Cadena de suministro inteligente impulsada por gemelos digitales

CADENA DE SUMINISTRO INTELIGENTE IMPULSADA POR GEMELOS DIGITALES

1. Introducción

La cadena de suministro actual se está volviendo compleja y frágil. De ahí que los gestores de la cadena de suministro necesiten crear y desbloquear el valor de la cadena de suministro inteligente. Por ejemplo, el brote de coronavirus de 2020 amenazó la cadena de suministro a nivel nacional y mundial y afectó signiﬁcativamente a la cadena de suministro, incluyendo escasez de suministros, limitaciones de abastecimiento, retrasos logísticos y reducciones de la demanda. Los fabricantes de automóviles, como General Motors, Nissan Motor y Fiat Chrysler, detuvieron la producción en otros países debido a la escasez de suministros causada por el cierre de la fabricación en China (Wayland, 2020). Apple también ha informado de que no espera alcanzar sus previsiones de ingresos para el segundo trimestre de 2020 (Lucas, 2020). Dado que la mayoría de los iPhones se ensamblan en China, el brote de coronavirus ha provocado restricciones globales de Apple por el lado de la oferta. Por el lado de la demanda, el cierre de las tiendas de Apple ha provocado una menor demanda en China. Para proteger la cadena de suministro de este tipo de interrupción, las empresas deben vigilar continuamente el brote, comprobar el inventario y los centros logísticos, y responder rápidamente a las circunstancias cambiantes. Además, para evaluar el riesgo y el impacto globales, las empresas deben evaluar a los proveedores anteriores y a los clientes posteriores. A largo plazo, las empresas deben replantearse su estructura y estrategia de la cadena de suministro y realizar ejercicios de simulación para prevenir futuros incidentes (Hippold, 2020). Los retos a los que se enfrentan los gestores de la cadena de suministro en la pandemia demuestran los requisitos de la cadena de suministro inteligente.

• Conectividad. La conectividad es la capacidad de conectar todas las empresas, productos, propiedades y otros elementos valiosos de la cadena de suministro para proporcionar información completa y supervisar el estado de la comercialización, las operaciones intraempresariales y las comunicaciones interempresariales (Butner, 2010; Wu et al., 2016).

• Visibilidad. La visibilidad es la capacidad de hacer un seguimiento del flujo de materiales, finanzas e información a lo largo de la cadena de suministro (Butner, 2010; Busse et al., 2021). Los gestores de la cadena de suministro deben tener acceso a datos en tiempo real relacionados con la producción, el inventario, la logística y el marketing para identificar dónde y cómo se almacenan los productos y cuándo y cómo se venden a los consumidores.

• Agilidad. La agilidad es la capacidad rápida de detectar cambios, recopilar datos pertinentes, analizar oportunidades y amenazas, tomar decisiones óptimas y aplicarlas, y modiﬁcar las operaciones en consecuencia (Gligor et al., 2019; Seyedghorban et al., 2020).

• Integrada. Una cadena de suministro integrada comparte información y toma decisiones de forma conjunta en las diferentes etapas de la cadena de suministro (Wu et al., 2016).

• Inteligente. Una cadena de suministro inteligente toma decisiones óptimas a gran escala y utiliza análisis predictivos para proteger la cadena de suministro de futuros riesgos (Butner, 2010; Wu et al., 2016; Busse et al., 2021).

Muchas organizaciones desean desbloquear el valor de la cadena de suministro inteligente, pero no saben cómo empezar. La creación de una cadena de suministro impulsada por un gemelo digital (DTSC) es una solución innovadora e integrada para construir una cadena de suministro inteligente (Barykin et al., 2020; 2021; AlMulhim, 2021; Busse et al., 2021; Ivanov y Dolgui, 2021). El concepto de gemelo digital (DT) utiliza la digitalización avanzada para reﬂejar el mundo físico en el mundo virtual y ha sido nombrado una de las 10 principales tendencias tecnológicas estratégicas (Panetta, 2017; 2018; 2019). Gartner predice que la mitad de las empresas industriales de renombre mundial implantarán la DT de aquí a 2021, lo que mejorará la eﬁcacia de las compa ñías en un 10% (Pettey, 2017). Según Thomas Kaiser, vicepresidente sénior de SAP para el Internet de las cosas (IoT), "las DT se están convirtiendo en un imperativo empresarial, que abarca todo el ciclo de vida de un activo o proceso y constituye la base de los productos y servicios conectados; las empresas que no respondan se quedarán atrás" (Marr, 2017).

El concepto de DT se desarrolló para hacer posible la fabricación inteligente (Glaessgen y Stargel, 2012; Shafto et al., 2012; Grieves, 2015), pero la capacidad del DT para reflejar, predecir y optimizar sistemas complejos le permite ser eficaz incluso más allá de los sistemas de fabricación. Como se explica en la sección 3, el concepto de DT y la cadena de suministro inteligente se complementan a la perfección. Por lo tanto, construir un DTSC es la solución para hacer realidad la cadena de suministro inteligente. En un DTSC, la cadena de suministro virtual y la cadena de suministro física están entrelazadas (Rehana, 2018). Todas las partes interesadas pueden acceder al estado en tiempo real de las entidades físicas (por ejemplo, existencias, adquisiciones y ventas). Los gestores pueden simular y aplicar decisiones en el mundo virtual antes de ejecutarlas en la cadena de suministro física. El objetivo principal es permitir que la cadena de suministro funcione con un mejor rendimiento y una mayor eficiencia. Este artículo contribuye a la literatura investigando las siguientes cuestiones:

1. ¿Cuál es el concepto de DT y cómo se utiliza y aprovecha en la gestión de la cadena de suministro (SCM)? En la sección 2 se tratan estos temas.

2. ¿Cuáles son los componentes básicos para construir un DTSC? ¿Por qué estos componentes satisfacen los requisitos de la cadena de suministro inteligente?

La sección 3 analiza estos temas.

3. ¿Cómo pueden aplicarse las teorías existentes sobre la gestión de la cadena de suministro y cuáles son las nuevas oportunidades de investigación en el contexto del DT? La sección 4 presenta estos temas.

