數字孿生驅動的企業戰略場景建模與決策分析

謝康 肖靜華 鄧弘林

2016-2018年，Gartner集團連續三年將數字孿生（Digital Twins）列為全球十大戰略科技發展趨勢之一，2018年更將技術趨勢概括為智能數字網格（Intelligent Digital Mesh），認為智能化包括人工智能基礎設施、智能應用與分析，及智能設備三個部分。智能化成為2018年全球技術趨勢和最為流行的技術詞匯之一。其中，智能制造更成為世界各國競相爭奪的戰略制高點，成為企業全球擴張與提升能力的戰略發力點，如德國工業4.0、美國工業互聯網，日本互聯工業戰略，中國制造2025，美的集團的智能產品和智能制造“雙智戰略”等。可見，無論是國家還是產業或企業，智能制造、數字孿生構成不同層面戰略管理的產業基石和理論研究的前沿領域。

如何在工業界培育起人工智能的創新基礎，不僅需要強化智能制造的推廣應用，而且需要將智能制造技術平臺從單純的生產運作管理提升到企業戰略管理，將數字孿生技術從產品研發領域擴展為全價值鏈條的戰略平臺上，從企業戰略視角重新審視和探討智能制造、數字孿生的商業價值，形成戰略事件驅動的數字化轉型管理創新，由此構成推進中國工業界大力實施人工智能創新的一項重要舉措。為此，需要探討數字孿生驅動的企業戰略場景建模與決策分析問題。本文擬從智能制造數字孿生的戰略管理價值、基于數字孿生平臺的企業戰略場景模型、數字孿生驅動的企業戰略場景模型決策分析，及模型應用四個方面，對數字孿生驅動的企業戰略場景建模與決策問題進行初步探討。

一、智能制造數字孿生的戰略管理價值

在工業化制造中由于制造加工技術和制造成本的限制，企業會優先考慮能否在最小成本下最快時間內完成制造，形成基于機械的大規模標準化制造模式（Chu et al.， 2016）。伴隨著技術的發展，以及社會對制造工序和產品品質、可持續性要求的提升，精益制造、敏捷制造、柔性制造等開始涌現，其核心都是利用信息通信技術、自動化生產設備等提高制造企業對于市場變化和產品品質的響應能力（Qrunfleh & Tarafdar， 2013）。

從制造業角度分析，精益生產、柔性制造、敏捷制造等高質量生產模式，制造網格和應用服務提供商等網絡化制造模式，以及總包生產和工業產品服務系統等面向服務的制造模式，為智能制造的產生和發展奠定了良好的生產基礎。可以說，智能制造是繼高質量生產、網絡化生產、面向服務的制造之后先進制造模式的一個新階段。先進制造模式是由先進制造哲理、先進組織管理方式、先進制造技術及人的相互融合發展、相互協同作用的產物。因此，智能制造也是先進加工技術、新一代信息技術、組織管理技術高度集成的產物。這種集成主要依靠數字孿生來實現。

數字孿生是一種集成多物理、多尺度、多學科屬性，具有實時同步、忠于映射、高保真度特征，能夠實現物理世界與信息世界交互與融合的技術手段（陶飛等，2018）。一般認為，數字孿生具有可伸縮性、互操作性、可擴展性，以及高保真性四個主要特征（Schleich et al.， 2017）。據Gartner估計，到2020年全球估計超過210億個連接的傳感器和端點，形成數十億種數字孿生，與企業管理行為的關系將越來越密切。

概括地說，智能制造數字孿生的戰略管理價值與其主要特征密切相關：

首先，智能制造是互聯網、大數據和人工智能與先進制造技術深度融合的產物（Soparnot， 2011），或者說是信息化與工業化深度融合在制造領域高度集成的管理體系，形成數字孿生驅動的制造模式變革。要實現真正意義的智能制造，需要使先進制造技術成本不變時新一代信息技術投入最小化，或者在新一代信息技術成本不變時先進制造技術投入最小化，由此形成先進制造技術與新一代信息技術的深度融合。據對中國大中型制造企業的調查，2017年生產設備數字化率僅為44.8%、關鍵工序數控化率為46.4%、數字化設備聯網率僅為39%。這表明中國制造業實現智能制造所需要的深度融合僅僅邁出第一步，第二步建構制造業信息物理系統（CPS）還未真正全面開始。嚴格地說，CPS也僅是一種信息技術與物理實體相結合的載體，并不代表當信息技術成本不變時物理實體投入最小化，或當物理實體成本不變時信息技術投入最小化的特征，但是，CPS無疑具有了兩者相互結合的特征。第三步即數字孿生才符合理論和實踐意義上的新一代信息技術與先進制造技術深度融合的特征，物理實體與虛擬模型之間交互與映射，通過數據連接實現實時復雜的實時感知、模擬重構與優化再現。

