数字双胞胎：开启端到端供应链增长的关键

复杂性、COVID-19疫情以及竞争格局的变化已经颠覆了供应链组织。通过部署基于人工智能的数字孪生技术，它们可以重新点燃收入增长并加深韧性。 这篇文章是由阿尔贝托 · 奥卡,亚历克斯 · 科斯马斯,Cenk Tunasar, 和Ketan Shah与LaurenO’Neil代表QuantumBlack、麦肯锡的AI业务以及麦肯锡运营实践的观点。 数字双胞胎可以治愈供应链 后 COVID - 19 时代创造了持久的 供应链中存在的裂痕。在全球化进程加快、客户期望不断提高以及航运量实现两位数增长的背景下，1供应链组织——不仅仅是制造商和供应商，还包括它们依赖的仓库和运输商——正承受着压力。他们面临着与运营效率、需求预测、库存管理和履行相关的问题。这种复杂性影响了每个行业的供应链的每一个环节：零售、技术、汽车、工业、食品服务、电信等行业。结果是增长停滞和错失的收入机会。 在这种情况下 ， 不重新调整供应链运营的组织可能会落后。数字孪生可以帮助实现这一recalibration。领先公司already已经开始利用这些方法来确保其供应链具有足够的灵活性、敏捷性和响应性，以克服意外中断。 数字孪生是虚拟复制对象、系统或过程的技术，用于模拟潜在情况和结果。数字孪生利用真实数据（有时以遮掩或合成形式）提供分析洞察和可视化效果。许多组织使用数字孪生优化运营、规划场景并提供支持。决策市场分析表明，未来几年数字孪生市场的年增长率将达到30%到40%，到2032年市场规模将达到1.25万亿美元至1.5万亿美元。5 多种竞争力量正在对供应链施加压力：消费者对通过快速免费配送的低价产品的需求；制造业、仓库和配送员工的工资上涨；以及对未来宏观经济动荡的模糊可见性。麦肯锡的研究显示，超过90%的美国消费者现在期望两到三天送达，并且有三分之一的消费者期望当天送达。2自新冠疫情扰乱了面对面销售以来，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。3 数字孪生可以用于建模供应链中物理过程和数字过程之间的交互——从产品构思和制造到仓储和分发，从店内或在线购买到发货和退货的整个过程中。因此，数字孪生能够清晰地描绘出端到端最优供应链流程的全貌。更重要的是，结合当今预测型人工智能的进步，数字孪生可以兼具预测性和决策性。它们可以预测未来情景以建议改进或增长的领域，最终实现自我监控和自我修复的供应链。换句话说，数字孪生赋能从基于经验的方法转向动态且精细的优化，提供全方位的价值和性能流失视角。 满足这些预期比以往任何时候都更具挑战性。高昂的劳动力成本——包括仓储工资在2020年7月至2024年7月期间上涨超过30%。4- 在满足利润率的同时难以维持低价格。制造业劳动力短缺削弱了稳定库存流动的能力，而意外的经济冲击如近期的通货膨胀则进一步复杂化了需求预测。即使在供应方面运作良好时，履行订单仍面临挑战；仓库存储率仍然受限，导致产品延迟到达收货人手中。 为了了解自愈供应链在实际中可能如何运作，让我们来看一个例子：零售商利用数字孪生技术为每个履行中心设定动态的商品项目（SKU）级安全库存目标，这些目标会根据当地情况动态调整。 并且应用于季节性需求模式。此外，这种精细优化不仅应用于库存管理，还扩展到整个端到端供应链的每一个环节——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协调进行。动态规划可能会识别出一种高销量的商品，并具有交叉销售潜力，通过捆绑运输和提高客户转化率，虽然该商品的制造成本较高，但整体物流成本降低。这类复杂的预测模型正是数字孪生所擅长的。在这种情况下，典型的结果包括消费者承诺履行率提高20%（即实现向消费者承诺的交付日期），劳动力成本降低10%，以及收入提升5%。 —端到端连接:数字孪生可以连接供应链中的SCM工具，提供整体性能及上下游决策影响的整合视图。这消除了各自为政的方法，即每种工具仅优化其局部变量，彼此之间缺乏协调。例如，一家零售商利用数字孪生技术连接了其计划、库存部署和运输管理工具。 —动态市场中的弹性 ：在COVID-19之后，随着市场波动性不断增加，供应链运营商必须不断更新其政策，以应对需求波动和间歇性的供应冲击，如港口中断或材料供应问题。结合数字孪生技术，供应链管理（SCM）工具能够提供实时的细粒度性能可见性，并配以预测性和规范性分析，动态识别风险并推荐政策变更以实现快速解决。例如，一家原始设备制造商利用自动化感知和响应的数字孪生能力，识别出承运人表现和附加费的变化，有效降低了最后一公里运输成本5%。 数字孪生优化了当今的 SCM软件 今天的供应链管理（SCM）软件——包括高级计划与排程（APS）工具、仓库管理系统（WMS）和运输管理系统（TMS）等一系列产品——在过去十年中已经自动化了供应链中的大部分环节，极大地简化了供应商、采购商和承运人之间的交互过程。 —多个目标 ：数字孪生可以优化跨竞争优先事项和复杂约束，以快速响应市场变化。例如，一家汽车原始设备制造商利用数字孪生动态调整需求，基于供应可用性的变化和运营复杂性，综合解决了销售和运营目标。 