CN113642952A - 一种低温液态奶产品全生命周期智能控制方法与系统 - Google Patents
一种低温液态奶产品全生命周期智能控制方法与系统 Download PDFInfo
- Publication number
- CN113642952A CN113642952A CN202110823302.9A CN202110823302A CN113642952A CN 113642952 A CN113642952 A CN 113642952A CN 202110823302 A CN202110823302 A CN 202110823302A CN 113642952 A CN113642952 A CN 113642952A
- Authority
- CN
- China
- Prior art keywords
- liquid milk
- low
- temperature liquid
- product
- milk product
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 235000013336 milk Nutrition 0.000 title claims abstract description 179
- 239000008267 milk Substances 0.000 title claims abstract description 179
- 210000004080 milk Anatomy 0.000 title claims abstract description 179
- 239000007788 liquid Substances 0.000 title claims abstract description 173
- 238000000034 method Methods 0.000 title claims abstract description 99
- 238000004519 manufacturing process Methods 0.000 claims abstract description 67
- 230000008569 process Effects 0.000 claims abstract description 67
- 238000012545 processing Methods 0.000 claims abstract description 66
- 235000020185 raw untreated milk Nutrition 0.000 claims abstract description 61
- 238000005457 optimization Methods 0.000 claims abstract description 28
- 238000007689 inspection Methods 0.000 claims abstract description 13
- 230000007246 mechanism Effects 0.000 claims abstract description 9
- 241000894006 Bacteria Species 0.000 claims abstract description 8
- 230000002159 abnormal effect Effects 0.000 claims description 35
- 239000002994 raw material Substances 0.000 claims description 25
- 238000003860 storage Methods 0.000 claims description 19
- 235000013365 dairy product Nutrition 0.000 claims description 10
- 230000003044 adaptive effect Effects 0.000 claims description 9
- 230000005856 abnormality Effects 0.000 claims description 8
- 238000004458 analytical method Methods 0.000 claims description 7
- 238000009395 breeding Methods 0.000 claims description 6
- 230000001488 breeding effect Effects 0.000 claims description 6
- 238000005516 engineering process Methods 0.000 claims description 6
- 238000009472 formulation Methods 0.000 claims description 6
- 238000012423 maintenance Methods 0.000 claims description 6
- 239000000203 mixture Substances 0.000 claims description 6
- 238000013441 quality evaluation Methods 0.000 claims description 6
