AI-Driven Autonomous Decision Intelligence for Smart Food Manufacturing Cyber-Physical Systems

方法

综述机器学习、计算机视觉与预测分析在食品制造CPS中的集成应用。

发现

AI与决策智能可将传感数据转化为可执行洞察，实现实时监控、预测维护与自适应控制。

机会点

食品制造CPS中多源异构数据融合与自主决策闭环验证尚缺，可切入可解释AI与实时优化研究。

食品制造业正通过采用工业4.0技术经历快速转型，这些技术包括信息物理系统（CPS）、人工智能（AI）和工业物联网（IIOT）。尽管取得了这些进展，现代食品制造商仍持续面临与质量一致性、食品安全保障、工艺优化和实时决策相关的挑战。大量由众多传感器和生产系统产生的数据往往未得到充分利用，原因在于系统的智能决策能力有限。同时，制造商还面临生产效率低下、资源浪费、运营成本增加以及难以维持产品品质均一等问题。为应对这些挑战，自主系统、人工智能（AI）和决策智能被引入作为变革性技术，能够将原始数据转化为可执行的洞察。这一过程通过集成机器学习、计算机视觉和预测分析，实现实时监控、预测性维护和自适应过程控制。因此，这些能力支持数据驱动的决策，改善资源利用，并增强食品安全性与可持续性。此外，自主系统能够动态响应不断变化的生产条件，实现柔性制造运行。本文探讨了AI驱动的自主系统和决策智能在推进智能食品制造信息物理系统中的作用。文中讨论了所有关键使能技术、实施挑战和工业应用，同时强调其将传统制造环境转变为智能且自我优化系统的潜力。本文旨在为开发高效、可靠且可持续的下一代食品制造生态系统提供洞见。