数字孪生（DigitalTwin）将是物流业必走的趋势

　　本文作者是编辑部特约撰稿人，曾就职于国际快递公司，担任供应链分析与管理工作，期间游历于各大物流企业与货主企业，学习企业经营理念，并将其融会贯通，自创一派，尔后担任各大企业供应链物流顾问工作，对中国台湾地区物流发展有先进独特的眼光，总是能够洞烛机先，布局未来。近年来，在研究与实践中，不断提出科技趋势与产业创新发展策略，希望能为供应链产业注入活水。
　　根据某知名研究机构2022年6月发布的报告指出，全球数字孪生市场预计从2021年到2030年，将以39。48的年复合增长率持续增长。
　　资料来源：DigitalTwinMarketReport，https：www。researchpe。com，202206
　　简单的说，数字孪生是实体物件的虚拟副本，通过操作这个虚拟副本，可以相当逼真的了解实体运作时的状态，这概念就好像在电玩世界中，操作战机飞行一样。数字孪生之所以自2021年开始快速获得管理者重视，主因来自于新冠肺炎全球大流行、IoT的逐渐普及，以及云端系统的实施成本降低。通过数字孪生做远端的实时管理与模拟，已经是现代管理不可或缺的一部分。
　　在供应链系统中，会有实体流与信息流二大主要流程，实体流的管理重点在于流速与流量的控制，目标是用最有效率的方式，使实体流可以快速在供应链环节中移动，可适时适地适量适质的抵达目的地。
　　在信息流方面，传统的管理重点在于纸本作业数字化、无纸化，使得供应链过程中相关讯息传递可加速与整合，并提高整体供应链各阶段的能见度（visibility），严格地说，传统的信息流就是辅助实体流运作，并没有任何积极的意义。
　　但在IoT加入之后，供应链开始拥有了感官系统，信息流的角色反而变得比实体流更加重要，原因很简单：实体流中的实体本身在生命周期结束后就会消灭，但是伴随的数据信息却可永久保存。
　　数字孪生与传统的模拟（simulation）差异就在于资料的新鲜度。传统的模拟，可能用的是过去几年所累积的旧资料进行推算，且有些运作情境可能原厂根本没有预想过，因此，即拿过去的资料去预测未来，这种做法显然是不准确的。
　　数字孪生则会持续反馈现在正在产生的数据资料，这些资料多来自于实际的设备使用，相当于用现在的资料预测未来，自然可以得到较好的预测结果。此外，实体设备目前的实时运作状态，可以投射到数字孪生上，因此在控制中心的管理者，可远端监控工厂的重要设备；甚至未来有需要安装新设备（例如安装新的机械手臂）时，可先通过新设备的数字孪生模拟运作，确认运作过程不会与其他设备发生碰撞。
　　举例来说，车厂通常会告诉车主，每一万公里就得进行一次汽车保养，这种做法看似没问题，但实际上每个车主用车方法不同，有的人经常开快车、急剎车；有的人经常开高速公路；还有的人大部分只开市区路段，如果所有人都使用每一万公里进行一次保养的话，显然会有问题，针对损耗快的车辆，很可能不到一万公里，刹车片就已磨耗严重。
　　同样的概念，在一座物流中心内，即使同时采购十部仓储叉车，也会因为其使用状况不同而产生不同的损耗，因此使用数字孪生持续追踪每一部仓储叉车的状况，则更加便利。
　　数字孪生对物流业而言，将是必然趋势！试想，如果物流中心内每一组码头升降设施、货运车辆、仓储高位叉车、货梯、空调系统等，都各有一套对应的数字孪生系统，可随时进行仓内监控，在大问题发生之前可先预做处理，物流中心发生意外故障的情况也将大大减少，设备原厂也不需要经常派人进行仓库检修，可降低维修成本，这对双方都十分有益。而当数字孪生累积的数据越来越多之后，设备厂可根据这些信息反馈，做出更好的产品设计。
　　全球第二大飞机引擎制造商罗尔斯罗伊斯（RollsRoyce）近年来也积极建设相关管理平台，为每个出厂的引擎预先产生一组数字孪生，因此可以随时远程监控每个引擎的实时运作状况，并通过搜集到的大数据协助优化引擎运作产生的碳排放量，此外，某个引擎何时该进场保养，该保养哪些项目，更换哪些零件，也不再只是一份静态的使用手册，因为每个引擎的使用状况不同，定制化的保养套餐才能确保引擎的飞航安全，这一切都有赖数字孪生技术。
