数字孪生技术在供应链管理中的应用

在现代商业世界中供应链不断生成数据，利用这些数据实现供应链价值最大化，可以使企业在激烈的竞争环境中脱颖而出。因此，一些具有前瞻性的企业开始考虑将数字孪生（DT）概念应用于供应链管理。

近年来，随着计算和通信成本的下降，企业采用数字孪生技术变得越来越容易，将促进模型构建工具、仿真软件功能的进一步发展。很多领域如工厂流程、全球供应链、机器维护等领域正在考虑将数字孪生技术投入使用。数字孪生技术可以提高整个行业及跨行业的制造、运输、供应链、医疗保健等方面的业务洞察力和绩效。在每个行业中，数字孪生技术都有很多用途，并提供许多创新的可能性。数字孪生技术可以提供实时监测、预测，并为实时操作提供决策支持，使企业提高效率并节省成本。高德纳公司预测到2021年，半数大型工业公司将使用数字孪生技术，这些组织的效率将提高10%［89］。如果将数字孪生技术运用到供应链物流领域，资产负债表中的供应链收益将增加10%，而且不是一次性收益，是长期的收益。

在过去十年中，供应链运营领域发生了巨大变化，物联网技术（IoT）出现后，供应链中几乎任何物品都可以实时跟踪，不仅仅是成品，还包括卡车上的轮胎、飞机上的机翼以及运输货物的托盘等。同时，第三方也可以为供应链运营企业提供新形式的数字信息，例如精确的天气预报信息、社交媒体信息以及交通警报信息等。不断扩展的数字智能技术已经产生了大量数据，供应链企业如何利用这些数据实时优化供应链并处理应急情况，是供应链管理领域重要的课题之一。供应链数字孪生技术将会影响供应链的业务流程、运营、员工、合作伙伴和客户的决策等，并能够在供应链持续运营情况下进行供应链最优决策和管理。

5.6.1　面向供应链管理的数字孪生

5.6.1.1　供应链管理现状分析

（1）供应链管理中仿真技术应用的重要性。

在传统供应链管理模式中，经常因信息掌握不及时而导致决策失误，供应链系统复杂、效率低、响应速度慢，存在不可预测的风险。面对供应链中信息流、物流、资金流产生的海量数据，传统方法难以对存在的问题和挑战进行描述与求解，所以在数字化时代，仿真技术成为供应链管理相关人员常用且高效的工具。目前国内企业技术储备不足以收集顾客多元化的需求数据，缺乏有效的沟通平台将供应商、分销商、零售商有机联系起来［90］。特别是在非高科技领域的供应链环节，物联网技术、电子数据交换（EDI）技术等都没有得到大规模的应用及更新［91］。供应链管理技术需要持续改进，才能够在激烈竞争中满足客户的需求，确保按时交付货物和服务。管理企业的供应链意味着每天做大量的决策，并在企业的物流成本和客户的灵活需求之间寻找平衡点，在此过程中存在很多不可避免的不确定因素和随机性因素，供应链流程过长，特别是实际控制过程中遇到障碍需要调整时，往往会因决策不及时而错失商业机遇［92］。尽管一些企业采用了信息化等新技术，许多供应链管理人员仍然面临着供应链网络可视化等问题的严峻挑战。仿真技术一定程度上实现了供应链可视化，但在智能时代，大数据的出现意味着仿真技术需要不断提升与改进。

（2）供应链管理中仿真技术的应用现状。

为实现供应链可视化，仿真技术被不断应用到物流与供应链建模中。常用的仿真软件有Flexsim，Multi-Agent，Anylogic等，仿真建模可以帮助企业应对挑战、降低成本以及改善服务，并可以快速清晰地分析供应链中相互关联、动态和随机的事件，进而帮助企业完善决策。

Flexsim是美国的三维物流仿真软件，能够对系统中所有基本存在的实物对象（如传送带、仓库、集装箱等）构建模型、仿真，实现业务流程可视化，其对象具有开放性，建模速度快。有学者通过Flexsim仿真技术对供应链运作流程仿真建模，采取制造商延迟策略，降低整体的库存水平，提高规模经济效益［93］，也有学者通过Flexsim仿真技术模拟仓储系统作业过程，结果表明供应链信息共享对仓储作业起着重要的作用［94］。Multi-Agent系统解决的问题更复杂，多个Agent之间可共享问题与方法等信息，从而协调并实现共同目标，这一仿真方法相比其他仿真技术成本更低、效率更高，可重复使用，能有效解决供应链协调问题。Multi-Agent仿真技术可仿真模拟具有复杂自适应特征的制造业供应链系统，较好地反映供应链内部的运行状况［95］。供应链企业为了选择评价合作伙伴建立模型，不同的Agent之间可充分沟通协调，使得评估工作快速有效，且能较好反映合作伙伴之间关系的动态变化［96］。Anylogic是一款应用广泛的，对离散事件、多智能体和混合系统建模和仿真的工具，也是唯一允许将系统动力学模型组件、基于多智能体与离散事件开发的模型组件相结合的工具。有学者在Anylogic平台上进行建模，用于研究闭环供应链库存和牛鞭效应［97］。

