根据后勤局的说法, 69%的组织对他们的供应链没有完全的了解. 为什么这很重要?? 因为需要完全的可见性来改善制造供应链的运作并降低成本. 对于大多数制造商来说, 供应链数据分散在不同的位置(通常是在多个电子表格中)，这使得很难发现改进的机会. 

物流局还指出，拥有最佳供应链的企业供应链成本降低了15%, 不到50%的库存, 现金到现金的周期至少比那些没有专注于供应链优化的公司快三倍. 这就是网络优化的用武之地. 网络优化提供了对制造组织数据的所有领域的可见性, 为决策者提供见解，使他们能够利用这些见解来推动行动，以改善运营并降低成本. 

创建数字孪生 

尝试使用电子表格中的数据手动建模整个供应链是一项劳动密集型工作, 耗费时间的, 这是一个充满错误的艰巨过程. 网络优化通过创建“数字孪生”来简化制造商供应链数据的收集.“数字孪生复制相关供应链数据，使制造商能够获得所有关键数据元素的细粒度视图. 典型的供应链数据元素包括:

• 位置
• 卷
• 起源
• 材料
• sku
• 产品重量
• 运输成本
• 吞吐量成本

一旦所有的供应链数据被聚合到数字孪生中, 制造商可以使用这种粒度来确定他们的真实总成本. 重要的是要让数字双胞胎跟上时代，否则它就会变成过去的过时图片. 有一个更新的数字双胞胎, 供应链管理人员可以实时看到通道和流量, 使他们能够充分了解他们的业务中发生了什么. 

获取可操作数据

将制造商的供应链数据存储在数字孪生体中是正确的第一步. 但他们需要根据这些数据采取行动，以发现其真正的价值. 网络优化研究的下一步是建模. 一旦数据被整合到数字孪生中, 然后将建模输出输入到复杂的业务智能工具中，以创建易于使用的模型, 改进的目标性数字表示. 

有了这些数字模型, 制造商可以确定和比较对其供应链网络的潜在变化的权衡. 他们可以迅速地将可衡量的改进机会与不能提供收益或更糟的计划区分开来, 可能造成损失. 可视化工具可以方便地选择场景, 查看可能的策略并计算结果. 

当涉及到审查数字孪生模型时，它不是一个放之四海而皆准的标准. 这实际上取决于行业和制造商组织的构成. 例如, 需求波动较大的电子商务组织应该每三到六个月进行一次审查和调整. 与此形成鲜明对比的是, 需求波动较小的大型制造商可能会选择审查方案并每年进行改进.

 一个全局网络优化研究

In 2020, 当时新冠肺炎大流行正如火如荼地进行着, 一家全球领先的制造商进行了一项网络优化研究，以了解是否有机会改善其供应链运营并降低成本. 这家制造商每年在运输上的支出超过10亿美元, 提供12,000种不同类型的材料到19,我们在全球六大洲拥有5000多名客户，在全球拥有200多家工厂. 

在创建了一个集成了制造商最相关数据的数字双胞胎之后, 应用先进的建模软件进行场景分析, 确定需要改进的地方，并提供可行的建议. 通过网络优化研究, 制造商了解到，他们每年的运输开支中有很大一部分被浪费了.

在制造商总部所在的国家, 他们在东西两岸都有生产工厂，把同样的产品运送到不同的地区. 数据和模型还显示，他们在不同地区寻找客户时缺乏严格的流程, 管理交货期和预定运输成本. 

数据的交互式呈现是制造商所需要的令人大开眼界的时刻. 通过可操作的数据和场景，他们可以清楚地看到全球的低效率，这些数据和场景为纠正低效率和优化全球供应链网络提供了明确的机会. 最后, 由于网络优化研究，制造商发现有机会节省6000万美元.

网络优化研究可以帮助制造商驱动性能和提高底线结果. 考虑网络优化的主要措施是制造商是否准备好并愿意做出改变以改善其运营并降低成本. 仅仅从网络优化研究中获得的可见性是不够的. 制造商需要准备好利用研究揭示的见解，并采取有意义的行动来改善他们的供应链网络.