数字孪生驱动的企业战略场景建模与决策分析

谢康 肖静华 邓弘林

2016-2018年，Gartner集团连续三年将数字孪生（Digital Twins）列为全球十大战略科技发展趋势之一，2018年更将技术趋势概括为智能数字网格（Intelligent Digital Mesh），认为智能化包括人工智能基础设施、智能应用与分析，及智能设备三个部分。智能化成为2018年全球技术趋势和最为流行的技术词汇之一。其中，智能制造更成为世界各国竞相争夺的战略制高点，成为企业全球扩张与提升能力的战略发力点，如德国工业4.0、美国工业互联网，日本互联工业战略，中国制造2025，美的集团的智能产品和智能制造“双智战略”等。可见，无论是国家还是产业或企业，智能制造、数字孪生构成不同层面战略管理的产业基石和理论研究的前沿领域。

如何在工业界培育起人工智能的创新基础，不仅需要强化智能制造的推广应用，而且需要将智能制造技术平台从单纯的生产运作管理提升到企业战略管理，将数字孪生技术从产品研发领域扩展为全价值链条的战略平台上，从企业战略视角重新审视和探讨智能制造、数字孪生的商业价值，形成战略事件驱动的数字化转型管理创新，由此构成推进中国工业界大力实施人工智能创新的一项重要举措。为此，需要探讨数字孪生驱动的企业战略场景建模与决策分析问题。本文拟从智能制造数字孪生的战略管理价值、基于数字孪生平台的企业战略场景模型、数字孪生驱动的企业战略场景模型决策分析，及模型应用四个方面，对数字孪生驱动的企业战略场景建模与决策问题进行初步探讨。

一、智能制造数字孪生的战略管理价值

在工业化制造中由于制造加工技术和制造成本的限制，企业会优先考虑能否在最小成本下最快时间内完成制造，形成基于机械的大规模标准化制造模式（Chu et al.， 2016）。伴随着技术的发展，以及社会对制造工序和产品品质、可持续性要求的提升，精益制造、敏捷制造、柔性制造等开始涌现，其核心都是利用信息通信技术、自动化生产设备等提高制造企业对于市场变化和产品品质的响应能力（Qrunfleh & Tarafdar， 2013）。

从制造业角度分析，精益生产、柔性制造、敏捷制造等高质量生产模式，制造网格和应用服务提供商等网络化制造模式，以及总包生产和工业产品服务系统等面向服务的制造模式，为智能制造的产生和发展奠定了良好的生产基础。可以说，智能制造是继高质量生产、网络化生产、面向服务的制造之后先进制造模式的一个新阶段。先进制造模式是由先进制造哲理、先进组织管理方式、先进制造技术及人的相互融合发展、相互协同作用的产物。因此，智能制造也是先进加工技术、新一代信息技术、组织管理技术高度集成的产物。这种集成主要依靠数字孪生来实现。

数字孪生是一种集成多物理、多尺度、多学科属性，具有实时同步、忠于映射、高保真度特征，能够实现物理世界与信息世界交互与融合的技术手段（陶飞等，2018）。一般认为，数字孪生具有可伸缩性、互操作性、可扩展性，以及高保真性四个主要特征（Schleich et al.， 2017）。据Gartner估计，到2020年全球估计超过210亿个连接的传感器和端点，形成数十亿种数字孪生，与企业管理行为的关系将越来越密切。

概括地说，智能制造数字孪生的战略管理价值与其主要特征密切相关：

首先，智能制造是互联网、大数据和人工智能与先进制造技术深度融合的产物（Soparnot， 2011），或者说是信息化与工业化深度融合在制造领域高度集成的管理体系，形成数字孪生驱动的制造模式变革。要实现真正意义的智能制造，需要使先进制造技术成本不变时新一代信息技术投入最小化，或者在新一代信息技术成本不变时先进制造技术投入最小化，由此形成先进制造技术与新一代信息技术的深度融合。据对中国大中型制造企业的调查，2017年生產设备数字化率仅为44.8%、关键工序数控化率为46.4%、数字化设备联网率仅为39%。这表明中国制造业实现智能制造所需要的深度融合仅仅迈出第一步，第二步建构制造业信息物理系统（CPS）还未真正全面开始。严格地说，CPS也仅是一种信息技术与物理实体相结合的载体，并不代表当信息技术成本不变时物理实体投入最小化，或当物理实体成本不变时信息技术投入最小化的特征，但是，CPS无疑具有了两者相互结合的特征。第三步即数字孪生才符合理论和实践意义上的新一代信息技术与先进制造技术深度融合的特征，物理实体与虚拟模型之间交互与映射，通过数据连接实现实时复杂的实时感知、模拟重构与优化再现。

