Transport plays a key role in supply chain integration, particularly
due to its capacity to control flows of resources, goods and
products (Huq, Stafford, Bhutta, & Kanungo, 2010). Furthermore,
transport represents most of the logistics costs in almost all companies.
To enhance efficiency and flexibility in fleet operation
and management, the companies have adopted technologies to
obtain real-time information with a high level precision (Ngai
et al., 2012). One important piece of information is composed of
time and location, which can be acquired through the Global
Position System (GPS) (Hofmann-Wellenhof, Lichtenegger, &
Collins, 1997), a technology commonly used in location systems
(Hightower, LaMarca, & Smith, 2006).
Companies are investing in tracking and tracing systems aiming
at improving services, reducing costs and ensuring the safety in
cargo transports (Zhang, Zhao, Yi, & Wang, 2011). Bowersox and
Closs (1996) highlight the companies need real-time information
with high accuracy for efficient logistics management, allowing
to know how, when and where resources can be used. According
to Shamsuzzoha and Helo (2011), the use of tracking and tracing
systems is essential to reduce costs, speeding deliveries and even
identifying bottlenecks and operational deficiencies. In Brazil, the
main reason for companies to use tracking systems has been to
decrease the number of cargo thefts (NTC, 2012). The logistics
tracking for delivery networks is an important issue for providing
customer service in the transportation business (Shamsuzzoha &
Helo, 2011) and the continuous tracking and tracing are required
for shipments of high value and important cargo (Yang, Xu, & Li,
2010).
According to Hillbrand and Schoech (2007), tracking systems
and logistics monitoring are divided into two categories: discrete
and continuous. The discrete monitoring only gets the location of a specific load in predefined spots. On the other hand, continuous
monitoring gets the location at real-time, and knows a load’s pinpoint
in a specific time. In practice, the main technologies that are
used for logistics tracking are: barcode, RFID (Radio-Frequency
Identification), GPS (Global Positioning System) and GSM (Global
System for Mobile Communications). Kandel, Klumpp, and
Keusgen (2011) add to the taxonomy of Hillbrand and Schoech
(2007) a subcategory called semi-continuous monitoring. This subcategory
represents systems that combine both discrete and continuous
technologies. This technique uses a continuous
technology for the tracking of transportation vehicles, such as
GPS, and a discrete technology for monitoring loads delivery. In
recent years, we can observe the growth of RTLS (Real Time
Locating Systems) use in solutions of logistics tracking and tracing
(Ding, Chen, Chen, & Yuan, 2008; Ma & Liu, 2011; Park, Choi, &
Nam, 2006; Zang & Wu, 2010). The RTLS are usually employed in
order to do the continuous tracking and tracing of loads at indoor
environments, through the use of discrete technologies, such as
RFID and wireless networks.
The insecurity of public roads and the growth of load’s thefts are
making companies to look for systems able to detect when a vehicle
leaves its planned route. Thus, most of the existent tracking systems
use techniques of virtual fence known as Geofence (Reclus &
Drouard, 2009), which checks if the entity is inside or outside an
area. Furthermore, there are techniques (Oliveira, Noguez, Costa,
Barbosa, & Prado, 2013) which enable continuous monitoring of
travels, obtaining information of probable deviations or even emergency
situations. These techniques allow the identification of
potential vehicle thefts, but they do not identify inconsistencies
during logistics flow, for example when the cargo is removed from
vehicles. Therefore, we developed a model capable of identifying
both cargo and vehicles thefts, among other load’s inconsistencies
in logistics.
Considering this, the main motivation for this work is two
folded: we aim at reducing the high cost of logistics and, at the
same time, better manage deliveries, trying to decrease the possibilities
of cargo’s thefts. Indirect motivations, derived from those
two, are the optimization of the supply chain monitoring, and possible
increase in companies profits, maintaining their competitiveness
in the market.
With these motivations in mind, we propose a merging of the
information technologies and geofencing algorithms to design
and develop the SafeTrack, an intelligent model for logistics management.
This work continues the research started in SWTrack
(Oliveira et al., 2013), which presented an intelligent model that
allows companies to track their vehicles and have control over
the traveled routes. In this new approach, SafeTrack integrates
off-the-shelf mobile devices and open source hardware to acquire
information such as vehicle positioning and input/output cargo on
the vehicle.
