《Cogent Food & Agriculture》:Digital twins in the food supply chain: Taking stock and moving forward
编辑推荐:
数字孪生技术通过实时监控、预测性仿真和优化正在改变食品供应链。本研究综合了现有关于数字孪生在农业-食品系统中应用的研究,识别了知识结构、主题趋势和研究空白。遵循PRISMA指南,研究人员对2019年1月至2025年9月间发表的148篇Scopus索引期刊文章进
数字孪生技术通过实时监控、预测性仿真和优化正在改变食品供应链。本研究综合了现有关于数字孪生在农业-食品系统中应用的研究,识别了知识结构、主题趋势和研究空白。遵循PRISMA指南,研究人员对2019年1月至2025年9月间发表的148篇Scopus索引期刊文章进行了文献计量分析,采用了关键词共现和文献耦合方法。结果显示自2021年以来出版物数量急剧增长,主要来自印度、意大利和美国,多数研究发表在工程和计算机科学期刊上。关键词共现揭示了四个聚类:数字孪生的技术使能因素;面向韧性和可持续性的供应链决策;采后与冷链管理;以及面向食品工业和精准农业的人本数字孪生。文献耦合确认了这些主题,并显示出从描述性监控向主动支持决策的规定性数字孪生的转变。该综述整合了一个碎片化的领域,突出了当前偏见(如对园艺学的关注和有限的纵向验证),并强调了互操作性、治理和标准化指标的必要性。它提出了推进预测性、韧性和可持续粮食系统的未来研究方向。
本文主体部分总结如下:
**1. 引言**
数字转型深刻重塑了供应链的设计、监控和治理方式,尤其是食品供应链面临易腐性、食品安全要求、气候多变性和需求波动等挑战。数字孪生(Digital Twin, DT)技术作为动态虚拟表示,通过实时数据流(如来自物联网(IoT)设备的传感器数据)持续更新,实现监控、仿真和优化。该技术最初发展于航空航天和先进制造领域,现已拓展至食品供应链,用于精准农业、冷链监控、物流优化和自动质量控制。尽管研究兴趣增长,但该领域仍碎片化且不平衡,现有研究多集中于特定技术、商品或运营阶段。本研究旨在通过文献计量分析,系统梳理数字孪生在食品供应链中的研究演化、主要主题和知识结构,回答四个研究问题:时间演化、主要贡献国家与期刊、关键研究主题、以及核心知识结构。研究创新在于综合使用关键词共现和文献耦合方法,揭示跨阶段的整体知识图谱,并指出从描述性监控向规定性、决策导向和可持续性驱动的概念转变。
**2. 文献综述**
早期综述聚焦于智能农业和精准农业中的数字孪生概念,强调其提升运营效率和决策能力的作用(Verdouw等,2021;Tebaldi等,2021)。后续综述扩展到特定环节,如温室园艺(Ariesen-Verschuur等,2022)、新鲜园艺产品供应链(Defraeye等,2021)以及农业数字孪生的整体进展(Wang,2024)。近期研究转向系统性和战略性视角,如利用数字供应链孪生模拟中断情景以增强韧性(Burgos & Ivanov,2021),以及强调决策支持系统和利益相关者协调(Singh等,2023)。全面综述和文献计量研究(Huang等,2024;Monteiro & Barata,2025;Gund等,2025)提出了概念框架,识别了实施驱动因素、障碍和知识结构。现有文献仍存在局限:多数采用叙述性或概念性方法,缺乏系统映射;多集中于特定环节而非整合的食品供应链;较少运用文献耦合技术揭示知识基础和发展前沿。因此,需要结合叙述和文献计量分析,使用关键词共现和文献耦合来可视化主题、知识联系和研究轨迹。
**3. 研究方法**
本研究采用文献计量设计,系统考察食品供应链中数字孪生应用的学术文献。研究设定了明确的纳入和排除标准:关注数字孪生、网络物理系统(CPS)在农业、食品生产和供应链管理中的应用,限定为2019–2025年间的英文同行评审期刊文章,排除无关、非同行评审或过时文献。数据来源为Scopus和Web of Science(WoS),因其覆盖广泛且元数据可靠。搜索策略遵循PRISMA指南,在Scopus和WoS的标题-摘要-关键词字段使用预定义字符串,涵盖“digital twin*”、“cyber-physical system*”、“digital shadow”等术语与农业、食品及供应链相关词的组合。初始检索获得744篇文章,经重复删除和标题摘要筛选后,最终纳入148篇。数据筛选使用Rayyan软件进行去重和相关性评估。关键词归一化处理包括合并单复数、统一缩写和拼写变体。文献计量分析和可视化使用VOSviewer,进行关键词共现分析和文献耦合分析。关键词共现用于识别主题聚类;文献耦合基于共享引用揭示出版物之间的知识结构和研究前沿,特别适用于新兴领域。研究建立了可复现的协议,包括数据源选择、检索字符串、筛选和归一化步骤。
