【51CTO.com原創(chuàng)稿件】

“運(yùn)用物理系統(tǒng)的數(shù)字拷貝來進(jìn)行實(shí)時(shí)優(yōu)化” —— Söderberg

對(duì)于擁有24個(gè)全國(guó)物流中心、60個(gè)區(qū)域物流中心、1105萬平方米倉儲(chǔ)面積的蘇寧來說，提升倉儲(chǔ)運(yùn)營(yíng)效率，實(shí)現(xiàn)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(chǔ)作業(yè)效率，業(yè)內(nèi)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(tái)最近的地方;對(duì)顧客訂單進(jìn)行拆分和分組，以減少揀貨時(shí)同一個(gè)貨架區(qū)域的訪問次數(shù);對(duì)倉庫進(jìn)行分區(qū)，避免為完成一組揀選訂單需要跑遍整個(gè)倉庫。以上這些方法，都立足于減少揀貨員在揀貨時(shí)所需行走的距離，從而提高揀貨的效率。

然而，揀貨僅是倉儲(chǔ)活動(dòng)中的一環(huán)。倉儲(chǔ)活動(dòng)還包括入庫、上架、存儲(chǔ)、補(bǔ)貨、理貨、打包、出庫等諸多環(huán)節(jié)。事實(shí)上，這些環(huán)節(jié)之間存在著較強(qiáng)的相互影響，對(duì)單一環(huán)節(jié)的提升與優(yōu)化，有可能會(huì)犧牲另一環(huán)節(jié)的績(jī)效，甚至可能造成全局績(jī)效的下降。舉個(gè)例子，如果商品入庫的時(shí)候選擇就近上架，可以提高上架的效率，但可能會(huì)造成揀選或補(bǔ)貨效率的下降。

從系統(tǒng)仿真到數(shù)字孿生

因而，對(duì)倉儲(chǔ)這樣的復(fù)雜系統(tǒng)進(jìn)行優(yōu)化時(shí)，我們需要評(píng)估備選的運(yùn)營(yíng)策略在系統(tǒng)中運(yùn)行的效果，而這往往只能通過做實(shí)驗(yàn)的方法進(jìn)行測(cè)試。但在實(shí)際系統(tǒng)中做實(shí)驗(yàn)，有可能干擾系統(tǒng)的正常運(yùn)行，成本較高。此外，倉儲(chǔ)活動(dòng)的每個(gè)環(huán)節(jié)都有多個(gè)策略或算法可以選擇，而每個(gè)策略或算法又有不同的參數(shù)需要確定，那么可能的組合是非常多的。為了找到最優(yōu)的策略組合，可能需要做很多實(shí)驗(yàn)，這在實(shí)際系統(tǒng)中往往是不可行的。

在這種情況下，系統(tǒng)仿真往往是一種很好的方法。系統(tǒng)仿真通過在系統(tǒng)的模型上做實(shí)驗(yàn)的方法來表現(xiàn)和研究系統(tǒng)的行為或特征，被廣泛應(yīng)用在包括機(jī)械、電氣、化工、水利、生產(chǎn)、物流、交通、通訊、經(jīng)濟(jì)、金融、氣象、環(huán)境等各類系統(tǒng)的設(shè)計(jì)和改善上。

傳統(tǒng)的仿真研究多為針對(duì)性的咨詢工作，根據(jù)特定的系統(tǒng)，由技術(shù)人員進(jìn)行流程調(diào)研和數(shù)據(jù)分析，人工搭建出對(duì)應(yīng)的仿真模型，再開展仿真實(shí)驗(yàn)，得到優(yōu)化方案，然后反饋給運(yùn)營(yíng)執(zhí)行。而面對(duì)蘇寧全國(guó)近百個(gè)物流中心，如果按照傳統(tǒng)仿真思路逐一手動(dòng)搭建仿真模型，不僅初期建模需要耗費(fèi)大量的人力物力，而且后期的維護(hù)成本也會(huì)十分巨大。

針對(duì)傳統(tǒng)仿真方法的不足，學(xué)術(shù)界和產(chǎn)業(yè)界聯(lián)合提出了數(shù)字孿生(Digital Twin)的概念。數(shù)字孿生一詞的確立可追溯到美國(guó)國(guó)家航空航天局(NASA)在2010年發(fā)布的一份報(bào)告[1]，報(bào)告中認(rèn)為其是基于仿真的系統(tǒng)工程的發(fā)展方向。此后數(shù)字孿生的概念很快風(fēng)靡了產(chǎn)業(yè)界和學(xué)術(shù)界，最近連續(xù)4年被Gartner列為十大戰(zhàn)略發(fā)展科技。

數(shù)字孿生的定義有很多，筆者比較喜歡的一個(gè)是“運(yùn)用物理系統(tǒng)的數(shù)字拷貝來進(jìn)行實(shí)時(shí)優(yōu)化”[2]。這個(gè)定義一是闡明了數(shù)字孿生是物理系統(tǒng)的數(shù)字模型，二是明確了它的作用在于開展系統(tǒng)的實(shí)時(shí)優(yōu)化。與傳統(tǒng)的仿真建模方法對(duì)比，數(shù)字孿生的特點(diǎn)包括：

