剑桥大学研究采用轻松连WS1开展易腐食品自主供应链运输环境监测
研究概览
| 论文标题 | On implementing autonomous supply chains: A multi-agent system approach |
| 发布机构 | Elsevier |
| 发布期刊 | Computers in Industry |
| 发布时间 | 2024 年 6 月 |
| 作者/机构 | Liming Xu、Stephen Mak、Alexandra Brintrup，剑桥大学工程系 Institute for Manufacturing；Maria Minaricova，Fetch.ai |
| 轻松连产品 | 轻松连 WS1 无线智能传感器 |
| 数据收集 | 温度、湿度、光照、经度、纬度、海拔；其中轻松连 WS1 采集环境数据，智能手机 GPS 追踪 App 采集位置数据 |
| 采样频率 | 数据采集频率为每 5 秒一次 |
| 研究周期 | 论文未说明具体采集日期；采集数据用于 2024 年论文中的自主肉类供应链原型系统 |
| 应用场景 | 易腐食品物流监测、自主供应链原型、肉类运输、多智能体供应链自动化、IoT 交付监测 |
| 原文链接 | https://doi.org/10.1016/j.compind.2024.104120 |
研究背景：这项研究解决什么问题？
全球供应链正在面临越来越多的不确定性。贸易限制、新冠疫情、地缘政治冲突、物流延误和跨组织信息割裂，都暴露出传统供应链在敏捷性、韧性和协同效率方面的不足。许多供应链仍然依赖人工协调、分散系统和延迟沟通，因此在突发事件发生时难以及时响应。
这篇论文关注的是“自主供应链”如何落地实施。自主供应链并不只是把某个单一任务自动化，也不是简单增加一个可视化看板。它需要将采购、库存、物流、监测和决策等流程连接起来，并通过自治智能体在不同组织之间协同管理物料流和信息流。
研究团队提出一种基于多智能体系统的方法，用于实现基于代理的自主供应链（以下简称A2SC）。论文不仅讨论理论框架，还构建了一个自主肉类供应链原型系统。肉类属于典型易腐食品，其运输过程对环境条件敏感，因此物流过程中的温度、湿度、光照和位置数据对于交付监测和服务评价具有重要意义。
在这一背景下，轻松连 WS1 无线智能传感器被用于原型系统的数据准备阶段，采集运输路径中的真实环境数据。这些数据随后被用于模拟自主肉类供应链中的实时物联网监测过程。
轻松连 WS1 通过无线 Wi-Fi直接接入物联网大数据云平台，实时采集、监测并上传温度、湿度、光照等多重传感器数据，并可在手机、平板、电脑等多终端进行访问使用
轻松连WS1在研究中的具体作用
在这项研究中，WS1 无线智能传感器被用作物联网环境传感器，用于自主肉类供应链原型系统的数据准备。论文并不是说轻松连证明了自主供应链有效，而是说明研究团队使用轻松连采集真实环境数据，并将这些数据用于模拟原型系统中的实时运输监测。
该案例研究围绕英国剑桥的一个简化肉类供应链展开。原型系统中包含多个由软件智能体代表的供应链角色，包括供应商、批发商、零售商、物流服务商、第三方物流服务商和管理员智能体。由于案例涉及易腐肉类运输，系统需要模拟运输过程中的车辆位置和货物环境条件。
受实验条件限制，研究团队没有实际安排冷藏车辆进行肉类运输。相反，他们通过预先采集传感器和 GPS 数据，构建一个可用于原型系统演示的数据集。论文说明，研究人员将WS1 无线智能传感器和一部安装 GPS 轨迹 App 的智能手机安装在自行车上，然后骑行经过剑桥市内多个预设地点，用这些地点模拟供应链中的供应商、批发商和零售商位置。
在骑行过程中，WS1 无线智能传感器采集环境温度、湿度和光照数据；智能手机 GPS App 采集经度、纬度和海拔数据。数据点以每 5 秒一次的频率记录。采集完成后，研究团队对数据进行校准，并保存为 CSV 文件，用于后续原型系统开发。
