Apache Kafka là hệ thống thần kinh trung ương của nhiều ứng dụng trong các lĩnh vực khác nhau liên quan đến ngành công nghiệp ô tô và sản xuất để xử lý dữ liệu phân tích và giao dịch chuyển động qua các triển khai biên, lai và đa đám mây. Bài viết này khám phá bối cảnh phát trực tuyến sự kiện cho ô tô bao gồm các phương tiện được kết nối, sản xuất thông minh, tối ưu hóa chuỗi cung ứng, hậu mãi, dịch vụ di động và các mô hình kinh doanh mới sáng tạo.
Mọi lĩnh vực kinh doanh đều tận dụng Truyền phát sự kiện với Apache Kafka trong ngành công nghiệp ô tô và sản xuất. Dữ liệu đang chuyển động giúp ích ở mọi nơi. Cơ sở hạ tầng và triển khai khác nhau tùy thuộc vào trường hợp sử dụng và yêu cầu. Chúng ta đã thấy mọi thứ tại các nhà sản xuất ô tô và nhà sản xuất trên toàn cầu:
- Chiến lược ưu tiên đám mây với tất cả các ứng dụng kinh doanh mới trong đám mây công cộng được triển khai và kết nối giữa các khu vực và thậm chí cả châu lục
- Các kịch bản tích hợp lai giữa các ứng dụng cũ trong trung tâm dữ liệu và các dịch vụ gốc đám mây hiện đại, đám mây công cộng
- Điện toán biên trong một nhà máy thông minh để có độ trễ thấp, xử lý dữ liệu tiết kiệm chi phí và an ninh mạng
- Nhúng Kafka môi giới máy móc và phương tiện ở rìa bị ngắt kết nối
Sự lây lan của các trường hợp sử dụng này rất ấn tượng. Sơ đồ sau đây mô tả tổng quan cấp cao:
Các phần sau đây mô tả bối cảnh ô tô và sản xuất để phát trực tuyến sự kiện chi tiết hơn:
- Sản xuất 4.0
- Tối ưu hóa chuỗi cung ứng
- Dịch vụ di chuyển
- Mô hình kinh doanh mới
Nếu bạn chủ yếu quan tâm đến việc triển khai Kafka trong thế giới thực với các ví dụ từ BMW, Porsche, Audi, Tesla và các OEM khác, hãy xem bài viết “Triển khai Kafka trong thế giới thực trong ngành công nghiệp ô tô”.
Nếu bạn muốn hiểu tại sao Kafka lại tạo ra sự khác biệt như vậy trong ngành công nghiệp ô tô và sản xuất, hãy xem bài viết “Apache Kafka trong ngành công nghiệp ô tô”. Bài viết này khám phá động lực kinh doanh cho các khái niệm thay đổi trò chơi về dữ liệu đang chuyển động để số hóa ngành công nghiệp ô tô.
Trước khi bạn bắt đầu đọc phần dưới đây, Chúng ta muốn nhấn mạnh rõ ràng rằng Kafka không phải là viên đạn bạc cho mọi vấn đề. “Khi nào KHÔNG sử dụng Apache Kafka?” đào sâu vào cuộc thảo luận này.
Chúng ta giữ các phần sau tương đối ngắn để đưa ra một cái nhìn tổng quan cấp cao. Mỗi phần chứa các liên kết đến các bài viết chuyên sâu hơn về các chủ đề.