因此，智能制造构建了当代社会中新一代信息技术与先进制造技术深度融合的制造业数字化平台，既可以作为支撑制造业转型升级的管理平台，也可以作为支撑国家和区域经济增长的生产方式和增长极，这是智能制造对于制造业转型升级和国家经济持续增长具有的战略价值。

其次，基于数字孪生的智能制造推动制造业实现规模经济与范围经济间效率与灵活性的柔性协同，将制造管理中效率与灵活性二元性问题的解决方案提升到一个新的管理高度。无论是面向服务的制造还是高质量生产模式，都会面临制造效率与灵活性之间的二元性难题，人们从组织方式、空间与时间分割等多个角度解决该难题。智能制造基于数字孪生平台的虚拟制造实现精准转换与生产，使追求单一品种大规模生产的规模经济模式与追求小批量多品种范围经济模式之间相互转换的成本得到极大降低，为解决制造效率与灵活性二元性难题提供了一种新的生产方式，从而在更大范围内改变了企业内部的组织流程，通过信息技术、自动化设备和生产流程、标准化和精细化管理，重塑业务战略及运作能力，使企业更好地适应外部环境而形成新的竞争优势（Uhlenbruck et al.， 2015）。

因此，智能制造诱发企业的全面管理变革，使生产运作管理和战略管理面临着同样的创新挑战，数字孪生为生产运作管理与战略管理的高效协同提供了新的大数据平台，使智能制造突破以往制造技术进步多侧重在研发、供应链、制造材料、生产工艺、工装设备等生产运作管理领域，与企业战略管理并不紧密的局限，可以为企业战略管理和生产运作管理的模拟优化提供多层次的管理场景分析，使智能制造直接成为提升管理技术进步的创新平台，这是智能制造对于企业管理创新具有的战略价值。

最后，基于对制造管理中效率与灵活二元性问题的有效解决，制造业真正实现面向消费者需求的管理创新，形成现实意义而非理论意义上的消费者驱动的管理革命。此前，尽管理论上不断强调制造面向消费者需求或客户导向的生产，如C2M制造等，但现实中企业要真正做到面向消费者的生产制造，发现或者难以及时准确掌握消费者快速变化的需求，或者无法有效降低满足个性化制造的低成本要求，使制造管理中面向个性化需求的灵活性与面向低成本制造的效率之间的二元性难题长期存在。从面向合作伙伴向面向消费者的供应链数字化转型、普通消费者借助大数据方式间接参与企业的研发创新，均只是构成智能制造管理创新的第一步。伴随着智能制造不断有效解决不同层次和类别的效率与灵活性二元难题，基于数字化事件驱动不断适应消费者快速变化的需求，依据实时态势感知，通过数字化的事件适时自动转向一个工作流程，才可能真正实现面向消费者需求且满足低成本约束的制造创新。由此会形成对数字化事件驱动需求的大量涌现，Gartner估计到2020年将有80%的数字业务解决方案将成为事件源，而且80%的新业务生态系统将需要支持事件处理。

总之，智能制造的管理价值不再限于制造领域，而是扩展到改变社会生产方式和人类生活方式的影响上。同时，数字孪生通过大数据分析和人工智能模型决策支持，改变企业决策分析的模式，诱发企业层面的面向用户的互动创新，诱发产业或行业层面的各类衍生创新行为，从而推动社会生活和行为方式的智能化社会变革，这是智能制造对于社会生活和行为方式具有的战略价值。