因此，智能制造構建了當代社會中新一代信息技術與先進制造技術深度融合的制造業數字化平臺，既可以作為支撐制造業轉型升級的管理平臺，也可以作為支撐國家和區域經濟增長的生產方式和增長極，這是智能制造對于制造業轉型升級和國家經濟持續增長具有的戰略價值。

其次，基于數字孿生的智能制造推動制造業實現規模經濟與范圍經濟間效率與靈活性的柔性協同，將制造管理中效率與靈活性二元性問題的解決方案提升到一個新的管理高度。無論是面向服務的制造還是高質量生產模式，都會面臨制造效率與靈活性之間的二元性難題，人們從組織方式、空間與時間分割等多個角度解決該難題。智能制造基于數字孿生平臺的虛擬制造實現精準轉換與生產，使追求單一品種大規模生產的規模經濟模式與追求小批量多品種范圍經濟模式之間相互轉換的成本得到極大降低，為解決制造效率與靈活性二元性難題提供了一種新的生產方式，從而在更大范圍內改變了企業內部的組織流程，通過信息技術、自動化設備和生產流程、標準化和精細化管理，重塑業務戰略及運作能力，使企業更好地適應外部環境而形成新的競爭優勢（Uhlenbruck et al.， 2015）。

因此，智能制造誘發企業的全面管理變革，使生產運作管理和戰略管理面臨著同樣的創新挑戰，數字孿生為生產運作管理與戰略管理的高效協同提供了新的大數據平臺，使智能制造突破以往制造技術進步多側重在研發、供應鏈、制造材料、生產工藝、工裝設備等生產運作管理領域，與企業戰略管理并不緊密的局限，可以為企業戰略管理和生產運作管理的模擬優化提供多層次的管理場景分析，使智能制造直接成為提升管理技術進步的創新平臺，這是智能制造對于企業管理創新具有的戰略價值。

最后，基于對制造管理中效率與靈活二元性問題的有效解決，制造業真正實現面向消費者需求的管理創新，形成現實意義而非理論意義上的消費者驅動的管理革命。此前，盡管理論上不斷強調制造面向消費者需求或客戶導向的生產，如C2M制造等，但現實中企業要真正做到面向消費者的生產制造，發現或者難以及時準確掌握消費者快速變化的需求，或者無法有效降低滿足個性化制造的低成本要求，使制造管理中面向個性化需求的靈活性與面向低成本制造的效率之間的二元性難題長期存在。從面向合作伙伴向面向消費者的供應鏈數字化轉型、普通消費者借助大數據方式間接參與企業的研發創新，均只是構成智能制造管理創新的第一步。伴隨著智能制造不斷有效解決不同層次和類別的效率與靈活性二元難題，基于數字化事件驅動不斷適應消費者快速變化的需求，依據實時態勢感知，通過數字化的事件適時自動轉向一個工作流程，才可能真正實現面向消費者需求且滿足低成本約束的制造創新。由此會形成對數字化事件驅動需求的大量涌現，Gartner估計到2020年將有80%的數字業務解決方案將成為事件源，而且80%的新業務生態系統將需要支持事件處理。

總之，智能制造的管理價值不再限于制造領域，而是擴展到改變社會生產方式和人類生活方式的影響上。同時，數字孿生通過大數據分析和人工智能模型決策支持，改變企業決策分析的模式，誘發企業層面的面向用戶的互動創新，誘發產業或行業層面的各類衍生創新行為，從而推動社會生活和行為方式的智能化社會變革，這是智能制造對于社會生活和行為方式具有的戰略價值。

二、基于數字孿生平臺的企業戰略場景模型

現有數字孿生研究主要從技術設計與實現角度進行建構和應用，對產品全生命周期進行數字化映射與交互優化，涉及工業互聯網大數據和數字孿生大數據的采集與分析等。與一般數字孿生不同的是，數字孿生平臺不僅將工業互聯網和數字孿生大數據進行集成，而且可以按層次和領域建構不同類別的數字孿生系統，既可以是通用型數字孿生系統，也可以是專業型數字孿生系統。同時，數字孿生平臺不僅具有數字孿生的可伸縮性、互操作性、可擴展性和高保真性特征，而且具有更全面的開放性、多主體參與性和數字化生態多樣性建構特征。