Sản xuất 4.0
IoT công nghiệp (IIoT) tương ứng Công nghiệp 4.0 thay đổi cách sàn cửa hàng và dây chuyền sản xuất hàng hóa. Tự động hóa, hiệu quả quy trình và Hiệu quả thiết bị tổng thể (OEE) tốt hơn nhiều cho phép giảm chi phí và linh hoạt trong quy trình sản xuất:
Nhà máy thông minh
Một nhà máy thông minh không nhất thiết phải là một tòa nhà mới được xây dựng như Tesla Gigafactory. Nhiều doanh nghiệp cài đặt công nghệ thông minh như cảm biến nối mạng để đo nhiệt độ hoặc rung động vào các nhà máy cũ. Cải thiện hiệu quả thiết bị tổng thể (OEE) là mục tiêu chính của hầu hết các trường hợp sử dụng. Nhiều kịch bản tận dụng Kafka để liên tục xử lý dữ liệu cảm biến và dữ liệu đo từ xa đang chuyển động:
- Kết nối với các máy móc với các công nghệ mở, hiện đại như MQTT
- Trực quan hóa và giám sát thiết bị và tài sản (thường được gọi là Digital Twin hoặc Digital Threat)
- Đảm bảo chất lượng như giám sát tình trạng với xử lý luồng không trạng thái
- Bảo trì dự đoán máy móc, robot, dây chuyền sản xuất với phân tích phát trực tuyến trạng thái và học máy
- Giám sát và giám sát video quan trọng về an toàn bằng cách xử lý hình ảnh và video
- An ninh mạng để nhận thức tình huống và thông tin về mối đe dọa
- Tòa nhà thông minh để bảo trì và vận hành, tiêu thụ năng lượng thông minh hơn, sử dụng không gian tối ưu, trải nghiệm nhân viên tốt hơn
Hiện đại hóa kế thừa với API mở và Đám mây lai
Các nhà máy tồn tại trong nhiều thập kỷ sau khi chúng được xây dựng. Số hóa và hiện đại hóa các công nghệ kế thừa là một số thách thức lớn nhất trong các dự án IIoT. Một sáng kiến như vậy thường bao gồm một số nhiệm vụ:
- Tích hợp phức tạp với các giao thức kế thừa độc quyền như Siemens S7, Allan Bradley, Modbus, et al., ví dụ, với một khung mã nguồn mở chuyên dụng như Apache PLC4X chạy trên Kafka Connect
- Tích hợp đơn giản với các tiêu chuẩn mở như dịch vụ web dựa trên HTTP và REST và REST Proxy cho Kafka
- Triển khai một nhà sử học dữ liệu hiện đại, mở, có thể mở rộng thay thế hoặc bổ sung cho các nhà sử học dữ liệu độc quyền, nguyên khối
- Các kiến trúc MES và ERP hậu hiện đại nâng cấp hoặc thay thế các hệ thống MES và ERP không thể mở rộng độc quyền cũ, ví dụ, sự tích hợp giữa các hệ thống SAP cũ và Kafka
- Nâng và chuyển từ trung tâm dữ liệu tại chỗ sang đám mây công cộng với đồng bộ hóa và sao chép lai bằng giao thức Kafka và liên kết cụm
Kỹ thuật dựa trên dữ liệu liên tục và phát triển sản phẩm
Cuối cùng nhưng không kém phần quan trọng, một cơ hội mà nhiều người đánh giá thấp: Truyền dữ liệu liên tục với Kafka cho phép các khả năng mới trong kỹ thuật phần mềm và phát triển sản phẩm cho IoT và các dự án ô tô.
Ví dụ, phát triển và triển khai “vòng lặp lớn” cho việc học máy của các hệ thống hỗ trợ lái xe tiên tiến (ADAS) hoặc các chức năng tự lái dựa trên dữ liệu cảm biến từ đội xe là một cách mới của kỹ thuật phần mềm. Nền tảng dữ liệu dựa trên Kafka của Tesla là một ví dụ tuyệt vời. Một trường hợp sử dụng liên quan trong kỹ thuật là việc nhập dữ liệu cảm biến trong và sau khi lái thử.
Tối ưu hóa chuỗi cung ứng
Các quy trình và giải pháp chuỗi cung ứng rất phức tạp. Đại dịch Covid cho thấy chỉ những doanh nghiệp linh hoạt mới có thể tồn tại, duy trì lợi nhuận và cung cấp trải nghiệm khách hàng tuyệt vời, ngay cả trong các sự kiện bên ngoài thảm khốc.
Dưới đây là 5 thách thức quan trọng hàng đầu của chuỗi cung ứng:
- Khung thời gian ngắn hơn
- Thay đổi nhanh chóng
- Công nghệ và sản phẩm lỗi thời
- Các mô hình lịch sử không còn khả thi
- Thiếu tầm nhìn
Chỉ có luồng dữ liệu thời gian thực và mối tương quan mới giải quyết được những thách thức chuỗi cung ứng này từ đầu đến cuối giữa các khu vực và công ty:
Trong bài đăng trên blog chi tiết của nó, Chúng ta đã đề cập đến Tối ưu hóa chuỗi cung ứng (SCM) với Apache Kafka. Hãy xem để tìm hiểu về các trường hợp sử dụng chuỗi cung ứng trong thế giới thực từ Bosch, BMW, Walmart và các công ty khác.
