![Machine Learning ajuda a controlar cargas portuárias](https://lyncas.net/wp-content/uploads/2023/06/machine-learning-controla-cargas-portuarias.webp)
Como tornar a operação de entrada e saída de um grande porto de Santa Catarina mais estável e performática? O desafio era implementar melhorias no produto que já estava em fase de homologação, para oferecer escalabilidade, confiabilidade e segurança para as entradas e saídas portuárias. Além de garantir a consistência das informações geradas pelo sistema utilizando a tecnologia Machine Learning.
Após uma análise detalhada do sistema, a equipe da Lyncas identificou que o sistema estava com sérios problemas de arquitetura, desempenho, estabilidade e usabilidade. Tanto no sistema web quanto nos modelos de reconhecimento de placas e containers.
A ausência de boas práticas de controle sobre o código fonte, a falta de conexão entre dados obtidos pelo Machine Learning e as operações de saída dos caminhões do porto, tornavam o sistema inseguro e instável.
Esse cenário foi o ponto de partida para o desafio de melhorar o sistema de controle de entrada e saída de cargas portuárias, tornando-o mais seguro, confiável, ágil e consistente.
O desafio
Para dar início ao projeto, foi necessário investigar e identificar os problemas que precisavam ser solucionados no produto. Após discutir os problemas reportados pelo cliente, foi feita uma investigação em todo o sistema para identificar as possíveis causas dos problemas que estavam ocorrendo. Sendo assim, observou-se que as operações de saída dos caminhões misturavam os dados de veículos, motoristas e containers. Por esse motivo, o sistema não oferecia a segurança necessária para o controle do pátio portuário.
O olhar mais técnico para o código e o funcionamento do sistema identificou outros pontos de atenção que levou o time da Lyncas a iniciar uma nova proposta de atuação.
A partir daí, a equipe trabalhou em uma nova arquitetura de processamento do checkout de caminhões e containers, compreendendo melhorias em todo o software:
- modelo de Inteligência Artificial e Machine Learning para detecção de placas e containers;
- API que processa as informações da transação;
- serviços que orquestram os eventos durante a passagem dos veículos;
- WebSockets que disponibilizam as informações para as telas;
- políticas de cache das informações;
- comportamento das telas utilizadas pelos operadores do Porto.
Em todo o sistema foram aplicadas metodologias para criar microsserviços independentes que processam as transações de uma única balança. Dessa forma, é possível separar as responsabilidades e a carga de processamento que antes era centralizada em um único serviço que controlava as transações de todas as balanças ao mesmo tempo.
A solução
O projeto consistiu na reestruturação na forma como a arquitetura do produto funcionava. Dessa forma, ao final, o cliente recebeu um produto todo reformulado, com aplicação performática e escalável.
O que antes era controlado por um único serviço central, agora tem cada fluxo da operação sendo controlado de maneira independente. Isso reduz a carga e torna o sistema mais estável e mais performático.
Além disso, foram realizadas melhorias no modelo de reconhecimento de placas e construído um novo modelo de reconhecimento de containers. Assim foi possível automatizar as operações com todos os tipos de containers que passam pelo pátio portuário.
Os resultados
A nova plataforma traz mais segurança, velocidade e confiabilidade para o cliente no controle de entrada e saída do porto. Existem redundância dos dados, controle de versionamento e ambientes de testes, que afirmam os valores mencionados.
Após reestruturação, o sistema está, agora, segregado por Lanes, que podem ser escaladas dentro de um cluster de máquinas para processamento de imagens, operações e controle de acesso.
Dessa forma, a entrega desse projeto vai fazer com que a operação de controle de caminhões e containers seja muito mais ágil e consistente. Isso porque, com as mudanças realizadas pelo time da Lyncas, o sistema passou a ter menos problemas de estabilidade e as operações de saída são finalizadas em menor tempo, gerando menos filas dentro do pátio do porto de Santa Catarina.
Após um mês da implementação, a Lyncas já conseguiu aperfeiçoar os modelos de machine learning e atingir assertividade superior a 95%, garantindo um processo de automação dos Gates autônomo.
Quer transformar os resultados na área de TI da sua empresa também?
Entre em contato com o nosso time de novos negócios, compartilhe as necessidades e os desafios na sua empresa à frente da área de tecnologia, e agende uma apresentação, sem compromisso, para conhecer os benefícios das nossas soluções.