[논문 리뷰] Transforming agrifood production systems and supply chains with digital twins

Asaf Tzachor, Catherine E. Richards외 1명|arXiv (Cornell University)|2022. 01. 31.

Digital Transformation in Industry인용 수 1

한 줄 요약

이 논문은 디지털 트윈(DT) 기술이 농식품 시스템을 실시간으로 AI 기반 시뮬레이션과 최적화를 가능하게 하여 공급망 전 단계—농업 투입물에서 소매까지—에서 온실가스 배출, 식량 낭비, 영양결핍을 줄일 수 있음을 제안한다. 센서 데이터와 강화학습을 활용한 가상 복제체를 통해 DT는 최적의 제어 전략을 예측할 수 있으나, 데이터 표준화, 불확실성 모델링, 공정한 접근성 등의 장애물에 직면해 있다.

ABSTRACT

Digital twins can transform agricultural production systems and supply chains, curbing greenhouse gas emissions, food waste and malnutrition. However, the potential of these advanced virtualization technologies is yet to be realized. Here, we consider the promise of digital twins across five typical agrifood supply chain steps and emphasize key implementation barriers.

연구 동기 및 목표

• . 이 논문은 디지털 트윈(DT) 기술이 농식품 시스템에 어떻게 적용되어 지속 가능성을 향상시킬 수 있는지 조사한다.
• 글로벌 농식품 시스템에서 온실가스 배출, 식량 낭비, 영양결핍을 줄이기 위한 긴급한 필요성을 다룬다.
• 데이터 표준화, 모델링의 불확실성, 공공선의 응용에 대한 인centives 부족 등의 핵심 구현 장애 요인을 규명한다.
• 특히 저소득 지역에서 생태적 및 인도주의적 목표를 달성하기 위해 디지털 트윈이 공공선을 위한 것으로 기여할 수 있도록 국제적·공적 투자를 촉구한다.
• 공개 데이터 접근, 오픈소스 플랫폼, 다학문 간 교육을 통해 공정한 DT 배포를 가능하게 하기 위한 목표를 포함한다.

제안 방법

• . 디지털 트윈은 환경, 생물학적, 화학적 파rameter의 실시간 센서 데이터를 활용해 물리적 농식품 시스템의 실시간 동적 가상 복제체로 생성된다.
• 강화학습(RL) 에이전트는 시스템 상태와 목표에 기반해 최적의 제어 조치—예: 관수, 영양소 사용, Ventilation—를 시뮬레이션하고 제안한다.
• 물리적 시스템 변화가 최소 지연으로 디지털 트윈에 반영되는 사이버-물리 아키텍처가 통합된다.
• DT는 농업 투입물, 주요 생산, 저장/운송, 가공, 유통/소매의 다섯 공급망 단계에 적용된다.
• DT 예측의 불확실성을 모델링하고 강건성을 향상시키기 위해 베이지안 방법을 권장한다.
• 확장 가능한 배포를 지원하기 위해 공개 표준, 상호운용성 있는 데이터 모델, 클라우드 인프라 및 센서 네트워크에 대한 공적 투자를 주장한다.

실험 결과

연구 질문

• RQ1 . 디지털 트윈은 농식품 공급망 전반에서 온실가스 배출을 어떻게 줄일 수 있는가?
• RQ2 . 농식품 시스템에 디지털 트윈을 구현하는 데 있어 핵심적인 기술적 및 제도적 장애 요인은 무엇인가?
• RQ3 . 디지털 트윈은 저장, 운송, 소매 단계에서 식량 낭비를 어떻게 최소화할 수 있는가?
• RQ4 . 디지털 트윈은 기후에 강건한 작물 개발과 지속 가능한 땅 이용을 어떻게 지원할 수 있는가?
• RQ5 . 농업 분야에서 디지털 트윈 기술의 공정한 접근성과 공공선 배포를 보장하기 위해 필요한 정책 및 제도적 메커니즘은 무엇인가?

주요 결과

• . 디지털 트윈은 실시간으로 제어 전략을 시뮬레이션하고 최적화함으로써 주요 농업 생산 단계에서 자원 사용을 줄이고 수확량을 향상시킬 수 있다.
• . DT는 저장 및 운송 시스템에서 온도, 습도, 부패 지표를 예측적으로 모니터링함으로써 식량 낭비를 줄일 수 있다.
• . 디지털 트윈 내 강화학습의 활용은 자율적이고 데이터 기반의 권고를 가능하게 하여 온실가스 배출를 최소화하고 효율성을 극대화한다.
• . 모델링 오류와 데이터 표준화 부족—예: 호환되지 않는 온도 단위—는 시스템 장애와 식량 부패를 초래할 수 있다.
• . 공적 투자와 공개 표준이 없을 경우, 디지털 트윈은 주로 사적 이해에만 기여하게 되어 취약 지역을 뒤로 미룰 수 있다.
• . 이 논문은 공개 데이터 접근, 오픈소스 플랫폼, 농식품 종사자 대상의 컴퓨터 과학 교육이 공정하고 확장 가능한 배포를 위해 필수적이라고 강조한다.