（3）供应链管理中采用数字孪生技术的必要性。

虽然仿真技术在供应链管理中应用广泛，但都只是优化其中的部分问题，要实现对整个复杂且动态的供应链与物流系统仿真建模，且可以操控与决策，还是存在一定难度。面对庞大的数据库，信息共享有利于供应链管理系统中各企业的联动，积极融合“互联网+”技术，在企业之间建立信息交互平台，使各方信息传输速率得以提高［98］。数字孪生技术的问世，表明仿真技术应用不再只局限于产品设计和降低物理测试成本，而是扩展到各个运营领域，包括产品的远程诊断、智能维护、共享服务、流程的动态优化等。

智能制造业的转型使供应链体系向协同化转变，由原来相对稳定的供应链体系转变为一种更大范围、更灵活、更多向、更社会化的协同体系。数字孪生技术正在重塑制造业，相关行业也将在数字孪生技术的推动下更新换代。这意味着数字孪生技术在供应链管理中的应用是必然趋势。基于系统理论的供应链需求不断增长，引发了业界尝试运用数字孪生技术解决供应链动态规划，而数字孪生技术可以为企业提供信息共享平台。

5.6.1.2　供应链数字孪生技术已有的应用与展望

通过供应链数字孪生技术，可以在组织内创建流程镜像和提供所有供应链相关业务信息，创建一个连续循环，快速、持续的微调供应链网络，提高端到端供应链的可视性和透明度，为各个产品线的供应链和基准流程设定标准做出明智的决策，改善物流效率。运用数字孪生技术中的模型来识别具有差异或结构故障的供应链低效运行流程，实时监控供应链的流程或在发生特殊情况时采取应急措施，即及时掌握信息，加快响应速度，进一步提高供应链效率。基于数字孪生技术将供应链客户进行细分，为每个客户创建个人资料，即建立一个模型，数字孪生技术可以评估每个独特客户的供应链流程执行情况，提出物理资源和人力资源的最佳利用方案。基于数字孪生技术对现有供应链管理的助力和赋能，使很多企业对供应链数字孪生技术跃跃欲试。

（1）数字孪生技术在供应链管理中的应用案例。

目前，已有企业将数字孪生技术应用于供应链管理中，如世界上最大的轴承制造商SKF，在其整个分销网络中构建了一个数字孪生模型［99］，包括800多个SKU的主要数据，涵盖5个不同系统的40个安装单元。数字孪生技术使该公司的区域化模型转变为全球综合规划模型。根据数字孪生技术提供的数据可视性和完全性，供应链规划人员能够从本地运营转变为全球化决策。

BOSCHERT S在其报告中指出了数字孪生技术在优化供应链网络方面的优势［100］。第一，实时在线的敏捷性。基于实时供应链运行数据，可提高供应链决策的速度，在其面对不断变化的环境和难以预见的情况时，能够快速响应。第二，通信与协作。供应链组织与供应商、合作伙伴和客户可以实现实时通信与协作，根据可靠的最新数据做出决策。第三，智能优化。通过将人和机器的数据与高级分析及预测性见解相结合，供应链运营商可以优化人机决策。第四，点到点的可视化。数字孪生技术可以随时查看整个供应链，实现对其绩效关键方面的可视化管理。这种可视化可以跟踪物料流、掌握进度以及平衡供需。第五，整体决策。通过对供应链的全球运营视图，企业可以实施跨业务决策。这些优势通过与客户建立更紧密的联系，提高客户的参与度，同时供应链企业可以根据用户的需求改善定制服务的体验，使客户忠于品牌并扩大企业的业务范围。总之，数字孪生技术使供应链管理企业能够快速、持续地微调其实时供应链网络，帮助企业做出更明智的决策，比以往更快地适应不断变化的环境。数字孪生技术将供应链运行的实际变化转变为数字信息，为供应链企业提供其供应网络运行方式的全球化运营图，缩短供应链的反应时间，使企业更有效地满足消费者的需求。

