面向冷鏈智能立體倉庫的數(shù)字孿生系統(tǒng)構(gòu)建

胡斌，郭慧,，陶雄杰

自動(dòng)化與智能化技術(shù)

面向冷鏈智能立體倉庫的數(shù)字孿生系統(tǒng)構(gòu)建

胡斌1，郭慧1,2*，陶雄杰3

（1.澳門科技大學(xué)，澳門 999078；2.梧州學(xué)院 廣西機(jī)器視覺與智能控制重點(diǎn)實(shí)驗(yàn)室，廣西 梧州 543003；3.廣州力控元海信息科技有限公司，廣州 510630）

當(dāng)前冷鏈物流行業(yè)立體倉庫存在貨品損耗率高、失溫嚴(yán)重、信息化水平低等問題，確保冷鏈智能立體倉庫的食品質(zhì)量安全，并實(shí)現(xiàn)降本增效。面向冷鏈智能立體倉庫的運(yùn)行場(chǎng)景，設(shè)計(jì)全映射與多維仿真的數(shù)字孿生五維模型，通過對(duì)多源異構(gòu)數(shù)據(jù)的融合，實(shí)現(xiàn)立體倉庫全要素的狀態(tài)實(shí)時(shí)可視化與監(jiān)測(cè)預(yù)警，并提出一種支持系統(tǒng)聯(lián)動(dòng)決策的模型優(yōu)化策略，對(duì)立體庫負(fù)載與溫控區(qū)熱力分布進(jìn)行智能調(diào)節(jié)，最大限度提高運(yùn)行效率和降低運(yùn)營(yíng)成本。構(gòu)建了一套冷鏈智能立體倉庫數(shù)字孿生系統(tǒng)，通過對(duì)優(yōu)化前后倉庫運(yùn)行數(shù)據(jù)進(jìn)行對(duì)比，同等倉儲(chǔ)環(huán)境條件下生鮮蔬菜的食品保鮮度損耗率同比下降了25%～30%，實(shí)現(xiàn)了冷鏈智能立體倉庫實(shí)時(shí)數(shù)據(jù)與動(dòng)態(tài)虛擬模型的精準(zhǔn)映射與聯(lián)動(dòng)運(yùn)轉(zhuǎn)。以廣東某供應(yīng)鏈管理有限公司佛山智能冷鏈倉儲(chǔ)物流中心的冷鏈立體倉庫為實(shí)踐對(duì)象，形成了冷鏈智能立體倉庫一體化管控新模式。為冷鏈智能立體倉庫運(yùn)營(yíng)管理、調(diào)度聯(lián)動(dòng)決策與協(xié)同作業(yè)提供了數(shù)字孿生技術(shù)的應(yīng)用參考，為建立更完善的保鮮產(chǎn)品包裝與冷鏈?zhǔn)称焚|(zhì)量安全提供了新路徑。

冷鏈物流；多維仿真；數(shù)字孿生；虛實(shí)聯(lián)動(dòng)

冷鏈物流指將冷藏產(chǎn)品在適宜的低溫環(huán)境中儲(chǔ)存、運(yùn)輸、配送和銷售，以確保食品質(zhì)量和安全的系統(tǒng)工程[1]。冷鏈立體倉庫是冷鏈物流中的一個(gè)重要環(huán)節(jié)，立體倉庫通常由復(fù)雜的輸送系統(tǒng)、調(diào)度系統(tǒng)以及自動(dòng)存儲(chǔ)和檢索系統(tǒng)組成?？稍谙鄬?duì)較小的占地面積內(nèi)進(jìn)行高密度存儲(chǔ)，并通過更高效、更有條理的貨物存儲(chǔ)與檢索體系，幫助企業(yè)降低存儲(chǔ)成本、提高效率、改善庫存控制，并優(yōu)化其物流和供應(yīng)鏈運(yùn)營(yíng)。我國(guó)大部分立體倉庫的信息化升級(jí)已采用物聯(lián)網(wǎng)、區(qū)塊鏈、大數(shù)據(jù)分析、機(jī)器人等技術(shù)[2]，但中商產(chǎn)業(yè)研究院發(fā)布的2022年中國(guó)冷鏈物流行業(yè)市場(chǎng)回顧及2023年發(fā)展前景預(yù)測(cè)分析，當(dāng)前倉庫普遍存在管理體系不完善導(dǎo)致空間利用率低、路徑規(guī)劃不合理導(dǎo)致資源浪費(fèi)、設(shè)備技術(shù)不足導(dǎo)致?lián)p耗過多、總體成本偏高等問題[3]。因此，我國(guó)冷鏈立體倉庫的智能化、精細(xì)化管理水平仍有較大的提升空間。數(shù)字孿生技術(shù)可實(shí)現(xiàn)整體業(yè)務(wù)的實(shí)時(shí)建模、智能分析、虛實(shí)聯(lián)動(dòng)運(yùn)行與映射聯(lián)調(diào)，將數(shù)字孿生技術(shù)應(yīng)用于冷鏈智能立體倉庫的設(shè)計(jì)與優(yōu)化，實(shí)現(xiàn)動(dòng)態(tài)路徑優(yōu)化、動(dòng)態(tài)溫濕度控制、故障預(yù)警和精準(zhǔn)追溯等業(yè)務(wù)的全周期自適應(yīng)監(jiān)測(cè)與精細(xì)化管理調(diào)度，對(duì)進(jìn)一步提高冷鏈保鮮食品質(zhì)量控制及安全水平有著重要的意義。

一個(gè)完整且高效的冷鏈立體倉庫在倉儲(chǔ)過程中的物品損耗、能源管理優(yōu)化和信息化、智能化、可視化水平的提升是一個(gè)復(fù)雜且具有挑戰(zhàn)的問題。大部分學(xué)者[4-10]都是從冷鏈物流配送優(yōu)化或者作業(yè)流程優(yōu)化等方面進(jìn)行考量，將信息化、智能化、可視化技術(shù)應(yīng)用于冷鏈物流管理、成本管理做了很多有效的工作，Shi等[11]、Wu等[12]通過對(duì)整個(gè)冷鏈物流管理優(yōu)化來提升產(chǎn)品質(zhì)量和運(yùn)營(yíng)效率。Deng等[13]、Li等[14]從節(jié)能管理入手有效降低了企業(yè)運(yùn)營(yíng)成本。大多數(shù)研究關(guān)注于企業(yè)管理運(yùn)營(yíng)流程的優(yōu)化，在保鮮度的問題上也僅僅是對(duì)配送路徑優(yōu)化、食品保鮮度進(jìn)行預(yù)測(cè)等，對(duì)倉儲(chǔ)環(huán)境、進(jìn)出庫調(diào)度方案的研究較少。

