Gemelos Digitales en Tiempo Real: Potenciando la Eficiencia Logística

Las entregas directas al consumidor son el futuro y se vuelven aún más importantes debido al COVID-19. Sin embargo, las empresas logísticas luchan por satisfacer la demanda ante una avalancha de factores, desde condiciones de carretera cambiantes hasta la gestión de entregas de medicamentos sensibles a la temperatura. Una poderosa nueva técnica de software de datos en streaming, llamada gemelos digitales en tiempo real, puede proporcionar los insights necesarios para responder preguntas logísticas críticas, reducir variables desconocidas y mejorar la eficiencia de las operaciones.

El desafío de los datos en streaming

Con el enorme volumen de datos en streaming provenientes de flotas, almacenes inteligentes y otras fuentes de telemetría, es un desafío abrumador para los gerentes logísticos extraer insights críticos e identificar problemas potenciales en tiempo real. Los enfoques tradicionales de análisis de streaming, como Apache Storm y Flink de código abierto, ayudan a los gerentes a extraer patrones en flujos de mensajes agregados. Aun así, no pueden poner esta información en contexto para evaluar su importancia y tomar acciones efectivas e individualizadas para cada fuente de datos.

Estas soluciones fueron diseñadas para pasar la telemetría entrante a través de una tubería de software para extraer patrones de interés, obtener insights agregados y enviar alertas cuando se cumplen condiciones específicas. Sin embargo, no rastrean el estado dinámico de las fuentes de datos mismas, ni hacen inferencias sobre su comportamiento.

La limitación del análisis tradicional

Por ejemplo, el análisis de streaming puede detectar lecturas altas de temperatura de aceite en una flota de camiones, pero no puede explicar por qué ocurren estas lecturas, si indican una falla inminente y qué acciones específicas deben tomarse. Para hacer esto, la plataforma de análisis de streaming necesita mantener información contextual sobre cada camión, para que pueda proporcionar una introspección más profunda sobre la telemetría entrante y tomar decisiones más estratégicas sobre alertas e intervención. Por ejemplo, un motor de camión podría esperarse que exhiba una temperatura de aceite más alta de lo normal debido a su edad e historial de mantenimiento, mientras que otro motor más nuevo podría estar mostrando un problema inusual que necesita atención inmediata.

Gemelos digitales en tiempo real: la solución

Para mantener sistemas logísticos complejos funcionando sin problemas, el análisis de streaming necesita proporcionar este nivel más profundo de introspección, especialmente al recibir telemetría de grandes números de fuentes de datos, como miles de camiones en una flota o palés en un almacén. El análisis mejorado de esta telemetría que utiliza contexto sobre cada fuente de datos puede hacer un trabajo mucho mejor identificando y prediciendo ineficiencias, problemas potenciales y tendencias clave. Puede ayudar a responder preguntas como:

• ¿Un vehículo está detenido porque está en una área de descanso o porque se ha averiado?
• ¿Un parámetro del motor del vehículo es anormal, o es esperable dado los problemas conocidos y el historial de mantenimiento del vehículo?
• ¿La temperatura actual y la tendencia del compartimento de refrigeración crearán un problema para los medicamentos específicos que contiene actualmente?
• ¿El conductor ha estado en la carretera demasiado tiempo con respecto a los requisitos legales?
• ¿Parece que el conductor está perdido o entrando en un área potencialmente peligrosa?

La nueva técnica de software para análisis de streaming llamada gemelos digitales en tiempo real puede ayudar a proporcionar los insights necesarios para responder estas preguntas. Crea un gemelo basado en software de cada fuente de datos física que se está rastreando, conteniendo información contextual sobre la fuente de datos (como los parámetros esperados y el historial de mantenimiento para un motor de camión). El gemelo digital aloja código de aplicación que analiza los mensajes entrantes de su fuente de datos con acceso inmediato a este contexto, y actualiza continuamente el contexto con cada mensaje entrante a medida que "aprende" más sobre la condición dinámica de la fuente de datos. El código de aplicación en el gemelo solo necesita enfocarse en una sola fuente de datos en lugar de gestionar el flujo de todos los mensajes entrantes, y esto permite una mejor retroalimentación para cada fuente de datos.

Escalabilidad en la nube y conciencia situacional

Un gemelo digital en tiempo real puede ejecutarse en nubes públicas, como Microsoft Azure, que tienen la escalabilidad para procesar mensajes y mantener gemelos digitales en tiempo real para miles de camiones, almacenes inteligentes u otras fuentes de telemetría en amplias áreas geográficas. El servicio en la nube también puede agregar y visualizar continuamente información clave extraída de todos los gemelos digitales en tiempo real para detectar problemas emergentes e impulsar la conciencia situacional general para los gerentes. Esto les ayuda a mantener el panorama general y crear más rápidamente respuestas estratégicas a desafíos mayores, como retrasos climáticos, bloqueos de autopistas y cortes de energía.

Cuatro casos de uso transformadores

Aquí hay cuatro ejemplos de situaciones en las que los gemelos digitales en tiempo real pueden ayudar a los gerentes logísticos a aumentar drásticamente la efectividad y oportunidad de sus sistemas de entrega:

• Condiciones cambiantes. Patrones de tráfico cambiantes, accidentes e incluso huracanes, tormentas e incendios récord están causando que las rutas de los conductores cambien continuamente. Con empresas logísticas rastreando miles de vehículos en la carretera, los gemelos digitales en tiempo real pueden ayudar a analizar cómo situaciones como cierres de autopistas debido a incendios forestales afectarán a cada vehículo y alertar a los conductores sobre nuevas rutas.
• Alimentos y medicamentos echados a perder. En la era del COVID-19, muchas personas de alto riesgo buscan alternativas a comprar en tiendas abarrotadas y ahora requieren que alimentos y medicamentos sean entregados a sus puertas. Para completar estas entregas, un vehículo puede contener cientos de alimentos y medicamentos diferentes sensibles a la temperatura. Los gemelos digitales en tiempo real pueden monitorear las temperaturas necesarias para cada artículo y alertar a conductores y gerentes logísticos sobre problemas que amenazan la seguridad de la carga.
• Problemas mecánicos emergentes. Mantener vehículos comerciales costosos es complejo, involucrando numerosos parámetros, como presión de neumáticos, niveles de fluidos, sistemas de motor y mucho más. Los gemelos digitales en tiempo real pueden rastrear el estado mecánico de cada vehículo y alertar sobre mantenimiento necesario, evitando retrasos inesperados y reparaciones costosas.
• Conductores perdidos o erráticos. Los conductores comerciales operan bajo reglas estrictas, con sanciones sustanciales por violaciones. Los gemelos digitales en tiempo real pueden detectar comportamiento de conducción errático o infracciones inminentes, y señalar al conductor antes de que ocurran. También pueden detectar si un conductor parece estar perdido, para que los despachadores puedan corregir rápidamente el problema y ahorrar tiempo y combustible.

Conclusión

El año 2020 ha visto un aumento dramático en el uso de sistemas logísticos que mantienen fluyendo los bienes que necesitamos hacia sus destinos. Los insights obtenidos de los gemelos digitales en tiempo real pueden ayudar a las empresas logísticas a rastrear los innumerables componentes en sus redes, mantenerlos operando sin problemas y evitar retrasos innecesarios. Estos insights permitirán a las empresas reducir sus costos y mejorar el rendimiento a tiempo, para que puedan competir efectivamente en una industria crítica de la que todos dependemos.

William Bain es CEO de ScaleOut Software.