基于數字孿生平臺建構企業戰略場景模型，首先需要對企業戰略場景的概念進行定義。與數字孿生起源于產品研發領域一樣，商業意義上的場景模型或場景化也與互聯網產品的研發創新密切相關，如用戶體驗場景，產品使用場景等。企業戰略場景指企業戰略管理尤其是戰略決策所需要具備的關鍵信息空間。一般地，企業戰略決策場景主要包括環境、組織特征和戰略決策專有因素三類關鍵信息空間。戰略過程研究表明，企業的戰略環境主要包括不確定性、復雜性和資源豐裕度，其中不確定性是最重要的環境要素，復雜性與不確定性密切相關，但更多地表示環境的結構或關系多維程度。企業的組織特征包括權力結構、以往績效的判斷、組織冗余等要素，戰略決策的專有因素包括決策動力與緊迫性、決策不確定性和全面性等。這三類因素均對企業戰略決策過程特征構成重要影響。

企業數字孿生平臺不僅映射生產運作層面的物理實體特征，而且也需要映射戰略管理層面的行為主體或環境空間的特征，這是將數字孿生平臺從生產運作層面的智能制造技術平臺改造為戰略場景模型的關鍵一步。其中，環境、組織特征和戰略決策專有因素三類信息空間均無法與實體物理世界一一映射構成類似生產運作層面的物理實體流程，因此，基于數字孿生平臺建構企業戰略場景模型的最大挑戰，就是如何借助數字孿生技術平臺和管理技術，將企業戰略管理的環境、組織特征和決策專有因素轉換為與現實情境可以映射和交互的數字化場景。然而，正如每個人心中都有不同的哈姆雷特一樣，戰略場景模型的不同建構者將會按照心中的戰略場景模型來建構數字孿生平臺上的戰略場景，但這個建構出來的場景有可能不是借助該模型決策的戰略家或管理團隊所需要的，因為后者心中的戰略場景又不同。如何建構一個符合戰略家或管理團隊預期和需要的企業戰略場景模型，如何通過數字孿生平臺來驅動該模型不斷地符合現實場景的特征，無疑成為建構數字化企業戰略場景模型兩個需要攻克的難點。

根據上述討論，我們認為，基于數字孿生平臺的企業戰略場景模型由四個部分組成：一是數字孿生平臺模型及與戰略管理模型的契合性，二是企業戰略場景概念模型，三是數字孿生平臺與物理實體或企業戰略管理行為之間的映射與交互關系，四是數字孿生平臺的大數據資源與知識庫，如圖1所示。

在圖1中，首先，人、機、料、法、環五要素構成的智能制造管理體系為物理實體的代表。其中，人指智能制造情境下的勞動者，尤其指掌握智能生產技能與管理理念的技術型勞動者。機指智能制造條件下的機制設備，尤其指機器與機器之間的互聯互通。料不是指一般的生產物料，而是指智能制造環境下的增強材料或攜帶智能信息的生產材料。法指智能制造條件下的生產制造規則和流程，尤其指標準業務流程（SOP）和技術管理標準。環指智能制造環境下將上述人、機、料、法四者之間實現互聯互通的管理體系，實現智能制造內部與外部之間制造產品、設備、物料、工藝、流程和維護管理的一體化，使企業針對不同需求可以在規模經濟與范圍經濟的生產方式之間進行低成本轉換，以此解決生產制造中效率與靈活性的二元性難題。圖1中的制造物理實體被映射到虛擬模型中，構成數字孿生的鏡像數據。

其次，企業戰略形態、業務戰略等戰略內容，戰略規劃或戰略實施等戰略過程要素數字化后被映射到數字孿生平臺中的虛擬模型中，形成戰略場景概念模型的鏡像數據。這項工作是建構戰略場景模型的核心和重點，其內容與形式均極其復雜，需要對各種復雜條件、關系和結構進行多次提煉，最終提煉出通用版或專業版的戰略場景概念模型，針對不同的行業、不同的層面和戰略類型建構出不同的戰略場景概念模型。同時，現實中的物理實體和戰略行為也不斷補充和豐富數字孿生平臺的大數據和知識庫，使之更好地對戰略場景模型和仿真分析模型進行智能化評估與校正。其中，戰略選擇模型也需要得到數字孿生平臺的大數據和知識庫的強有力支持，因為企業選擇合作戰略，還是競爭戰略，或者競合戰略，需要通過建構博弈模型來分析。在博弈分析中，模型的初始條件可以通過大數據文本分析來設定，也可以從縱向案例研究的基本結論中尋找依據，從而不斷豐富戰略場景知識庫。

