Lösning för spårbarhet i leveranskedjan med hjälp av Azure Cosmos DB for Gremlin

GÄLLER FÖR: Gremlin

Den här artikeln innehåller en översikt över den lösning för spårbarhetsdiagram som implementeras av Infosys. Den här lösningen använder Azure Cosmos DB för Gremlin och andra Azure-funktioner för att tillhandahålla en spårningsfunktion för färdiga varor i globala leveranskedjor.

I den här artikeln får du lära dig:

• Vilken spårbarhet är i samband med en leveranskedja.
• Arkitekturen för en global spårbarhetslösning som levereras via Azure-funktioner.
• Hur Azure Cosmos DB-grafdatabasen hjälper dig att spåra invecklade relationer mellan råvaror och färdiga varor i en global leveranskedja.
• Hur Azure-integreringsplattformstjänster som Azure API Management och Event Hubs hjälper dig att integrera olika programekosystem för leveranskedjor.
• Hur du kan få hjälp från Infosys att använda den här lösningen för dina spårningsbehov.

Översikt

I livsmedelskedjan är spårbarhet möjligheten att spåra och spåra en produkt i hela leveranskedjan under produktens livscykel. Leveranskedjan omfattar leverans, tillverkning och distribution. Spårbarhet är avgörande för livsmedelssäkerhet, varumärke och regleringsexponering.

Tidigare kunde vissa organisationer inte spåra och spåra produkter effektivt i sina leveranskedjor. Resultaten inkluderade dyra återkallelser, böter och konsumenthälsoproblem.

Spårbarhetslösningar var tvungna att hantera behovet av dataharmonisering och datainmatning vid olika tidpunkter och hastigheter. De var också tvungna att följa inventeringscykeln. Dessa mål var inte möjliga med traditionella plattformar.

Lösningsarkitektur

Spårbarhet i leveranskedjan delar ofta mönster vid inmatning av lastpallsrörelser, hantering av kvalitetsincidenter och spårning/analys av lagringsdata. Infosys har utvecklat en spårningslösning från slutpunkt till slutpunkt som använder Azures programtjänster, integreringstjänster och databastjänster. Lösningen innehåller följande funktioner:

• Ta emot strömmande data från fabriker, lager och distributionscenter över geografiska områden.
• Mata in och bearbeta parallella lagerförflyttningshändelser.
• Visa ett kunskapsdiagram som analyserar relationerna mellan råvaror, produktionsbatchar, lastpallar av färdiga varor, relationer mellan överordnade/underordnade lastpallar (copack/repack) och förflyttning av varor på flera nivåer.
• Åtkomst till en användarportal med en sökfunktion som innehåller jokertecken och specifika nyckelord.
• Identifiera påverkan av en kvalitetsincident, till exempel berörda råvaror, batchar, lastpallar och platser för lastpallar.
• Fånga historiken för händelser på flera marknader, inklusive information om produktåterkallelse.

Infosys-spårningslösningen stöder molnbaserade, API-första och datadrivna funktioner. Följande diagram illustrerar arkitekturen för den här lösningen:

Arkitekturen använder följande Azure-tjänster för att hjälpa till med specialiserade uppgifter:

• Med Azure Cosmos DB kan du skala upp eller ned prestanda elastiskt. Med hjälp av API:et för Gremlin kan du skapa och fråga komplexa relationer mellan råvaror, färdiga varor och lager.
• Azure API Management tillhandahåller API:er för lagerförflyttningshändelser till tredjepartsleverantörer av logistik (3PL) och lagerhanteringssystem (WMSs).
• Azure Event Hubs ger möjlighet att samla in ett stort antal samtidiga händelser från 3PL-providrar och WMS för vidare bearbetning.
• Azure Functions (via funktionsappar) bearbetar händelser och matar in data för Azure Cosmos DB med hjälp av API:et för Gremlin.
• Azure Search möjliggör komplexa sökningar och filtrering av lastpallsinformation.
• Azure Databricks läser ändringsflödet och skapar modeller i Azure Synapse Analytics för självbetjäningsrapportering för användare i Power BI.
• Azure App Service och dess Web Apps funktion möjliggör distribution av en användarportal.
• Azure Storage lagrar arkiverade data för långsiktiga regelbehov.

Grafdatabas och dess datadesign

Produktion och distribution av varor kräver att en komplex och dynamisk uppsättning relationer upprätthålls. Med en anpassningsbar datamodell i form av ett spårningsdiagram kan du lagra dessa relationer genom alla steg i leveranskedjan. Här är en övergripande visualisering av processen:

Föregående diagram är en förenklad vy av en komplex process. Men om du hämtar information om lagerförflyttning från fabriker och lager i realtid kan du skapa en utarbetad graf som kopplar samman alla dessa olika typer av information:

1. Spårbarhetsprocessen startar när leverantören skickar råvaror till fabrikerna. Lösningen skapar de första noderna (hörnen) i grafen och relationerna (kanterna).

2. De färdiga varorna produceras av råvaror och förpackas i lastpallar.

3. Lastpallarna flyttas till fabrikslager eller marknadslager enligt kundorder. Lagerlokalerna kan ägas av företaget eller av 3PL-leverantörer.

4. Lastpallarna levereras till olika andra lager enligt kundbeställningar. Beroende på kundernas behov skapas barnpallar eller underordnade lastpallar för den beställda kvantiteten.

   Ibland skapas ett helt nytt objekt genom att flera objekt blandas. I ett copack-scenario som till exempel producerar ett variantpaket paketeras ibland samma artikel om till mindre eller större kvantiteter i en annan lastpalls som en del av en kundbeställning.

   

5. Lastpallar färdas genom försörjningskedjans nätverk och når så småningom kundlagret. Under den processen kan lastpallarna delas upp ytterligare eller kombineras med andra lastpallar för att producera nya lastpallar för att uppfylla kundernas beställningar.

6. Så småningom skapar systemet ett komplext diagram som innehåller relationsinformation för hantering av kvalitetsincidenter.

   

   Dessa invecklade relationer är viktiga i en kvalitetsincident där systemet kan spåra lastpallar i leveranskedjan. Diagrammet och dess blädderingar innehåller den information som krävs för detta. Om det till exempel finns ett problem med en råvara kan grafen visa de berörda lastpallarna och den aktuella platsen.

Nästa steg

• Läs mer om Infosys Integrate+ för Azure.
• Information om hur du visualiserar grafdata finns i API:et för Gremlin-visualiseringslösningar.
• Information om hur du modellerar grafdata finns i API:et för Gremlin-modelleringslösningar.