Mạng lưới hậu cần nội bộ và phân phối toàn cầu
Logistics và chuỗi cung ứng trong nhà máy, trung tâm phân phối hoặc cửa hàng yêu cầu tích hợp và xử lý dữ liệu theo thời gian thực để cung cấp xử lý hàng hóa hiệu quả và trải nghiệm khách hàng tuyệt vời. Quy trình hàng loạt hoặc tương tác thủ công của nhân viên con người không thể thực hiện các trường hợp sử dụng này. Các ví dụ bao gồm:
- Hệ thống định vị thời gian thực (RTLS) để vận chuyển và hậu cần trong một tòa nhà để giám sát robot, hệ thống vận chuyển không người lái (DTS) và các quy trình thủ công để đảm bảoan toàn,bảo mật c ontrolled vàhoạt động và năng suất op timized
- Quản lý hàng tồn kho cho các quy trình sản xuất được tối ưu hóa và tùy chỉnh với tích hợp B2B tốt hơn trong thời gian thực – câu chuyện và lợi ích tương tự như trong kiến trúc bán lẻ đa kênh hiện đại
- Mạng lưới phân phối toàn cầu được hỗ trợ bởi cơ sở hạ tầng Kafka toàn cầu
- Thực tế tăng cường cho việc số hóa và tự động hóa các nhiệm vụ của công nhân
Theo dõi &; Theo dõi và Quản lý đội xe
Logistics thời gian thực là một công cụ thay đổi cuộc chơi để quản lý đội tàu và theo dõi &; theo dõi các trường hợp sử dụng.
- Xe cơ giới thương mại như ô tô, xe tải, xe tải, xe chuyên dụng (như máy móc xây dựng di động), xe nâng hàng và rơ moóc
- Phương tiện cá nhân được sử dụng cho công việc (‘hạm đội xám’)
- Máy móc hàng không như máy bay (máy bay và trực thăng)
- Tàu
- Xe lửa
- Các tài sản phi năng lượng như máy phát điện, xe tăng, hộp số
Tất cả các khía cạnh sau đây không phải là mới. Sự khác biệt là phát trực tuyến sự kiện cho phép liên tục thực hiện các tác vụ này trong thời gian thực để hành động dựa trên thông tin mới đang chuyển động:
- Visualization
- Dịch vụ dựa trên vị trí
- Định tuyến và điều hướng
- Thời gian đến dự kiến
- Cảnh báo
- Chủ động tính toán lại
- Giám sát tài sản và các bộ phận cơ khí của xe
Hầu hết các công ty đều có chiến lược ưu tiên đám mây để xây dựng một nền tảng như vậy. Tuy nhiên, một số trường hợp yêu cầu điện toán biên thông qua vị trí 5G cục bộ cho các trường hợp sử dụng có độ trễ thấp hoặc các nhà môi giới Kafka nhúng để thu thập và phân tích dữ liệu bị ngắt kết nối trong xe.
Trao đổi dữ liệu trực tuyến để hợp tác B2B với các đối tác
Dữ liệu thời gian thực không chỉ có liên quan nếu không có công ty. Các OEM và nhà cung cấp Cấp 1 và Cấp 2 được hưởng lợi theo cùng một cách từ các luồng dữ liệu. Điều này cũng đúng với các Agent xe hơi, khách hàng cuối cùng và bất kỳ người tiêu dùng dữ liệu nào khác. Do đó, một xu hướng rõ ràng trên thị trường là sự xuất hiện của trao đổi dữ liệu trực tuyến dựa trên Kafka giữa các công ty để xây dựng lưới dữ liệu.
Chúng ta thường thấy tình huống này trong quá khứ: OEM tận dụng phát trực tuyến sự kiện. Nhà cung cấp Cấp 1 tận dụng tính năng phát trực tuyến sự kiện. Giải pháp ERP được sử dụng cũng được xây dựng trên Kafka. Tất cả đều tận dụng khả năng truyền phát dữ liệu thời gian thực có thể mở rộng. Thật vô nghĩa khi tích hợp với các đối tác và nhà cung cấp phần mềm thông qua các API dịch vụ web, chẳng hạn như SOAP hoặc HTTP / REST. Thay vào đó, giao diện phát trực tuyến là một lựa chọn tự nhiên để trao dữ liệu phát trực tuyến cho các đối tác.
Ví dụ sau đây từ ngành công nghiệp ô tô cho thấy cách các bên liên quan độc lập (= tên miền trong các doanh nghiệp khác nhau) sử dụng trao đổi dữ liệu phát trực tuyến giữa các công ty:
Dịch vụ di chuyển
Mỗi OEM, nhà cung cấp hoặc khởi nghiệp sáng tạo trong không gian ô tô đều nghĩ về việc cung cấp dịch vụ di động trên hàng hóa họ bán hoặc như một dịch vụ độc lập.