数字孪生可以与现有的供应链管理（SCM）工具集成，作为堆栈技术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SCM工具的数据，生成预测性分析以应对和响应多种潜在场景。例如，一家全球原始设备制造商创建了一个数字孪生，以优化其喂入运输管理系统（TMS）平台的物流政策。结果，该制造商将货运和损坏成本降低了8%。 —可变性:数字孪生与供应链管理工具相结合，可以通过分析诸如交货时间、需求和供应商可靠性等指标来测试潜在场景的分布，同时考虑假设性结果。例如，一家消费品公司测量了其仓库内的可变需求和劳动力，并识别出通过减少总分销中心成本15%的机会，从而体现了网络韧性。 开始使用数字双胞胎 了解数字孪生的好处 尽管供应链组织认识到数字孪生所能提供的价值，但很少有组织能够大规模实施。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开发才能实施。由于数字孪生经常处理大量专有、遮蔽或合成数据，它们几乎总是需要定制构建，这需要相当长的时间和投资。供应链组织必须具备内部数据科学和开发团队，能够构建使用高级AI算法的数字孪生，或者与在这些领域具有专业知识的外部供应商合作。 供应链组织正在利用数字孪生技术优化其长期战略和日常运营。我们观察到的供应链公司部署数字孪生的最常见方式包括库存定位与预测、管理仓库和工厂内部货物流动，以及辅助生产计划。但这些只是数字孪生在整个供应链中应用方式的一部分。无论数字孪生如何使用，其益处是显而易见的： —战略: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数字化转型的风险。这种假设性预测建模使公司在其战略计划的整体影响方面充满信心。例如，一家零售商利用其分销网络的精细数字孪生来测试新设计对配送中心底部影响的后果。该公司之前使用自上而下的分析来确定新建交叉转运点的规模和位置。但当团队使用数字孪生来模型该交叉转运点放置的所有潜在约束时，他们发现可以在仅需原来50%的土地上重新调整其大小和位置而不影响功能。 渴望踏上数字孪生旅程的组织应专注于成功的五个关键原则 ： —北极星路线图 ：确定以数据和技术为基础的未来供应链运营愿景。识别支持北极星愿景的端到端应用场景，然后通过优先考虑影响（利润和损失或交付）以及可行性来构建用例路线图。通常，公司会首先优先考虑具有快速价值实现速度的用例，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应用场景，识别所需的数据输入和输出。构建一个支持应用场景路线图的企业数据产品路线图，并优先考虑将在多个高影响实施中共享的数据元素。通过迭代式敏捷开发来开发这些数据产品。要开始实施，数字孪生需要一个半定期的数字化和标准化数据管道，但可以通过更多静态来源（例如，仓库的日均吞吐量与每日人员配置水平）来填补数据缺口。 —运营:超越单一的战略决策，数字孪生可以作为“一个模型统管一切”的工具，在不同运营领域优化日常决策。换句话说，数字孪生可以整合多个模型进行综合预测和决策——动态比较供应链中竞争的权衡，建议具体的运营变更。例如，某零售商利用其数字孪生不仅优化了配送中心的交叉码头布局，还优化了每日库存定位决策——预测每周的天数供应政策以平衡成本、服务水平和可持续性。结果是区域配送中心利用率提高了10%，履行成本降低了5%。 —技术架构 ：数字孪生架构主要由现有数据源和技术组成，并通过API和中间件进行整合。通常，支持一个数字孪生体所需的计算能力仅需小幅增加，因此确保技术团队有足够的资源支持这一点。 具有根据需要扩展当前计算资源的灵活性。 捕捉早期影响 ， 然后在以后整合这些模块。 —天赋:评估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/用户体验设计师以及全栈开发人员，以交付数字孪生。数字孪生最适合采用敏捷方法进行快速开发周期，因此产品管理团队可能需要接受敏捷方法的相关培训和提升。 端到端供应链优化不仅需要实施技术，还需要在领导层和整个组织中实现思维模式的转变。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碎片化的机构知识。外部，公司应仔细分析自己在全球互联供应链中的角色。在一个日益复杂和相互关联的世界中，供应链中的各个组织可以利用数字孪生预测潜在的中断及其对企业的影响，并考虑各种假设场景。没有人能够确切地预测下一次大流行、战争或经济冲击，但数字孪生可以帮助公司应对这些可能性。 —优化和仿真 ：识别公司的首个数字孪生应用场景并进行部署。基于数据产品创建优化和仿真模块，以捕捉应用场景的影响。然后，逐步扩展应用场景，并结合模块进行综合仿真和端到端优化。请注意，在数据产品完成之前，团队可以开始开发仿真和优化模块。 阿尔贝托 · 奥卡是麦肯锡亚特兰大办事处的合伙人 ， 劳伦 · 奥尼尔是该办事处的合伙人 ；亚历克斯 · 科斯马斯是一个合伙人纽约办事处 ；Cenk Tunasar是波士顿办事处的合伙人 ； 以及Ketan Shah是芝加哥办事处的合伙人. 本文由海湾地区办公室的执行编辑 Kristi Essick 编辑。