数字孪生技术在供应链管理中的应用与挑战

摘要：在新经济时代，信息化技术的应用使供应链管理发生了巨大变化，供应链网络必须不断优化完善，流程必须以消费者为导向且具有高度灵活性，才能够在激烈竞争中满足客户多元化的需求，以确保按时交付货物和服务。在这种环境中，通过直观有效的信息化工具可以快速获取供应链运营的相关信息，并全面了解供应链的所有要素，这对供应链的运行状态监控和管理至关重要。随着物联网技术的深入发展，数字孪生技术可以提供物联网设备中所有设备的运行状态信息，并为供应链网络提供端到端的流程可视化工具。数字孪生技术可使仿真技术应用不再只局限于产品设计和降低物理测试成本，而是扩展到包括产品远程诊断、智能维护、共享服务、流程动态优化等各领域，并在逆向供应链管理和应急物流中发挥极大的作用。同时，数字孪生技术的应用还存在明确数据采集范围、模型与数据的匹配、中小企业采集数据能力不足、数据共享等方面的问题，需要应对建模环境的可扩展性、数字孪生系统的安全性、多方法建模的复杂性等方面的挑战。

关键词：数字孪生；供应链管理；数据平台管理；标准化

中图分类号：F274文献标识码：A文章编号：1007-8266（2019）06-0058-08

一、引言

在现代商业世界中供应链不断生成数据，利用这些数据实现供应链价值最大化，可以使企业在激烈的竞争环境中脱颖而出。因此，一些具有前瞻性的企业开始考虑将数字孪生（Digital Twin，DT）概念应用于供应链管理。数字孪生是指现实世界中的实体或系统的数字化表示，可以连接每个属于组织环境的资产（包括流程、技术、架构、客户交互、业务能力、战略、角色、职责、产品、服务、分销渠道），并提供报告和可视化工具。有助于在其运营环境中创建组织动态虚拟表示的软件被称为组织的数字孪生（Digital Twin Organizations，DTO）。DTO是一种动态软件模型，它依赖操作数据或其他数据来了解组织如何实施业务，连接其当前状态，部署资源，这有助于企业管理者评估受控环境中因素变更产生的影响，应对变化以提供预期的客户价值。DTO有助于提高业务流程的效率，并且创建更灵活、更动态、更迅速的流程，有望自动应对不断变化的形势。全球最具权威的信息技术研究与顾问咨询公司高德纳（Gartner）公司连续四年（2016—2019年）将数字孪生技术评选为十大战略技术趋势之一[ 1-2 ]，同时预计到2020年将有超过200亿个联网的传感器和端点，可能有数十亿个物件存在数字孪生[ 2 ]。企业组织若开始实施并不断改进数字孪生技术，将会提升收集和可视化合适数据的能力，运用合适的分析工具和规则高效地应对业务目标。可以说，将数字孪生技术运用到优化运输和物流领域的业务运营中是未来发展的趋势之一。德勤也表示，数字孪生技术可以作为提升企业创新和业务绩效的技术手段，从而促进企业组织的变革[ 3 ]。

近年来，随着计算和通信成本的下降，企业采用数字孪生技术变得越来越容易，将促进模型构建工具、仿真软件功能的进一步发展。很多领域如工厂流程、全球供应链、机器维护等领域正在考虑将数字孪生技术投入使用。数字孪生技术可以提高整个行业及跨行业的制造、运输、供应链、医疗保健等方面的业务洞察力和绩效。在每个行业中，数字孪生技术都有很多用途，并提供许多创新的可能性。数字孪生技术可以提供实时监测、预测，并为实时操作提供决策支持，使企业提高效率并节省成本。高德纳公司预测到2021年，半数大型工业公司将使用数字孪生技术，这些组织的效率将提高10%[ 4 ]。如果将数字孪生技术运用到供应链物流领域，资产负债表中的供应链收益将增加10%，而且不是一次性收益，是长期的收益。

