Präzise, schnelle und kontinuierliche Auftragsdaten werden der Standard in der Baubranche und Teil der Datenökonomie der Zukunft sein. Thomas Concrete erkannte das große Potenzial sowohl für sein Unternehmen als auch für das Geschäft seiner Kunden, wenn es Asset-Tracking in Echtzeit anbietet. Mit der Expertise von Axelsson Cloud Consulting und unserer vernetzten Lösung haben wir es dem Kunden ermöglicht, neue Dienste anzubieten, die es seinen Kunden ermöglichen, ihr Geschäft durch datengesteuerte Erkenntnisse und Cloud-native Technologien effizienter und nachhaltiger zu führen.

Die Betonindustrie ist eine konservative Branche und ihre Prozesse sind seit vielen Jahren weitgehend unverändert geblieben. Gleichzeitig ist Beton ein sehr zeitkritisches Material und Lieferverzögerungen können zu hohen Mehrkosten führen.

Hier erkannte die Thomas Concrete Group, ein globaler Hersteller und Vertreiber von hochwertigem Transportbeton für gewerbliche und private Kunden, die Möglichkeit, innovativ zu sein und von datengesteuerten, vernetzten Lösungen zu profitieren und den Wert ihrer Daten zu steigern eines der ersten Unternehmen in der Baubranche, das sich der digitalen Transformation seines Geschäfts verschrieben hat. Mit der IoT- und Cloud-Computing-Expertise von Axelsson Cloud Consulting konnte Thomas Concrete zwei zentrale Herausforderungen bewältigen und gleichzeitig den Geschäftsbetrieb effizienter, skalierbarer und wettbewerbsfähiger gestalten. Die erste dieser Herausforderungen bestand darin, den Endbenutzern zu ermöglichen, ihre Betonlieferungen in Echtzeit zu verfolgen.

In dieser Fallstudie skizzieren wir diese erste Herausforderung, erläutern unseren Prozess zur Entwicklung einer Cloud-nativen und datengesteuerten Asset-Tracking-Lösung, die auf den spezifischen Geschäftsfall des Kunden zugeschnitten ist, und veranschaulichen den Wettbewerbsvorteil, der sich aus der Lösung ergibt.

Die Herausforderung: Kontinuierliche Bereitstellung exakter Positions- und Ankunftsinformationen von Lieferungen

Der Betonmarkt, der üblicherweise Teil der Lieferkette des Baumarkts ist, ist ein hart umkämpfter Markt, und Betonqualität allein reicht nicht mehr aus, um sich einen Wettbewerbsvorteil zu verschaffen. Was heute einen Unterschied macht, ist das Angebot zusätzlicher digitaler Dienste für Kunden, die das Geschäft von Thomas Concrete erweitern, einen Mehrwert für ihre Kunden schaffen und dazu beitragen würden, ihr Geschäft in die datengesteuerte Zukunft zu führen.

Das gelieferte Material Beton ist ein zeitkritisches Material, und wenn eine Lieferung zu lange verzögert wird oder die Baustelle nicht rechtzeitig für das Gießen vorbereitet wird, kann sich die Qualität des Materials erheblich verschlechtern und muss möglicherweise vollständig verschrottet werden. Lieferungen aufgrund von Verzögerungen stornieren zu müssen, ist ein überraschend häufiges Szenario und führt zu einem unwiederbringlichen Wertverlust. Daher ist es von entscheidender Bedeutung, genau zu wissen, wo sich eine Lieferung befindet und wann sie ankommt, um alles vor Ort vorzubereiten. Die Lösung: Asset-Tracking in Echtzeit.

