ห่วงโซ่อุปทานกำลังเผชิญกับความท้าทายที่สำคัญเนื่องจากความซับซ้อนที่เพิ่มขึ้น การระบาดครั้งใหญ่ของโควิด-19 และการแข่งขันที่รุนแรง แนวทางแก้ไขที่เป็นไปได้เพื่อเพิ่มรายได้และปรับปรุงความสามารถในการฟื้นตัวคือการใช้ดิจิทัลทวินที่ขับเคลื่อนด้วย AI ดิจิทัลทวินเหล่านี้คือแบบจำลองเสมือนของวัตถุ ระบบ หรือกระบวนการในโลกแห่งความเป็นจริงที่ช่วยให้สามารถจำลองสถานการณ์ต่างๆ และคาดการณ์ผลลัพธ์ได้ โดยการใช้ข้อมูลแบบเรียลไทม์ ดิจิทัลทวินเหล่านี้ให้ข้อมูลเชิงลึกที่มีคุณค่าเชิงธุรกิจ หลายองค์กรกำลังใช้ดิจิทัลทวินเพื่อปรับปรุงการดำเนินงานให้เหมาะสม วางแผนตัวเลือกในการดำเนินการทางธุรกิจต่างๆ และใช้เพื่อตัดสินใจได้ดีขึ้น การวิจัยตลาดชี้ให้เห็นถึงการเติบโตอย่างมีนัยสำคัญสำหรับตลาดดิจิทัลทวิน โดยคาดการณ์ว่าจะมีการเพิ่มขึ้นรายปี 30-40% ในอีกไม่กี่ปีข้างหน้า โดยมีมูลค่า 125 พันล้าน ถึง 150 พันล้านดอลลาร์สหรัฐภายในปี 2032 อ้างอิงจาก McKinsey
Source: 10 use cases and benefits of adopting digital twins in retail, Appinventiv
เพื่อแสดงให้เห็นว่าห่วงโซ่อุปทานแบบฟื้นตัวได้เองทำงานอย่างไร ลองพิจารณาตัวอย่างนี้ ผู้ค้าปลีกรายหนึ่งใช้ดิจิทัลทวินเพื่อกำหนดระดับสินค้าคงคลังเพื่อความปลอดภัยแบบไดนามิกสำหรับสินค้าแต่ละรายการ (SKU) ที่ศูนย์กระจายสินค้าทุกแห่ง ระดับสินค้าคงคลังเหล่านี้จะปรับเปลี่ยนโดยอัตโนมัติโดยอิงตามความต้องการในท้องถิ่นและตามฤดูกาล การปรับปรุงประสิทธิภาพโดยละเอียดนี้ครอบคลุมไปไกลกว่าเพียงแค่การจัดการสินค้าคงคลัง เพื่อครอบคลุมทุกด้านของห่วงโซ่อุปทาน นับตั้งแต่การจัดซื้อและการออกแบบผลิตภัณฑ์ ไปจนถึงการผลิตและการพยากรณ์ความต้องการ ตัวอย่างเช่น การวางแผนการผลิตโดยละเอียดของผู้ค้าปลีกสามารถประสานงานกับขนส่งได้อย่างไร้รอยต่อ อีกทั้งช่วยวางแผนตัดสินใจการจจัดวางสินค้าคงคลัง การวางแผนแบบไดนามิกนี้พบใน ตัวอย่างเช่น สินค้าที่มีความต้องการสูงและมีศักยภาพในการขายควบคู่ ซึ่งต้นทุนการผลิตที่เพิ่มขึ้นถูกชดเชยด้วยต้นทุนโลจิสติกส์โดยรวมที่ต่ำลงเนื่องจากการจัดส่งแบบรวมและอัตราการเปลี่ยนลูกค้าเป้าหมายที่ดีขึ้น การสร้างแบบจำลองเชิงพยากรณ์ที่ซับซ้อนประเภทนี้คือจุดแข็งของดิจิทัลทวิน ผลลัพธ์ทั่วไปในสถานการณ์ดังกล่าวรวมถึงการปรับปรุงสูงสุดถึง 20% ในการตอบสนองความคาดหวังของลูกค้า ลดต้นทุนค่าแรงลง 10% และเพิ่มรายได้ขึ้น 5%
ซอฟต์แวร์การจัดการห่วงโซ่อุปทาน (SCM) สมัยใหม่ ซึ่งครอบคลุมเครื่องมือต่างๆ เช่น ระบบการวางแผนและกำหนดตารางขั้นสูง (APS) ระบบการจัดการคลังสินค้า (WMS) และระบบการจัดการการขนส่ง (TMS) ทำให้งานที่สำคัญของห่วงโซ่อุปทานเป็นไปโดยอัตโนมัติในช่วงสิบปีที่ผ่านมา ซึ่งช่วยปรับปรุงปฏิสัมพันธ์ระหว่างซัพพลายเออร์ ผู้ซื้อ และผู้จัดส่งสินค้าได้อย่างมาก ดิจิทัลทวินสามารถผสานรวมกับเครื่องมือ SCM ที่มีอยู่เหล่านี้ ทำหน้าที่เสริมที่อยู่เหนือเครื่องมือตัวอื่นๆ เช่น ทัลทวินสามารถปรับปรุงข้อมูลที่ใช้โดยเครื่องมือ SCM สร้างการวิเคราะห์เชิงคาดการณ์เพื่อจัดการกับสถานการณ์ต่างๆ ที่อาจเกิดขึ้น ตัวอย่างเช่น ผู้ผลิตอุปกรณ์ดั้งเดิม (OEM) ระดับโลกรายหนึ่งได้พัฒนา ดิจิทัลทวิน เพื่อปรับปรุงนโยบายที่ใช้ภายในแพลตฟอร์ม TMS สำหรับโลจิสติกส์ขาออก ซึ่งส่งผลให้ต้นทุนค่าขนส่งและค่าเสียหายลดลง 8%
