Digital Twins

        運(yùn)用

　　隨著目前越來越高的客戶滿意度要求，為了更好的滿足客戶需求，增加公司的市場(chǎng)知名度，存在感以進(jìn)一步占領(lǐng)市場(chǎng)，我們的供應(yīng)鏈網(wǎng)絡(luò)變得越來越復(fù)雜。

　　復(fù)雜的供應(yīng)鏈，通常存在比較差的可見性，對(duì)供應(yīng)鏈的低可見性，可能會(huì)產(chǎn)生負(fù)面影響對(duì)組織核心業(yè)務(wù)的影響。然而，業(yè)務(wù)依然要求我們預(yù)知可能發(fā)生的，提前避免風(fēng)險(xiǎn)，低可見性卻要求高預(yù)知性，顯然是不可能的。

　　數(shù)字孿生-Digital Twins可以提高可見性，我們可能在以下方面獲得好處：改進(jìn)物理資產(chǎn)的分析、診斷、預(yù)測(cè)和描述的指標(biāo)。

　　在數(shù)字孿生和人工智能的幫助下，可能會(huì)出現(xiàn)整個(gè)物流供應(yīng)鏈網(wǎng)絡(luò)的智能模型。以下講描述數(shù)字雙胞胎在物流中的可能應(yīng)用，以及為什么數(shù)字雙胞胎具有釋放AI先進(jìn)可能性的潛力。拓展思路，準(zhǔn)備未來。（來源：Digital twins and Artificial Intelligence in logistics（J?rn Petereit））

　　數(shù)字孿生和人工智能

　　數(shù)字孿生正在進(jìn)入越來越多的行業(yè)，并與人工智能（AI）一起開發(fā)其全部潛力。但是，盡管許多最重要的基本技術(shù)已經(jīng)得以運(yùn)用，但它們尚未在整個(gè)物流行業(yè)中廣泛使用。比如，目前傳感器被用于跟蹤貨物，物流部門越來越依賴開放 API 策略和遷移到云。物流公司正在應(yīng)用機(jī)器學(xué)習(xí)和高級(jí)分析技術(shù)，以優(yōu)化其供應(yīng)鏈并從歷史運(yùn)輸和運(yùn)營(yíng)數(shù)據(jù)中獲得新見解。物流專家還在為倉(cāng)庫(kù)揀選和車輛裝載等任務(wù)實(shí)施增強(qiáng)、混合和虛擬現(xiàn)實(shí)應(yīng)用程序。總而言之，這是在物流領(lǐng)域創(chuàng)建數(shù)字孿生的理想數(shù)據(jù)基礎(chǔ)。但是數(shù)字孿生在物流領(lǐng)域提供了哪些具體的應(yīng)用可能性？

　　在包裝和貨柜領(lǐng)域的運(yùn)用

　　大多數(shù)通過物流網(wǎng)絡(luò)運(yùn)輸?shù)漠a(chǎn)品都采用某種形式的包裝。我們使用大量一次性包裝以及專用或通用可重復(fù)使用容器。包裝和容器的開發(fā)，監(jiān)視和管理對(duì)物流部門提出了許多挑戰(zhàn)。一方面，由于電子商務(wù)的持續(xù)增長(zhǎng)，可以看到對(duì)包裝和容器的需求不斷增加（不僅是從COVID-19開始）。另一方面，存在季節(jié)性波動(dòng)和包裝種類繁多。由于容量利用率低，這會(huì)導(dǎo)致大量浪費(fèi)并降低運(yùn)營(yíng)效率。

　　通過結(jié)合使用數(shù)字孿生和計(jì)算機(jī)視覺技術(shù)，可以快速創(chuàng)建容器的詳細(xì)模型，并可以自動(dòng)檢測(cè)到諸如凹痕和裂縫之類的潛在問題。可以將這些信息與有關(guān)容器運(yùn)動(dòng)的歷史數(shù)據(jù)結(jié)合起來，以創(chuàng)建一個(gè)數(shù)字孿生子，該孿生子將影響有關(guān)何時(shí)應(yīng)該使用，維修或報(bào)廢某個(gè)特定容器的決定。此外，在整個(gè)集裝箱船隊(duì)中匯總此類數(shù)據(jù)可以幫助船東對(duì)船隊(duì)的大小和分布做出最佳決策，并確定可能的諸如集裝箱故障等潛在問題的趨勢(shì)。數(shù)字孿生還可用于開發(fā)更堅(jiān)固、更輕、更環(huán)保的包裝材料，并幫助更有效地管理集裝箱車隊(duì)。