The main scientific contribution of this work is the automatic
delivery management of loads, without any user interaction. The
main strengths of this solution are time optimization and also minimizing
human mistakes. Furthermore, the cargo control is able to
identify several inconsistencies in the logistics flow, for example
mistaken deliveries and pickups, and also potential cargo thefts.
With that, the logistics’ costs decrease and cargo’s safety is
increased, helping companies in competitive markets. On the other
hand, the main weakness of the proposed research is related to
information interoperability. We focused on the distribution stage,
so critical information is not propagated throughout the supply
chain. However, in Section 2, we discuss the work of Geerts and
O’Leary (2014) that proposes a solution specifically targeted at this
issue.
The decision on the occurrence of inconsistencies during the
logistics flow is performed through the fusion of context information, obtained from a mobile device, and a hardware component
especially developed for this project, named SafeDuino.
This component is attached at the back door of the truck with an
RFID shield, which detects when a cargo passes over the RFID
reader. Another feature of the proposed model is that devices can
send alarms notification whenever predefined situations occur.
These features speed up decision making, reducing losses and costs
for the logistics flow.
The remainder of this article will first introduce related works
in Section 2. In Section 3 we introduce the SafeTrack model. We
describe the prototype model in Section 4. Section 5 discusses
and presents the prototype evaluation in a controlled environment.
Finally, in Section 6, we present some conclusions and direction for
future work.
การขนส่งมีบทบาทสำคัญในการบูรณาการห่วงโซ่อุปทาน โดยเฉพาะ
เนื่องจากความสามารถในการควบคุมการไหลของทรัพยากร สินค้าและผลิตภัณฑ์
( huq สแตฟฟอร์ด bhutta & kanungo , , , 2010 ) นอกจากนี้
การขนส่งเป็นตัวแทนส่วนใหญ่ของต้นทุนโลจิสติกส์ในบริษัทเกือบทั้งหมด เพื่อเพิ่มประสิทธิภาพและความยืดหยุ่นใน
การดำเนินงานการจัดการยานพาหนะและ บริษัท ได้ใช้เทคโนโลยี
ได้รับข้อมูลเรียลไทม์ที่มีระดับความแม่นยำสูง ( ไหง
et al . , 2012 ) ชิ้นหนึ่งที่สำคัญของข้อมูลที่ประกอบด้วย
สถานที่และเวลา ซึ่งสามารถซื้อผ่านระบบตำแหน่งทั่วโลก ( GPS )
( ฮอฟมันน์ wellenhof lichtenegger &
, , คอลลินส์ , 1997 ) เป็นเทคโนโลยีที่ใช้กันทั่วไปในระบบที่ตั้ง
( ไฮทาวเวอร์ lamarca & , สมิธ , 2006 ) .
บริษัทมีการลงทุนในการติดตามและการติดตามระบบเล็ง
ในการปรับปรุงบริการ ลดต้นทุน และมั่นใจในความปลอดภัย ในการขนส่งสินค้า ( จาง
Zhao Yi &วัง , 2011 ) และ bowersox
