物流园区可行性研究
从经济、技术、社会、政策进行研究、分析，确定有利不利因素、项目是否可行
服务详细...后COVID-19 时代在供应链中造成了持久的裂痕。在日益全球化、不断提高的客户期望以及两位数的航运增长的背景下， 1供应链组织——不仅是制造商和供应商，还有他们所依赖的仓库和运输商——都面临着压力。他们致力于解决与运营效率、需求预测、库存管理和履行相关的问题。这种复杂性影响着每个行业供应链的每个部分：零售、技术、汽车、工业、食品服务、电信等。其结果是增长停滞并错失收入机会。
多种竞争力量正在对供应链施加压力：消费者对通过快速免费运输提供的低价产品的需求；制造、仓库和送货员工的工资上涨；以及对未来宏观经济混乱的模糊认识。麦肯锡的研究表明，超过 90% 的美国消费者现在期望购买的商品能够在两到三天内送达，三分之一的消费者期望当天送达。 2零售说话：行业的七大要务，麦肯锡和零售行业领袖协会，2021 年 3 月 10 日。
自从疫情扰乱了面对面销售以来，B2B 公司期望其供应商通过在线市场、移动设备、视频会议、和聊天。 3 B2B 销售：随时随地全渠道”，麦肯锡，2021 年 12 月 15 日。
实现这些期望比以往任何时候都更具挑战性。劳动力价格高——包括2020年7月至2024年7月期间仓储工资上涨30%以上4使得在满足利润率的同时维持低价变得困难。制造业劳动力短缺削弱了创造稳定库存流动的能力，而近期通胀等意外经济冲击使需求预测变得复杂。即使供应方运作良好，履行仍然是一个挑战；仓库存储率仍然受到限制，导致产品到达收件人的时间较晚。
数字孪生可以治愈供应链
在这种情况下，不重新调整供应链运营的组织就有落后的风险。数字孪生可以帮助重新校准。领先的公司已经开始向他们寻求帮助，以确保其供应链灵活、敏捷且反应灵敏，足以克服意外中断。
数字孪生是用于模拟潜在情况和结果的对象、系统或过程的虚拟副本。数字孪生使用真实数据（有时以屏蔽或合成形式）来提供分析见解和可视化。许多组织使用数字孪生来优化运营、规划场景和辅助决策。市场分析表明，未来几年全球数字孪生市场每年将以 30% 至 40% 的速度增长，到 2032 年将达到 1,250 亿至 1,500 亿美元。 5
数字孪生可用于对整个供应链中物理和数字流程之间的交互进行建模——从产品构思和制造到仓储和分销，从店内或在线购买到运输和退货。因此，数字孪生清晰地描绘了最佳的端到端供应链流程。更重要的是，与当今预测人工智能的进步相结合，数字孪生可以变得既具有预测性又具有规范性。他们可以预测未来的情景，以建议改进或增长的领域，最终形成自我监控和自我修复的供应链。换句话说，数字孪生使基于启发式的供应链管理能够转变为动态和精细的优化，从而提供价值和绩效泄漏的 360 度视图。
为了了解自我修复供应链在实践中如何运作，让我们看一个示例：零售商使用数字孪生为每个配送中心设置动态 SKU 级安全库存目标，这些目标会随着本地化和季节性需求模式的变化而动态变化。此外，这种精细优化不仅适用于库存管理，还适用于端到端供应链的每个部分——从采购和产品设计到制造和需求预测。例如，零售商的精细生产计划可以与下游运输决策和库存定位相协调来完成。例如，动态规划可能会识别具有交叉销售潜力的大批量商品，其中该商品较高的制造成本通过捆绑运输和更高的客户转化率而被较低的端到端物流成本所抵消。这种类型的复杂预测建模是数字孪生最擅长的。这种情况下的典型结果是，在履行消费者承诺（实现向消费者传达的交货日期）方面提高了 20%，劳动力成本降低了 10%，收入增加了 5%。
