【.com原创文章】《利用实体系统的数字化副本进行实时优化》——索德堡拥有24个全国物流中心、60个区域物流中心、1105万平方米对于拥有超大仓储面积的苏宁来说，提升仓储作业效率、实现更快的配送一直是苏宁物流孜孜不倦的追求。为了提高仓储作业的效率，业界形成了各种解决方案。例如，根据产品销量分配拣选位置，将拣选频率最高的产品放置在离拣选台最近的位置；对客户订单进行拆分分组，减少拣货时对同一货架区域的访问次数；分区避免了需要遍历整个仓库来完成一组拣货单。以上方法都是基于减少拣货员在拣货时需要行走的距离，从而提高拣货效率。然而，拣选只是仓库活动的一部分。仓储活动还包括入库、上架、仓储、补货、理货、包装、发货等诸多环节。事实上，这些环节之间有着很强的相互影响。单个链路的改进和优化可能会牺牲另一个链路的性能，甚至可能导致整体性能下降。例如，如果在入库时选择将货物放在最近的货架上，可以提高上架效率，但可能会导致拣货或补货效率下降。从系统仿真到数字孪生因此，在优化仓储等复杂系统时，我们需要评估系统中备选运营策略的效果，这只能通过实验来检验。但是在实际系统中做实验可能会干扰系统的正常运行，成本比较高。此外，仓储活动的每个环节都有多种策略或算法可供选择，每种策略或算法都有不同的参数需要确定，因此有多种可能的组合。为了找到最优的策略组合，可能需要进行多次实验，这在实际系统中往往是行不通的。在这种情况下，系统仿真通常是一种很好的方法。系统仿真通过对系统模型进行实验来表达和研究系统的行为或特性，广泛应用于机械、电力、化工、水利、生产、物流、交通、通信、经济、金融、气象、环境等领域等各种系统的设计和改进。传统的模拟研究大多是针对性的咨询工作。技术人员根据具体的系统进行工艺研究和数据分析，人工建立相应的仿真模型，然后进行仿真实验，得出优化方案，反馈到运营中。面对苏宁遍布全国的近百个物流中心，如果按照传统的仿真思路，人工一个一个地搭建仿真模型，不仅前期建模会消耗大量的人力物力，而且后期的维护也会耗费大量的人力物力。成本将是巨大的。针对传统仿真方法的不足，学术界和工业界联合提出了数字孪生（DigitalTwin）的概念。数字孪生一词的创立可以追溯到2010年美国国家航空航天局（NASA）发布的一份报告[1]，认为它是基于仿真的系统工程的发展方向。此后，数字孪生的概念在工业界和学术界迅速流行起来，并连续四年被Gartner列为十大战略发展技术之一。数字孪生有多种定义，作者更喜欢“使用物理系统的数字副本进行实时优化”[2]。该定义明确了数字孪生体是物理系统的数字化模型，其作用是对系统进行实时优化。与传统的仿真建模方法相比，数字孪生的特点包括：在数字孪生中，数字模型是由系统根据收集到的信息自动生成的，而传统的仿真模型一般是人工开发的。数字孪生反映了系统的当前状态和历史状态，而传统的仿真模型通常反映的是系统在一段时间内的整体特征。苏宁数字孪生平台基于以上理念，苏宁人工智能研发中心和苏宁物流研究院打造了苏宁数字孪生平台。苏宁数字孪生平台实现了物理系统到数字孪生的映射，根据系统的优化需求自动生成仿真模型，运行仿真实验，进行仿真优化，并将优化结果反馈到物理系统系统完成物理系统和数字孪生闭环。图1：苏宁数字孪生平台总体架构苏宁数字孪生平台总体架构如图1所示。考虑到系统优化的实际需要，我们没有保存物理系统的实时数字图像，而是定期提取物理系统每天的信息，形成物理系统每日数字孪生快照。当有优化需求时，策略优化器基于手动配置或优化算法，从策略算法库中选择一系列策略算法，连同选择的数字孪生快照，通过仿真模型生成器生成相应的仿真模型并注入它在模拟器中运行模拟实验。策略优化器会根据模拟实验的结果生成新的策略算法组合，并进行新一轮的模拟迭代，直到得到满意的优化方案。最优解中的运行策略将通过系统前端反馈给系统的运行和管理人员，相应的算法和参数将接入生产系统。苏宁数字孪生平台在规模化仓储的实践经过多年发展，苏宁拥有完整的供应链和覆盖全国的仓配物流网络；相应地，苏宁的数字孪生平台可以在物流和供应链的管理和优化方面发挥巨大的价值。