食品保鮮度控制與環(huán)境的溫濕度監(jiān)測(cè)顯得尤其重要。Han等[15]指出直接監(jiān)測(cè)食品內(nèi)部會(huì)降低食品完整性加快腐敗速度，并存在交叉污染的風(fēng)險(xiǎn)。為解決這一問題，數(shù)字孿生等無損監(jiān)測(cè)技術(shù)成為了冷鏈研究和發(fā)展的重要方向[15]。隨后學(xué)者們不斷完善和補(bǔ)充數(shù)字孿生的內(nèi)容，陶飛等[16]在基于Grieves教授三維模型框架的基礎(chǔ)上給出了五維模型框架。Defraeye等[17]開發(fā)了一種基于機(jī)械建模的數(shù)字孿生水果模型，更好地了解保鮮水果的質(zhì)量演變過程，從而優(yōu)化芒果的冷藏運(yùn)輸和儲(chǔ)存過程。立體倉庫為生鮮產(chǎn)品提供了更加準(zhǔn)確和穩(wěn)定的恒溫恒濕環(huán)境，是冷鏈物流中提質(zhì)增效的重要環(huán)節(jié)。但以冷鏈立體倉庫為對(duì)象的數(shù)字孿生技術(shù)與應(yīng)用模式仍鮮有研究，主要原因是冷鏈立體倉庫擁有歷史數(shù)據(jù)、實(shí)時(shí)感知數(shù)據(jù)、環(huán)境數(shù)據(jù)、傳感器數(shù)據(jù)等多種異構(gòu)數(shù)據(jù)，如需對(duì)立體倉庫構(gòu)建數(shù)字孿生系統(tǒng)，則需要對(duì)其多源異構(gòu)數(shù)據(jù)進(jìn)行融合處理。

如圖1所示，本文以國(guó)內(nèi)知名冷鏈企業(yè)在佛山智能冷鏈倉儲(chǔ)物流中心的冷鏈立體倉庫為實(shí)驗(yàn)對(duì)象，將五維模型運(yùn)用于冷鏈立體倉庫中，設(shè)計(jì)一套實(shí)時(shí)有效的監(jiān)測(cè)預(yù)警數(shù)字孿生系統(tǒng)，通過物聯(lián)網(wǎng)網(wǎng)關(guān)數(shù)據(jù)采集與邊緣計(jì)算進(jìn)行多源異構(gòu)數(shù)據(jù)融合，結(jié)合遺傳算法優(yōu)化系統(tǒng)聯(lián)動(dòng)策略，實(shí)現(xiàn)立體倉庫作業(yè)過程的虛實(shí)映射。冷鏈立體倉庫的運(yùn)行應(yīng)用結(jié)果表明，本文的工作有效提高了立體倉庫使用效率、物流運(yùn)作效率、溫控效率，并降低了食品損耗，為冷鏈立體倉庫的數(shù)字化升級(jí)與管理提供了理論支撐與技術(shù)支持。

圖1 全文研究?jī)?nèi)容關(guān)系圖

1 相關(guān)工作

1.1 立體倉庫中的數(shù)字孿生模型

孿生模型是數(shù)字孿生技術(shù)的核心部分，必須能夠以高保真度反映物理對(duì)象的特征、業(yè)務(wù)信息與協(xié)作關(guān)系[18-19]。孿生模型構(gòu)建需要豐富、準(zhǔn)確、全面的數(shù)據(jù)支持，而實(shí)測(cè)數(shù)據(jù)的質(zhì)量對(duì)模型的準(zhǔn)確性至關(guān)重要。目前，孿生模型構(gòu)建研究存在數(shù)據(jù)質(zhì)量不一、數(shù)據(jù)收集難度較大、需要大量的人工參與和時(shí)間投入、人工建模成本高等缺點(diǎn)，制約了孿生模型的應(yīng)用發(fā)展。

利用陶飛等[16]提出的五維模型，根據(jù)立體倉庫實(shí)時(shí)數(shù)據(jù)量大、設(shè)備種類繁多、數(shù)據(jù)多源異構(gòu)、關(guān)聯(lián)性強(qiáng)等特點(diǎn)，本文在立體倉庫孿生模型構(gòu)建中增加了對(duì)物理實(shí)體數(shù)據(jù)的融合，并進(jìn)行數(shù)據(jù)點(diǎn)對(duì)點(diǎn)映射。實(shí)現(xiàn)由物理實(shí)體、虛擬模型、映射連接、孿生數(shù)據(jù)和服務(wù)組成各維度模型的構(gòu)建，如圖2所示。本文通過對(duì)五維孿生模型的改進(jìn)，解決了數(shù)據(jù)采樣、精度不足等問題，實(shí)現(xiàn)了有效、準(zhǔn)確、系統(tǒng)地表達(dá)孿生模型的組成部分和規(guī)則，從而有效地提高企業(yè)的生產(chǎn)效率和產(chǎn)品的可持續(xù)性。

1.2 立體倉庫多源異構(gòu)數(shù)據(jù)融合

隨著各傳統(tǒng)產(chǎn)業(yè)的數(shù)字化、智能化改造，業(yè)務(wù)數(shù)據(jù)普遍表現(xiàn)出大容量、速度快、多樣性等特征，融合本地化應(yīng)用感知數(shù)據(jù)已成為學(xué)術(shù)界和工業(yè)界的研究共識(shí)[20]，立體倉庫各生產(chǎn)管理系統(tǒng)采用不同的數(shù)據(jù)模型或數(shù)據(jù)結(jié)構(gòu)進(jìn)行存儲(chǔ)。不同的數(shù)據(jù)源包括傳感器數(shù)據(jù)、設(shè)備數(shù)據(jù)等，這些數(shù)據(jù)形成了多源異構(gòu)現(xiàn)象。因此，如何進(jìn)行數(shù)據(jù)融合，并有效地進(jìn)行數(shù)據(jù)質(zhì)量控制和數(shù)據(jù)清洗尤為重要。不少學(xué)者們從數(shù)據(jù)質(zhì)量、安全性、可用性和技術(shù)難度等方面進(jìn)行了研究。

冷鏈立體倉庫中的多源異構(gòu)數(shù)據(jù)主要有數(shù)據(jù)存儲(chǔ)、語義、格式，異構(gòu)性特點(diǎn)如表1所示，其主要數(shù)據(jù)如下。

A類數(shù)據(jù)：該類數(shù)據(jù)主要從傳感器設(shè)備采集，其結(jié)構(gòu)類型常是JSON或XML，數(shù)據(jù)精度達(dá)到0.1%。

