Comment les jumeaux numériques peuvent aider à améliorer les performances logistiques

Les livraisons directes aux consommateurs sont la voie de l'avenir et deviennent encore plus importantes en raison de COVID-19. Cependant, les entreprises de logistique ont du mal à répondre à la demande au milieu d'un barrage de facteurs, des conditions routières en constante évolution à la gestion des livraisons de médicaments sensibles à la température. Une nouvelle technique logicielle puissante de diffusion de données en continu, appelée jumeaux numériques en temps réel, peut fournir les informations nécessaires pour répondre aux questions logistiques critiques, réduire les variables inconnues et améliorer l'efficacité des opérations.

Avec le volume considérable de données en continu provenant de flottes, d'entrepôts intelligents et d'autres sources de télémétrie, c'est un défi de taille pour les responsables logistiques d'extraire des informations critiques et d'identifier les problèmes potentiels en temps réel. Les approches traditionnelles d'analyse en continu, telles que Apache Storm et Flink open source, aident les gestionnaires à extraire des modèles dans les flux de messages agrégés. Pourtant, ils ne peuvent pas mettre ces informations en contexte pour évaluer leur importance et prendre des mesures efficaces et individualisées pour chaque source de données.

Ces solutions ont été conçues pour transmettre la télémétrie entrante via un pipeline logiciel afin d'extraire des modèles d'intérêt, d'obtenir des informations globales et d'envoyer des alertes lorsque des conditions spécifiques sont remplies. Cependant, ils ne suivent pas l'état dynamique des sources de données elles-mêmes et ne font pas d'inférences sur leur comportement.

Par exemple, l'analyse en continu peut détecter des lectures de température d'huile élevée dans une flotte de camions, mais ne peut pas expliquer pourquoi ces lectures se produisent, si elles indiquent une défaillance imminente et quelles actions spécifiques doivent être prises. Pour ce faire, la plate-forme d'analyse en continu doit conserver des informations contextuelles sur chaque camion, afin qu'elle puisse fournir une introspection plus approfondie sur la télémétrie entrante et prendre des décisions plus stratégiques concernant les alertes et les interventions. Par exemple, un moteur de camion peut présenter une température d'huile supérieure à la normale en raison de son âge et de son historique d'entretien, tandis qu'un autre moteur plus récent peut présenter un problème inhabituel nécessitant une attention immédiate.

Pour assurer le bon fonctionnement des systèmes logistiques complexes, l'analyse en continu doit fournir ce niveau d'introspection plus approfondi, en particulier lors de la réception de données télémétriques provenant d'un grand nombre de sources de données, telles que des milliers de camions dans une flotte ou des palettes dans un entrepôt. Une analyse améliorée de cette télémétrie qui utilise le contexte de chaque source de données peut faire un bien meilleur travail d'identification et de prévision des inefficacités, des problèmes potentiels et des tendances clés. Cela peut aider à répondre à des questions telles que :

• Un véhicule est-il arrêté parce qu'il est à une aire de repos ou parce qu'il a calé ?
• Est-ce qu'un paramètre du moteur sur le véhicule est anormal, ou est-ce attendu compte tenu des problèmes connus du véhicule et de son historique d'entretien ?
• La température et la tendance actuelles du compartiment de réfrigération créeront-elles un problème pour les médicaments spécifiques qu'il contient actuellement ?
• Le conducteur est-il sur la route depuis trop longtemps par rapport aux exigences légales ?
• Le conducteur semble-t-il s'être perdu ou entrer dans une zone potentiellement dangereuse ?

La nouvelle technique logicielle d'analyse en continu appelée jumeaux numériques en temps réel peut aider à fournir les informations nécessaires pour répondre à ces questions. Il crée un jumeau logiciel de chaque source de données physique suivie, contenant des informations contextuelles sur la source de données (telles que les paramètres attendus et l'historique de maintenance d'un moteur de camion). Le jumeau numérique héberge le code d'application qui analyse les messages entrants à partir de sa source de données avec un accès immédiat à ce contexte, et il met continuellement à jour le contexte avec chaque message entrant à mesure qu'il « en apprend » davantage sur l'état dynamique de la source de données. Le code d'application dans le jumeau n'a besoin de se concentrer que sur une seule source de données au lieu de gérer le flux de tous les messages entrants, ce qui permet un meilleur retour pour chaque source de données.