　　图：飞机引擎与其数字孪生体（来源：Shutterstock）
　　汽车业自2018年开始，就采用数字孪生的方式进行新车设计，使得新车的开发时间缩短至少13，知名汽车品牌路虎是目前全球车厂中，第一个做出数字孪生皮革管理机制的厂商，简单的说，一张皮革从哪一头牛的身上取下，这头牛是哪一个农场所牧养，经过哪一个屠宰场以及皮革厂加工裁切，最后进入到路虎的主机厂，做出了几张皮椅，这张牛皮本身，与其数字化记录的分身，形成一种孪生体（twins）关系，因此，即使实体牛皮已经被分割做成了皮椅，人们仍可通过这张牛皮的数字孪生，了解这张牛皮的整个生命周期历程。
　　当然，如果牛皮可以做出数字分身，那么车上任何零组件，都可运用类似方法追溯原料零组件的数字孪生。甚至一台车从新车出厂到报废整段期间的车辆运作状态，都有一个虚拟的数字孪生在持续记录着。
　　数字孪生对于供应链运作有其效益，举例来说，如果我是车主，我只需要把这台车的数字孪生交给车厂保管，车厂就可了解这台车的使用状况、耗损状况，并在合适的时候通知车辆进场保养。这种做法，一方面可以降低维修成本，使车厂内部的保修、保养排程更有效率；另一方面，也大量节省了车主所花费的时间。在车辆最终申请报废时，通过数字孪生，我们可以预知这台车还有哪些零组件尚可使用，哪些零件必须回收报废，将车辆的回收过程变得更环保、更高效。
　　针对庞大的数字孪生资料的保存、管理，以及预测分析，第三方物流经营者可能无法从中获益。举例来说，DHL或许可以协助配送路虎SUV、F1赛车、BMW摩托车，但是这些车辆的数字孪生还是交给原厂的车厂去管理才更有意义，因为DHL不太可能知道数字孪生会有哪些信息变化，必须提早通知车主。
　　不过，数字孪生的数据是源自各式各样的IoT传感器，传感器难免会发生故障，且需要定期调整校估（就好像磅秤、温度计都需要定期校正），这庞大的传感器维护管理作业，则是物流经营者最有可能的商机之一，因为物流管理者距离终端消费者最近，假设设备原厂在美国，物流管理者则在中国台湾，那么只需要请台湾地区的物流管理者定期检测客户的IoT传感器，然后将这些传感器资料传回美国原厂作分析、模拟即可。
　　物流管理者另一个可能建设的是道路孪生（roadtwin）。众所周知，目前社会对GPS、卫星地图的应用已相当普遍，但路况却不是实时更新的，除了人们一般知道的塞车状况外，还包括道路目前的质量（例如该道路最新的行驶平稳度）、施工状况、气候状况、限速状况等。而且，这些道路数字孪生数据，不只物流公司自己使用，还能对外销售，成为物流业的附带收益。
　　物流车辆经常需要行经各道路，包括高速公路、市区、乡间道路等，通过车上的震动感应器（Gsensor）、油耗感应器、速度感应器，就可以实时反馈某一条道路的路况，这些路况反馈到管理中心会成为大数据，成为后续优化派车路线的依据，可以避免货车途经塞车路段或颠颇路段，提升运输质量，并降低油耗。因此，运输这件事，往后不单纯是从启运点到目的地送达，沿途都可通过车辆感应器全程搜集路况资料。
　　数字孪生要能成功实施，除了云端技术、信息安全技术之外，另一项就是防资料被窜改技术。如果回传的感应器资料可被任意窜改，那么数字孪生就失去意义，好在我们可以通过区块链（blockchain）技术解决此问题。
　　图：仓储系统的数字孪生
　　此外，如果物流中心希望建构数字孪生，那么就需搭配无人机系统进行每日货区的计算机视觉扫描。以图为例，管理者希望在计算机画面中，可以精准看到货区内每个储位实际的占用状态，一般的仓储管理系统或许能知道数量，例如A01储位目前有某个商品共1托盘，但是如果希望更进一步采用视觉化方式，让管理者好像身在储位前方看，就需要使用无人机，针对每日异动过的储位实地拍照，然后转换成3D视觉影像，这些目前都已是可行技术。
　　END
　　文章精选现代物流118期