4. ¿Cuáles son las implicaciones y los retos futuros? a la hora de aplicar el DTSC en entornos empresariales reales? Estas cuestiones se analizan en la sección 5 Presentando un caso motivador de JD.COM.

2.

Revisión bibliográﬁca

En esta sección, repasamos en primer lugar el desarrollo conceptual del DT y las propiedades de un DT eﬁciente. A continuación, pasamos revista a las aplicaciones actuales del DT en SCM.

2.1. Historia del concepto de DT

El concepto de DT ha sido desarrollado por profesionales e investigadores tras 20 años de esfuerzos. El cuadro 1 resume la evolución conceptual desde 2002 hasta 2020. Dos tendencias notables han reconﬁgurado la comprensión del concepto de DT. En primer lugar, se ha pasado de considerar el concepto de DT como una metodología única a una integración multidisciplinar. El principal motor de este cambio ha sido la ampliación gradual del ámbito de aplicación del DT. El concepto original se basaba en la gestión del ciclo de vida del producto (PLM) en la fabricación inteligente y la ingeniería aeroespacial (Grieves, 2005; 2006; 2011; Glaessgen y Stargel, 2012; Shafto et al., 2012). A medida que se ampliaba el ámbito de aplicación, el dominio de aplicación especíﬁco perdía énfasis. Los investigadores y profesionales propusieron conceptos generales, como "construcciones de información virtual" (Grieves y Vickers, 2017) y "la colección vinculada de los artefactos digitales relevantes" (Boschert y Rosen, 2016). Por lo tanto, la simulación por sí sola es incapaz de construir todos los modelos virtuales necesarios e incorporar enfoques multidisciplinarios según sea necesario. La conexión orgánica del paradigma con la tecnología nueva y emergente permite que el concepto de DT desempeñe un papel fundamental en el desarrollo de empresas y cadenas de suministro inteligentes (Anasoft, 2019).

La segunda tendencia implicó un cambio en el enfoque del concepto de DT, que pasó de estar "orientado a la tecnología" a estar "orientado a la toma de decisiones". Aunque el concepto de DT se centró originalmente en el modelado virtual (Grieves, 2015; Boschert y Rosen, 2016; Grieves y Vickers, 2017), los nuevos enfoques han hecho hincapié en la capacidad del paradigma para proporcionar decisiones óptimas y conocimientos prospectivos basados en datos (Stanford-Clark et al., 2019; Stark y Damerau, 2019; Olcott y Mullen, 2020). Como sugiere el índice de madurez de Industrie 4.0 de Acatech (Schuh et al., 2017), la capacidad predictiva y la adaptabilidad incluidas la toma de decisiones y las acciones automatizadas se basan en la conectividad y la visibilidad que resultan de la creación de homólogos virtuales conectados.

Resumimos las propiedades de un DT basándonos en estos principios. En primer lugar, la propiedad central de un DT eﬁciente es establecer representaciones digitales de entidades y procesos físicos en diferentes ámbitos (Boschert y Rosen, 2016; Stark y Damerau, 2019; Qi et al., 2021). Un DT supera los problemas de silos de datos.en la empresa tradicional y proporciona una comprensión holística (Olcott y Mullen, 2020). En segundo lugar, la disponibilidad de datos en tiempo real permite una sincronización de alta frecuencia entre las entidades y procesos físicos y la representación digital. Un DT puede aprovechar los datos históricos y en tiempo real para simular el comportamiento pasado, presente y futuro del sistema. Por último, dotado de herramientas de análisis predictivo y optimización, un DT puede proporcionar información y conocimientos útiles, permitiendo respuestas inteligentes a situaciones repentinas e inesperadas.

Cuadro 1: Historia del concepto de gemelo digital (DT)

2.2. DTSC de última generación

Buscamos publicaciones en la base de datos Web of Science con términos de búsqueda que incluían "digital twin(s)" y "supply chain" desde enero de 2016 hasta octubre de 2021. Los artículos recuperados han tratado las siguientes cuestiones: (1) ¿Qué es un DTSC? (2) ¿Qué ventajas aporta el concepto de DT a la SCM? Y (3) ¿Existe algún caso que ilustre el valor de aplicar un DTSC?

¿Qué es un DTSC?

El concepto de DTSC ha sido considerado por varios artículos. Según Busse et al. (2021), un DTSC es "un modelo digital de simulación de un sistema logístico real, que presenta un enlace de datos a largo plazo, bidireccional y puntual con dicho sistema". Los autores proponen un marco general que incluye módulos de cadena de suministro, optimización, simulación, elaboración de informes e interfaz. Ivanov y Dolgui (2021) identiﬁcan un DTSC como "un modelo informatizado que representa los estados de la red para cualquier momento dado en tiempo real". Haag y Simon (2019) sugieren que la aplicación de los DT ofrece a las empresas la posibilidad de modelizar activos del mundo real y sus interacciones con una magnitud y un nivel de detalle arbitrarios. Li et al. (2020) proponen un marco de cinco dimensiones de un modelo de negocio sostenible bajo el concepto de DTSC.

Recientemente, Kalaboukas et al. (2021) proponen el concepto de DT cognitivas para la SCM, que son capaces de predecir tendencias y suficientemente flexibles en entornos dinámicos. Además de estos desarrollos conceptuales generales, el concepto DTSC se ha debatido en varios campos de aplicación específicos, como la cadena de suministro circular (Preut et al., 2021), la cadena de suministro de alimentos (Smetana et al., 2021; Shoji et al., 2022), la gestión portuaria global (Wang et al., 2021) y la logística (Lee y Lee, 2021; Moshood et al., 2021; Park et al., 2021). En resumen, la funcionalidad central de un DTSC es proporcionar una visión integrada y holística, que permita a todas las partes interesadas contribuir conjuntamente a la creación a través de las diferentes etapas de la cadena de suministro (Ducree et al., 2020; Yang et al., 2020).

Qué ventajas aporta el concepto de D T a la SCM?