Hầu hết các dịch vụ di động trên các ứng dụng dành cho thiết bị di động của bạn hiện được sử dụng cho doanh nghiệp hoặc riêng tư chỉ có thể thực hiện được nhờ vào đường trục thời gian thực có thể mở rộng được hỗ trợ bởi phát trực tuyến sự kiện:
Khả năng cho các dịch vụ di động là vô tận. Một vài ví dụ đã trở thành xu hướng chủ đạo hiện nay:
- Bán lẻ đa kênh và hậu mãi để mua các tính năng xe hơi bổ sung trực tuyến, ví dụ, nhiều năng lượng hơn, sưởi ghế, điều hướng cập nhật, phần mềm tự lái (được rồi, phần mềm sau chưa phải là chủ đạo, nhưng Tesla cho thấy nó sẽ đi đâu)
- Xe ô tô kết nối để gọi xe, cho thuê xe tay ga, dịch vụ taxi, giao đồ ăn
- Tích hợp bên thứ 3 để thêm các dịch vụ mà một công ty không muốn tự xây dựng
Các dịch vụ di động thành công và được áp dụng rộng rãi nhất hiện nay độc lập với một nhà sản xuất hoặc nhà cung cấp ô tô cụ thể.
Ví dụ về các dịch vụ di chuyển tiêu dùng nổi bật do Kafka cung cấp là Uber và Lyft ở Mỹ, Grab ở châu Á và FREENOW ở châu Âu. Here Technologies là một ví dụ tuyệt vời cho dịch vụ di động B2B cung cấp thông tin bản đồ để các công ty có thể xây dựng mới hoặc cải thiện các ứng dụng hiện có trên đó.
Một điểm khởi đầu tốt để tìm hiểu thêm là bài đăng trên blog của Chúng ta về Apache Kafka và MQTT cho các dịch vụ di động và vận chuyển.
Mô hình kinh doanh mới
Việc truy cập vào dữ liệu thời gian thực cho phép các công ty xây dựng các mô hình kinh doanh hoàn toàn mới trên các sản phẩm hiện có của họ:
Một vài ví dụ:
- Cho thuê xe thế hệ tiếp theo với trải nghiệm khách hàng tuyệt vời, phiếu giảm giá theo ngữ cảnh, nền tảng khách hàng thân thiết và đội xe cho thuê với các dịch vụ khác từ nhà sản xuất ô tô.
- Phát minh lại bảo hiểm xe hơi dựa trên thông tin lái xe theo thời gian thực về từng tài xế để xây dựng giá dành riêng cho người lái xe dựa trên phân tích thời gian thực về hành vi của người lái xe thay vì các phương pháp tiếp cận kế thừa bằng cách sử dụng các mô hình thống kê với các thuộc tính như tuổi lái xe, số vụ tai nạn trong quá khứ, v.v.
- Nhà cung cấp dữ liệu để kiếm tiền cho phép các công ty khác xây dựng mô hình kinh doanh mới với dữ liệu xe hơi của bạn – ví dụ: làm việc với chính phủ để tạo ra hệ thống giao thông thành phố thông minh hoặc khởi động dịch vụ di động để phân tích và tương quan dữ liệu xe hơi giữa các OEM.
Sự phát triển này chỉ là khởi đầu của việc sử dụng dữ liệu phát trực tuyến. Chúng ta đã thấy nhiều khách hàng xây dựng một đường ống phát trực tuyến đầu tiên cho một trường hợp sử dụng. Tuy nhiên, các bộ phận kinh doanh mới sẽ tận dụng dữ liệu cho những đổi mới khi nền tảng ở đó.
Dữ liệu đang chuyển động trong ô tô và sản xuất
Bối cảnh cho Apache Kafka trong ngành công nghiệp ô tô và sản xuất cho thấy Apache Kafka là hệ thống thần kinh trung ương của nhiều ứng dụng trong các lĩnh vực khác nhau để xử lý dữ liệu phân tích và giao dịch trong chuyển động.
Bài viết này đã khám phá các trường hợp sử dụng như phương tiện được kết nối, sản xuất thông minh, tối ưu hóa chuỗi cung ứng, hậu mãi, dịch vụ di động và các mô hình kinh doanh mới sáng tạo. Khả năng dữ liệu chuyển động gần như vô tận. Ngành công nghiệp ô tô và sản xuất vẫn đang trong giai đoạn đầu của việc tận dụng dữ liệu chuyển động.
Nguồn : Landscape Apache Kafka cho ô tô và sản xuất – Kai Waehner (kai-waehner.de)