數字孿生技術在供應鏈管理中的應用與挑戰

摘要：在新經濟時代，信息化技術的應用使供應鏈管理發生了巨大變化，供應鏈網絡必須不斷優化完善，流程必須以消費者為導向且具有高度靈活性，才能夠在激烈競爭中滿足客戶多元化的需求，以確保按時交付貨物和服務。在這種環境中，通過直觀有效的信息化工具可以快速獲取供應鏈運營的相關信息，并全面了解供應鏈的所有要素，這對供應鏈的運行狀態監控和管理至關重要。隨著物聯網技術的深入發展，數字孿生技術可以提供物聯網設備中所有設備的運行狀態信息，并為供應鏈網絡提供端到端的流程可視化工具。數字孿生技術可使仿真技術應用不再只局限于產品設計和降低物理測試成本，而是擴展到包括產品遠程診斷、智能維護、共享服務、流程動態優化等各領域，并在逆向供應鏈管理和應急物流中發揮極大的作用。同時，數字孿生技術的應用還存在明確數據采集范圍、模型與數據的匹配、中小企業采集數據能力不足、數據共享等方面的問題，需要應對建模環境的可擴展性、數字孿生系統的安全性、多方法建模的復雜性等方面的挑戰。

關鍵詞：數字孿生；供應鏈管理；數據平臺管理；標準化

中圖分類號：F274文獻標識碼：A文章編號：1007-8266（2019）06-0058-08

一、引言

在現代商業世界中供應鏈不斷生成數據，利用這些數據實現供應鏈價值最大化，可以使企業在激烈的競爭環境中脫穎而出。因此，一些具有前瞻性的企業開始考慮將數字孿生（Digital Twin，DT）概念應用于供應鏈管理。數字孿生是指現實世界中的實體或系統的數字化表示，可以連接每個屬于組織環境的資產（包括流程、技術、架構、客戶交互、業務能力、戰略、角色、職責、產品、服務、分銷渠道），并提供報告和可視化工具。有助于在其運營環境中創建組織動態虛擬表示的軟件被稱為組織的數字孿生（Digital Twin Organizations，DTO）。DTO是一種動態軟件模型，它依賴操作數據或其他數據來了解組織如何實施業務，連接其當前狀態，部署資源，這有助于企業管理者評估受控環境中因素變更產生的影響，應對變化以提供預期的客戶價值。DTO有助于提高業務流程的效率，并且創建更靈活、更動態、更迅速的流程，有望自動應對不斷變化的形勢。全球最具權威的信息技術研究與顧問咨詢公司高德納（Gartner）公司連續四年（2016—2019年）將數字孿生技術評選為十大戰略技術趨勢之一[ 1-2 ]，同時預計到2020年將有超過200億個聯網的傳感器和端點，可能有數十億個物件存在數字孿生[ 2 ]。企業組織若開始實施并不斷改進數字孿生技術，將會提升收集和可視化合適數據的能力，運用合適的分析工具和規則高效地應對業務目標。可以說，將數字孿生技術運用到優化運輸和物流領域的業務運營中是未來發展的趨勢之一。德勤也表示，數字孿生技術可以作為提升企業創新和業務績效的技術手段，從而促進企業組織的變革[ 3 ]。

近年來，隨著計算和通信成本的下降，企業采用數字孿生技術變得越來越容易，將促進模型構建工具、仿真軟件功能的進一步發展。很多領域如工廠流程、全球供應鏈、機器維護等領域正在考慮將數字孿生技術投入使用。數字孿生技術可以提高整個行業及跨行業的制造、運輸、供應鏈、醫療保健等方面的業務洞察力和績效。在每個行業中，數字孿生技術都有很多用途，并提供許多創新的可能性。數字孿生技術可以提供實時監測、預測，并為實時操作提供決策支持，使企業提高效率并節省成本。高德納公司預測到2021年，半數大型工業公司將使用數字孿生技術，這些組織的效率將提高10%[ 4 ]。如果將數字孿生技術運用到供應鏈物流領域，資產負債表中的供應鏈收益將增加10%，而且不是一次性收益，是長期的收益。