Varios artículos suponen que se espera que la estrategia de DT lleve la transformación digital de la cadena de suministro a la siguiente fase (Cozmiuc y Petrisor, 2018; Ghobakhloo, 2018; Reeves y Maple, 2019; Marmolejo-Saucedo et al., 2019; Beltrami et al., 2021; Kenett y Bortman, 2021). La primera ventaja que aporta el concepto de DT al MCE es la mejora de la conectividad. Sharma et al. (2021) suponen que el concepto de DT conecta diferentes etapas de la vida en la cadena. Los autores revisan las estrategias para equilibrar la eficiencia y el coste a fin de permitir dicha conectividad. Según Pehlken y Baumann (2020), los DT ayudan a proporcionar información sobre la producción a diversas partes interesadas de la industria del reciclaje y, por tanto, aumentan el impacto sobre la sostenibilidad. Zafarzadeh et al. (2021) se centran en la logística de producción. Los autores analizan 142 artículos y concluyen que es importante la aplicación del concepto de DT que proporciona una visión conectada y holística de la logística de producción. Para realizar la conectividad con éxito, un DTSC necesita un enfoque unificado de gestión de datos para crear una nueva visión integrada de la cadena de suministro (Avventuroso et al., 2017; Landolfi et al., 2017; Gupta et al., 2020; Autiosalo et al., 2021).

La segunda ventaja que los DT aportan a la SCM es la mejora de la visibilidad de extremo a extremo (Moshood et al., 2021). Como mencionan Hegedus et al. (2019), un DTSC puede servir como una solución retroadaptable y rentable para el seguimiento de activos en toda la cadena de suministro, que es una funcionalidad muy deseable en SCM. Wang et al. (2020) conceptualizan la idea de DTSC para superar la visibilidad limitada del proceso logístico en industrias que no son de alta tecnología. Tozanlı et al. (2020) estudian cómo el concepto de DT facilita una política de precios de intercambio basada en datos en plataformas totalmente transparentes. Wang et al. (2021) presentan la visualización de información para el uso de DT en la gestión portuaria global. Chen y Huang (2021) identiﬁcan la asimetría de la información como el principal reto que restringe el desarrollo de la cadena de suministro de circuito cerrado. Los autores analizan 288 artículos y descubren que el concepto de DT es propicio para resolver problemas de asimetría de información en las cadenas de suministro de refabricación. En particular, la tecnología blockchain para la SCM en el contexto de la DT puede utilizarse para la seguridad y la privacidad (Kanak et al., 2019; 2020; Greif et al., 2020; Joannou et al., 2020; Leng et al., 2020; Deng et al., 2021; Ho et al., 2021).

La tercera ventaja es la capacidad de los DT de aumentar la agilidad y la resiliencia de la cadena de suministro. Varios investigadores han analizado el concepto de DT en la gestión de los riesgos de interrupción (Ivanov y Dolgui, 2019; 2021; Ivanov et al., 2019). Seif et al. (2019) señalan que el concepto de DT permite agilidad porque se aplica una forma modular de modelado. Golan et al. (2021) abordan las lagunas en la modelización de la resiliencia de la cadena de suministro en general y específicamente para la producción de vacunas. Los autores sugieren que la adopción de un DTSC ayuda a los gestores de la cadena de suministro a cuantificar mejor las compensaciones entre eficiencia y resiliencia en caso de interrupción. Barykin et al. (2020) revisan los métodos de optimización y simulación que se utilizan para evaluar el impacto de posibles fallos en el rendimiento de la cadena de suministro en el contexto del DTSC.

Teniendo en cuenta que las cadenas de suministro son cada vez más complejas, varios investigadores debaten cómo abordar la complejidad y permitir una cadena de suministro inteligente en el contexto del DT. Las herramientas de simulación son útiles para representar las interdependencias en cadenas de suministro complejas en el contexto del DT, incluida la simulación de eventos discretos (D'Angelo y Chong, 2018; Dobler et al., 2020; Dutta et al., 2021; Pilati et al., 2021; Wilson et al., 2021), la simulación basada en agentes (Gorodetsky et al., 2019; Clark et al., 2020; Orozco- Romero et al., 2020), y modelos de simulación híbridos (Makarov et al., 2021).

Frazzon et al. (2020) abordan la toma de decisiones distribuida bajo una perspectiva de sistema socio-ciber-físico en el contexto del DTSC. Shen e t a l . (2020) discuten cómo el concepto de DT apoya la fabricación inteligente colaborativa y el SCM, incluyendo el diseño colaborativo resistente de la red de suministro, la planiﬁcación colaborativa de la producción y la distribución, la reconﬁguración dinámica y la reprogramación, y el mantenimiento

Baruffaldi et al. (2019) explotan técnicas de optimización y simulación para cuantiﬁcar cómo la disponibilidad de información impacta en las operaciones de almacenamiento, lo que resulta en la creación de un DT del almacén. Cavalcante et al. (2019) combinan el aprendizaje automático y la simulación para crear un DT para mejorar las decisiones de abastecimiento. Como mencionan Barykin et al. (2020), ningún enfoque único construye el concepto de un DTSC, y los algoritmos de toma de decisiones híbridos y basados en datos se identiﬁcan como un habilitador clave para realizar el valor del concepto de DT en SCM (de Paula Ferreira et al., 2020; Andronie et

¿Existe

¿Existe algún caso que ilustre el valor de implantar un DTSC? El valor de la implementación de un DTSC ha sido validado conceptualmente y probado en varios entornos experimentales en una variedad de dominios de aplicación. Varios artículos han investigado cómo el concepto de DTSC mejora la agilidad de la cadena de suministro bajo la pandemia COVID-19 (Ivanov, 2020; Burgos e Ivanov, 2021; Ivanov y Dolgui, 2021; Nasir et al., 2021). En particular, la creación de un DTSC ayuda a los responsables políticos a hacer frente a situaciones de pandemia de COVID-19 (Nasir et al., 2021).

Otro ámbito de aplicación es la cadena de suministro de alimentos, en particular, la entrega de alimentos frescos (Defraeye et al., 2019; 2021; Onwude et al., 2020). Con la ayuda de un DTSC, productores, minoristas y consumidores pueden supervisar y controlar continuamente la evolución de la calidad durante la vida poscosecha de los alimentos frescos. El concepto de DTSC también se ha aplicado en la literatura sobre productos farmacéuticos (Marmolejo- Saucedo, 2020; Santos et al., 2020), semiconductores (Ehm et al., 2019; Moder et al., 2020a; 2020b), la cadena de suministro de fabricación de aeronaves (Mandolla et al., 2019; Heim et al., 2020), la industria del carbón (Semenov et al., 2020) y la industria del tabaco (Shen et al., 2021).