- 230000008649 adaptation response Effects 0.000 claims description 3
- 239000000284 extract Substances 0.000 claims description 3
- 230000004044 response Effects 0.000 claims description 3
- 238000007619 statistical method Methods 0.000 claims description 3
- 239000002699 waste material Substances 0.000 claims description 3
- 238000009826 distribution Methods 0.000 description 3
- 235000013305 food Nutrition 0.000 description 3
- 230000008901 benefit Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000007726 management method Methods 0.000 description 2
- 239000000126 substance Substances 0.000 description 2
- 206010063385 Intellectualisation Diseases 0.000 description 1
- 239000000654 additive Substances 0.000 description 1
- 230000002411 adverse Effects 0.000 description 1
- 230000002776 aggregation Effects 0.000 description 1
- 238000004220 aggregation Methods 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000001580 bacterial effect Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000003115 biocidal effect Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 235000013399 edible fruits Nutrition 0.000 description 1
- 230000005484 gravity Effects 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000001737 promoting effect Effects 0.000 description 1
- 238000003908 quality control method Methods 0.000 description 1
- 238000004064 recycling Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 210000001082 somatic cell Anatomy 0.000 description 1
- 238000003756 stirring Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 238000004448 titration Methods 0.000 description 1
- 235000013311 vegetables Nutrition 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/08—Logistics, e.g. warehousing, loading or distribution; Inventory or stock management
- G06Q10/083—Shipping
- G06Q10/0835—Relationships between shipper or supplier and carriers
- G06Q10/08355—Routing methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06315—Needs-based resource requirements planning or analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0201—Market modelling; Market analysis; Collecting market data
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0201—Market modelling; Market analysis; Collecting market data
- G06Q30/0202—Market predictions or forecasting for commercial activities