在过去十年中，供应链运营领域发生了巨大变化，物联网技术（IoT）出现后，连接无处不在，供应链中几乎任何物品都可以实时跟踪，不仅仅是成品，还包括卡车上的轮胎、飞机上的机翼以及运输货物的托盘等。同时，第三方也可以为供应链运营企业提供新形式的数字信息，例如精确的天气预报信息、社交媒体信息以及交通警报信息等。不断扩展的数字智能技术已经产生了大量数据，供应链企业如何利用这些数据实时优化供应链并处理应急情况，是供应链管理领域重要的课题之一。供应链数字孪生技术会影响供应链的业务流程、运营、员工、合作伙伴和客户的决策等，并能够在供应链持续运营情况下进行供应链最优决策和管理。

二、数字孪生技术在供应链管理中的应用

（一）数字孪生技术概述

1.数字孪生技术的起源

“数字孪生”概念由密歇根大学的米歇尔·格利维斯（Michael Grieves）等[ 5 ]于2001年至2002年左右定义，背景是产品生命周期管理。作为制造内容的虚拟表示，格利维斯等将数字孪生与其工程设计进行比较，以便更好地了解生产与设计的内容，从而加强设计与执行之间的循环。

在格利维斯等提出数字孪生概念的基础上，其他学者又提出了两个主要观点：第一，数字孪生是一种模型，可以从中推导出不同类型的仿真模型，并将数字孪生视为模型、数据和信息的组合[ 6-9 ]；第二，数字孪生是一种仿真模拟[ 10 ]。大部分学者更支持第一种看法，认为数字孿生是多种模型、海量数据和业务信息的组合。以往的仿真或者建模主要针对单一问题，或者解决单一业务的决策问题，博歇尔特（Boschert）等[ 6 ]认为，数字孪生与以往仿真或者建模方法不同，是一种集成化的仿真决策支持工具，拥有独特的架构，需要工程、业务和行为描述等不同层面的数据，同时可在不同仿真系统中运行，并针对不同问题选择正确的仿真模型。施勒塞（Schluse）等[ 7 ]专注于使用数字孪生技术进行虚拟测试平台的实验模拟，他们引入一个模拟数据库，集成不同的数据源、模拟系统以及可视化模块，可以进行任何类型的模拟。施罗德（Schroeder）等[ 8 ]将数字孪生定义为模型，研究将物理对象描述和数据对象在不同应用程序之间进行数据交换的问题。内格里（Negri）等[ 10 ]认为，数字孪生是物理对象的数字表示，是基于语义的数据模型，该模型能够用于不同目的的模拟，并可以预测对象的未来行为。基于智能制造和智能生产理念，国内学者也在数字孪生及其应用领域不断进行研究。张浩（Zhang Hao）等[ 11 ]提出基于数字孪生的个性化产品快速定制设计方法，提出生产过程中耦合优化问题的解耦算法，作为引擎驱动数字孪生。陶飞等[ 12 ]基于数字孪生五维结构模型，提出数字孪生驱动的应用准则，探索数字孪生在产品全生命周期中的应用前景和有待突破的关键问题或技术。

总之，数字孪生包含多种形式，可以是简单的数字孪生（用于模拟不同环境中各个部分的行为），也可以是复杂生态系统的数字孪生（用于模拟各种变量对生态系统的影响）。在制造业中，数字孪生技术可以使最终用户、品牌和制造商本身受益。

2.数字孪生技术的应用价值

数字孪生虽然是17年前提出的概念，但最近才成为最前沿的研究课题，并成为数字化转型的关键组成部分和推动者。这主要是因为目前有足够的资金支持以数字孪生技术所需的速度和分辨率收集数据，并发展了从这些数据中获取价值的深度学习和人工智能算法。数字孪生技术的作用如下：

