Wie digitale Zwillinge die Logistikleistung steigern können

Direktlieferungen an den Verbraucher sind der Weg der Zukunft und werden aufgrund von COVID-19 noch wichtiger. Logistikunternehmen haben jedoch Schwierigkeiten, die Nachfrage angesichts einer Vielzahl von Faktoren zu decken, von sich ständig ändernden Straßenbedingungen bis hin zur Verwaltung temperaturempfindlicher Medikamentenlieferungen. Eine leistungsstarke neue Streaming-Daten-Softwaretechnik, die als digitale Echtzeit-Zwillinge bezeichnet wird, kann die erforderlichen Erkenntnisse liefern, um kritische Logistikfragen zu beantworten, unbekannte Variablen zu reduzieren und die Effizienz des Betriebs zu verbessern.

Angesichts der schieren Menge an Streaming-Daten aus Flotten, intelligenten Lagerhäusern und anderen Telemetriequellen ist es für Logistikmanager eine gewaltige Herausforderung, kritische Erkenntnisse zu gewinnen und potenzielle Probleme in Echtzeit zu identifizieren. Herkömmliche Streaming-Analytics-Ansätze, wie Open-Source-Apache Storm und Flink, helfen Managern, Muster in aggregierten Nachrichtenflüssen zu extrahieren. Sie können diese Informationen jedoch nicht in einen Kontext setzen, um ihre Bedeutung zu bewerten und effektive, individuelle Maßnahmen für jede Datenquelle zu ergreifen.

Diese Lösungen wurden entwickelt, um eingehende Telemetriedaten durch eine Softwarepipeline zu leiten, um interessierende Muster zu extrahieren, aggregierte Erkenntnisse zu gewinnen und Warnungen zu senden, wenn bestimmte Bedingungen erfüllt sind. Sie verfolgen jedoch nicht den dynamischen Zustand der Datenquellen selbst oder ziehen Rückschlüsse auf ihr Verhalten.

Streaming Analytics kann beispielsweise hohe Öltemperaturmesswerte in einer Lkw-Flotte erkennen, kann jedoch nicht erklären, warum diese Messwerte auftreten, ob sie auf einen bevorstehenden Fehler hinweisen und welche spezifischen Maßnahmen ergriffen werden sollten. Dazu muss die Streaming-Analytics-Plattform kontextbezogene Informationen zu jedem Lkw speichern, damit sie eingehendere Einblicke in eingehende Telemetriedaten geben und strategischere Entscheidungen über Warnungen und Interventionen treffen kann. Zum Beispiel könnte man erwarten, dass ein Lkw-Motor aufgrund seines Alters und seiner Wartungshistorie eine überdurchschnittlich hohe Öltemperatur aufweist, während ein anderer, neuerer Motor ein ungewöhnliches Problem aufweist, das sofort behandelt werden muss.

Damit komplexe Logistiksysteme reibungslos funktionieren, muss Streaming Analytics diese tiefere Ebene der Introspektion bieten, insbesondere wenn Telemetriedaten von einer großen Anzahl von Datenquellen empfangen werden, wie beispielsweise Tausenden von LKWs in einer Flotte oder Paletten in einem Lager. Eine verbesserte Analyse dieser Telemetrie, die den Kontext zu jeder Datenquelle nutzt, kann Ineffizienzen, potenzielle Probleme und wichtige Trends viel besser erkennen und vorhersagen. Es kann helfen, Fragen zu beantworten wie:

• Hält ein Fahrzeug an, weil es an einer Raststätte ist oder stehengeblieben ist?
• Ist ein Motorparameter des Fahrzeugs anormal oder ist dies angesichts der bekannten Probleme und der Wartungshistorie des Fahrzeugs zu erwarten?
• Wird die aktuelle Temperatur und der aktuelle Trend des Kühlfachs ein Problem für die spezifischen Medikamente darstellen, die es derzeit enthält?
• Ist der Fahrer im Hinblick auf die gesetzlichen Bestimmungen zu lange unterwegs?
• Scheint der Fahrer verloren oder betritt er einen potenziell gefährlichen Bereich?

Die neue Softwaretechnik für Streaming-Analysen, die als digitale Echtzeit-Zwillinge bezeichnet wird, kann dazu beitragen, die zur Beantwortung dieser Fragen erforderlichen Erkenntnisse zu liefern. Es erstellt einen softwarebasierten Zwilling jeder verfolgten physischen Datenquelle, der kontextbezogene Informationen über die Datenquelle enthält (z. B. die erwarteten Parameter und die Wartungshistorie für einen Lkw-Motor). Der digitale Zwilling hostet Anwendungscode, der eingehende Nachrichten von seiner Datenquelle mit sofortigem Zugriff auf diesen Kontext analysiert, und er aktualisiert den Kontext mit jeder eingehenden Nachricht kontinuierlich, während er mehr über den dynamischen Zustand der Datenquelle „lernt“. Der Anwendungscode im Zwilling muss sich nur auf eine einzige Datenquelle konzentrieren, anstatt den Fluss aller eingehenden Nachrichten zu verwalten, und dies ermöglicht ein besseres Feedback für jede Datenquelle.