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/02—Agriculture; Fishing; Forestry; Mining
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Human Resources & Organizations (AREA)
- Development Economics (AREA)
- Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Theoretical Computer Science (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- Marketing (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Tourism & Hospitality (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Data Mining & Analysis (AREA)
- Marine Sciences & Fisheries (AREA)
- Life Sciences & Earth Sciences (AREA)
- Agronomy & Crop Science (AREA)
- Animal Husbandry (AREA)
- Educational Administration (AREA)
- Mining & Mineral Resources (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- General Factory Administration (AREA)
- Dairy Products (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种低温液态奶产品全生命周期智能控制方法与系统,基于原料奶收集过程中汇集时间、位置以及质量信息的数据以及进入车间前的细菌检验结果,进行原料奶的自适应分拣;基于低温液态奶产品的销售数据与原料奶的收集情况,自适应制定低温液态奶产品的加工任务;针对液态奶产品的加工任务,基于实时生产过程数据,形成低温液态奶产品制造过程自适应优化机制;在低温液态奶产品加工完成后,调用物流过程自适应优化执行模块,以最快的速度将液态奶产品分配至需求终端;终端商场售卖低温液态奶产品,并将销售数据及时反馈给生产企业,以不断改善液态奶产品,形成良好的低温液态奶产业链;实现低温液态奶产品生产过程全生命周期智能控制。
Description
技术领域
本发明属于冷链食品生产与物流技术领域,尤其涉及一种低温液态奶产品全生命周期智能控制方法与系统。
背景技术
液态奶行业对低温液态乳制品的质量安全性与物流及时性要求较高,对乳制品的全生命周期进行智能化管理在提升奶制品企业的竞争力发挥着重要的作用。以物联网技术为代表的新一代信息技术的快速发展,为液态奶产品的生产与物流过程的智能化提供了技术基础。
目前,液态奶产品的生产与物流智能化管控方法的研究主要有:中国专利《一种食品加工智能生产线协同控制平台》针对食品加工过程中温度过高的问题,采用智能设备自动检测平台温度,进而可以智能地避免温度对设备的不良影响;中国专利《基于蚁群优化算法的智慧城市动态冷链物流调度方法》建立了面向动态场景的冷链物流调度模型,考虑了动态场景中订单信息变化以及冷藏车状态变化等因素;中国专利《一种基于物联网冷链柜配送检测系统》解决了冷链配送中蔬菜和水果的保鲜效果难以维持的问题;中国专利《一种用于农产品的冷链物流信息溯源系统》设计了包含表现层、应用层、数据层、中间处理层和硬件层五个层次的信息溯源系统,实现农产品物流信息的溯源,且高效解决各环节物流利润分配和风险分担不均衡的问题。
尽管上述发明对液态奶产品全生命周期智能控制提供了重要思路,但仍然存在以下问题:
低温液态奶产品生命周期短、时效性要求较高、全程冷链控制节点多。当前液态奶产品全生命周期过程存在产品品种种类多、人工参与工序较多、工艺及系统复杂、产品需求地点离散分布等现状,由于缺乏对从奶牛养殖、原料奶收集、乳制品加工、冷链仓储物流到终端消费的全产业链大量数据的精准全面采集与协同分析,导致低温液态奶产品整个生命周期过程的产品质量不稳定、物流时效性不满足等问题经常出现。
发明内容
为了解决现有技术中存在的不足,本发明提出了一种低温液态奶产品全生命周期智能控制方法与系统,解决现有低温液态奶产品生产过程质量管控困难、物流配送过程不优化的问题。
本发明所采用的技术方案如下:
一种低温液态奶产品全生命周期智能控制方法,包括如下步骤,
步骤1:基于原料奶收集过程中汇集时间、位置以及质量信息的数据以及进入车间前的细菌检验结果,进行原料奶的自适应分拣;
步骤2:基于低温液态奶产品的销售数据与原料奶的收集情况,自适应制定低温液态奶产品的加工任务;
步骤3:针对液态奶产品的加工任务,基于实时生产过程数据,形成低温液态奶产品制造过程自适应优化机制;
步骤4:在低温液态奶产品加工完成后,调用物流过程自适应优化执行模块,将液态奶产品分配至需求终端;
步骤5:终端商场售卖低温液态奶产品,并将销售数据及时反馈给生产企业,以不断改善液态奶产品,形成低温液态奶产业链。