在過去十年中，供應鏈運營領域發生了巨大變化，物聯網技術（IoT）出現后，連接無處不在，供應鏈中幾乎任何物品都可以實時跟蹤，不僅僅是成品，還包括卡車上的輪胎、飛機上的機翼以及運輸貨物的托盤等。同時，第三方也可以為供應鏈運營企業提供新形式的數字信息，例如精確的天氣預報信息、社交媒體信息以及交通警報信息等。不斷擴展的數字智能技術已經產生了大量數據，供應鏈企業如何利用這些數據實時優化供應鏈并處理應急情況，是供應鏈管理領域重要的課題之一。供應鏈數字孿生技術會影響供應鏈的業務流程、運營、員工、合作伙伴和客戶的決策等，并能夠在供應鏈持續運營情況下進行供應鏈最優決策和管理。

二、數字孿生技術在供應鏈管理中的應用

（一）數字孿生技術概述

1.數字孿生技術的起源

“數字孿生”概念由密歇根大學的米歇爾·格利維斯（Michael Grieves）等[ 5 ]于2001年至2002年左右定義，背景是產品生命周期管理。作為制造內容的虛擬表示，格利維斯等將數字孿生與其工程設計進行比較，以便更好地了解生產與設計的內容，從而加強設計與執行之間的循環。

在格利維斯等提出數字孿生概念的基礎上，其他學者又提出了兩個主要觀點：第一，數字孿生是一種模型，可以從中推導出不同類型的仿真模型，并將數字孿生視為模型、數據和信息的組合[ 6-9 ]；第二，數字孿生是一種仿真模擬[ 10 ]。大部分學者更支持第一種看法，認為數字孿生是多種模型、海量數據和業務信息的組合。以往的仿真或者建模主要針對單一問題，或者解決單一業務的決策問題，博歇爾特（Boschert）等[ 6 ]認為，數字孿生與以往仿真或者建模方法不同，是一種集成化的仿真決策支持工具，擁有獨特的架構，需要工程、業務和行為描述等不同層面的數據，同時可在不同仿真系統中運行，并針對不同問題選擇正確的仿真模型。施勒塞（Schluse）等[ 7 ]專注于使用數字孿生技術進行虛擬測試平臺的實驗模擬，他們引入一個模擬數據庫，集成不同的數據源、模擬系統以及可視化模塊，可以進行任何類型的模擬。施羅德（Schroeder）等[ 8 ]將數字孿生定義為模型，研究將物理對象描述和數據對象在不同應用程序之間進行數據交換的問題。內格里（Negri）等[ 10 ]認為，數字孿生是物理對象的數字表示，是基于語義的數據模型，該模型能夠用于不同目的的模擬，并可以預測對象的未來行為。基于智能制造和智能生產理念，國內學者也在數字孿生及其應用領域不斷進行研究。張浩（Zhang Hao）等[ 11 ]提出基于數字孿生的個性化產品快速定制設計方法，提出生產過程中耦合優化問題的解耦算法，作為引擎驅動數字孿生。陶飛等[ 12 ]基于數字孿生五維結構模型，提出數字孿生驅動的應用準則，探索數字孿生在產品全生命周期中的應用前景和有待突破的關鍵問題或技術。

總之，數字孿生包含多種形式，可以是簡單的數字孿生（用于模擬不同環境中各個部分的行為），也可以是復雜生態系統的數字孿生（用于模擬各種變量對生態系統的影響）。在制造業中，數字孿生技術可以使最終用戶、品牌和制造商本身受益。

2.數字孿生技術的應用價值

數字孿生雖然是17年前提出的概念，但最近才成為最前沿的研究課題，并成為數字化轉型的關鍵組成部分和推動者。這主要是因為目前有足夠的資金支持以數字孿生技術所需的速度和分辨率收集數據，并發展了從這些數據中獲取價值的深度學習和人工智能算法。數字孿生技術的作用如下：

（1）可視性：數字孿生技術通過規模龐大的互聯系統，可以實現更好的可視化管理。

（2）預測：使用各種建模技術，數字孿生模型可用于預測系統的未來狀態。

（3）多種可能性分析：通過設計合理的界面與模型實現交互，模擬在現實生活中不可能存在的各種條件。

（4）文檔的機器學習與行為模式分析：數字孿生模型可實現文檔或者文件的機器學習，并能夠分析理解人類行為模式。

（5）連接多種業務應用程序：好的數字孿生模型可用于連接多種業務應用程序，以滿足供應鏈運營環境中的業務需求，包括制造、采購、倉儲、運輸和物流、現場服務等。

3.數字孿生技術的應用實例

數字孿生可以表示物理對象的歷史和實時狀態。使用特定應用程序，可以生成物理對象的實時可視化，將3D模型與實時數據相結合，以現有仿真模型或數字孿生新模型來執行不同的仿真。最初，數字孿生技術主要應用于制造業的數據管理，包括從最初的產品模型數據到車間現場的制造數據乃至整個產品生命周期的數據管理。產品供應鏈和制造流程的數據有助于數字孿生構建。產品制造完成后，數字孿生繼續為其產品提供數據。基于產品的數字孿生可以獲取用戶數據、環境數據、性能數據，甚至包括故障或報廢數據。數字孿生的另一種用途是模擬下一版產品的性能，或者在新的使用案例或環境中測試該產品。如果需要召回產品，數字孿生也可用于識別故障并將其追溯到必須檢查的產品，以及對維修或升級方案進行建模。