在 A2SC 原型中，这些数据被用于模拟实时交付监测。当运输过程开始后，第三方物流智能体可以向系统提供或“播放”这些预先采集的数据。网页界面随后在地图上显示车辆移动轨迹，并通过图表展示运输过程中的温度、湿度和光照变化。
因此，WS1在这篇论文中的作用是为易腐食品物流监测场景提供真实环境数据。这些数据支持研究团队展示自主智能体如何协同处理采购、物流、交付监测和交付评价。
研究方法和数据采集方式
这篇论文采用了系统方法设计、原型开发和案例研究相结合的方式。
首先，研究团队提出了基于多智能体系统的自主供应链方法。作者借鉴 Gaia 等面向智能体的软件工程方法，并将其改造用于自主供应链系统的分析与设计。整个方法包括需求分析、系统分析、架构设计、详细设计和实施设计。
第二，研究团队构建了一个简化的自主肉类供应链案例。案例以一个虚构的批发商 Cambridge Meat Company 为核心。该公司从供应商处采购肉类，再向本地零售商或餐厅供货。原型主要关注两个集成流程：补货流程和批发流程。补货流程指批发商向供应商采购肉类；批发流程指零售商向批发商采购肉类。
第三，供应链角色被实现为自治软件智能体。这些智能体包括供应商智能体、批发商智能体、零售商智能体、物流智能体、第三方物流智能体和管理员智能体。它们通过消息交换协调采购订单、报价、配送选项、库存更新、配送任务和交付监测。
第四，原型系统采用网页界面，包含四个主要面板：下单面板、物流监测地图、流式数据面板和智能体聊天窗口。物流监测地图显示配送路线，流式数据面板显示运输过程中的温度、湿度和光照数据。
第五，由于研究未执行真实冷藏肉类运输，团队提前准备了传感器和 GPS 数据。研究人员在剑桥选择多个地点作为供应链节点，将轻松连WS1 和智能手机 GPS App 安装在自行车上，骑行经过这些地点，并每 5 秒采集一次数据。最终形成的 CSV 文件用于在原型系统中模拟实时传感器和位置数据。
主要研究发现
研究展示了多智能体系统可以用于构建具备集成流程的自主供应链原型。
原型系统说明，自治智能体可以协同执行补货和批发流程。在补货流程中，批发商智能体可以搜索合适的供应商智能体、进行采购协商、请求配送选项、选择物流服务、更新库存，并触发交付监测。在批发流程中，零售商智能体可以向批发商智能体采购肉类，系统则可以安排物流并同步更新库存。
研究还展示了物流监测如何被集成到基于智能体的供应链自动化中。在模拟配送过程中，系统在地图上显示车辆移动轨迹，并以图表形式展示温度、湿度和光照等环境数据。这些数据并非装饰性信息，而是代表易腐食品运输评价中可能需要关注的关键环境变量。
原型还展示了智能体通信协议的使用。研究团队使用 contract net protocol 处理类似谈判的交互，并使用基于 HTTP 的协议处理较简单的直接交互。智能体之间交换的消息包括采购订单、提案、收货凭证、配送订单和监测更新等。
不过，论文也明确指出该原型存在局限。肉类供应链场景是简化和模拟的，原型主要自动化信息流，并以数字方式表示物理流，没有纳入资金流。配送数据来自预先采集，而不是实际冷藏肉类运输中的实时数据流。原型也尚不具备更高级的中断重构和复杂计划能力。
总体而言，这项研究提供了一个早期但具体的自主供应链技术实现路径。WS1 无线智能传感器的贡献在于提供环境传感数据，使交付监测模块更接近真实易腐品物流场景。
这对易腐食品供应链监测意味着什么？
这项研究对易腐食品供应链具有现实意义。肉类、海鲜、乳制品和新鲜农产品等产品对运输条件高度敏感。温度异常、湿度变化、光照暴露和运输延误，都可能影响产品质量、安全性、保质期和物流服务评价。
自主肉类供应链原型展示了物联网数据如何与自治智能体和物流流程结合。在实际供应链中，实时传感器数据可以帮助物流智能体判断货物是否处于合适的运输环境中。如果进一步结合更高级的决策能力，系统未来可支持自动改道、异常处理、物流服务评分、客户通知和供应商评价等功能。
对于自主供应链而言，这项研究也说明，自动化不只是替代人工下单。真正有价值的供应链自动化需要把采购、物流、库存、监测和决策连接成完整流程。WS1 无线智能传感器这类物联网传感器可以提供物理世界的环境数据层，使软件智能体能够感知货物在运输过程中的真实状态。
