数字孪生如何帮助提升物流绩效

直接面向消费者的交付是未来的方式，并且由于 COVID-19 而变得更加重要。然而，在一系列因素的影响下，物流公司正努力满足需求，从不断变化的道路条件到管理对温度敏感的药物交付。一种强大的新型流数据软件技术，称为实时数字孪生，可以提供解决关键物流问题所需的洞察力，减少未知变量并提高运营效率。

由于来自车队、智能仓库和其他遥测来源的大量流数据，对于物流经理来说，实时提取关键洞察并识别潜在问题是一项艰巨的挑战。传统的流分析方法，例如开源 Apache Storm 和 Flink，可帮助管理人员提取聚合消息流中的模式。尽管如此，他们仍无法将这些信息放在上下文中来评估其重要性并针对每个数据源采取有效的个性化操作。

这些解决方案旨在通过软件管道传递传入的遥测数据，以提取感兴趣的模式、获得汇总洞察并在满足特定条件时发送警报。但是，它们不会跟踪数据源本身的动态状态，也不会对其行为进行推断。

例如，流分析可以检测卡车车队中的高油温读数，但无法解释为什么会出现这些读数，它们是否表明即将发生故障，以及应该采取哪些具体措施。为此，流分析平台需要维护有关每辆卡车的上下文信息，以便它可以对传入的遥测数据进行更深入的内省，并就警报和干预做出更具战略性的决策。例如，由于其老化和维护历史，一辆卡车发动机可能会出现高于正常的油温，而另一台较新的发动机可能会出现需要立即关注的异常问题。

为了保持复杂的物流系统平稳运行，流分析需要提供这种更深层次的内省，尤其是在接收来自大量数据源的遥测数据时，例如车队中的数千辆卡车或仓库中的托盘。利用每个数据源的上下文对这种遥测进行增强分析，可以更好地识别和预测低效率、潜在问题和关键趋势。它可以帮助回答以下问题：

• 车辆停止是因为它在休息站还是因为它已经失速？
• 车辆上的发动机参数是否异常，还是考虑到车辆的已知问题和维护历史，这是预期的？
• 冷藏室的当前温度和趋势是否会对其当前存放的特定药物造成问题？
• 根据法律要求，司机在路上行驶的时间是否过长？
• 司机似乎迷路了或进入了潜在危险区域？

称为实时数字孪生的流式分析新软件技术可以帮助提供回答这些问题所需的洞察力。它为每个被跟踪的物理数据源创建了一个基于软件的孪生体，其中包含有关数据源的上下文信息（例如卡车发动机的预期参数和维护历史）。数字孪生托管应用程序代码，该代码分析来自其数据源的传入消息并立即访问此上下文，并且随着它“了解”有关数据源动态条件的更多信息，它不断更新每个传入消息的上下文。双胞胎中的应用程序代码只需要关注单个数据源，而不是管理所有传入消息的流，这可以为每个数据源提供更好的反馈。

实时数字孪生可以在公共云上运行，例如 Microsoft Azure，它具有处理消息和维护来自广泛地理区域的数千辆卡车、智能仓库或其他遥测源的实时数字孪生的可扩展性。云服务还可以持续聚合和可视化从所有实时数字孪生中提取的关键信息，以检测新出现的问题并提高管理人员的整体态势感知能力。这有助于他们保持全局观，并更快地针对天气延误、高速公路堵塞和停电等重大挑战制定战略应对措施。

以下是实时数字孪生可以帮助物流经理显着提高其交付系统的有效性和及时性的四个情况示例：

• 不断变化的条件。 不断变化的交通模式、事故甚至破纪录的飓风、风暴和火灾都导致司机的路线不断变化。随着物流公司在路上跟踪数千辆汽车，实时数字孪生可以帮助分析因森林火灾导致高速公路关闭等情况将如何影响每辆车并提醒司机注意新路线。
• 变质的食物和药物。 在 COVID-19 时代，许多高危人群正在寻找替代在拥挤的商店购物的方式，现在需要将食物和药物送到他们家门口。为了完成这些交付，车辆可能包含数百种不同的温度敏感食品和药物。实时数字孪生可以监控每件物品所需的温度，并提醒司机和物流经理注意威胁货物安全的问题。
• 新出现的机械问题。 维护昂贵的商用车辆很复杂，涉及许多参数，例如轮胎压力、液位、发动机系统等等。实时数字孪生可以跟踪每辆车的机械状态并提醒需要的维护，避免意外延误和昂贵的维修。
• 丢失或不稳定的驱动程序。 商业司机在严格的规则下运营，对违规行为处以巨额罚款。实时数字孪生可以发现不稳定的驾驶行为或即将发生的违规行为，并在它们发生之前向驾驶员发出信号。他们还可以检测司机是否迷路，以便调度员可以快速纠正问题并节省时间和燃料。

2020 年，物流系统的使用急剧增加，这些系统使我们需要的货物流向目的地。从实时数字孪生中获得的洞察力可以帮助物流公司跟踪其网络中的无数组件，使它们保持平稳运行并避免不必要的延迟。这些见解将使公司能够降低成本并提高准点率，从而能够在我们都依赖的关键行业中有效竞争。

William Bain 是 ScaleOut Software 的首席执行官。