B類數(shù)據(jù)：該類數(shù)據(jù)主要從存儲(chǔ)系統(tǒng)和設(shè)備控制器采集，其結(jié)構(gòu)類型包括NoSQL、控制指令，數(shù)據(jù)精度達(dá)到1%。

C類數(shù)據(jù)：該類數(shù)據(jù)主要從監(jiān)控系統(tǒng)和視覺系統(tǒng)采集，其結(jié)構(gòu)類型包括文件、數(shù)據(jù)流。

本文根據(jù)冷鏈立體倉庫的硬件環(huán)境與應(yīng)用場(chǎng)景，通過部署多個(gè)力控華康PFC-A6608工業(yè)物聯(lián)網(wǎng)網(wǎng)關(guān)，形成邊緣計(jì)算網(wǎng)絡(luò)，將現(xiàn)場(chǎng)各智能設(shè)備數(shù)據(jù)進(jìn)行融合，實(shí)現(xiàn)了多源數(shù)據(jù)結(jié)構(gòu)的統(tǒng)一。力控工業(yè)物聯(lián)網(wǎng)網(wǎng)關(guān)具備了實(shí)時(shí)數(shù)據(jù)處理引擎和控制運(yùn)算引擎，結(jié)合終端的工業(yè)、環(huán)境傳感器體系，可解決多源數(shù)據(jù)融合過程中效率低、安全性差、數(shù)據(jù)冗余和數(shù)據(jù)結(jié)構(gòu)復(fù)雜性等問題。滿足了智能立體倉庫數(shù)字化、智能化、可視化需求，實(shí)現(xiàn)靈活高效的連接、隱私和安全保護(hù)、實(shí)時(shí)業(yè)務(wù)處理、數(shù)據(jù)處理流程優(yōu)化和應(yīng)用智能化。

1.3 立體倉庫調(diào)度優(yōu)化與預(yù)測(cè)

冷鏈智能立體倉庫的占地面積通常在5 000 m2以上，高度在15 m以上。其中運(yùn)行的移動(dòng)設(shè)備包括電動(dòng)叉車、懸臂式貨架系統(tǒng)、掃碼槍、搬運(yùn)堆垛機(jī)等幾類有人操作設(shè)備；還包括智能分揀機(jī)器人、AGV小車、自動(dòng)物流傳輸線等無人操作設(shè)備，如圖3所示。

港式堆垛機(jī)、AGV小車、自動(dòng)物流傳輸線運(yùn)行路徑規(guī)劃與調(diào)度策略是整個(gè)倉庫物流系統(tǒng)的核心，調(diào)度算法的質(zhì)量直接影響倉庫整體運(yùn)行效率與穩(wěn)定性[21]。立體倉庫內(nèi)數(shù)據(jù)量非常龐大，且數(shù)據(jù)存在多源性、異構(gòu)性和不完整性等特點(diǎn)。利用數(shù)據(jù)分析預(yù)測(cè)結(jié)合調(diào)度算法進(jìn)行調(diào)度決策，同時(shí)立體倉庫內(nèi)的物流運(yùn)輸活動(dòng)復(fù)雜多變，不同的貨物尺寸、數(shù)量、重量等特征都會(huì)影響其調(diào)度方案的選擇。在保障運(yùn)輸質(zhì)量的同時(shí)，盡可能降低運(yùn)輸成本，提高運(yùn)輸效率與食品保鮮度，是立體倉庫調(diào)度優(yōu)化與溫度預(yù)測(cè)的核心問題。

圖2 立體倉庫中的五維模型改進(jìn)

表1 多源異構(gòu)數(shù)據(jù)屬性

Tab.1 Multi-source heterogeneous data attribute

圖3 立體倉庫運(yùn)行設(shè)備

Wang等[22]提出了一種將遺傳算法與動(dòng)態(tài)規(guī)劃概念相結(jié)合，能夠進(jìn)行多目標(biāo)全局優(yōu)化。Zhang等[23]結(jié)合動(dòng)態(tài)交互層和粒子群遺傳混合算法，針對(duì)靈活作業(yè)車間調(diào)度中的動(dòng)態(tài)擾動(dòng)，實(shí)現(xiàn)了緊急任務(wù)的動(dòng)態(tài)調(diào)度。前期研究者們?cè)诹Ⅲw倉庫的研究中沒有同時(shí)關(guān)注物流調(diào)度優(yōu)化和溫度保鮮度的問題，對(duì)立體倉中的有人設(shè)備和無人設(shè)備并未統(tǒng)一進(jìn)行規(guī)劃。因此本文在遺傳算法物流調(diào)度的基礎(chǔ)上做了2方面的改進(jìn)。首先將有人設(shè)備與無人設(shè)備進(jìn)行特有標(biāo)識(shí)定義并實(shí)現(xiàn)協(xié)同規(guī)劃，其次在冷鏈倉儲(chǔ)調(diào)度優(yōu)化時(shí)將溫度與保鮮度納入考慮，針對(duì)當(dāng)前立體倉庫失溫嚴(yán)重、調(diào)度效率不高等問題，設(shè)計(jì)了多目標(biāo)自適應(yīng)改進(jìn)遺傳算法，將數(shù)字孿生技術(shù)與多源異構(gòu)數(shù)據(jù)融合結(jié)，合遺傳算法對(duì)立體倉庫的運(yùn)行數(shù)據(jù)進(jìn)行分析和處理，實(shí)現(xiàn)對(duì)立體倉庫的調(diào)度優(yōu)化與溫度預(yù)測(cè)。

2 立體倉庫孿生數(shù)據(jù)映射與系統(tǒng)架構(gòu)

2.1 虛擬場(chǎng)景孿生數(shù)據(jù)模型構(gòu)建

虛擬場(chǎng)景的構(gòu)建是在實(shí)現(xiàn)數(shù)字孿生應(yīng)用的基礎(chǔ)，結(jié)合立體倉庫的布局與貨物流轉(zhuǎn)過程中產(chǎn)生的大量數(shù)據(jù)，構(gòu)建與立體倉庫等比例的孿生模型。該模型包含了立體置物架、堆垛機(jī)、AGV小車、物流傳送線等設(shè)備。結(jié)合五維模型概念與冷鏈智能立體倉庫實(shí)際采集的信息建立了虛擬場(chǎng)景模型，改進(jìn)后的五維模型主要包含了7個(gè)部分，如式（1）所示。

式中：P表示物理實(shí)體；D表示孿生數(shù)據(jù)；I表示數(shù)據(jù)融合；M表示數(shù)據(jù)映射；V表示虛擬實(shí)體；S表示服務(wù)；U表示映射連接過程。