二、基于数字孪生平台的企业战略场景模型

现有数字孪生研究主要从技术设计与实现角度进行建构和应用，对产品全生命周期进行数字化映射与交互优化，涉及工业互联网大数据和数字孪生大数据的采集与分析等。与一般数字孪生不同的是，数字孪生平台不仅将工业互联网和数字孪生大数据进行集成，而且可以按层次和领域建构不同类别的数字孪生系统，既可以是通用型数字孪生系统，也可以是专业型数字孪生系统。同时，数字孪生平台不仅具有数字孪生的可伸缩性、互操作性、可扩展性和高保真性特征，而且具有更全面的开放性、多主体参与性和数字化生态多样性建构特征。

基于数字孪生平台建构企业战略场景模型，首先需要对企业战略场景的概念进行定义。与数字孪生起源于产品研发领域一样，商业意义上的场景模型或场景化也与互联网产品的研发创新密切相关，如用户体验场景，产品使用场景等。企业战略场景指企业战略管理尤其是战略决策所需要具备的关键信息空间。一般地，企业战略决策场景主要包括环境、组织特征和战略决策专有因素三类关键信息空间。战略过程研究表明，企业的战略环境主要包括不确定性、复杂性和资源丰裕度，其中不确定性是最重要的环境要素，复杂性与不确定性密切相关，但更多地表示环境的结构或关系多维程度。企业的组织特征包括权力结构、以往绩效的判断、组织冗余等要素，战略决策的专有因素包括决策动力与紧迫性、决策不确定性和全面性等。这三类因素均对企业战略决策过程特征构成重要影响。

企业数字孪生平台不仅映射生产运作层面的物理实体特征，而且也需要映射战略管理层面的行为主体或环境空间的特征，这是将数字孪生平台从生产运作层面的智能制造技术平台改造为战略场景模型的关键一步。其中，环境、组织特征和战略决策专有因素三类信息空间均无法与实体物理世界一一映射构成类似生产运作层面的物理实体流程，因此，基于数字孪生平台建构企业战略场景模型的最大挑战，就是如何借助数字孪生技术平台和管理技术，将企业战略管理的环境、组织特征和决策专有因素转换为与现实情境可以映射和交互的数字化场景。然而，正如每个人心中都有不同的哈姆雷特一样，战略场景模型的不同建构者将会按照心中的战略场景模型来建构数字孪生平台上的战略场景，但这个建构出来的场景有可能不是借助该模型决策的战略家或管理团队所需要的，因为后者心中的战略场景又不同。如何建构一个符合战略家或管理團队预期和需要的企业战略场景模型，如何通过数字孪生平台来驱动该模型不断地符合现实场景的特征，无疑成为建构数字化企业战略场景模型两个需要攻克的难点。

根据上述讨论，我们认为，基于数字孪生平台的企业战略场景模型由四个部分组成：一是数字孪生平台模型及与战略管理模型的契合性，二是企业战略场景概念模型，三是数字孪生平台与物理实体或企业战略管理行为之间的映射与交互关系，四是数字孪生平台的大数据资源与知识库，如图1所示。

在图1中，首先，人、机、料、法、环五要素构成的智能制造管理体系为物理实体的代表。其中，人指智能制造情境下的劳动者，尤其指掌握智能生产技能与管理理念的技术型劳动者。机指智能制造条件下的机制设备，尤其指机器与机器之间的互联互通。料不是指一般的生产物料，而是指智能制造环境下的增强材料或携带智能信息的生产材料。法指智能制造条件下的生产制造规则和流程，尤其指标准业务流程（SOP）和技术管理标准。环指智能制造环境下将上述人、机、料、法四者之间实现互联互通的管理体系，实现智能制造内部与外部之间制造产品、设备、物料、工艺、流程和维护管理的一体化，使企业针对不同需求可以在规模经济与范围经济的生产方式之间进行低成本转换，以此解决生产制造中效率与灵活性的二元性难题。图1中的制造物理实体被映射到虚拟模型中，构成数字孪生的镜像数据。

