数字供应链孪生研究报告.pdf

2020 数字供应链孪生研究报告 1 发布时间： 2020 年 7 月 2020 数字供应链孪生研究报告 2 目录 报告说明 . 5 第一章：从数字孪生到数字供应链孪生 . 6 1.1 数字孪生正逐渐成为主流 . 6 1.2 数字孪生成为 “新型基础设施 ”（新基建） . 9 1.3 数字孪生的概念和关键特征 . 10 1.3 狭义和广义数字孪生概念 . 14 1.4 数字供应链孪生的概念和关键特征 . 17 1.5 狭义和广义数字供应链 孪生 . 20 1.6 数字供应链孪生为解决供应链不确定性而生 . 23 1.7 数字供应链孪生使能 “活 ”的供应链 . 27 1.8 数字供应链孪生 -供应链战略性技术趋势 . 28 1.9 数字化供应链平台作为数字供应链孪生 . 30 1.9.1 E2open Harmony 数字化供应链平台 . 30 1.9.2 ToolsGroup 的数字化云供应链生态系统 . 31 第二章：数字供应链孪生和数字供应链主线 . 32 2.1 数字主线和数字孪生 . 32 2.2 数字供应链主线和数字供应链孪生 . 36 第三章：数字供应链孪生网络及 成熟度模型 . 38 3.1 数字孪生网络 . 38 3.2 数字供应链孪生网络 . 41 3.2.1 数字供应链孪生网络核心 . 42 3.2.2 数字计划孪生 . 42 3.2.3 数字客户孪生 . 43 3.2.4 数字制造孪生 . 44 3.2.5 数字供应孪生 . 45 3.2.6 数字开发孪生 . 46 2020 数字供应链孪生研究报告 3 3.2.7 数字履约（交付和物流）孪生 . 48 3.3 数字孪生网络给组织带来的好处 . 50 3.4 如何建立数字孪生网络 . 53 3.5 数字孪生网络的成熟度 . 54 第四章：数字供应链孪生和数字化供应链控制塔 . 57 4.1 数字化供应链控制塔作为数字供应链孪生 . 57 4.2 基于供应链仿 真的数字供应链孪生作为控制塔的一部分 . 60 4.3 数字化供应链控制塔作为一个数字供应链孪生网络的核心 . 61 第五章：使能数字供应链孪生的关键技术 . 63 5.1 五大使能数字供应链孪 生的基础关键技术 . 63 5.2 十个重要的与供应链相关的使能技术 . 66 第六章：数字供应链孪生的应用场景和商业价值 . 70 6.1 供应链计划（ SCP） . 70 6.1.1 SKF 如何使用数字供应链孪生来实现综合计划 . 72 6.1.2 AspenTech 基于维护智能的优化生产计划 . 74 6.2 供应链运营 . 75 6.2.1 数字孪生改变物流的 5 种方式 . 76 6.2.2 DHL 和利乐（ Tetra Pak）在亚太地区实施其首个数字孪生仓库 . 78 6.2.3 数字供应链孪生改善供应链协同和提高供应链弹性 . 81 6.2.4 数字供应链孪生助力产品认证和消费者参与 . 82 6.3 供应链风险（ SCR） . 84 6.4 MRO 供应链中应用数字 MRO 供应链孪生 . 87 6.5 西门子工业物联网平台如何助力 Strauss 和奇华顿构建数字供应链孪生 . 90 第七章：数字供应链孪生和区块链的融合趋势 . 93 第八章：企业通往采用数字孪生成功的道路 . 99 8.1 虚假错数字孪生的风险 . 99 8.2 通往成功采用数字孪生的正确路线 . 103 2020 数字供应链孪生研究报告 4 总结 . 105 参考文献 . 107 创作团队 . 111 罗戈研究 . 112 2020 数字供应链孪生研究报告 5 报告说明 近年来 ， 随着数字化转型的深入发展以及数字技术，如物联网 、 人工智能 、 大 数据 、 高 级数据分析 、 云计算等的兴起， 数字孪生（数字双胞胎）的概念已开始 从 智能制造 深入到供 应链的领域。 高德纳（ Gartner） 命名供应链中的数字孪生为数字供应链孪生（ Digital Supply Chain Twin） ， 已经引起了供应链业界 、 供应链软件提供商 、 研究者的广泛的兴趣和重视 。 罗戈研究 “数字化供应链的进展和未来十大趋势” 【 1】 指出数字供应链孪生是 2019 年 数字化供应链十大发展趋势之一 ，罗戈研究 “数字孪生在物流中的应用趋势” 【 2】 中借解析 DHL Digital Twins in Logistics（物流中的数字孪生） 【 3】 的新趋势报告 进一步指出 数字孪生在物流中的应用趋势 ， 此外 在 罗戈研究 “不容忽视的 8 大战略性供应链技术趋势” 【 4】 中介绍了 Gartner2019 八大供应链战略性技术趋势之一 ： 数字供应链孪生 。 