根據(jù)Tao等[19]提出的五維模型，本文引入更加精確的傳感器和測(cè)量設(shè)備，經(jīng)過數(shù)據(jù)融合與數(shù)據(jù)映射后建立更加精細(xì)的孿生模型。虛擬場(chǎng)景主要由立體倉庫中的建筑物、貨架、貨物、搬運(yùn)設(shè)備等構(gòu)成。將建筑物和設(shè)備的尺寸、形狀、材質(zhì)和紋理等信息，貨架的大小、形狀和擺放位置，貨物的種類、大小和材質(zhì)以及生產(chǎn)設(shè)備的位置和類型等信息進(jìn)行孿生數(shù)據(jù)模型的構(gòu)建。例如：制冷機(jī)設(shè)備通過Modbus RTU等協(xié)議將物理模型中的運(yùn)行狀態(tài)、時(shí)間、壓力、開關(guān)、使用周期、報(bào)警等參數(shù)和運(yùn)行規(guī)則映射到孿生模型中，以實(shí)現(xiàn)對(duì)設(shè)備全周期運(yùn)行狀態(tài)的監(jiān)測(cè)和分析。

孿生數(shù)據(jù)模型構(gòu)建技術(shù)架構(gòu)如圖4所示，在構(gòu)建體系中分為3個(gè)模塊。第1個(gè)模塊為物理模型，首先要對(duì)其非結(jié)構(gòu)化和半結(jié)構(gòu)化數(shù)據(jù)預(yù)處理，然后對(duì)預(yù)處理的數(shù)據(jù)進(jìn)行提取分類。第2個(gè)模塊為數(shù)據(jù)模型，要根據(jù)不同的需求進(jìn)行多源異構(gòu)數(shù)據(jù)融合，以保證數(shù)據(jù)的一致性。第3個(gè)模塊為數(shù)字孿生系統(tǒng)，利用數(shù)據(jù)融合轉(zhuǎn)換接口將處理后的數(shù)據(jù)傳輸?shù)綌?shù)字孿生監(jiān)測(cè)預(yù)警系統(tǒng)中進(jìn)行應(yīng)用。

2.2 數(shù)據(jù)融合與映射

立體倉庫在運(yùn)行過程中會(huì)產(chǎn)生海量的感知數(shù)據(jù)，且感知數(shù)據(jù)呈現(xiàn)為顯著的多源異構(gòu)和實(shí)時(shí)性。數(shù)據(jù)融合是處理多模態(tài)數(shù)據(jù)并挖掘提取有價(jià)值信息的有效手段，這里可利用邊緣計(jì)算低延遲高吞吐量的特性來實(shí)現(xiàn)立體倉庫數(shù)據(jù)的實(shí)時(shí)有效處理。本文在邊緣計(jì)算環(huán)境中采用力控工業(yè)物聯(lián)網(wǎng)網(wǎng)關(guān)實(shí)現(xiàn)立體倉庫多源異構(gòu)數(shù)據(jù)融合。該方法將立體倉庫實(shí)時(shí)數(shù)據(jù)融合分為3個(gè)層次：首先利用高精度數(shù)據(jù)采集傳感器對(duì)生產(chǎn)設(shè)備進(jìn)行數(shù)據(jù)采集，以減少數(shù)據(jù)損失，提高融合精確度；其次使用分布式網(wǎng)絡(luò)節(jié)點(diǎn)，通過分擔(dān)網(wǎng)絡(luò)通信和計(jì)算負(fù)載來提高網(wǎng)絡(luò)的性能和可靠性，以解決立體倉庫實(shí)時(shí)數(shù)據(jù)的多源性接入問題；最后采用力控工業(yè)物聯(lián)網(wǎng)網(wǎng)關(guān)在邊緣計(jì)算服務(wù)器上完成實(shí)時(shí)數(shù)據(jù)融合，從而實(shí)現(xiàn)及時(shí)有效的狀態(tài)監(jiān)控和存儲(chǔ)環(huán)境監(jiān)測(cè)?；诠I(yè)物聯(lián)網(wǎng)網(wǎng)關(guān)的多源異構(gòu)實(shí)時(shí)數(shù)據(jù)融合方法如圖5所示。

孿生數(shù)據(jù)的映射是實(shí)現(xiàn)數(shù)字孿生系統(tǒng)的重要基石，主要是基礎(chǔ)架構(gòu)層中的數(shù)據(jù)格式、通信協(xié)議、存儲(chǔ)架構(gòu)，應(yīng)用層中的幾何形狀、物理特性、運(yùn)動(dòng)規(guī)律，模型層中的物理規(guī)律、數(shù)學(xué)方法和計(jì)算算法等方面信息的映射。孿生數(shù)據(jù)映射主要使用OPC UA、Modbus RTU、Http協(xié)議進(jìn)行數(shù)據(jù)通信。根據(jù)信息映射邏輯構(gòu)建與真實(shí)物理空間相一致的空間虛實(shí)映射結(jié)構(gòu)模式，獲取物理空間各類傳感器實(shí)時(shí)數(shù)據(jù)。利用孿生模型中所標(biāo)記的ID與實(shí)時(shí)數(shù)據(jù)中的數(shù)據(jù)ID進(jìn)行匹配映射，孿生模型根據(jù)數(shù)據(jù)指令進(jìn)行仿真以達(dá)到虛實(shí)聯(lián)動(dòng)的效果。其孿生數(shù)據(jù)的映射過程如圖6所示。

圖4 構(gòu)建孿生數(shù)據(jù)模型的技術(shù)架構(gòu)

圖5 多源異構(gòu)時(shí)數(shù)據(jù)融合方法技術(shù)路線

圖6 孿生數(shù)據(jù)映射過程

系統(tǒng)通過孿生數(shù)據(jù)映射后實(shí)現(xiàn)同步運(yùn)行，達(dá)到生產(chǎn)行為邏輯映射，可在虛擬實(shí)體中還原物理實(shí)體各項(xiàng)工藝流程。采用“數(shù)據(jù)→事件→邏輯”的映射方式對(duì)立體倉庫進(jìn)行映射。具體描述如式（2）所示。

2.3 基于遺傳算法聯(lián)動(dòng)決策優(yōu)化策略

本節(jié)分析了遺傳算法的基本思想，由于冷鏈立體倉庫通常為多貨品訂單任務(wù)，因此將現(xiàn)有的種群規(guī)模多目標(biāo)策略與遺傳算子自適應(yīng)策略相結(jié)合，提出一種多目標(biāo)自適應(yīng)改進(jìn)遺傳算法的優(yōu)化策略。本文將多目標(biāo)任務(wù)轉(zhuǎn)化為單目標(biāo)任務(wù)，并結(jié)合交叉和變異操作進(jìn)行改進(jìn)，利用交叉值和變異值進(jìn)行動(dòng)態(tài)自適應(yīng)調(diào)整，保證遺傳算法收斂性的同時(shí)提升了整體性能。

