您有供應鏈數字孿生或數字圖片嗎？
近年來，供應鏈數字孿生的概念已經非常流行。 它本質上是供應鏈的數字模型，旨在為公司數字化和自主地計劃和運營其供應鏈奠定基礎。 數字雙胞胎的要素包括：數據，建模能力，可考慮優化和不確定性的算法技術。 數字孿生還具有另一個特性。 就是說，就像其他雙胞胎一樣，他們具有共同成長和成長的能力。 隨著實際供應鏈的變化，數字供應鏈也需要隨之變化。
後一個特性意味著供應鏈計劃的範式轉變。 這意味著從確定性計劃到概率計劃，從靜態建模到動態表示，從預定義算法到可調整算法以及從定期計劃到事件驅動計劃的轉變。 如果您的供應鏈模型沒有改變，那麼您將擁有供應鏈的數字圖片，而不是數字孿生。 數字雙胞胎還活著，數字圖片已經死了！
讓我們更詳細地研究這些成分。 數據來自交易系統，物聯網，流數據，社交媒體等許多不同的來源。 僅擁有計劃數據會導致靜態建模。 一個簡單的例子就是供應商提前期。 這可能會隨著時間而改變，也可能隨季節而變化。 模型具有靜態值會導致計劃隨時間推移而變得不准確。 數據不僅僅用於建立供應鏈模型； 它也可以部署為檢測不斷發展的趨勢和模式。 此外，數據提供了尋找所需的基本要素 事件的發生和未來事件的預測。 為此，每個來源的數據都可能是相關的，需要對其進行探索以獲得所需的見解。 ML算法具有觀察此類潛在趨勢，然後調用說明性解決方案或僅向用戶尋求幫助來解決問題的能力。 上面提到的第三個要素是模型能夠持續不斷地準確表示供應鏈的能力。 一個相反的例子是電子表格計劃，或者是一個非常粗糙和靜態的供應鏈模型，如 S&OP 型號。
供應鏈的數字化雙胞胎是 供應鏈中的對象：供應商行為，設備容量，設置時間，運營商，客戶訂單對每個供應商的依存關係以及數百萬之多。 因此，屬性和基於屬性的計劃對於表示供應鏈對象的每個屬性都是必不可少的。 產品具有屬性，WIP庫存具有許多屬性，因為它來自流程，設備的質量和精度是屬性，甚至供應商或站點的碳足跡也是屬性。 因此，屬性用於創建供應鏈的數字孿生，並能夠監視其變化模式。 例如，設備的成本或效率可根據季節或使用情況而變化。
綜上所述，能夠執行銷售和運營執行（S&OE） 以及 S&OP。 模型的準確性取決於綜合數據的屬性和可用性，這是智能算法創建不斷適應的數字化和自主式供應鏈運作所需的基礎。