数字供应链 孪生研究报告 是对其 进行了 更全面和 更 深入的研究。 本报告所有权归罗戈研究所有，未经允许不得转载 。 2020 数字供应链孪生研究报告 6 第一章： 从数字 孪生到数字供应链孪生 本 章内容 在 介绍一般数字孪生的历史 和 概念 的基础上 ，引进数字供应链孪生的概念 、 关 键特征 、 狹义 和 广义数字供应链孪生及其概念性参考架构。 本章 主要内容 有 ： 数字孪生正逐渐成为主流 数字孪生成为“新型基础设施”（新基建） 数字孪生的概念和关键特征 狭义和广义数字孪生概念 数字供应链孪生的概念和关键特征 狭义和广义数字供应链孪生 数字供应链孪生为解决供应链不确定性而生 数字供应链孪生使能“活”的供应链 数字供应链孪生 -供应链战略性技术趋势 数字化供应链平台作为数字供应链孪生 1.1 数字孪生 正 逐渐成为主流 数字孪生作为工业 4.0 的一个战略性的技术趋势 ， 正在逐渐走向成熟并成为主流技术 。 数字孪生 的应用逐渐从制造业领域走向各个领域，如智慧城市 、 能源 、 物流 、 供应链等。 以 下 几个 著 名科技咨询公司的研究引证 了 数字孪生 的 发展趋势 ： 2016 年 Gartner 首先 把数字孪生 列入物联网超级周期， 开启了 数字孪生 造风的流程 。 2017 年 Gartner【 5】 指出 企业 要“ 为数字孪生的冲击做好准备 ” ， 并 指出 “ 现在数字孪生已经 融合了多种因素，使数字孪生的概念成为一种颠覆性趋势，并将在未来五年乃至更长时间内 产生越来越广泛和深远的影响。 ” 事实上 Gartner 预测，到 2021 年 将有 一半的大型工业公司 使用数字孪生 ，从而使组织的效率提高 10。 2017 年 6 月至 7 月 ， Gartner 调查了 美国 、 德国 、 中国 、 日本的 202 位已经提供了物联 网解决方案或正在进行 物联网 项目 的 受访者 ， 并 收集了有关 IoT 部署最佳实践和开发 IoT 解 决方案的策略信息。 该 调查显示， 在实施物联网项目的组织中，有 13的组织已经在使用 2020 数字供应链孪生研究报告 7 数字孪生，而 62的组织正在建立数字孪生或正在计划做 。 调查 特别 指出 数字孪生可以帮 助缓解一些关键的供应链挑战 。 数字孪生投资应以价值链为驱动力，以使产品和资产利益相 关者能够以更加结构化和整体的方式来管理和管理产品或资产（如工业机械供应链中的设 施）。供应链管理人员在提高绩效方面面临的一些挑战，例如缺乏跨职能协作或缺乏整个供 应链的可见性。 而数字孪生技术可以帮助供应链迎对这些挑战。 2018 年 Gartner 新兴技术炒作周期 【 6】 中 数字孪生在 炒作 周期的 顶峰 ，并指出要 5-10 年才趋于成熟。 图 1： Gartner 2018 新兴技术炒作周期 然而，数字孪生技术比 Gartner 2018 预测的成熟周期来得早些 ， 于是 2019 年 Gartner 对这一发展趋势做了一列的调研和分析 ： 2019 年 2 月 Gartner 的研究副总裁 Benoit Lheureux 的研究报告 【 7】 显示数字孪生正在逐渐进入应用的主流 ， 这说明数字孪生技术比预期的更快 趋于成熟，并开始被更多领域 重视和采用 ，特别是物流和供应链 领域。 2019 年 9 月 Gartner 的分析师 Alfonso Velosa 等发表 了 市场趋势：软件提供商逐步服 务于新兴的数字孪生市场 【 8】 ， 研究 了以下 值得关注 的 供应商 （ 报告没有包括欧洲的西门子 2020 数字供应链孪生研究报告 8 和中国的供应商 ） ： 值得关注供应商 国家 Alleantia 意大利 ANSYS 美国 Avent 美国 GE Digital 美国 Hitachi Vantara 日本 Pepper 美国 ThoughtWire 加拿大 Uptake 美国 XMPro 美国 市场趋势：软件提供商逐步服务于新兴的数字孪生市场 报告指出 ： 数字孪生是企业 数字业务项目中迅速兴起和发展的一部分 ， 技术和服务提供商需要建立其支持数字双胞胎的 技术能力和产品组合，并加强其进入市场的战略，以建立差异化的价值地位。 