智能制造、数字孪生与战略场景建模

肖静华，谢 康，迟嘉昱

(中山大学 管理学院，广东 广州 510275)

一、智能制造与企业战略

智能制造不仅为企业生产运作管理的“兵棋推演”提供了基础和条件，也为企业战略管理的“兵棋推演”提供了基础和条件，因为智能制造有以下三方面的管理特征：首先，智能制造是互联网、大数据和人工智能与先进制造技术深度融合的产物[1]，形成数字孪生驱动的制造模式变革；其次，基于数字孪生的智能制造形成规模经济与范围经济的协同，使解决制造管理中效率与灵活的二元性问题提升到一个新的高度；最后，基于智能制造，制造业能够真正实现面向用户需求的管理创新，从而形成现实意义而非理论意义上的用户驱动的管理变革[2-3]。因此，智能制造可以为企业战略管理和生产运作的模拟优化提供不同的场景分析。

与精益生产、柔性制造等以往制造技术的进步相比，智能制造的影响呈现出三个不同的特征：其一，以往制造技术进步的影响多限于制造领域，然而，智能制造不仅仅是制造技术的变革，而且是技术进步引致的社会生产方式和人类生活方式的革命；其二，以往制造技术进步多侧重在生产运作领域，与企业战略的关联不紧密，然而，智能制造却引发企业的全面管理变革，使战略管理与生产运作面临同样的创新挑战；其三，以往制造技术进步多限于企业内部，尽管也强调开放式创新，但主要是从企业视角出发，然而，智能制造的数字孪生不仅促进了企业层面面向用户的互动创新，而且诱发了产业或行业层面的各类衍生创新，推动社会进行广泛的合作创新。

现有智能制造的研究主要侧重制造技术方案和智能模型构建[4]，或讨论智能制造对企业转型升级及对国家经济发展的战略影响[5]，将数字孪生看成是一种集成多物理、多尺度、多学科属性，具有实时同步、忠于映射、高保真度特征，能够实现物理世界与信息世界交互与融合的技术手段[6]。总体上，尽管有少数文献开始涉及智能制造的共享商业模式和知识管理等问题[7-8]，但鲜有深入剖析智能制造数字孪生的战略管理价值的文献。在企业战略管理的研究中，无论是低成本、差异化、战略联盟等战略内容的研究，还是战略规划与决策、战略选择与实施等战略过程的研究[9]，均只是关注智能制造对企业战略变革的影响，呼吁要开展智能制造情境下的战略变革研究[10]，但鲜有对基于智能制造数字孪生的企业战略管理创新的探讨。

综上所述，尽管智能制造和战略管理领域均有丰富的研究，但两者的交叉研究还只是处于萌芽阶段，以下几方面均是值得进一步探讨的问题：

首先，尽管战略规划与企业绩效之间呈现出高度相关关系[11-12]，但越是动荡的环境，企业越需要更多的信息来保障战略规划与绩效之间的关系，因此，信息构成市场环境和战略情境与企业绩效之间的重要影响因素[13-14]。随着智能制造水平的提升，实物资源与企业绩效的关联度逐渐下降，大数据、智能模型、知识产权等无形资产在战略规划与企业绩效之间发挥越来越重要的影响。如何基于智能制造的数字孪生平台建立起反映市场环境和战略情境与组织绩效关系的动态知识模型，将成为智能制造与战略管理交叉研究的前沿课题之一。

其次，在战略决策过程中，企业家会受到框架效应、控制错觉或类比推理等有限理性的影响，现有研究也探讨了通过多种方式帮助企业家克服决策偏见的影响[15-16]。同时，研究也表明，企业中层管理团队也会对战略规划与绩效之间的关系产生重要影响，中层管理团队的决策不仅受框架效应等有限理性的影响，而且受其在组织中的网络结构特征的影响[17-18]。不少学者提出，需要为企业家或中层管理团队提供克服决策偏见的干预技术和工具。然而，企业家或中层管理团队可以使用什么工具来处理决策偏见,至今尚未有较好的答案。如果构建基于智能制造数字孪生平台的战略场景模型，将能够为企业家和中层管理团队决策提供第三方的独立价值，有助于在企业家决策与中层管理团队群决策之间构建一个相互支撑的战略决策新模式，这也将是智能制造与战略管理交叉研究的前沿课题之一。