对于易腐品企业而言，这项研究提示：供应链自动化离不开可靠的运营数据。温度、湿度、光照、位置和交付状态，都可以成为更自主的采购与物流系统的输入。
WS1传感器体现出的应用价值
在这项研究中，WS1 体现出的价值主要是作为紧凑型物联网环境传感器，为物流监测场景提供数据采集能力。
首先，WS1 提供了与易腐品相关的环境条件数据。温度、湿度和光照都是肉类运输和存储过程中值得关注的变量。
第二，设备支持时间序列数据采集。研究团队以每 5 秒一次的频率记录路线中的环境数据，形成了可与 GPS 数据配对的连续数据序列。
第三，WS1 数据帮助模拟实时物流监测。采集后的 CSV 文件被用于原型系统中，模拟运输过程中的流式传感器数据，使系统界面能够随着车辆移动展示环境变化。
第四，WS1 与 GPS 追踪形成互补。单独的位置数据只能说明车辆在哪里，却无法说明货物周围环境如何。将轻松连环境数据与 GPS 轨迹结合，可以构建更完整的交付监测数据集。
第五，WS1 帮助连接物理世界感知与自主供应链软件系统。在原型中，环境数据进入交付监测模块，并在系统界面中可视化，展示了物联网数据如何成为多智能体供应链系统的一部分。
因此，WS1 在这篇论文中的价值并不是单独实现供应链自动化，而是为易腐食品物流监测提供真实环境数据层，支持监测、模拟和评价。
可延伸应用场景
基于这项研究中的数据采集方式，WS1 无线智能传感器可延伸应用于以下场景：
- 冷链物流监测：用于记录冷藏运输过程中的温度、湿度和光照暴露情况。
- 肉类和海鲜运输：用于监测易腐动物产品在配送过程中的环境条件。
- 新鲜农产品物流：用于果蔬、叶菜等对运输环境敏感产品的供应链监测。
- 医药冷链：用于温敏药品、疫苗、试剂或实验室样本的运输环境记录。
- 自主供应链原型系统：用于为基于智能体或数字孪生的供应链系统提供物联网数据流。
- 物流服务评价：用于根据运输环境是否达标，比较不同物流服务商的交付质量。
- 智能入库和仓储接收：用于将入库货物的运输环境记录与收货决策关联起来。
- 供应链数字孪生系统：用于将货物移动过程中的环境和位置数据接入数字化供应链模型。
- 异常和中断管理：用于在温度、湿度、光照或路线条件异常时触发预警。
- 学术与工业物联网演示：用于构建供应链自动化和物流监测研究中的真实感数据集。
FAQ
1. 这项研究使用了哪款轻松连产品？
研究使用了轻松连WS1 无线智能传感器。
2.轻松连采集了哪些数据？
WS1 无线智能传感器采集了环境温度、湿度和光照数据。智能手机 GPS App 采集了经度、纬度和海拔数据。
3.轻松连部署在哪里？
WS1 无线智能传感器 与智能手机 GPS 追踪设备一起安装在自行车上。研究人员骑行经过英国剑桥的多个预设地点，用于模拟自主肉类供应链中的配送路线。
4. 采样频率是多少？
数据采样频率为每 5 秒一次。
5.WS1 是否安装在真实冷藏肉类运输车上？
不是。论文说明，由于实验条件有限，研究团队没有进行真实冷藏肉类运输实验，而是通过自行车采集传感器和 GPS 数据，并用于模拟实时监测。
6.WS1 数据在研究中如何使用？
采集数据经过校准后保存为 CSV 文件，并在原型系统中用于模拟配送过程中的实时物联网数据。
7.WS1 是否证明了自主供应链可行？
不是。WS1 提供环境感知数据。研究团队将这些数据作为多智能体原型系统的一部分，用于展示交付监测如何集成到自主供应链流程中。
8. 论文研究的供应链场景是什么？
论文研究的是一个简化的自主肉类供应链，包含供应商、批发商、零售商、物流服务商、第三方物流服务商和管理员智能体。
9. 为什么温度、湿度和光照数据重要？
肉类属于易腐食品，运输过程中的环境条件可能影响产品质量和物流服务评价。
10. 这项研究的更大价值是什么？
研究提供了一个早期技术示例，说明多智能体系统、IoT 数据、物流监测和网页界面如何结合，用于构建自主供应链原型。
学术研究与实践验证