（1）可视性：数字孪生技术通过规模庞大的互联系统，可以实现更好的可视化管理。

（2）预测：使用各种建模技术，数字孪生模型可用于预测系统的未来状态。

（3）多种可能性分析：通过设计合理的界面与模型实现交互，模拟在现实生活中不可能存在的各种条件。

（4）文档的机器学习与行为模式分析：数字孪生模型可实现文档或者文件的机器学习，并能够分析理解人类行为模式。

（5）连接多种业务应用程序：好的数字孪生模型可用于连接多种业务应用程序，以满足供应链运营环境中的业务需求，包括制造、采购、仓储、运输和物流、现场服务等。

3.数字孪生技术的应用实例

数字孪生可以表示物理对象的历史和实时状态。使用特定应用程序，可以生成物理对象的实时可视化，将3D模型与实时数据相结合，以现有仿真模型或数字孪生新模型来执行不同的仿真。最初，数字孪生技术主要应用于制造业的数据管理，包括从最初的产品模型数据到车间现场的制造数据乃至整个产品生命周期的数据管理。产品供应链和制造流程的数据有助于数字孪生构建。产品制造完成后，数字孪生继续为其产品提供数据。基于产品的数字孪生可以获取用户数据、环境数据、性能数据，甚至包括故障或报废数据。数字孪生的另一种用途是模拟下一版产品的性能，或者在新的使用案例或环境中测试该产品。如果需要召回产品，数字孪生也可用于识别故障并将其追溯到必须检查的产品，以及对维修或升级方案进行建模。

产品数字孪生的应用实例：波音公司使用数字孪生大大缩短了波音777的建造周期[ 13 ]，创建和运行数字孪生所需的计算成本下降，数学优化的复杂性增加，这种较低计算成本和更好适应性的结合使数字孪生概念能够传播到其他行业；通用电气（GE）拥有30 000个数字孪生的喷气发动机[ 14 ]，使他们能够及时了解发动机的运行状态以及维修配件的供应情况，每次飞机起飞时可获得有关环境温度、灰尘条件、腐蚀性环境和天气条件的数据，通过发动机的制造数据、零件的缺陷数据等监测并预测发动机将如何累积损害。

在流程或者制造生态系统数字孪生中，制造商发现可以应用数字孪生来探索替代制造方案，例如满足特定制造需求或者应对突然增加产品数量等。几乎任何生产流程中的突发情况都可以使用数字孪生进行建模，而不会对“真实”流程或工厂形成干扰。产品制造流程和工厂制造执行系统都会运行实时数据（MES）、企业资源规划（ERP）或产品生命周期管理（PLM）系统，最终推动整个价值链的形成。对于品牌和制造商而言，数字孪生提供了可视性和灵活性；对于消费者而言，数字孪生可以提供更好的价值，更快地引入新产品或产品质量审核，因为每个流程方案都会在实际运行之前在虚拟世界中进行测试。世界上最大的钢铁制造商之一POSCO已经认识到这些优势，正在使用数字孪生技术模拟其复杂的制造业务[ 15 ]，使其能够在问题发生之前就提前解决，甚至在工艺或设备进入工厂之前，通过虚拟调试系统和虚拟培训系统减少现场测试和现场试用的时间，在真实部署之前对系统和设备进行预先测试。

（二）面向供应链管理的数字孪生

1.供应链管理现状分析

（1）供应链管理中仿真技术应用的重要性。在传统供应链管理模式中，经常因信息掌握不及时而导致决策失误，供应链系统复杂、效率低、响应速度慢，存在不可预测的风险。面对供应链中信息流、物流、资金流产生的海量数据，传统方法难以对存在的问题和挑战进行描述与求解，所以在数字化时代，仿真技术成为供应链管理相关人员常用且高效的工具。目前国内企业技术储备不足以收集顾客多元化的需求数据，缺乏有效的沟通平台将供应商、分销商、零售商有机联系起来[ 16 ]。特别是在非高科技领域的供应链环节，物联网技术、电子数据交换（EDI）技术等都没有得到大规模的应用及更新[ 17 ]。供应链管理技术需要持续改进，才能够在激烈竞争中满足客户的需求，确保按时交付货物和服务。管理企业的供应链意味着每天做大量的决策，并在企业的物流成本和客户的灵活需求之间寻找平衡点，在此过程中存在很多不可避免的不确定因素和随机性因素，供应链流程过长，特别是实际控制过程中遇到障碍需要调整时，往往会造成决策不及时而错失商业机遇[ 18 ]。尽管一些企业采用了信息化等新技术，许多供应链管理人员仍然面临着供应链网络可视化等问题的严峻挑战。仿真技术一定程度上实现了供应链可视化，但在智能时代，大数据的出现意味着仿真技术需要不断提升与改进。