进一步,步骤1中进行原料奶的自适应分拣的步骤为:
步骤1.1:基于不同种类的低温液态奶产品的质量需求,制定原料选用标准;
步骤1.2:在原料奶收集过程,基于原料奶现场初检数据与质量要求,判断原料奶是否符合加工最低要求,如果符合,则进入后续加工阶段;否则,进入废弃奶收集站;
步骤1.3:针对原料奶的细菌检查结果确定原料奶的质量等级,并按照质量等级将原料奶自适应地分配至不同种类的产品原料储存室中。
进一步,步骤2中制定低温液态奶产品的加工任务的步骤为:
步骤2.1:对低温液态奶产品的销售数据进行统计分析,构建产品销售预测模型,利用预测模型,采用时间序列预测方法预测不同种类产品的销售数量,制定液态奶产品的加工任务;
步骤2.2:基于预测模型预测出液态奶产品的需求数量,生成不同种类的产品对应的样本订单;
步骤2.3:分析原料奶数量、质量信息以及其他原料状态信息,制定最优的低温液态奶产品的加工任务。
进一步,构建产品销售预测模型的方法为:
步骤2.1.1:从合作企业中调取出不同产品的销售样本数据集,样本属性信息包含产品种类、销售频次、销售数量、销售时间;
步骤2.1.2:基于样本时间对不同的样本设定不同的权重,构建产品销售预测模型,所述预测模型为:
其中,yt指预测出的当前产品销售数量值;w1,w2,…,wm指不同时刻的销售数量值得权重,一般时间越临近,给予越大得权重;yt-1,yt-2,…,yt-m指往前推m个时刻样本的销售数量。
进一步,步骤3中液态奶产品制造过程自适应优化机制为:
步骤3.1:对液态奶制造过程状态数据进行增值分析,得到制造过程的关键生产性能信息;
步骤3.2:实时获取关键生产性能信息,并对关键生产性能信息进行生产异常的识别与自适应调节;
步骤3.3:基于生产过程资源能力分析、异常事件自适应响应等机制,不断制定生产过程资源协同优化措施,确保加工车间的高效可靠运行,持续生产出满足质量需求的低温液态奶产品。
进一步,步骤3.2中对关键生产性能信息进行生产异常的识别与自适应调节的方法为:
步骤3.2.1:首先构建液态奶加工过程异常事件库,该异常事件库内存储发生异常事件时对应的关键生产性能信息;
步骤3.2.2:针对每一个识别出的关键生产性能信息,将其与异常事件库中的数据进行匹配,快速识别出液态奶产品加工过程中的异常事件;
步骤3.2.3:针对识别出的异常事件,主动制定异常响应方式,针对原材料短缺异常,在原料接近短缺阈值时,主动从仓库中运输原材料;针对设备运行异常,则主动将异常事件信息推送给维护人员,维护人员基于异常事件,及时处理异常。
进一步,步骤4中将液态奶产品分配至需求终端的方法为:
步骤4.1:基于液态奶产品的下线时间以及外部企业的需求订单,在液态奶产品加工完成之前,准备能够符合冷链运输需求的物流车辆;
步骤4.2:针对不同种类产品,物流车辆自适应调节运输温度等冷链运输环境,以确保液态奶产品在运输过程中的质量不会受到损失;
步骤4.3:基于目标终端商场的位置,基于堵车情况、路径长短的信息,自适应设定最优的运输路径,以确保在最短的时间内将低温液态奶产品运送至终端。
一种低温液态奶产品全生命周期智能控制系统,包括低温液态奶产品全生命周期数据采集模块、原料奶质量评估与自适应分拣模块、低温液态奶产品生产任务自适应制定模块、低温液态奶产品加工过程自适应协同优化模块和低温液态奶产品物流过程自适应优化模块;
低温液态奶产品全生命周期数据采集模块采用智能传感技术,获取低温液态奶产品全生命周期内的实时状态数据;包括奶牛养殖阶段、原料奶收集过程、乳制品的车间内部加工过程、低温液态奶产品的冷链仓储物流过程、液态奶产品售卖的终端消费商场;
原料奶质量评估与自适应分拣模块对原料奶进行质量检验、质量分级,将不同等级的原料奶自适应地分配至不同种类的产品原料储存室中。
低温液态奶产品生产任务自适应制定模块根据产品销售数据制定加工任务。
低温液态奶产品加工过程自适应协同优化模块根据加工任务,提取相应产品原料储存室中的不同等级的原料奶进行液态奶加工得到低温液态奶产品;
低温液态奶产品物流过程自适应优化模块根据液态奶产品的下线时间以及外部企业的需求订单,将液态奶产品分配至需求终端,并将获取需求终端的产品销售数据。
进一步,在液态奶产品加工过程,配置传感设备及嵌入式设备,以采集加工过程的关键状态数据;在低温液态奶产品的冷链运输过程中,通过配置温湿度传感器、RFID、GPS设备,以实时采集冷链仓储物流过程的位置、温度、路线等信息;在液态奶产品售卖的终端消费商场,通过接入商场的售卖系统,主动获取液态奶产品的储存、售出时间、售出频次信息。
本发明的有益效果:
本发明能够将先进的信息技术应用到低温液态奶产品的全生命周期控制过程中,确保低温液态奶从奶牛养殖、原料奶收集、液态奶产品加工、冷链运输到终端消费商场全生命周期状态的全面监控、增值计算与自适应优化决策。同时,在产品加工任务制定过程中,充分考虑产品销售状态、原材料现存能力与车间本身加工能力,使得制定的加工任务更加符合生产现场能力,且能够较快售卖出去。基于本发明,能够实现低温液态奶产品整个生命周期的协同优化决策,为实现低温液态奶产品的质量安全、配送时效等提供保证,为提升低温液态奶产品生产企业提供决策支撑。
附图说明
图1是本发明方法的总体体系架构图;
图2是本发明方法的低温液态奶产品全生命周期信息采集模块;