產品數字孿生的應用實例：波音公司使用數字孿生大大縮短了波音777的建造周期[ 13 ]，創建和運行數字孿生所需的計算成本下降，數學優化的復雜性增加，這種較低計算成本和更好適應性的結合使數字孿生概念能夠傳播到其他行業；通用電氣（GE）擁有30 000個數字孿生的噴氣發動機[ 14 ]，使他們能夠及時了解發動機的運行狀態以及維修配件的供應情況，每次飛機起飛時可獲得有關環境溫度、灰塵條件、腐蝕性環境和天氣條件的數據，通過發動機的制造數據、零件的缺陷數據等監測并預測發動機將如何累積損害。

在流程或者制造生態系統數字孿生中，制造商發現可以應用數字孿生來探索替代制造方案，例如滿足特定制造需求或者應對突然增加產品數量等。幾乎任何生產流程中的突發情況都可以使用數字孿生進行建模，而不會對“真實”流程或工廠形成干擾。產品制造流程和工廠制造執行系統都會運行實時數據（MES）、企業資源規劃（ERP）或產品生命周期管理（PLM）系統，最終推動整個價值鏈的形成。對于品牌和制造商而言，數字孿生提供了可視性和靈活性；對于消費者而言，數字孿生可以提供更好的價值，更快地引入新產品或產品質量審核，因為每個流程方案都會在實際運行之前在虛擬世界中進行測試。世界上最大的鋼鐵制造商之一POSCO已經認識到這些優勢，正在使用數字孿生技術模擬其復雜的制造業務[ 15 ]，使其能夠在問題發生之前就提前解決，甚至在工藝或設備進入工廠之前，通過虛擬調試系統和虛擬培訓系統減少現場測試和現場試用的時間，在真實部署之前對系統和設備進行預先測試。

（二）面向供應鏈管理的數字孿生

1.供應鏈管理現狀分析

（1）供應鏈管理中仿真技術應用的重要性。在傳統供應鏈管理模式中，經常因信息掌握不及時而導致決策失誤，供應鏈系統復雜、效率低、響應速度慢，存在不可預測的風險。面對供應鏈中信息流、物流、資金流產生的海量數據，傳統方法難以對存在的問題和挑戰進行描述與求解，所以在數字化時代，仿真技術成為供應鏈管理相關人員常用且高效的工具。目前國內企業技術儲備不足以收集顧客多元化的需求數據，缺乏有效的溝通平臺將供應商、分銷商、零售商有機聯系起來[ 16 ]。特別是在非高科技領域的供應鏈環節，物聯網技術、電子數據交換（EDI）技術等都沒有得到大規模的應用及更新[ 17 ]。供應鏈管理技術需要持續改進，才能夠在激烈競爭中滿足客戶的需求，確保按時交付貨物和服務。管理企業的供應鏈意味著每天做大量的決策，并在企業的物流成本和客戶的靈活需求之間尋找平衡點，在此過程中存在很多不可避免的不確定因素和隨機性因素，供應鏈流程過長，特別是實際控制過程中遇到障礙需要調整時，往往會造成決策不及時而錯失商業機遇[ 18 ]。盡管一些企業采用了信息化等新技術，許多供應鏈管理人員仍然面臨著供應鏈網絡可視化等問題的嚴峻挑戰。仿真技術一定程度上實現了供應鏈可視化，但在智能時代，大數據的出現意味著仿真技術需要不斷提升與改進。

（2）供應鏈管理中仿真技術的應用現狀。為實現供應鏈可視化，仿真技術被不斷應用到物流與供應鏈建模中。常用的仿真軟件包括Flexsim、Multi-Agent、Anylogic等，仿真建模可以幫助企業應對挑戰、降低成本以及改善服務，并可以快速清晰地分析供應鏈中相互關聯、動態和隨機的事件，進而幫助企業完善決策。

