Exploiter les jumeaux numériques temps réel pour améliorer l'efficacité logistique

Les livraisons directes aux consommateurs sont l'avenir et deviennent encore plus importantes en raison du COVID-19. Cependant, les entreprises logistiques peinent à répondre à la demande face à une multitude de facteurs, des conditions routières changeantes à la gestion des livraisons de médicaments sensibles à la température. Une puissante nouvelle technique logicielle de données en flux, appelée jumeaux numériques 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 massif de données en flux provenant des flottes, des entrepôts intelligents et d'autres sources télémétriques, c'est un défi de taille pour les gestionnaires logistiques d'extraire des informations critiques et d'identifier les problèmes potentiels en temps réel. Les approches traditionnelles d'analyse de flux, comme Apache Storm et Flink open-source, aident les gestionnaires à extraire des modèles dans les flux de messages agrégés. Pourtant, elles ne peuvent pas mettre ces informations en contexte pour en évaluer la signification et prendre des mesures efficaces et individualisées pour chaque source de données.

Ces solutions étaient conçues pour faire passer la télémétrie entrante par un pipeline logiciel afin d'extraire des modèles d'intérêt, d'obtenir des insights agrégés et d'envoyer des alertes lorsque des conditions spécifiques sont remplies. Cependant, elles ne suivent pas l'état dynamique des sources de données elles-mêmes, ni n'infèrent leur comportement.

Par exemple, l'analyse de flux peut détecter des relevés de température d'huile élevés dans une flotte de camions, mais ne peut pas expliquer pourquoi ces relevés se produisent, s'ils indiquent une défaillance imminente, et quelles actions spécifiques doivent être entreprises. Pour ce faire, la plateforme d'analyse de flux doit maintenir des informations contextuelles sur chaque camion, afin de pouvoir 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 pourrait présenter une température d'huile supérieure à la normale en raison de son âge et de son historique de maintenance, tandis qu'un autre moteur plus récent pourrait afficher un problème inhabituel nécessitant une attention immédiate.

Pour maintenir les systèmes logistiques complexes en marche, l'analyse de flux doit fournir ce niveau d'introspection plus profond, surtout lorsqu'elle reçoit de la télémétrie de grands nombres de sources de données, comme des milliers de camions dans une flotte ou de 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 prédiction des inefficacités, des problèmes potentiels et des tendances clés. Elle peut aider à répondre à des questions comme :

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

La nouvelle technique logicielle pour l'analyse de flux appelée jumeaux numériques temps réel peut aider à fournir les informations nécessaires pour répondre à ces questions. Elle 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 pour un moteur de camion). Le jumeau numérique héberge un code d'application qui analyse les messages entrants de sa source de données avec un accès immédiat à ce contexte, et il met continuellement à jour le contexte avec chaque message entrant alors qu'il « 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 d'information pour chaque source de données.

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

Quatre exemples concrets

Voici quatre situations dans lesquelles les jumeaux numériques temps réel peuvent aider les gestionnaires logistiques à améliorer considérablement l'efficacité et la ponctualité de leurs systèmes de livraison :

• Conditions changeantes. Les modèles de circulation changeants, les accidents et même les ouragans, tempêtes et incendies records modifient continuellement les itinéraires des conducteurs. Avec des entreprises logistiques suivant des milliers de véhicules sur la route, les jumeaux numériques temps réel peuvent aider à analyser comment des situations comme les fermetures d'autoroutes dues aux incendies de forêt affecteront chaque véhicule et alerter les conducteurs sur de nouveaux itinéraires.
• Aliments et médicaments gâtés. À l'ère du COVID-19, de nombreuses personnes à haut risque cherchent des alternatives aux achats en magasins bondés et exigent désormais que la nourriture et les médicaments leur soient livrés à domicile. Pour effectuer ces livraisons, un véhicule peut contenir des centaines d'aliments et de médicaments différents sensibles à la température. Les jumeaux numériques temps réel peuvent surveiller les températures requises pour chaque article et alerter les conducteurs et les gestionnaires logistiques des problèmes qui menacent la sécurité de la cargaison.
• Problèmes mécaniques émergents. L'entretien de véhicules commerciaux coûteux est complexe, impliquant de nombreux paramètres, tels que la pression des pneus, les niveaux de fluides, les systèmes moteurs et bien plus. Les jumeaux numériques temps réel peuvent suivre l'état mécanique de chaque véhicule et alerter sur la maintenance nécessaire, évitant les retards imprévus et les réparations coûteuses.
• Conducteurs perdus ou erratiques. Les conducteurs commerciaux opèrent sous des règles strictes, avec de lourdes pénalités pour les infractions. Les jumeaux numériques temps réel peuvent repérer les comportements de conduite erratiques ou les infractions imminentes, et signaler au conducteur avant qu'elles ne se produisent. Ils peuvent également détecter si un conducteur semble 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 des systèmes logistiques qui maintiennent les biens dont nous avons besoin en flux vers leurs destinations. Les informations gagnées grâce aux jumeaux numériques temps réel peuvent aider les entreprises logistiques à suivre les innombrables composants de leurs réseaux, à les maintenir en fonctionnement fluide et à éviter les retards inutiles. Ces informations permettront aux entreprises de réduire leurs coûts et d'améliorer la performance à l'heure, afin qu'elles puissent concurrencer efficacement dans une industrie critique dont nous dépendons tous.

William Bain est PDG de ScaleOut Software.