製造業向け AI 搭載の追跡とトレース

ソリューション概要

追跡するおよび追跡は、原材料の調達から製造、流通、配送までの製品の旅のすべてのイベントを、接続された監査可能なタイムラインに記録するプラクティスです。

参照アーキテクチャ

提案されたアーキテクチャは、次のコンポーネントに依存します。

• MongoDB Atlas は統一データプラットフォームとして機能します。

• AWS Bedrock は AI の推理を取り扱います。

• Next.js ウェブアプリケーションは、製品の流れをリアルタイムで表示します。

図 1 。追跡と追跡ソリューションアーキテクチャ

ワークフローは、工場のイベントが検証や事前プロセシングなしで MongoDB に到着したときに開始します。次に、Atlas Stream Processing は各イベントをプロセシングキューにルーティングします。そこから、Change Stream は Amazon Web Services Bedrock をトリガーし、それによって非構造化された生テキストが構造化され、EPCIS 2.0 準拠のレコードに変換されます。最後に、MongoDB はクリーンイベントを保存し、製品のジャーニードキュメントを更新して、プロセス全体を数秒以内に完了させます。

製品の全履歴は 1 つのドキュメントに保存されています。Web アプリケーションは、ジョインなしで 1 つのクエリでカスタディの完全なチェーンを検索します。

データモデルアプローチ

MongoDB の製品ドキュメントは、単純なものから始まり、製造の各段階で拡大していきます。以下の 2 つのドキュメントは、その進化を示しています。

{
   "text": "ALERT | BATCH-GM005-037 | ShenZhn WH | 06:15:00Z - rcvd \n  raw mat'ls from Tianhe Biosci. Qty: 1000u glucose oxidase. \n  Temp: 4.2C avg. Purity: 99.3%. 12 units MISSING — QA hold \n  ref#QH-2024-001.",
   "stage": "Raw Materials Sourcing",
   "_timestamp": "2025-01-15T06:15:00.000Z"
}

{
   "_id": "GM-005",
   "productName": "Continuous Glucose Monitor",
   "status": "in_production",
   "currentStage": "Enzyme Coating",
   "journey": [
      {
         "stage": "Raw Materials Sourcing",
         "status": "completed",
         "location": "Shenzhen, CN",
         "startTime": "2025-01-15T06:15:00.000Z",
         "eventCount": 3
      },
      {
         "stage": "Electrode Fabrication",
         "status": "completed",
         "location": "Penang, MY",
         "startTime": "2025-01-16T07:00:00.000Z",
         "eventCount": 4
      },
      {
         "stage": "Enzyme Coating",
         "status": "in_progress",
         "location": "Penang, MY",
         "startTime": "2025-01-17T08:00:00.000Z",
         "eventCount": 1
      }
   ]
}

ソリューションのビルド

Github リポジトリの README の手順に従って、このソリューションを再現してください。

git clone https://github.com/mongodb-industry-solutions/track-and-trace.git
cd track-and-trace
npm install

MONGODB_URI=mongodb+srv://<user>:<password>@<cluster>.mongodb.net/
DATABASE_NAME=track-and-trace
AWS_ACCESS_KEY_ID=<your-access-key>
AWS_SECRET_ACCESS_KEY=<your-secret-key>
AWS_REGION=us-east-1

npm run seed

npm run dev

キーポイント

• 取り込みとプロセシングを分離する: ダウンストリームの負荷に関わらず、生イベントは直ちに MongoDB に取り込まれます。Atlas Stream Processing はルーティングを独立して取り扱い、取り込みレイヤーを高速でシンプルに保ちます。

• Change Streams を使用して反応型 AI パイプラインをビルドする: Change Stream は、イベントが到着した瞬間に AI プロセシングをトリガーし、イベントの見落としのリスクをゼロにしてポーリングやメッセージ キューの必要を除きます。

• 取り込み時にはいかなるスキーマを受け入れ、出力時に構造を強制します。取り込みレイヤーは検証なしで操作します。その代わり、構造は AI クリーニングパイプラインで強制され、そこではすべてのイベントがイベントコレクションに書き込まれる前に EPCIS 2.0 に正規化されます。

• 最新の状態だけでなく、ジャーニーを埋め込む：すべてのステージ、ロケーション、アノマリーは単一の製品ドキュメントに存在し、コンプライアンス監査官はジョインなしで全てのカストディチェーンを1回の読み取りで検索できます。

• AI ででたらめなデータを使用可能な情報に変換する: AI によるクリーニング パイプラインは、略語、入力ミス、単位の不一致、フィールドの欠落を取り扱うことができます。標準が変更された場合は、複雑な ETL コードを書き換えるのではなく、プロンプトを更新できます。

作成者

• Humza Akthar, MongoDB

• Javier Guajardo, MongoDB

詳細

• イベント駆動型インベントリ管理システム
• 生成AIを使用したインベントリの分類
• プロバイダー チェーンの中断のマネジメントのためのマルチエージェント システム