Flexsim是美國的三維物流仿真軟件，能夠對系統中所有基本存在的實物對象（如傳送帶、倉庫、集裝箱等）構建模型、仿真，實現業務流程可視化，其對象具有開放性，建模速度快。有學者通過Flexsim仿真技術對供應鏈運作流程仿真建模，采取制造商延遲策略，降低整體的庫存水平，提高規模經濟效益[ 19 ]，也有學者通過Flexsim仿真技術模擬倉儲系統作業過程，結果表明供應鏈信息共享對倉儲作業起著重要的作用[ 20 ]。Multi-Agent系統解決的問題更復雜，多個Agent之間可共享問題與方法等信息，從而協調并實現共同目標，這一仿真方法相比其他仿真技術成本更低、效率更高，可重復使用，能有效解決供應鏈協調問題。MultiAgent仿真技術可仿真模擬具有復雜自適應特征的制造業供應鏈系統，較好地反映供應鏈內部的運行狀況[ 21 ]。供應鏈企業為了選擇評價合作伙伴建立模型，不同的Agent之間可充分溝通協調，使得評估工作快速有效，且能較好反映合作伙伴之間關系的動態變化[ 22 ]。Anylogic是一款應用廣泛的，對離散事件、多智能體和混合系統建模和仿真的工具，也是唯一允許將系統動力學模型組件、基于多智能體和離散事件開發的模型組件相結合的工具。有學者在Anylogic平臺上進行建模，用于研究閉環供應鏈庫存和牛鞭效應[ 23 ]。

（3）供應鏈管理中采用數字孿生技術的必要性。雖然仿真技術在供應鏈管理中應用廣泛，但都是優化其中的部分問題，要實現對整個復雜且動態的供應鏈與物流系統仿真建模，并可以操控與決策，還是存在一定難度。面對龐大的數據庫，信息共享有利于供應鏈管理系統中各企業的聯動，積極融合“互聯網+”技術，在企業之間建立信息交互平臺，使各方信息傳輸速率得以提高[ 24 ]。數字孿生技術的問世，表明仿真技術應用不再只局限于產品設計和降低物理測試成本，而是擴展到各個運營領域，包括產品的遠程診斷、智能維護、共享服務、流程的動態優化等。

智能制造業的轉型使供應鏈體系向協同化轉變，由原來相對穩定的供應鏈體系轉變為一種更大范圍、更靈活、更多向、更社會化的協同體系。數字孿生技術正在重塑制造業[ 25 ]，相關行業也將在數字孿生技術的推動下更新換代。這意味著數字孿生技術在供應鏈管理中的應用是必然趨勢?；谙到y理論的供應鏈需求不斷增長，引發了業界嘗試運用數字孿生技術解決供應鏈動態規劃，而數字孿生技術可以為企業提供信息共享平臺。

2.供應鏈數字孿生技術已有的應用與展望

通過供應鏈數字孿生技術，可以在組織內創建流程鏡像和提供所有供應鏈相關業務信息，創建一個連續循環，快速、持續地微調供應鏈網絡，提高端到端供應鏈的可視性和透明度，為各個產品線的供應鏈和基準流程設定標準做出明智的決策，改善物流效率。運用數字孿生技術中的模型來識別具有差異或結構故障的供應鏈低效運行流程，實時監控供應鏈的流程或在發生特殊情況時采取應急措施，即及時掌握信息，加快響應速度，進一步提高供應鏈效率?；跀底謱\生技術將供應鏈客戶進行細分，為每個客戶創建個人資料，即建立一個模型，數字孿生技術可以評估每個獨特客戶的供應鏈流程執行情況，提出物理資源和人力資源的最佳利用方案。基于數字孿生技術對現有供應鏈管理的助力和賦能，使很多企業對供應鏈數字孿生技術躍躍欲試。

（1）數字孿生技術在供應鏈管理中的應用案例。目前，已有企業將數字孿生技術應用于供應鏈管理中，如世界上最大的軸承制造商SKF，在其整個分銷網絡中構建了一個數字孿生模型[ 26 ]，包括800多個SKU的主要數據，涵蓋5個不同系統的40個安裝單元。數字孿生技術使該公司的區域化模型轉變為全球綜合規劃模型。根據數字孿生技術提供的數據可視性和完全性，供應鏈規劃人員能夠從本地運營轉變為全球化決策（參見圖1）。