最后，战略过程研究中一个长期未得到有效解释的问题是有关战略的涌现问题，即哪些问题会引起企业家的关注而上升为战略问题，哪些问题则得不到关注[19-20]。尽管有研究从组织学习、知识管理或动态能力等多个角度试图回答这一问题[21]，但形成组织战略议程或战略决策的力量究竟是什么？环境、企业家、中层管理团队和绩效等因素被许多文献提及，但这些因素如何促使某个问题引起企业家的注意而上升为企业的战略问题，其内在过程由于存在知识“黑箱”而未有较一致的共识。基于数字孪生的战略场景建模，可以为研究者提供一种战略分析工具而有助于推进对这一知识“黑箱”的认知。因此，如何通过基于数字孪生的战略场景建模来深化对战略涌现的认知过程，将成为智能制造与战略管理交叉研究中另一个有前景的前沿课题。

根据上述研究的缺口，本文拟在现有战略过程研究的情境模拟法(Simulation)和决策场景法(Decision Scenario)基础上[22-23]，将生产运作领域的场景建模引入到战略层面的场景建模，根据情境模拟法和决策场景法模拟战略环境，利用案例研究提炼战略场景模型所需的关键维度或指标，通过人工智能进行模型训练，创造性地提出基于智能制造的战略场景模型及其方法思想而形成理论创新，以形成对企业战略决策分析研究的推进。

二、数字化战略场景的构建方法与价值

现有战略管理研究从多个角度力图再现或模拟企业战略管理的现实情境，实现军事上类似“兵棋推演”的战略决策模拟，形成了一些有代表性的研究方法，情境模拟法和决策场景法就是其中的代表。

(一)情境模拟法与决策场景法

战略过程的研究表明，环境、组织特征和决策特有因素等情境因素会显著影响战略决策过程[24]，因此，战略过程的研究者普遍强调，为提高研究结论的稳健性，需要控制战略过程的外部环境特征。为了更好地识别和控制外部环境特征，研究者提出了战略管理的两种模拟方法，一是类似实验研究的情境模拟[22]、自由模拟检验[25]、镜像行为模拟[26]等，二是以Fredrickson[23](1984)为代表的将决策场景嵌入问卷调查的方法。

模拟是通过对过程和结果进行灵活模仿，以澄清或解释所涉及的潜在机制[27]。针对战略决策过程研究中的不足，如调查问卷方法获得的截面数据存在诸多缺陷，Nees[22](1983)指出，情境模拟法可以作为一种补充性的研究方法，其目的不是为了复制现实，而是创建和观察一个具有相似行为模式的系统，在实际情境之外重新审视决策过程中需要关注的重点问题。情境模拟法是迭代研究过程的一个组成部分，在完成实地调研和案例分析的基础上，研究者准备好实验用的案例材料，通过实验来模拟真实的案例过程，再通过对模拟得到的数据信息进行分析，与实际案例进行比较。情境模拟法主要有三方面的作用：一是增强案例研究已有结论的可靠性，二是对案例研究结论的部分具体现象或问题进行补充，三是加强对战略决策过程中管理者心理因素的行为分析。

Fredrickson & Mitchell[28](1984)提出了决策场景法，用以更好地理解企业的战略决策过程。现以两位学者针对不稳定环境条件下的研究为例，介绍该研究方法的步骤：首先，提出假设：在不稳定的环境下，战略决策过程的全面性与企业绩效负相关；其次，确定一个环境不稳定的行业，选取27家公司的109名高管，与每家公司的首席执行官(CEO)进行结构化访谈，获取有关战略决策过程的信息；再次，根据访谈编写一个决策方案，详细描述公司在诊断情况、生成方案、评估方案，以及将决策整合到整体战略方面的工作内容。其后，让109名高管阅读该方案并回答一系列的问卷题目，描述其所在公司在面临同样问题时会采取的决策过程；最后，结合问卷数据和企业绩效数据进行分析，得出结论[28]。

决策场景法与情境模拟法存在显著差异，前者是将一个战略决策方案嵌入调查问卷中，作为一个例子帮助参与者理解战略决策的过程，其本质是借助问卷调查方法对战略规划进行改良。后者更接近实验研究，直接将参与者带入到一个战略决策的模拟情境中，观察其行为。前者是先提出假设，后利用融入模拟情境的问卷调查法验证假设，后者更偏向于探索性的情境研究。两种方法的差异，恰好为智能制造环境下的企业战略场景模拟研究提供了不同方面的基础。将决策场景法和情境模拟法各自的特点与智能制造的数字孪生平台结合起来，可以为企业数字化战略场景模型的构建找到战略管理思想与方法的结合点。