（2）供应链管理中仿真技术的应用现状。为实现供应链可视化，仿真技术被不断应用到物流与供应链建模中。常用的仿真软件包括Flexsim、Multi-Agent、Anylogic等，仿真建模可以帮助企业应对挑战、降低成本以及改善服务，并可以快速清晰地分析供應链中相互关联、动态和随机的事件，进而帮助企业完善决策。

Flexsim是美国的三维物流仿真软件，能够对系统中所有基本存在的实物对象（如传送带、仓库、集装箱等）构建模型、仿真，实现业务流程可视化，其对象具有开放性，建模速度快。有学者通过Flexsim仿真技术对供应链运作流程仿真建模，采取制造商延迟策略，降低整体的库存水平，提高规模经济效益[ 19 ]，也有学者通过Flexsim仿真技术模拟仓储系统作业过程，结果表明供应链信息共享对仓储作业起着重要的作用[ 20 ]。Multi-Agent系统解决的问题更复杂，多个Agent之间可共享问题与方法等信息，从而协调并实现共同目标，这一仿真方法相比其他仿真技术成本更低、效率更高，可重复使用，能有效解决供应链协调问题。MultiAgent仿真技术可仿真模拟具有复杂自适应特征的制造业供应链系统，较好地反映供应链内部的运行状况[ 21 ]。供应链企业为了选择评价合作伙伴建立模型，不同的Agent之间可充分沟通协调，使得评估工作快速有效，且能较好反映合作伙伴之间关系的动态变化[ 22 ]。Anylogic是一款应用广泛的，对离散事件、多智能体和混合系统建模和仿真的工具，也是唯一允许将系统动力学模型组件、基于多智能体和离散事件开发的模型组件相结合的工具。有学者在Anylogic平台上进行建模，用于研究闭环供应链库存和牛鞭效应[ 23 ]。

（3）供应链管理中采用数字孪生技术的必要性。虽然仿真技术在供应链管理中应用广泛，但都是优化其中的部分问题，要实现对整个复杂且动态的供应链与物流系统仿真建模，并可以操控与决策，还是存在一定难度。面对庞大的数据库，信息共享有利于供应链管理系统中各企业的联动，积极融合“互联网+”技术，在企业之间建立信息交互平台，使各方信息传输速率得以提高[ 24 ]。数字孪生技术的问世，表明仿真技术应用不再只局限于产品设计和降低物理测试成本，而是扩展到各个运营领域，包括产品的远程诊断、智能维护、共享服务、流程的动态优化等。

智能制造业的转型使供应链体系向协同化转变，由原来相对稳定的供应链体系转变为一种更大范围、更灵活、更多向、更社会化的协同体系。数字孪生技术正在重塑制造业[ 25 ]，相关行业也将在数字孪生技术的推动下更新换代。这意味着数字孪生技术在供应链管理中的应用是必然趋势。基于系统理论的供应链需求不断增长，引发了业界尝试运用数字孪生技术解决供应链动态规划，而数字孪生技术可以为企业提供信息共享平台。

2.供应链数字孪生技术已有的应用与展望

通过供应链数字孪生技术，可以在组织内创建流程镜像和提供所有供应链相关业务信息，创建一个连续循环，快速、持续地微调供应链网络，提高端到端供应链的可视性和透明度，为各个产品线的供应链和基准流程设定标准做出明智的决策，改善物流效率。运用数字孪生技术中的模型来识别具有差异或结构故障的供应链低效运行流程，实时监控供应链的流程或在发生特殊情况时采取应急措施，即及时掌握信息，加快响应速度，进一步提高供应链效率。基于数字孪生技术将供应链客户进行细分，为每个客户创建个人资料，即建立一个模型，数字孪生技术可以评估每个独特客户的供应链流程执行情况，提出物理资源和人力资源的最佳利用方案。基于数字孪生技术对现有供应链管理的助力和赋能，使很多企业对供应链数字孪生技术跃跃欲试。

（1）数字孪生技术在供应链管理中的应用案例。目前，已有企业将数字孪生技术应用于供应链管理中，如世界上最大的轴承制造商SKF，在其整个分销网络中构建了一个数字孪生模型[ 26 ]，包括800多个SKU的主要数据，涵盖5个不同系统的40个安装单元。数字孪生技术使该公司的区域化模型转变为全球综合规划模型。根据数字孪生技术提供的数据可视性和完全性，供应链规划人员能够从本地运营转变为全球化决策（参见图1）。