Ein digitaler Echtzeit-Zwilling kann in öffentlichen Clouds wie Microsoft Azure ausgeführt werden, die über die Skalierbarkeit verfügen, Nachrichten zu verarbeiten und digitale Echtzeit-Zwillinge für Tausende von Lastwagen, intelligenten Lagerhäusern oder anderen Telemetriequellen aus weiten geografischen Gebieten zu verwalten. Der Cloud-Service kann auch kontinuierlich wichtige Informationen aggregieren und visualisieren, die aus allen digitalen Echtzeit-Zwillingen extrahiert wurden, um aufkommende Probleme zu erkennen und das allgemeine Situationsbewusstsein für Manager zu verbessern. Dies hilft ihnen, den Überblick zu behalten und schneller strategische Antworten auf große Herausforderungen wie Wetterverzögerungen, Autobahnblockaden und Stromausfälle zu finden.

Hier sind vier Beispiele für Situationen, in denen digitale Zwillinge in Echtzeit Logistikmanagern dabei helfen können, die Effektivität und Pünktlichkeit ihrer Liefersysteme drastisch zu steigern:

• Ändern der Bedingungen. Veränderte Verkehrsmuster, Unfälle und sogar rekordverdächtige Wirbelstürme, Stürme und Brände führen dazu, dass sich die Routen der Fahrer ständig ändern. Da Logistikunternehmen Tausende von Fahrzeugen auf der Straße verfolgen, können digitale Zwillinge in Echtzeit dabei helfen, zu analysieren, wie sich Situationen wie Autobahnsperrungen aufgrund von Waldbränden auf jedes Fahrzeug auswirken und die Fahrer auf neue Routen aufmerksam machen.
• Verdorbene Lebensmittel und Medikamente. In der COVID-19-Ära suchen viele Menschen mit hohem Risiko nach Alternativen zum Einkaufen in überfüllten Geschäften und verlangen nun, dass Lebensmittel und Medikamente an ihre Türen geliefert werden. Um diese Lieferungen abzuschließen, kann ein Fahrzeug Hunderte verschiedener temperaturempfindlicher Lebensmittel und Medikamente enthalten. Digitale Zwillinge in Echtzeit können die erforderlichen Temperaturen für jeden Artikel überwachen und Fahrer und Logistikmanager auf Probleme aufmerksam machen, die die Sicherheit der Fracht bedrohen.
• Neu auftretende mechanische Probleme. Die Wartung teurer Nutzfahrzeuge ist komplex und umfasst zahlreiche Parameter wie Reifendruck, Flüssigkeitsstände, Motorsysteme und vieles mehr. Digitale Zwillinge in Echtzeit können den mechanischen Status jedes Fahrzeugs verfolgen und auf erforderliche Wartungsarbeiten aufmerksam machen, um unerwartete Verzögerungen und kostspielige Reparaturen zu vermeiden.
• Verlorene oder fehlerhafte Treiber. Gewerbliche Fahrer arbeiten nach strengen Regeln, mit erheblichen Strafen bei Verstößen. Digitale Zwillinge in Echtzeit können unregelmäßiges Fahrverhalten oder drohende Verstöße erkennen und dem Fahrer signalisieren, bevor sie auftreten. Sie können auch erkennen, ob ein Fahrer verloren zu gehen scheint, sodass Disponenten das Problem schnell beheben und Zeit und Kraftstoff sparen können.

Im Jahr 2020 hat der Einsatz von Logistiksystemen dramatisch zugenommen, die dafür sorgen, dass die von uns benötigten Waren an ihren Bestimmungsort fließen. Erkenntnisse aus digitalen Zwillingen in Echtzeit können Logistikunternehmen dabei helfen, die unzähligen Komponenten in ihren Netzwerken zu verfolgen, den reibungslosen Betrieb zu gewährleisten und unnötige Verzögerungen zu vermeiden. Diese Erkenntnisse werden es Unternehmen ermöglichen, ihre Kosten zu senken und die pünktliche Leistung zu steigern, damit sie in einer kritischen Branche, von der wir alle abhängig sind, effektiv konkurrieren können.

William Bain ist CEO von ScaleOut Software.