(二)构建数字化战略场景的价值

战略管理被Jarzabkowski[29](2008)视为企业内部的一项社会动态现象。行动理论聚焦于探讨不同行为者的主观状态与战略计划过程之间的交互作用，因此，可以借助行动理论来分析和解释战略计划如何传递、沟通、参与和整合，从而揭示行为者主观认知与战略浮现之间的相互关系[20]。

通过数字孪生技术平台的数字化战略场景构建，可以较方便地模拟或重构企业战略决策的复杂推演过程，从而丰富和深化对企业战略进程的全面性和不确定性的认知。因此，基于智能制造数字孪生平台构建的战略场景模型，可以视为引入人工智能的一项行动理论研究。具体来看，其价值主要包括以下几个方面：

首先，现有战略过程研究或将环境作为调节变量来研究战略过程与何种环境相匹配的问题，或将环境视为自变量来分析环境对战略过程的影响[24]，但两类研究是彼此独立、缺乏整合的。通过构建数字化战略场景模型，可以对环境进行灵活设置，将上述两类研究进行整合，模拟或还原环境对战略过程的不同影响机制，推动Judge & Miller[30](1991)等开展的环境与战略过程交互影响的研究。通过将市场大数据获得的行业趋势分析和应用场景分析、案例研究获得的战略过程关键维度或指标、实验研究获得的决策心理特征等信息整合起来，可以较好地模拟外部环境、组织特征与决策心理之间的复杂互动过程及其可能结果，从而考察不同环境与战略过程之间的具体关系。

其次，构建数字化战略场景模型，有助于推进将战略计划整合过程视为一种协同演化过程的研究[31]，使研究者可以将具有分歧性的利益、经验、权力和知识的参与者都纳入到战略计划过程中，构建出一种更具体的、包含不同层面参与者的战略过程模型。通过数字化战略场景模型，可以使战略过程中利益相关方的政治表现或行为过程变得更为具体和直观，使战略决策以可视化或具象化的方式呈现出个体和部门间协商和谈判的结果及其对战略过程特征的影响，从而有助于智能制造情境下组织内部的生态平衡，有助于战略决策从组织权力格局的配置转向决策过程的理性主义[32]。

最后，数字化战略场景模型拥有更高效率地模拟或还原战略决策所需信息的能力和条件，这是企业在快速变化环境中制定出迅速、综合且有效决策的基础。例如，研究认为，当处于高速变化的环境中时，企业家既需要谨慎地制定战略，但又需要进行快速决策[33-34]。又如，文献指出，企业家可以通过对战略的有效宣导和传播来达成战略共识，推进战略方案的合法性[35-36]。然而，对于企业家到底如何应对高度动荡和复杂的环境来形成战略并达成共识，或对于哪些因素促使某个问题引起企业家的关注而上升为企业的战略问题，目前还是一个“黑箱”。通过构建数字化战略场景模型，可以模拟企业家在战略制定中的复杂推演过程，部分地打开“黑箱”，为探究战略过程提供新的研究思路。

三、数字孪生驱动的智能制造管理体系

企业数字化战略场景模型的构建需要投入大量成本，而且即使投入大量成本，也未必能较好地还原接近复杂现实状态的、有参考价值的战略场景。然而，智能制造数字孪生平台的出现，为企业在可支付成本的前提下构建数字化战略场景提供了可能。

从管理视角来看，智能制造由四个子系统组成：一是智能活动子系统，包括基于移动互联网、云平台、物联网及大数据的智能体对用户需求及市场环境变化的动态感知和实时分析；二是智能制造的知识管理子系统，如数字孪生平台，集中体现在智能管控中心的活动或集成式智能化生产调度平台的活动，体现制造过程的自主决策；三是核心智能制造能力子系统，包括智能车间和智能生产线，体现精确执行；四是智能联盟之间的高效协同子系统，实现合作伙伴之间的智能化协同。其中，高效适应环境变化、满足用户个性化需求及全面智能化构成智能制造的核心[5]。

为满足对环境变化的高适应性，实现以用户或消费者为导向的智能活动，构建对现实环境或过程的实时映射和交互优化，成为从技术和管理两方面提升智能制造水平的主攻方向。在此需求下，原本用于改进产品研发效率的数字孪生概念被迅速发展成智能制造的一个核心概念和技术平台。

