リアルタイム・デジタルツインを活用した物流効率の向上

直接消費者への配送（D2C）は未来の形であり、COVID-19によりさらに重要性を増しています。しかし、物流企業は、刻々と変化する道路状況から温度に敏感な医薬品の配送管理まで、多くの要因に直面しながら需要を満たすのに苦労しています。リアルタイム・デジタルツインと呼ばれる強力な新しいストリーミングデータソフトウェア技術は、重要な物流の問いに答え、未知の変数を減らし、オペレーションの効率を改善するために必要な洞察を提供できます。

フリート、スマート倉庫、その他のテレメトリソースから膨大な量のストリーミングデータが流れる中、物流管理者が重要な洞察を抽出し、潜在的な問題をリアルタイムで特定することは困難な挑戦です。オープンソースのApache StormやFlinkといった従来のストリーミング分析アプローチは、管理者が集約メッセージフローのパターンを抽出するのを助けます。しかし、これらは情報を文脈に置いてその重要性を評価し、各データソースに対して効果的で個別のアクションを取ることはできません。

これらのソリューションは、着信テレメトリをソフトウェアパイプラインを通過させ、関心のあるパターンを抽出し、集約的な洞察を得て、特定の条件が満たされたときにアラートを送信するように設計されていました。しかし、データソース自体の動的な状態を追跡したり、その振る舞いについて推論したりすることはありません。

例えば、ストリーミング分析はトラックのフリートで高いオイル温度読み取りを検出できますが、なぜその読み取りが発生しているのか、それが差し迫った故障を示しているのか、どのような具体的なアクションを取るべきかを説明できません。これを行うには、ストリーミング分析プラットフォームが各トラックに関する文脈情報を維持し、着信テレメトリに対してより深い内省を行い、アラートと介入についてより戦略的な意思決定ができる必要があります。例えば、あるトラックのエンジンは年齢とメンテナンス履歴のために通常より高いオイル温度を示すことが予想される一方、別の新しいエンジンは即座に注意が必要な異常な問題を示しているかもしれません。

複雑な物流システムをスムーズに稼働させ続けるには、数千台のトラックや倉庫のパレットなど、多数のデータソースからテレメトリを受信する際特に、ストリーミング分析がこのより深いレベルの内省を提供する必要があります。各データソースに関する文脈を活用したテレメトリの拡張分析は、非効率、潜在的問題、主要なトレンドの特定と予測をはるかにうまく行えます。以下のような問いに答えるのに役立ちます：

• 車両が停止しているのは休憩所にいるからか、それとも故障したからか？
• 車両のエンジンパラメータが異常か、それとも既知の問題とメンテナンス履歴を考慮すれば予想される範囲か？
• 冷蔵コンパートメントの現在の温度と傾向が、現在保管している特定の医薬品にとって問題を引き起こすか？
• ドライバーが法的要件に照らして長時間運転しすぎていないか？
• ドライバーが道に迷っている、または潜在的に危険なエリアに入っていないか？

リアルタイム・デジタルツインと呼ばれるストリーミング分析の新しいソフトウェア技術は、これらの問いに答えるために必要な洞察を提供できます。追跡対象の各物理データソースのソフトウェアベースのツインを作成し、そのデータソースに関する文脈情報（トラックエンジンの予想パラメータやメンテナンス履歴など）を含めます。デジタルツインは、この文脈への即時アクセスを持って着信メッセージを分析するアプリケーションコードをホストし、着信メッセージごとに文脈を継続的に更新することで、データソースの動的な状態について「学習」します。ツイン内のアプリケーションコードは、すべての着信メッセージのフローを管理する代わりに、単一のデータソースのみに焦点を当てればよく、これにより各データソースに対するより良いフィードバックが可能になります。

リアルタイム・デジタルツインは、Microsoft Azureのようなパブリッククラウドで実行でき、数千台のトラック、スマート倉庫、その他の広範な地理的領域にわたるテレメトリソースのメッセージ処理とリアルタイム・デジタルツインの維持に必要な拡張性を備えています。クラウドサービスは、すべてのリアルタイム・デジタルツインから抽出された主要情報を継続的に集約および可視化し、新たな問題を検知して管理者の全体的な状況認識を高めます。これにより、管理者は全体像を把握し、天候遅延、高速道路封鎖、停電といった主要な課題に対してより迅速に戦略的対応を立てられます。

ここでは、リアルタイム・デジタルツインが物流管理者の配送システムの効果と適時性を劇的に高める4つの状況例を示します：

• 状況の変化：交通パターンの変化、事故、さらには記録的なハリケーン、嵐、火災がドライバーのルートを継続的に変えています。数千台の車両を追跡する物流企業において、リアルタイム・デジタルツインは、山火事による高速道路閉鎖などの状況が各車両にどう影響するかを分析し、ドライバーに新しいルートを通知できます。
• 食品と医薬品の劣化：COVID-19の時代、多くのハイリスク層が混雑した店舗での買い物の代替を求め、食品と医薬品の自宅配達を必要としています。これらの配達を完了するには、車両に数百種類の温度に敏感な食品と医薬品が含まれることがあります。リアルタイム・デジタルツインは各アイテムに必要な温度を監視し、貨物の安全を脅かす問題があればドライバーと物流管理者にアラートを出します。
• 新たな機械的問題：高価な商用車の維持管理は複雑で、タイヤ空気圧、液面レベル、エンジンシステムなど多数のパラメータが関わります。リアルタイム・デジタルツインは各車両の機械的状態を追跡し、必要なメンテナンスにアラートを出し、予期せぬ遅延と高額な修理を回避します。
• 道に迷った、または異常な運転をするドライバー：商用ドライバーは厳格なルールの下で運転し、違反には重大なペナルティがあります。リアルタイム・デジタルツインは異常な運転行動や差し迫った違反を検知し、発生前にドライバーに信号を送れます。また、ドライバーが道に迷っているように見えるかどうかを検知し、ディスパッチャーが問題を迅速に修正して時間と燃料を節約できます。

2020年は、私たちが必要とする商品を目的地に流し続ける物流システムの利用が劇的に増加した年でした。リアルタイム・デジタルツインから得られる洞察は、物流企業がネットワークの無数のコンポーネントを追跡し、それらをスムーズに稼働させ、不必要な遅延を回避するのに役立ちます。これらの洞察により、企業はコストを削減し、定時パフォーマンスを向上させ、私たち全員が依存する重要な業界で効果的に競争できるようになります。

William BainはScaleOut SoftwareのCEOです。