建立食品冷链物流跟踪与追溯体系,是生鲜食品安全的有效保障。目前,国内外学者就冷链物流管理展开了广泛的研究。国外学者结合欧美等发达国家冷链物流的发展现状,提出建立高度协调的一体化冷链物流体系,国内学者分析了我国冷链物流发展的特点,指出应完善冷链基础设施,整合冷链上下游各环节,从而实现冷链的协调控制[1,2,3,4]。然而冷链物流系统是一类典型的、复杂的分布式系统,它需要各环节之间的高度配合、协调,而这正是现代冷链物流体系无法实现的,因为现代冷链物流体系在冷链过程中无法有效监控食品质量相关的属性[2,5]。
多Agent系统由一组功能各异的Agent组成,各Agent是有各自目标的、自治的、独立的实体,同时为了完成系统总目标,多个Agent之间又是相互协作的[6]。食品冷链物流上的每个环节都有自己的资源、能力和目标,只有冷链各环节相互协作,才能为用户提供可靠的产品与服务。本文采用多Agent技术,设计了一个安全管理模型,监控食品冷链物流各环节的事件,通过各Agent间交互发现可能引起食品安全问题的事件并报警。
食品冷链物流包含运输、仓储、配送、零售等环节。一般情况下,产品由生产企业成品库贴上 标签 ,如EPC(Electronic Product Code),通过长途运输送到配送中心,再由配送中心配送至各零售店。整个过程都需要保持低温控制[7,8]。食品冷链物流流程如图1所示。
本文以食品冷链物流为研究对象,将产品的物流过程看做出库、入库过程(运输车辆看做移动库),包含的主要事件有出库、入库、温度采集等。结合食品冷链物流 的工作过 程及Agent的特性,提出了基于多Agent的食品冷链物流质量安全管理模型。如图2所示。
图1 食品冷链物流流程图
图2 基于多Agent的食品冷链物流质量安全管理模型
该模型包含3个模块:(1)冷链物流事件管理;(2)质量安全管理;(3)案例管理。冷链物流事件管理负责监控产品在整个冷链过程中是否满足实际要求,当出现异常情况时,质量安全管理模块负责检索案例库,以获得一个解决方案处理当前异常,若该解决方案失败,则对其进行调整,从而得到一个成功案例存入案例库;案例管理模块负责维护、更新案例信息,并为冷链物流事件管理提供参考。
本系统设计七类Agent:总监控Agent、仓库监控Agent、冷藏车监控Agent、检测Agent、验证Agent、质量安全管理Agent、通信Agent。各Agent的功能、输入、动作和输出见表1。
各agent之间的协调交互,如图3所示。
当质量安全管理Agent收到监控Agent发来的异常信息时,将异常信息包装成一个案例,接着到案例库检索,以获得一个解决方案解决该异常。这里的解决方案包含两种:需要召回产品和不需要召回产品,如果需要召回产品,则确定问题产品的范围,并将问题产品的信息返回,同时向相关管理者发出警报。如果不需要召回产品,则将异常信息以日志形式返回,供相关管理者查看。需要召回的情形包括:重金属含量超标、冷链过程温度和路径同时出现异常等;不需要召回的情形包括:冷链过程温度短暂的异常或运输过程临时更改路线而出现路径异常等。
整个冷链物流过程始终处于监控Agent的监控之下,当异常事件发生时,就会触发质量安全管理Agent进行相应处理。过程如下:(1)收到客户订单,产品由生产加工企业发货、出库。出库前,由仓库监控Agent监控产品所在的仓库的温度,如果出现异常情况,则将异常信息发送给质量安全管理Agent。(2)运输、配送。由冷藏车监控Agent监控产品所在的冷藏车的温度,如果出现异常情况,则将异常信息发送给质量安全管理Agent。(3)入库抽检。检测Agent实时监控抽检单信息,如果发现异常情况,则将异常信息发送给质量安全管理Agent。(4)入库。原理同步骤(1),由仓库Agent监控该产品的温度。
假设监控Agent在零售过程中发现了不正常的事件,如微生物含量(大肠杆菌)超标导致温度异常,这将会引起食品安全事件,这时监控Agent就会触发质量安全管理Agent,由质量安全管理Agent采取合适的行动,以防止食品安全事件的发生。如图4所示。
质量安全管理的主要部分是质量安全管理agent,它使用案例推理算法[9]来检索、重用、修订和保留案例,如图5所示。当监控Agent、检测Agent、验证Agent发现新的问题时,即目标案例出现时,质量安全管理agent利用目标案例的描述信息检索案例库,获得与目标案例相似度最大的源案例,由此得到目标案例的一个解决方案,若该解决方案失败,则对其进行调整,以获得一个能保存的成功案例。质量安全管理Agent主要功能有两个:一是找到相似的案例解决当前异常情况,二是存储新的案例。
