论文推荐 | 德国柏林经法大学：智能数字孪生（iDT）在供应链中的应用

Intelligent digital twin (iDT) for supply chain stress-testing, resilience, and viability

Dmitry Ivanov

Berlin School of Economics and Law, Department of Business Administration, Supply Chain and Operations Management, 10825, Berlin, Germany

Abstract

A large variety of models have been developed in the last two decades aiming at supply chain (SC) stress-testing and resilience. New digital and artificial intelligence (AI) technologies allow to develop novel approaches and tools in this area for the transition from standalone models to intelligent decision-support systems (DSSs). However, the literature lacks concepts and guidelines for the design of such systems. In this paper, we offer a generalized decision-making framework for using digital twins in SC stress-testing and resilience analysis as well as delineate how digital twins can contribute to theory development in SC resilience and viability. We position our proposed approach as an intelligent digital twin (iDT) – a human–AI system which visualizes physical SCs in digital form, collects and processes data for modelling using analytics methods, mimics human decision-making rules, and creates new knowledge and decision-making algorithms through human–AI collaboration. We conclude that the iDT supports monitoring, disruption prediction (early signals), event-driven responses, learning, and proactive thinking, integrating proactive and reactive approaches to SC resilience. The iDT helps to make the unknown known and so contributes to the development of a proactive, adaptation-based view on SC resilience and viability. This research can be used to solve existing problems in the industry, and it develops new methods and infrastructures for solutions to future problems.

Keynote

Supply chain resilience, Intelligent digital twin, Data analytics, Stress-test, Ripple effect, anyLogistix

摘要

近二十年来，已有多种模型被开发出来，用于对供应链（SC）进行压力测试和韧性评估。新的数字技术和人工智能技术为该领域的新方法和工具的开发提供了可能，实现了从独立模型向智能决策支持系统（DSS）的转变。然而，文献中缺乏关于此类系统设计的概念和指南。本文提出了一个使用数字孪生在供应链压力测试和韧性分析中的通用决策框架，并阐述了数字孪生如何促进供应链韧性和可行性理论的发展。我们将所提出的方法定位为智能数字孪生（iDT）——一种人机系统，该系统能够以数字形式可视化实体供应链，利用分析方法收集和处理建模所需数据，模拟人类决策规则，并通过人机协作创造新的知识和决策算法。我们得出结论，智能数字孪生支持监控、中断预测（早期信号）、事件驱动响应、学习和前瞻性思考，融合了供应链韧性中的主动和被动方法。智能数字孪生有助于将未知变为已知，从而推动形成基于适应性的、前瞻性的供应链韧性和可行性观点。本研究可用于解决当前行业中的问题，并为解决未来问题开发新的方法和基础设施。

关键词

供应链韧性、智能数字孪生、数据分析、压力测试、连锁效应、anyLogistix

Fig. 2. Supply chain stress-test framework using a digital twin

研究背景

1. 供应链韧性研究兴趣的兴起：通常源于危机，如COVID-19大流行期间对关键供应链的压力测试需求。

2. 供应链韧性分析模型的发展：学术界提出了多种模型，旨在进行供应链压力测试和韧性分析，但缺乏基于人类与人工智能（AI）协作设计决策支持系统（DSS）的概念和指导原则。

3. 数字孪生技术的应用：新兴的数字和AI技术促进了从独立模型到智能DSS的转变，但现有文献中缺乏关于智能数字孪生（iDT）设计的理论和方法论指导。

研究方法

1. 智能数字孪生（iDT）的定义：iDT是一种人类-AI系统，它以数字形式可视化物理供应链，收集和处理数据以使用分析方法进行建模，模仿人类决策规则，并通过人类-AI协作创造新知识和决策算法。

2. 供应链压力测试框架：基于数字孪生的SC压力测试框架涉及数据和模型集成，包括外部系统、SC模型和性能分析的集成，以及动态部署模型在SC压力测试中的应用。

实验设计

1. anyLogistix数字供应链孪生：介绍了基于anyLogistix软件的SC模拟和优化，该软件描述了SC及其所有对象和运输链接。

2. JD.com数字供应链孪生：报告了JD.com数字SC孪生设计的核心，这是一个包含优化和模拟算法的仿真平台。

结果分析

1. iDT概念的提出：iDT不仅描述物理对象，还帮助决策者发现关于真实对象的新知识，是自我学习和知识创造的认知和智能数字孪生。

2.  iDT在供应链韧性分析中的应用：iDT通过人类-AI协作，支持监测、中断预测、事件驱动响应、学习和前瞻性思考，整合了主动和被动的供应链韧性方法。

3. iDT对供应链韧性理论发展的贡献：iDT是实现从基于事后响应的供应链韧性管理向基于前瞻性的韧性管理转变的重要工具。

总体结论

1. 供应链韧性的重要性：在当前充满不确定性的时代，供应链韧性分析和压力测试是主要挑战之一。

2. iDT的提出：本文提出的iDT概念不仅解决了实际问题，还解决了更根本的问题，为供应链韧性分析和压力测试提供了基于iDT和数据科学原则的决策支持系统设计方法。

3. 研究的局限性与未来方向：本文未考虑提出的iDT方法的潜在障碍和缺点，未来研究可以在多个方向上扩展，例如考虑供应链韧性的新领域、系统和数据集成的先进技术研究，以及认知和基于知识的iDT组件的进一步研究。

关注公众号，后台回复“论文71”即可下载原文