Cooltra incorpora la plataforma de datos de IBM para optimizar la gestión de sus flotas de motos conectadas

La empresa de 'motosharing' Cooltra ha puesto en marcha un proyecto tecnológico con la colaboración de IBM para mejorar la gestión de sus flotas de motos conectadas mediante una plataforma de datos que permite analizar información en casi en tiempo real y preparar futuros casos de uso de inteligencia artificial.

Cooltra gestiona una flota de más de 16.000 motocicletas y opera en mercados como España, Portugal, Países Bajos, Francia e Italia, lo que hace necesario contar con una plataforma de datos para gestionar de forma eficiente flotas conectadas a gran escala y operar en múltiples mercados.

Para responder a estas necesidades, la plataforma unificada puesta en marcha con la colaboración de IBM habilita capacidades avanzadas de análisis del comportamiento de las flotas, observabilidad operativa y detección temprana de incidencias, y proporciona una base común para el desarrollo de analítica avanzada e inteligencia artificial.

Cooltra se apoya en watsonx.data, la plataforma de datos de IBM, como capa central para su sistema de gestión de flotas. Como ha explicado el responsable de TI Telemática de Cooltra, Miguel Vera, les permite "trabajar con datos en casi tiempo real y preparar el terreno para nuevos servicios basados en inteligencia artificial que mejoren la eficiencia operativa y la experiencia de los clientes".

La solución desplegada para Cooltra se apoya en una arquitectura SaaS basada en la nube, desplegada en AWS, que combina tecnologías propias de IBM con soluciones de su ecosistema tecnológico. En este contexto, AstraDB (DataStax) -compañía incorporada recientemente al portfolio de IBM- actúa como base de datos para el almacenamiento de eventos y datos telemáticos generados por la flota, que posteriormente se integran en watsonx.data, la plataforma de datos de IBM.

Sobre esta base tecnológica, Cooltra está trabajando actualmente en nuevos proyectos de optimización avanzada de flotas, entre los que destacan la optimización de la gestión operativa de la flota; la detección de anomalías y mantenimiento predictivo mediante inteligencia artificial; la identificación de patrones inusuales o fallos de dispositivos, con generación automática de alertas para evitar interrupciones del servicio; la optimización de los parámetros de las motos, identificando zonas de la ciudad con menor cobertura para ajustar los tiempos de espera; y la optimización de rutas para aumentar la eficiencia del servicio.