Realtime digitale tweelingen voor verbeterde logistieke efficiëntie

Direct-naar-consument leveringen zijn de toekomst, en worden nog belangrijker door COVID-19. Logistieke bedrijven worstelen echter om de vraag te beantwoorden midden in een barrage van factoren, van steeds veranderende wegcondities tot het beheren van temperatuurgevoelige leveringen van medicijnen. Een krachtige nieuwe streaming data softwaretechniek, genaamd realtime digitale tweelingen, kan de inzichten leveren die nodig zijn om cruciale logistieke vragen te beantwoorden, onbekende variabelen te reduceren en de efficiëntie van operaties te verbeteren.

Met de schiere hoeveelheid streaming data die afkomstig is van vlooten, slimme magazijnen en andere telemetriebronnen, is het een uitdagende klus voor logistieke managers om cruciale inzichten te extraheren en potentiële problemen in realtime te identificeren. Traditionele streaming analytics benaderingen, zoals open-source Apache Storm en Flink, helpen managers om patronen in geaggregeerde berichtstromen te extraheren. Toch kunnen ze deze informatie niet in context plaatsen om het belang te beoordelen en effectieve, geïndividualiseerde actie te ondernemen voor elke databron.

Deze oplossingen zijn ontworpen om inkomende telemetrie door een softwarepijpleiding te laten lopen om patronen van belang te extraheren, geaggregeerde inzichten te verkrijgen en alertes te sturen wanneer specifieke voorwaarden zijn vervuld. Echter, ze volgen niet de dynamische staat van de databronnen zelf, of maken inferenties over hun gedrag.

Bijvoorbeeld, streaming analytics kan hoge olietemperatuurmeteringen detecteren in een vloot vrachtwagens, maar kan niet uitleggen waarom deze metingen optreden, of ze een komende storing aangeven, en welke specifieke acties genomen moeten worden. Om dit te doen, moet het streaming analytics platform contextuele informatie over elke vrachtwagen behouden, zodat het diepere introspectie kan bieden op inkomende telemetrie en meer strategische beslissingen kan nemen over alerting en interventie. Bijvoorbeeld, de ene vrachtwagenmotor kan verwacht worden hogere dan normale olietemperatuur te vertonen vanwege de leeftijd en onderhoudshistorie, terwijl een andere, nieuwere motor een ongewone probleem kan vertonen die directe aandacht vereist.

Om complexe logistieke systemen soepel te laten draaien, moet streaming analytics diepere introspectie bieden, met name bij het ontvangen van telemetrie van grote aantallen databronnen, zoals duizenden vrachtwagens in een vloot of pallets in een magazijn. Verbeterde analyse van deze telemetrie die gebruikmaakt van context over elke databron, kan een veel betere job doen bij het identificeren en voorspellen van inefficiënties, potentiële problemen en sleuteltrends. Het kan helpen vragen beantwoorden als:

• Staat een voertuig stil omdat het op een rustplaats is of omdat het gestopt is?
• Is een motorparameter op het voertuig abnormaal, of is dit verwacht gegeven de bekende problemen en onderhoudshistorie van het voertuig?
• Zal de huidige temperatuur en trend van het koelcompartiment een probleem creëren voor de specifieke medicijnen die het momenteel bevat?
• Is de chauffeur te lang op de weg geweest met betrekking tot wettelijke vereisten?
• Lijkt de chauffeur verdwaald te zijn of een potentieel gevaarlijk gebied binnen te rijden?

De nieuwe softwaretechniek voor streaming analytics genaamd realtime digitale tweelingen kan helpen de inzichten te leveren die nodig zijn om deze vragen te beantwoorden. Het creëert een software-gebaseerde tweeling van elke fysieke databron die wordt getrackt, met contextuele informatie over de databron (zoals de verwachte parameters en onderhoudshistorie voor een vrachtwagenmotor). De digitale tweeling host toepassingscode die inkomende berichten van zijn databron analyseert met directe toegang tot deze context, en het werkt de context continu bij met elk inkomend bericht naarmate het "leert" meer over de dynamische conditie van de databron. Toepassingscode in de tweeling hoeft zich alleen te richten op een enkele databron in plaats van de stroom van alle inkomende berichten te managen, en dit maakt betere feedback voor elke databron mogelijk.