2.3.1 種群規(guī)模的多目標(biāo)遺傳算法

2.3.2 自適應(yīng)遺傳算法

在單目標(biāo)種群中，利用自適應(yīng)遺傳算法對(duì)優(yōu)先執(zhí)行個(gè)體進(jìn)行選擇，種群個(gè)體適應(yīng)度越高被選中概率就越大。其個(gè)體選擇概率P表達(dá)式如式（5）所示。

式中：P為選擇第個(gè)個(gè)體的概率；f和f為第個(gè)個(gè)體和第個(gè)個(gè)體的適應(yīng)度值；為群體中個(gè)體數(shù)量。

自適應(yīng)遺傳算法根據(jù)個(gè)體的適應(yīng)度水平自適應(yīng)地分配最優(yōu)交叉率c和變異率m，在保持種群多樣性的同時(shí)保證了遺傳算法的收斂性。為了降低產(chǎn)生局部最優(yōu)解的概率，c和m能夠做出自適應(yīng)調(diào)整使得算法可以及時(shí)跳出局部最優(yōu)解，在盡可能短的時(shí)間內(nèi)確定最優(yōu)解或近似最優(yōu)解，如式（6）、式（7）所示。

式中：max和avg分別為種群的最大適應(yīng)度和平均適應(yīng)度；c為2個(gè)參與交叉?zhèn)€體之間的適應(yīng)度；為參與突變個(gè)體的適應(yīng)度；1,2,3,4∈(0, 1)。

2.3.3 立體倉庫聯(lián)動(dòng)決策優(yōu)化策略

基于多目標(biāo)自適應(yīng)遺傳算法的優(yōu)化策略完成冷鏈立體倉庫的三層四級(jí)動(dòng)態(tài)聯(lián)動(dòng)決策，將多個(gè)訂單進(jìn)行拆分形成單項(xiàng)可執(zhí)行目標(biāo)結(jié)合物理調(diào)度系統(tǒng)完成物流任務(wù)。該系統(tǒng)聯(lián)動(dòng)策略具體表現(xiàn)為：入庫、倉儲(chǔ)、出庫3層決策體與預(yù)規(guī)劃、實(shí)時(shí)修正規(guī)劃、重新規(guī)劃、更改需求四級(jí)動(dòng)態(tài)聯(lián)動(dòng)策略。步驟如下：

1）監(jiān)測(cè)預(yù)警系統(tǒng)接收到相關(guān)物流計(jì)劃，開始安排物流訂單制訂系統(tǒng)的整體目標(biāo)。

2）結(jié)合立體倉庫各資源的使用狀態(tài)，制定滿足需求的資源配置方案。

3）對(duì)理論狀態(tài)下的資源配置，進(jìn)行優(yōu)態(tài)確定。

4）獲取物聯(lián)網(wǎng)設(shè)備采集實(shí)時(shí)數(shù)據(jù)，結(jié)合系統(tǒng)目標(biāo)進(jìn)行聯(lián)動(dòng)決策資源配置，聯(lián)動(dòng)決策機(jī)制通常對(duì)單元級(jí)別的影響范圍定為，而值的定義則由聯(lián)合系統(tǒng)在回應(yīng)物流訂單之后，結(jié)合單位級(jí)別的回應(yīng)閾值（[min, max]）和在相應(yīng)時(shí)間狀態(tài)下的值所確定，四級(jí)聯(lián)動(dòng)決策過程如下。

①一級(jí)聯(lián)動(dòng)。預(yù)規(guī)劃，當(dāng)產(chǎn)生訂單后系統(tǒng)更新值，如

②二級(jí)聯(lián)動(dòng)。實(shí)時(shí)修正規(guī)劃，即>max時(shí)，表明在當(dāng)前單元級(jí)已無法實(shí)現(xiàn)訂單任務(wù)目標(biāo)，需協(xié)調(diào)同組其他單元級(jí)協(xié)同處理。

③三級(jí)聯(lián)動(dòng)。重新規(guī)劃，即進(jìn)行重新規(guī)劃通過協(xié)調(diào)其他單元組資源進(jìn)行聯(lián)動(dòng)配置資源獲取滿足當(dāng)前訂單的需求資源。

④四級(jí)聯(lián)動(dòng)。更改需求，當(dāng)經(jīng)過一二三級(jí)聯(lián)動(dòng)決策都無法滿足當(dāng)前對(duì)應(yīng)的動(dòng)態(tài)需求時(shí)，需通過改變需求的方式降低各單元的負(fù)載以修正系統(tǒng)目標(biāo)達(dá)到運(yùn)行需求。

3 案例研究

冷鏈立體倉庫運(yùn)用數(shù)字孿生技術(shù)和遺傳算法的融合實(shí)現(xiàn)對(duì)路徑規(guī)劃優(yōu)化設(shè)計(jì)、溫濕度控制、生命周期管理、環(huán)境監(jiān)測(cè)、故障預(yù)警等問題的高效解決。數(shù)字孿生系統(tǒng)可實(shí)時(shí)可視化展示倉庫內(nèi)部設(shè)備運(yùn)行狀況與溫濕度值，并將數(shù)據(jù)進(jìn)行分析用于故障監(jiān)測(cè)預(yù)警。遺傳算法可優(yōu)化立體倉庫的調(diào)度策略，以優(yōu)化立體倉庫中的溫控策略和運(yùn)輸成本。本研究將該系統(tǒng)應(yīng)用于廣東某企業(yè)佛山智能冷鏈倉儲(chǔ)物流中心的冷鏈立體倉庫進(jìn)行實(shí)際運(yùn)行驗(yàn)證。

3.1 數(shù)字孿生系統(tǒng)實(shí)現(xiàn)