其次，企业战略形态、业务战略等战略内容，战略规划或战略实施等战略过程要素数字化后被映射到数字孪生平台中的虚拟模型中，形成战略场景概念模型的镜像数据。这项工作是建构战略场景模型的核心和重点，其内容与形式均极其复杂，需要对各种复杂条件、关系和结构进行多次提炼，最终提炼出通用版或专业版的战略场景概念模型，针对不同的行业、不同的层面和战略类型建构出不同的战略场景概念模型。同时，现实中的物理实体和战略行为也不断补充和丰富数字孪生平台的大数据和知识库，使之更好地对战略场景模型和仿真分析模型进行智能化评估与校正。其中，战略选择模型也需要得到数字孪生平台的大数据和知识库的强有力支持，因为企业选择合作战略，还是竞争战略，或者竞合战略，需要通过建构博弈模型来分析。在博弈分析中，模型的初始条件可以通过大数据文本分析来设定，也可以从纵向案例研究的基本结论中寻找依据，从而不断丰富战略场景知识库。

最后，物理实体或战略行为与数字孪生平台或虚拟模型之间的映射关系是否高保真，是否具有良好的可拓展性和平台生态特征，取决于二者之间映射与交互系统的可靠性。部分智能制造研究者将二者之间的映射与交互系统称为数字纽带。数字纽带不仅贯穿于物理实体与数字孪生平台之间，而且贯穿于物理实体与企业战略行为之间，或贯穿于数字孪生平台与虚拟模型之间。

三、数字孪生驱动的企业战略场景模型决策分析

针对不同的任务或事件，数字孪生驱动的企业战略场景模型有不同类型。根据数字孪生平台的通用型与专业型分类，我们将数字孪生驱动的企业战略场景模型的类型划分为以下两大类，一是综合型战略场景模型，二是专业型战略场景模型。

不同类型的战略场景模型对决策的设计与分析不同，综合型战略场景模型一般包含智能制造规划与运作场景、战略内容场景、战略过程场景，以及战略实践场景四个关键模块，或其中两个以上关键模块的组合场景。专业型战略场景模型可以细分为战略内容场景模型、战略过程场景模型，及战略实践场景模型。其中，战略内容场景包括竞争战略、合作战略和竞合战略场景，而竞争战略场景进一步可以划分为成本领先场景、差异化场景和目标集聚场景。战略过程场景可以划分为战略规划、战略选择与决策，及战略实施场景，而战略决策场景又可以进一步细分为环境、组织特征和决策专有因素场景。战略实践场景可以划分为战略权变、战略行为或推演，及战略活案例场景，由此形成不同层次的战略内容、过程和实践的战略场景模型（参见图2）。

图2的结构显示，无论是综合型战略场景，还是专业型战略场景，它们都最终指向多元化、战略联盟、兼并、垂直一体化、外包等企业的业务战略场景。例如，在建构企业战略联盟场景模型时，需要先明确战略联盟的性质和目标，如果是联盟合作方主要是采取竞争战略的，就选择是采取成本领先还是差异化战略场景。同时，还要确定战略决策的外部环境场景，建构针对技术变革可能形成的新产品应用场景，针对竞争者或合作者可能采取的竞争策略或合作策略的博弈场景，以及针对消费者行为变化的消费者画像（场景）。在此基础上，才谈得上对企业战略场景的决策分析。

在数字孪生驱动的企业战略场景决策分析中，有两项决策分析是重点和难点，一是战略类别与战略形态的组合决策分析，二是将基于数字孪生的人工智能决策模型纳入企业战略家直觉或参照点决策、中高层管理团队群决策中，形成战略家、中高层管理团队与数字孪生驱动的人工智能决策模型三者相互支撑的决策模式创新。

此外，从现阶段来看，数字孪生驱动的企业战略场景决策分析工具尚未出现方法论创新，更多的是借助博弈论、计量经济或统计方法构建决策模型，包括大数据计量经济方法、非线性规划或多目标规划、仿真分析，及系统动力学模型等。但是，我们认为，随着数字孪生驱动的企业战略场景数据资源的不断积累和丰富，将会逐步出现面向战略场景建模与决策分析的工具和方法，从而推动宏观环境、制度、技术或文化等分析走向微观的量化分析。例如，基于数字孪生平台驱动而形成的企业战略场景大数据和知识库，可以将企业战略或制度环境转化为数字化的空间、时间、成本、效率、灵活性等情境因素，转化为精准量化的各种诊断分析指标，通过大数据建模或文本分析等工具，剖析和识别出事件之间的关系或相關性，进而探讨和验证其因果性，或者就止步于对事件的相关性分析而形成战略策略，从而推动企业战略管理模式向智能化方向发展。