图3是本发明方法的低温液态奶产品全生命周期自适应智能控制的运行逻辑图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅用于解释本发明,并不用于限定本发明。
如图1和2所示的一种低温液态奶产品全生命周期智能控制系统,包括低温液态奶产品全生命周期数据采集模块、原料奶质量评估与自适应分拣模块、低温液态奶产品生产任务自适应制定模块、低温液态奶产品加工过程自适应协同优化模块和低温液态奶产品物流过程自适应优化模块。
低温液态奶产品全生命周期数据采集模块采用智能传感技术,获取低温液态奶产品全生命周期内的实时状态数据。包括奶牛养殖阶段、原料奶收集过程、乳制品的车间内部加工过程、低温液态奶产品的冷链仓储物流过程、液态奶产品售卖的终端消费商场;各阶段获取实时状态数据的方式具体为:在奶牛养殖阶段,给每头奶牛配置RFID标签,记录奶牛的生长过程信息,在乳制品的源头进行牛奶质量的追踪。
在原料奶收集过程中,对收集牛奶的装置配置RFID标签,记录原料奶的汇集时间、位置以及质量信息;然后,通过气味传感器、颜色传感器、滴定酸度、比重测定对原料奶的感官指标、理化指标进行抽检分析。
在液态奶产品(乳制品)的车间内部加工过程,配置先进传感设备及嵌入式设备,以采集加工过程的关键状态数据,具体为:
1:通过细菌检验对收集原料奶的细菌数、体细胞数、抗生物质等指标进行检验,确定原料奶的质量并登记。
2:在原料奶加入位置、离心分离工序、搅拌工序等关键生产节点配置机器视觉、RFID、嵌入式设备、温湿度传感器,采集乳制品加工过程的温度、加工设备、加工人员、添加剂信息。
3:在产品生产以后,给每个液态奶产品打上二维码标签,以方便后续产品的流通过程的状态采集与反向追溯。
在低温液态奶产品的冷链运输过程中,通过配置温湿度传感器、RFID、GPS设备,以实时采集冷链仓储物流过程的位置、温度、路线等信息。
在液态奶产品售卖的终端消费商场,通过接入商场的售卖系统,主动获取液态奶产品的储存、售出时间、售出频次信息。
原料奶质量评估与自适应分拣模块对原料奶进行质量检验、质量分级,将不同等级的原料奶自适应地分配至不同种类的产品原料储存室中。
低温液态奶产品生产任务自适应制定模块根据产品销售数据制定加工任务。
低温液态奶产品加工过程自适应协同优化模块根据加工任务,提取相应产品原料储存室中的不同等级的原料奶进行液态奶加工得到低温液态奶产品;
低温液态奶产品物流过程自适应优化模块根据液态奶产品的下线时间以及外部企业的需求订单,将液态奶产品分配至需求终端,并将获取需求终端的产品销售数据。
如图3,本发明还提出了一种低温液态奶产品全生命周期智能控制方法,包括如下步骤,
步骤1:参照图3(a),基于原料奶收集过程中的数据(汇集时间、位置以及质量信息等)以及进入车间前的细菌检验结果,进行原料奶的自适应分拣,具体为:
步骤1.1:基于不同种类的低温液态奶产品的质量需求,制定原料选用标准。
步骤1.2:在原料奶收集过程,基于原料奶现场初检数据与质量要求,判断原料奶是否符合加工最低要求,如果符合,则进入后续加工阶段;否则,进入废弃奶收集站,供后续回收利用。
步骤1.3:在进入加工车间之前,对原料奶进行细菌检查等进一步的质量分级过程,确定原料奶的质量等级,并基于质量等级,将不同等级的原料奶自适应地分配至不同种类的产品原料储存室中,保证的液态奶产品的原料端符合要求。
步骤2:参照图3(b),基于低温液态奶产品的销售数据与原料奶的收集情况,自适应制定低温液态奶产品的加工任务。不同的低温液态奶产品的市场需求受到用户、环境、季节等多种因素的影响而不断变化,为了充分产生更多的经济效益,需要动态调整生产计划。
具体为:
步骤2.1:基于低温液态奶产品的销售数据,进行统计分析,计算出近一段时间内不同种类奶产品的销售情况,采用时间序列预测方法预测不同种类产品的销售数量,制定液态奶产品的加工任务,具体为:
步骤2.1.1:从合作企业中调取出不同产品的销售样本数据集,样本属性信息包含产品种类、销售频次、销售数量、销售时间。
步骤2.1.2:基于样本时间对不同的样本设定不同的权重,构建产品销售预测模型,所述预测模型为:
其中,yt指预测出的当前产品销售数量值;w1,w2,…,wm指不同时刻的销售数量值得权重,一般时间越临近,给予越大得权重;yt-1,yt-2,…,yt-m指往前推m个时刻样本的销售数量。
步骤2.2:基于预测模型预测出液态奶产品的需求数量,生成不同种类的产品对应的样本订单。
步骤2.3:分析原料奶数量、质量信息以及其他原料状态信息,制定最优的低温液态奶产品的加工任务。
步骤3:参照图3(c),针对液态奶产品的加工任务,基于实时生产过程数据,形成低温液态奶产品制造过程自适应优化机制。具体为:
步骤3.1:对海量液态奶制造过程状态数据进行数据去重、不漏、聚合、预测等增值分析,得到制造过程的关键生产性能信息,关键生产性能信息包括加工进度、原料使用效率、加工时间等。
步骤3.2:对获得的关键生产性能信息进行生产异常的识别与自适应调节,具体为:
步骤3.2.1:基于专家经验知识以及历史异常实例,构建液态奶加工过程异常事件库,该异常事件库内存储发生异常事件时对应的关键生产性能信息及异常原因。液态奶加工过程主要有两种异常,即原材料短缺与设备运行异常。
步骤3.2.2:针对每一个识别出的关键生产性能信息,将其与异常事件库中的数据进行匹配,快速识别出液态奶产品加工过程中的异常事件。
步骤3.2.3:针对识别出的异常事件,主动制定异常响应方式。针对原材料短缺异常,可以在原料接近短缺阈值时,主动从仓库中运输原材料;针对设备运行异常,则可以主动将异常事件信息推送给维护人员,维护人员可以基于异常事件,及时处理异常。