更多分类 >>
剑桥大学研究采用轻松连WS1开展易腐食品自主供应链运输环境监测
研究概览
| 论文标题 | On implementing autonomous supply chains: A multi-agent system approach |
| 发布机构 | Elsevier |
| 发布期刊 | Computers in Industry |
| 发布时间 | 2024 年 6 月 |
| 作者/机构 | Liming Xu、Stephen Mak、Alexandra Brintrup，剑桥大学工程系 Institute for Manufacturing；Maria Minaricova，Fetch.ai |
| 轻松连产品 | 轻松连 WS1 无线智能传感器 |
| 数据收集 | 温度、湿度、光照、经度、纬度、海拔；其中轻松连 WS1 采集环境数据，智能手机 GPS 追踪 App 采集位置数据 |
| 采样频率 | 数据采集频率为每 5 秒一次 |
| 研究周期 | 论文未说明具体采集日期；采集数据用于 2024 年论文中的自主肉类供应链原型系统 |
| 应用场景 | 易腐食品物流监测、自主供应链原型、肉类运输、多智能体供应链自动化、IoT 交付监测 |
| 原文链接 | https://doi.org/10.1016/j.compind.2024.104120 |
研究背景：这项研究解决什么问题？
全球供应链正在面临越来越多的不确定性。贸易限制、新冠疫情、地缘政治冲突、物流延误和跨组织信息割裂，都暴露出传统供应链在敏捷性、韧性和协同效率方面的不足。许多供应链仍然依赖人工协调、分散系统和延迟沟通，因此在突发事件发生时难以及时响应。
这篇论文关注的是“自主供应链”如何落地实施。自主供应链并不只是把某个单一任务自动化，也不是简单增加一个可视化看板。它需要将采购、库存、物流、监测和决策等流程连接起来，并通过自治智能体在不同组织之间协同管理物料流和信息流。
研究团队提出一种基于多智能体系统的方法，用于实现基于代理的自主供应链（以下简称A2SC）。论文不仅讨论理论框架，还构建了一个自主肉类供应链原型系统。肉类属于典型易腐食品，其运输过程对环境条件敏感，因此物流过程中的温度、湿度、光照和位置数据对于交付监测和服务评价具有重要意义。
在这一背景下，轻松连 WS1 无线智能传感器被用于原型系统的数据准备阶段，采集运输路径中的真实环境数据。这些数据随后被用于模拟自主肉类供应链中的实时物联网监测过程。
轻松连 WS1 通过无线 Wi-Fi直接接入物联网大数据云平台，实时采集、监测并上传温度、湿度、光照等多重传感器数据，并可在手机、平板、电脑等多终端进行访问使用
轻松连WS1在研究中的具体作用
在这项研究中，WS1 无线智能传感器被用作物联网环境传感器，用于自主肉类供应链原型系统的数据准备。论文并不是说轻松连证明了自主供应链有效，而是说明研究团队使用轻松连采集真实环境数据，并将这些数据用于模拟原型系统中的实时运输监测。
该案例研究围绕英国剑桥的一个简化肉类供应链展开。原型系统中包含多个由软件智能体代表的供应链角色，包括供应商、批发商、零售商、物流服务商、第三方物流服务商和管理员智能体。由于案例涉及易腐肉类运输，系统需要模拟运输过程中的车辆位置和货物环境条件。
受实验条件限制，研究团队没有实际安排冷藏车辆进行肉类运输。相反，他们通过预先采集传感器和 GPS 数据，构建一个可用于原型系统演示的数据集。论文说明，研究人员将WS1 无线智能传感器和一部安装 GPS 轨迹 App 的智能手机安装在自行车上，然后骑行经过剑桥市内多个预设地点，用这些地点模拟供应链中的供应商、批发商和零售商位置。
在骑行过程中，WS1 无线智能传感器采集环境温度、湿度和光照数据；智能手机 GPS App 采集经度、纬度和海拔数据。数据点以每 5 秒一次的频率记录。采集完成后，研究团队对数据进行校准，并保存为 CSV 文件，用于后续原型系统开发。