Angesichts der Notwendigkeit von Innovationen in dieser konservativen Branche und der Frage, wie Endbenutzer von den zusätzlichen Erkenntnissen aus Echtzeitdaten profitieren könnten, machten wir uns daran, eine vernetzte, Cloud-native IoT-Lösung zu entwickeln, die es ihren Endkunden ermöglicht, Lieferungen in Echtzeit zu verfolgen. Uhrzeit, einschließlich einer digitalen Schnittstelle, die den aktuellen GPS-Standort des Lkw und eine ständig aktualisierte voraussichtliche Ankunftszeit anzeigt. Mit allen Lieferinformationen sofort auf ihren Geräten, einschließlich ereignis- und datengesteuerter Web- und nativer mobiler Push-Benachrichtigungen, wenn die Lieferung das Geofence der Produktionsstätte verlassen hat, wissen Kunden jetzt genau, wann sie mit einer Lieferung rechnen können, und optimieren die Vorab- und Post-Delivery-Operationen auf der Grundlage von Echtzeit-Erkenntnissen und ermöglicht es Thomas Concrete, Lieferrouten unter Berücksichtigung von Verkehr, Wetter und Fahrzeugtyp effektiver zu planen sowie zusätzliche angebotene Services in ihre Preismodelle zu integrieren. Dies haben wir dank unserer gründlichen erreicht Verfahren bei der Analyse, Auswahl, Überprüfung und Abstimmung der am besten geeigneten Lösungsarchitektur für den jeweiligen Anwendungsfall.

Wie wir die richtige Echtzeit-Datenintegrationsarchitektur entwickelt haben

Am Anfang unseres von uns verabschiedeten Überprüfungsprozesses stehen die zwei wichtigsten Schritte: Erstens, sich ein vollständiges Bild von der bestehenden Datenlandschaft des Kunden zu machen, wie sie genutzt werden kann und was der Anwendungsfall des Kunden von unserer Lösung verlangt und wie sie kann für die Zukunft skaliert werden. Dafür haben wir mit den IT-Entscheidungsträgern von Thomas Concrete zusammengearbeitet, um eine Liste detaillierter technischer Fragen zu ihren technischen Anforderungen zu beantworten, wie sie ihr Geschäft in Zukunft ausbauen wollen und welche verbesserten Services sie ihren Kunden anbieten möchten und was am wichtigsten ist für die Endverbraucher. Dieser entscheidende Schritt ermöglicht es uns einerseits, die Funktionen, Leistungsfähigkeit und Grenzen der vorhandenen Daten des Unternehmens zu verstehen und andererseits klare Anforderungen als Eckpfeiler für den zweiten Schritt festzulegen. Mit einem klaren Bild vor Augen prüfen wir dann gründlich alle möglichen Lösungen für die Anforderungen unserer Kunden, von der technischen Auswahl des Datenflusses bis hin zur Ereignisbehandlung und -verarbeitung, um den höchstmöglichen Durchsatz und damit eine Echtzeit-Streaming-Architektur zu ermöglichen. Wenn unsere Eckpfeiler gesetzt sind, wissen wir dann, welche detaillierten technischen Fragen wir stellen müssen, um nicht nur die wichtigsten Erfolgsfaktoren zu definieren, sondern auch die Cloud-native Architektur auszuwählen, die für die Bedürfnisse des Kunden am besten geeignet ist. Für diesen Anwendungsfall haben wir festgestellt, dass die IoT-Architektur hochleistungsfähig, mit hohem Durchsatz und geringer Latenz sein muss, um die riesige Datenmenge von LKWs und Lieferorten in Echtzeit zu verarbeiten und den Kunden des Kunden eine möglichst genaue ETA bereitzustellen.

