#139 Analyse logistique résiliente

Subscribe to get the latest

on 2023-05-18 00:00:00 +0000

with Darren W Pulsipher, Adrian Kosowski,

Dans cet épisode, Darren interviewe Adrian Kosowski, CPO de Pathway, à propos de leur capacité unique à gérer des données logistiques depuis le terrain dans des environnements DDIL avec des analyses en temps réel.


Keywords

#datamanagement #multicloud #technology


Êtes-vous intéressé par l’apprentissage sur la façon dont la transformation numérique affecte la logistique ? Dans cet épisode de “Embracing Digital Transformation”, l’invité spécial Adrian Kosowski, directeur des produits chez Pathway, discute des analyses résilientes dans la logistique. Pathway se concentre sur l’étude des systèmes du monde réel d’un point de vue informatique distribué et travaille spécifiquement avec des données dans le domaine de la logistique et du transport. L’un des plus grands défis dans ce domaine est d’agréger des données à grande échelle et de leur donner du sens, c’est là que les analyses d’apprentissage automatique entrent en jeu. Kosowski souligne également que la logistique est un marché très concentré, contrôlé par seulement quelques entreprises, ce qui rend même de petites améliorations dans les processus incroyablement précieuses pour l’économie mondiale. Cependant, collecter des données depuis l’extrême bord, comme les conteneurs au milieu de l’océan, présente ses propres défis, tels que l’optimisation de l’énergie et de la communication pour les appareils IoT alimentés par batterie. En résumé, si vous êtes intéressé par l’intersection de la logistique et de la transformation numérique, cet épisode offre des aperçus précieux sur les défis et les opportunités de ce domaine.

L’utilisation des dispositifs Internet des objets (IdO) dans l’industrie de la logistique et de la chaîne d’approvisionnement peut grandement bénéficier aux entreprises grâce à une visibilité de bout en bout et à une capacité d’analyse améliorée. Cependant, il y a plusieurs défis associés à l’utilisation de ces dispositifs qui doivent être résolus.

Un défi majeur réside dans la stabilité et la fiabilité de ces dispositifs périphériques. En cas de défaillance ou de panne d’un appareil, les entreprises doivent être en mesure de les optimiser sans qu’ils ne devinent ou n’agissent de manière incorrecte. Cela est particulièrement critique pour les systèmes en temps réel qui sont utilisés pour traiter les événements dans l’ordre.

Un autre défi est la précision des données collectées par les dispositifs IoT. Certaines données peuvent être déduites et une analyse contextuelle peut être nécessaire pour interpréter la signification d’un point de données donné et distinguer les problèmes de mesure des problèmes de processus. Des données inexactes ou non opportunes peuvent entraîner des risques dans la chaîne d’approvisionnement et rendre difficile l’optimisation du réseau de transport.

Cependant, l’utilisation généralisée des appareils IoT peut permettre une visibilité et une observabilité de bout en bout des processus tout au long de la chaîne d’approvisionnement. Cela peut aider les entreprises à optimiser leurs processus et à adopter une approche proactive. Cela peut bénéficier à tous les acteurs de la chaîne d’approvisionnement - des prestataires de transport et de logistique aux détaillants et fabricants.

Alors qu’il n’existe aucun groupe spécifique ou segment vers lequel les entreprises devraient cibler l’adoption des dispositifs IoT, une adoption généralisée et une coopération entre tous les acteurs peuvent entraîner des avantages considérables pour la chaîne d’approvisionnement mondiale.

Pathway a été développé pour répondre aux lacunes des technologies existantes de diffusion de données et fournir un outil pour les pipelines d’analyse avancée sur les flux de données. L’un des principaux avantages de Pathway est la facilité de description de la logique, comme s’il s’agissait d’un système de lots, tout en veillant à ce qu’elle fonctionne dans un système en temps réel avec des données désordonnées.

Pathway a été développé en tenant compte des données de l’IoT, mais il peut également gérer des données provenant de la surveillance vidéo, de la surveillance des performances des serveurs, de la surveillance des journaux et d’autres entités physiques. Cela permet de gérer les complexités des données en matière de détection d’anomalies, d’alertes avec des données non ordonnées, et de données avec des séries temporelles et des éléments géospatiaux de manière indépendante du cloud.

Une autre caractéristique importante de Pathway est la capacité d’utiliser des scripts Python pour l’analyse en continu des données, à la fois en temps réel et en mode par lots. Cela signifie que les scientifiques des données et les ingénieurs peuvent développer leurs pipelines d’analyse dans l’environnement de développement habituel auquel ils sont habitués et travailler facilement avec le système de streaming. De plus, Pathway permet de prendre en compte une quantité beaucoup plus importante d’historique lors de l’exécution des calculs, ce qui représente une grande différence par rapport aux processeurs de flux légers qui ne gèrent que de petites quantités de données.

Dans l’ensemble, Pathway offre une solution de transition pour les organisations qui ont besoin de combiner le traitement de données par lots et en temps réel, et offre un moyen d’ajouter de la valeur aux données en ajoutant une structure et des informations d’étendue pour une utilisation ultérieure dans l’intelligence d’affaires et l’analyse.

La technologie de streaming de données devient de plus en plus importante alors que les entreprises cherchent à prendre des décisions plus rapidement et à répondre plus rapidement aux besoins des clients. Lorsque vous utilisez le streaming de données, vous pouvez rapidement détecter et répondre aux tendances, anomalies et autres informations importantes. Pathway propose une suite de produits spécialement conçus pour travailler avec des données de séries chronologiques, des données logistiques et des données en streaming. Ils proposent des exemples et des informations pour les développeurs sur GitHub, ainsi qu’une communauté dynamique sur Discord.

Le streaming de données est une technologie essentielle pour les entreprises dans de nombreux secteurs différents. Par exemple, il peut être utilisé dans la logistique pour optimiser les itinéraires et prédire l’arrivée des expéditions. Dans la finance, il peut aider à détecter la fraude et prévoir les tendances du marché avant qu’elles ne soient largement connues. Dans les transports, il peut être utilisé pour surveiller en temps réel les performances des moteurs et des véhicules.

Si vous êtes intéressé par l’apprentissage de plus sur le flux de données et la façon dont il peut bénéficier à votre entreprise, assurez-vous de consulter le site web et la communauté de Pathway www.pathway.com. Avec les bons outils et l’expertise, vous pouvez exploiter cette technologie puissante pour améliorer vos opérations et rester en avance sur la courbe.

Podcast Transcript