【论文笔记】用数字孪生改变农业食品生产系统和供应链

论文标题：Transforming agrifood production systems and supply chains with digital twins

论文链接：https://arxiv.org/abs/2202.07455

发表时间：2022年1月

Abstract

数字孪生可以改变农业生产系统和供应链，减少温室气体排放、食物浪费和营养不良。 然而，这些先进的虚拟化技术的潜力尚未实现。在这里，我们考虑了跨五个典型农产品供应链步骤的数字孪生的前景，并强调了关键的实施障碍

Main

农产品生产系统和供应链目前无法实现可持续发展目标。它们既浪费又污染，违反了几个所谓的地球边界，并且未能在其最基本的前提下为不断增长的全球人口提供安全和有营养的饮食，导致约 9 亿人营养不良

作为回应，人们经常提出通过数字技术创新进行转型。在这些建议中，计算机支持的技术，包括智能传感器、人工智能 (AI) 和其他嵌入式系统，是基础。在这里，我们讨论了数字孪生 (DT) 技术的潜力，尽管它的效力和在工业领域的扩散不断增加，但并未被考虑用于改善农业食品部门的可持续性，即通过减轻营养不良和营养不良、减少温室气体 (GHG) 排放和防止食物浪费

虚拟化农产品系统和供应链的优势

DT 是有生命或无生命物理实体的虚拟表示。由于计算能力的提高，它们以计算机模拟模型的形式存在。部署实时检测物体的生物、化学和物理特性的传感器，确保这些测量物体的数字对应物是准确的和“实时”。在这样的网络物理架构中，物理系统中发生的变化正在同时不断地修改其虚拟孪生体

DTs 起源于卫星、航天器、城市基础设施和土木工程的实验设计，近年来被重新用于解决气候变化和极端天气等困境。通过模拟物理系统的状态，DTs 可以使用高级建模技术进行查询以发现最佳行为。强化学习 (RL) 是 AI 的一个子领域，它使自主代理能够在复杂系统中做出决策，可以部署在 DT 中，以物理对应方建议最佳控制策略。RL 代理将系统的当前状态作为输入，并预测优化系统行为的未来动作序列。DT 允许代理模拟许多控制序列，以确定哪个与控制目标最一致，然后再向物理系统提供建议

将虚拟孪生体与这种先进的决策技术相结合，将对农业食品行业产生深远的变革影响，为营养不良、温室气体排放和食物浪费问题提供可能的补救措施。 为了了解这些前景，我们承认在五个供应链步骤中的潜在应用：(a) 农业投入，(b) 初级农业生产，(c) 储存和运输，(d) 食品加工，以及 (e) 分销和零售

农业生产的投入

农业投入品通常是指农用化学品，例如氮 (N) 和磷 (P) 肥料、杀虫剂和作物种子，它们对产量至关重要。制造这些投入品所涉及的碳足迹相当可观。例如，中国氮肥生产的二氧化碳排放量估计为 452 Tg CO2-eq，占中国经济温室气体排放总量的 7%。 提高支持氮肥生产的发电厂的热转换效率的措施被认为是降低碳强度的必要干预措施。在这种情况下，RL 代理可以开发和使用“虚拟发电厂”来找到最大限度地提高发电量的控制政策同时最大限度地减少二氧化碳排放

经证明可在分子、细胞、组织和器官水平上运行的 DT 可以实现对作物的精确模拟。新的“虚拟作物”可以在计算机实验室中在包括降水、温度和盐度在内的替代条件下进行快速压力测试，以发现理想的特性并开发具有气候适应力的主食的基因工程种子

初级农业生产

在器官层面之外，复制大气因素、地貌过程和土壤条件（包括土壤微生物学）的整个农业系统的虚拟化将支持前所未有的规模的精准农业。此类 DT 可能每分钟使用摄像头和传感器对湿度、水分含量、温度、辐照度、灌溉和养分供应进行采样。RL 代理可以使用这些测量来形成状态表示，并建议灌溉、照明和养分控制行动，以实现某些目标，可能最大限度地减少资源使用，同时最大限度地提高作物产量。例如，DTs 可以建议农药的最佳应用，目前相当于全球每年使用 350 万吨，通常是过度使用

此外，通过在“虚拟农场”中的快速试验，DT 可以促进野化、沉积物捕集和其他基于自然的土地管理和恢复解决方案。计算机模拟“假设”模拟可以带来更多好处，例如测试和确定增加农田和牧场碳固存的途径，或使用农林技术，例如用于野火预防的综合绿化带。与包括水电基础设施在内的其他领域一样，DT 可以支持预测性维护，例如，对种植园的灌溉系统进行预测性维护，以最大限度地减少粮食损失。在密集型封闭环境农业 (CEA) 中，例如商业气培温室和水培系统，DT 可用于结构设计和操作，以建议最佳光照强度、湿度、温度、二氧化碳浓度和水养分循环

储运

将当地产品与市场连接起来的商品链通常涉及货运列车和散货船的运输以及终端电梯中的临时存储。在铁路、公路和海运船舶以及储存筒仓中，谷物货物容易发霉、发霉和过早发芽。通风管理对于防止潮湿和真菌感染至关重要，例如曲霉和青霉，它们经常会降低谷物散装的质量。已经用于改进 HVAC 系统设计的 DT 可以重新用于此目的。此外，航行中固定升降机和船只的实时孪生体可以跟踪货物的通风时间和水分含量，并提供需要熏蒸的霉菌毒素污染的早期预警