Das Erstellen einer IoT-Architektur mit hoher Datenaufnahme und dennoch realer Echtzeitverarbeitung in großem Maßstab ist ein schwieriger und hochkomplexer Prozess, und selbst eine einzelne langsame Komponente gefährdet den Echtzeitdurchsatz der gesamten Architektur und verringert möglicherweise den Mehrwert das Geschäft. Um ein optimales Ergebnis zu erzielen, müssen Geschäftsanforderungen von Anfang an berücksichtigt werden, um relevante Aspekte entsprechend zu gestalten. Wir erkannten, dass ein ganzheitlicher Ansatz erforderlich war, der alle Aspekte der Architektur abdeckt. Vor diesem Hintergrund haben wir unsere Grundlage geschaffen und nach strenger Prüfung entschieden, dass Azure am besten für unseren Anwendungsfall geeignet ist und Azure EventHubs, serverlose Azure-Funktionen, Azure Kubernetes Service, Azure Premium SSD Managed Disks und Azure vollständig nutzen Azure-DevOps. Serverless Azure Functions zum Beispiel verfügt über eine unübertroffene Elastizität, um innerhalb eines App Service-Plans basierend auf der Auslastung nahezu unbegrenzt zu skalieren, und Azure Premium SSD Managed Disks verfügt über eine unübertroffene E/A-Leistung, wodurch sie sich perfekt für unseren Anwendungsfall mit hoher Durchgängigkeit eignen. Als primärer Datenspeicher dient die Zeitreihendatenbank CrateDB mit ihrer guten Eignung für den Umgang mit großen Mengen an halbstrukturierten Sensordaten, gleichbleibender Leistung auch unter hoher Last sowie dedizierten Edge-Modulen für Offline-Fähigkeit, um Datenverlust bei vorübergehendem Datenverlust zu verhindern Netzwerkausfall. Mit diesen und in enger Zusammenarbeit mit dem Kunden haben wir die im obigen Diagramm gezeigte übergreifende Architektur festgelegt und während der Implementierungsphase weiter auf hohen Durchsatz, Leistung und Zuverlässigkeit optimiert, um sicherzustellen, dass die Geschäftsanforderungen erfüllt werden, und die Grundlage dafür geschaffen zukünftige IoT-Anwendungsfälle auf der damaligen Roadmap.

Wie wir dazu beigetragen haben, durch datengesteuerte und Cloud-native Technologien einen Wettbewerbsvorteil zu schaffen

Die Cloud-native Asset-Tracking-Lösung, die wir für die Thomas Concrete Group entwickelt haben, wurde etwa sechs Monate nach der Einführung und vier Monate nach Beginn der Vollzeitimplementierung bereitgestellt und hat es dem Kunden seitdem ermöglicht, mehr als 1500 Lieferwagen in ganz Europa mit einer 9 kontinuierlich zu verfolgen ms Latenz, selbst beim Speichern von Millionen von Datenpunkten. Die Endkunden von Thomas Beton können jetzt in Echtzeit und auf jedem Gerät genau wissen, wann eine Lieferung eintrifft, und sich entsprechend vorbereiten. Für Thomas Beton bedeutet dies, dass sie ihr Geschäft effizienter führen, neue Dienstleistungen für Kunden durch neue Geschäftsmodelle anbieten können, die durch digitale Cloud-Technologien ermöglicht werden, was zu weniger Verzögerungen, erheblichen Kosteneinsparungen und weniger Abfall für ihre Endkunden führt nachhaltiger.

Die Entwicklung skalierbarer, sicherer und Cloud-nativer Lösungen erfordert Fachwissen in mehreren Bereichen: Gerätekonnektivität, Digitalisierung der Lieferkette und gegebenenfalls Edge-Computing. Vielleicht ist es keine Überraschung, dass laut Cisco-Forschung bis zu 75 Prozent der IoT-Projekte scheitern. Wir glauben, dass ein gründlicher Überprüfungsprozess auf der Grundlage der Geschäftsanforderungen für die Entwicklung erfolgreicher Big-Data-Streaming-Architekturen und IoT-Lösungen, die die aktuellen Geschäftsziele erfüllen, unerlässlich ist.

Mit unserer Cloud-nativen und datengesteuerten Asset-Tracking-Lösung in Echtzeit, die in der Microsoft Azure Cloud implementiert ist, haben wir es dem Kunden ermöglicht, die Vorteile von Azure IoT zu nutzen und sein Geschäft zu digitalisieren.

Wie in dieser Fallstudie erwähnt, wurde CrateDB als integraler Bestandteil der Architektur zum Speichern der Geodaten verwendet. Sie können mehr darüber lesen, wie die Datenbank in der Lösung verwendet wurde Hier.

Unser Ansatz zur Bereitstellung der Big-Data-Streaming-Architektur, die für die Asset-Tracking-Lösung in dieser Fallstudie verwendet wird, kann auch für andere Anwendungsfälle verwendet werden.

In unserer nächsten Fallstudie untersuchen wir unsere industrielle IoT-Lösung – eine Cloud-native Lösung, die drahtlose IoT-Sensoren verwendet, um die Materialhärtung auf Baustellen zu messen. Erhalten Sie erste Benachrichtigungen sowie exklusive Inhalte vom Axelsson-Team, indem Sie unseren abonnieren Newsletter.