在智能制造情境下，数字孪生由实体产品、虚拟产品及二者连接的三维模型，扩展为包括物理实体、虚拟模型、服务系统、孪生数据和连接的五维模型。在五维模型中，物理实体由控制、动力、执行等功能的子系统组成，各种传感器实时监控环境数据和运行状态；虚拟模型是物理实体的数字化镜像，集成融合几何、物理、行为及规则的四层模型，使模型具备分析、优化、预测和评价功能；服务系统集成评估、控制和优化等信息系统，基于物理实体和虚拟模型提供智能运行、精准管控和可靠运维等服务；孪生数据包括物理实体、虚拟模型和服务系统的相关数据、领域知识和融合数据，构成数字孪生运行的核心资源；连接是将上述四个组成部分连接起来进行有效的数据传输，实时交互以保障各组成部分的一致性和整体性，形成迭代优化[6]。

从企业制造管理角度分析，以往制造技术的革命主要集中在对制造材料、装备、工艺、标准和维护管理模式等五个关键制造要素的创新上，而智能制造通过对制造知识体系的重大变革，使五个关键制造要素发生根本性改变[37]。其中，数字孪生不仅是实现企业智能制造的重要条件[38]，而且是企业提高战略变革风险控制智能化水平的重要条件。在美的、三一重工和索菲亚等企业智能制造的变革实践中，总结出智能制造中人、机、料、法、环五个关键管理模块的互联互动体系。其中，人指掌握智能生产技能和管理知识的新型劳动者，机指制造设备，料指制造材料，法指制造流程和规则，环指上述四个关键管理模块之间的相互联系，形成管理闭环。要实现五个管理模块的互联互动，需要构建数字孪生平台来支持。

数字孪生驱动的制造管理体系由物理实体系统、虚拟模型系统、映射与交互系统、数据连接系统、环境与情境大数据系统等五大系统组成。物理实体系统包括智能产品、车间、工厂、生产和联盟五层次的智能生产与服务及将其连接起来的工业互联网。虚拟模型系统包括与物理实体系统一一映射的数字化模型系统，但二者的差别除了虚与实外，虚拟模型还具备物理实体不具备的人工智能模型和专家知识系统。映射与交互系统包括物理实体与虚拟模型之间相互映射和交互的设施及技术系统。数据连接系统既包括物理实体中的工业互联网，也包括虚拟模型中的数据连接系统。环境与情境大数据系统包括外部环境和情境及其映射与交互形成的大数据，以及集成应用这两类大数据形成的环境与情境决策支持系统。由此，数字孪生驱动的智能制造管理体系如图1所示。

图1 数字孪生驱动的智能制造管理体系

战略决策过程的准确模型只有通过多种数据收集方法相结合的方式才可能得到。在图1中，环境、情境等外部大数据与企业运作形成的内部大数据，共同形成企业战略场景模型的输入资源，由此促使模型不断优化和迭代。目前，智能制造和数字孪生的研究主要限于技术、流程和运作管理层面，即企业的内部大数据，要构建基于智能制造的企业战略场景模型，需要将智能制造数字孪生从运营层面拓展到战略层面，即需要将外部大数据和内部大数据集成起来，构建企业战略与绩效之间关系的战略场景模型。

四、数字孪生驱动的企业战略场景建模与决策模式创新

不同的战略要求和约束条件会影响到不同的战略场景构建方式和结构。本文以战略过程为例，对数字孪生驱动的企业战略场景建模与决策模式创新进行讨论，战略内容场景和战略实践场景的构建将另文讨论。

数字孪生驱动的企业战略场景建模目标可以是一维的，也可以是多维的。根据相关理论和企业实践来看，以下四个建模目标是较为普遍的：一是市场或行业趋势分析。如前所述，战略层面的数字孪生不仅包括企业运作层面的大数据，而且包括行业或产业互联网形成的行业或产业大数据及市场大数据，由此重点分析市场或行业的总体或具体产品的市场潜力或发展方向；二是衍生机会与新应用场景分析。战略层面的数字孪生通过大数据分析，寻找新技术、新场景、新消费行为、新竞合模式之间的相互关系，将企业已有的战略经验和模式与大数据中存在的关系现象联系起来，或强化现有认知，或改变现有认知，为企业研发创新、生产模式创新或营销创新等提供决策支持；三是战略选择模式分析。通过行业市场数据、竞品数据和标杆数据等，动态分析企业在总体和细分市场、当前与未来市场的竞争地位，构建不同市场环境或战略情境下的企业战略选择模式，模拟企业不同战略选择的路径或预期，为企业采取具体的战略提供决策支持；四是战略风险控制分析。在上述三类分析的数据基础上，根据战略选择构成的路径和预期，从外部和内部两个角度构建企业战略风险控制模型，为企业战略管理的风险分析与管控提供决策支持[39]。