博歇爾等[ 27 ]在其報告中指出了數字孿生技術在優化供應鏈網絡方面的優勢。第一，實時在線的敏捷性。基于實時供應鏈運行數據，可提高供應鏈決策的速度，在其面對不斷變化的環境和難以預見的情況時，能夠快速響應。第二，通信與協作。供應鏈組織與供應商、合作伙伴和客戶可以實現實時通信與協作，根據可靠的最新數據做出決策。第三，智能優化。通過將人和機器的數據與高級分析及預測性見解相結合，供應鏈運營商可以優化人機決策。第四，點到點的可視化。數字孿生技術可以隨時查看整個供應鏈，實現對其績效關鍵方面的可視化管理。這種可視化可以跟蹤物料流、掌握進度以及平衡供需。第五，整體決策。通過對供應鏈的全球運營視圖，企業可以實施跨業務決策。這些優勢同時可提高客戶參與度，通過與客戶建立更緊密的聯系，供應鏈企業可以改善定制服務的體驗，使客戶忠于品牌并擴大企業的業務范圍?？傊?，數字孿生技術使供應鏈管理企業能夠快速、持續地微調其實時供應鏈網絡，幫助企業做出更明智的決策，比以往更快地適應不斷變化的環境。數字孿生技術將供應鏈運行的實際變化轉變為數字信息，為供應鏈企業提供其供應網絡運行方式的全球化運營圖，縮短供應鏈的反應時間，使企業更有效地滿足消費者的需求。

（2）數字孿生技術在供應鏈管理中的應用展望。在未來，隨著數字孿生技術的發展，還可將此技術應用在逆向供應鏈管理、應急物流等業務中。

第一，在逆向供應鏈管理中的應用。為了重新獲取產品的使用價值或正確處置廢棄產品，檢驗和分類處理的工作環節即檢驗回收產品的質量水平，以及為逆向供應鏈中各個產品制定恰當的處理策略，顯得尤為重要。通過數字孿生技術對逆向供應鏈流程建立仿真模型，企業可確定對回收產品特性評判的標準，機器根據標準自動對回收產品進行分類。各種標準的產品包括再使用產品，即可直接再使用或再銷售的產品；需升級產品，即需要對產品進行再包裝和修理、修復或再制造的產品；原料恢復產品，包括拆用配件和再循環；廢物處理產品，包括焚化和掩埋產品。生產商在面對退回產品時，要充分利用數字孿生技術建立數據模型，在檢驗與分類處理的過程中自動分析回收產品存在的缺陷，以便管理者在正向供應鏈中使用這些信息對產品設計進行改造，大大提高企業效率。通過數字孿生技術為逆向供應鏈提供機會來模擬、驗證和優化整個生產系統，并測試如何依靠生產流程、生產線和自動化來構建產品的所有主要部件和子組件，幫助計劃團隊設計一個有效的物流解決方案來滿足生產線的需要。為了實現“智能工廠”，也可將自動導向的車輛、機架、箱子和運輸工具列為生產系統的數字孿生體的一部分。

第二，在應急物流中的應用。應用數字孿生技術建立應急物流供應鏈數字孿生體，分析所有突發事件的不確定性因素，建立應急物流數據庫以及風險分析模型，進而制定規范（具有系統性、科學性、針對性、可操作性）的應急預案，在這個虛擬的空間內根據模擬的各種可能發生的緊急情況進行“實戰演練”，進一步提高政府官員或者企業人員對危機管理的意識。當然，應急物流工程在完成“應急”任務的基礎上，也應充分考慮物流成本。通過數字孿生技術可以對運輸路線進行優化以及加強對應急物資的有效管理。如面對自然災害、公共衛生事件時，不僅要選擇最優路徑，還要對應急物資儲備量進行預測，避免不必要的資源浪費，從而對物流成本做出更精確的預算。數字孿生技術在應急物流中的應用，可以保證一旦有突發事件，數字孿生系統能夠以最短的時間對不同的應急物流預案進行評價和排序，從而確定最優方案。

三、供應鏈數字孿生技術面臨的挑戰

數字孿生技術的應用將會給供應鏈管理工作帶來前所未有的便利，并為供應鏈核心企業及相關方創造巨大的價值，但同時在供應鏈數字孿生過程中會面臨新的挑戰，如節點數據采集困難、建模環境復雜、缺少數字孿生標準、數據所有權問題及數據濫用和安全問題等。在此，針對供應鏈節點數據采集以及供應鏈子系統建模過程中面臨的問題和挑戰展開具體討論與分析。

（一）關于供應鏈節點數據采集

供應鏈是復雜、協調和自適應的系統，其流程在很多方向上流動，并且通常是同時進行的。因此，供應鏈數字孿生技術的關鍵在于細節，軟件產生的答案或決策的質量在很大程度上取決于供應鏈數據采集的可行性和準確性。