Source: Forwarder Magazine
ธุรกิจเกี่ยวข้องกับห่วงโซ่อุปทานกำลังใช้แบบจำลองดิจิทัลเพื่อเพิ่มประสิทธิภาพทั้งกลยุทธ์ระยะยาวและการดำเนินงานประจำวัน เราได้เห็นบริษัทต่างๆ ใช้แบบจำลองดิจิทัลบ่อยที่สุดสำหรับการวางตำแหน่งและการพยากรณ์สินค้าคงคลัง การจัดการการเคลื่อนย้ายสินค้าภายในคลังสินค้าและโรงงาน และการช่วยเหลือในการวางแผนการผลิต อย่างไรก็ตาม สิ่งเหล่านี้เป็นเพียงตัวอย่างบางส่วนของวิธีที่แบบจำลองดิจิทัลถูกนำไปใช้ทั่วทั้งห่วงโซ่อุปทาน ไม่ว่าแบบจำลองดิจิทัลจะถูกใช้อย่างไร ประโยชน์ที่ได้รับนั้นชัดเจน ซึ่งเป็นประโยชน์ต่อทั้งการวางแผนเชิงกลยุทธ์และการดำเนินงานประจำวัน
ในระดับกลยุทธ์ ดิจิทัลทวินสามารถลดความเสี่ยงที่เกี่ยวข้องกับการวางแผนระยะยาวและการเปลี่ยนแปลงทางดิจิทัลในวงกว้างได้ โดยการจำลองผลลัพธ์ที่เป็นไปได้ การสร้างแบบจำลองเชิงพยากรณ์แบบ “what-if” นี้ช่วยให้บริษัทต่างๆ สามารถประเมินผลกระทบทั้งหมดของแผนกลยุทธ์ได้อย่างมั่นใจ ตัวอย่างเช่น ผู้ค้าปลีกรายหนึ่งใช้ดิจิทัลทวินซึ่งครอบคลุมทั้งเครือข่ายการกระจายสินค้าเพื่อวิเคราะห์ผลกระทบของการออกแบบศูนย์กระจายสินค้าแห่งใหม่ ก่อนหน้านี้ บริษัทได้ใช้วิธีการจากบนลงล่างเพื่อกำหนดขนาดและที่ตั้งของจุดถ่ายสินค้าใหม่ที่มีศักยภาพ อย่างไรก็ตาม โดยการใช้ดิจิทัลทวินเพื่อสร้างแบบจำลองข้อจำกัดที่เป็นไปได้ทั้งหมดของการจัดวางจุดถ่ายสินค้านั้น จนค้นพบว่าสามารถปรับขนาดและย้ายที่ตั้งใหม่ โดยใช้พื้นที่อสังหาริมทรัพย์น้อยลง 50% โดยไม่สูญเสียฟังก์ชันการทำงาน
Supply Chain Digital Twin Market, Market.Us
ในระดับการปฏิบัติงาน นอกเหนือจากการมีอิทธิพลต่อการตัดสินใจเชิงกลยุทธ์เพียงครั้งคราวแล้ว ดิจิทัลทวินยังสามารถทำหน้าที่เป็นแบบจำลองส่วนกลาง ปรับปรุงการตัดสินใจในแต่ละวันให้เหมาะสมทั่วทั้งการปฏิบัติงานต่างๆ แทนที่จะใช้แบบจำลองเชิงพยากรณ์ที่แยกจากกันและไม่ได้เชื่อมต่อกัน ดิจิทัลทวินสามารถผสานรวมแบบจำลองหลายแบบสำหรับการพยากรณ์และการตัดสินใจที่เป็นหนึ่งเดียว โดยจะพิจารณาถึงความสมดุลที่แข่งขันกันทั่วทั้งห่วงโซ่อุปทานแบบไดนามิก เพื่อแนะนำการปรับปรุงการปฏิบัติงานโดยละเอียด ตัวอย่างเช่น ผู้ค้าปลีกรายเดิมที่กล่าวถึงก่อนหน้านี้ ไม่เพียงแต่ใช้ดิจิทัลทวินเพื่อปรับปรุงขนาดและรูปแบบของจุดถ่ายสินค้าภายในศูนย์กระจายสินค้าให้เหมาะสมเท่านั้น แต่ยังใช้เพื่อปรับปรุงการวางตำแหน่งสินค้าคงคลังรายวันให้เหมาะสมอีกด้วย โดยได้พยากรณ์ระดับอุปทานรายสัปดาห์เพื่อสร้างสมดุลระหว่างต้นทุน คุณภาพการบริการ และความยั่งยืน ซึ่งส่งผลให้มีการปรับปรุงการใช้ประโยชน์ศูนย์กระจายสินค้าระดับภูมิภาคเพิ่มขึ้น 10% และลดต้นทุนการดำเนินการตามคำสั่งซื้อลง 5%
Article by: Asst. Prof. Suwan Juntiwasarakij, Ph.D., Senior Editor & MEGA Tech