上述 Gartner 的两个研究报告 宣告了美国的 数字孪生技术 造风过程进入市场销售阶段。 根据 2017 年 Accenture 针对 150 家全球领先通信、媒体、高科技、航空及国防行业公 司的高管调研， 数字孪生已被绝大多数领先企业纳入中长期战略 【 9】 ： 90%的受访者的公司 正在对其现有的或新的产品 和 服务进行应用数字孪生的可行性评估。大多数公司高管认为数 字孪生先行者将实现 30%的收入增长。 Accenture 预测数字孪生的技术应用 在 未来 5 年内 将 会翻倍。 Deloitte 2020 年最新技术趋势报告 【 10】 中 ， 数字孪生作为认知和分析最重要的技术趋势。 该报告引用 MarketsandMarkets【 11】 和 IDC【 12】 的研究数据表明， 对数字孪生技术的探索已 经展开 : 2019 年数字孪生市场的价值为 38 亿美元，预计 2025 年将增至 358 亿美元 。 六年 九倍多的增速，可谓是飞速发展。 图 2 显示了 诱人的数字孪生市场机遇 。 2020 数字供应链孪生研究报告 9 图 2： 诱人的数字孪生市场机遇 正如 Deloitte 在 2020 年最新技术趋势报告 中指出 ：“ 数字孪生发展势头迅猛，得益于快 速发展的仿真和建模能力、更好的互操作性和物联网传感器 、 以及更多可用的工具和计算的 基础架构等 ， 因此各领域内的大小型企业都可以更多地接触到数字孪生技术。 IDC 预测到 2022 年， 40%的物联网平台供应商将集成仿真平台、系统和功能来创建数字孪生， 70%的制 造商将使用该技术进行流程仿真和场景评估。 ” 1.2 数字孪生 成为“新型基础设施”（新基建） 中国在数字孪生的研究和应用整体上落后于西方发达国家 ， 然而中国的研究机构和企业 正在奋起直追 ， 其中 工业 4.0 研究院远见卓 识 ， 2015 年就启动了数字孪生的研究工作，并已 获得许多研究成果 ， 此外 在 工业 4.0 研究院院 长 胡权指导 下 安世亚太和数字孪生体实验室 于 2019 年 12 月 发表了 研究 报告 数字孪生体白皮书 【 13】 。 数字孪生体白皮书 提出了数字 孪生体系统的参考架构 、 应用框架 、 数字孪生体的成熟度模型等中国特有的研究成果，并总 结了数字孪生体在制造 、 智慧城市 、 供应链和物流中的应用。 据工业 4.0 研究院观察，美国、 英国分别推出了数字孪生体国家战略，美国海军还计划花费 210 亿美元打造数字孪生体基础 设施，英国则直接提出了国家数字孪生体战略。工业 4.0 研究院 认为：“ 基础设施可以数字 孪生体化，更进一步，数字孪生体自身就成为“新型基础设施”（新基建） ”。 在他们推动下， 国家发改委在十四五规划前期课题中，已经考虑到数字孪生新基建的方向，已经处于全球领 先地位 【 14】 。 值得一提的是本 报告 所研究的数字供应 链孪生是一类特殊的数字孪生， 构建数字供应链 2020 数字供应链孪生研究报告 10 孪生（网络或体系）实质上是供应链的新型基础设施建设（新基建） 。值得引起业界重视。 1.3 数字 孪生 的 概念 和 关键特征 罗戈研究数字孪生在物流中的应用趋势 简要地描述了数字孪生的演进史，指出了它 发展的四个阶段。 数字孪生起源于计 算 机驱动的产品设计的仿真技术。 下图 3 祥细描述了 数 字孪生发展的四个阶段 【 15】 ： 阶段一： 1960-世纪之交，是数字孪生 的技术准备期 。 阶段二： 2002-2010，是数字孪生 的概念产生期 。 阶段三： 2010-2020 是数字孪生 的预先应用期 。 阶段四： 2020-未来，数字孪生 技术的深度开发和大规模扩展应用期 。 图 3： 数字孪生发展的四个阶段 最早数字孪生的概念 【 16】 是由 Michael Grieves 教授 在 PLM 的概念性设想（ Conceptual Ideal for PLM） 报告中 提出，它由 现实空间 、 虚拟空间 （包括 虚拟子空间 ） 之 间 的数据流 、 信息流 的连接 三部分组成 。 它确实拥有数字孪生体的所有元素， 其中能与现实空间进行动态 的数据和信息交换的虚拟空间就是今天数字孪生的初始型 式 。 2020 数字供应链孪生研究报告 11 图 4：最早数字孪生的概念 Gartner 从 2017 年开始 ， 连接三年把数字孪生作为十大战略性技术趋势 之一 。 