艾斯本技术有限公司高级产品管理总监Roch Gauthier

艾斯本资深高级解决方案咨询顾问竺建敏博士

此次疫情开始前，各公司已经对自修复式供应链理念产生日渐浓厚的兴趣。ARC咨询集团Steve Banker最近在福布斯杂志上发表的一篇文章中提到〝自修复式供应链〞这一术语正开始被使用，这一术语反映〝参数应自动更新〞的理念。它还包括这样一个观点：一旦意外事件发生，再好的计划也无用，因此重要的不仅是创建一个最佳计划，而是在需要时使用稳健的控制塔台进行重新规划。如果没有稳健的供应链数字孪生，自修复式供应链就不可能实现。

业务连续性是指发生重大事件导致业务中断时，维持、调整或快速恢复业务功能。在最近一篇题为〝战胜新冠肺炎：供应链韧性是复苏的关键〞的文章中—— 贝克·麦坚时国际律师事务所与牛津经济研究院提到此次疫情引发了一场前所未有的全球供应链危机。预计最早要到2021年上半年，遭受重创的制造业才有机会迎来全球复苏，该事务所暗示供应链的数字化对企业恢复韧性、实现可持续发展具有战略意义。

在经济复苏的道路上，企业继续保持领先优势至关重要。最近几个月，我们与流程制造业的供应链专业人士进行了交谈，了解如何利用数字孪生适应并实现业务连续性。

以下是自疫情开始后我们在不同阶段的所见所得。

第一阶段： 保护人员和企业

确保工厂运营员工的安全

疫情开始时的首要任务是确保工厂运营员工的安全。我们了解到北美一家公司快速将社交距离限制纳入他们的生产计划和调度数字孪生中，以确保生产操作人员的安全。数字孪生技术不仅能产生最优的生产计划和调度，还能确保企业员工在保持充足社交距离的工厂区域内工作，保障员工安全，同时考虑到在复杂的生产设备环境中交替使用生产线和设备以降低风险。

深入了解业务场景对财务和运营的影响

另一个优先任务是确保企业的财务健康。许多企业组建了专门的团队来评估疫情对业务的财务和运营带来哪些短中期性影响。我们了解到欧洲一家公司在疫情开始时就使用了端到端供应链计划优化数字孪生，每天运行和分析大量场景。他们的数字孪生使他们能轻松改变其全球供应链的与供求状况相关的特定时段的数据假设。由于他们的数字孪生使用整体数学优化方法，因此可以快速制定能够最好地应对未来情况的一组供应链〝战术策略〞。我们的较大感悟是自疫情开始后，供求状况分析在流程制造业中的重要性急剧上升。

第二阶段：随着供求状况波动，调整工艺流程以实现持续性

确保在家办公和现场办公团队保持持续协调

当大部份通常在工厂工作的员工被要求在家办公时，保持业务连续性和安全可靠的供应链和生产运营变得更具挑战。这些员工包括调度员、物料计划员、工程师、供应链计划员、装货协调员等。我们了解到一个精彩案例：亚洲一个生产基地使用数字孪生使他们的供应链和生产运营团队全天保持协调一致。这项技术使他们能够在基于网页显示的实时发布调度系统上进行交互，他们可以查看计划库存的位置、提前发现问题，该技术还能帮助每个人了解工厂的运营状况并朝着共同的目标努力。

快速调整以确保需求、产能、供应和运营执行实现同步

一家公司生产的一些产品在过去几个月有很大需求，该公司利用调度优化数字孪生，使需求、产能、供应和运营执行团队的成员每天保持协调一致。数据孪生使他们能够及时作出调整以适应不断变化的情况，帮助他们改善现金流、确保准时发货和灵活的产量。

第三阶段：为复苏做准备

监测需求以应对复苏和可能反弹的迹象

自疫情爆发以来，大多数公司表示他们对需求预测的准确性大不如前。以前预测数字孪生的目的不是为了应对疫情导致的消费者行为和上游业务需求模式发生的重要和根本变化。最近，在麻省理工科技评论上一篇题为〝疫情期间我们的怪异行为正在引起人们对人工智能模型的兴趣〞的文章写得很好。在准备经济复苏的过程中，一些公司在每周销售和运营执行（S&OE）会议中正利用数字孪生帮助他们每周密切监测需求趋势变化。

重新设计供应链和制造业使之更有韧性

疫情暴露了当今世界为提高效率而设计供应链的脆弱性。对制造商而言，这是一个〝重新〞设计业务流程使之更具韧性的机遇。这包括分析和构建关键产品线以及相关生产和供应能力的冗余，审查现有供应商和地点、替代方案和现有工厂地点，以及当前的制造资源的灵活性。在这一领域，端到端供应链优化数字孪生可以用来探索和分析各种供应链和〝重新〞设计制造流程选项，以打造更具韧性的企业。

增强供应链的自修复能力

供应链计划和调度数字孪生帮助企业确保客户订单能够顺利执行。如果数字孪生与现实不同步，客户服务水平和按时全部交付的关键绩效指标就存在重大风险。自修复式供应链功能确保供应链数字孪生模型尽可能保持准确，从而反映实际工厂、设备和工艺流程的性能。在使用供应链数字孪生时，通常通过自动检测数据输入来实现的，然而这些数万到数十万的生产制造数据之间（例如加工时间、产量、安装时间、清理时间、切换时间等）可能存在有效性问题，自修复式供应链具有以最少的时间和人力投入来大海捞针解决有效性核查能力。

自修复式供应链能力还可以将预测和规范性技术相结合。例如，低接触式机器学习（ML）用于提前数周对生产设备/资产故障进行高度准确的预测。供应链计划和调度数字孪生中的规范性数学优化（MO）利用这些预先设备故障警告回答如下问题，比如〝我们什么时候利用计划的停机时间（在预测的故障时间之前）来确保干扰最小、成本最低，以及对客户订单承诺和关系的影响？〞

结语

数字孪生被证明是许多流程行业供应商在不确定性时期的关键工具。数字孪生提供洞察力，使企业能够适应这种新的运营环境，并确保供应链和生产运营尽可能灵活和高效地运行。打造数字能力将帮助企业为可能持续到2021年甚至以后的不确定性做好充分的准备。