Identiﬁcamos las lagunas en la bibliografía e intentamos abordar las siguientes cuestiones en este artículo. En primer lugar, a pesar del avanzado desarrollo conceptual del DTSC, quedan por estudiar cuestiones sobre la arquitectura detallada real de un DTSC (Busse et al., 2021). En la Sección 3 analizamos los componentes básicos para construir un DTSC. En segundo lugar, en la bibliografía existente se ha debatido cómo utilizar métodos maduros para permitir la toma de decisiones inteligente en un DTSC (por ejemplo, simulación y aprendizaje automático), mientras que nosotros ampliamos el debate mostrando cómo pueden aplicarse las teorías existentes sobre MEC. En la sección 4 también se analizan DT. En tercer lugar, los marcos propuestos se validan conceptualmente o en entornos experimentales. En la sección 5 ilustramos cómo ayuda el concepto DTSC en un entorno empresarial real a gran escala.

algún caso que ilustre el valor de implantar un DTSC?

3. Creación de un DTSC

En esta sección describimos cómo construir un DTSC. Para empezar, repasamos brevemente la definición de cadena de suministro y SCM. A continuación, explicamos la estructura de una DT e identificamos los componentes correspondientes en una DTSC. Por último, analizamos cómo la consideración de estos componentes satisface las propiedades de la cadena de suministro inteligente. Según Christopher (2011), una cadena de suministro es "una red de organizaciones que participan, a través de vínculos ascendentes y descendentes, en los diferentes procesos y actividades que producen valor en forma de productos y servicios en manos del cliente final". En general, una cadena de suministro está formada por proveedores, fabricantes, distribuidores, minoristas y clientes. Los productos o servicios fluyen en sentido descendente hasta los clientes finales. El flujo de información y fondos es bidireccional entre los nodos de la cadena de suministro. Por lo tanto, el objetivo de la SCM es gestionar el flujo de productos, información y fondos asociados a una serie de actividades inter e intraempresariales. Estas actividades suelen incluir la planificación del aprovisionamiento, la estrategia de fabricación, la gestión de los pedidos de los clientes, la gestión del inventario, la gestión logística y el marketing (Chandra y Kumar, 2000; Min y Mentzer 2000; Lummus et al., 2001).

Teniendo en cuenta las propiedades de un DT eficiente y las definiciones de cadena de suministro y SCM, las partes interesadas deben identificar.

(1) el alcance de las entidades físicas en las que debe centrarse la cadena de suministro; (2) la ﬁdelidad aplicada para comprender el estado actual de estas entidades físicas en el espacio virtual; y

(3) las fuentes clave de datos utilizadas para sincronizar la cadena de suministro física y la virtual. Una vez deﬁnida esta información, podrá construirse un prototipo de DTSC.

En un DTSC, nos centramos en dos tipos de entidades físicas. En primer lugar, un DTSC debe incluir los nodos de la cadena de suministro, que son las empresas implicadas en la cadena de suministro. Dado que el objetivo de un DTSC es mejorar el rendimiento y la competitividad de toda la cadena, las entidades físicas deben incluir a todas las empresas, empezando por los proveedores y terminando por los clientes. En segundo lugar, deben tenerse en cuenta los productos, las propiedades y otros elementos valiosos. Los productos son el núcleo de la producción que aporta beneﬁcios y competitividad a la cadena, y constituyen una parte indispensable de las entidades físicas de un DTSC. Las propiedades son los elementos necesarios para producir y entregar los productos, y pertenecen a las empresas de la cadena de suministro. Por ejemplo, una empresa de fabricación es propietaria de las materias primas y los equipos necesarios para producir sus bienes. Otros elementos valiosos son las instalaciones que añaden valor a la empresa, pero que pertenecen a organizaciones externas, como los camiones de un tercero.

Una vez aclarados los dos tipos de entidades físicas consideradas en un DTSC, debemos discutir la ﬁdelidad que debe utilizarse para analizar estas entidades físicas en el espacio virtual. Sugerimos crear una cadena de suministro virtual o digital que reﬂeje la cadena de suministro física en los dos aspectos siguientes: (1) las propiedades básicas de las entidades físicas (2) los procesos empresariales inter e intraempresariales. Las propiedades básicas son los atributos estáticos de la entidad física, como la estructura organizativa, los objetivos estratégicos y la ubicación. Para el producto, se consideran atributos como la apariencia, el tamaño y las funciones. En el caso de los equipos de fabricación, las propiedades relevantes suelen incluir la función y el consumo de energía. Por ejemplo, para un camión utilizado en el transporte, se tienen en cuenta la resistencia y la capacidad.

Los pasos clave para reflejar la cadena de suministro física en el espacio virtual consisten en definir los procesos empresariales inter e intraempresariales, como el aprovisionamiento, la producción, la distribución y la comercialización. Para definir claramente un proceso empresarial, sugerimos plantearse las siguientes preguntas:

• ¿Cuáles son los objetivos del proceso empresarial?

• ¿Se trata de un negocio intraempresarial o interempresarial?

• ¿Cuál es el procedimiento habitual de la actividad empresarial?

• En cada paso, ¿qué empresa o departamento toma decisiones o actúa?

• ¿Qué políticas, normativas y limitaciones deben tenerse en cuenta antes de tomar decisiones o emprender acciones?

• ¿Cómo debe evaluarse el rendimiento del proceso empresarial?