Een realtime digitale tweeling kan draaien op publieke clouds, zoals Microsoft Azure, die de schaalbaarheid hebben om berichten te verwerken en realtime digitale tweelingen te onderhouden voor duizenden vrachtwagens, slimme magazijnen of andere telemetriebronnen over brede geografische gebieden. De cloudservice kan ook continu sleutelinformatie aggregeren en visualiseren die is geëxtraheerd uit alle realtime digitale tweelingen om opkomende problemen te detecteren en het algehele situatiebewustzijn voor managers te verhogen. Dit helpt hen het grote plaatje te behouden en sneller strategische reacties te creëren op grote uitdagingen, zoals weersvertragingen, snelwegblokkades en stroomuitval.

Hier zijn vier voorbeelden van situaties waarin realtime digitale tweelingen logistieke managers kunnen helpen de effectiviteit en tijdigheid van hun leveringssystemen dramatisch te verbeteren:

• Veranderende condities. Verschuvende verkeerspatronen, ongevallen en zelfs recordbrekende orkanen, stormen en branden zorgen ervoor dat chauffeursroutes continu veranderen. Met logistieke bedrijven die duizenden voertuigen op de weg tracken, kunnen realtime digitale tweelingen helpen analyseren hoe situaties als snelwegsluitingen door bosbranden elk voertuig zullen beïnvloeden en de chauffeurs waarschuwen voor nieuwe routes.
• Bederfde voedsel en medicijnen. In het COVID-19 tijdperk zoeken veel hoogrisico mensen alternatieven voor winkelen in drukke winkels en vereisen nu dat voedsel en medicijnen aan hun deur worden geleverd. Om deze leveringen te voltooien, kan een voertuig honderden verschillende temperatuurgevoelige voedsel- en medicijnartikelen bevatten. Realtime digitale tweelingen kunnen de benodigde temperaturen voor elk item monitoren en chauffeurs en logistieke managers waarschuwen voor problemen die de veiligheid van de lading bedrohen.
• Opkomende mechanische problemen. Het onderhouden van dure commerciële voertuigen is complex, met talloze parameters, zoals bandenspanning, vloeistofniveaus, motorsystemen en nog veel meer. Realtime digitale tweelingen kunnen de mechanische status van elk voertuig volgen en waarschuwen voor nodig onderhoud, waardoor onverwachte vertragingen en dure reparaties worden vermeden.
• Verdwalen of erratische chauffeurs. Commerciële chauffeurs opereren onder strenge regels, met zware boetes voor overtredingen. Realtime digitale tweelingen kunnen erratisch rijgedrag of dreigende inbreuken detecteren, en de chauffeur signaleren voordat ze voorkomen. Ze kunnen ook detecteren of een chauffeur verdwaald lijkt, zodat dispatchers het probleem snel kunnen corrigeren en tijd en brandstof besparen.

Het jaar 2020 heeft een dramatische toename gezien in het gebruik van logistieke systemen die de goederen die we nodig hebben laten stromen naar hun bestemmingen. Inzichten verkregen uit realtime digitale tweelingen kunnen logistieke bedrijven helpen de talloze componenten in hun netwerken te tracken, ze soepel te laten draaien, en onnodige vertragingen te vermijden. Deze inzichten zullen bedrijven in staat stellen hun kosten te verlagen en on-time prestaties te verhogen, zodat ze effectief kunnen concurreren in een cruciale industrie waar we allen van afhankelijk zijn.

William Bain is CEO van ScaleOut Software.