博歇尔等[ 27 ]在其报告中指出了数字孪生技术在优化供应链网络方面的优势。第一，实时在线的敏捷性。基于实时供应链运行数据，可提高供应链決策的速度，在其面对不断变化的环境和难以预见的情况时，能够快速响应。第二，通信与协作。供应链组织与供应商、合作伙伴和客户可以实现实时通信与协作，根据可靠的最新数据做出决策。第三，智能优化。通过将人和机器的数据与高级分析及预测性见解相结合，供应链运营商可以优化人机决策。第四，点到点的可视化。数字孪生技术可以随时查看整个供应链，实现对其绩效关键方面的可视化管理。这种可视化可以跟踪物料流、掌握进度以及平衡供需。第五，整体决策。通过对供应链的全球运营视图，企业可以实施跨业务决策。这些优势同时可提高客户参与度，通过与客户建立更紧密的联系，供应链企业可以改善定制服务的体验，使客户忠于品牌并扩大企业的业务范围。总之，数字孪生技术使供应链管理企业能够快速、持续地微调其实时供应链网络，帮助企业做出更明智的决策，比以往更快地适应不断变化的环境。数字孪生技术将供应链运行的实际变化转变为数字信息，为供应链企业提供其供应网络运行方式的全球化运营图，缩短供应链的反应时间，使企业更有效地满足消费者的需求。

（2）数字孪生技术在供应链管理中的应用展望。在未来，随着数字孪生技术的发展，还可将此技术应用在逆向供应链管理、应急物流等业务中。

第一，在逆向供应链管理中的应用。为了重新获取产品的使用价值或正确处置废弃产品，检验和分类处理的工作环节即检验回收产品的质量水平，以及为逆向供应链中各个产品制定恰当的处理策略，显得尤为重要。通过数字孪生技术对逆向供应链流程建立仿真模型，企业可确定对回收产品特性评判的标准，机器根据标准自动对回收产品进行分类。各种标准的产品包括再使用产品，即可直接再使用或再销售的产品；需升级产品，即需要对产品进行再包装和修理、修复或再制造的产品；原料恢复产品，包括拆用配件和再循环；废物处理产品，包括焚化和掩埋产品。生产商在面对退回产品时，要充分利用数字孪生技术建立数据模型，在检验与分类处理的过程中自动分析回收产品存在的缺陷，以便管理者在正向供应链中使用这些信息对产品设计进行改造，大大提高企业效率。通过数字孪生技术为逆向供应链提供机会来模拟、验证和优化整个生产系统，并测试如何依靠生产流程、生产线和自动化来构建产品的所有主要部件和子组件，帮助计划团队设计一个有效的物流解决方案来满足生产线的需要。为了实现“智能工厂”，也可将自动导向的车辆、机架、箱子和运输工具列为生产系统的数字孪生体的一部分。

第二，在应急物流中的应用。应用数字孪生技术建立应急物流供应链数字孪生体，分析所有突发事件的不确定性因素，建立应急物流数据库以及风险分析模型，进而制定规范（具有系统性、科学性、针对性、可操作性）的应急预案，在这个虚拟的空间内根据模拟的各种可能发生的紧急情况进行“实战演练”，进一步提高政府官员或者企业人员对危机管理的意识。当然，应急物流工程在完成“应急”任务的基础上，也应充分考虑物流成本。通过数字孪生技术可以对运输路线进行优化以及加强对应急物资的有效管理。如面对自然灾害、公共卫生事件时，不仅要选择最优路径，还要对应急物资储备量进行预测，避免不必要的资源浪费，从而对物流成本做出更精确的预算。数字孪生技术在应急物流中的应用，可以保证一旦有突发事件，数字孪生系统能够以最短的时间对不同的应急物流预案进行评价和排序，从而确定最优方案。

三、供应链数字孪生技术面临的挑战

数字孪生技术的应用将会给供应链管理工作带来前所未有的便利，并为供应链核心企业及相关方创造巨大的价值，但同时在供应链数字孪生过程中会面临新的挑战，如节点数据采集困难、建模环境复杂、缺少数字孪生标准、数据所有权问题及数据滥用和安全问题等。在此，针对供应链节点数据采集以及供应链子系统建模过程中面临的问题和挑战展开具体讨论与分析。