数字孪生优化当今的 SCM 软件
当今的供应链管理 (SCM) 软件（包括高级计划和排程 (APS) 工具、仓库管理系统 (WMS) 和运输管理系统 (TMS) 等一系列产品）已实现了供应链的大部分自动化在过去的十年中，极大地简化了供应商、买家和托运人的交互方式。
数字孪生可以与现有的 SCM 工具集成，作为位于技术堆栈之上的创新层。通过这种方式，数字孪生可以优化 SCM 工具中的数据输入，生成预测分析来解决和响应多种潜在场景。例如，一家全球 OEM 创建了数字孪生，以优化其输入 TMS 平台的出库物流政策。结果，OEM 将运费和损坏成本降低了 8%。
数字孪生有助于通过多种方式增强 SCM 工具：
端到端连接：数字孪生可以连接整个供应链的 SCM 工具，以提供绩效和上下游决策影响的综合视图。这消除了一种孤立的方法，即每个工具仅优化其局部变量，而它们之间几乎没有协调。例如，一家零售商使用数字孪生来连接他们的规划、库存部署和运输管理工具。
动态市场的弹性：随着 COVID-19 后波动性持续增加，由于需求波动和间歇性供应冲击（例如港口中断或材料供应），供应链运营商必须不断更新其政策。当与数字孪生相结合时，SCM 工具可以提供对粒度性能的实时可见性，并与预测性和规范性分析相结合，以动态识别风险并建议策略更改以快速解决问题。例如，一家 OEM 使用自动感知和响应数字孪生功能来识别承运人绩效和附加费的变化，从而有效地将最后一英里的运输成本降低了 5%。
多重目标：数字孪生可以跨竞争优先事项和复杂约束进行优化，以快速响应市场变化。例如，一家汽车原始设备制造商使用数字孪生根据供应可用性和运营复杂性的变化动态调整需求，共同解决销售和运营目标。
可变性：数字孪生与 SCM 工具相结合，可以通过分析交货时间、需求和供应商可靠性等指标来测试潜在场景的分布，同时还考虑假设结果。例如，一家消费品包装公司测量了其仓库中的可变需求和劳动力，并发现了将配送中心总成本降低 15% 的机会。这体现了网络弹性。
深入探讨数字孪生
查看数字孪生的实际应用是了解它们如何在供应链关键点创造价值的最佳方式。探索以下潜在用例，了解数字孪生如何解决整个供应链的真正痛点，以提高效率和弹性。
预测和需求计划
预测需求
| 痛点 | 数字孪生用例 |
|
|
采购和生产计划
优化供应
| 痛点 | 数字孪生用例 |
|
|
配送中心网络
网络设计
| 痛点 | 数字孪生用例 |
|
|
库存管理和定位
| 痛点 | 数字孪生用例 |
|
|
仓库优化
| 痛点 | 数字孪生用例 |
|
|
终端客户
履行
| 痛点 | 数字孪生用例 |
|
|
逆向物流
| 痛点 | 数字孪生用例 |
|
|
了解数字孪生的好处
供应链组织正在利用数字孪生来优化其长期战略和日常运营。我们看到供应链公司部署数字孪生的最常见方式是库存定位和预测、管理仓库和工厂四墙内的货物流动以及帮助生产规划。但这些只是在整个供应链中实施数字孪生的几种方式。无论如何使用数字孪生，其好处都是显而易见的：
战略性：数字孪生可以通过模拟潜在结果来消除长期规划和更广泛的数字化转型的风险。这种假设预测模型使公司对其战略计划的端到端影响充满信心。例如，一家零售商使用其分销网络的精细数字孪生来测试其分销中心新设计的自下而上的影响。该公司此前曾使用自上而下的分析来确定潜在的新交叉转运的规模和位置。但是，当团队使用数字孪生模型对跨码头布局的所有潜在限制进行建模时，他们发现可以在不影响功能的情况下调整其大小并重新定位，占地面积减少 50%。
