数字工程 | 法国巴黎文理大学潘燊乐教授团队：数字孪生在物流供应链中的应用

点击蓝字 关注我们↑↑↑

DIGITAL TWIN

如果您不希望错过文章，就加个星标吧！

Unveiling the Potential of Digital Twins in Logistics and Supply Chain Management: Services, Capabilities, and Research Opportunities

Yu LIU ¹, Shenle PAN ², Eric BALLOT ²

1 EPF Engineering School, France

2 Mines Paris, PSL University, Centre for Management Science, France

Abstract

Logistics is a labor- and asset-intensive industry, characterized by numerous operational processes managed by heterogeneous partners, which are tightly interconnected. Maximizing resource utilization and ensuring efficient stakeholder coordination within logistics operations pose significant challenges. Recently, Digital Twin (DT) technology has gained increasing interest for its potential to enhance asset and operations management in logistics. However, few studies offer a comprehensive view of DT applications across end-to-end global logistics services, particularly in relation to service innovations and the technological maturity of different service types. This paper conducts a Systematic Literature Review (SLR) to explore the state of the art in DT applications in logistics, offering an in-depth understanding of recent research foci, advancements, and opportunities for service innovation. Following the screening process, 70 papers were selected and analyzed. A three-axis framework is used to categorize key aspects of effective DT application, focusing on application areas, service types, and technological maturity as measured by the Technology Readiness Level (TRL). In logistics operations, DT has the potential to innovate or enhance eight key services: Monitoring, Evaluation, Prediction, Optimization, Control, System Management, System Integration, and Adaptation. DTs must be proficient in five core capabilities to deliver these eight services: integration, computation, simulation, interoperation, and evolution. In terms of DT technology maturity, most research focuses on early-stage development, emphasizing conceptual frameworks and exploring potential services. While many studies have tested proposed DT services in simulated environments, only a few have evaluated them in real-world operational settings. Finally, research avenues are explored, providing valuable insights for future investigations and continued development of DT applications in logistics and supply chain management.

Keywords

Digital Twin, Logistics, Supply Chain Management, Asset management, Operations Management, Service Innovation, Data Integration, Interoperability, Supply Chain Collaboration, Intelligent Transportation Systems, Cold Chain Logistics

Figure 1. The methodology applied in this work to address the research questions

Figure 5. Eight innovative digital twin services for LSCM applications.

摘要

物流是一个劳动密集型和资产密集型的行业，其特点是由不同合作伙伴管理的众多运营流程紧密相连。在物流运营中，最大化资源利用率和确保利益相关者之间的有效协调面临着重大挑战。近年来，数字孪生（DT）技术因其提升物流中资产和运营管理方面的潜力而备受关注。然而，很少有研究从端到端全球物流服务角度全面审视数字孪生的应用，尤其是与服务创新和不同类型服务的技术成熟度相关的研究。本文进行了系统文献综述（SLR），以探索数字孪生在物流领域应用的最新进展，从而深入理解近期的研究焦点、进展以及服务创新的机会。经过筛选过程，选择了70篇论文进行分析。本文采用三轴框架对有效数字孪生应用的关键方面进行分类，重点关注应用领域、服务类型和技术成熟度（通过技术就绪水平TRL衡量）。在物流运营中，数字孪生有潜力创新或提升八项关键服务：监测、评估、预测、优化、控制、系统管理、系统集成和适应。为了提供这八项服务，数字孪生必须具备五项核心能力：集成、计算、仿真、互操作和演化。就数字孪生技术成熟度而言，大多数研究集中在早期开发阶段，侧重于概念框架的构建和潜在服务的探索。虽然许多研究已在模拟环境中测试了提出的数字孪生服务，但仅有少数在真实运营环境中进行了评估。最后，本文探讨了研究途径，为未来研究和数字孪生在物流和供应链管理中的持续发展提供了有价值的见解。

数字孪生, 物流, 供应链管理, 资产管理, 运营管理, 服务创新, 数据集成, 互操作性, 供应链协作, 智能运输系统, 冷链物流

研究背景：

1. 物流行业现状： 物流是一个劳动和资产密集型行业，由众多异构合作伙伴管理的运营流程紧密相连。在物流运营中，最大化资源利用和确保利益相关者之间的高效协调面临重大挑战。

2. 数字孪生技术： 近年来，数字孪生（DT）技术因其在物流资产和运营管理中增强的潜力而受到越来越多的关注。然而，很少有研究全面地审视数字孪生在端到端全球物流服务中的应用，特别是在服务创新和技术成熟度方面。

研究方法：

1. 系统文献回顾（SLR）： 本文采用系统文献回顾方法，探讨数字孪生在物流中的应用现状，提供对数字孪生服务创新和研究机会的深入理解。

2. 三轴框架： 使用三轴框架对数字孪生应用的关键方面进行分类，关注应用领域、服务类型和技术成熟度（通过技术准备水平（TRL）衡量）。

实验设计：

1. 文献筛选： 通过筛选过程，选取并分析了70篇论文。

2. 框架定义： 开发了一个三轴框架，深入分析了数字孪生在物流和供应链管理（LSCM）中的应用。

结果分析：

1. 数字孪生关键能力： 为了提供八项服务，数字孪生必须具备五项核心能力：集成、计算、模拟、互操作性和进化。

2. 技术成熟度： 大多数研究集中在早期开发阶段，强调概念框架和探索潜在服务。只有少数研究在现实世界运营环境中评估了提出的数字孪生服务。

3. 研究途径： 探索了未来研究的方向，为数字孪生在物流和供应链管理中的持续发展提供了宝贵的见解。

总体结论：

1. 数字孪生在物流中的应用： 数字孪生在物流运营中具有创新或增强八项关键服务的潜力：监控、评估、预测、优化、控制、系统管理、系统集成和适应。

2. 数字孪生技术成熟度： 大多数研究集中在数字孪生的早期开发阶段，强调概念框架和探索潜在服务。尽管许多研究在模拟环境中测试了提出的数字孪生服务，但只有少数在现实世界运营环境中进行了评估。

3. 未来研究方向： 三大研究方向，包括计算和集成（高保真建模但多颗粒度共享，数字孪生驱动的互联物流网）；合作及互动（全局多代理模拟，人机互动）；感知和适应（认知数字孪生，自组织系统（生成式）人工智能辅助的数字孪生）。

关注公众号，后台回复“DE25”即可下载原文