复杂性、新冠疫情和竞争颠覆了供应链企业。它们可以通过部署由AI驱动的数字孪生来重新点燃收入增长并增强韧性。
后新冠疫情时代在供应链中造成了持久的裂痕。在不断加剧的全球化、不断上升的客户期望以及两位数增长的航运量背景下，供应链企业——不仅是制造商和供应商，还包括它们所依赖的仓库和运输商——都面临着巨大压力。它们努力应对与运营效率、需求预测、库存管理和订单履行相关的问题。这种复杂性影响着每个行业供应链的每一个环节：零售、技术、汽车、工业、食品服务、电信等等。其结果是增长停滞，收入机会错失。
有几股相互竞争的力量正在给供应链施加压力：消费者对通过快速且免费的运输方式交付的低价产品的需求，制造、仓库和交付员工不断上涨的工资，以及对未来宏观经济中断的模糊预见性。麦肯锡研究显示，超过90%的美国消费者现在期望在购买后两到三天内收货，三分之一的人期望当天收货。并且，自从疫情中断了线下销售以来，B2B公司期望其供应商通过在线市场、移动设备、视频会议和聊天等方式提供全渠道销售。
满足这些期望比以往任何时候都更具挑战性。高昂的劳动力价格——包括2020年7月至2024年7月期间仓储工资上涨超过30%——使得在保持低价的同时达到利润率变得困难。制造业劳动力短缺破坏了稳定库存流动的能力，而近期通货膨胀等意外经济冲击则使需求预测变得复杂。即使供应侧运转良好，订单履行仍然是一个挑战，仓库储存能力仍然有限，导致产品延迟到达收货人手中。
数字孪生可修复供应链
在这种情况下，不对供应链运营进行重新校准的企业将面临落后的风险。数字孪生可以帮助进行这种重新校准。领先的公司已经开始利用它们来确保其供应链具有足够的灵活性、敏捷性和响应能力，以克服意外中断。
数字孪生是对象、系统或过程的虚拟复制品，用于模拟潜在情境和结果。数字孪生使用真实数据(有时为掩码或合成形式)来提供分析见解和可视化。许多企业使用数字孪生来优化运营、规划场景和辅助决策。市场分析表明，在未来几年，全球数字孪生市场将以每年约30%至40%的速度增长，到2032年将达到1250亿至1500亿美元。
数字孪生可用于模拟整个供应链中物理和数字过程之间的交互——从产品构思和制造到仓储和分销，从店内或在线购买到运输和退货。因此，数字孪生清晰地描绘了一个最优的端到端供应链流程。此外，结合当今预测性AI的最新进展，数字孪生可以变得既具有预测性又具有规范性。它们可以预测未来情境，以提出改进或增长领域，最终形成一个自我监测和自我修复的供应链。换句话说，数字孪生使供应链管理能够从基于经验的启发式管理转变为动态和精细优化，提供价值和绩效漏洞的360度全景视角。
为了理解自我修复供应链在实际中如何运作，让我们来看一个例子：利用数字孪生，零售商为每个履行中心设置动态的SKU级安全库存目标，这些目标随着本地化和季节性需求模式而动态演变。此外，这种精细优化不仅应用于库存管理，还应用于端到端供应链的每个环节——从采购和产品设计到制造和需求预测。例如，零售商的精细生产计划可以与下游运输决策和库存定位相协调。动态规划可能会发现，例如，一种具有交叉销售潜力的大宗商品，其较高的制造成本可以通过捆绑运输和更高的客户转化率来降低端到端物流成本。这种复杂的预测建模是数字孪生最擅长的领域。在此类场景中，典型的结果包括消费者承诺履行率(实现向消费者承诺的交付日期)提高高达20%，劳动力成本降低10%，以及收入提升5%。
数字孪生优化当今的SCM软件
当今的供应链管理(SCM)软件——包括一系列产品，如高级计划和调度(APS)工具、仓库管理系统(WMS)和运输管理系统(TMS)——在过去十年中实现了供应链大部分流程的自动化，极大地简化了供应商、买家和运输商之间的交互方式。
数字孪生可以与现有的SCM工具集成，作为技术堆栈之上的创新层发挥作用。通过这种方式，数字孪生可以优化输入到SCM工具中的数据，生成预测分析以处理和响应多种潜在情境。例如，一家全球原始设备制造商(OEM)创建了一个数字孪生来优化其输入到TMS平台中的出库物流策略。结果，该OEM降低了8%的运费和损坏成本。
数字孪生在多个方面帮助增强SCM工具：
- 端到端连接：数字孪生可以将整个供应链的SCM工具连接起来，提供性能和上下游决策影响的综合视图。这消除了孤立的方法，在这种方法中，每个工具只优化其局部变量，而它们之间几乎没有协调。例如，一家零售商使用数字孪生将其规划、库存部署和运输管理工具连接起来。
- 动态市场中的韧性：随着新冠疫情后波动性的持续增加，供应链运营商必须由于需求波动和间歇性供应冲击(如港口中断或材料可用性)而不断更新其策略。当与数字孪生结合时，SCM工具提供了对精细性能的实时可见性，以及预测性和规范性分析，以动态识别风险并建议策略更改以快速解决问题。例如，一家OEM使用自动化的感知和响应数字孪生功能来识别承运商绩效和附加费的变化，有效地将最后一英里运输成本降低了5%。