廣東某供應(yīng)鏈管理有限公司位于佛山順德，是廣佛地區(qū)重點(diǎn)物流樞紐之一，占地2 300畝。立體倉庫內(nèi)各監(jiān)測(cè)傳感設(shè)備主要用于監(jiān)測(cè)立體倉庫溫濕度、設(shè)備運(yùn)行等參數(shù)。在立體倉庫中部署上千個(gè)傳感器，部署位置包括貨架上、冷庫墻壁及地板內(nèi)、AVG小車內(nèi)等。根據(jù)IO采集點(diǎn)數(shù)量將各PLC控制器接入邊緣計(jì)算網(wǎng)關(guān)中，以確保所有傳感器的數(shù)據(jù)可以被收集和處理，同時(shí)邊緣網(wǎng)關(guān)接入云服務(wù)平臺(tái)進(jìn)行業(yè)務(wù)數(shù)據(jù)處理。立體倉庫的物流體系主要包括倉庫儲(chǔ)存、商品分揀、配送運(yùn)輸?shù)拳h(huán)節(jié)。該公司物流采用全程冷鏈配送，確保商品的新鮮度和質(zhì)量。該系統(tǒng)不僅對(duì)運(yùn)行的設(shè)備進(jìn)行實(shí)時(shí)監(jiān)控，當(dāng)溫度、濕度、制冷機(jī)組運(yùn)行狀態(tài)出現(xiàn)異常時(shí)，系統(tǒng)會(huì)立即推送告警信息到管理員手中，并可以進(jìn)行問題的追查與定位。因此，本研究根據(jù)冷鏈智能立體倉庫運(yùn)行流程，結(jié)合數(shù)字孿生在冷鏈智能立體倉庫中的建設(shè)方式與內(nèi)容，構(gòu)建了具有運(yùn)行總覽、數(shù)據(jù)分析、物流調(diào)度聯(lián)動(dòng)、監(jiān)測(cè)預(yù)警等功能的冷鏈智能立體倉庫數(shù)字孿生系統(tǒng)，如圖7所示。

冷鏈智能立體倉庫數(shù)據(jù)孿生系統(tǒng)實(shí)現(xiàn)了對(duì)立體倉庫全域數(shù)據(jù)清洗、數(shù)據(jù)分析、數(shù)據(jù)結(jié)構(gòu)化處理。通過數(shù)字孿生五維模型搭建系統(tǒng)服務(wù)平臺(tái)，實(shí)現(xiàn)冷鏈立體倉庫的一體化管理，并對(duì)立體倉庫狀況進(jìn)行實(shí)時(shí)展示與工藝流程仿真，將整個(gè)立體倉庫進(jìn)行統(tǒng)一的調(diào)度與管理，按需分配資源，以期達(dá)到效用均衡，提高倉庫運(yùn)行效率，降低成本。

圖7 冷鏈智能立體倉庫數(shù)字孿生系統(tǒng)

3.2 立體倉庫溫度監(jiān)測(cè)預(yù)警實(shí)驗(yàn)

在立體倉庫中，針對(duì)立體庫負(fù)載與溫控區(qū)熱力分布的有效預(yù)測(cè)，并采用多源異構(gòu)數(shù)據(jù)采集，實(shí)現(xiàn)全要素的狀態(tài)實(shí)時(shí)可視化與監(jiān)測(cè)預(yù)警。如圖8所示，通過立體倉的溫度監(jiān)測(cè)數(shù)據(jù)曲線，可以更加直觀地了解溫度變化的趨勢(shì)和規(guī)律，從而更加準(zhǔn)確地進(jìn)行數(shù)據(jù)分析。當(dāng)溫度偏離正常值時(shí)可觸發(fā)預(yù)警并進(jìn)行自動(dòng)調(diào)控。相較于傳統(tǒng)的機(jī)器學(xué)習(xí)方法，將數(shù)字孿生技術(shù)與遺傳算法進(jìn)行結(jié)合具有更高的實(shí)時(shí)性和精準(zhǔn)度。

3.3 立體倉庫實(shí)驗(yàn)設(shè)計(jì)與分析

冷鏈智能立體倉庫在實(shí)際運(yùn)營(yíng)中，由于冷庫中存儲(chǔ)種類繁多且存儲(chǔ)要求及保鮮周期不同，一方面出現(xiàn)冷庫在能源消耗上存在浪費(fèi)，另一方面又出現(xiàn)了存儲(chǔ)周期較長(zhǎng)損耗率較大和倉位利用率不高等現(xiàn)象。通過模型分析，對(duì)冷鏈智能立體倉進(jìn)行實(shí)驗(yàn)驗(yàn)證，比較優(yōu)化前后的保鮮度情況，驗(yàn)證模型的準(zhǔn)確性和可靠性。

3.3.1 仿真模型與實(shí)驗(yàn)設(shè)計(jì)

以佛山智能冷鏈立體倉庫為例，為了更好地進(jìn)行實(shí)驗(yàn)對(duì)比，本次共選取500 kg保鮮度在90%以上包裝完好的3種（生菜、菠菜、空心菜）生鮮蔬菜作為樣品材料。將3種生鮮蔬菜平均等量分為2組，Q1組用于測(cè)量實(shí)驗(yàn)前的指標(biāo)，Q2組用于測(cè)量經(jīng)過信息化智能化改造后的實(shí)驗(yàn)指標(biāo)。將Q1、Q2組平均分成A、B 2個(gè)批次，每批次125 kg，然后數(shù)字孿生系統(tǒng)程序開始在核心參數(shù)為16核心32線程CPU、3.5 GHz主頻、32 GB內(nèi)存、12 G顯卡和Windows 10專業(yè)版操作系統(tǒng)的計(jì)算機(jī)上進(jìn)行仿真任務(wù)。將模型設(shè)定運(yùn)行進(jìn)出庫共有2個(gè)批次，累計(jì)1 000個(gè)存取動(dòng)作，其中有450個(gè)存貨任務(wù)和550個(gè)取貨任務(wù)。最后設(shè)置恒溫為12 ℃，相對(duì)濕度控制在90%，進(jìn)行本次研究實(shí)驗(yàn)。每組約為30 min，選擇1個(gè)樣本進(jìn)行保鮮度測(cè)試。采用成像光譜儀對(duì)蔬菜葉片進(jìn)行光譜圖像檢測(cè)，利用高光譜圖像對(duì)保鮮度進(jìn)行分析，光譜圖像能反映其外觀形態(tài)及內(nèi)部葉綠素的熒光變化。

3.3.2 實(shí)例實(shí)驗(yàn)

根據(jù)實(shí)驗(yàn)方案，通過對(duì)數(shù)據(jù)進(jìn)行處理分析得出最終結(jié)果值，如表2所示。

本次實(shí)驗(yàn)使用多目標(biāo)優(yōu)化權(quán)重系數(shù)變換法。在適當(dāng)?shù)牡螖?shù)中，當(dāng)1權(quán)重過小時(shí)會(huì)導(dǎo)致排隊(duì)時(shí)間過長(zhǎng)難以收斂，所得到的實(shí)驗(yàn)數(shù)值準(zhǔn)確度較低；1權(quán)重過大會(huì)導(dǎo)致2權(quán)重被大量占用，不符用戶實(shí)際需求。因此為選取最優(yōu)參數(shù)進(jìn)行多次實(shí)驗(yàn)?zāi)M，模擬結(jié)果如圖9所示。由圖9可以看出，隨著1增大，總時(shí)間與綜合保鮮度呈下降趨勢(shì)，但后段變化均不明顯。因此最終確定1權(quán)重設(shè)定為0.8、2權(quán)重設(shè)定為0.2，交叉概率為0.8～1.0，變異概率為0.1，最大迭代次數(shù)為1 000。

