【专栏】供应链实战指南——数字孪生技术赋能制造供应链（一）

文章来源：起重运输机械 杂志

文章作者：邱伏生、赵新阳、邱艺凝

专栏主理人：马晨

自2014年以来，西门子、达索、PTC、ESI、ANSYS等一系列著名的工业软件已经取得了巨大的成功，令人瞩目。企业纷纷采取“Digital Twin”的术语，不断加强对其技术架构、理论框架的探索，以及对其应用的扩充。至今“数字孪生”已成为全球最受欢迎的专有名称，然而“数字孪生”尚未存在公认定义，仍处于探索、实践的阶段。“数字孪生”的技术则为各行各业提供了一种新的、有效的框架，从而使得各行各业的标准化及模式得到了更好的实施。

数字孪生已被全球权威机构誉为十大未来发展的重要战略。在中国国内，数字孪生已写进“十四五”规划纲要，在国家层面认可为建设数字中国的核心技术。工信部已经连续4年发布《数字孪生白皮书》，数字孪生技术开始在工业领域或智慧城市领域开发应用，为决策者提供智能化的辅助决策。

虽然概念仍在发展和演变中，但事实上，现有的工业仿真软件与产品的设计、生产制造中的数据沉积，都是构建数字孪生的基础。数字孪生在工业制造的各个供应链环节的现实场景中，已经具有了实现的基础和创造价值的巨大潜力。

数字孪生技术

Michael Grieves教授在“信息镜像模型”（Information Mirroring Model）中首次提出了数字孪生的定义，随后这个概念演变为数字孪生的术语。数字孪生，学术理论中也称为“数字双胞胎和数字化映射”，是在信息技术普及的基础上发展起来的。随着MBD技术的不断进步，数据孪生技术已经成熟，它可以将复杂的信息转换成可以进行计算的形式，从而使得计算机可以更加准确地预测复杂的信息内容，并且可以更好地控制复杂的信息内容，从而提高计算机的效率。NASA在2012年如此描述数字孪生：是指充分利用物理模型、传感器、运行历史等数据，集成多学科、多尺度的仿真过程，它作为虚拟空间中对实体产品的镜像，反映了相对应物理实体产品的全生命周期过程。

数字孪生技术通过对真实物理实体进行数字化建模，将软件对象与模型以可视化形式呈现，构建起全面的数字化观察视角。多个数字孪生体可组合形成复合模型，实现对工厂、城市等复杂实体的整体模拟。这种虚实结合的设计，使人们能够实时、精准掌握事物或系统状态，进而快速响应并优化运营，创造更多价值。

作为物理实体的功能性系统模型，数字孪生包含数据结构、元数据及关键变量（如产品标识、时间序列数据、运行状态等），同时纳入操作人员因素。通过将单个数字孪生体聚合为复杂的综合模型，在工厂运营场景中实现对实体对象的实时监控，显著提升运营管理效率。

当前，数字孪生技术在产品设计和生产工艺规划领域应用广泛。然而，制造企业供应链具有独特的复杂性，其数字孪生需集成生产工艺与流程，覆盖从原材料采购、产品设计、工艺规划，到生产计划制定、订单执行、产品交付及设备维护的全生命周期。借助数字孪生技术对生产运营进行全流程映射，企业得以实现运营可视化，精准规划细节并规避潜在问题，推动整体系统优化升级。不过，对于非数字化原生企业而言，整合多元业务流、打通各环节数据壁垒是数字化转型的核心挑战。

在此背景下诞生的供应链数字孪生（DTSC），作为动态软件模型，需输入供应链运营及相关数据，实现供应链运营体系的虚拟映射，并通过实时数据更新，灵活应对外部环境变化，合理调配资源，创造预期客户价值。尽管DTSC脱胎于数字孪生技术，但二者在应用对象、模型构建及数据处理等方面存在明显差异。