图 5：数字孪生作为十大战略性技术趋势 之一 下 表列举了 Gartner 在 2017 年 -2020 年 十大战略技术趋势报告 中对数字孪生概念的描述 和定义。其实此 表也反映了业界对 数字孪生 概念 的 不断深入 的 认识。在 2019 年的 定义中， 数字孪生的概念不仅 描述得更清楚，而且指出了它的四个基本要素，更进一步提出了复合数 字孪生的概念，从而为数字孪生网络的研究及应用打下了基础。 2020 数字供应链孪生研究报告 12 Gartner 数字孪生的概念定义 2017 年 数字孪生 是一个物理事物或系统的动态软件模型，它依赖于传感器数据来了解其 状态、响应变化、改进操作和增值。数字双胞胎包括元数据（例如，分类、组合 和结构）、条件或状态（例如，位置和温度）、事件数据（例如，时间序列）和分 析（例如，算法和规则）的组合。 2018 年 数字孪生：这些真实世界的动态软件模型包含了关于一个事物的组成部分如何运 行的数据，以及来自传感器的数据。 2019 年 【 17】 数字孪生体是真实世界实体或系统的数字表示。数字孪生体的实现是一个封装的 软件对象或模型，它反映了一个独特的物理对象（见 注释 ）。来自多个数字孪生 体的数据可以被聚合，以便在多个真实世界实体（如电厂或城市）中形成一个复 合视图。 注释 ： 数字孪生的基本要素 ： 模型：数字孪生是现实世界对象的功能性系统模型。数字孪生体包括现实 世界对象的数据结构、元数据和关键变量。更复杂的复合数字孪生可以从 更简单的原子数字孪生组装而成。 数据：数字孪生与现实世界对象相关的数据元素包括：身份、时间序列、 当前数据、上下文数据和事件。 独特性：数字孪生对应一个独特的物理事物。 监控能力：您可以使用数字孪生查询真实对象的状态，或接收粗略或精细 的通知（例如，基于 API）。 2020 年 【 18】 边缘事物的数字孪生 数字孪生是真实世界实体或系统的数字表示。数字孪生的实现是一个封装 的软件对象或模型，它反映了一个独特的物理对象，来自多个数字孪生体 的数据可以被聚合，以便在多个真实世界实体（如电厂或城市）中形成一 个复合视图。 精心设计的数字资产孪生可以显著改善企业决策。它们与边缘的现实世界 对应物相连接，用于了解事物或系统的状态、响应更改、改进操作和增加 价值。 组织将首先简单地实现数字孪生，并随着时间的推移不断发展，提高他们 收集和可视化正确数据、应用正确分析和规则以及有效响应业务目标的能 力。数字孪生模型将激增，供应商越来越多地向 客户提供这些模型，作为 其产品的一个组成部分。 Gartner 形象描述了数字孪生不仅仅是一个它的物理对象的模型 ： 每个物理对象至少有 一个唯一的数字孪生与之对应，它能控制它所表示的对象，它拥有表示它的对象的所有数据， 如识别 、 状态 、 内容等，它能找到物理对象的状态并获取通知，它能模拟仿真现实世界的物 理对象 、 事件 、 流程，它能用规则 、 预测 、 算法进行分析 ， 差不多是无所不能。 2020 数字供应链孪生研究报告 13 图 6：数字孪生 不仅仅是模型 然而，首先数字孪生是其物理的模型。 Gartner 描述 了 数字孪生代表真实世界的对象的 数字 模型 【 17】 ， 此模型包括了数字孪生的四个基本要素及其具体形式 ， 同时也描述了数字孪 生是如何与真实世界的对象以及企业系统和后台的数据交互的架构图景。 图 7：数字孪生代表真实世界的对象 尽管 Gartner 数字孪生的定义给出了四个基本结构上的要素，并描述了它的监控能力， 但实际上数字孪生最本质的特性是具有自我更新 和 决策能力。 DHL Digital Twins in Logistics（物流中的数字孪生） 指出尽管数字孪生可以 表示非常不 2020 数字供应链孪生研究报告 14 同的物理资产 、 产品 、 过程和系统，但它们具有以下五个有助于区分真正的数字 孪生 与其他 类型的计算 机模型或模拟的 关键特征 ： （ 1） 数字孪生是真实“事物”的虚拟模型。 （ 2） 数字孪生会模拟物体的物理状态和行为。 （ 3） 数字孪生是独一无二的，与该事物的一个具体实例相关。 （ 4） 数字孪生与事物相连，根据已知的事物状态、条件或环境变化进行自我更新。 （ 5） 数字孪生通过可视化、分析、预测或优化提供 决策规划 的 价值。 GE 将 数字孪生 作为工业互联网的一个重要概念，力图通过大数据的分析，可以完整地 透视物理世界机器实际运行的情况 。 