在供应链中，网络供货的准时率、可定制的供货方案和成本之间存在最佳平衡，但要实现这一平衡，您需要凭借洞察力来做出正确决策。Molex莫仕最近发表的一篇博客文章概述了物流网建模和优化，如何帮助您获得该洞察力；通过对运输方案的各种调整的了解，进而帮助您优化供货网的表现。但是，该建模和优化过程的基础是什么呢？

进行准确网络建模和优化的一个关键先决条件是Molex莫仕供应链布局和产品流数字模型，这两者被称为数字孪生（Digital twin）。数字孪生是“现实世界实体和过程的虚拟表示，该表示按照指定的频次和真实度与现实世界进行同步。“数字孪生的目的是实现以下三大价值：

•  通过更好地了解整体情况、优化决策和采取有效行动来实现业务转型。

• 使用实时和历史数据来呈现过去和现在的情况，并模拟和预测未来。

• 通过结果来激励数字孪生，根据用例对其进行定制，通过整合来促进数字孪生，以数据为基础构建数字孪生，借助专业知识来指导数字孪生，并在信息技术（IT）和运营技术（OT）系统中实施数字孪生。

数字孪生可以帮助您进行决策，使您能够通过在基准模型上创建不同场景来测试各种方案，进而选择最佳供货网的配置。您可以对设计的网络运输方案进行调整，以降低成本，提高准时交货率并改进客户体验。数字孪生的独特之处在于，它能帮助您评估交货成本、速度和敏捷性，并帮助您在潜在的长期战略投资/撤资决策之间做出权衡。

在供应链中，网络准时性、可定制交货选项和成本之间存在着最佳平衡，但要实现这一平衡，就需要有驱动正确决策的洞察力。Molex 莫仕最近的一篇博客概述了网络建模和优化如何提供洞察力，以了解不同的变化将如何影响网络性能。但这一过程的基础是什么呢？

精确网络建模和优化的关键之一是 Molex 莫仕供应链足迹和产品流的数字模型，称为数字孪生。数字孪生是“真实实体和流程的虚拟呈现，以特定频率和保真度进行同步”。该定义围绕三个主要的价值主张： 

• 通过加快整体理解、优化决策和有效行动，实现业务转型。 

• 使用实时数据和历史数据来代表过去和现在，并模拟预测未来。 

• 通过成果激励数字孪生，根据用例定制数字孪生，通过集成为数字孪生提供动力，通过数据构建数字孪生，通过领域知识指导数字孪生，并在信息技术 (IT) 和运营技术 (OT) 系统中实施数字孪生。 

通过数字孪生系统，您可以获得一种决策支持能力，从而通过在基线模型上创建不同的方案来测试可选性，并选择最佳的供应网络配置。可以对设计进行调整，以降低成本、提高准时交货绩效和改善客户体验。它还能对交货成本与速度、灵活性以及潜在的长期战略性投资/撤资决策之间的权衡进行独特的评估。

产生的成本和收入信息也可以包含在数字孪生模型中，以衡量与基准相比特定决策的优劣，尤其是在运费很高的情况下。例如，我们的团队成员可以更深入地研究物流费用高的产品，并可能会发现，这些特定产品是空运产品。然后，他们可以调查为何采用空运？背后的根本原因是什么？是否是因为在供货方面存在限制因素？产品运输可否改为海运？数字孪生系统允许相关人员在做出每项决策之前模拟该决策产生的影响。

网络优化也会得益于数字孪生，数字孪生系统支持检查特定产品和产品系列的生产布局，并通过基准场景作为参照来测试不同场景，进而优化生产布局。我们的团队成员可利用数字孪生来做决策：假设公司计划迁移产品的生产地，那么该决定会对成本产生什么影响？同时团队成员生产地点的变化将如何影响整个供货网络，包括对客户交货敏感性的影响。供应网络的影响最终会不会导致成本效益难以为继？数字孪生揭示了这些问题和其它问题的答案。

Molex莫仕一旦构建了其数字孪生来检查部分供货网络，就可以对网络进行拓展，以考虑建立其它连接和应对突发事件。如果最初的工作集中在考虑从工厂到客户之间的各种运输方案，那么该工作也可以扩大到原材料。在情景规划中，可以考虑更多采购地点和枢纽，以及额外的风险和成本效益。我们可以检查供货网络的每个组成部分，并模拟采用不同决策后出现的场景，以及这些不同决策如何改变整体运营情况。可以在模型中考虑全局风险以便制定应急计划，并对带来的成本效率变化进行评估，以真正了解应急计划的价值。数字孪生其实就是供货网络的数字版本，它可以呈现各种可能的场景，您可以通过剔除不利场景来避免其对现实世界的负面影响。