制造供应链发展趋势

在实际商业活动中，供应链以核心企业为中心，通过对信息流、物流、资金流的系统化管控，串联起从原材料采购、中间产品加工、最终产品制造，到经销售网络送达消费者手中的全链条环节，形成包含供应商、制造商、分销商、零售商及终端用户的多层级网络架构。进入VUCA时代（易变性、不确定性、复杂性、模糊性交织），供应链已从单一链条演变为错综复杂的网络生态体系。在充满不确定性的环境下，供应链管理的核心目标，是穿透认知盲区，在复杂系统中探寻最优解决方案，保障高效交付，进而完成企业价值创造、传递与获取的全流程闭环。未来，市场竞争的主战场将从企业个体间的博弈，转向产业、区域乃至国家层面的供应链体系竞争，其中，供应链的核心聚合能力与风险抵御能力，将成为决定竞争胜负的关键要素。

传统供应链的规划、管理与运营模式，企业往往聚焦于具体事务性问题，将交付时效、运营效率与成本控制作为核心考核指标，并依赖库存调节实现资源的动态平衡。对于供应链中的核心企业而言，其竞争力主要体现在组织协同能力、流程优化能力、运营监控能力、信息化建设能力，以及资源统筹平衡能力等方面，企业需持续深化这些能力，才能在供应链竞争中占据优势地位。如图1所示。

图1  传统供应链的关键关注指标

平衡是期望获得期待中的利益，但是平衡的结果是“熵寂（或者熵死亡）”--使得流程僵化、组织不同环节自我保护、供应链感知麻木不仁，缺乏全链动态应变、最终丧失竞争力。于是，人们发现：供应链需要应对已知和未知的需求变化，从而不断地响应和折腾。

众多的制造企业供应链发展模式一再证明，按照上述的“折腾模式”是没有未来的，过去的成功经验也不再有借鉴意义，因为制造供应链已经发生了以下变化：

（1）制造供应链的逻辑导向发生了变化

在传统供应链体系中，管理重心多围绕核心企业展开，供应链信息平台主要聚焦于企业内部采购、生产、交付等职能环节的过程信息管理。这种以企业自身为中心的管理模式，导致运营策略偏向“以产定销”。数据采集与传输呈现出批量脉冲式特征，数据流动缺乏连贯性与实时性。

图2 制造供应链从核心企业转变为消费者为中心

随着制造业发展，尤其是实现全渠道覆盖（涵盖制造、连锁经营、电商、门店、经销商等多元渠道）的企业，正积极践行“以客户为中心”的理念。网络技术与云计算的广泛应用，推动企业信息化建设从传统的数据存储与查询模式，向依托“制造大数据”与“消费大数据”的数据驱动模式转型。这一变革在服装（如SHEIN、李宁）、家电（如美的、海尔）、家居（如顾家家居）、家纺（如罗莱家纺）等行业尤为显著。

如今，信息技术与自动化生产设备的普及降低了行业准入门槛，企业间全价值链竞争愈发激烈。供应链的快速响应能力和产品创新引领能力，成为企业核心竞争力的重要体现，而数字化转型正是支撑这些能力的关键。企业逐步摒弃传统订货会、批销及压货模式，将管理重心向消费者端转移，促使制造模式与信息软件架构发生深刻变革。制造供应链的运作逻辑从传统的推动式转变为拉动式，这一转变也重塑了供应链管理与运营的思维方式及关键绩效指标（KPI），使得制造供应链数字化逻辑发生根本性重构。如图2所示。