        在貨運(yùn)領(lǐng)域的運(yùn)用

　　下一步將是在數(shù)字雙胞胎中包含容器的內(nèi)容。運(yùn)送敏感的高價(jià)值產(chǎn)品（例如藥品或電子組件）時(shí)，已經(jīng)裝有監(jiān)視溫度，沖擊和振動(dòng)等參數(shù)的傳感器，這已經(jīng)是常見的做法。裝運(yùn)中的數(shù)字孿生體將充當(dāng)這些傳感器收集的數(shù)據(jù)的“存儲(chǔ)庫(kù)”，并有可能以新的方式使用此數(shù)據(jù)。例如，包含包裝的隔熱和減震特性的模型可以允許從外部傳感器收集的數(shù)據(jù)推斷出容器內(nèi)部的狀況。

　　結(jié)合產(chǎn)品和包裝數(shù)據(jù)可以通過優(yōu)化包裝選擇和容器包裝策略的自動(dòng)化來幫助公司提高效率，從而最大程度地減少空余空間和裝運(yùn)污染。

　　在倉(cāng)儲(chǔ)的運(yùn)用

　　數(shù)字孿生的另一個(gè)激動(dòng)人心的應(yīng)用領(lǐng)域出現(xiàn)在倉(cāng)庫(kù)和調(diào)度中心的設(shè)計(jì)，運(yùn)營(yíng)和優(yōu)化中。倉(cāng)庫(kù)數(shù)字雙胞胎可以通過將設(shè)施的3D模型與IoT數(shù)據(jù)以及庫(kù)存和運(yùn)營(yíng)數(shù)據(jù)（例如物品的大小，數(shù)量和需求特征）相結(jié)合來支持新設(shè)施的設(shè)計(jì)和布局，從而通過模擬來優(yōu)化空間利用率產(chǎn)品，人員和材料的移動(dòng)。數(shù)字孿生還可以在倉(cāng)庫(kù)運(yùn)營(yíng)期間使用來自自動(dòng)化技術(shù)的數(shù)據(jù)進(jìn)行更新，例如基于無人機(jī)的庫(kù)存盤點(diǎn)系統(tǒng)、無人駕駛運(yùn)輸系統(tǒng)，甚至自動(dòng)存儲(chǔ)和檢索設(shè)備。這些數(shù)字雙胞胎可用于進(jìn)一步優(yōu)化這些自動(dòng)化系統(tǒng)的性能。

　　總而言之，數(shù)字孿生可用于通過識(shí)別全面的數(shù)據(jù)來不斷提高倉(cāng)庫(kù)和調(diào)度中心的績(jī)效-從庫(kù)存，設(shè)備和人員的流動(dòng)到倉(cāng)庫(kù)運(yùn)營(yíng)中的識(shí)別和消除浪費(fèi)（例如，揀選錯(cuò)誤）。在實(shí)際操作中進(jìn)行更改之前，可以使用模擬來測(cè)試和評(píng)估更改布局和流程或引入新設(shè)備的潛在影響。尤其是在預(yù)計(jì)數(shù)量和庫(kù)存結(jié)構(gòu)會(huì)快速變化的區(qū)域（例如，在實(shí)現(xiàn)電子商務(wù)方面），數(shù)字雙胞胎可以通過動(dòng)態(tài)優(yōu)化流程（從存儲(chǔ)位置和人員配備到設(shè)備分配）來提供支持。

        數(shù)字孿生和人工智能

　　數(shù)字孿生的真正繁榮來自于AI及其預(yù)測(cè)能力。過去，以數(shù)字方式創(chuàng)建空間模型非常令人興奮-但僅是一種靜態(tài)可視化對(duì)象的方法。今天，我們從傳感器，歷史性能以及行為輸入中獲得的所有數(shù)據(jù)都可以鏈接到空間模型，并通過更改不同的輸入來預(yù)測(cè)未來的行為。事實(shí)上，數(shù)據(jù)和預(yù)測(cè)能力使空間模型栩栩如生。

　　數(shù)字孿生的第一個(gè)優(yōu)勢(shì)是能夠生成模擬數(shù)據(jù)。虛擬環(huán)境可能會(huì)受到無數(shù)次重復(fù)和場(chǎng)景的影響。然后可以將生成的模擬數(shù)據(jù)用于訓(xùn)練AI模型（例如，作為AI開發(fā)平臺(tái)的一部分）。這樣，可以向AI系統(tǒng)學(xué)習(xí)潛在的現(xiàn)實(shí)條件，否則這些條件可能很少發(fā)生或仍處于測(cè)試階段。