1.需要明確供應鏈數據采集的范圍

供應鏈數字孿生的關鍵技術是對整個供應鏈進行建模。數字孿生必須根據經濟架構（收入、利潤、投資回報率、成本優化）來衡量業務概念和模型，并在產品/服務推出時掌控進程。其中供應鏈業務財務和運營部分數據還需要參考銷售和運營計劃等方面的數據。

2.模型必須與相關數據配對才能成為數字孿生

從技術角度看，軟件必須能夠協調最終可能影響供應鏈的所有數據，這意味著必須考慮許多數據類型，包括從傳統的供應鏈輸入到非傳統的公司來源（如CRM數據），甚至是非結構化的在線數據，這些數據都會影響需求感知。而傳統的企業ERP數據或基于電子表格數據都不適合此目的。環境及其運作方式的數據至關重要，如果沒有數據則無法驗證模型，并使所有預測和決策都會受到影響。另外，數據必須做到隨時更新，同時數據代表的含義必須一致。

3.物聯網技術背景下中小企業采集數據能力不足

隨著計算和通信成本的下降，物聯網將變得越來越普遍，并且更容易提供必要的數據流?；谖锫摼W技術實現數字孿生的數據采集至關重要，連接設備必須向模型報告運營數據以進行處理和分析。但是，有關全自動數據采集系統的方法并未在中小企業中廣泛傳播。一方面是由異構數據庫引起的，另一方面是由不充分的數據處理系統引起的。此外，由于中小企業實現工業4.0的能力不足，數字孿生對中小企業發展的優勢尚不清楚。

4.供應鏈系統尚無法共享數據

已有的供應鏈運用中雖然生成了大量數據，但無法共享，更無法在共享數據的情況下運行各自的應用程序。今后供應鏈數字孿生技術將逐步實現網絡化、標準化的管理方式，對不同的供應鏈企業應實施訪問權限管理，通過網絡平臺在共享數據的情況下運營供應鏈，數字孿生技術在供應鏈領域中的應用愿景將更為廣闊。

當然，仍有許多未解決的數據采集問題，例如缺少數字孿生的標準、數據的所有權問題以及非常重要的數據濫用和安全問題等。

（二）關于供應鏈系統建模環境

供應鏈可以在多種場合應用，顧客對供應鏈系統的需求是多樣化的，供應鏈需求的不確定性、時間約束的緊迫性、峰值性、弱經濟性、非常規性以及政府和市場的共同參與性等都要求供應鏈管理必須高效。從供應鏈系統的復雜性角度出發，數字孿生技術的發展可能面臨以下挑戰。

1.需要重新設計和優化系統建模工具

傳統建模軟件并非針對當今可用的傳感器和物聯網數據的種類與數量，需要軟件重新加工以便將這些新功能提煉為虛擬且有用的東西，并重新思考業務的設計、構建和操作。

2.面向供應鏈管理的數字孿生建模環境應具備可擴展性，其中包括數據可擴展性和功能可擴展性

在數字孿生中，一旦有新的數據源可用時，該模型如何擴展是亟待解決的問題。真實的供應鏈系統模型涉及很多組件和要素，并且可能在較短時間內變得更加復雜。因此數字孿生模型應能擴展到多個領域。例如，供應鏈分析可以從倉庫和零售業務建模中受益。但是，對這些環境進行建模可能需要采用不同的數據和方法。將復雜且不同的流程和操作結合起來需要靈活的建模環境，理想情況是能夠連接不同的建模方法。

3.數字孿生系統的安全性

一旦實施了供應鏈數字孿生，業務合作伙伴之間就需要相互信任。同時為確保供應鏈相關企業之間的信息安全，還需要符合要求的系統安全監管機構，以確保利益相關方和客戶數據的安全性和可用性，最終實現數字孿生模擬沒有偏差且結果可驗證。

4.仿真軟件的依賴性和建模工具單一化

最大限度地減少用于創建和操作數字孿生的軟件平臺數量有助于簡化支持、維護和進一步開發模型。開發數字孿生需要捕捉必要的現實世界的復雜性，這通常需要不只一種建模方法。多方法建模環境可以通過提供單個工具來準確捕獲所有必需的詳細信息，從而簡化開發流程，但單一工具的使用可以加快部署速度。