而激进的 PLM 厂商 PTC 公司，则将其作为主推的“智 能互联产品”的关键性环节：智能产品的每一个动作，都会重新返回设计师的桌面，从而实 现实时的反馈与革命性的优化策略。 数字孪生 突然赋予了设计师们以全新的梦想 ， 它正在引 导人们穿越那虚实界墙，在物理与数字模型之间自由交互与行走。 虽然 数字孪生 的概念自 2002 年以来一直存在，但只有物联网（ IoT）才能实现成本效益。 很简单， 数字孪生 是过程 和 产品或服务的虚拟模型。这种虚拟和物理世界的配对允许分 析数据和监控系统，以便在问题发生之前阻止问题，防止停机，开发新机会，甚至通过使用 模拟来规划未来。 它对于今 天的业务至关重要 。 1.3 狭义 和 广义数字孪生概念 上一节介绍了最早的数字孪生的概念，以及 Gartner 关于数字孪生的定义。虽然 Gartner 的定义已经把数字孪生的动态特性及结构定义得非常清楚 ， 数字孪生是它物理对象的一个 动 态软件模型 /动态的数字模型，或数字代表 /表示，但并没有描述数字孪生和它的物理对象之 间是如何互动和同步改进的。这就涉及到狭义和广义数字孪生的概念。 数字孪生体系的逻辑 引入了如下狭义和广义数字孪生的概念： 狭义数字孪生 : 数字孪生是它物理对象的一个动态软件模型 /动态的数字模型，或 数字代表 /表示 /镜像 。 广义数字孪生 : 数字孪生，广义上是由物理对象、数字镜像及互动系统构成的一个 2020 数字供应链孪生研究报告 15 体系， 它 孪生 则需要包含数字镜像和交互系统。 图 8： 数字孪生体系的逻辑 【 19】 田锋 数字孪生体成熟度模型 【 19】 指出： “ 数字孪生体已经超越了现有的数字化、物联 网、仿真、大数据、人工智能、云计算等的任何一个概念。 图 8 不代表最终的参考架构，但 却是一个体现以上三者关系的简洁逻辑图。 ” 这个广义数字孪生的参考架构具有一定的广泛 性，并对实际的数字孪生系统设计具有指导意义。它的意义在于把物理孪生和数字孪生之间 的互动或交互机制从系统边界模糊不清中分离出来。如果没有数字与物理孪生之间的交互， 数字孪生得不到更新，物理孪生没有数字孪生的优化驱动，数字孪生只能是一个“死的数字 代表”而失去了其价值。 田锋数字孪生体成熟度模型 进一步 指出：数字孪生体不仅仅是物理世界的镜像，也 要接受物理世界实时信息，更要反过来实时驱动物理世界，而且进化为物理世界的先知、先 觉甚至超体。这个演变过程称为成熟度进化，即一个数字孪生体的生长发育将经历数化、互 动、先知、先觉和共智等几个过程。 图 9：数字孪生体成熟度模型 2020 数字供应链孪生研究报告 16 Deloitte 2020 技术趋势 【 20】 中将数字孪生和它对应的物理孪生之间的互动 /交互用一 个连接集成平台的内六角形表示 ： 物理孪生将物联网传感器的数据通过集成平台传送给数字 孪生，而数字孪生将分析模似所产生的洞察 、 预测 、 决策经由集成平台送给执 行机构或系统， 从而优化物理孪生的运营或运转 ， 这样就形成了一个良性的闭环机制 （见下图 10） : 物理孪生行动 物理孪生流程 数字孪生聚合 数据 （通过集成平台） 分析 数据 （ AI） 产生数字孪生洞察 （物理孪生通过集成平台 获取洞察 ）物理孪生决策 （ AI+决策者） 物理孪生 新的行动 物理孪生流程（优化的） 数字孪生聚合（通过集成平台） 图 10：弥合物理与数字 世界的数字孪生 2020 数字供应链孪生研究报告 17 1.4 数字供应链孪生 的 概念 和 关键特征 不像 数字孪生的概念来源于产品设计中的仿真和模拟技术，数字供应链孪生的概念不是 直接来源于传统的供应链和物流仿真，而是来源于数字孪生概念的逐渐成熟及其在其它领域 的应用推广。 Gartner 每年都会发布八大战略性的供应链技术，其研究报告提供了这些技术的成熟度， 以及采用这些技术的指南。 2019 年 3 月 Gartner 在发表的 2019 年八大供应链战略性技术趋 势报告 【 21】 第一次定义了数字供应链孪生的概念，并把它作为八大供应链战略性技术趋势之 一。 Gartner 的定义是 ：“数字孪生是真实世界实体或系统的数字表示。数字供应链孪生是物 理（通常是多企业）供应链的数字表示 。 它是数据对象之间各种关联的动态、实时和分时的 表示，这些关联最终构成了物理供应链的运营方式。