從簡單的共存到智能的供應(yīng)鏈生態(tài)系統(tǒng)
在數(shù)字孿生體與人工智能相結(jié)合的幫助下，可以出現(xiàn)一種用于整個物流供應(yīng)鏈網(wǎng)絡(luò)的智能模型。這里我們介紹一下數(shù)字孿生體在物流中的可能應(yīng)用，以及為什么數(shù)字孿生體有可能解鎖人工智能的高級可能性。
數(shù)字孿生體正在進(jìn)入越來越多的行業(yè)，并與人工智能（AI）一起發(fā)揮其潛力。然而，它們尚未在物流行業(yè)中廣泛使用——盡管許多最重要的基本技術(shù)已經(jīng)可用。例如，傳感器被用于跟蹤貨物，物流部門越來越依賴開放的API策略和遷移到云端。物流公司正在應(yīng)用機(jī)器學(xué)習(xí)和高級分析技術(shù)，以優(yōu)化其供應(yīng)鏈，并從歷史運(yùn)輸和運(yùn)營數(shù)據(jù)中獲得新的見解。物流專家還在為倉庫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)字孿生體的理想數(shù)據(jù)基礎(chǔ)。但是，數(shù)字孿生體在物流領(lǐng)域提供了哪些具體的應(yīng)用可能性呢？
用于包裝和容器的數(shù)字孿生體
通過物流網(wǎng)絡(luò)運(yùn)輸?shù)拇蠖鄶?shù)產(chǎn)品都是以某種形式進(jìn)行包裝的。該行業(yè)使用大量的一次性包裝以及專用或通用可重復(fù)使用的容器。包裝和容器的開發(fā)、監(jiān)控和管理給物流行業(yè)帶來了許多挑戰(zhàn)。一方面，由于電子商務(wù)的持續(xù)增長，可以觀察到對包裝和容器的需求不斷增加。另一方面，存在季節(jié)性波動和包裝的整體多樣性。這會導(dǎo)致大量浪費(fèi)，并由于批量利用率低而降低運(yùn)營效率。
通過將材料數(shù)字孿生與計(jì)算機(jī)視覺技術(shù)結(jié)合使用，可以快速創(chuàng)建容器的詳細(xì)模型，并且可以自動檢測潛在的問題，例如凹痕和裂縫。此信息可以與有關(guān)容器移動的歷史數(shù)據(jù)相結(jié)合，以創(chuàng)建數(shù)字孿生，從而影響有關(guān)何時使用、修復(fù)或停用特定容器的決策。此外，將這些數(shù)據(jù)匯總到整個集裝箱群中可以幫助船東就船隊(duì)的規(guī)模和分布做出最佳決策，并確定可能表明潛在問題（如集裝箱故障）的趨勢。數(shù)字孿生體還可用于開發(fā)更堅(jiān)固、更輕便、更環(huán)保的包裝材料，并幫助更有效地管理集裝箱船隊(duì)。
出貨量的數(shù)字化孿生
將容器的內(nèi)容包含在其數(shù)字孿生中是下一個合乎邏輯的步驟。運(yùn)送敏感的高價值產(chǎn)品（如藥品或電子元件）已經(jīng)是常見的做法，這些產(chǎn)品帶有監(jiān)控溫度、沖擊和振動等參數(shù)的傳感器。貨物的數(shù)字孿生體將作為這些傳感器采集數(shù)據(jù)的一種"存儲庫"，并有可能以新的方式使用這些數(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采集的數(shù)據(jù)推斷容器內(nèi)的條件。
結(jié)合產(chǎn)品和包裝數(shù)據(jù)可以幫助公司通過優(yōu)化包裝選擇和容器包裝策略的自動化來提高效率，以最大限度地減少空曠的空間和貨物的污染。
倉庫和調(diào)度中心的數(shù)字孿生
數(shù)字孿生體的另一個令人興奮的應(yīng)用領(lǐng)域出現(xiàn)在倉庫和調(diào)度中心的設(shè)計(jì)、運(yùn)營和優(yōu)化中。倉庫數(shù)字孿生體通過將設(shè)施的3D模型與物聯(lián)網(wǎng)數(shù)據(jù)以及庫存和運(yùn)營數(shù)據(jù)（例如物品的大小，數(shù)量和需求特征）相結(jié)合，可以支持新設(shè)施的設(shè)計(jì)和布局，以便通過模擬產(chǎn)品，人員和材料的移動來優(yōu)化空間利用率。數(shù)字孿生體還可以在倉庫運(yùn)營期間使用來自自動化技術(shù)的數(shù)據(jù)進(jìn)行更新，例如基于無人機(jī)的庫存盤點(diǎn)系統(tǒng)，無人駕駛運(yùn)輸系統(tǒng)，甚至自動存儲和檢索設(shè)備。然后，這些數(shù)字孿生體可用于進(jìn)一步優(yōu)化這些自動化系統(tǒng)的性能。
總而言之，數(shù)字孿生體可用于通過識別綜合數(shù)據(jù)（從庫存、設(shè)備和人員的移動到識別和消除倉庫運(yùn)營中的浪費(fèi)（例如揀選錯誤））來持續(xù)提高倉庫和調(diào)度中心的績效。在實(shí)時操作中進(jìn)行更改之前，可以使用仿真來測試和評估更改布局和流程或引入新設(shè)備的潛在影響。特別是在預(yù)計(jì)數(shù)量和庫存組合會快速變化的領(lǐng)域（例如，在電子商務(wù)行業(yè)中），數(shù)字孿生可以通過動態(tài)優(yōu)化流程（從存儲位置和人員配備到設(shè)備分配）提供支持。
數(shù)字孿生和人工智能