企业战略场景建模的上述四个目标，都是为企业提供快速变化和高度不确定性环境下的决策支持信息，由此决定了企业战略场景模型的总体结构。一般而言，数字孪生驱动的企业战略决策场景模型的结构由三部分组成：一是战略场景的输入;二是战略决策建模及模型训练;三是战略场景的结果输出(如图2所示)。在图2中，战略场景的输入是数字孪生平台提供的环境、情境等外部大数据和企业运作形成的内部大数据。战略决策建模主要是通过各种算法，利用动态的内外部大数据，对不确定性和复杂性等环境因素，企业权力结构、以往绩效、组织冗余等组织特征，以及决策动力与紧迫性、决策全面性及资源保障等决策专有因素等进行建模。战略场景的模型训练包括训练内容和训练步骤，训练内容主要分为参数输入训练、模型关系训练和结果输出训练三类，并形成三者的相互迭代训练；训练步骤主要分为五步:第一步准备训练的数据集;第二步训练战略场景的类型;第三步训练记忆战略场景类型与环境的关系;第四步训练控制参数以支持更复杂的参数输入和更新战略类型;第五步测试训练结果与迭代优化。战略场景的输出就是各种类型战略场景模拟的结果，包括模拟的企业绩效结果或风险结果等。

图2 数字孪生驱动的战略过程场景模型

在此基础上，将战略场景模型纳入到现有的企业家直觉或参照点决策和中层管理团队群决策的企业战略决策模式中，可以形成企业家决策、中层管理团队群决策与战略场景模型决策三者相互支撑、优势互补的决策模式，从而推动基于智能制造的企业决策模式创新(如图3所示)。

图3 结合战略场景模型决策的企业决策模式创新

一方面，如前所述，企业家主要依靠直觉、个人信息来源，尤其是外部环境或关系刺激等因素来提高决策速度，而不是进行全面调查研究后才做出判断[40]。在企业家决策的研究中，大量文献探讨了企业家存在框架效应、控制错觉或类比推理等认知偏差，但总体而言，研究认为管理认知是一种可以控制的现象[41-42]。因此，战略场景的模型决策与企业家直觉或参考点决策相结合，将有助于改善现有企业战略决策模式中对企业家框架效应等有限理性的认知矫正。

另一方面，战略是一个辩证演化的过程，涉及到企业中高层管理团队的行为与认知，尤其是中层管理者是战略参与的关键角色，因为他们较多地接触市场，比高层更了解市场需求。同时，中高层管理团队参与战略实施，控制战略实施进展的风险，可以增强组织资源对战略进程的影响[43]。然而，现有研究对企业家决策与中高层管理团队群决策之间如何构建有效的协同机制尚缺乏具体讨论，战略场景模型可以为企业家与中高层管理团队之间的联系搭建一个数据分析平台，为企业自上而下与自下而上两种战略决策模式的协同提供一个有效的战略管理工具。由此，战略场景模型可以与中高层管理团队的群决策之间形成相互支撑，对中高层管理团队中存在的框架效应等认知偏差进行一定程度的校正。

总体而言，企业可以将数字孪生驱动的战略场景模型作为第三方决策支持角色，对企业家的直觉或参照点决策模式、中高层管理团队的群决策模式进行校正，在智能制造情境下构造大数据管理决策的一个新的参照点，形成智能制造环境下企业家直觉或参照点决策、中高层管理团队群决策与战略场景模型决策三者相互支撑、优势互补的战略决策模式创新，从而提高战略的全面性。

五、结 语

本文在情境模拟法和决策场景法等研究方法的基础上，提出了基于智能制造数字孪生的战略场景模型及其方法思想，推进了现有企业战略决策分析的研究。具体而言，形成了三方面的结论：首先，智能制造的数字孪生系统为企业战略场景建模提供了理论创新与实践校正的大数据平台，是构建企业战略场景模型的基础；其次，基于数字孪生构建的战略场景模型，可以为企业提供一种适当的战略设计来影响战略实践进程；最后，随着基于智能制造的企业战略场景模型的不断优化，企业战略决策模式将从企业家直觉或参照点决策及中层管理团队群决策，逐步过渡到企业家决策、中层管理团队群决策与战略场景模型决策三者相互支撑、优势互补的决策模式，从而形成企业战略决策模式的创新。

总体而言，数字孪生驱动的企业战略场景模型，既有助于更好地考察不同环境与战略过程之间的具体关系，也可以为企业家和中高层管理团队提供解决框架效应等认知偏差的管理工具，还可以通过模拟企业在战略制定过程中的复杂过程，为探究战略的涌现和共识提供新的思路。目前，这一领域的研究刚刚起步，未来有更多的议题需要进一步探讨。