在一个必须以最具成本效益的方式实现准时交货的世界中，全球供应链需要有能力预测未来。数字孪生就是这种预测工具，使我们能够将变更决策付诸实施前，看到该变更将会对供货网带来什么影响。这就是为什么Molex莫仕要投资于支持数字孪生功能的技术和专业技能。这些数字孪生模型都是网络优化过程的一部分，随着时间的推移，最终会提升准时交货表现。数字孪生模型是各行各业的强大工具，可确保像Molex莫仕这样的企业能够为即将到来的供货网络挑战做好准备。

数字孪生将软件分析与空间网络图整合在一起，创造出一个栩栩如生的生态系统数字模型（如供应网络），可随其对应实体的变化而动态更新和变化。以 Molex 莫仕全球物流团队如何提高 Molex 莫仕供应链 HUB 网络的可见性和决策能力为例，说明数字孪生在供应领域的应用。在这种情况下，我们开发了“数字孪生”来绘制网络分布图，并定义产品如何从制造工厂一路运送到客户手中。其目标是解决供应网络中断所带来的挑战，并通过提供流映射和所产生的成本等信息，实现围绕这些挑战的快速决策——而所有这一切一键即可搞定。数字孪生有助于快速提取这些信息，供 Molex 莫仕各部门的关键人员使用，从而确保准时交货，并快速有效地与客户沟通。 

通过基线建模，可以确定特定制造工厂所有产品的历史数据，并在产品通过枢纽或直接到达客户手中时对其进行跟踪。通过从数据湖中提取信息，可以复制产品的历史流。通过利用包括发货方式在内的发货数据，可以开发自动工作流来构建“孪生”。  

如果工厂发生中断，数字孪生提供的洞察力可以突出显示哪些产品受到影响，包括其中一些产品可能会对后期的成品产生怎样的影响，并预测对客户计划发货的任何干扰。这种可见性有助于评估原材料的可用性以及其他工厂的能力和产能，以确定网络中的其他可用方案，从而克服中断问题，确保准时交货。  

产生的成本和收入也可纳入数字孪生模型，以衡量特定决策相对于基线相比的成效，特别是在运费较高的情况下。例如，我们的团队成员可以深入研究物流成本较高的产品，可能会发现这些特定产品是通过空运发货的。然后，他们就可以检查这种选择性背后决策过程的根本原因。是供应方面的限制因素导致了这一决策吗？ 这些产品可以海运而不是空运吗？ 这样就可以在做出决策之前，对每项决策的影响进行“摸底”。

数字孪生还能检查特定产品、产品家族或系列的足迹，并通过对照基线测试不同方案来优化足迹，从而促进网络优化。比方说，产品将在不同的地点生产。我们的团队成员利用“数字孪生”来确定该决策对节约成本的影响，同时也确定足迹变化将如何影响整个网络，包括客户交货敏感性。网络影响是否会最终导致成本效益无法维持？ 数字孪生揭示了这些及其他答案。 

一旦 Molex 莫仕建立了“数字孪生”来检查网络的某个部分，就可以对其进行扩展，以考虑更多的连接和意外情况。如果最初的工作集中于检查从制造商到客户的这一过程，那么还可以考虑将其扩展到原材料。作为场景规划的一部分，可以考虑更多的采购和枢纽，以及更多的风险和成本效益。我们可以检查网络的每一个组成部分，并“模拟”不同的决策，以及这些决策可能会如何改变整个运营情况。可以在模型中纳入“全球风险”，以支持应急计划，还可以对建议的成本效益变更进行评估，以真正了解其价值。事实上，数字孪生只是网络的一个数字拷贝，因此可以在避免现实世界负面影响的同时，演绎出各种各样的场景。  

在一个必须以最具成本效益的方式实现准时交货的世界里，全球供应链需要具备预测未来的能力。数字孪生就可以赋予我们这样一种预测能力，它能让我们在实际实施网络变革之前就看到这些变革的后果。这就是 Molex 莫仕投资于支持数字孪生能力的技术和专业知识的原因。这些数字孪生模型都是网络优化过程的一部分，最终将随着时间的推移而提高准时交货绩效。 数字孪生已成为各行各业所信赖的强大工具，它可以让诸如 Molex 莫仕这样的企业做好充足准备，应对可能出现的供应网络挑战。