在數字技術的推動下，供應鏈物流行業正在發生根本性的范式轉變。全球供應鏈依賴于有形資產，如集裝箱、倉庫和卡車——這些資產在歷史上很難上線。但只有連接這些資產，我們才能將供應鏈完全數字化。但是一旦這些有形資產上線——然后呢？我們如何利用這些信息使供應鏈更具韌性和靈活性？我們解決該問題的關鍵方法之一是通過數字孿生技術。

1、什么是數字孿生？解決問題和決策的未來數字孿生是物理對象或系統的數字表示。例如，一個簡單的數字孿生可以是飛機機翼的數字表示。該數字孿生可用于對飛機機翼的操縱方式、空氣動力學、何時可能需要維修等進行模擬。2、更復雜的數字孿生是完整系統的數字表示——例如倉庫或工廠車間。這些數字孿生可用于分析生產過程并主動解決維護和維修問題。數字孿生與其物理副本之間的數據可以雙向傳輸。例如，數字孿生可以接收來自工廠車間的數據，根據數據分析做出決策，然后將數據傳回工廠車間以觸發行動。到目前為止，數字孿生主要用于建模和模擬特定和孤立的過程。3、然而，到目前為止，數字影子比數碼孿生更常見。數字影子和數字孿生之間的主要區別在于，來自數字影子的數據只流向一個方向：從對象到影子。影子無法將數據發送回物理資產以實施更改。4、用數字孿生重新定義供應鏈物流通過分析數字孿生仿真數據，我們可以識別供應鏈中的瓶頸、低效和潛在風險。這導致更好的規劃和資源分配，最終提高效率和降低成本。除此之外，數字孿生允許： - 資產的實時跟蹤和監控：通過在物理資產上或內部放置傳感器，我們可以將有關資產位置、狀況、性能、溫度、損壞等的數據提供給數字孿生體。- 預測性維護和維修：我們可以使用數字孿生來主動處理維護，而不是對機器故障做出反應。這使我們能夠在更方便和優化的時間表上修復資產，而不是在它阻礙一個過程時。- 增強決策制定和優化：數字孿生幫助我們從被動轉變為主動。當我們對物理系統進行數字化概覽時，我們可以就資源分配、規劃和風險管理做出更明智的決策。- 提高效率并降低成本：數字孿生還幫助我們優化供應鏈向前發展。例如，我們可以通過替代路線或運輸類型確定潛在的成本節約或效率提升。5、以馬士基為例，其目標是創建馬士基綜合生態系統的數字孿生。雖然馬士基表示還需要數年時間，但馬士基正在通過專注于特定垂直領域來取得進步。通過創建船舶、倉庫、碼頭等的垂直數字孿生，是可以創建整個集成生態系統水平數字孿生的構建塊。這種向創建水平數字孿生的轉變將幫助馬士基從用于可視化供應鏈的數字孿生轉變為預測和改善客戶供應鏈的數字孿生。6、馬士基率先采用這項技術的一個領域是其碼頭。 馬士基目前正在推出一種數字孿生模擬產品，可以預測近期運營中會發生什么。 馬士基使用集裝箱吞吐量、船舶時間表、傳感器數據和碼頭數據來構建此模擬，這使能夠了解哪些船舶將在何時到達以及載有哪些貨物。然后可以預測在哪里需要什么資源——比如起重機。這最終使馬士基能夠相應地預測和調整操作。7、這種數字孿生模擬側重于可預測性。需要準確預測某些行動需要多長時間。如果不知道卸船需要多長時間，必須建立緩沖區，這意味著設備可能不會在正確的時間放置在正確的位置，這是緩慢和低效的，而不是緊湊和快速的。馬士基正在嘗試使用數字孿生來克服的其他一些挑戰包括：可擴展性：馬士基的許多部門都有自己的數字孿生，但它們都是孤立的，沒有全局性或可互操作的架構。馬士基正在努力建立一個數字孿生網絡，將供應鏈中的不同環節連接起來。聊天物聯網：物聯網計劃產生了大量的大數據，但這些數據經常被閑置。馬士基正在探索如何利用這些數據通過數字孿生來優化流程。預測性ETA：數字孿生可以幫助我們采取規定性行動，并為人工智能和機器學習驅動的交付提供實時ETA，而不是提供一般的交付估計。8、物流數字孿生未來的五大預測數字孿生在供應鏈物流中的應用有很多可能性。但縮小范圍，這里有五個關鍵預測，說明數字孿生將在不久的將來如何發展，尤其是對下一代智能港口的貢獻。- 與人工智能和機器學習的進一步融合通過利用ML/AI，數字孿生將成為更強大的優化和效率工具。數字孿生擁有豐富的數據集，然后可以通過機器學習算法進行分析，以識別模式和趨勢，從而得出更準確的預測和建議。-  從數字影子到數字孿生數字影子是物理對象的數字表示，但與數字孿生不同，數據只能單向流動：從對象到影子。影子無法將數據發送回物理資產以實施更改。數字影子比真正的數字孿生要常見得多，但我們很快就會在供應鏈物流中看到更多“真正”的數字孿生。- 更廣泛的采用和互操作性目前，數字孿生的使用僅限于更受控制的生態系統，如船只和倉庫。然而，這些只是整個供應鏈的一部分。未來，我們將開始看到供應鏈上下的數字孿生，被許多不同的供應鏈參與者使用?；ゲ僮餍詫⑹沁@些參與者以連接方式集成的關鍵。像DCSA這樣的組織已經在努力為一個共同的技術基礎建立標準，以實現在互聯供應鏈網絡上的全球合作。- 數字孿生開創綠色物流我們將看到數字孿生在未來被使用的最重要的方式之一是開拓綠色物流。我們已經在一些船只上使用了數字孿生模擬，以優化冷藏集裝箱的功耗。將數字孿生技術用于綠色解決方案的可能性是無限的。- 對人類智能的持續需求使用數字孿生，我們可以預測未來在系統或資產中會發生什么。然而，這些預測是基于一系列正常事件。但當疫情或烏克蘭戰爭等正常情況出現偏差時，這些預測并不有用。然而，當我們在流程挖掘等技術上構建數字孿生時，我們可以立即發現異常。這使我們作為人能夠決定如何覆蓋現有流程并解決意外情況。未來，我們將看到更多的人類智能和決策與數字孿生和預測人工智能相結合，以獲得最佳結果。9、最后，真正的收獲只有在全行業的行動中才能實現數字孿生技術，特別是當與AI/ML和預測分析相結合時，可以通過優化決策和資源分配來提高效率和成本節約，從而徹底改變供應鏈物流。為了充分利用這項技術的好處，我們作為一個行業，必須共同克服互操作性和負責任的數據共享的挑戰，以創建完全連接、有彈性和綠色的供應鏈。