**4. 结果**
**4.1 年度发表分布**:首篇数字孪生在食品供应链中的应用文章出现于2019年(Defraeye等,2019,数字水果孪生),2020年发表2篇,自2021年起显著增长,2024年达到峰值59篇。增长原因包括工业4.0技术的整合和对韧性食品系统的需求。
**4.2 国家分布**:主要贡献来自印度(32篇)、意大利(18篇)和美国(18篇),其次是英国(17篇)、瑞士(14篇)和德国(13篇)。印度因农业数字化倡议和食品生产大国地位贡献突出;意大利注重质量控制和冷链监控;美国则通过产学研合作推动应用。
**4.3 期刊分布**:发表最多的期刊为《Procedia Computer Science》(6篇),其次为《IFAC Papersonline》(5篇)和《IEEE Access》(4篇)。研究主要出现在工程、计算机科学和农业科学期刊,而管理、政策或社会科学期刊产出较少,暗示需要跨学科贡献。
**4.4 关键词共现网络分析**:设置最小共现次数为3,生成4个聚类,共125个节点。**聚类1(技术使能因素)**:核心关键词包括物联网(IoT)、人工智能(AI)、工业4.0、区块链(Blockchain)、机器学习(Machine Learning)、网络物理系统(CPS)、数据驱动(Data Driven)、食品安全、智慧农业、机器人等。该聚类强调数字孪生的技术基础,但文献对数据可靠性和治理假设存在分歧。**聚类2(韧性与可持续供应链)**:关键词包括数字孪生、供应链、食品供应、供应链管理、决策制定和可持续性。研究强调数字孪生与供应链管理整合带来的可见性、预测分析和韧性,但多数持乐观决定论,忽视治理和利益相关者协调等情境因素。**聚类3(冷链与采后质量)**:聚焦于采后管理、冷链和食品质量控制,关键词如水果、柑橘类水果、园艺学、食品浪费、食品损失等。数字孪生用于模拟冷却过程和货架期动态,但研究多集中于园艺产品,其他食品部门关注不足。**聚类4(人本数字孪生与精准农业)**:涉及食品工业、食品加工、食品安全、人类、传感器、农业机器人、增强现实(AR)、虚拟现实(VR)等。数字孪生作为合规与效率工具,同时与人类操作员形成网络物理交互,但人机协作、伦理和治理问题探讨有限。
**4.5 文献耦合网络**:共137个节点,形成4个聚类。**红色聚类**:聚焦数字孪生在智能农业和可持续实践中的作用,提供概念框架(Verdouw等,2021;Ariesen-Verschuur等,2022),强调远程管理和优化,但缺乏大规模实证验证。**蓝色聚类**:关注采后和冷链物流,使用物理模型或机器学习驱动的数字孪生预测质量、减少损失(Defraeye等,2019;Shoji等,2022a)。**绿色聚类**:聚焦韧性和可持续性,特别是中断条件(Burgos & Ivanov,2021;Singh等,2023),数字孪生作为战略使能器。**黄色聚类**:讨论食品加工和循环经济,数字孪生用于优化单元操作、副产物资源化和资源流映射(Hassoun等,2023b;A?t-Kaddour等,2024)。四个聚类共同显示向系统级协调和可持续性发展的趋势,但所有聚类均存在规模化验证不足、跨供应链整合有限等共同局限。
**5. 讨论**
从社会-技术系统理论看,数字孪生是连接数据基础架构、组织流程和人类决策的整合机制;从动态能力理论看,它们增强组织感知、抓住机遇和重构资源的能力。研究结果显示出研究从探索性概念验证向应用型研究过渡,主题相互关联——技术使能器、组织目标和人本过程交织。然而,实证研究仍集中于园艺产品,依赖仿真和试点,缺乏长期效能和可扩展性评估。管理学和社会科学视角不足,互操作性、治理和文化采用方面探讨有限。理论意义在于数字孪生应被视为嵌入社会-技术系统而非单纯技术工具;实践意义包括:管理者可利用数字孪生提高可见性和预测控制,但需关注数据基础设施和成本;政策制定者应支持数据标准、治理框架和中小企业支持。概念上,研究从描述性监控转向规定性决策支持,强调多层级(植物、过程、供应链、系统)应用和混合建模范式。仍存在未探索领域:部门偏见(偏重园艺,忽视肉类、乳制品等)、缺乏纵向验证、互操作性和治理空缺、管理视角缺失、人本影响研究不足。
**6. 结论**
本研究通过文献计量和内容分析,整合了2019–2025年数字孪生在食品供应链中的文献,识别出四大研究聚类:智能农业、采后冷链管理、韧性与可持续性、以及循环经济框架下的食品加工。主要贡献在于系统映射了知识结构,突出了研究趋势和空白。局限性包括:数据集仅到2025年9月,可能不完整;仅依赖Scopus和WoS数据库,可能遗漏灰色文献;文献耦合方法可能忽视新兴但联系薄弱的贡献;分析方法对关键词选择和阈值敏感。尽管如此,研究为未来理论发展和实践应用提供了方向。