（一）关于供应链节点数据采集

供应链是复杂、协调和自适应的系统，其流程在很多方向上流动，并且通常是同时进行的。因此，供应链数字孪生技术的关键在于细节，软件产生的答案或决策的质量在很大程度上取决于供应链数据采集的可行性和准确性。

1.需要明确供应链数据采集的范围

供应链数字孪生的关键技术是对整个供应链进行建模。数字孪生必须根据经济架构（收入、利润、投资回报率、成本优化）来衡量业务概念和模型，并在产品/服务推出时掌控进程。其中供应链业务财务和运营部分数据还需要参考销售和运营计划等方面的数据。

2.模型必须与相关数据配对才能成为数字孪生

从技术角度看，软件必须能够协调最终可能影响供应链的所有数据，这意味着必须考虑许多数据类型，包括从传统的供应链输入到非传统的公司来源（如CRM数据），甚至是非结构化的在线数据，这些数据都会影响需求感知。而传统的企业ERP数据或基于电子表格数据都不适合此目的。环境及其运作方式的数据至关重要，如果没有数据则无法验证模型，并使所有预测和决策都会受到影响。另外，数据必须做到随时更新，同时数据代表的含义必须一致。

3.物联网技术背景下中小企业采集数据能力不足

随着计算和通信成本的下降，物联网将变得越来越普遍，并且更容易提供必要的数据流。基于物联网技术实现数字孪生的数据采集至关重要，连接设备必须向模型报告运营数据以进行处理和分析。但是，有关全自动数据采集系统的方法并未在中小企业中广泛传播。一方面是由异构数据库引起的，另一方面是由不充分的数据处理系统引起的。此外，由于中小企业实现工业4.0的能力不足，数字孪生对中小企业发展的优势尚不清楚。

4.供应链系统尚无法共享数据

已有的供应链运用中虽然生成了大量数据，但无法共享，更无法在共享数据的情况下运行各自的应用程序。今后供应链数字孪生技术将逐步实现网络化、标准化的管理方式，对不同的供应链企业应实施访问权限管理，通过网络平台在共享数据的情况下运营供应链，数字孪生技术在供应链领域中的应用愿景将更为广阔。

当然，仍有许多未解决的数据采集问题，例如缺少数字孪生的标准、数据的所有权问题以及非常重要的数据滥用和安全问题等。

（二）关于供应链系统建模环境

供应链可以在多种场合应用，顾客对供应链系统的需求是多样化的，供应链需求的不确定性、时间约束的紧迫性、峰值性、弱经济性、非常规性以及政府和市场的共同参与性等都要求供应链管理必须高效。从供应链系统的复杂性角度出发，数字孪生技术的发展可能面临以下挑战。

1.需要重新设计和优化系统建模工具

传统建模软件并非针对当今可用的传感器和物联网数据的种类与数量，需要软件重新加工以便将这些新功能提炼为虚拟且有用的东西，并重新思考业务的设计、构建和操作。

2.面向供应链管理的数字孪生建模环境应具备可扩展性，其中包括数据可扩展性和功能可扩展性

在數字孪生中，一旦有新的数据源可用时，该模型如何扩展是亟待解决的问题。真实的供应链系统模型涉及很多组件和要素，并且可能在较短时间内变得更加复杂。因此数字孪生模型应能扩展到多个领域。例如，供应链分析可以从仓库和零售业务建模中受益。但是，对这些环境进行建模可能需要采用不同的数据和方法。将复杂且不同的流程和操作结合起来需要灵活的建模环境，理想情况是能够连接不同的建模方法。

3.数字孪生系统的安全性

一旦实施了供应链数字孪生，业务合作伙伴之间就需要相互信任。同时为确保供应链相关企业之间的信息安全，还需要符合要求的系统安全监管机构，以确保利益相关方和客户数据的安全性和可用性，最终实现数字孪生模拟没有偏差且结果可验证。