Se propone un DTSC como solución a la cadena de suministro inteligente, porque las características de un DT y los requisitos de la cadena de suministro inteligente coinciden. En un DTSC, la cadena de suministro física se conecta mediante sensores inteligentes o sistemas en línea y recopila datos e información especíﬁcos que permiten a la cadena de suministro virtual reﬂejar las propiedades estáticas y los procesos empresariales dinámicos de la cadena de suministro física. Se consigue así la conectividad. Como características más importantes de la DT, la adquisición e implementación de datos en tiempo real permiten que la conexión entre la cadena de suministro física y la virtual sincronice la dinámica de las operaciones, lo que aumenta la visibilidad de la cadena de suministro. Los datos sincronizados proporcionan oportunidades para supervisar, analizar, controlar y optimizar la cadena de suministro y dan lugar a una simulación y optimización virtuales actualizadas que proporcionan agilidad. Un DTSC opera activamente en todo el proceso empresarial a lo largo de la cadena de suministro. Por lo tanto, un DTSC optimiza conjuntamente la cadena de suministro a través de diferentes etapas y establece una cadena de suministro integrada. Los análisis predictivos son "las capacidades utilizadas para modelar y simular condiciones actuales y futuras, teniendo en cuenta las condiciones operativas para probar escenarios de estado futuro" (Klappich, 2019). En consecuencia, los análisis predictivos de un DTSC permiten a los responsables de la toma de decisiones mirar hacia adelante en lugar de hacia atrás y permiten que la cadena de suministro sea inteligente.se requiere un análisis teórico.

En primer lugar, para aprovechar al máximo las señales de demanda en tiempo real y las condiciones de suministro en un DTSC, se requieren métodos novedosos que modelen la oferta y la demanda de forma no lineal. Por ejemplo, para modelar la oferta y la demanda aleatorias, Feng y Shanthikumar (2018) proponen un nuevo enfoque que transforma las funciones de oferta y demanda no lineales en funciones lineales en una dimensión superior. La optimización basada en datos es otra herramienta de investigación que aborda los datos complejos de oferta y demanda resolviendo problemas de programación matemática directamente utilizando datos observados (Bertsimas y Thiele, 2006). Sin asumir una distribución determinada, se utiliza la optimización en una sola etapa con los datos recopilados en lugar del enfoque tradicional en dos etapas de optimización después de la estimación (Liyanage y Shanthikumar, 2005).

Levi et al. (2015) ilustran una aplicación de esta idea en el modelado de la demanda con distribución desconocida. Los autores estudian el problema del vendedor de noticias en el que la única información es una muestra aleatoria de la demanda. La precisión del enfoque de aproximación del promedio muestral propuesto está garantizada por un límite estricto. En comparación con las señales de demanda, se necesita más investigación para comprender la capacidad de modelización de los enfoques basados en datos. Actualmente, la mayoría de los estudios asumen la capacidad inﬁnita de acuerdo con de Kok et al. (2018). Feng y Shanthikumar (2018) consideran las cadenas de suministro capacitadas y concluyeron que se pueden utilizar tres formas para modelar la capacidad: (1) suministro determinista, (2) oferta de todo o nada, y (3) rendimiento aleatorio proporcional.

En segundo lugar, la creación de un DTSC puede innovar el planteamiento de la modelización de riesgos. Por lo general, se utilizan eventos discretos para modelar los riesgos, y se supone que los riesgos se propagan entre nodos adyacentes en las redes de suministro. Garvey et al. (2015) aplican Redes bayesianas para medir la propagación del riesgo en un suministro.

4. Cadena de suministro inteligente impulsada por gemelos digitales: Nuevas oportunidades de investigación

Partiendo de la explicación de un DTSC, utilizamos esta sección para discutir nuevas oportunidades de investigación para implementar un DTSC inteligente. En el apartado 4.1, nos centramos en la modelización de la cadena de suministro, incluida la modelización de la demanda, la oferta y el riesgo. En la sección 4.2, centramos nuestro debate en la toma de decisiones en tiempo real en la SCM, y en la sección 4.3, explicamos el uso de datos en la colaboración en la cadena de suministro.

4.1. Modelización de la cadena de suministro

Un DTSC permite una representación precisa y oportuna del estado de la cadena de suministro. Teniendo en cuenta la trazabilidad analítica y que los datos pueden ser limitados, parciales o de difícil acceso, en la modelización de la cadena de suministro se utilizan supuestos simplificados sobre la demanda, la oferta y los riesgos, en lugar de una caracterización exacta de la realidad. Con la capacidad del DTSC para reflejar la dinámica, es necesario revisar los supuestos que se utilizaban habitual y previamente en un modelo estructural de red . Estas medidas pueden combinarse con otros problemas (por ejemplo, gestión de inventarios y diseño de redes) para desarrollar soluciones globalmente óptimas. Los autores se centran en el riesgo binario y suponen que todas las distribuciones de probabilidad condicional están bien definidas. En un contexto de DTSC, la propagación de la señal de riesgo (información) y el riesgo real (suceso) puede ser asíncrona. La señal de riesgo puede sincronizarse instantáneamente a lo largo de toda la cadena de suministro, pero la influencia real del riesgo necesita tiempo para propagarse. Se necesitan nuevos enfoques de modelización para que las empresas comprendan la señal y el evento asíncronos. Es necesario desarrollar análisis que permitan predecir cuándo se produce el riesgo real para que las empresas puedan prepararse.

En tercer lugar, la adaptabilidad de los modelos con datos en tiempo real requiere futuras investigaciones. Las cadenas de suministro se enfrentan hoy a un entorno cambiante. Los modelos de simulación en un DTSC son una forma prometedora de gestionar la complejidad y la incertidumbre de la realidad (Tohamy, 2019). Según Rajagopal et al. (2017), los métodos de simulación que consideran los riesgos de interrupción y suministro en un entorno multiperíodo se aplican en el diseño de redes de cadenas de suministro, el análisis de propagación de riesgos (Wu et al., 2013; Bueno-Solano y Cedillo-Campos, 2014; Chen et al., 2015), localización de instalaciones y gestión de inventarios (Colicchia et al., 2010; Schmitt y Singh, 2012; Sarkar y Kumar, 2015). A pesar de estos avances, seguimos necesitando enfoques novedosos para la adaptabilidad de los modelos, es decir, la capacidad de aprender continuamente del estado en tiempo real y de actualizar los modelos constantemente.

En la actualidad, se han adoptado ampliamente enfoques basados en datos para permitir el aprendizaje de la demanda. Por nombrar algunos, Deng et a l . (2014) utilizan el método bayesiano en el aprendizaje estadístico de la demanda dependiente del servicio.