它是供应链的本地和端到端决策的基础， 并确保该决策在整个供应链水平和垂直两个维度上保持一致。数字供应链孪生来源于整个供 应链及其运营环境的所有相关数据。” 根据上述定义，图 11 描述了数字供应链孪生的 概念 和 逻辑上的闭环图景。 其实， 图 11 已经初步显现出了数字供应链孪生对变革传统供应链的价值。 图 11： 数字供应链孪生的闭环系统 2020 数字供应链孪生研究报告 18 事实上，在今天全球化，新兴技术冲击，充满竞争和不确定的世界，物理的供应链非常 复杂，面临着很多挑战，特别是数字化转型的挑战，数字供应链孪生临危受命，应运而生。 它将成为迎对不确定世界和数字化转型挑战一个重要武器。 数字供应链孪生比一般产品或系统类的实体的数字孪生要复杂得多，这是因为物理供应 链比一般实体对象要复杂得多 ， 通常物理供应链有两个甚至多个维度 ， 此处以两个维度来描 述它 （ 端到端的供应链 ） 。 在横向 ： 端到端的供应链范围包括了从所有供应商到所有客户的信息流，物流 （ 正 向和反向 ） 与资金流，涵盖了供应链中所有的产品细节和时间周期 （取决于每个 特定行业的具体业务）。 这既是一个物理的供应链网络，更具有时间周期的属性（比 如滚动的供应链计划周期）。 在 纵向 ： 从顶层战略，中层战术，到底层执行，供应链管理跨越了组织内部所有的 管理层级。比如供应链计划，就会有顶层的 IBP （集成业务计划），中层 S以及供应链管理的组织形态。这一层 包括整个供应链及其运营环境所有的数据源。 2020 数字供应链孪生研究报告 19 虚拟世界 ，即数字供应链孪生 - 包括两个层次： 分析层： 包括物理供应链的数字表示，外部及环境数据，物联网的实时数据，这些 数据经过一个供应链分析大脑的分析，产生洞察，决策和模型，它们将用于指导和 优化物理供应链。 模型层： 包括用于物理供应链优化的各种供应链模型，供应链预测模型和计划，运 营规划等。 图 12：数字供应链孪生的 三层特征 总之，数字供应链孪生不同于一般的数字孪生，也不是简单的计祘机模型， 从整体上和 功能上 ， 它具有 以下六个特征 : （ 1） 数字供应链孪生 是 具有 智能的 “生命” ： 它不是一个静态的供应链副本。建立它的 基础和必要条件是它能 最精细和准确地表示供应链，并具有随着世界变化而保持最新状 态和 支持决策的能力 ，也就是具有某种学习认知和自适应的能力 。 （ 2） 有健康生活的 环境 ： 从技术角度来看，需要一种可扩展的数字平台，该平台应为 2020 数字供应链孪生研究报告 20 包括供应商和客户在内的整个价值链提供全面且内部一致的数据模型。该平 台应允许与 企业和外部的多个交易系统进行数据交换，以保持数字孪生 的生命和健康。如果您是典 型的零售商或制造商，那么您的世界很有可能在快速变化，而您的数字 孪生 则需要与物 理基础架构和不断变化的业务驱动因素相匹配。 （ 3） 代表并 维持现状预测 和 规划未来： 数字化双胞胎不仅应该能够代表并维持供应链 的现状，而且还能够代表并维持其未来。数字双胞胎应该能够全面评估供应链的战略和 战术选择，例如，网络设计，通过投标进行的战略采购，运输购买，季节性提前建造选 项，季节性分类选项等。 （ 4） 实现业务流程的表示： 数字孪生应能够维护业务规则和运营决策参数，例如目标 服务水平，预测准确性，补货 /建造频率，履行优先级等。 （ 5） 使决策保持横向一致： 可行的数字化双胞胎应能够使需求，库存，供应，采购， 制造，履行和运输之间的决策水平对齐，并结合它们共同产生的价值的财务表示，例如， 服务总成本， 总着陆成本，总成本利润等。您还能如何评估需求变化对下周工厂的物料 需求或所需运输能力的影响？ （ 6） 支持跨多个阶段的纵向一致： 数字孪生应该支持战略和战术选择，以影响企业的 运营决策，并在多个时间范围内保持垂直一致。数字孪生应该在您修改策略和执行计划 的方式上反映基础架构的变化，无论是即时的还是计划的。 1.5 狭义和 广义数字供应链孪生 狭义的数字供应链孪生实际上就是其物理供应链孪生的动态的具有智能的数字代表 /表 示 /镜象。类似一般广义数字孪生的定义，如下图所示 ， 广义数字供应链孪生是由数字供应 链孪生和它的物理供应链 孪生，以及连接两个孪生兄弟之间的互动平台系统三部分组成。 2020 数字供应链孪生研究报告 21 图 13：广义数字供应链孪生的概念性参考架构 众所周知，一个制造业产品，既使是复杂的飞机发动机，它的可观察的物理组件 也 是确 定的，甚至还包括几何参数。