（2）数字孪生技术在供应链管理中的应用展望。

在未来，随着数字孪生技术的发展，还可将此技术应用在逆向供应链管理、应急物流等业务中。

第一，在逆向供应链管理中的应用。为了重新获取产品的使用价值或正确处置废弃产品，应在检验和分类处理的工作环节就检验回收产品的质量，这可以为逆向供应链中各个产品制定恰当的处理策略提供相关的信息。通过数字孪生技术对逆向供应链流程建立仿真模型，企业可确定对回收产品特性评判的标准，机器根据标准自动对回收产品进行分类。各种标准的产品包括再使用产品（即可直接再使用或再销售的产品）、需升级产品（即需要对产品进行再包装和修理、修复或再制造的产品）、原料恢复产品（包括拆用配件和再循环）、废物处理产品（包括焚化和掩埋产品）。生产商在面对退回产品时，要充分利用数字孪生技术建立数据模型，在检验与分类处理的过程中自动分析回收产品存在的缺陷，以便管理者在正向供应链中使用这些信息对产品设计进行改造，可大大提高企业效率。通过数字孪生技术为逆向供应链提供机会来模拟、验证和优化整个生产系统，并测试如何依靠生产流程、生产线和自动化来构建产品的所有主要部件和子组件，帮助计划团队设计一个有效的物流解决方案来满足生产线的需要。为了实现“智能工厂”，也可将自动导向的车辆、机架、箱子和运输工具列为生产系统的数字孪生体的一部分。

第二，在应急物流中的应用。应用数字孪生技术建立应急物流供应链数字孪生体，分析所有突发事件的不确定性因素，建立应急物流数据库以及风险分析模型，进而制定规范（具有系统性、科学性、针对性、可操作性）的应急预案，在这个虚拟的空间内根据模拟的各种可能发生的紧急情况进行“实战演练”，进一步提高政府官员或者企业人员对危机管理的意识。当然，应急物流工程在完成“应急”任务的基础上，也应充分考虑物流成本。通过数字孪生技术可以对运输路线进行优化以及加强对应急物资的有效管理。如面对自然灾害、公共卫生事件时，不仅要选择最优路径，还要对应急物资储备量进行预测，避免不必要的资源浪费，从而对物流成本做出更精确的预算。数字孪生技术在应急物流中的应用，可以保证一旦有突发事件，数字孪生系统能够以最短的时间对不同的应急物流预案进行评价和排序，从而确定最优方案。

5.6.2　供应链数字孪生技术面临的挑战

数字孪生技术的应用将会给供应链管理工作带来前所未有的便利，并为供应链核心企业及相关方创造巨大的价值，但同时在供应链数字孪生过程中会面临新的挑战，如节点数据采集困难、建模环境复杂、缺少数字孪生标准、数据所有权问题及数据滥用和安全问题等。在此，针对供应链节点数据采集以及供应链子系统建模过程中面临的问题和挑战展开具体讨论与分析。

5.6.2.1　关于供应链节点数据采集(www.chuimin.cn)

供应链是复杂、协调和自适应的系统，其流程在很多方向上流动，并且通常是同时进行的。因此，供应链数字孪生技术的关键在于细节，软件产生的答案或决策的质量在很大程度上取决于供应链数据采集的可行性和准确性。

（1）需要明确供应链采集的范围。

数字孪生的关键技术是对整个供应链进行建模。数字孪生必须根据经济架构（收入、利润、投资回报率、成本优化）来衡量业务概念和模型，并在产品/服务推出时掌控进程。其中供应链业务、财务和运营部分数据还需要参考销售和运营计划等方面的数据。

（2）模型必须与相关数据配对才能成为数字孪生。

从技术角度看，软件必须能够协调最终可能影响供应链的所有数据，这意味着必须考虑许多数据类型，包括从传统的供应链输入到非传统的数据来源（如CRM数据），甚至是非结构化的在线数据，这些数据都会影响需求感知。而传统的企业ERP数据或基于电子表格数据都不适合此目的。环境及其运作方式的数据至关重要，如果没有数据则无法验证模型，并使所有预测和决策都会受到影响。另外，数据必须做到随时更新，同时数据代表的含义必须一致。