四、總結與展望

目前，我國經濟社會已進入數字化時代，國家智能物流骨干網建設也要通過數據來驅動網絡運營，實現實體的物流物理網絡和虛擬的物流數字網絡“軟硬結合”，需要合適的數字孿生技術。國家智能物流骨干網還應該鼓勵商業模式創新，既讓建設者有市場回報，又具有公共基礎設施屬性，實現全網共享，服務于全社會。

從整體而言，數字孿生涵蓋了整個供應鏈業務流程范圍，從最高級別的大型流程和網絡資產到最低級別的工作指令。如果沒有人工智能，這種完整的模型是不可能的，涉及機器學習（包括深度學習）和圖像、語言處理等各種領域。在整個過程中，數字孿生涉及人類行為模式分析、數學建模和決策，目的是尋求更好的操作和決策。當前，數字孿生可以在一定程度上實現可預測性和自我改進，這比以往的任何模型都更準確。同時物聯網技術的進步對于數字孿生的成功至關重要，可以運用傳感器或者物聯網技術收集大量數據，從而實現數字孿生中的模型與現實之間的交互。只使用傳統模擬技術來模擬整個商業難題，相當于放棄了利用業務運行的實時數據改善業務，因此數字孿生的運用水平可以被視為改善業務運營和提高競爭優勢的重要因素。

隨著數字孿生作用的逐漸加大，制造商會產生動力為每個客戶甚至每個產品創建一組數字孿生。在這種情況下，供應鏈管理利益相關者必須盡早參與數字孿生的開發，并基于供應鏈全球化視角定義和完善數字孿生項目和產品。分析大量數據是非常煩瑣的工作，成本非常高，同時構建數字孿生的過程非常耗時。但是，本文認為，在供應鏈上使用數字孿生，并為托運人、貨運代理商、承運商等供應鏈節點企業提供全球貿易的可視化是有價值的，預先構建供應鏈數字孿生可擴展框架，是為所有利益相關者獲取收益的關鍵，供應鏈通過使用數字孿生技術創造新價值具有巨大潛力。

參考文獻：

[1]KASEY PANETT.Gartner top 10 strategic technology trends for 2018[EB/OL].（2017-10-03）[2018-11-01].https：//www. gartner.com/smarterwithgartner/gartner-top-10-strategic-te chnology-trends-for-2018.

[2]KASEY PANETT.Gartner top 10 strategic technology trends for 2019[EB/OL].（2018-10-15）[2019-01-10].https：//www. gartner.com/smarterwithgartner/gartner- top- 10- strategictechnology-trends-for-2019.

[3]ADAM MUSSOMELI，BRIAN MEEKER，STEVEN SHEP？ LEY，DAVID SCHATSKY.Signals for strategists expecting digital twins[EB/OL].（2018-02-10）[2019-01-15].https：// www2.deloitte.com/content/dam/insights/us/articles/3773_Ex pecting-digital-twins/DI_Expecting-digital-twins.pdf.

[4]CHRISTY PETTEY.Prepare for the impact of digital twins[EB/OL].（2017-09-18）[2019-01-15].https：//www.gartner. com/smarterwithgartner/prepare-for-the-impact-of-digitaltwins.

[5]GRIEVES M，VICKERS J.Digital twin：mitigating unpre？ dictable，undesirable emergent behavior in complex systems[EB/OL].（2016-08-17）[2018-12-26].https：//link.springer. com/chapter/10.1007%2F978-3-319-38756-7-4.

[6]BOSCHERT S，ROSEN R.Digital twin—the simulation as？ pect[EB/OL].（2016-06-11）[2018-12-27].https：//link.spri nger.com/chapter/10.1007/978-3-319-32156-1_5.

[7]SCHLUSE M，ROSSMANN J.From simulation to experi？ mentable digital twins：simulation-based development and operation of complex technical systems[C]//IEEE.Systems Engineering（ISSE），2016 IEEE International Symposium，2016：1-6.

[8]SCHROEDER G N，STEINMETZ C，PEREIRA C E，et al. Digital twin data modeling with automation ML and a com？ munication methodology for data exchange[J].IFAC-Papers OnLine，2016（30）：12-17.

[9]STARK R，KIND S，NEUMEYER S.Innovations in digital modelling for next generation manufacturing system design[J].CIRP annals，2017（1）：169-172.

[10]NEGRI E，FUMAGALLI L，MACCHI M.A review of the roles of digital twin in CPS-based production systems[J]. Procedia manufacturing，2017（11）：939-948.

[11]ZHANG H，LIU Q，CHEN X，et al.A digital twin-based approach for designing and multi-objective optimization of hollow glass production line[J].IEEE access，2017（5）：26 901-26 911.