- 多重目标：数字孪生可以在相互竞争的优先级和复杂约束条件下进行优化，以快速响应市场变化。例如，一家汽车OEM使用数字孪生根据供应可用性和运营复杂性的变化来动态调整需求，同时在销售和运营目标之间共同求解。
- 可变性：数字孪生与SCM工具相结合，可以通过分析前置时间、需求和供应商可靠性等指标来测试潜在情境的分布，同时考虑假设分析的结果。例如，一家消费包装商品公司衡量了其仓库中的可变需求和劳动力，并发现了将总配送中心成本降低15%的机会。这体现了网络的韧性。
深入了解数字孪生
亲眼目睹数字孪生的实际应用是理解它们如何在供应链的关键点创造价值的最佳方式。探索以下潜在用例，了解数字孪生如何解决供应链中的实际痛点，以提高效率和韧性。
了解数字孪生的好处
供应链企业正在利用数字孪生来优化其长期战略和日常运营。我们已经看到供应链公司部署数字孪生的最常见方式是用于库存定位和预测、管理仓库和工厂内货物的流动以及辅助生产计划。但这些只是数字孪生在供应链中实施方式的冰山一角。无论数字孪生如何使用，其好处都是显而易见的：
- 战略性：数字孪生可以通过模拟潜在结果来降低长期规划和更广泛的数字化转型的风险。这种假设性预测建模使公司对其战略计划的端到端影响充满信心。例如，一家零售商使用其分销网络的精细数字孪生来测试其分销中心新设计的自下而上影响。该公司之前使用自上而下的分析来确定潜在新交叉对接点的规模和位置。但当团队使用数字孪生来模拟该交叉对接点放置的所有潜在约束时，他们发现可以在不影响功能的情况下，将其规模缩小并重新定位到少50%的场地上。
- 运营性：除了为一次性战略决策提供信息外，数字孪生还可以作为“一统天下的模型”，优化不同运营的日常决策。换句话说，数字孪生可以将许多模型结合起来进行综合预测和决策——动态比较供应链中相互竞争的权衡，以提出精细的运营改进建议。例如，同一家零售商使用其数字孪生不仅优化了其分销中心内交叉对接的占地面积，还优化了其每日库存定位决策——预测每周的供应天数政策，以平衡成本、服务水平和可持续性。结果是区域分销中心的利用率提高了10%，履行成本降低了5%。
数字孪生入门
虽然供应链企业认识到数字孪生可以提供的价值，但很少有企业大规模地实施它们。与许多即插即用的SCM解决方案不同，数字孪生可能需要定制构建才能实施。由于数字孪生通常会摄入大量专有、掩码或合成数据，因此它们几乎总是定制的，这需要大量的时间和投资。供应链企业必须拥有能够构建使用高级AI算法的数字孪生的内部数据科学和开发团队，或与这些领域的外部专业供应商合作。
希望踏上数字孪生之旅的企业应关注以下五个关键成功要素：
- 路线图：确定基于数据和技术的未来供应链运营愿景。确定支持北极星愿景的端到端用例，然后根据影响和可行性(通常是利润和损失或交付)优先排序来构建用例路线图。通常，公司会首先优先考虑能够快速产生影响的用例，以便在旅程早期证明价值。
- 数据可见性：对于端到端路线图中的每个用例，确定所需的数据输入和输出。为企业的数据产品构建一个与用例路线图相辅相成的路线图，优先考虑将在多个高影响力实施中共享的数据元素。使用敏捷开发方法迭代开发这些数据产品。要入门，数字孪生需要一个半定期的数字化和标准化数据管道，但也可以使用更静态的数据源来填补数据空白，例如仓库的平均吞吐量与每日人员配备水平。
- 技术架构：数字孪生架构主要由现有的数据源和技术组成，通过API和中间件缝合在一起。通常，支持一个数字孪生只需要计算能力边际增加，因此请确保技术团队具有根据需要灵活扩展当前计算资源的能力。
- 人才：评估交付数字孪生所需团队成员的技能水平，包括产品经理、数据工程师、数据科学家、用户界面/用户体验设计师和全栈开发人员。采用敏捷方法实现快速开发周期，可以最高效地交付数字孪生，因此产品经理可能需要接受敏捷技能提升和培训。
- 优化与模拟：确定公司的首个数字孪生用例并进行部署。在数据产品的基础上，构建优化和模拟模块，以捕捉用例的影响。然后，迭代扩展用例并组合模块，以进行综合模拟和端到端优化。请注意，团队可以在数据产品完成之前就开始开发模拟和优化模块，以捕捉早期影响，然后再将这些模块进行后期集成。
端到端供应链优化不仅仅需要技术实施，它还需要领导层以及整个企业思维方式的转变。在内部，使用数字孪生的公司必须努力消除内部孤岛，并用数据驱动的决策取代零散的制度知识。在外部，公司应仔细分析自己在互联的全球供应链中的角色。在日益复杂且互联的世界中，供应链上的企业可以利用数字孪生来预测可能的中断以及可能影响其业务的假设情景。无人能够准确预测下一场大流行病、战争或经济冲击，但数字孪生可以帮助公司应对和适应这些突发事件。