數(shù)字孿生體的真正繁榮來自人工智能及其預(yù)測能力。過去，以數(shù)字方式創(chuàng)建空間模型令人興奮，但只不過是靜態(tài)可視化對象的一種方式。今天，我們從傳感器、歷史性能和行為輸入中獲得的所有數(shù)據(jù)都可以鏈接到空間模型，并通過改變不同的輸入來預(yù)測未來的行為。事實(shí)上，數(shù)據(jù)和預(yù)測功能使空間模型栩栩如生。
數(shù)字孿生的第一個優(yōu)點(diǎn)是能夠生成模擬數(shù)據(jù)。虛擬環(huán)境可以承受無限數(shù)量的重復(fù)和場景。然后，生成的模擬數(shù)據(jù)可用于訓(xùn)練AI模型（例如，作為AI開發(fā)平臺的一部分）。通過這種方式，可以向AI系統(tǒng)教授潛在的現(xiàn)實(shí)世界條件，否則這些條件可能很少見或仍處于測試階段。
Cloudflight AI開發(fā)平臺通過完全集成的工作流程系統(tǒng)，基于來自數(shù)字孿生體的模擬數(shù)據(jù)，能夠高效訓(xùn)練AI模型。
第二個優(yōu)點(diǎn)是可以計(jì)劃和測試新功能。數(shù)字孿生體應(yīng)該描繪現(xiàn)實(shí)——但它也可以提供對未來的一瞥。是否應(yīng)該對新的倉庫和調(diào)度中心進(jìn)行投資？還是正在考慮機(jī)器學(xué)習(xí)來增強(qiáng)新的數(shù)據(jù)操作？這樣做的最大好處是：您可以虛擬創(chuàng)建未來的世界并測試各種場景。測試可以根據(jù)需要進(jìn)行優(yōu)化和多次運(yùn)行，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，將通過獲得更準(zhǔn)確的數(shù)據(jù)和預(yù)測以及理解可視化和非結(jié)構(gòu)化數(shù)據(jù)，使過程更加智能。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，而且還為優(yōu)化流程創(chuàng)造了新的可能性。
數(shù)字孿生體開啟AI的高級可能性
如今，大多數(shù)機(jī)器學(xué)習(xí)都是監(jiān)督學(xué)習(xí)——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)中找到不可預(yù)見的模式。其中之一被稱為強(qiáng)化學(xué)習(xí)，即無監(jiān)督模型在給定（模擬）環(huán)境中采取行動時從獎勵中學(xué)習(xí)。
然而，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)模型也需要大量經(jīng)驗(yàn)才能變得有效。舉個例子：OpenAI Five神經(jīng)網(wǎng)絡(luò)需要180年的有效訓(xùn)練時間。
到目前為止，許多現(xiàn)代強(qiáng)化學(xué)習(xí)只在游戲中起作用，因?yàn)樵诂F(xiàn)實(shí)生活中不可能有重復(fù)的數(shù)量。在數(shù)字孿生環(huán)境中，您可以在不不斷中斷系統(tǒng)的情況下重復(fù)場景或進(jìn)行測試，以便強(qiáng)化學(xué)習(xí)代理可以找到獲得獎勵的新方法。在實(shí)踐中，這一程序可以得到很好的確立。例如，作為一種優(yōu)化物流網(wǎng)絡(luò)的方法，從而在性能方面遠(yuǎn)遠(yuǎn)超過傳統(tǒng)的優(yōu)化算法。
智能供應(yīng)鏈生態(tài)系統(tǒng)
倉儲和調(diào)度中心僅占整個物流基礎(chǔ)設(shè)施的一小部分。貨物從源頭到目的地的流動取決于各種元素的編排，包括船舶，卡車、火車和飛機(jī)，訂單和信息系統(tǒng)，最重要的是人。這種復(fù)雜的多方利益相關(guān)者環(huán)境可以在貨運(yùn)機(jī)場和集裝箱港口等主要全球物流樞紐得到最清晰的分析。在這些設(shè)施中，不完善的信息共享系統(tǒng)目前加劇了高效運(yùn)營的挑戰(zhàn)，其中許多參與者依賴于容易出錯的離線流程。
在數(shù)字孿生體與人工智能相結(jié)合的幫助下，可能會出現(xiàn)整個供應(yīng)鏈網(wǎng)絡(luò)的智能模型，以及所有合作伙伴同時提供信息，以提高其供應(yīng)鏈的透明度。這樣做的基礎(chǔ)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)化的外部數(shù)據(jù)（例如，來自物聯(lián)網(wǎng)和社交媒體應(yīng)用程序以及客戶數(shù)據(jù)）。
作為DTDL接口編寫的典型模型的示例模型代碼。該模型描述了行星，每個行星都有一個名稱，質(zhì)量和溫度。
實(shí)現(xiàn)這一目標(biāo)的一個重要先決條件是來自不同生態(tài)系統(tǒng)的數(shù)字孿生體之間的通信和信息交換的標(biāo)準(zhǔn)化，例如，微軟正在嘗試使用數(shù)字孿生定義語言（DTDL），這是一種基于JSON-LD的語言。
總之，數(shù)字孿生體和人工智能將在未來優(yōu)化物流網(wǎng)絡(luò)方面發(fā)揮決定性的競爭優(yōu)勢。