在 A2SC 原型中，这些数据被用于模拟实时交付监测。当运输过程开始后，第三方物流智能体可以向系统提供或“播放”这些预先采集的数据。网页界面随后在地图上显示车辆移动轨迹，并通过图表展示运输过程中的温度、湿度和光照变化。
因此，WS1在这篇论文中的作用是为易腐食品物流监测场景提供真实环境数据。这些数据支持研究团队展示自主智能体如何协同处理采购、物流、交付监测和交付评价。
研究方法和数据采集方式
这篇论文采用了系统方法设计、原型开发和案例研究相结合的方式。
首先，研究团队提出了基于多智能体系统的自主供应链方法。作者借鉴 Gaia 等面向智能体的软件工程方法，并将其改造用于自主供应链系统的分析与设计。整个方法包括需求分析、系统分析、架构设计、详细设计和实施设计。
第二，研究团队构建了一个简化的自主肉类供应链案例。案例以一个虚构的批发商 Cambridge Meat Company 为核心。该公司从供应商处采购肉类，再向本地零售商或餐厅供货。原型主要关注两个集成流程：补货流程和批发流程。补货流程指批发商向供应商采购肉类；批发流程指零售商向批发商采购肉类。
第三，供应链角色被实现为自治软件智能体。这些智能体包括供应商智能体、批发商智能体、零售商智能体、物流智能体、第三方物流智能体和管理员智能体。它们通过消息交换协调采购订单、报价、配送选项、库存更新、配送任务和交付监测。
第四，原型系统采用网页界面，包含四个主要面板：下单面板、物流监测地图、流式数据面板和智能体聊天窗口。物流监测地图显示配送路线，流式数据面板显示运输过程中的温度、湿度和光照数据。
第五，由于研究未执行真实冷藏肉类运输，团队提前准备了传感器和 GPS 数据。研究人员在剑桥选择多个地点作为供应链节点，将轻松连WS1 和智能手机 GPS App 安装在自行车上，骑行经过这些地点，并每 5 秒采集一次数据。最终形成的 CSV 文件用于在原型系统中模拟实时传感器和位置数据。
主要研究发现
研究展示了多智能体系统可以用于构建具备集成流程的自主供应链原型。
原型系统说明，自治智能体可以协同执行补货和批发流程。在补货流程中，批发商智能体可以搜索合适的供应商智能体、进行采购协商、请求配送选项、选择物流服务、更新库存，并触发交付监测。在批发流程中，零售商智能体可以向批发商智能体采购肉类，系统则可以安排物流并同步更新库存。
研究还展示了物流监测如何被集成到基于智能体的供应链自动化中。在模拟配送过程中，系统在地图上显示车辆移动轨迹，并以图表形式展示温度、湿度和光照等环境数据。这些数据并非装饰性信息，而是代表易腐食品运输评价中可能需要关注的关键环境变量。
原型还展示了智能体通信协议的使用。研究团队使用 contract net protocol 处理类似谈判的交互，并使用基于 HTTP 的协议处理较简单的直接交互。智能体之间交换的消息包括采购订单、提案、收货凭证、配送订单和监测更新等。
不过，论文也明确指出该原型存在局限。肉类供应链场景是简化和模拟的，原型主要自动化信息流，并以数字方式表示物理流，没有纳入资金流。配送数据来自预先采集，而不是实际冷藏肉类运输中的实时数据流。原型也尚不具备更高级的中断重构和复杂计划能力。
总体而言，这项研究提供了一个早期但具体的自主供应链技术实现路径。WS1 无线智能传感器的贡献在于提供环境传感数据，使交付监测模块更接近真实易腐品物流场景。
这对易腐食品供应链监测意味着什么？
这项研究对易腐食品供应链具有现实意义。肉类、海鲜、乳制品和新鲜农产品等产品对运输条件高度敏感。温度异常、湿度变化、光照暴露和运输延误，都可能影响产品质量、安全性、保质期和物流服务评价。
自主肉类供应链原型展示了物联网数据如何与自治智能体和物流流程结合。在实际供应链中，实时传感器数据可以帮助物流智能体判断货物是否处于合适的运输环境中。如果进一步结合更高级的决策能力，系统未来可支持自动改道、异常处理、物流服务评分、客户通知和供应商评价等功能。
对于自主供应链而言，这项研究也说明，自动化不只是替代人工下单。真正有价值的供应链自动化需要把采购、物流、库存、监测和决策连接成完整流程。WS1 无线智能传感器这类物联网传感器可以提供物理世界的环境数据层，使软件智能体能够感知货物在运输过程中的真实状态。