最后，物理實體或戰略行為與數字孿生平臺或虛擬模型之間的映射關系是否高保真，是否具有良好的可拓展性和平臺生態特征，取決于二者之間映射與交互系統的可靠性。部分智能制造研究者將二者之間的映射與交互系統稱為數字紐帶。數字紐帶不僅貫穿于物理實體與數字孿生平臺之間，而且貫穿于物理實體與企業戰略行為之間，或貫穿于數字孿生平臺與虛擬模型之間。

三、數字孿生驅動的企業戰略場景模型決策分析

針對不同的任務或事件，數字孿生驅動的企業戰略場景模型有不同類型。根據數字孿生平臺的通用型與專業型分類，我們將數字孿生驅動的企業戰略場景模型的類型劃分為以下兩大類，一是綜合型戰略場景模型，二是專業型戰略場景模型。

不同類型的戰略場景模型對決策的設計與分析不同，綜合型戰略場景模型一般包含智能制造規劃與運作場景、戰略內容場景、戰略過程場景，以及戰略實踐場景四個關鍵模塊，或其中兩個以上關鍵模塊的組合場景。專業型戰略場景模型可以細分為戰略內容場景模型、戰略過程場景模型，及戰略實踐場景模型。其中，戰略內容場景包括競爭戰略、合作戰略和競合戰略場景，而競爭戰略場景進一步可以劃分為成本領先場景、差異化場景和目標集聚場景。戰略過程場景可以劃分為戰略規劃、戰略選擇與決策，及戰略實施場景，而戰略決策場景又可以進一步細分為環境、組織特征和決策專有因素場景。戰略實踐場景可以劃分為戰略權變、戰略行為或推演，及戰略活案例場景，由此形成不同層次的戰略內容、過程和實踐的戰略場景模型（參見圖2）。

圖2的結構顯示，無論是綜合型戰略場景，還是專業型戰略場景，它們都最終指向多元化、戰略聯盟、兼并、垂直一體化、外包等企業的業務戰略場景。例如，在建構企業戰略聯盟場景模型時，需要先明確戰略聯盟的性質和目標，如果是聯盟合作方主要是采取競爭戰略的，就選擇是采取成本領先還是差異化戰略場景。同時，還要確定戰略決策的外部環境場景，建構針對技術變革可能形成的新產品應用場景，針對競爭者或合作者可能采取的競爭策略或合作策略的博弈場景，以及針對消費者行為變化的消費者畫像（場景）。在此基礎上，才談得上對企業戰略場景的決策分析。

在數字孿生驅動的企業戰略場景決策分析中，有兩項決策分析是重點和難點，一是戰略類別與戰略形態的組合決策分析，二是將基于數字孿生的人工智能決策模型納入企業戰略家直覺或參照點決策、中高層管理團隊群決策中，形成戰略家、中高層管理團隊與數字孿生驅動的人工智能決策模型三者相互支撐的決策模式創新。

此外，從現階段來看，數字孿生驅動的企業戰略場景決策分析工具尚未出現方法論創新，更多的是借助博弈論、計量經濟或統計方法構建決策模型，包括大數據計量經濟方法、非線性規劃或多目標規劃、仿真分析，及系統動力學模型等。但是，我們認為，隨著數字孿生驅動的企業戰略場景數據資源的不斷積累和豐富，將會逐步出現面向戰略場景建模與決策分析的工具和方法，從而推動宏觀環境、制度、技術或文化等分析走向微觀的量化分析。例如，基于數字孿生平臺驅動而形成的企業戰略場景大數據和知識庫，可以將企業戰略或制度環境轉化為數字化的空間、時間、成本、效率、靈活性等情境因素，轉化為精準量化的各種診斷分析指標，通過大數據建模或文本分析等工具，剖析和識別出事件之間的關系或相關性，進而探討和驗證其因果性，或者就止步于對事件的相關性分析而形成戰略策略，從而推動企業戰略管理模式向智能化方向發展。

