【51CTO.com原創稿件】

“運用物理系統的數字拷貝來進行實時優化” —— Söderberg

對于擁有24個全國物流中心、60個區域物流中心、1105萬平方米倉儲面積的蘇寧來說，提升倉儲運營效率，實現更快的交付，一直是蘇寧物流孜孜不倦的追求。

為了提高倉儲作業效率，業內形成了各種各樣的解決方案。比如說，基于商品的銷量分配揀選位，把最常揀選的商品放在離揀選臺最近的地方;對顧客訂單進行拆分和分組，以減少揀貨時同一個貨架區域的訪問次數;對倉庫進行分區，避免為完成一組揀選訂單需要跑遍整個倉庫。以上這些方法，都立足于減少揀貨員在揀貨時所需行走的距離，從而提高揀貨的效率。

然而，揀貨僅是倉儲活動中的一環。倉儲活動還包括入庫、上架、存儲、補貨、理貨、打包、出庫等諸多環節。事實上，這些環節之間存在著較強的相互影響，對單一環節的提升與優化，有可能會犧牲另一環節的績效，甚至可能造成全局績效的下降。舉個例子，如果商品入庫的時候選擇就近上架，可以提高上架的效率，但可能會造成揀選或補貨效率的下降。

從系統仿真到數字孿生

因而，對倉儲這樣的復雜系統進行優化時，我們需要評估備選的運營策略在系統中運行的效果，而這往往只能通過做實驗的方法進行測試。但在實際系統中做實驗，有可能干擾系統的正常運行，成本較高。此外，倉儲活動的每個環節都有多個策略或算法可以選擇，而每個策略或算法又有不同的參數需要確定，那么可能的組合是非常多的。為了找到最優的策略組合，可能需要做很多實驗，這在實際系統中往往是不可行的。

在這種情況下，系統仿真往往是一種很好的方法。系統仿真通過在系統的模型上做實驗的方法來表現和研究系統的行為或特征，被廣泛應用在包括機械、電氣、化工、水利、生產、物流、交通、通訊、經濟、金融、氣象、環境等各類系統的設計和改善上。

傳統的仿真研究多為針對性的咨詢工作，根據特定的系統，由技術人員進行流程調研和數據分析，人工搭建出對應的仿真模型，再開展仿真實驗，得到優化方案，然后反饋給運營執行。而面對蘇寧全國近百個物流中心，如果按照傳統仿真思路逐一手動搭建仿真模型，不僅初期建模需要耗費大量的人力物力，而且后期的維護成本也會十分巨大。

針對傳統仿真方法的不足，學術界和產業界聯合提出了數字孿生(Digital Twin)的概念。數字孿生一詞的確立可追溯到美國國家航空航天局(NASA)在2010年發布的一份報告[1]，報告中認為其是基于仿真的系統工程的發展方向。此后數字孿生的概念很快風靡了產業界和學術界，最近連續4年被Gartner列為十大戰略發展科技。

數字孿生的定義有很多，筆者比較喜歡的一個是“運用物理系統的數字拷貝來進行實時優化”[2]。這個定義一是闡明了數字孿生是物理系統的數字模型，二是明確了它的作用在于開展系統的實時優化。與傳統的仿真建模方法對比，數字孿生的特點包括：

• 數字孿生中，數字模型是根據采集到的信息由系統自動生成的，而傳統的仿真模型一般是人工開發的。
• 數字孿生反映的是系統的當前狀態和歷史狀態，而傳統的仿真模型通常反映的是系統在一段歷史時間內的整體特征。

蘇寧數字孿生平臺

基于上述理念，蘇寧人工智能研發中心聯合蘇寧物流研究院打造了蘇寧數字孿生平臺。蘇寧數字孿生平臺實現了從物理系統到數字孿生的映射，并根據系統的優化需求自動生成仿真模型，運行仿真實驗，開展仿真優化，并把優化結果反饋到物理系統中，完成物理系統與數字孿生的閉環。

圖 1：蘇寧數字孿生平臺總體構架

蘇寧數字孿生平臺的總體構架如圖1所示。基于系統優化的實際需求考慮，我們并沒有保存物理系統的實時數字鏡像，而是每天定時抽取物理系統的信息，形成物理系統的每日數字孿生快照。當有優化需求時，策略優化器基于人工配置或優化算法，從策略算法庫中選擇一系列策略算法，與選定的數字孿生快照一起，通過仿真模型生成器生成相應的仿真模型，并被注入仿真器中運行仿真實驗。策略優化器會基于仿真實驗的結果，生成新的策略算法組合，進行新一輪的仿真迭代，直到獲得了滿意的優化方案。最優方案中的運營策略會通過系統的前端反饋到系統的運營管理人員，而相應的算法和參數則被接入到生產系統中。