En Cao et al. (2019), la tasa de llegada de clientes (demanda) se aprende en un método bayesiano. Harrison et al. (2012), Ghate (2015) y Chen et al. (2017) proponen otros métodos bayesianos de aprendizaje de la demanda. Ma et al. (2020) proponen un marco de fabricación inteligente sostenible impulsada por datos y basada en la respuesta a la demanda para industrias que consumen mucha energía. Pereira y Frazzon (2021) proponen un enfoque basado en datos que combina la previsión de la demanda mediante aprendizaje automático y la optimización basada en la simulación de la planiﬁcación operativa para sincronizar la demanda y el suministro de forma adaptativa en cadenas de suministro minoristas omnicanal. A pesar de los métodos avanzados basados en datos, aprovechar los datos en tiempo real para actualizar los modelos de simulación en un entorno cambiante sigue siendo un problema sin resolver (Hong y Jiang, 2019). Además, poco se ha hecho para identiﬁcar cómo aprovechar la información de demanda y suministro a través del ciclo de vida del producto en lugar de un único punto de datos de demanda/oferta (Ma et al., 2020). En resumen, para aprovechar al máximo los datos y la información en tiempo real en un DTSC, necesitamos métodos novedosos para capturar la oferta, la demanda y los riesgos con precisión en el modelado de la cadena de suministro. Para gestionar el entorno cambiante, el aumento de la adaptabilidad de los modelos sigue siendo una cuestión importante para la gestión de la cadena de suministro.

4.2. Optimización de la cadena de suministro en tiempo real

En un DTSC, el estado físico y el modelo digital se sincronizan con frecuencia, lo que requiere tiempo real y optimización instantánea a nivel de sistema de la información disponible (Olsen y Tomlin, 2020).

Utilizar directamente los resultados fuera de línea es una forma prometedora de responder a los cambios del entorno con presupuestos de computación ajustados. Lowrey et al. (2018), Hong y Jiang (2019), y Jiang et al. (2020) explican esta idea. Una ilustración sencilla de este principio en la gestión de inventarios es el uso de la tecnología de identiﬁcación por radiofrecuencia para recopilar datos en tiempo real y políticas de inventario predeﬁnidas en la tienda minorista (Bottani et al., 2017). Los datos en tiempo real se utilizan para realizar un seguimiento de la trazabilidad del producto, el historial del producto, la cantidad de ventas, la disponibilidad del producto y el inventario. Con la información sobre inventario y disponibilidad de productos, una tienda puede aplicar políticas de inventario con revisión continua en cuanto se detecta un cambio en el estado del inventario en tiempo real.

No es necesario tomar todas las decisiones en tiempo real, por lo que hay que elegir la velocidad de sincronización adecuada. En la práctica, "en tiempo real" significa que el tiempo transcurrido entre los cambios del mundo real es insignificante con respecto a la necesidad y el uso previsto de los modelos digitales por parte de las aplicaciones o los usuarios (Minerva et al., 2020). En general, se aplican dos estrategias para activar los algoritmos en problemas en tiempo real: La estrategia de activación por tiempo (por ejemplo, tomar decisiones cada minuto) y la estrategia de activación por evento (por ejemplo, tomar decisiones cuando llega una nueva demanda). Heemels et al. (2012) llevan a cabo un debate sobre el disparo por tiempo (periódico) y el disparo por evento en el control de sistemas. A pesar de los retrasos de cálculo considerados explícitamente por los autores, en la práctica se producen más tipos de retrasos. La figura 1 muestra un esquema básico de decisión en un DTSC. Según Power (2011), el "tiempo real" en la práctica siempre tiene latencia entre (1) los cambios físicos de la cadena de suministro, (2) el reflejo del cambio físico de la cadena de suministro en los datos de uno o más sistemas de registro (la disponibilidad de datos en tiempo real), y (3) la disponibilidad de los datos modificados para los modelos de optimización actuales. El resumen anterior sólo contempla el proceso que va del mundo real a las representaciones virtuales. Si se tiene en cuenta el proceso de retroalimentación, se produce una latencia adicional entre (4) la disponibilidad de las decisiones propuestas por la optimización y (5) la aplicación de la decisión por un actuador o un operador y los cambios reales.

Fig. 1 Esquema básico de decisión en tiempo real en un DTSC.

En un contexto de DTSC, la duración del periodo de decisión varía entre las distintas aplicaciones. Por ejemplo, Guo et al. (2017) se centran en el problema de configuración de la red global y proporcionan un enfoque de aprendizaje en línea de optimización conjunta para cambiar una configuración intensiva en mano de obra y propensa a errores por otra diseñada de forma óptima. Ulmer (2019) reoptimiza el enrutamiento de vehículos como reacción a las nuevas solicitudes de los clientes y en previsión de futuras solicitudes. Sung et al. (2021) aplican dos algoritmos diferentes de planificación de rutas fuera de línea para generar diferentes conjuntos de datos de rutas de entrenamiento y mejorar el rendimiento del planificador de rutas en línea. En algunos contextos, la duración de un periodo de decisión puede ser corta. Por ejemplo, los vehículos de guiado automático se controlan al nivel de milisegundos, y la reconfiguración de una línea de producción para responder a pedidos urgentes debe determinarse a la luz de las necesidades del cliente.

Además, la colaboración en la cadena de suministro con información en tiempo real y el uso de nuevas tecnologías requieren más investigación. La bibliografía existente considera la comunicación de datos de demanda e inventario, pero no se han analizado en profundidad otros tipos de datos. Un DTSC no sólo sincroniza datos de demanda e inventario, sino también comportamientos dinámicos, como la fabricación, la distribución, la comercialización y la logística.

¿Debería estudiarse también el efecto de este intercambio de datos sobre los comportamientos y los costes?

¿Deben compartirse los datos en tiempo real en forma de información estadística o los datos originales?

¿Con qué frecuencia debe comunicarse la información en tiempo real?

¿Cómo afecta el mecanismo de consenso automatizado que ofrece blockchain a los comportamientos de coordinación en la cadena de suministro?

Es necesario responder a estas preguntas para mejorar la aplicación del DTSC.

Una cuestión pendiente es cómo combinar diferentes estrategias de activación, teniendo en cuenta la latencia mencionada, para lograr una sincronización y respuesta oportunas en un contexto práctico. Además, el cierre del bucle entre los modelos fuera de línea y la retroalimentación en línea tiene preguntas sin respuesta. Por ejemplo, teniendo en cuenta el tiempo necesario para (6) validar el rendimiento y (7) actualizar los modelos de optimización, ¿con qué frecuencia deben comprobarse y actualizarse los modelos ofﬂine? El debate sobre la adaptabilidad de los modelos de la sección anterior está estrechamente relacionado con esta cuestión.

