Digital Twins in Supply Chain Management : Scope and Methodological issues
Jumeaux numériques dans la gestion de la chaîne logistique : portée et problèmes méthodologiques
Résumé
This paper investigates the implementation of Digital Twins (DTs) in Supply Chain Management (SCM), highlighting the gap between their conceptual promise and practical applications. DTs are recognised for their potential to correct real-time deviations and anticipate and prevent disruptions as they emerge; however, operational deployments in SCM remain rare. Numerous studies mislabel simulation models or Digital Shadows (DSs) as DTs, blurring essential distinctions. To address this issue, this paper adopts a praxeological approach that aims to situate observed implementations within their decision-making context. From this perspective, we propose a novel methodological framework that integrates the historical evolution of supply chain information and decision systems with a multidimensional analysis grid, outlining technological progress from simulators to DSs and DTs. This grid evaluates core DT functionalities (simulation, detection, anticipation and correction) across 51 empirical case studies, providing granular insights into maturity levels and AI enhanced patterns. The results show that most models support monitoring and decision-making, but only 16% achieve closed-loop capabilities typical of fully functional DTs, mainly in closed systems. In contrast, open systems still depend on human intervention, although AI can increasingly support such contexts. This praxeological approach provides critical and evidence-based snapshots of actual implementations. It offers researchers a clarified conceptual lens and practitioners empirically grounded guidance, outlining avenues for future inquiry and a reflective framework to guide the development and governance of DTs in supply chains.
Cet article examine la mise en œuvre des jumeaux numériques (DT) dans la gestion de la chaîne logistique (SCM), et souligne l’écart entre leurs fondements conceptuels et leurs applications opérationnelles. Les DT sont reconnus pour leur potentiel à corriger les écarts en temps réel et à anticiper et prévenir les perturbations dès leur apparition ; cependant, leur déploiement opérationnel dans la SCM reste rare. De nombreuses études qualifient à tort les modèles de simulation ou les Digital Shadows (DS) de DT, brouillant ainsi les frontières. Pour remédier à ce problème, cet article adopte une approche praxéologique visant à situer les mises en œuvre observées dans leur contexte décisionnel. Dans cette perspective, nous proposons un cadre méthodologique fondé sur l'évolution historique des systèmes d'information et de décision de la chaîne logistique, présenté dans une grille d'analyse multidimensionnelle, s'appuyant sur les progrès technologiques allant des simulateurs jusqu'aux DS et aux DT. Cette grille évalue comment sont traitées les fonctionnalités essentielles des DT (simulation, détection, anticipation et correction) à partir de 51 études de cas empiriques, fournissant des informations détaillées sur les niveaux de maturité et les les améliorations potentielles apportées par l'IA. Les résultats montrent que la plupart des modèles prennent en charge la surveillance et la prise de décision, mais que seuls 16 % d'entre eux atteignent les capacités de rétroaction typiques des DT pleinement fonctionnels, principalement dans des systèmes fermés. En revanche, les systèmes ouverts dépendent toujours, au final, de l'intervention humaine, bien que l'IA puisse de plus en plus prendre en charge ces contextes. Cette approche praxéologique fournit des analyses critiques fondées sur des cas de mise en œuvre réels. Elle offre aux chercheurs une perspective conceptuelle clarifiée et aux praticiens des conseils fondés sur l'expérience, décrivant des pistes de recherche futures ainsi qu'un cadre de réflexion pour guider le développement et la gouvernance des DT au sein des chaînes logistiques.