• 數(shù)字孿生中，數(shù)字模型是根據(jù)采集到的信息由系統(tǒng)自動(dòng)生成的，而傳統(tǒng)的仿真模型一般是人工開發(fā)的。
• 數(shù)字孿生反映的是系統(tǒng)的當(dāng)前狀態(tài)和歷史狀態(tài)，而傳統(tǒng)的仿真模型通常反映的是系統(tǒng)在一段歷史時(shí)間內(nèi)的整體特征。

蘇寧數(shù)字孿生平臺(tái)

基于上述理念，蘇寧人工智能研發(fā)中心聯(lián)合蘇寧物流研究院打造了蘇寧數(shù)字孿生平臺(tái)。蘇寧數(shù)字孿生平臺(tái)實(shí)現(xiàn)了從物理系統(tǒng)到數(shù)字孿生的映射，并根據(jù)系統(tǒng)的優(yōu)化需求自動(dòng)生成仿真模型，運(yùn)行仿真實(shí)驗(yàn)，開展仿真優(yōu)化，并把優(yōu)化結(jié)果反饋到物理系統(tǒng)中，完成物理系統(tǒng)與數(shù)字孿生的閉環(huán)。

圖 1：蘇寧數(shù)字孿生平臺(tái)總體構(gòu)架

蘇寧數(shù)字孿生平臺(tái)的總體構(gòu)架如圖1所示?；谙到y(tǒng)優(yōu)化的實(shí)際需求考慮，我們并沒有保存物理系統(tǒng)的實(shí)時(shí)數(shù)字鏡像，而是每天定時(shí)抽取物理系統(tǒng)的信息，形成物理系統(tǒng)的每日數(shù)字孿生快照。當(dāng)有優(yōu)化需求時(shí)，策略優(yōu)化器基于人工配置或優(yōu)化算法，從策略算法庫中選擇一系列策略算法，與選定的數(shù)字孿生快照一起，通過仿真模型生成器生成相應(yīng)的仿真模型，并被注入仿真器中運(yùn)行仿真實(shí)驗(yàn)。策略優(yōu)化器會(huì)基于仿真實(shí)驗(yàn)的結(jié)果，生成新的策略算法組合，進(jìn)行新一輪的仿真迭代，直到獲得了滿意的優(yōu)化方案。最優(yōu)方案中的運(yùn)營(yíng)策略會(huì)通過系統(tǒng)的前端反饋到系統(tǒng)的運(yùn)營(yíng)管理人員，而相應(yīng)的算法和參數(shù)則被接入到生產(chǎn)系統(tǒng)中。

蘇寧數(shù)字孿生平臺(tái)在大件倉儲(chǔ)中的實(shí)踐

經(jīng)過多年的發(fā)展，蘇寧擁有完善的供應(yīng)鏈和覆蓋全國(guó)的倉配物流網(wǎng)絡(luò);相應(yīng)的，蘇寧數(shù)字孿生平臺(tái)可在物流和供應(yīng)鏈的管理與優(yōu)化中發(fā)揮出巨大的價(jià)值。在全場(chǎng)景通盤考慮和全鏈路整體規(guī)劃的基礎(chǔ)上，我們選擇了在大件倉儲(chǔ)板塊進(jìn)行數(shù)字孿生平臺(tái)的率先落地。

(1)生產(chǎn)系統(tǒng)到數(shù)字孿生的映射

生產(chǎn)系統(tǒng)到數(shù)字孿生的映射包括三個(gè)方面的映射：空間映射、流程映射和數(shù)據(jù)映射。

在空間映射方面，大件倉儲(chǔ)主要體現(xiàn)在倉內(nèi)設(shè)施布局上?？紤]到倉內(nèi)的設(shè)施布局很少發(fā)生改變，采用IoT技術(shù)進(jìn)行信息采集性價(jià)比很低，我們選擇了通過前端可視化界面進(jìn)行人工錄入的方式生成物理倉庫到數(shù)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(chǔ)作業(yè)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(diào)用，支持入庫、上架、揀選、補(bǔ)貨、理貨、出庫等大件倉儲(chǔ)運(yùn)營(yíng)全流程。

數(shù)據(jù)映射主要包括庫存狀態(tài)、作業(yè)任務(wù)和作業(yè)資源等信息，這些數(shù)據(jù)來源于對(duì)倉庫管理系統(tǒng)(WMS)和大數(shù)據(jù)平臺(tái)的定時(shí)數(shù)據(jù)交換。

圖 2：空間映射配置界面

(2)倉儲(chǔ)策略和相應(yīng)算法

構(gòu)建數(shù)字孿生平臺(tái)的目的在于開展大件倉儲(chǔ)的運(yùn)營(yíng)優(yōu)化，因此我們?cè)谄脚_(tái)內(nèi)集成了常見的倉儲(chǔ)運(yùn)營(yíng)策略(圖3)，涉及到商品分類、貨位布局、貨位分配、訂單組批、補(bǔ)貨等問題，每類問題有多個(gè)策略可以選擇。通過數(shù)字孿生平臺(tái)，可以人工選定一組策略并指定相應(yīng)的參數(shù)，進(jìn)行倉儲(chǔ)優(yōu)化方案的仿真評(píng)估;也可以通過仿真優(yōu)化算法，進(jìn)行策略和參數(shù)的自動(dòng)選取和優(yōu)化。