คลอส ( 1996 ) เน้น บริษัทต้องการ
ข้อมูลเรียลไทม์ที่มีความถูกต้องสูงสำหรับการจัดการโลจิสติกส์ที่มีประสิทธิภาพ ให้
รู้ว่า เมื่อไหร่ที่ทรัพยากรและสามารถใช้
ตามและเพื่อ shamsuzzoha HELO ( 2011 ) , การติดตามและการติดตาม
ระบบเป็นสิ่งจำเป็นเพื่อลดต้นทุน เช่น การส่งมอบ และแม้แต่
ระบุคอขวดและการปฏิบัติ ในบราซิล ,
เหตุผลหลักสำหรับ บริษัท ที่จะใช้ระบบติดตามได้
ลดจำนวนสินค้า thefts ( NTC , 2012 ) โลจิสติกส์
ติดตามสำหรับเครือข่ายการส่งเป็นประเด็นที่สำคัญสำหรับการให้
การบริการลูกค้าในธุรกิจขนส่ง ( shamsuzzoha &
สวัสดี , 2011 ) และการติดตามและการติดตามจะต้อง
สำหรับการจัดส่งของมูลค่าสูง และที่สำคัญสินค้า ( หยาง ซู & Li
ตาม hillbrand 2010 ) และ schoech ( 2007 ) , ติดตามและตรวจสอบระบบโลจิสติกส์
ถูกแบ่งออกเป็นสองประเภท
: ไม่ต่อเนื่องและต่อเนื่องการติดตามต่อเนื่องเท่านั้นที่ได้รับตำแหน่งของ โหลด เฉพาะในจุดที่กำหนด บนมืออื่น ๆ , การตรวจสอบอย่างต่อเนื่อง
ได้รับสถานที่ในเวลาจริงและรู้แน่ชัด
โหลดในเวลาที่กำหนด ในการปฏิบัติเป็นหลัก เทคโนโลยีที่ใช้ในการขนส่ง :
ติดตามบาร์โค้ด , RFID ( การระบุความถี่
วิทยุ ) , GPS ( จีพีเอส ) และ GSM ( Global
ระบบการสื่อสารเคลื่อนที่ ) แคนเดิลคลัมป์ , ,
keusgen ( 2011 ) เพิ่มและอนุกรมวิธานของ hillbrand schoech
( 2007 ) หมวดย่อยที่เรียกว่าการตรวจสอบกึ่งต่อเนื่อง นี้เป็นระบบที่ผสมผสานทั้งย่อย
ไม่ต่อเนื่องและต่อเนื่อง เทคโนโลยี เทคนิคนี้ใช้เทคโนโลยีอย่างต่อเนื่อง
สำหรับการติดตามยานพาหนะขนส่ง เช่น
GPSและเทคโนโลยีการโหลดไม่ต่อเนื่องส่ง ใน
ที่ผ่านมาเราสามารถสังเกตการเจริญเติบโตของ Wi-Fi ( เวลาจริง
ติดตั้งระบบ ) ที่ใช้ในการติดตามและโซลูชั่นด้านการติดตาม
( ดิง เฉิน เฉิน &หยวน , 2008 ; มา&หลิว , 2011 ; ปาร์ค ชอย &
นัม , 2006 ; Zang & Wu , 2010 ) โดย RTLS มักจะใช้ในการทำอย่างต่อเนื่อง
ติดตามและการติดตามของโหลดที่สภาพแวดล้อมในร่ม
,ผ่านการใช้เทคโนโลยีที่ไม่ต่อเนื่อง เช่น
และเครือข่ายระบบไร้สาย ไม่มั่นคง ถนนสาธารณะ และการเติบโตของ บริษัท มีการโหลดของ thefts
หาระบบที่สามารถตรวจจับเมื่อรถยนต์
ใบ กระบวนการวางแผนของ ดังนั้น ส่วนใหญ่ของทั้งระบบติดตาม
ใช้เทคนิคของรั้วเสมือนจริงที่เรียกว่า geofence ( reclus &
drouard , 2009 )ซึ่งการตรวจสอบถ้านิติบุคคลเป็นภายในหรือภายนอก
พื้นที่ นอกจากนี้ ยังมีเทคนิค ( Oliveira , noguez , Costa
บาบอซ่า & Prado , 2013 ) ซึ่งช่วยให้ตรวจสอบอย่างต่อเนื่องของ
เดินทาง ได้รับข้อมูลหรือสถานการณ์ ฉุกเฉิน น่าจะเป็นค่า
. เทคนิคเหล่านี้ช่วยให้กำหนด
thefts รถที่อาจเกิดขึ้น แต่พวกเขาไม่ได้ระบุไม่สอดคล้องกัน
ช่วงไหลโลจิสติกส์ตัวอย่างเช่นเมื่อสินค้าจะถูกลบออกจาก
ยานพาหนะ ดังนั้นเราจึงพัฒนารูปแบบมีความสามารถในการระบุสินค้าและยานพาหนะ
ทั้ง thefts ของโหลดๆ
ไม่สอดคล้องกันในโลจิสติกส์ พิจารณานี้ แรงจูงใจหลักสำหรับงานนี้คือ 2
พับ : เรามุ่งที่การลดต้นทุนโลจิสติกส์สูงและในเวลาเดียวกัน ,
, การจัดการการส่งมอบที่ดีขึ้น พยายามที่จะลด ความเป็นไปได้
การแปล กรุณารอสักครู่..