在质量安全管理Agent中,一个案例的不同数据项xi有不同的权重wi,权重代表该属性对产品质量安全的影响度。开始时,手工设置数据项的权值,然后采用单层神经网络[10]对权值进行训练,算法如下:
这里迭代p表示提供给感知器的第p个训练实例,n为感知器输入的数量,公式(2)为阶跃激活函数。
(3)权重训练 。修改感 知器权重 :
e( p) 是误差,当其为正时,就需要增加感知器输出y( p) ;当其为负时,就要减少感知器输出y( p) 。每个感知器对总的输入X( p) 的贡献为xi( p) ×wi( p) ,由此可知,增加或减少权重wi( p) 可以增加或减少输出y( p) 的值。α是学习速度,是一个小于1的常数。yd( p) 表示在迭代p中的期望输出,y( p) 表示在迭代p中的实际输出。
(4)迭代。迭代p加1,回到步骤2,重复以上过程直至收敛。
通过权值训练后,就能判断一条产品记录是否有异常,如果有异常,则向案例库查询是否有相似的异常情况。相似度越大,说明它们越有可能是同类型的异常情况。相似度用S表示,并且约定:如果两条记录的某个数据项xi匹配,则记为1,否则为0,如公式(5)和(6)所示:
计算出该异常事件与案例库中所有事件的相似度后,选择相似度最大的那个异常事件所对应的策略或者行为。
以某冷鲜肉生产企业为例,构建基于多Agent的食品冷链物流质量安全管理的原型系统。对1 000条冷鲜肉数据进行抽取、转换,使每个产品的数据分为加工、存储、配送、零售四个阶段,且每个阶段包含相关的事件。以EPC(ElectronicProduct Code)码为01001243B0435CB000000000的产品为例,四个阶段的部分数据见表2。
实验假定:冷鲜肉冷藏过程中:(1)温度不超过4℃,超过4℃则说明温度有异常;(2)重金属含量主要以铅为例,其不超过0.3mg/kg,超过0.3mg/kg则必须召回该批次产品;(3)当前运输路径与预定义的路径不符,则认为是路径异常。以异常为条件,是否召回为结果,所有情形见表3。
将实验数据分为样本数据和测试数据,采用单层神经网络对样本数据进行权值训练,最终得到一个分类函数:
系统启动后,监控Agent、检测Agent、验证Agent以独立线程的形式在后台运行。质量安全管理Agent一方面处理监控Agent、检测Agent发现的产品冷链在仓库或途中的异常情况,另一方面在产品送达最终目的地后,对产品的冷链全过程信息进行检查,并处理发现的异常,最后将处理结果以日志形式返回。以 路径异常 为例 ,假设验证Agent发现EPC码为01001243B0435CB000000000的产品配送路径出现异常,那么验证Agent会将该异常信息发送给质量安全管理Agent,由质量安全管理Agent去案例库检索案例,找到一个EPC码为01011144D0425CA000000010的产品出现路径异常的案例,获得一个解决方案:产品无需召回,此时质量管理Agent不需要去确定问题产品的范围。但为了防止Agent凭经验采取不合适的解决方案,应对异常信息做进一步处理,如路径异常时,将当前路径和异常路径都返回,供相关管理者决策使用。如图6所示。
本文分析了食品冷链物流系统的业务模式,构建了基于MAS食品冷链物流系统的总体模型,并在此基础上设计了7类Agent以及它们之间的协调机制。在质量安全管理Agent中,将神经网络算法和案例推理算法引入其中,通过神经网络算法对实验数据权值进行训练与分类,获得源案例;通过案例推理算法检索、重用、修订和保留案例,找到解决当前安全事件的解决方案,增强了模型的可靠性与智能性。最后,构建了基于多Agent的食品冷链物流质量安全管理的原型系统,实验结果表明,该模型能自动有效地识别食品安全事件,并能及时采取相应的行动给管理者提供决策支持,从而能有效地预防食品安全事件的发生。
图6 路径异常处理结果
【本文标签】
【责任编辑】平文云仓
平文冷链物流与茶百道达成合作：在现代快节奏的生活中，奶茶已经成为了许多人生活中的···【详情+】
平文家人们！春暖花开，春意盎然，在这个温暖的日子，荣誉诞生在安徽的铜陵，等了好久···【详情+】
手机二维码
