian model, dan masih banyak lagi.” Arsitektur nirserver tidak hanya efisien; tetapi juga menghemat biaya.

Satu model ML digunakan dalam jaminan hemat energi yang baru diperkenalkan oleh perusahaan: prakarsa penjualan mutakhir dan ramah lingkungan yang memungkinkan pelanggan memperkirakan biaya operasional dan menghemat emisi saat beralih ke mesin listrik seperti truk forklif listrik Kalmar. Cargotec menggunakan model ML untuk memahami jumlah energi yang akan dikonsumsi oleh peralatan penanganan kargo dalam berbagai skenario berdasarkan kondisi pengoperasian, jarak mengemudi, dan berat muatan. Kemudian, Cargotec dapat bertanya kepada pelanggan tentang rencana pelanggan dalam menggunakan peralatan tersebut sehingga konsumsi energi dapat diprediksi oleh Cargotec. Jika pelanggan melebihi jumlah yang diprediksi, Cargotec berjanji untuk menggantinya. “Pelanggan sangat senang: karena dengan penawaran ini, perusahaan dapat mengambil biaya yang sebelumnya merupakan biaya variabel dan menjadikannya biaya tetap,” kata Mikkola.

Analisis data juga digunakan untuk meningkatkan operasi pemeliharaan peralatan, seperti memprediksi kapan kemungkinan peralatan rusak atau perlu diservis. Informasi ini dapat mengelola operasi layanan dan memberi wawasan baru. “Dengan menggunakan solusi AWS, kami menyaring informasi dari data layanan, data pemeliharaan, dan data penggunaan peralatan untuk meningkatkan operasi pelanggan dan menyediakan waktu kerja yang lebih baik untuk peralatan pelanggan kami,” ujar Mikkola.

Dengan beralih ke AWS sepenuhnya, Cargotec membangun solusi IoT dan analisis data yang membantu pelanggannya membuat operasi mereka lebih aman dan lebih efisien, berkelanjutan, dan hemat biaya. Pelanggan dapat menggunakan solusi Cargotec yang didukung AWS untuk mengoptimalkan operasi harian mereka—menyediakan aliran kargo yang lebih cerdas untuk kehidupan sehari-hari yang lebih baik.

Untuk mempelajari selengkapnya, kunjungi aws.amazon.com/sagemaker.