Как цифровые двойники могут помочь повысить эффективность логистики

Прямые поставки потребителям - это путь в будущее, и они становятся еще более важными из-за COVID-19. Однако логистические компании изо всех сил пытаются удовлетворить спрос на фоне множества факторов, от постоянно меняющихся дорожных условий до управления доставкой лекарств, чувствительных к температуре. Новая мощная программная технология потоковой передачи данных, называемая цифровыми двойниками в реальном времени, может предоставить информацию, необходимую для ответа на критические вопросы логистики, уменьшить количество неизвестных переменных и повысить эффективность операций.

С огромным объемом потоковых данных, поступающих из автопарков, интеллектуальных складов и других источников телеметрии, для менеджеров по логистике становится сложной задачей извлекать критическую информацию и выявлять потенциальные проблемы в режиме реального времени. Традиционные подходы к потоковой аналитике, такие как Apache Storm и Flink с открытым исходным кодом, помогают менеджерам извлекать шаблоны в агрегированных потоках сообщений. Тем не менее, они не могут поместить эту информацию в контекст, чтобы оценить ее значимость и предпринять эффективные индивидуальные действия для каждого источника данных.

Эти решения были разработаны для передачи входящей телеметрии через программный конвейер для извлечения интересующих шаблонов, получения совокупной информации и отправки предупреждений при выполнении определенных условий. Однако они не отслеживают динамическое состояние самих источников данных и не делают выводов об их поведении.

Например, потоковая аналитика может обнаруживать показания высокой температуры масла в парке грузовиков, но не может объяснить, почему появляются эти показания, указывают ли они на надвигающийся отказ и какие конкретные действия следует предпринять. Для этого платформа потоковой аналитики должна поддерживать контекстную информацию о каждом грузовике, чтобы она могла более глубоко анализировать входящую телеметрию и принимать более стратегические решения по предупреждению и вмешательству. Например, можно ожидать, что один двигатель грузовика будет показывать более высокую, чем обычно, температуру масла из-за его возраста и истории технического обслуживания, в то время как другой, более новый двигатель может отображать необычную проблему, требующую немедленного внимания.

Чтобы сложные логистические системы работали бесперебойно, потоковая аналитика должна обеспечивать этот более глубокий уровень самоанализа, особенно при получении телеметрии из большого количества источников данных, таких как тысячи грузовиков в парке или поддоны на складе. Расширенный анализ этой телеметрии с использованием контекста о каждом источнике данных может намного лучше выявлять и прогнозировать неэффективность, потенциальные проблемы и ключевые тенденции. Он может помочь ответить на такие вопросы, как:

• Остановлено ли транспортное средство из-за того, что оно остановилось для отдыха, или из-за того, что оно заглохло?
• Являются ли параметры двигателя автомобиля ненормальными или это ожидается с учетом известных проблем автомобиля и истории технического обслуживания?
• Не создаст ли текущая температура и тенденция холодильного отделения проблемы для конкретных лекарств, которые в нем хранятся в настоящее время?
• Водитель находился в дороге слишком долго в соответствии с требованиями законодательства?
• Похоже, водитель потерялся или попал в потенциально опасную зону?

Новый программный метод потоковой аналитики, называемый цифровыми двойниками в реальном времени, может помочь получить информацию, необходимую для ответа на эти вопросы. Он создает программный двойник для каждого отслеживаемого физического источника данных, содержащий контекстную информацию об источнике данных (например, ожидаемые параметры и историю технического обслуживания двигателя грузовика). Цифровой двойник содержит код приложения, который анализирует входящие сообщения из своего источника данных с немедленным доступом к этому контексту, и он постоянно обновляет контекст с каждым входящим сообщением, поскольку он «узнает» больше о динамическом состоянии источника данных. Код приложения в двойнике должен быть сосредоточен только на одном источнике данных, а не на управлении потоком всех входящих сообщений, и это обеспечивает лучшую обратную связь для каждого источника данных.

Цифровой двойник в реальном времени может работать в общедоступных облаках, таких как Microsoft Azure, которые обладают масштабируемостью для обработки сообщений и поддержки цифровых двойников в реальном времени для тысяч грузовиков, интеллектуальных складов или других источников телеметрии из разных географических регионов. Облачный сервис также может непрерывно агрегировать и визуализировать ключевую информацию, извлеченную из всех цифровых двойников в реальном времени, для обнаружения возникающих проблем и повышения общей ситуационной осведомленности для менеджеров. Это помогает им сохранять общую картину и быстрее принимать стратегические меры в ответ на серьезные проблемы, такие как задержки из-за погодных условий, засоры на автомагистралях и перебои в подаче электроэнергии.

Вот четыре примера ситуаций, в которых цифровые двойники в реальном времени могут помочь менеджерам по логистике значительно повысить эффективность и своевременность их систем доставки:

• Изменение условий. Изменение схемы движения, аварии и даже рекордные ураганы, штормы и пожары приводят к постоянному изменению маршрутов водителей. Благодаря логистическим компаниям, отслеживающим тысячи автомобилей на дорогах, цифровые двойники в реальном времени могут помочь проанализировать, как такие ситуации, как закрытие автомагистралей из-за лесных пожаров, повлияют на каждое транспортное средство и предупредить водителей о новых маршрутах.
• Испорченная еда и лекарства. В эпоху COVID-19 многие люди из группы высокого риска ищут альтернативу покупкам в переполненных магазинах и теперь требуют, чтобы еду и лекарства доставляли к дверям. Для выполнения этих поставок в транспортном средстве могут находиться сотни различных термочувствительных продуктов и лекарств. Цифровые двойники в реальном времени могут отслеживать необходимую температуру для каждого предмета и предупреждать водителей и менеджеров по логистике о проблемах, которые угрожают безопасности груза.
• Возникающие механические проблемы. Техническое обслуживание дорогих коммерческих автомобилей является сложной задачей, связанной с множеством параметров, таких как давление в шинах, уровни жидкости, системы двигателя и многое другое. Цифровые двойники в реальном времени могут отслеживать механическое состояние каждого автомобиля и предупреждать о необходимости технического обслуживания, избегая непредвиденных задержек и дорогостоящего ремонта.
• Потерянные или неустойчивые драйверы. Коммерческие водители действуют по строгим правилам, за нарушение которых предусмотрены существенные штрафы. Цифровые двойники в режиме реального времени могут обнаруживать неустойчивое поведение при вождении или надвигающиеся нарушения и сигнализировать водителю до того, как они произойдут. Они также могут определить, не пропал ли водитель, чтобы диспетчеры могли быстро решить проблему и сэкономить время и топливо.

В 2020 году произошло резкое увеличение использования логистических систем, которые позволяют товарам, которые нам нужны, доставляться к пунктам назначения. Информация, полученная с помощью цифровых двойников в реальном времени, может помочь логистическим компаниям отслеживать бесчисленные компоненты в своих сетях, обеспечивать их бесперебойную работу и избегать ненужных задержек. Эти идеи позволят компаниям снизить свои затраты и повысить эффективность работы в установленные сроки, чтобы они могли эффективно конкурировать в важной отрасли, от которой мы все зависим.

Уильям Бейн, генеральный директор ScaleOut Software.