Использование цифровых двойников в реальном времени для повышения эффективности логистики

Прямая доставка потребителям — это будущее, и она становится еще важнее из-за COVID-19. Однако логистические компании борются за удовлетворение спроса посреди шторма факторов: от постоянно меняющихся дорожных условий до управления доставкой термочувствительных лекарств. Мощная новая техника потокового ПО под названием «цифровые двойники в реальном времени» может дать инсайты, необходимые для ответа на критические логистические вопросы, сокращения неизвестных переменных и улучшения операционной эффективности.

С огромным объемом потоковых данных, поступающих от автопарков, умных складов и других телеметрических источников, логистическим менеджерам нелегко извлекать критические инсайты и выявлять потенциальные проблемы в реальном времени. Традиционные подходы к потоковой аналитике, такие как Apache Storm и Flink с открытым исходным кодом, помогают менеджерам выявлять паттерны в агрегированных потоках сообщений. Тем не менее, они не могут поставить эту информацию в контекст, чтобы оценить ее значимость и принять эффективные индивидуализированные меры для каждого источника данных.

Эти решения были спроектированы для пропуска входящей телеметрии через программный конвейер для извлечения интересующих паттернов, получения агрегированных инсайтов и отправки оповещений при выполнении специфических условий. Однако они не отслеживают динамическое состояние самих источников данных и не делают выводов о их поведении.

Например, потоковая аналитика может обнаружить высокие показания температуры масла в автопарке грузовиков, но не может объяснить, почему возникают эти показания, указывают ли они на надвигающуюся поломку и какие конкретные действия следует предпринять. Для этого платформе потоковой аналитики нужно поддерживать контекстную информацию о каждом грузовике, чтобы она могла обеспечивать более глубокую интроспекцию входящей телеметрии и принимать более стратегические решения об оповещениях и вмешательстве. Например, двигатель одного грузовика может ожидаемо демонстрировать более высокую температуру масла из-за возраста и истории обслуживания, в то время как другой, более новый двигатель может показывать необычную проблему, требующую немедленного внимания.

Для бесперебойной работы сложных логистических систем потоковая аналитика должна обеспечивать этот более глубокий уровень интроспекции, особенно при получении телеметрии от большого числа источников данных, таких как тысячи грузовиков в автопарке или паллеты на складе. Улучшенный анализ этой телеметрии с использованием контекста об каждом источнике данных может намного лучше выявлять и предсказывать неэффективность, потенциальные проблемы и ключевые тренды. Он может помочь ответить на вопросы вроде:

• Грузовик стоит, потому что это место отдыха или потому что он заглох?
• Параметр двигателя нестандартен или это ожидаемо, учитывая известные проблемы и историю обслуживания?
• Текущая температура и тренд в холодильном отсеке создадут проблему для конкретных лекарств, которые он сейчас перевозит?
• Водитель слишком долго за рулем с точки зрения юридических требований?
• Водитель кажется потерянным или въезжает в потенциально опасную зону?

Новая техника ПО для потоковой аналитики под названием «цифровые двойники в реальном времени» может помочь дать инсайты, необходимые для ответа на эти вопросы. Она создает программного двойника каждого физического источника данных, отслеживаемого системой, содержащего контекстную информацию об источнике (например, ожидаемые параметры и историю обслуживания двигателя грузовика). Цифровой двойник размещает прикладной код, анализирующий входящие сообщения от своего источника с немедленным доступом к этому контексту, и он непрерывно обновляет контекст с каждым входящим сообщением, пока «учится» больше о динамическом состоянии источника данных. Прикладной код в двойнике должен фокусироваться только на одном источнике данных вместо управления потоком всех входящих сообщений, что позволяет дать лучшую обратную связь для каждого источника.

Цифровой двойник в реальном времени может работать в публичных облаках, таких как Microsoft Azure, имеющих масштабируемость для обработки сообщений и поддержания цифровых двойников для тысяч грузовиков, умных складов или других телеметрических источников по широким географическим областям. 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 менеджеров. Это помогает им сохранять общую картину и быстрее создавать стратегические ответы на крупные вызовы, такие как погодные задержки, блокировки трасс и отключения электричества.

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

• Меняющиеся условия. Смещающиеся трафиковые паттерны, аварии и даже рекордные ураганы, штормы и пожары заставляют водителей постоянно менять маршруты. С логистическими компаниями, отслеживающими тысячи транспортных средств на дорогах, цифровые двойники в реальном времени могут помочь проанализировать, как ситуации вроде закрытия шоссе из-за лесных пожаров повлияют на каждое транспортное средство и оповестить водителей о новых маршрутах.
• Испорченные продукты и лекарства. В эпоху COVID-19 многие люди в группе риска ищут альтернативы покупкам в переполненных магазинах и теперь требуют доставку еды и лекарств к двери. Для выполнения этих доставок транспортное средство может содержать сотни разных термочувствительных продуктов и лекарств. Цифровые двойники в реальном времени могут мониторить нужные температуры для каждого предмета и оповещать водителей и логистических менеджеров о проблемах, угрожающих безопасности груза.
• Возникающие механические проблемы. Обслуживание дорогих коммерческих транспортных средств сложно, вовлекая множество параметров: давление в шинах, уровни жидкостей, двигательные системы и многое другое. Цифровые двойники в реальном времени могут отслеживать механический статус каждого транспортного средства и оповещать о необходимом обслуживании, избегая неожиданных задержек и дорогих ремонтов.
• Потерянные или нестабильные водители. Коммерческие водители работают под строгими правилами с существенными штрафами за нарушения. Цифровые двойники в реальном времени могут выявлять нестабильное поведение за рулем или надвигающиеся нарушения и сигнализировать водителю до их возникновения. Они также могут обнаружить, кажется ли водитель потерянным, чтобы диспетчеры могли быстро исправить проблему и сэкономить время и топливо.

2020 год увидел драматический рост использования логистических систем, поддерживающих поток нужных нам товаров к их пунктам назначения. Инсайты, полученные от цифровых двойников в реальном времени, могут помочь логистическим компаниям отслеживать бесчисленные компоненты в своих сетях, держать их в бесперебойной работе и избегать ненужных задержек. Эти инсайты позволят компаниям снизить затраты и повысить показатели своевременности, чтобы они могли эффективно конкурировать в критически важной отрасли, от которой мы все зависим.

Уильям Бэйн — CEO ScaleOut Software.