基于遺傳算法的聯(lián)動(dòng)決策優(yōu)化模式和實(shí)際立體倉庫作業(yè)特點(diǎn)，設(shè)置權(quán)重值1=0.8、2=0.2。將實(shí)際貨位的遍歷次序調(diào)整為遺傳算法的編碼，并將遺傳算法交叉值設(shè)定在0.9，變異率設(shè)定為0.1，通過進(jìn)行1 000次存取迭代次數(shù)后達(dá)到收斂。最后對(duì)數(shù)據(jù)進(jìn)行處理分析得出最終結(jié)果值，如表3和圖10所示。實(shí)驗(yàn)運(yùn)行前后主要數(shù)據(jù)對(duì)比，如圖11所示。

圖8 冷鏈立體倉庫的溫度監(jiān)測(cè)

表2 優(yōu)化前實(shí)驗(yàn)運(yùn)行數(shù)據(jù)匯總

Tab.2 Summary of experiment operation data before optimization

圖9 w1、w2權(quán)重與保鮮度和總時(shí)間關(guān)系

通過從中選取較為穩(wěn)定的數(shù)據(jù)集作為系統(tǒng)的最優(yōu)解，并分析優(yōu)化前后穩(wěn)定數(shù)據(jù)。根據(jù)圖11實(shí)驗(yàn)運(yùn)行前后數(shù)據(jù)對(duì)比總時(shí)間差異可知，效率提高了10.16%，保鮮度提升了0.025。根據(jù)圖10a曲線走勢(shì)分析可知，迭代過程中保鮮度達(dá)到0.8后開始逐漸收斂，在0.9附近獲取最優(yōu)解。由此可知保鮮度變化區(qū)間約為0.1，因此根據(jù)(0.025/0.1)×100%=25%進(jìn)行換算，可知優(yōu)化前后保鮮度值均提升了25%。同時(shí)根據(jù)圖10b可知，總成本與保鮮度之間存在著相互制約的關(guān)系，在一定程度上減緩了產(chǎn)品保鮮度的降低，可使總成本減少，實(shí)現(xiàn)均衡化作業(yè)與節(jié)能減排、降本增效的目標(biāo)。

表3 優(yōu)化后實(shí)驗(yàn)運(yùn)行數(shù)據(jù)匯總

Tab.3 Summary of experiment operation data after optimization

圖10 保鮮度和總成本迭代關(guān)系

圖11 實(shí)驗(yàn)運(yùn)行前后數(shù)據(jù)對(duì)比圖

4 結(jié)語

構(gòu)建冷鏈智能立體倉庫的監(jiān)測(cè)預(yù)警數(shù)字孿生系統(tǒng)是冷鏈?zhǔn)称繁Ｗo(hù)的關(guān)鍵手段，在“智能制造”戰(zhàn)略大背景下，開發(fā)一個(gè)基于數(shù)字孿生技術(shù)的冷鏈物流系統(tǒng)及聯(lián)動(dòng)決策模型對(duì)冷藏食品儲(chǔ)存過程中的能源優(yōu)化至關(guān)重要。本文通過構(gòu)建一種運(yùn)用在冷鏈智能立體倉庫中的管控新模式，實(shí)現(xiàn)了全要素虛擬仿真、智能決策、協(xié)同作業(yè)與高保真虛實(shí)模型的數(shù)字孿生系統(tǒng)。該系統(tǒng)通過實(shí)驗(yàn)驗(yàn)證，能夠?qū)αⅢw庫負(fù)載與溫控區(qū)熱力分布進(jìn)行有效預(yù)測(cè)，并通過遺傳算法根據(jù)不同生鮮貨物的生鮮要求自動(dòng)調(diào)節(jié)各倉室的溫濕度及路徑規(guī)劃，從而對(duì)冷庫的運(yùn)營(yíng)過程進(jìn)行優(yōu)化，使企業(yè)的保鮮度較優(yōu)化前同比提升了25%～30%。

未來數(shù)字孿生的發(fā)展隨著計(jì)算機(jī)技術(shù)的不斷進(jìn)步，模型精度可以更加準(zhǔn)確地模擬實(shí)際的物理世界。利用數(shù)據(jù)驅(qū)動(dòng)建?？筛焖佟⒏鼫?zhǔn)確地建立模型，同時(shí)可利用人工智能算法結(jié)合實(shí)時(shí)數(shù)據(jù)對(duì)孿生模型進(jìn)行優(yōu)化調(diào)整。未來數(shù)字孿生技術(shù)應(yīng)不僅限于工業(yè)、醫(yī)療、交通、能源等領(lǐng)域的應(yīng)用，更需要在軍事、生態(tài)環(huán)保等領(lǐng)域得到深入的發(fā)展。

[1] MENG B B, ZHANG X L, HUA W S, et al. Development and Application of Phase Change Material in Fresh E-Commerce Cold Chain Logistics: A Review[J]. Journal of Energy Storage, 2022, 55: 105373.

[2] TIWARI S. Smart Warehouse: A Bibliometric Analysis and Future Research Direction[J]. Sustainable Manufacturing and Service Economics, 2023, 2: 100014.

[3] 中商產(chǎn)業(yè)研究院. 2022年中國(guó)冷鏈物流行業(yè)市場(chǎng)回顧及2023年發(fā)展前景預(yù)測(cè)分析[EB/OL]. (2023-03-14)[2023-04-07]. https://www.askci.com/news/ chanye/20230314/154106267877963713554331.shtml.

China Research Institute of Commerce and Industry. Market review of China's Cold Chain Logistics Industry in 2022 and Forecast Analysis of Development Prospects in 2023[EB/OL]. (2023-03-14)[2023-04-07]. https://www.askci.com/news/chanye/20230314/154106267877963713554331.shtml.

[4] ZHANG S Y, CHEN N, SHE N, et al. Location Optimization of a Competitive Distribution Center for Urban Cold Chain Logistics in Terms of Low-Carbon Emissions[J]. Computers & Industrial Engineering, 2021, 154(9): 107120.

[5] HE B, YIN L. Prediction Modelling of Cold Chain Logistics Demand Based on Data Mining Algorithm[J]. Mathematical Problems in Engineering, 2021, 21: 1-9.