在易腐农产品的冷链中，水果、蔬菜、乳制品、肉类和海鲜产品被预冷并临时储存在冷藏设施中，计算机模拟可能会就减少碳排放的能源效率措施提出建议。同步的 DT 可以监测食物温度、湿度、交货时间表、呼吸行为和电网碳强度；然后，RL 代理可以优化冷却设备的控制，以便在碳强度最低时从电网获取电力，从而在保持食品质量的同时最大限度地减少排放

食品加工

与传感技术相结合，DT 可以集成到食品加工和包装设施中，将玉米或牛等农产品转化为配料和最终用户食品，包括罐头蔬菜、切肉、即食食品和糖果。 这一梯队的粮食损失和浪费在发达地区和发展中地区都很普遍，对粮食安全和环境都有影响。例如，在英国，这一梯队中的食物浪费每年达到 5 兆吨

在这里，DTs 可以支持工业生态学方法来防止食物损失，就像它们被用来增强建筑制造中的循环经济应用一样。这样的 DTs 可以监控配料交付时间表、工厂吞吐量、配料浪费、操作员工作时间表和需求预测。可以对 RL 模型进行培训，以操纵制造设备，使食品加工与预期需求相匹配，同时最大程度地减少浪费

分销和零售

食品配送网络是全球温室气体排放的重要贡献者，仅食品零售每年就产生约 0.3 吉吨的二氧化碳。在这一梯队中丢弃的食品也相当可观，据估计，英国每年有 366 吨食品浪费，这些损失归因于仓储、大卖场和超市运营效率低下，包括货架管理以及未能监控和测量食物浪费。模拟食物分配系统的 DT 可用于优化交付时间表，以最大限度地减少碳排放和食物浪费。 这样的 DT 可以监控道路网络上的送货车辆的位置、零售店的食品库存、食品隐含排放量、天气和运输中食品的保质期

鉴于这种状态表示，RL 代理可能会决定通过将食品发送到离配送中心更远且库存水平较低的零售商而不是更可能发生的更近的商店，从而最大限度地减少食品浪费，从而减少系统级排放的浪费。最近的评论表明，这些模拟可以进一步预测供应链的延迟、食物变质的迹象和潜在的食物损失，并推荐预防措施。 在预计丢弃剩余食物的情况下，扩展 DT 以涵盖食物再分配网络，例如社区施粥处，可以帮助减少废物并改善弱势群体的营养安全。这种扩展还可能包括种植者更有效地分配和分配未收获的农产品

虚拟化农产品价值链的启用和禁用因素

“实时” DT 提供全面的计算生态系统，用于模拟作物、农场、农业设备、存储设施、加工厂和分销网络。 然而，如果要成功和大规模地部署 DT，农产品利益相关者必须认识到技术经济限制

首先，强大的虚拟副本依赖于两个要素：

(a) 适当的传感器覆盖范围

(b) 模型不确定性量化

对于使用 DT 推荐最佳控制策略的高级决策系统，其传感器必须能够充分预测代理的目标。例如，农产品储存设施的 DT 只有在监测相关变量（如温度、食品类型和产品年龄）时才能用于预测食品变质。即使有足够的传感器覆盖范围，DT 也只能是物理系统的近似值，这意味着它的状态表示和未来预测是不确定的。作为回应，一些作者建议使用贝叶斯方法构建 DT，但处理 DT 不确定性和决策制定的稳健方法仍然是一个开放的挑战。部署明确捕获不确定性的 DT 对于缓解这些问题至关重要

同样，设置整个供应链的“实时”孪生体，包括再分配中心，例如低收入社区的食品银行和施食处，需要对数据架构进行大量投资，包括云计算和本地传感器。然而，处于 DTs 研究和开发前沿的私营公司可能缺乏动力投资于促进生态和人道主义事业的网络物理系统，例如农业生物多样性和粮食救援，但不会产生直接的财务回报

这可能会扼杀用于农业食品部门转型的 DT 的传播，特别是在最需要数字创新的领域。其次，建模缺陷可能会通过编码中的人为错误或合并无错误但不一致的算法或数据而引入设计。例如，用于灌溉系统预测性维护的计算模型代码中的一个小符号错误可能导致不明智的决策，从而导致作物减产和生产损失。第三，缺乏通用的 DT 建模标准可能会在集成单独创建的模型时造成兼容性困难。例如，将制造商编写的用于监控华氏温度的冷链中新冷却设备的虚拟表示修补到以摄氏度为单位调节温度的现有冷链将导致食物立即变质

目前障碍

国际和公共机构的集中努力对于保证 DT 在土木和机械工程的起源环境之外实施是必要的，以履行其在农业食品部门转型中的承诺

应该资助非营利性国际研究中心，例如 CGIAR 及其农业大数据平台，以促进开放获取和标准化的数据集，这些数据集可以支持从分子到景观水平的 DT，包括孤儿作物和本土农业生态学为农业 DTs 计划开发开源和安全平台。 事业单位应进一步投资于价值链梯队的底层标准和数据架构，部署生物物理和生化智能传感器、电信网络和云计算，以满足 DTs 的数据存储和处理需求

同时，至关重要的是，为参与农业食品部门 (包括技术和职业教育与培训 (TVET) 计划) 的参与者提供指定的教学大纲和模拟软件，以扩大计算机科学培训和技能。这将促进DT跨学科，领域和地理区域的溢出

投资应优先考虑中低收入经济体，这些经济体的小农户数量最多，农村信贷市场不成熟，农业生产力低下，食品腐败和浪费现象普遍，营养不良现象普遍存在。 如果没有刻意的制度努力，欠发达地区可能是从 DT 中受益最慢的地区，就像绿色革命技术绕过了最脆弱的地区一样

最后，应该迅速调整已经为其他领域的科学家和工程师提供信息的 DT，并通过强有力的治理来实现农产品生产系统和供应链的可持续性