[论文解读] Transforming agrifood production systems and supply chains with digital twins

Asaf Tzachor, Catherine E. Richards+1 more|arXiv (Cornell University)|Jan 31, 2022

Digital Transformation in Industry被引用 1

一句话总结

本文提出，数字孪生（DTs）可通过在从农业投入到零售的供应链各阶段实现实时、基于人工智能的仿真与优化，从而推动农业食品系统转型，减少温室气体排放、食物浪费和营养不良。通过在虚拟副本中利用传感器数据和强化学习，DTs 可预测最优控制策略，但其实施仍面临数据标准化、不确定性建模和公平获取等方面的障碍。

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.

研究动机与目标

• 本文研究数字孪生（DT）技术如何应用于农业食品系统以提升可持续性。
• 针对全球食品系统中亟需减少温室气体排放、食物浪费和营养不良的迫切需求。
• 研究识别出关键实施障碍，如数据标准化、建模中的不确定性以及公共产品应用缺乏激励机制。
• 呼吁国际及公共投资，确保数字孪生服务于生态与人道主义目标，特别是在低收入地区。
• 目标包括推广开放获取数据、开源平台以及跨领域培训，以实现数字孪生的公平部署。

提出的方法

• 数字孪生作为物理农业食品系统的实时动态虚拟副本，通过环境、生物和化学参数的实时传感器数据构建。
• 在数字孪生中部署强化学习（RL）智能体，基于系统状态和目标，模拟并推荐最优控制措施（如灌溉、养分使用、通风）。
• 该方法整合了信息-物理架构，确保物理系统的变化以最小延迟反映在数字孪生中。
• 数字孪生应用于供应链五个阶段：农业投入、初级生产、储存/运输、加工以及分发/零售。
• 建议采用贝叶斯方法对数字孪生预测中的不确定性进行建模，以提升鲁棒性。
• 该框架倡导采用开放标准、可互操作的数据模型，并推动对云基础设施和传感器网络的公共投资，以支持可扩展部署。

实验结果

研究问题

• RQ1 如何利用数字孪生减少农业食品供应链中的温室气体排放？
• RQ2 在农业食品系统中部署数字孪生的关键技术和制度障碍是什么？
• RQ3 数字孪生如何用于最小化储存、运输和零售过程中的食物浪费？
• RQ4 数字孪生在支持气候适应性作物培育和可持续土地利用方面有哪些作用？
• RQ5 需要哪些政策与制度机制，以确保农业中数字孪生技术的公平获取与公共利益部署？

主要发现

• 数字孪生可实现实时仿真与控制策略优化，减少资源使用并提升初级农业生产中的产量。
• 数字孪生可通过预测性监控储存与运输系统中的温度、湿度和腐败指标，减少食物浪费。
• 在数字孪生中应用强化学习可实现自主、数据驱动的建议，从而最小化排放并最大化效率。
• 建模误差以及缺乏数据标准化（如温度单位不兼容）可能导致系统故障和食物变质。
• 若缺乏公共投资与开放标准，数字孪生可能主要服务于私人利益，使脆弱地区被排除在外。
• 本文强调，开放获取数据、开源平台以及农业食品领域人员的计算机科学培训，对于实现公平且可扩展的部署至关重要。