4.3. Uso de datos en la colaboración en la cadena de suministro

En las secciones anteriores hemos hablado del modelado y las decisiones basadas en datos. En esta sección, nos centramos en el uso adecuado de los datos en la colaboración en la cadena de suministro. Según el informe Accenture Technology Vision (Daugherty et al., 2021), el 87% de los ejecutivos identiﬁcan que el valor de un DTSC reside en la mayor capacidad de su organización para reﬂejar información sobre sus cadenas de suministro, en lugar de sobre sus propias organizaciones. Inevitablemente, deben abordarse los problemas de uso de datos en un DTSC.

Las cuestiones relacionadas con la propiedad y la privacidad de los datos siguen sin respuesta. Cuando una empresa crea un DTSC utilizando un proveedor de DT y permite a sus socios de la cadena de suministro cargar datos en la plataforma, la propiedad (es decir, los proveedores, las organizaciones o ambos) de estos datos industriales no está clara (Internet of Business, 2017).

Las empresas se enfrentan al riesgo de ﬁrmar inadvertidamente acuerdos desequilibrados con proveedores de DT. Además, las empresas deben gestionar cuidadosamente la información conﬁdencial de los custodios, cada vez más expuesta a amenazas delictivas (Fuller et al., 2020) y regulada por la legislación. Por ejemplo, el Reglamento General de Protección de Datos de la Unión Europea regula la privacidad y seguridad de los datos personales. En concreto, esta nueva normativa exige a los controladores de datos (empresas) que expliquen el uso que hacen de los datos a los interesados (clientes) (Unión Europea, 2018). El gobierno de China también ha propuesto nuevas leyes de seguridad de datos para regular los servicios de información de Internet y los algoritmos.

5. Introducción del caso

En esta sección, presentamos un estudio de caso motivador de JD.COM, el mayor minorista de China por ingresos, en la reconﬁguración de la red de la cadena de suministro durante la pandemia COVID-19 utilizando una plataforma DTSC.

Como resultado, la aplicación de una plataforma DTSC mejora signiﬁcativamente la eﬁcacia de la respuesta de JD.COM.

5. 1. Fondo

En la actualidad, diversas tendencias emergentes, como la descentralización del comercio minorista, la compra en grupo, la compra social y el comercio en vivo, están acelerando la interacción y la integración del comercio minorista y la fabricación. Como resultado, la estructura de la cadena de suministro se está complicando enormemente. JD.COM opera 41 mega parques logísticos "Asia No. 1" en China, con cerca de 1.300 almacenes y más de 9 millones de unidades de mantenimiento de existencias (SKU) autogestionadas. La gama de productos abarca bienes de consumo envasados, aparatos informáticos, electrodomésticos, ropa, alimentos frescos, libros y automóviles.

. La red de transporte incluye múltiples métodos de transporte, incluidos el transporte terrestre y el marítimo. JD.COM amplía la planificación y el funcionamiento de la cadena de suministro a las fases anteriores y posteriores, mediante el uso de tecnologías digitales e inteligentes y modelos multicanal. Para gestionar y optimizar las operaciones, los métodos y algoritmos tradicionales de planificación de la cadena de suministro se enfrentan a retos cada vez mayores. El reto se amplificó con el brote de COVID-19 de finales de 2019. En primer lugar, la pandemia provocó una demanda excepcional de mascarillas, alcohol, productos de limpieza doméstica y alimentos. En segundo lugar, las redes de transporte se vieron interrumpidas debido a los cierres patronales. En tercer lugar, los productos se agotaron debido a la escasez de mano de obra y materias primas y a las interrupciones logísticas. Para hacer frente a estos problemas, JD.COM aplicó una plataforma DTSC de apoyo a su negocio. Según Curtis Liu, Vicepresidente de JD.COM y Presidente de JD Intelligent Supply Chain, crisis como las epidemias han puesto de relieve la importancia de una cadena de suministro inteligente. Mediante las aplicaciones de un DTSC, los modelos basados en datos combinados con la simulación facilitan la evaluación y el ajuste rápidos de las estrategias de planificación de la cadena de suministro. La creación de un DTSC se convertirá en una tendencia importante para la gestión de las futuras cadenas de suministro.

5.2. La plataforma DTSC en JD.COM

La plataforma DTSC de JD.COM construye representaciones digitales de extremo a extremo para toda la cadena de suministro. En comparación con las cadenas de suministro minoristas tradicionales, que constan de varias etapas diferenciadas, JD.COM tiene una estructura de cadena de suministro integrada, en la que los productos se entregan directamente desde las fábricas y los fabricantes a los consumidores a través de una única plataforma jd.com. Esta estructura de cadena de suministro integrada tiene un mayor nivel de colaboración, un intercambio de información más eﬁcaz y un mayor nivel de agilidad que la estructura de cadena de suministro existente (Shen y Sun, 2021).

La plataforma DTSC está bien establecida para apoyar esta estructura integrada de la cadena de suministro mediante la conexión efectiva de los sistemas internos en JD.COM y los sistemas externos para ofrecer un valor holístico a lo largo de la cadena de suministro, como se muestra en la Fig. 2. Las fuentes de datos utilizadas para sincronizar la cadena de suministro física y los modelos digitales incluyen la plataforma de conﬁguración de red, el sistema de aprovisionamiento, el sistema de transferencia y el sistema de cumplimiento. Los algoritmos de optimización y simulación trabajan conjuntamente para apoyar el diseño integrado de la cadena de suministro y las operaciones inteligentes. Al conectarse directamente con los sistemas de decisión y ejecución, estos conocimientos optimizados pueden aplicarse rápidamente para responder a los cambios. Además, los datos se visualizan para una mejor comprensión. Se espera que la plataforma DTSC sea compatible con una amplia gama de decisiones empresariales en JD.COM, desde estrategias a largo plazo hasta planes a medio plazo y operaciones a corto plazo. La siguiente subsección toma como ejemplo la reconﬁguración de la red de la cadena de suministro.