[6] LIU Z, GUO H X, ZHAO Y J, et al. Research on the Optimized Route of Cold Chain Logistics Transportation of Fresh Products in Context of Energy-Saving and Emission Reduction[J]. Mathematical Biosciences and Engineering, 2021, 18(2): 1926-1940.

[7] ZHAO B, GUI H, LI H, et al. Cold Chain Logistics Path Optimization Via Improved Multi-Objective Ant Colony Algorithm[J]. Ieee Access, 2020, 8: 142977-142995.

[8] CHEN Y H. Intelligent Algorithms for Cold Chain Logistics Distribution Optimization Based on Big Data Cloud Computing Analysis[J]. Journal of Cloud Computing, 2020, 9(1): 37.

[9] QI C M, HU L S. Optimization of Vehicle Routing Problem for Emergency Cold Chain Logistics Based on Minimum Loss[J]. Physical Communication, 2020, 40(2): 101085.

[10] WANG Z, LENG L L, WANG S, et al. A Hyperheuristic Approach for Location-Routing Problem of Cold Chain Logistics Considering Fuel Consumption[J]. Computational Intelligence and Neuroscience, 2020, 2020: 8395754.

[11] SHI Y H, LIN Y, LIM M K, et al. An Intelligent Green Scheduling System for Sustainable Cold Chain Logistics[J]. Expert Systems with Applications, 2022, 209(4): 118378.

[12] WU W, SHEN L D, ZHAO Z H, et al. Internet of everything and Digital Twin Enabled Service Platform for Cold Chain Logistics[J]. Journal of Industrial Information Integration, 2023, 33: 100443.

[13] DENG Q J, YANG Z, ZHANG L, et al. The Control Strategy and Economic Analysis of a New Type of Solar Cold Storage[J]. Journal of Energy Storage, 2022, 52: 104865.

[14] LI Y T, TAN C Q, IP W H, et al. Dynamic Blockchain Adoption for Freshness-Keeping in the Fresh Agricultural Product Supply Chain[J]. Expert Systems with Applications, 2023, 217(2): 119494.

[15] HAN J W, ZUO M, ZHU W Y, et al. A Comprehensive Review of Cold Chain Logistics for Fresh Agricultural Products: Current Status, Challenges, and Future Trends[J]. Trends in Food Science & Technology, 2021, 109: 536-551.

[16] 陶飛, 劉蔚然, 張萌, 等. 數(shù)字孿生五維模型及十大領(lǐng)域應(yīng)用[J]. 計(jì)算機(jī)集成制造系統(tǒng), 2019, 25(1): 1-18.

TAO F, LIU W R, ZHANG M, et al. Five-Dimension Digital Twin Model and Its Ten Applications[J]. Computer Integrated Manufacturing Systems, 2019, 25(1): 1-18.

[17] DEFRAEYE T, TAGLIAVINI G, WU W T, et al. Digital Twins Probe into Food Cooling and Biochemical Quality Changes for Reducing Losses in Refrigerated Supply Chains[J]. Resources Conservation and Recycling, 2019, 149: 778-794.

[18] QI Q L, TAO F. Digital Twin and Big Data towards Smart Manufacturing and Industry 4.0: 360 Degree Comparison[J]. IEEE Access, 2018, 6: 3585-3593.

[19] TAO F, ZHANG H, LIU A, et al. Digital Twin in Industry: State-of-the-Art[J]. IEEE Transactions on Industrial Informatics, 2019, 15(4): 2405-2415.

[20] LI C L, ZHANG Y, LUO Y L. Flexible Heterogeneous Data Fusion Strategy for Object Positioning Applications in Edge Computing Environment[J]. Computer Networks, 2022, 212(2): 109083.

[21] WU S Q, XIANG W T, LI W, et al. Dynamic Scheduling and Optimization of AGV in Factory Lo- Gistics Systems Based on Digital Twin[J]. Applied Sciences, 2023, 13(3): 1762.

[22] WANG H L, LANG X, MAO W G. Voyage Optimization Combining Genetic Algorithm and Dynamic Programming for Fuel/Emissions Reduction[J]. Transportation Research Part D Transport and Environment, 2021, 90: 102670.

[23] ZHANG X, WANG Y, JI Z C. Research on Dynamic Flexible Job Shop Scheduling Problem Based on Dynamic Interaction Layer[J]. J Syst Simul, 2020, 32: 2129-2137.

Construction of Digital Twin System for Cold Chain Intelligent Stereo Warehouse

HU Bin1, GUO Hui1, 2*,TAO Xiongjie3

(1. Macau University of Science and Technology, Macau 999078, China; 2. The Guangxi Key Laboratory of Machine Vision and Intelligent Control, Wuzhou University, Guangxi Wuzhou 543003, China; 3. Guangzhou ForceControl-Yuanhai IT Co., Ltd., Guangzhou 510630, China)

The work aims to solve the problems in the current stereo warehouse in the cold chain logistics industry such as high loss rate, serious temperature loss and low level of informatization, so as to ensure the food quality and safety in the cold chain intelligent stereo warehouse, and realize cost reduction and efficiency increase. Aiming at the operation scenario of cold chain intelligent stereo warehouse, a five-dimensional digital twin model with full mapping and multi-dimensional simulation was designed. Through the fusion of multi-source heterogeneous data, real-time visualization and monitoring and early warning of all elements in the stereo warehouse were realized, and a model optimization strategy that supported system linkage decision-making was proposed, which intelligently adjusted the load of the stereo warehouse and the thermal distribution in the temperature control area to maximize the operation efficiency and reduce operation costs. A set of digital twin system was constructed for the cold chain intelligent stereo warehouse. The comparison on the warehouse operation data before and after optimization, the food freshness loss rate decreased by 25%-30% year-on-year under the same storage environment conditions, and the accurate mapping and linkage operation of real-time data and dynamic virtual model of cold chain intelligent stereo warehouse was realized.Taking the cold chain stereo warehouse of Foshan Intelligent Cold Chain Warehousing and Logistics Center, a supply chain management company in Guangdong as the practice object, a new model of integrated management and control of cold chain intelligent stereo warehouse is formed, which provides an application reference of digital twin technology for cold chain intelligent stereo warehouse operation management, scheduling linkage decision-making and collaborative operation, and provides a new path for establishing a better fresh product packaging and ensuring cold chain food quality and safety.

cold chain logistics; multi-dimensional simulation; digital twin; virtual-physical linkage

TB491

A

1001-3563(2024)01-0191-10

10.19554/j.cnki.1001-3563.2024.01.022

2023-05-11

國(guó)家自然科學(xué)基金（61961036, 62162054）；廣西科技基地和人才專項(xiàng)（桂科AD20297148）；廣西自然科學(xué)基金（2020JJA170007）