（3）物联网技术背景下中小企业采集数据的能力不足。

随着计算和通信成本的下降，物联网将变得越来越普遍，并且更容易提供必要的数据流。基于物联网技术的实现，数字孪生的数据采集愈加重要，连接设备必须向模型报告运营数据，以进行处理和分析。但是，有关全自动数据采集系统的方法并未在中小企业中广泛传播，一方面是由异构数据库引起的，另一方面是由不充分的数据处理系统引起的。此外，由于中小企业实现工业4.0的能力不足，数字孪生对中小企业发展的优势尚不清楚。

（4）供应链系统尚无法共享数据。

已有的供应链运用中虽然生成了大量数据，但无法共享，更无法在共享数据的情况下运行各自的应用程序。

当然，仍有许多未解决的数据采集问题，例如缺少数字孪生的标准、数据的所有权问题以及非常重要的数据滥用和安全问题等。

5.6.2.2　关于供应链系统建模环境

供应链可以在多种场合应用，顾客对供应链系统的需求是多样化的，供应链需求的不确定性、时间约束的紧迫性、峰值性、弱经济性、非常规性以及政府和市场的共同参与性等都要求供应链管理必须高效。从供应链系统的复杂性角度出发，数字孪生技术的发展可能面临以下挑战。

（1）重新设计和优化系统建模工具。

并非针对当今可用的传感器和物联网数据的种类与数量，需要软件重新加工以便将这些新功能提炼为虚拟且有用的东西，并重新思考业务的设计、构建和操作。

（2）面向供应链管理的数字孪生建模环境应具备可扩展性，其中包括数据可扩展性和功能可扩展性。

在数字孪生中，一旦有新的数据源可用时，该模型如何扩展是亟待解决的问题。真实的供应链系统模型涉及很多组件和要素，并且可能在较短时间内变得更加复杂。因此数字孪生模型应能扩展到多个领域。例如，供应链分析可以从仓库和零售业务建模中受益。但是，对这些环境进行建模可能需要采用不同的数据和方法。将复杂且不同的流程和操作结合起来需要灵活的建模环境，理想情况是能够连接不同的建模方法。

（3）数字孪生系统的安全性。

一旦实施了供应链数字孪生，业务合作伙伴之间就需要相互信任，同时为确保供应链相关企业之间的信息安全，还需要符合要求的系统安全监管机构，以确保利益相关方和客户数据的安全性和可用性，最终实现数字孪生模拟没有偏差且结果可验证。

（4）仿真软件的依赖性和建模工具单一化。

最大限度地减少用于创建和操作数字孪生的软件平台数量有助于简化支持、维护和进一步开发模型。开发数字孪生需要捕捉必要的现实世界的复杂性，这通常需要不只一种建模方法。多方法建模环境可以通过提供单个工具来准确捕获所有必需的详细信息，从而简化开发流程，且单一工具的使用可以加快部署速度。

目前，我国经济社会已进入数字化时代，国家智能物流骨干网建设也要通过数据来驱动网络运营，实现实体的物流物理网络和虚拟的物流数字网络“软硬结合”，需要合适的数字孪生技术。国家智能物流骨干网还应该鼓励商业模式创新，既让建设者有市场回报，又具有公共基础设施属性，实现全网共享，服务于全社会。

整体而言，数字孪生涵盖了整个供应链业务流程范围，从最高级别的大型流程和网络资产到最低级别的工作指令。如果没有人工智能，这种完整的模型是不可能的，涉及机器学习（包括深度学习）和图像、语言处理等各种领域。在整个过程中，数字孪生涉及人类行为模式分析、数学建模和决策，目的是寻求更好的操作和决策。当前，数字孪生可以在一定程度上实现可预测性和自我改进，这比以往的任何模型都更准确。同时物联网技术的进步对于数字孪生的成功至关重要，可以运用传感器或者物联网技术收集大量数据，从而实现数字孪生中的模型与现实之间的交互。只使用传统模拟技术来模拟整个商业难题，相当于放弃了利用业务运行的实时数据改善业务，因此数字孪生的运用水平可以被视为改善业务运营和提高竞争优势的重要因素。

随着数字孪生作用的逐渐加大，制造商会更有动力为每个客户甚至每个产品创建一组数字孪生。在这种情况下，供应链管理利益相关者必须尽早参与数字孪生的开发，并基于供应链全球化视角定义和完善数字孪生的项目和产品。分析大量数据，工作烦琐，成本非常高，同时构建数字孪生的过程非常耗时。但是，我们认为，在供应链上使用数字孪生，并为托运人、货运代理商、承运商等供应链节点企业提供全球贸易的可视化是有价值的，预先构建供应链数字孪生可扩展框架，是为所有利益相关者获取收益的关键。