蘇寧數字孿生平臺在大件倉儲中的實踐

經過多年的發展，蘇寧擁有完善的供應鏈和覆蓋全國的倉配物流網絡;相應的，蘇寧數字孿生平臺可在物流和供應鏈的管理與優化中發揮出巨大的價值。在全場景通盤考慮和全鏈路整體規劃的基礎上，我們選擇了在大件倉儲板塊進行數字孿生平臺的率先落地。

(1)生產系統到數字孿生的映射

生產系統到數字孿生的映射包括三個方面的映射：空間映射、流程映射和數據映射。

在空間映射方面，大件倉儲主要體現在倉內設施布局上。考慮到倉內的設施布局很少發生改變，采用IoT技術進行信息采集性價比很低，我們選擇了通過前端可視化界面進行人工錄入的方式生成物理倉庫到數字孿生的空間映射(如圖2所示)。

流程映射方面，我們把大件倉儲作業流程梳理抽象成入庫、揀選、移位三類流程，并形成流程組件庫，供仿真模型生成器調用，支持入庫、上架、揀選、補貨、理貨、出庫等大件倉儲運營全流程。

數據映射主要包括庫存狀態、作業任務和作業資源等信息，這些數據來源于對倉庫管理系統(WMS)和大數據平臺的定時數據交換。

圖 2：空間映射配置界面

(2)倉儲策略和相應算法

構建數字孿生平臺的目的在于開展大件倉儲的運營優化，因此我們在平臺內集成了常見的倉儲運營策略(圖3)，涉及到商品分類、貨位布局、貨位分配、訂單組批、補貨等問題，每類問題有多個策略可以選擇。通過數字孿生平臺，可以人工選定一組策略并指定相應的參數，進行倉儲優化方案的仿真評估;也可以通過仿真優化算法，進行策略和參數的自動選取和優化。

圖 3：常用倉儲運營策略

(3)績效分析和系統可視化

針對大件倉儲，我們主要關注的績效指標包括總作業時長、總作業距離、作業完成時間、每類任務的作業時長和作業距離、每個裝卸隊和每類設備的利用率等。借助數字孿生平臺，我們可以通過仿真獲得備選策略及算法在真實物理系統中運行的績效，并以此確定系統的優化方案。

借助于數字孿生平臺，我們還對物理系統進行了可視化展示。圖4展示的是物理系統中每個倉位的商品所對應的ABC分類，以及每條貨架通道的繁忙程度(由于真實系統的倉位數量相當大，為保證圖片的顯示效果，這里給出的是示意圖)。通過對物理系統的可視化展示，有助于倉內的管理人員和作業人員更加直觀的發現倉內存在的問題以及可以改進之處。

圖 4：揀貨位商品實際分布情況(示意圖)

總結與展望

蘇寧數字孿生平臺首先在大件倉儲板塊進行了落地實施，統籌考慮收貨、入庫、揀貨、集貨、補貨、理貨等倉儲運營全流程，為蘇寧各大件物流中心建議全局優化方案。以南京大件物流中心為例，平臺推薦的策略方案實施后，使倉內的總體作業效率提升15%以上，并在提升效率的同時，合理對各個環節、各個區域的資源投入進行優化配置，使資源投入數量大為降低，實現了倉儲作業提效、降本的目標。

通過數字孿生平臺的研發，我們對數字孿生有了一些新的理解：

(1) 對于很多復雜系統優化場景，實際上沒有必要去建設一個理想下的、與物理系統完全同步的數字孿生?？筛鶕玫膶嶋H需要、當前的技術能力、系統的投入和產出等去選擇合適的數字孿生技術方案，IoT和5G并不是數字孿生的必須。

(2) 數字孿生平臺通過建立物理系統的數字孿生、自主生成仿真模型、提供簡單易用的方案配置界面，改變了仿真優化只能由技術人員開展的局限。與傳統的仿真建模技術相比，數字孿生平臺大幅提升了仿真建模的效率，降低了仿真優化的應用門檻。

數字孿生的應用才剛剛拉開序幕，它將伴隨著人工智能、工業互聯網、虛擬現實等技術的發展而發展，最終融入生產生活的每一個角落，創造出巨大的價值。

[1] Shafto, M., et al. (2010). “Technology Area 12: Draft modeling, simulation, information technology & processing roadmap”. National Aeronautics and Space Administration (NASA).

[2] Söderberg, R., et al. (2017). “Toward a Digital Twin for real-time geometry assurance in individualized production”. CIRP Annals, 66(1), 137–140.

作者簡介：

曹暉，蘇寧科技集團人工智能研發中心運籌優化方向負責人，致力于綜合運用運籌學、統計學、機器學習、系統仿真、大數據等技術方法，建設智能化應用與平臺，實現物流、供應鏈和營銷等領域的數智化。承擔過來自科技部、國家自然科學基金等國家部委的多項科研項目，與多家國內外知名企事業單位在供應鏈管理、智能制造、物流系統優化等領域進行了多項科研合作，在相關領域的國際一流期刊上發表了十多篇學術論文。

【51CTO原創稿件，合作站點轉載請注明原文作者和出處為51CTO.com】