5.3. La plataforma DTSC permite reconﬁgurar la cadena de suministro

En esta sección, ilustramos cómo la plataforma DTSC mejora la eﬁciencia operativa para hacer frente a los retos durante la pandemia de COVID-19. En una red de cadena de suministro típica de dos niveles, los centros de distribución ascendentes podrían verse repentinamente incapaces de distribuir mercancías a los almacenes debido a que los brotes regionales provocaron restricciones en los desplazamientos. En estos casos, JD.COM tuvo que reconﬁgurar su red de cadena de suministro en respuesta a las interrupciones. Los pedidos podían reponerse en otros centros de distribución alternativos o recurrir a la estrategia de pedidos pendientes.

La adopción de centros de distribución alternativos afectó negativamente a la tasa de cumplimiento de pedidos en su área de servicio original y generó importantes costes adicionales de transporte. Teniendo en cuenta los brotes impredecibles y las diferentes situaciones de ventas e inventarios de SKU masivas en diferentes regiones, era difícil evaluar si se debía reconﬁgurar la red de la cadena de suministro para la distribución interregional y cómo hacerlo. La plataforma DTSC es capaz de considerar exhaustiva y profundamente objetivos contrapuestos y simular y optimizar rápidamente distintas estrategias. El uso de la plataforma DTSC implica los siguientes pasos:

• Internalización de modelos de simulación en la plataforma DTSC. La plataforma DTSC de JD.COM admite la creación de modelos desde el nivel físico, el nivel temporal, el nivel de procesos y el nivel de costes para cartograﬁar el entorno real con la mayor precisión posible. La plataforma utiliza tecnología de datos signiﬁcativos para crear automáticamente los datos básicos para los modelos de simulación a partir del sistema de producción. La información básica incluye el alcance de los productos, el alcance de la región, la información sobre el centro de distribución y el almacén, y el tipo de cliente.

• Reﬂejar el negocio actual. Tras la inicialización, los modelos de simulación requieren una estructura y unos parámetros detallados para reﬂejar con exactitud el sistema real. Otros parámetros son la estructura actual de la red y la estrategia de reabastecimiento. Tomando como ejemplo uno de los casos de la pandemia COVID-19, la demanda de la zona de Shijiazhuang se reabasteció mediante dos centros de distribución en Shijiazhuang y Pekín. Mediante una cuidadosa calibración de los parámetros, los modelos de simulación de la plataforma fueron capaces de capturar la cadena de suministro física en términos de algunos indicadores clave (por ejemplo, la tasa de cumplimiento de pedidos locales y los costes de transporte) con una precisión media del 96%.

• Establecer planes para los candidatos. Tomando el mismo ejemplo, Debido a las restricciones para viajar a Pekín, se optó por utilizar los centros de distribución de Tianjin como plan alternativo.

• Análisis y visualización de los resultados. JD.COM aplicó algoritmos avanzados para mejorar el diseño de la red de entrega (Kang et al., 2021). En el caso anterior, la solución alternativa se evaluó mediante el índice de rotación de inventario, la disponibilidad de inventario, el índice de división de pedidos, el índice de cumplimiento de pedidos locales, el ratio de entrega en el mismo día y los costes totales. Como resultado, el centro de distribución de Tianjin solo reabasteció una parte de las SKU para mantener un alto nivel de servicio.

Fig. 2 Marco de la plataforma DTSC de JD.COM.

En resumen, la plataforma DTSC de JD.COM mejora significativamente la eficacia operativa en respuesta a las interrupciones repentinas de la cadena de suministro durante la pandemia COVID-19. La plataforma apoya la planificación integrada de la cadena de suministro en lugar de optimizar cada etapa de la cadena de suministro de forma independiente. La plataforma logra un gran avance en la representación de la cadena de suministro de extremo a extremo en el espacio virtual. Gracias a las herramientas de optimización basadas en datos, el tiempo de respuesta a las interrupciones se acorta una media del 50%. Antes, la evaluación de la reconfiguración de la cadena de suministro con casi 200.000 SKU llevaba varios días. El tiempo de ejecución se reduce a menos de una hora con la ayuda de las herramientas de análisis y optimización de big data de la plataforma DTSC.

5.4. Debate

Animada por el éxito de la aplicación en la reconﬁguración de la red de la cadena de suministro durante la pandemia COVID-19, JD.COM está entusiasmada con la aplicación de la plataforma DTSC a gran escala para hacer realidad la cadena de suministro inteligente. En primer lugar, la plataforma DTSC se desarrolla para modelar la red de la cadena de suministro nacional de JD.COM, lo que requiere herramientas de simulación y optimización a gran escala. En segundo lugar, se espera que la plataforma realice la sincronización de alta frecuencia entre la cadena de suministro física y los modelos digitales. Se puede mejorar la eﬁciencia operativa diaria mediante la exploración de datos en tiempo real. En tercer lugar, la analítica se utilizará de forma proactiva para prever posibles perturbaciones y conseguir que JD.COM esté plenamente preparada.

6. Conclusiones

Dado el innovador concepto de DT, las oportunidades de construir y mejorar la cadena de suministro inteligente son considerables. Los profesionales deberían adoptar la innovadora tecnología DT para construir una DTSC desde cero. Hacer realidad la visión de la cadena de suministro inteligente lleva tiempo, pero la transición merece la pena. Para futuros estudios, se anima a los investigadores a resolver los nuevos problemas que plantea la cadena de suministro inteligente. Necesitamos nuevos enfoques de modelización y patrones de toma de decisiones para aprovechar al máximo los datos en tiempo real y adaptarnos a un entorno cambiante. Debemos explorar el uso de un DTSC para transformar los datos y la información en conocimiento y valor. Para reducir los riesgos y aumentar la agilidad, hay que abordar nuevos problemas relacionados con el análisis predictivo para la cadena de suministro inteligente. Nuestro debate no es exhaustivo. Esperamos que se preste más atención práctica y académica al concepto de DT para aprovechar plenamente las ventajas del DTSC.

Referencias

See on:

Wang, L., Deng, T., Shen, Z. J. M., Hu, H., & Qi, Y. (2022). Digital twin-driven smart supply chain. Frontiers of Engineering Management, 9(1), 56-70.