4.仿真软件的依赖性和建模工具单一化

最大限度地减少用于创建和操作数字孪生的软件平台数量有助于简化支持、维护和进一步开发模型。开发数字孪生需要捕捉必要的现实世界的复杂性，这通常需要不只一种建模方法。多方法建模环境可以通过提供单个工具来准确捕获所有必需的详细信息，从而简化开发流程，但单一工具的使用可以加快部署速度。

四、总结与展望

目前，我国经济社会已进入数字化时代，国家智能物流骨干网建设也要通过数据来驱动网络运营，实现实体的物流物理网络和虚拟的物流数字网络“软硬结合”，需要合适的数字孪生技术。国家智能物流骨干网还应该鼓励商业模式创新，既让建设者有市场回报，又具有公共基础设施属性，实现全网共享，服务于全社会。

从整体而言，数字孪生涵盖了整个供应链业务流程范围，从最高级别的大型流程和网络资产到最低级别的工作指令。如果没有人工智能，这种完整的模型是不可能的，涉及机器学习（包括深度学习）和图像、语言处理等各种领域。在整个过程中，数字孪生涉及人类行为模式分析、数学建模和决策，目的是寻求更好的操作和决策。当前，数字孪生可以在一定程度上实现可预测性和自我改进，这比以往的任何模型都更准确。同时物联网技术的进步对于数字孪生的成功至关重要，可以运用传感器或者物联网技术收集大量数据，从而实现数字孪生中的模型与现实之间的交互。只使用传统模拟技术来模拟整个商业难题，相当于放弃了利用业务运行的实时数据改善业务，因此数字孪生的运用水平可以被视为改善业务运营和提高竞争优势的重要因素。

随着数字孪生作用的逐渐加大，制造商会产生动力为每个客户甚至每个产品创建一组数字孪生。在这种情况下，供应链管理利益相关者必须尽早参与数字孪生的开发，并基于供应链全球化视角定义和完善数字孪生项目和产品。分析大量数据是非常烦琐的工作，成本非常高，同时构建数字孪生的过程非常耗时。但是，本文认为，在供应链上使用数字孪生，并为托运人、货运代理商、承运商等供应链节点企业提供全球贸易的可视化是有价值的，预先构建供应链数字孪生可扩展框架，是为所有利益相关者获取收益的关键，供应链通过使用数字孪生技术创造新价值具有巨大潜力。

参考文献：

[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，刘蔚然，刘检华，等.数字孪生及其应用探索[J].计算机集成制造系统，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]钟秀筠.企业供应链管理的现状与措施分析[J].中小企业管理与科技，2018（10）：1-2.

[17]王雅楠.物流供应链管理技术的发展创新及其应用[J].中国商论，2018（35）：9-10.

[18]龚华俊.企业供应链管理方案的研究[J].商场现代化，2018（5）：8-9.

[19]牛倩倩，陆秋琴.基于Multi-Agent技术的供应链企业信任合作伙伴选择评估模型[J].物流技术，2013（23）：315-318，328.

[20]王世卿，黎楚兵.基于Multi-Agent的供應链系统模型及其仿真[J].计算机工程与设计，2010（5）：1 081-1 084.

[21]林腾飞，张虹，辛辰.基于Flexsim的供应链信息共享对仓储运营影响的建模与仿真[J].物流技术，2015（12）：129-131.

[22]曾梦杰.基于Flexsim的供应链制造商延迟策略仿真研究[J].物流工程与管理，2015（3）：117-121.

[23]赵立静.基于多Agent的闭环供应链建模与仿真研究[D].秦皇岛：燕山大学，2016.

[24]许耀坤，孟祥娟.针对国内企业供应链管理的再思考[J].市场周刊（理论研究），2016（10）：46-47.

[25]SENSNOW.数字孪生如何推动产业发展？[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

基金项目：中国矿业大学（北京）越崎青年学者资助项目；中国物流学会、中国物流与采购联合会研究课题面上项目“面向5G的车联网技术对物流行业发展的影响研究”（2019CSLKT3-117）；中央高校基础业务经费项目（2014QG01）

作者简介：杨洋（1981—），女，北京市人，中国矿业大学（北京）管理学院副教授，博士，硕士生导师，主要研究方向为供应链管理和物流。