（2）制造供应链涵盖的范围发生了变化

多年以来，人们通常都按照西方企业供应链模型的采购、生产、交付业务来做线性的单维度理解，忽略了中国制造企业面临的消费结构变化以及相关技术（如移动互联网、人工智能AI、5G技术、区块链技术、电子商务等）的日新月异导致的供应链涵盖范围变化。未来的制造供应链不再仅仅局限于狭义制造范围（围墙内）的采购、生产和交付，更需要包含从研发开始，到门店（甚至包含导购）和消费者，以及产品本身的系统化优化。将围绕“实现客户价值、有效应用平台、竞争保证发展”的价值导向，需要将产品、服务、品牌，围绕消费者需求做出最佳的研发设计和推广，利用供应链上面的各项资源提升个性化热销产品（爆款）的研发能力、全供应链过程的库存周转率、成本、效益运营的能力、工业大数据和消费大数据的获得和挖掘分析能力、在互联网的品牌影响力等，最终获得企业的持续盈利能力；未来的竞争不是正面竞争，而是跨界模式、“聚核”模式，竞争对手物理上不可见、创新型产品和服务不断迭代升级、产品生命周期越来越短，供应链技术不断升级的竞争态势。如图3所示。

（3）影响制造供应链的因素发生了变化

随着全球化的发展，各个领域的制造业已经形成一个全球化的产业链，包括生产外包、离岸外包、低成本航空公司、出口、进口、多个国际司法管辖区，制造供应链变得越来越复杂，涉及到多个不同的参与方。由于多方面的考虑，包括专家的意见、观点和其他多种因素的交互作用，“牛鞭效应”的形成可能性较大。此外，还有其他因素，诸如政治、经济（比如中美贸易战）、气候、突发灾难（比如新冠疫情）等带来更多的不定因素。

所以，无论你处于产品供应链的哪个环节，我们不但要关注我们的客户以及客户的客户；也要关注我们的供应商以及供应商的供应商。从消费与流通的角度上来说，我们不但要关注客户需求，也要关注我们的伙伴；不但要关注行业组织，更要关注我们所处的国家、社会环境、政府。从生态链的角度，我们不但要关注我们供应商的供应能力，还要关注整个产业链的能力，以及关注生态资源，关注国家的产业政策。所以，整个供应链就变成了一个非常非常复杂的系统，这个系统仅仅采用传统的人工模式、经验模式或者简单信息化模式来规划和运作，是难以想象的—因为其难以保证“设计的、运作的和反馈的一致”，容易出现“承诺的、执行的和兑现的无法匹配”、“信息中表现的、物理上看到的不在同一频道”等尴尬局面。数字孪生技术可以很好地解决上述问题。

图3 制造供应链数字孪生规划和运营原理

制造供应链的数字化转型需要数字孪生技术赋能

制造供应链非常强调客户需求感知、决策和有效交付，同时提升流动资产的盈利效率，但是一方面由于过程环节中的各种变数，影响供应链的稳定性，另一方面供应链运营过程的信息数字化传递能力的高低，也将影响供应链的感知能力和可视化决策的能力，从而也决定了有效交付的程度。因此，通过精心设计的供应链数字孪生体系，企业可以获得极大的决策支持，这些数据资产可以与现实世界对应物相映射，从而更好地掌握产品交付过程或供应链系统的状况，及时发出预警和反馈，及时做出调整，提升操作效率，并最大限度地提升价值。

在符合企业供应链战略导向和价值导向的规划下，物理孪生体通过传感器的数据采集，集成传送给数字孪生体，而数字孪生体将分析模拟所产生的洞察、预测、决策经由集成平台发送给执行系统，从而优化物理孪生体的运转，形成一个良性的闭环机制。需要说明的是：制造供应链涉及到多个运营要素，数字孪生需要将每个要素单元进行物理现实-虚拟数据映射，形成数字孪生微循环单元，然后根据供应链运作逻辑叠加和组合起来。数字孪生微循环单元的颗粒度大小，决定了制造供应链数字孪生决策与优化的数据质量和运营绩效。在实际的构建与运营过程中，制造供应链的数字化转型需要经历一个供应链数字孪生结构要素规划，到供应链数字孪生运营要素管理，然后到供应链数字孪生优化决策管理的路径。赋能的机理模型如图4所示。

利用数字孪生技术，可以实现从原材料到产品最终用户的一体化集成管理（ISC），从而实现产品研发、制造、流通、销售及售后服务的全价值链管理，从而极大地减少了研发时间，提高了产品的柔性制造能力，更好地满足客户的需求，从而极大地增强了企业的市场竞争能力。