对于易腐品企业而言，这项研究提示：供应链自动化离不开可靠的运营数据。温度、湿度、光照、位置和交付状态，都可以成为更自主的采购与物流系统的输入。
WS1传感器体现出的应用价值
在这项研究中，WS1 体现出的价值主要是作为紧凑型物联网环境传感器，为物流监测场景提供数据采集能力。
首先，WS1 提供了与易腐品相关的环境条件数据。温度、湿度和光照都是肉类运输和存储过程中值得关注的变量。
第二，设备支持时间序列数据采集。研究团队以每 5 秒一次的频率记录路线中的环境数据，形成了可与 GPS 数据配对的连续数据序列。
第三，WS1 数据帮助模拟实时物流监测。采集后的 CSV 文件被用于原型系统中，模拟运输过程中的流式传感器数据，使系统界面能够随着车辆移动展示环境变化。
第四，WS1 与 GPS 追踪形成互补。单独的位置数据只能说明车辆在哪里，却无法说明货物周围环境如何。将轻松连环境数据与 GPS 轨迹结合，可以构建更完整的交付监测数据集。
第五，WS1 帮助连接物理世界感知与自主供应链软件系统。在原型中，环境数据进入交付监测模块，并在系统界面中可视化，展示了物联网数据如何成为多智能体供应链系统的一部分。
因此，WS1 在这篇论文中的价值并不是单独实现供应链自动化，而是为易腐食品物流监测提供真实环境数据层，支持监测、模拟和评价。
可延伸应用场景
基于这项研究中的数据采集方式，WS1 无线智能传感器可延伸应用于以下场景：
- 冷链物流监测：用于记录冷藏运输过程中的温度、湿度和光照暴露情况。
- 肉类和海鲜运输：用于监测易腐动物产品在配送过程中的环境条件。
- 新鲜农产品物流：用于果蔬、叶菜等对运输环境敏感产品的供应链监测。
- 医药冷链：用于温敏药品、疫苗、试剂或实验室样本的运输环境记录。
- 自主供应链原型系统：用于为基于智能体或数字孪生的供应链系统提供物联网数据流。
- 物流服务评价：用于根据运输环境是否达标，比较不同物流服务商的交付质量。
- 智能入库和仓储接收：用于将入库货物的运输环境记录与收货决策关联起来。
- 供应链数字孪生系统：用于将货物移动过程中的环境和位置数据接入数字化供应链模型。
- 异常和中断管理：用于在温度、湿度、光照或路线条件异常时触发预警。
- 学术与工业物联网演示：用于构建供应链自动化和物流监测研究中的真实感数据集。
FAQ
1. 这项研究使用了哪款轻松连产品？
研究使用了轻松连WS1 无线智能传感器。
2.轻松连采集了哪些数据？
WS1 无线智能传感器采集了环境温度、湿度和光照数据。智能手机 GPS App 采集了经度、纬度和海拔数据。
3.轻松连部署在哪里？
WS1 无线智能传感器 与智能手机 GPS 追踪设备一起安装在自行车上。研究人员骑行经过英国剑桥的多个预设地点，用于模拟自主肉类供应链中的配送路线。
4. 采样频率是多少？
数据采样频率为每 5 秒一次。
5.WS1 是否安装在真实冷藏肉类运输车上？
不是。论文说明，由于实验条件有限，研究团队没有进行真实冷藏肉类运输实验，而是通过自行车采集传感器和 GPS 数据，并用于模拟实时监测。
6.WS1 数据在研究中如何使用？
采集数据经过校准后保存为 CSV 文件，并在原型系统中用于模拟配送过程中的实时物联网数据。
7.WS1 是否证明了自主供应链可行？
不是。WS1 提供环境感知数据。研究团队将这些数据作为多智能体原型系统的一部分，用于展示交付监测如何集成到自主供应链流程中。
8. 论文研究的供应链场景是什么？
论文研究的是一个简化的自主肉类供应链，包含供应商、批发商、零售商、物流服务商、第三方物流服务商和管理员智能体。
9. 为什么温度、湿度和光照数据重要？
肉类属于易腐食品，运输过程中的环境条件可能影响产品质量和物流服务评价。
10. 这项研究的更大价值是什么？
研究提供了一个早期技术示例，说明多智能体系统、IoT 数据、物流监测和网页界面如何结合，用于构建自主供应链原型。
分享