四、模型應用：中外人工智能戰略場景與決策分析

這里應用本文提出的戰略場景模型思想和邏輯，以中國與全球主要發達國家人工智能戰略場景為事例進行初步分析。我們先通過一般的描述方式來概括此主題的場景：

在人工智能研究領域，截止2016年底，美、中、日三國分別申請了15.298萬件、13.701萬件、8.319萬件與人工智能相關的專利，分列全球前三位。世界知識產權組織稱由于美國能夠獲取來自全球各地的大數據，中國擁有龐大人口的行為大數據，使美中兩國具有領跑全球人工智能競賽的資格。同時，IBM、微軟、東芝、三星、西門子等美日韓和德國的大型跨國技術企業是推動人工智能發展的主力。在獲得人工智能專利數排名前20的學術機構中，17家來自中國。其中，中國科學院擁有2500多項人工智能相關的專利，是世界上獲得人工智能專利最多的學術機構，表明學術機構而非大型技術企業主導著中國人工智能的發展。這種狀況近年來有所減緩，據清華大學發布的《2018中國人工智能發展報告》，在人工智能前10的專利權人分布中，IBM以7278件專利排名第一，微軟以5356件排名第二，中國國家電網以3794件專利排名全球第三，國內第一。但是，中國學術機構依然是人工智能專利的主要獲得機構。

中國人工智能技術創新的這種狀況似乎并不利于工業界人工智能的普及應用，總體上不符合Gartner集團提出的2018年戰略科技趨勢中的事件驅動（Event-Driven）的發展。按照Gartner集團的定義，事件驅動是數字業務依靠感知和撲捉利用新的商業數字機會的能力。學術機構的人工智能創新成果需要跨部門或行業進行轉換，這種狀況使中國智能制造持續創新發展的交易成本相對高。例如，學術機構與產業界之間存在著諸多間隔，產業界需要的人工智能技術或平臺得不到技術工藝資金的有效支持，學術界需要的技術創新方向得不到產業界市場需求的前端反饋，研發與應用“兩張皮”現象依然困擾著中國人工智能的創新發展，目前，中國智能制造領域的應用相對滯后或步伐緩慢與此不無關系。

2018年9月，埃森哲與工信部國家工業信息安全發展研究中心發布的《中國企業數字轉型指數》認為，只有7%的企業突破業務轉型困境成為轉型領軍者。該結果從一個側面既說明中國企業數字化轉型任重道遠，也說明從企業戰略驅動出發推動智能制造和人工智能發展的價值。該報告還從企業戰略和運營兩個層面提出“一把手”推動、活性客戶關系、生態系統賦能、數據驅動、打造動態組織等五項加速提升企業數字能力的要務。

上述一般描述方式概括或分析的中外人工智能發展差異環境，通常獲得兩個建設性結論，一是中國應加強企業層面的人工智能創新，二是政府應加大推動產學研合作，使學術機構成果能夠在企業中得到應用。這兩個結論不僅在人工智能創新領域如此，而且適用于中國幾乎所有的創新領域，尤其是技術創新或產品研發創新領域。我們進一步分析會發現，這兩個結論能否再深入一層，為什么會這樣？有怎樣的具體路徑可以改變這種狀況？實施某條具體路徑或執行某項措施，效果會比目前更好，還是更糟？在不同實現路徑之間，哪條路徑更現實些，或有更高的效率？等等，對此，目前的研究往往及其匱乏。

如果通過數字孿生驅動的企業戰略場景模型，將上述環境因素轉變為數字化輸入模型，通過對模型的仿真分析和再現重構，在模擬出的多種環境、行動干預與預期結果之間提出多種實現路徑或手段，從中選擇若干路徑或手段進行小規模試點檢驗，再將試點檢驗結果轉變為數字化再次輸入模型中，如此不斷地對模型進行訓練，逐步構建出逼近現實環境或情境的戰略場景。實現這一目標無疑會增強戰略家、中高層管理團隊戰略決策實踐的全面性，另一方面也會給智能制造數字孿生驅動的戰略管理研究提供大數據資源。可以認為，數字孿生驅動的企業戰略場景建模與決策分析具有非常好的研究與應用前景。

基金項目：本文為國家自然科學基金重點項目“互聯網環境下大數據驅動的企業與用戶互動創新理論、方法和應用研究”（71832014）的階段性成果。