步骤3.3:基于生产过程资源能力分析、异常事件自适应响应等机制,不断制定生产过程资源协同优化措施,确保加工车间的高效可靠运行,持续生产出满足质量需求的低温液态奶产品。
步骤4:参照图3(d),在低温液态奶产品加工完成后,调用物流过程自适应优化执行模块,以最快的速度将液态奶产品分配至需求终端,具体为:
步骤4.1:基于液态奶产品的下线时间以及外部企业的需求订单,在液态奶产品加工完成之前,准备好能够符合冷链运输需求的物流车辆。
步骤4.2:在液态奶产品加工完成后,针对不同种类产品,物流车辆自适应调节运输温度等冷链运输环境,以确保液态奶产品在运输过程中的质量不会受到损失。
步骤4.3:基于目标终端商场的位置,基于堵车情况、路径长短等信息,自适应设定最优的运输路径,以确保在最短的时间内将低温液态奶产品运送至终端。
步骤5:终端商场售卖低温液态奶产品,并将销售数据及时反馈给生产企业,以不断改善液态奶产品,形成良好的低温液态奶产业链。
以上实施例仅用于说明本发明的设计思想和特点,其目的在于使本领域内的技术人员能够了解本发明的内容并据以实施,本发明的保护范围不限于上述实施例。所以,凡依据本发明所揭示的原理、设计思路所作的等同变化或修饰,均在本发明的保护范围之内。
Claims (9)
1.一种低温液态奶产品全生命周期智能控制方法,其特征在于,包括如下步骤,
步骤1:基于原料奶收集过程中汇集时间、位置以及质量信息的数据以及进入车间前的细菌检验结果,进行原料奶的自适应分拣;
步骤2:基于低温液态奶产品的销售数据与原料奶的收集情况,自适应制定低温液态奶产品的加工任务;
步骤3:针对液态奶产品的加工任务,基于实时生产过程数据,形成低温液态奶产品制造过程自适应优化机制;
步骤4:在低温液态奶产品加工完成后,调用物流过程自适应优化执行模块,将液态奶产品分配至需求终端;
步骤5:终端商场售卖低温液态奶产品,并将销售数据及时反馈给生产企业,以不断改善液态奶产品,形成低温液态奶产业链。
2.根据权利要求1所述的低温液态奶产品全生命周期智能控制方法,其特征在于,步骤1中进行原料奶的自适应分拣的步骤为:
步骤1.1:基于不同种类的低温液态奶产品的质量需求,制定原料选用标准;
步骤1.2:在原料奶收集过程,基于原料奶现场初检数据与质量要求,判断原料奶是否符合加工最低要求,如果符合,则进入后续加工阶段;否则,进入废弃奶收集站;
步骤1.3:针对原料奶的细菌检查结果确定原料奶的质量等级,并按照质量等级将原料奶自适应地分配至不同种类的产品原料储存室中。
3.根据权利要求1所述的低温液态奶产品全生命周期智能控制方法,其特征在于,步骤2中制定低温液态奶产品的加工任务的步骤为:
步骤2.1:对低温液态奶产品的销售数据进行统计分析,构建产品销售预测模型,利用预测模型,采用时间序列预测方法预测不同种类产品的销售数量,制定液态奶产品的加工任务;
步骤2.2:基于预测模型预测出液态奶产品的需求数量,生成不同种类的产品对应的样本订单;
步骤2.3:分析原料奶数量、质量信息以及其他原料状态信息,制定最优的低温液态奶产品的加工任务。
5.根据权利要求1所述的低温液态奶产品全生命周期智能控制方法,其特征在于,步骤3中液态奶产品制造过程自适应优化机制为:
步骤3.1:对液态奶制造过程状态数据进行增值分析,得到制造过程的关键生产性能信息;
步骤3.2:实时获取关键生产性能信息,并对关键生产性能信息进行生产异常的识别与自适应调节;
步骤3.3:基于生产过程资源能力分析、异常事件自适应响应等机制,不断制定生产过程资源协同优化措施,确保加工车间的高效可靠运行,持续生产出满足质量需求的低温液态奶产品。
6.根据权利要求5所述的低温液态奶产品全生命周期智能控制方法,其特征在于,步骤3.2中对关键生产性能信息进行生产异常的识别与自适应调节的方法为:
步骤3.2.1:首先构建液态奶加工过程异常事件库,该异常事件库内存储发生异常事件时对应的关键生产性能信息;
步骤3.2.2:针对每一个识别出的关键生产性能信息,将其与异常事件库中的数据进行匹配,快速识别出液态奶产品加工过程中的异常事件;
步骤3.2.3:针对识别出的异常事件,主动制定异常响应方式,针对原材料短缺异常,在原料接近短缺阈值时,主动从仓库中运输原材料;针对设备运行异常,则主动将异常事件信息推送给维护人员,维护人员基于异常事件,及时处理异常。
7.根据权利要求1所述的低温液态奶产品全生命周期智能控制方法,其特征在于,步骤4中将液态奶产品分配至需求终端的方法为:
步骤4.1:基于液态奶产品的下线时间以及外部企业的需求订单,在液态奶产品加工完成之前,准备能够符合冷链运输需求的物流车辆;
步骤4.2:针对不同种类产品,物流车辆自适应调节运输温度等冷链运输环境,以确保液态奶产品在运输过程中的质量不会受到损失;
步骤4.3:基于目标终端商场的位置,基于堵车情况、路径长短的信息,自适应设定最优的运输路径,以确保在最短的时间内将低温液态奶产品运送至终端。