四、模型应用：中外人工智能战略场景与决策分析

这里应用本文提出的战略场景模型思想和逻辑，以中国与全球主要发达国家人工智能战略场景为事例进行初步分析。我们先通过一般的描述方式来概括此主题的场景：

在人工智能研究领域，截止2016年底，美、中、日三国分别申请了15.298万件、13.701万件、8.319万件与人工智能相关的专利，分列全球前三位。世界知识产权组织称由于美国能够获取来自全球各地的大数据，中国拥有庞大人口的行为大数据，使美中两国具有领跑全球人工智能竞赛的资格。同时，IBM、微软、东芝、三星、西门子等美日韩和德国的大型跨国技术企业是推动人工智能发展的主力。在获得人工智能专利数排名前20的学术机构中，17家来自中国。其中，中国科学院拥有2500多项人工智能相关的专利，是世界上获得人工智能专利最多的学术机构，表明学术机构而非大型技术企业主导着中国人工智能的发展。这种状况近年来有所减缓，据清华大学发布的《2018中国人工智能发展报告》，在人工智能前10的专利权人分布中，IBM以7278件专利排名第一，微软以5356件排名第二，中国国家电网以3794件专利排名全球第三，国内第一。但是，中国学术机构依然是人工智能专利的主要获得机构。

中国人工智能技术创新的这种状况似乎并不利于工业界人工智能的普及应用，总体上不符合Gartner集团提出的2018年战略科技趋势中的事件驱动（Event-Driven）的发展。按照Gartner集团的定义，事件驱动是数字业务依靠感知和扑捉利用新的商业数字机会的能力。学术机构的人工智能创新成果需要跨部门或行业进行转换，这种状况使中国智能制造持续创新发展的交易成本相对高。例如，学术机构与产业界之间存在着诸多间隔，产业界需要的人工智能技术或平台得不到技术工艺资金的有效支持，学术界需要的技术创新方向得不到产业界市场需求的前端反馈，研发与应用“两张皮”现象依然困扰着中国人工智能的创新发展，目前，中国智能制造领域的应用相对滞后或步伐缓慢与此不无关系。

2018年9月，埃森哲与工信部国家工业信息安全发展研究中心发布的《中国企业数字转型指数》认为，只有7%的企业突破业务转型困境成为转型领军者。该结果从一个侧面既说明中国企业数字化转型任重道远，也说明从企业战略驱动出发推动智能制造和人工智能发展的价值。该报告还从企业战略和运营两个层面提出“一把手”推动、活性客户关系、生态系统赋能、数据驱动、打造动态组织等五项加速提升企业数字能力的要务。

上述一般描述方式概括或分析的中外人工智能发展差异环境，通常获得两个建设性结论，一是中国应加强企业层面的人工智能创新，二是政府应加大推动产学研合作，使学术机构成果能够在企业中得到应用。这两个结论不仅在人工智能创新领域如此，而且适用于中国几乎所有的创新领域，尤其是技术创新或产品研发创新领域。我们进一步分析会发现，这两个结论能否再深入一层，为什么会这样？有怎样的具体路径可以改变这种状况？实施某条具体路径或执行某项措施，效果会比目前更好，还是更糟？在不同实现路径之间，哪条路径更现实些，或有更高的效率？等等，对此，目前的研究往往及其匮乏。

如果通过数字孪生驱动的企业战略场景模型，将上述环境因素转变为数字化输入模型，通过对模型的仿真分析和再现重构，在模拟出的多种环境、行动干预与预期结果之间提出多种实现路径或手段，从中选择若干路径或手段进行小规模试点检验，再将试点检验结果转变为数字化再次输入模型中，如此不断地对模型进行训练，逐步构建出逼近现实环境或情境的战略场景。实现这一目标无疑会增强战略家、中高层管理团队战略决策实践的全面性，另一方面也会给智能制造数字孪生驱动的战略管理研究提供大数据资源。可以认为，数字孪生驱动的企业战略场景建模与决策分析具有非常好的研究与应用前景。

基金项目：本文为国家自然科学基金重点项目“互联网环境下大数据驱动的企业与用户互动创新理论、方法和应用研究”（71832014）的阶段性成果。