基于全场景统筹考虑，全链路统筹，我们选择在大规模存储领域率先落地数字孪生平台。(1)生产系统到数字孪生的映射生产系统到数字孪生的映射包括三个方面的映射：空间映射、过程映射和数据映射。在空间映射方面，大型仓储主要体现在库内设施的布局上。考虑到仓库内的设施布局很少变化，而利用物联网技术进行信息采集的成本效益很高，我们选择通过前端可视化人工输入生成物理仓库到数字孪生的空间映射界面（如图2所示）。在流程映射方面，我们将大件仓储作业流程抽象为入库、拣货、移交三类流程，形成流程组件库，供仿真模型生成器调用，支持入库、放货上架、拣货、补货、分拣等。货物出库、配送等大型仓储作业的全过程。数据映射主要包括库存状态、作业任务、作业资源等信息。这些数据来自仓库管理系统（WMS）与大数据平台之间的定期数据交换。图2：空间映射配置界面（二）仓储策略及对应算法搭建数字孪生平台的目的是优化大规模仓储的运营，因此我们在平台中集成了常用的仓储运营策略（图3），涉及商品分类、仓储空间布局、仓储空间分配、订单批次、补货等问题，每一类问题都有多种策略可供选择。通过数字孪生平台，可以手动选择一组策略并指定相应的参数，对存储优化方案进行仿真评估；策略和参数也可以通过仿真优化算法自动选择和优化。图3：常用的仓储作业策略（3）性能分析和系统可视化对于大型仓储，我们主要关注的性能指标包括总作业时间、总作业距离、作业完成时间、作业时间和作业距离。任务的数量、每个装卸队和每类设备的利用率等。借助数字孪生平台，我们可以通过仿真获得在真实物理系统中运行的备选策略和算法的性能，以及以此来确定系统的优化方案。借助数字孪生平台，我们还实现了物理系统的可视化。图4展示了实体系统中各个仓库货物对应的ABC分类，以及各个货架通道的繁忙度（因为真实系统中仓库数量比较多，为了保证图片的展示效果，这是示意图）。通过物理系统的可视化展示，帮助仓库管理人员和操作人员更直观地发现仓库存在的问题和可以改进的地方。图4：商品在拣货位的实际配送情况总结与展望（示意图）及展望仓储运作全流程等，提出了苏宁各大物流中心的整体优化方案。以南京大件物流中心为例，在实施平台推荐的战略规划后，仓库整体运营效率提升了15%以上，在提升效率的同时，合理优化了仓库资源配置。每个链接和区域。大大减少了资源投入量，达到了提高仓储作业效率、降低成本的目的。通过数字孪生平台的研发，我们对数字孪生有了一些新的认识：（1）对于很多复杂的系统优化场景，其实没有必要构建一个与物理系统完全同步的理想数字孪生体.可以根据应用的实际需求、当前技术能力、系统输入输出等选择合适的数字孪生技术方案，数字孪生不需要物联网和5G。（2）数字孪生平台通过建立物理系统的数字孪生体，独立生成仿真模型，提供简单易用的方案配置界面，改变了仿真优化只能由技术人员进行的局限。与传统的仿真建模技术相比，数字孪生平台极大地提高了仿真建模的效率，降低了仿真优化的应用门槛。数字孪生的应用才刚刚拉开序幕。它将随着人工智能、工业互联网、虚拟现实等技术的发展而发展，最终融入生产生活的各个角落，创造巨大的价值。[1]Shafto,M.,等人。（2010）。“技术领域12：建模、仿真、信息技术和处理路线图草案”。美国国家航空航天局(NASA)。[2]S?derberg,R.,等人。(2017)。“实现个性化生产中实时几何保证的数字双胞胎”。CIRP年鉴，66(1)，137–140。作者简介：曹辉苏宁科技集团人工智能研发中心运营优化方向负责人致力于综合运用运筹学、统计学、机器学习、系统仿真、大数据等技术方法构建智能应用和平台，实现物流、供应链、营销的数字化智能化。承担多项科技部、国家自然科学基金等国家部委科研项目，并与国内外多家知名企业和机构开展多项科研合作供应链管理、智能制造、物流系统优化等领域。在该领域的世界一流期刊上发表学术论文十余篇。【原创稿件，合作网站转载请注明原作者和出处为.com】