8.一种低温液态奶产品全生命周期智能控制系统,其特征在于,包括低温液态奶产品全生命周期数据采集模块、原料奶质量评估与自适应分拣模块、低温液态奶产品生产任务自适应制定模块、低温液态奶产品加工过程自适应协同优化模块和低温液态奶产品物流过程自适应优化模块;低温液态奶产品全生命周期数据采集模块采用智能传感技术,获取低温液态奶产品全生命周期内的实时状态数据;包括奶牛养殖阶段、原料奶收集过程、乳制品的车间内部加工过程、低温液态奶产品的冷链仓储物流过程、液态奶产品售卖的终端消费商场;原料奶质量评估与自适应分拣模块对原料奶进行质量检验、质量分级,将不同等级的原料奶自适应地分配至不同种类的产品原料储存室中;低温液态奶产品生产任务自适应制定模块根据产品销售数据制定加工任务;低温液态奶产品加工过程自适应协同优化模块根据加工任务,提取相应产品原料储存室中的不同等级的原料奶进行液态奶加工得到低温液态奶产品;低温液态奶产品物流过程自适应优化模块根据液态奶产品的下线时间以及外部企业的需求订单,将液态奶产品分配至需求终端,并将获取需求终端的产品销售数据。
9.根据权利要求8所述的低温液态奶产品全生命周期智能控制系统,其特征在于,在液态奶产品加工过程,配置传感设备及嵌入式设备,以采集加工过程的关键状态数据;在低温液态奶产品的冷链运输过程中,通过配置温湿度传感器、RFID、GPS设备,以实时采集冷链仓储物流过程的位置、温度、路线等信息;在液态奶产品售卖的终端消费商场,通过接入商场的售卖系统,主动获取液态奶产品的储存、售出时间、售出频次信息。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110823302.9A CN113642952B (zh) | 2021-07-21 | 2021-07-21 | 一种低温液态奶产品全生命周期智能控制方法与系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110823302.9A CN113642952B (zh) | 2021-07-21 | 2021-07-21 | 一种低温液态奶产品全生命周期智能控制方法与系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113642952A true CN113642952A (zh) | 2021-11-12 |
CN113642952B CN113642952B (zh) | 2024-05-14 |
Family
ID=78417923
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110823302.9A Active CN113642952B (zh) | 2021-07-21 | 2021-07-21 | 一种低温液态奶产品全生命周期智能控制方法与系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113642952B (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103778507A (zh) * | 2014-01-16 | 2014-05-07 | 华南理工大学 | 基于物联网的乳制品质量安全全生命周期智能溯源方法 |
CN103809559A (zh) * | 2014-01-16 | 2014-05-21 | 广东省农业科学院蚕业与农产品加工研究所 | 基于物联网的乳制品质量安全全生命周期监控预警方法 |
CN110633936A (zh) * | 2019-08-16 | 2019-12-31 | 平安国际智慧城市科技股份有限公司 | 一种冷链物流实时跟踪方法、装置、计算机设备及存储介质 |
CN111754162A (zh) * | 2020-05-14 | 2020-10-09 | 江苏理工学院 | 基于区块链的智慧冷链系统及其方法 |
-
2021
- 2021-07-21 CN CN202110823302.9A patent/CN113642952B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103778507A (zh) * | 2014-01-16 | 2014-05-07 | 华南理工大学 | 基于物联网的乳制品质量安全全生命周期智能溯源方法 |
CN103809559A (zh) * | 2014-01-16 | 2014-05-21 | 广东省农业科学院蚕业与农产品加工研究所 | 基于物联网的乳制品质量安全全生命周期监控预警方法 |
CN110633936A (zh) * | 2019-08-16 | 2019-12-31 | 平安国际智慧城市科技股份有限公司 | 一种冷链物流实时跟踪方法、装置、计算机设备及存储介质 |
CN111754162A (zh) * | 2020-05-14 | 2020-10-09 | 江苏理工学院 | 基于区块链的智慧冷链系统及其方法 |
Non-Patent Citations (1)
Title |
---|
杨琳: "低温奶走红 乳企争鲜布局", 中国食品工业, vol. 2021, no. 11, 8 June 2021 (2021-06-08), pages 65 - 67 * |
Also Published As
Publication number | Publication date |
---|---|
CN113642952B (zh) | 2024-05-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Feng et al. | Evaluation on frozen shellfish quality by blockchain based multi-sensors monitoring and SVM algorithm during cold storage | |