比如飞机发动机有多达三万多零部件，即可观察的物理单元集， 与之对应的数字单元集也是一一对应确定的，它由多达三万多个数字孪生组成。 不像 制造业 产品，供应链的可观察的物理单元集是些复杂的人机系统，在本 报告 的广义数字供应链孪生 的模型中，可观察的物理单元 /对象 包括供应链组织，供应商网络（或 N 级供应商），客户网 络（或 N 级客户），五大供应链流程 - 供应链计划 、 采购 、 制造 、 交付 、 和退货，还包括销 售 、 服务 、 供应链基础设施（如港口码头 、 机场 、 车 、 飞机 、 航船 、 无人机 、 机器人等） 、 仓储和运输。尽管它们能包括供应链的主要物理对象，显然它们在不同场景下是动态的，不 确定的，更没有定义的几何边界。这同时也带来了如何用数字精确表示一个物理供应链的极 大挑战。如图 13 所示，定义了相对应的数字供应链孪生体系，它是由对应于可观察的物理 单元集的数字单元集。它包括供应链组织孪生 、 供应商孪生 、 计划 孪生 、 采购孪生 、 交付孪 生 、 销售孪生 、 退货孪生 、 服务孪生 、 客户孪生 、 基础孪生 、 仓储孪生和运输孪生。 在数字供应链孪生和物理供应链孪生之间，一个孪生互动平台系统负责连接 、 交互 、 数 据交换 、 控制和 用 数字洞察驱动优化 等 。它主要包括 : 用户 、 API、 人机接口 物联网平台及接口 供应链数字平台（ ERP、 SCM、 MOM、 WMS、 TMS 等） 供应链监控 、 数据交换 、 可视化 、 安全等 这个孪生互动平台系统是供应链从实到虚的映射器，虚实之间的连接器，和孪生智能的 转换器，也是数字洞察的驱动器。 2020 数字供应链孪生研究报告 22 从上面定义的广义数字孪生和广义 数字 供应链孪生可见以下四个关键词能帮助我们深 刻理解数字孪生和数字供应链孪生 ： 活的 /有生命的： 是指数字孪生 具有智能 。它能分析物理对象产生的数据并将其变 为有价值的洞察和决策。 全生命周期： 是指数字孪生可以贯穿产品包括设计、开发、制造、服务、维护乃至 报废回收的整个生命 周期。它不 限于帮助企业把产品更好地造出来，还包括帮助用 户更好地使用 和维护 产品。 数字孪生 依赖于物理对象整个生命周期的数据来准确表 示物理对象，并服务于物理对象的整个生命周期。这里物理对象可以是整个供应链 网络，或供应链的某个环节或过程，如物流等。 实时 /近乎实时： 是指数字孪生和其物理对象之间，可以建立全面的实时或近乎实 时的联系和数据交换（实时或近乎实时从物理对象传送和从数字孪生反馈）。两者 并不是完全独立的，映射关系也具备一定的实时性。数字孪生 依赖于实时或近乎实 时的信息交互来表示实时供应链的状态和给物理供应链提供实时洞察 。 双向互动： 是数字孪生和其物理对象之间的数据流动是双向的。物理对象向数字孪 生输出数据，数字孪生也能向物理对象反馈信息。企业可以根据物理对象反馈的信 息，对物理对象，采取进一步的行动和干预 ，如对供应链运营（交付，物流等）进 行优化（ 运输路径优化，集装箱装载优化等 ）或应对不确定因素和预警风险或及时 处理突发事件等 。 数字孪生与物理供应链要能互联互动 。孪生互动平台系统 正 扮演 这个 在数字孪生与物理孪生之间 双 向 互动的角色。 图 9 描述的数字孪生的成熟度模 型也适应于数字供应链孪生。 数化： 如果在广义的数字供应链孪生的参考架构图 13 中， 去掉 中间层中的互动机 制， 并且在数字代表端仅仅留下物理供应链的数字表示， 这包括主数据管理，各种 供应链流程，如计划，采购，交付等，供应链的基础设施，如港口码头，物流园区， 车，船等，供应链参与者，上游，供应商，下游等，各种供应链管理和服务，以及 所有移动物件，如 BOM，产品等的标准数字表示 及建模（如物流规划等） 。 则数字 供应链孪生处在数化的初级阶段。 数字供应链孪生 使人们 能够了解使用传感器（ 还 有其他 OT）数据建模的 运营的规划及 资产的性能。它们将以比以往更加直观，信 2020 数字供应链孪生研究报告 23 息丰富和图形化的方式向 人们 显示供应链资产 运营 和 服务 的状况 。 互动： 如果把互动机制 ，如一个供应链管理数字平台， 加到中间互动层， 双方能实 时或近乎实时交换信息数据， 则数字供应链孪生进入其成熟的第二阶段互动。 如果 在这些供应链资产运营和服务的状况中发现一些有关趋势或 问题的信息该怎么办？ 为什么会发生这种情况？数字供应链孪生发展的这一步会 对运营数据的历史趋势 进行一些分析，以使用户了解 运营异常，设备 故障或性能下降的潜在根本原因。从 仅看到发生的事情开始，了解为什么发生了事情是向前迈出的重要一步。 此时 数 字供应链孪生能给物理供应链某些局部优化的建议，或者送给物理供应链某些风险 预警等。 先知： 进一步在数字代表端加入模拟仿真和一般供应链 预测 分析系统（能用一般统 计型预测性算法）能对供应链的数据进行基于明确机理的计算和 预测性指标性分析 ， 给供应链提供中短期预测 和提供决策帮助等， 则数字供应链孪生进入其成熟的第三 阶段 : 先知。 先觉： 如果如图 13 所示，在数字代表中具有一个 AI 和 BI 计祘 分析能力的智慧供 应链大脑，该大脑能 对基于不明确机理（不确定性）做 出推断， 能进行认知分析和 具有自学习能力，不仅能对确定性的事件，特别是能 帮助供应链对不确定性的事件 或风险进行分析，做 出正确决策。则数字供应链孪生就进入了其成熟的第四阶段 : 先觉。 共智： 如果所有在数字代表 端的数字孪生都成熟到 先知先觉 阶段，并且形式一个数 字供应链孪生网络，该网络 与一个核心孪生（如一个数字化供应链控制塔）共享数 据，受核心孪生管控，协同，则数字供应链孪生成熟到它的最高阶段：共智 ，也就 是所有数字供应链孪生共享智慧，高度协同， 端到端可见可视可控，能实现半自动 或自动化的决策过 程， 使供应链处于整体最优状态，不仅达到整体降本增效，而且 创造新生的管理模式 ，如自主自适应供应链模式 。 1.6 数字供应链孪生为解决供应链不确定性而生 我们生活在一个 VUCA（ 乌卡 ） 的世界里 很多人都在谈论它及其对我们经济、社会 2020 数字供应链孪生研究报告 24 的影响，以及它对商界领袖意味着什么。领导者应该如何应对？ VUCA = Volatility（波动性） 、 Uncertainty（不确定性） 、 Complexity（复杂性） and Ambiguity （和模糊性） 其中不确定性是最关键的特征，它直接产生波动性，复杂性和模糊性。 VUCA 时代给我 们带来的最大的变化就是不确定性增加，企业面临的生存环境因素较之以往更加复杂。 本 报 告 主要讨论供应链的不确定性对企业的影响，以及如何采用数字供应链孪生作为应对和解决 供应链不确定性带来的冲击的方案。 即时互联、无所不在的商业环境引发了信息量大爆炸，熵值剧增。于是，人们用熵增和 “不确定性”的概念解释策略的不可预测性。它从根本上动摇了过去 50 年建立起来的肯定 的、确实的、可预测的决策规划思想。 “不确定性” 被广泛认识，起源于量子物理学家海森 堡 （ W. Heisenberg） 的“ 不确定性原理”，也被称为“测不准原理”。 1927 年，海森堡在 研究微观粒子的波粒二象性时，发现在同一次测量中，对微观客体，如粒子，位置 X 与动 量 P 这两个物理量， 一个测量得越精确，另一个必然无法测得精确，即它们是不可能同时 在一次实验中准确地被测量的。通俗地说，越有位置的数据，就越难获得速度的数据，反之 亦然。不确定性原则显示，对微观世界的把握，即便在最理想的情况下也不能获得其完整准 确的知识。对微观客体的未来行为，我们不能完全预测，只能有概率性认识。 不确定性成为 人类事 物的关键特征 。 图 14 供应链的“改朝换代” 【 22】 非常形象地描述了供应链的数字化转型。 它 把供应链分 为可预测 /确定 部分和不可预测 /不确定 两大部分反映了 JDA对供应链的深刻的透视和科学的 剖析。供应链的不可预测部分通常是由在供应链的活动中存在的不确定 性 和风险因素所产生 的。 2020 数字供应链孪生研究报告 25 图 14：供应链的“改朝换代” 供应链不确定性主要表现在以下三个方面 ： （ 1） 供应链不确定性是指供应链中的决策过程，由于供应链缺乏透明度以及可能采取 的行动的影响，决策者无法确切地知道要做出什么决定。 （ 2） 供应链不确定性是指由潜在和不可预测的事件引起的供应链余额和获利能力的变 化，这需要响应来重新建立平衡。事件可能是意外订单，供应商延迟交货或关键生产设 备故障。 （ 3） 供应链不确定性是指由政府政策的改变，或者战争，或者是天灾人祸的突发事件 所引起的供应链中断，停工停厂，例如中美之间的贸易战和科技战，这需要中美双方的 协商解决争端，中