[12]陶飛，劉蔚然，劉檢華，等.數字孿生及其應用探索[J].計算機集成制造系統，2018（1）：1-18.

[13]GOMES C，THULE C，DEANTONI J，et al. Co-simula？ tion：the past，future，and open challenges[C]//Internation？ al symposium on leveraging applications of formal methods. Springer，Cham，2018：504-520.

[14]WILSON H J，DAUGHERTY P R.Collaborative intelli？ gence：humans and AI are joining forces[EB/OL].（2018-07-01）[2018-12-28].https：//hbr.org/2018/07/collaborativ e-intelligence-humans-and-ai-are-joining-forces？sf909 04918=1.

[15]LEE D H，KIM J S，SONG H，et al.Tensile property im？ provement in Ti/Al clad sheets fabricated by twin-roll cast？ ing and annealing[J].Metals and materials international，2017（4）：805-812.

[16]鐘秀筠.企業供應鏈管理的現狀與措施分析[J].中小企業管理與科技，2018（10）：1-2.

[17]王雅楠.物流供應鏈管理技術的發展創新及其應用[J].中國商論，2018（35）：9-10.

[18]龔華俊.企業供應鏈管理方案的研究[J].商場現代化，2018（5）：8-9.

[19]牛倩倩，陸秋琴.基于Multi-Agent技術的供應鏈企業信任合作伙伴選擇評估模型[J].物流技術，2013（23）：315-318，328.

[20]王世卿，黎楚兵.基于Multi-Agent的供應鏈系統模型及其仿真[J].計算機工程與設計，2010（5）：1 081-1 084.

[21]林騰飛，張虹，辛辰.基于Flexsim的供應鏈信息共享對倉儲運營影響的建模與仿真[J].物流技術，2015（12）：129-131.

[22]曾夢杰.基于Flexsim的供應鏈制造商延遲策略仿真研究[J].物流工程與管理，2015（3）：117-121.

[23]趙立靜.基于多Agent的閉環供應鏈建模與仿真研究[D].秦皇島：燕山大學，2016.

[24]許耀坤，孟祥娟.針對國內企業供應鏈管理的再思考[J].市場周刊（理論研究），2016（10）：46-47.

[25]SENSNOW.數字孿生如何推動產業發展？[EB/OL].（2018-12-06）[2019-03-15].http：//www.sensnow.com/News/De？ tails/7170ea90-a103-41ff-b0f2-13c68bc4892e.html.

[26]ILIC D，MARKOVIC B，MILOSEVIC D. Strategic busi？ ness transformation：an industry 4.0 perspective[J].No.20 Int’l J. Econ. & L.，2017（7）：49.

[27]BOSCHERT S，HEINRICH C，ROSEN R.Next generation digital twin[Z].TMCE，2018.

Application and Development of Digital Twin in Supply Chain Management

YANG Yang

（China University of Mining & Technology （Beijing），BeiJing100083，China）

Abstract：In the new economic era，the application of information technology has brought about tremendous changes in supply chain management. The supply chain network must be continuously optimized and perfected. In order to satisfy customers’ diversification in the fierce competition，the process must be consumer-oriented and highly flexible，which will in turn guarantee the on time delivery of goods and services. In this environment，intuitive and effective information tools can quickly obtain information about supply chain operations and fully understand all the elements of the supply chain，which is critical for the monitoring and management of the supply chain’s operational status. With the in-depth development of logistics networking technology，digital twinning technology can provide operational status information for all devices in IoT devices and provide endto-end process visualization tools for supply chain networks. The author starts with the concept of digital hygiene in supply chain management，analyzes the digitalization of supply chain and operation management （SCOM），and expounds the significance of the application of digital hygiene technology to supply chain management. Then，around the data platform management and digital hygiene standardization issues，the challenges that digital health technology will face when applied in supply chain management are pointed out. Finally，it is pointed out that in the future，more supply chain operators will consider using digital hygiene technology to improve supply chain business processes and enhance their competitiveness.

Key words：Digital Twin；supply chain management；data platform management；standardization

收稿日期：2019-03-16

基金項目：中國礦業大學（北京）越崎青年學者資助項目；中國物流學會、中國物流與采購聯合會研究課題面上項目“面向5G的車聯網技術對物流行業發展的影響研究”（2019CSLKT3-117）；中央高?；A業務經費項目（2014QG01）

作者簡介：楊洋（1981—），女，北京市人，中國礦業大學（北京）管理學院副教授，博士，碩士生導師，主要研究方向為供應鏈管理和物流。