Un jumeau numérique en temps réel peut fonctionner sur des clouds publics, tels que Microsoft Azure, qui ont l'évolutivité pour traiter les messages et maintenir des jumeaux numériques en temps réel pour des milliers de camions, d'entrepôts intelligents ou d'autres sources de télémétrie dans de vastes zones géographiques. Le service cloud peut également agréger et visualiser en continu les informations clés extraites de tous les jumeaux numériques en temps réel pour détecter les problèmes émergents et améliorer la connaissance globale de la situation pour les gestionnaires. Cela les aide à conserver une vue d'ensemble et à créer plus rapidement des réponses stratégiques aux défis majeurs, tels que les retards météorologiques, les blocages d'autoroute et les pannes de courant.

Voici quatre exemples de situations dans lesquelles les jumeaux numériques en temps réel peuvent aider les responsables logistiques à augmenter considérablement l'efficacité et la rapidité de leurs systèmes de livraison :

• Modification des conditions. L'évolution des schémas de circulation, les accidents et même les ouragans, les tempêtes et les incendies qui battent tous les records modifient continuellement les itinéraires des conducteurs. Avec des entreprises de logistique qui suivent des milliers de véhicules sur la route, les jumeaux numériques en temps réel peuvent aider à analyser comment des situations telles que les fermetures d'autoroutes en raison d'incendies de forêt affecteront chaque véhicule et alertent les conducteurs sur de nouveaux itinéraires.
• Nourriture et médicaments avariés. À l'ère du COVID-19, de nombreuses personnes à haut risque recherchent des alternatives aux achats dans les magasins bondés et ont désormais besoin que de la nourriture et des médicaments soient livrés à leur porte. Pour effectuer ces livraisons, un véhicule peut contenir des centaines d'aliments et de médicaments thermosensibles différents. Les jumeaux numériques en temps réel peuvent surveiller les températures nécessaires pour chaque article et alerter les conducteurs et les responsables logistiques des problèmes qui menacent la sécurité du fret.
• Problèmes mécaniques émergents. L'entretien de véhicules utilitaires coûteux est complexe et implique de nombreux paramètres, tels que la pression des pneus, les niveaux de liquide, les systèmes de moteur et bien plus encore. Les jumeaux numériques en temps réel peuvent suivre l'état mécanique de chaque véhicule et alerter sur l'entretien nécessaire, évitant ainsi les retards imprévus et les réparations coûteuses.
• Drivers perdus ou erratiques. Les chauffeurs commerciaux opèrent selon des règles strictes, avec des pénalités substantielles en cas d'infraction. Les jumeaux numériques en temps réel peuvent détecter les comportements de conduite erratiques ou les infractions imminentes, et signaler le conducteur avant qu'ils ne se produisent. Ils peuvent également détecter si un chauffeur semble être perdu, afin que les répartiteurs puissent rapidement corriger le problème et économiser du temps et du carburant.

L'année 2020 a vu une augmentation spectaculaire de l'utilisation de systèmes logistiques qui permettent aux marchandises dont nous avons besoin d'être acheminées vers leurs destinations. Les connaissances acquises grâce aux jumeaux numériques en temps réel peuvent aider les entreprises de logistique à suivre les innombrables composants de leurs réseaux, à assurer leur bon fonctionnement et à éviter les retards inutiles. Ces informations permettront aux entreprises de réduire leurs coûts et d'améliorer leur ponctualité, afin qu'elles puissent rivaliser efficacement dans un secteur critique dont nous dépendons tous.

William Bain est PDG de ScaleOut Software.