　　第二個(gè)優(yōu)點(diǎn)是可以計(jì)劃和測(cè)試新功能。數(shù)字雙胞胎應(yīng)該描繪現(xiàn)實(shí)——但它也可以提供對(duì)未來的一瞥。是否應(yīng)該在新的倉(cāng)庫(kù)和配送中心進(jìn)行投資？還是正在考慮使用機(jī)器學(xué)習(xí)來增加新的數(shù)據(jù)操作？這樣做的最大好處是：您可以虛擬地創(chuàng)建明天的世界并測(cè)試各種場(chǎng)景。可以對(duì)測(cè)試進(jìn)行優(yōu)化，并根據(jù)需要運(yùn)行多次，以找到最佳解決方案。

　　最后，將機(jī)器學(xué)習(xí)添加到工業(yè)過程中將通過獲取更準(zhǔn)確的數(shù)據(jù)和預(yù)測(cè)以及理解視覺和非結(jié)構(gòu)化數(shù)據(jù)來使過程更智能。將機(jī)器學(xué)習(xí)集成到工作流程中不僅為發(fā)現(xiàn)數(shù)據(jù)中以前看不見的模式提供了機(jī)會(huì)，而且還為優(yōu)化流程創(chuàng)造了新的可能性。

　　如今，大多數(shù)機(jī)器學(xué)習(xí)都是監(jiān)督學(xué)習(xí)。該模型從標(biāo)記的示例中學(xué)習(xí)。還有其他形式的學(xué)習(xí)，可以在數(shù)據(jù)中找到無法預(yù)料的模式。其中一種被稱為強(qiáng)化學(xué)習(xí)，即無監(jiān)督模型在給定（模擬）環(huán)境中采取行動(dòng)時(shí)從經(jīng)驗(yàn)中學(xué)習(xí)。

　　但是，在大多數(shù)廣為人知的強(qiáng)化學(xué)習(xí)案例中，這些條件在現(xiàn)實(shí)世界中是不可能的。即使是最先進(jìn)的強(qiáng)化學(xué)習(xí)模型也需要大量的經(jīng)驗(yàn)才能變得有效。舉個(gè)例子：開放智能五神經(jīng)網(wǎng)絡(luò)系統(tǒng)需要180年的有效時(shí)間來進(jìn)行訓(xùn)練。

　　到目前為止，大部分現(xiàn)代強(qiáng)化學(xué)習(xí)僅在游戲中有效，因?yàn)樵诂F(xiàn)實(shí)生活中不可能有大量的重復(fù)。在數(shù)字雙胞胎環(huán)境中，您可以重復(fù)場(chǎng)景或進(jìn)行測(cè)試，而無需不斷中斷系統(tǒng)，以便強(qiáng)化學(xué)習(xí)代理可以找到獲得經(jīng)驗(yàn)的新方法。在實(shí)踐中，這個(gè)程序可以很好地建立起來。例如，作為一種優(yōu)化物流網(wǎng)絡(luò)的方法，因此在性能方面遠(yuǎn)遠(yuǎn)超過了傳統(tǒng)的優(yōu)化算法。

　　倉(cāng)儲(chǔ)和調(diào)度中心僅占整個(gè)物流的一小部分。貨物從源頭到目的地的流動(dòng)取決于各種要素的編排，包括船舶，卡車和飛機(jī)，訂單和信息系統(tǒng)，尤其是人員。可以在主要的全球物流樞紐（例如貨運(yùn)機(jī)場(chǎng)和集裝箱港口）最清晰地分析這種復(fù)雜的，多方利益相關(guān)者的環(huán)境。在這些設(shè)施中，目前不完善的信息共享系統(tǒng)加劇了高效運(yùn)營(yíng)的挑戰(zhàn)，其中許多參與者依賴于容易出錯(cuò)的離線流程。

　　借助數(shù)字雙胞胎與AI的結(jié)合，可以形成整個(gè)供應(yīng)鏈網(wǎng)絡(luò)的智能模型，并為所有合作伙伴同時(shí)提供信息，以提高其供應(yīng)鏈的透明度。其基礎(chǔ)將是使用所有內(nèi)部和外部數(shù)據(jù)來控制供應(yīng)鏈以及訪問非結(jié)構(gòu)化外部數(shù)據(jù)（例如，從IoT和社交媒體應(yīng)用程序以及客戶數(shù)據(jù)）。

　　一個(gè)重要的先決條件是來自不同生態(tài)系統(tǒng)的數(shù)字孿生之間的通信和信息交換的標(biāo)準(zhǔn)化，例如，微軟正在嘗試使用基于JSON-LD的數(shù)字孿生定義語言（DTDL）。

　　未來，數(shù)字孿生和人工智能將在優(yōu)化物流網(wǎng)絡(luò)方面發(fā)揮決定性的競(jìng)爭(zhēng)優(yōu)勢(shì)。