اینترنت اشیا مصرفی (Consumer IoT) در کمک به افراد برای گشتوگذار در جهان بسیار پیشرفت کرده است. اپلیکیشنهای نقشهکشی وب مانند Google Maps، Apple Maps و Waze جهتیابی گامبهگام را برای مسافران فراهم میکنند. این برنامهها شرایط واقعی ترافیک را منعکس میکنند و برنامهریزی مسیر اولیه را نیز انجام میدهند. این سیستمها برای ارائه این قابلیت به مصرفکنندگان دو کار انجام میدهند: جمعآوری دادههای جغرافیایی (geospatial data) و نمایش پویای این دادهها به کاربر. پشت صحنه تحلیل دادهها (analytics back-end) و رابط کاربری (user interface) وجود دارد.
هر دو بخش حیاتی هستند، اما دقیقاً در رابط کاربری — بهویژه نمایشهای بصری دادههای جغرافیایی — است که اطلاعات به بینش عملی برای اینترنت اشیا مصرفی تبدیل میشود.
البته، ارائهدهندگان خدمات لجستیک به بینش بسیار بیشتری نسبت به یک مسافر معمولی نیاز دارند. اپلیکیشنهای ناوبری نمیتوانند چندین وسیله نقلیه را ردیابی کنند؛ مسیرهای تحویل پیچیده را بهینهسازی کنند؛ یا متغیرهایی مانند خطر سرقت، آبوهوا یا رویدادهای مدنی را در نظر بگیرند.
برای بهینهسازی زنجیره تأمین خود، به پردازش دادههای قدرتمند نیاز دارید که بسیار فراتر از یک اپلیکیشن ناوبری مصرفی باشد. اما اصول همان است: باید بدانید چه اتفاقی در حال رخ دادن است و این اطلاعات را بهصورت بلادرنگ از طریق تجسمسازی بلادرنگ برای لجستیک دریافت کنید.
این کار شامل استفاده از دادههای خام سنسورهای GPS برای نقشهبرداری نقاط مورد علاقه مانند انبارها، ترمینالها و مکانهای مشتریان با حصارهای جغرافیایی (geofences) است؛ و شناسایی نقاط جدید مورد علاقه در صورت لزوم. سپس میخواهید تحلیل خودکار رویدادها و حصارهای جغرافیایی را امکانپذیر کنید و داشبوردهای تعاملی را برای کاربران فراهم آورید تا دادهها را در یک نگاه درک کنند و رویدادها را بهراحتی تفسیر نمایند.
به عبارت دیگر، به هوش بلادرنگ نیاز دارید که در یک نگاه قابل درک باشد. در ادامه توضیح میدهیم که چگونه تجسمسازی دادههای بلادرنگ میتواند زنجیره تأمین شما را بهینه کند.
چگونه تجسمسازی دادهها تصمیمگیری در لجستیک را بهبود میبخشد
کد باینری و یک نمودار منظم ممکن است حاوی دادههای یکسانی باشند. اما لزوماً برای افراد یکسان در یک سازمان جذاب نیستند.
ارائه بصری دادههای شما را به یک داستان تبدیل میکند و میتوانید از این داستان برای تصمیمگیری بهتر در مورد نحوه اداره زنجیره تأمین خود استفاده کنید. در اینجا تنها چند نمونه از چگونگی پشتیبانی گرافها و نقشههای جغرافیایی از تصمیمگیری سریع در محیط پویای لجستیک آورده شده است:
- درک آنچه در عملیات شما در حال رخ دادن است. به دنبال یک پلتفرم لجستیک IoT باشید که جدولها و نمودارها را بر اساس دادههای جمعآوریشده بهصورت آنی رندر کند. این امکان را به شما میدهد تا معیارهای کلیدی مانند مدت زمان بیکاری داراییهایتان در انبارها را فوراً درک کنید.
- شناسایی دقیق محل وقوع ناهنجاریها. نقشهها میتوانند بسیار فراتر از ناوبری عمل کنند. برای گسترش مثال قبلی، تجسمسازی قدرتمند میتواند انبارهایی با طولانیترین زمان پردازش را روی نقشه نمایش دهد — و نشان دهد داراییها در کجا احتمالاً معطل میشوند.
- مشاهده تغییرات شرایط زمینی در زمان مناسب برای تغییر مسیر محمولهها. آیا خطر تهدید در امتداد یک مسیر بهتازگی افزایش یافته است؟ آیا یک تظاهرات در مسیر کامیونهای شما در حال حرکت است؟ آیا یک پیمانکار فرعی در حال دور زدن یک جاده عوارضی پولی است؟ پاسخ تمام این سؤالات میتواند بهصورت لایههایی روی نقشه شما در بلادرنگ ظاهر شود، تا بتوانید بهموقع واکنش نشان دهید و تفاوت ایجاد کنید.
آن نکته آخر البته به تجسمسازیهای پویا وابسته است که در بلادرنگ بهروزرسانی میشوند. در صنعت لجستیک، همه چیز همیشه در حال تغییر است. پلتفرم هوش IoT شما باید از طریق تجسمسازی بلادرنگ برای لجستیک با این تغییرات همگام شود.
خوشبختانه، راهی برای بهروزرسانی تجسمسازیها با دادههای IoT بلادرنگ وجود دارد.
دستیابی به دید بلادرنگ در اینترنت اشیا لجستیک
بسیاری از سیستمهای IoT لجستیک تنها هر از گاهی داده ارسال میکنند. بهروزرسانیهای مکان و دادههای نظارت بر شرایط ممکن است با تأخیر چند ساعته برسند. حتی ممکن است خارج از ترتیب ظاهر شوند که منجر به سردرگمی زیاد در سمت تصمیمگیری عملیات شما میشود.
راهحل، ساخت یک پلتفرم هوش است که از دادههای جریاندار (streaming) و همچنین بهروزرسانیهای دستهای (batch updates) پشتیبانی کند. دادههای جریاندار تجسمسازیهای شما را در بلادرنگ بهروزرسانی میکنند، بنابراین میتوانید فوراً ببینید که اوضاع چگونه در حال تغییر است — و با قابلیتهای قدرتمند نموداری و نقشهبرداری، آن اطلاعات را بهراحتی درک کنید.
برای حداکثر کردن ارزش دادههایتان، همچنین حیاتی است که سیستم شما منابع دادههای متعدد را قبل از رسیدن به نقشه، نمودار یا جدول شما یکپارچه کند. این یکپارچهسازی دادهها کلید یک نقشه چندلایه است که میتواند شرایط فعلی اطراف مسیرهای شما (و بیشتر) را به شما بگوید.
پس چگونه تجسمسازیهای بهروز با دادههای از پیش یکپارچهشده به دست میآورید؟ این کار با یک موتور آغاز میشود که از جریان و بهروزرسانیهای دستهای پشتیبانی میکند، در حالی که دادهها را در مسیر پردازش میکند، در حالت ایدهآل با الگوریتمهای پیشرفته یادگیری ماشین (machine-learning).
چنین ابزاری نه تنها دادههایی را که برای بهینهسازی فرآیندهای زنجیره تأمین خود نیاز دارید ضبط میکند. نه تنها آن دادهها را به هوش عملی تبدیل میکند. تجسمسازی بلادرنگ برای لجستیک همچنین آن هوش را به شکلی شهودی و پویا ارائه میدهد: یک نقشه یا یک نمودار. به عبارت دیگر، یک تجسمسازی قدرتمند.
منبع: iotforall