Nagarajan et al. | Integration of IoT based routing process for food supply chain management in sustainable smart cities | |
Jin et al. | Big Data in food safety-A review | |
Chaudhuri et al. | Decision-making in cold chain logistics using data analytics: a literature review | |
Villalobos et al. | Research directions in technology development to support real-time decisions of fresh produce logistics: A review and research agenda | |
Feng et al. | Modeling and evaluation on WSN-enabled and knowledge-based HACCP quality control for frozen shellfish cold chain | |
CN111861348B (zh) | 一种基于区块链的冷链溯源系统 | |
Gallo et al. | A traceability-support system to control safety and sustainability indicators in food distribution | |
Zakeri et al. | An early detection system for proactive management of raw milk quality: An Australian case study | |
Xiao et al. | Developing an intelligent traceability system for aquatic products in cold chain logistics integrated WSN with SPC | |
CN117495019B (zh) | 基于农产品供应链的农产品协同调度方法与系统 | |
CN112033086B (zh) | 一种温湿度可测可调的冷链箱及其控制方法 | |
Kailaku et al. | Traceability and quality monitoring improvement throughout carrot supply chain with the implementation of Internet-Of-Things | |
CN117495235A (zh) | 一种基于物联网的生鲜智能配送管理系统 | |
CN117114175B (zh) | 基于北斗定位技术实现外贸货物交付计划的预测方法 | |
Gao et al. | A network flow model of regional transportation of e-commerce and analysis on maturity change of fresh fruit | |
CN113642952B (zh) | 一种低温液态奶产品全生命周期智能控制方法与系统 | |
Lin et al. | Predictive quality-aware control for scheduling of potato starch production | |
Zhang | Research on the optimization of agricultural supply chain based on internet of things | |
CN115130965B (zh) | 一种基于中央厨房的菜品冷藏运输配送监测管理云平台 | |
Gan et al. | An automated cucumber inspection system based on neural network | |
Kokkinos et al. | Efficient traceability of aquatic products on the cold supply chain management via IoT and artificial neural networks | |
Chen et al. | Cold Chain Logistics Demand Forecasting for Fresh Agricultural Foods in Fujian Province, China | |
CN109816293A (zh) | 一种仓储货物监管系统及方法 | |
Maiyar et al. | Fighting Food Waste: How Can Artificial Intelligence and Analytics Help? |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |