Digital Twins賦能的供應鏈

✎【Mealcourt LLC】陳宏毅 總裁  |   2025-01-10

        在2024聖誕節前夕，台積電創辦人張忠謀先生還提出了「全球化已死」的觀點。 其中的關鍵的內涵就是全球自由貿易的時代即將終結。中美和全球之間的供需，很可能會成為你死我活的零和遊戲。中國經濟政治的變遷，人工智能所帶動的產業商業升級， 以及美國為首提出的關稅壁壘手段，之後還有多少國家會跟進，當下還不得而知。這一切都將陸續會在全球產生連鎖效應，我們幾乎可以完全相信，供應鏈的生態也將在這樣的改變之下，再次重組和進化。

Digital Twins的賦能

       Digital Twins 其實不能算上是一個全新的名詞。在AI盛行之前，很多人稱他是IOT（Internet of Things）。在五年以前，知名的全球運輸業者DHL就已經開始在新加坡建造了Digital Twins 的倉庫。  　

       還沒有投入優化供應鏈的業者，馬上要面臨的，將會是落後甚至被淘汰的風險。Digital Twins儼然是一個賦能供應鏈效率與效能持續提升的解決方案。在我們討論的當下，許多帶頭的國內外企業，早已經悄悄的啟動了數位孿生的專案，透過數位孿生的應用，這些公司期望他們供應鏈運作可以更迅速，更靈敏的擴大上下游整合，同時透過AI的賦能，被賦能的新系統 除了有能力應付各類已知的運作瓶頸，甚至可以更強大的預期未來的需求，也同時預防潛在的問題或意外的發生。簡單的說，在地緣政治衝突、氣候變遷、更嚴格的合規措施、原料/勞動力短缺以及多變的消費者需求，數位孿生賦能企業增強企業的供應鏈韌性，已經是一個必然發生的趨勢!

       數位孿生，顧名思義的就是真實世界的”實體物件”在電腦系統當中有仿真的”虛擬孿生物件”，這些虛擬物件可以是單一物件，一個子系統，也可以是一套製程。這些仿真的虛擬物件可以被用於模擬系統在真實狀態下的運行，根據運行的結果對系統做出調整。　　

       數位孿生在電腦系統當中，使用真實的數據，透過用收集到的歷史資料，建制出可以被用來模擬或測試的數據模型，提供系統運行的模擬分析和監控。已經有一些open source的模擬環境/工具，可以提供虛擬環境的仿真動畫模擬，像是 Omniverse 建構的風洞模擬環境 “a Digital Twin for Interactive Fluid Simulation”有興趣的讀者可以根據提供的連結感受一下透過數位孿生所構建的流體模型。

       許多公司已經開始應用數位孿生的技術來優化供應鏈的營運。像是運行場景的規劃(operational scenario planning)、線上輔助決策系統的建立等等。

舉個簡單的場景來說明：一個品牌電商從產品構思(Product ideation)、生產製造、到倉儲、門店配送，或是網購的配送、售後服務和退貨等過程，透過數位孿生的導入，就可以在電腦系統上建造出一個仿真的供應鏈全貌。系統當中每個孿生物件的控制和參數 (可以是單一設備、 一個子系統、或是流程) 都可以在虛擬環境當中設定，輸入和監控。結合當下的AI技術以及物聯網設備(Internet of things / digitized intelligent equipment)，數位孿生不僅僅可以建造出預測的能力，更可以規範系統在運行當中的一致性。  

       有了這樣的一個仿真的虛擬環境，不同需求狀態下的供應鏈運行的場景，就可以被完整建制，透過系統模擬，參數設定，找出需要改善的區域，或是需要新增的功能。這樣逐步的發展之後，就可以發展出自我監控，甚至是自行修復的智能供應鏈。　

       換句話說，數位孿生在供應鏈上的應用， 可以將傳統”見招拆招”所建造出來的供應鏈，轉換成為不僅僅具備”即時動態”的智能供應鏈，還可到細化管理到供應鏈中每一個最小物件的控制，控制物件之間的互動，偵錯，甚至像是電影X-Men的變種人，具備自動修復的能力。

       讓我們來看一個零售商的場景，進一步了解在數位孿生賦能後的供應鏈，如何自主的整合運營，避免缺貨或是迅速的修復缺貨。 

       使用數位孿生，電商可以對每一個發貨中心的每個品項，設定 ”動態安全庫存”。”動態”的意義，就是考量到每個發貨中心”當地當時”的即時狀態，供應商庫存，社群媒體的行銷風向訊息，和過往的季節性需求模型等等的綜合考量。　這種單品項的”動態優化”，不僅適用於實時（Real time）的庫存管理，也可以串聯到供應鏈當中的每個環節：像是採購，產品設計，製造，需求預測，甚至是行銷設計。　

       對於非預期發生的缺貨，系統也可以對每一個品項制定動態的補貨計劃，同時與原材料上游以及下游各個供應鏈的環節串聯，迅速的找出最迅速最低成本的補貨計劃。　此外，這樣的動態規劃環境，也可以生成相關商品的促銷活動設計！ 例如，找出更低的總和成本和更高淨利的”商品銷售組合”等等。 這類型的多維度複雜預測模型，就是AI數位孿生最擅長的領域。

       根據多方的預測，全球數位孿生需求最高的產業就是和製造業相關上下游產業。　到 2032年將達到 1250 億至 1500 億美元．這對投入在供應鏈的服務廠商，和工業工程的專業人員來說，是一大利多！

• 定義目標
  看似很容易的步驟，其實並不容易。要考慮的範圍和場景，以及如何逐步落實的過程都是需要經過多次推導，以及不斷優化的過程！　在開發初期的階段，除了需要量化資源投入和產出的經濟效益之外，還要對未來的供應鏈需要改變的場景做出規劃（Scenario Planning for Changes）。　例如：選擇哪幾個局部的範圍開始導入，導入的順序，或是同時進行、利用設備取代人力的部分有哪些、上下游協力廠商可以配合的程度以及整合的必要性等等。

• 內部團隊的主導性
  此外，在做場景規劃的過程，務必要保有規劃的主導權，要讓公司內部的成員參與。新的技術日新月異，讓自身的團隊在導入的過程當中，就可以參與到技術平台的評估，熟悉未來要改變的內容，就是凝聚共識和對於新場景的培訓最好的過程。

• 模擬系統的建制
  有了生成式AI技術，構建不同場景下的運作模式變得相對容易很多！過去沒有生成式AI的時代，大概就是二選一，三選一。有了生成式AI之後，可以造出更多的模式來進行模擬！所以選擇一個有模擬能力的工具技術平台，可以對不同的運作模式在實施之前做出大量的模擬和調整，以及數據的採集以及數據模型的建立，就是最有經濟效益的期初投入。　　 

 USE CASE 案例

以下根據一個虛擬的議題，如何用LLM工具，  設計一個Digital Twins 的USE CASE 範例 (可以是任何LLM， 以下案例是由CHATGPT生成的) 

USE CASE  

冷凍薯條供應商的即時庫存監控

目的: 

       使冷凍薯條供應商能夠利用人工智慧和數位孿生技術來監控和優化庫存和供應鏈流程，確保美國各地的冷凍薯條供應穩定並減少浪費。

組成:

1. 數位孿生：創建餐廳、區域倉庫、生產工廠和馬鈴薯農場的虛擬複製品。

2. 人工智慧驅動的分析： 整合預測演算法以預測需求和潛在瓶頸。

3. 即時感測器和物聯網設備： 部署感測器來收集有關庫存水準、運輸條件、工廠生產率和農場活動的即時數據。

4. 集中控制中心：基於即時洞察的監控與決策中心。

流程:

1. 資料收集：
   -  餐廳： 支援物聯網的庫存感測器監控冷凍薯條的現場庫存水準。
   -  運輸途中： GPS 和狀態監控設備追蹤冷凍薯條的運輸情況。
   -  倉庫：庫存管理系統記錄區域配送中心的可用庫存。
   -  工廠：生產感測器追蹤產出率和包裝狀態。
   -  農場：智慧農業系統監控種植時間表、生長週期和收穫時間表。

2. 數據整合與視覺化：
   -  人工智慧將所有來源的數據聚合到集中式數位孿生平台。
   -  即時儀表板顯示所有供應鏈節點的庫存水準、運輸狀態和營運指標。

3. 人工智慧驅動的決策輔助：
   -  需求預測：人工智慧根據歷史銷售數據、天氣模式和促銷活動預測未來需求。
   -  供應最佳化： 建議調整生產計畫、運輸路線和庫存分配。
   -  問題檢測： 識別潛在的干擾，例如發貨延誤、工廠設備故障或影響農場的惡劣天氣條件。

4. 決策與行動
   -  向供應鏈經理和營運商發送警報和建議。
   -  盡可能執行自動調整，例如重新分配庫存或重新安排出貨路線。
   -  採取積極措施，例如提高生產力或重新安排收穫時間，以防止短缺。

效果:

- 提高庫存準確性：保持餐廳、倉庫和運輸途中的最佳庫存水準。

- 減少浪費：使生產與即時需求保持一致，以最大限度地減少庫存過剩和損壞。

- 增強供應鏈敏捷性： 快速適應中斷和不斷變化的市場條件。

- 永續性：優化資源利用，減少能源和運輸排放。

應用場景:

       德州的一個地區倉庫顯示，由於附近餐廳的需求高於預期，冷凍薯條的庫存水準正在下降。人工智慧檢測到這一趨勢並識別俄克拉荷馬州倉庫的剩餘庫存。系統會產生警報，並重新安排出貨路線以平衡庫存水準。同時，最近的工廠暫時增加產量，並調整馬鈴薯農場的收穫時間表以滿足補給需求。

未來發展:

       擴展系統以包含更精細的跟踪，例如即時客戶偏好或與行銷活動集成，以進一步增強需求預測和供應鏈效率。

結語

       新技術的發展，也將會在人工智能的催生下，不斷的推陳出新！　根據上面的討論，讀者不難發現，Digital Twins 可以對供應鏈所帶來的效益，跟企業自身對於現有供應鏈的各項數據和可控度是成正比的！　這就是為什麼某些自動化程度高的大型企業，像是Walmart， DHL 都可以很快的導入Digital Twins，而且迅速的產出商業效益。　能以企業的長短期效益最為最重要的考量的技術投入，也許才是不斷創新的最終目的。