圖 3：常用倉儲(chǔ)運(yùn)營(yíng)策略

(3)績(jī)效分析和系統(tǒng)可視化

針對(duì)大件倉儲(chǔ)，我們主要關(guān)注的績(jī)效指標(biāo)包括總作業(yè)時(shí)長(zhǎng)、總作業(yè)距離、作業(yè)完成時(shí)間、每類任務(wù)的作業(yè)時(shí)長(zhǎng)和作業(yè)距離、每個(gè)裝卸隊(duì)和每類設(shè)備的利用率等。借助數(shù)字孿生平臺(tái)，我們可以通過仿真獲得備選策略及算法在真實(shí)物理系統(tǒng)中運(yùn)行的績(jī)效，并以此確定系統(tǒng)的優(yōu)化方案。

借助于數(shù)字孿生平臺(tái)，我們還對(duì)物理系統(tǒng)進(jìn)行了可視化展示。圖4展示的是物理系統(tǒng)中每個(gè)倉位的商品所對(duì)應(yīng)的ABC分類，以及每條貨架通道的繁忙程度(由于真實(shí)系統(tǒng)的倉位數(shù)量相當(dāng)大，為保證圖片的顯示效果，這里給出的是示意圖)。通過對(duì)物理系統(tǒng)的可視化展示，有助于倉內(nèi)的管理人員和作業(yè)人員更加直觀的發(fā)現(xiàn)倉內(nèi)存在的問題以及可以改進(jìn)之處。

圖 4：揀貨位商品實(shí)際分布情況(示意圖)

總結(jié)與展望

蘇寧數(shù)字孿生平臺(tái)首先在大件倉儲(chǔ)板塊進(jìn)行了落地實(shí)施，統(tǒng)籌考慮收貨、入庫、揀貨、集貨、補(bǔ)貨、理貨等倉儲(chǔ)運(yùn)營(yíng)全流程，為蘇寧各大件物流中心建議全局優(yōu)化方案。以南京大件物流中心為例，平臺(tái)推薦的策略方案實(shí)施后，使倉內(nèi)的總體作業(yè)效率提升15%以上，并在提升效率的同時(shí)，合理對(duì)各個(gè)環(huán)節(jié)、各個(gè)區(qū)域的資源投入進(jìn)行優(yōu)化配置，使資源投入數(shù)量大為降低，實(shí)現(xiàn)了倉儲(chǔ)作業(yè)提效、降本的目標(biāo)。

通過數(shù)字孿生平臺(tái)的研發(fā)，我們對(duì)數(shù)字孿生有了一些新的理解：

(1) 對(duì)于很多復(fù)雜系統(tǒng)優(yōu)化場(chǎng)景，實(shí)際上沒有必要去建設(shè)一個(gè)理想下的、與物理系統(tǒng)完全同步的數(shù)字孿生?？筛鶕?jù)應(yīng)用的實(shí)際需要、當(dāng)前的技術(shù)能力、系統(tǒng)的投入和產(chǎn)出等去選擇合適的數(shù)字孿生技術(shù)方案，IoT和5G并不是數(shù)字孿生的必須。

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

數(shù)字孿生的應(yīng)用才剛剛拉開序幕，它將伴隨著人工智能、工業(yè)互聯(lián)網(wǎng)、虛擬現(xiàn)實(shí)等技術(shù)的發(fā)展而發(fā)展，最終融入生產(chǎn)生活的每一個(gè)角落，創(chuàng)造出巨大的價(jià)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(jiǎn)介：

曹暉，蘇寧科技集團(tuán)人工智能研發(fā)中心運(yùn)籌優(yōu)化方向負(fù)責(zé)人，致力于綜合運(yùn)用運(yùn)籌學(xué)、統(tǒng)計(jì)學(xué)、機(jī)器學(xué)習(xí)、系統(tǒng)仿真、大數(shù)據(jù)等技術(shù)方法，建設(shè)智能化應(yīng)用與平臺(tái)，實(shí)現(xiàn)物流、供應(yīng)鏈和營(yíng)銷等領(lǐng)域的數(shù)智化。承擔(dān)過來自科技部、國(guó)家自然科學(xué)基金等國(guó)家部委的多項(xiàng)科研項(xiàng)目，與多家國(guó)內(nèi)外知名企事業(yè)單位在供應(yīng)鏈管理、智能制造、物流系統(tǒng)優(yōu)化等領(lǐng)域進(jìn)行了多項(xiàng)科研合作，在相關(guān)領(lǐng)域的國(guó)際一流期刊上發(fā)表了十多篇學(xué)術(shù)論文。

【51CTO原創(chuàng)稿件，合作站點(diǎn)轉(zhuǎn)載請(qǐng)注明原文作者和出處為51CTO.com】