运营：除了为一次性战略决策提供信息之外，数字孪生还可以充当“统治一切的一个模型”，优化不同运营的日常决策。换句话说，数字孪生不是一个脱节的预测模型系统，而是可以结合许多模型来进行集成预测和决策，动态比较整个供应链中的竞争权衡，以建议精细的运营变化。例如，同一家零售商使用其数字孪生不仅优化其配送中心的越库足迹，还优化其日常库存定位决策——预测每周的供应天数政策，以平衡成本、服务水平和可持续性。结果是区域配送中心利用率提高了 10%，履行成本降低了 5%。
数字孪生入门
尽管供应链组织认识到数字孪生可以提供的价值，但很少有人大规模实施它们。与许多即插即用的 SCM 解决方案不同，数字孪生可能需要定制构建才能实施。由于数字孪生通常会获取大量专有、屏蔽或合成数据，因此它们几乎总是定制的，这需要大量时间和投资。供应链组织必须拥有能够构建使用先进人工智能算法的数字孪生的内部数据科学和开发团队，或者与这些领域的外部供应商专家合作。
渴望踏上数字孪生之旅的组织应关注成功的五个关键原则：
北极星路线图：确定基于数据和技术的未来供应链运营的愿景。确定支持北极星愿景的端到端用例，然后通过优先考虑影响（利润和损失或交付）和可行性来构建用例路线图。通常，公司首先会优先考虑具有快速影响力的用例，以便在旅程的早期证明价值。
数据可见性：对于端到端路线图中的每个用例，确定所需的数据输入和输出。为组织的数据产品构建支持用例路线图的补充路线图，优先考虑将在多个高影响力实施中共享的数据元素。通过敏捷开发迭代开发这些数据产品。首先，数字孪生需要半规则的数字化和标准化数据管道，但可以使用更多静态源来填补数据空白，例如仓库的平均吞吐量与每日人员配置水平。
技术架构：数字孪生架构主要由现有数据源和技术组成，通过API和中间件拼接在一起。通常，需要稍微增加计算能力才能支持双胞胎，因此请确保技术团队能够根据需要灵活地扩展当前的计算资源。
人才：评估交付数字孪生所需的团队成员的技能水平，包括产品经理、数据工程师、数据科学家、用户界面/用户体验设计师和全栈开发人员。数字孪生可以通过敏捷方法最有效地实现快速开发周期，因此产品经理可能需要敏捷的技能提升和培训。
优化和模拟：确定公司的第一个数字孪生用例并进行部署。基于数据产品来创建捕获用例影响的优化和模拟模块。然后，迭代扩展用例并组合模块以进行集成模拟和端到端优化。请注意，团队可以在数据产品完成之前开始开发模拟和优化模块，以捕获早期影响，然后稍后集成这些模块。
端到端供应链优化需要的不仅仅是实施技术；它还需要领导层和整个组织的思维方式转变。在内部，使用数字孪生的公司必须努力消除内部孤岛，并用数据驱动的决策取代零碎的机构知识。从外部来看，企业应该仔细分析自己在相互关联的全球供应链中的角色。在日益复杂和互联的世界中，整个供应链的组织可以使用数字孪生来预测潜在的中断以及可能影响其业务的假设场景。没有人能够准确预测下一场流行病、战争或经济冲击，但数字孪生可以帮助企业应对和适应这些可能性。
关于作者
阿尔贝托·奥卡 (Alberto Oca)是麦肯锡亚特兰大办事处的合伙人，劳伦·奥尼尔 (Lauren O'Neil)是该办事处的副合伙人； Alex Cosmas是纽约办事处的合伙人； Cenk Tunasar是波士顿办事处的合伙人； Ketan Shah是芝加哥办事处的合伙人。
