Detail Blog

Kontrol Pendinginan Berbasis AI Menciptakan Operasi Cold Storage yang Lebih Cerdas


Rekayasa Termal Terapan / Elsevier

Optimalisasi Pendinginan Berbasis AI Menghubungkan Operasi Gudang dengan Efisiensi Energi Rantai Dingin

Rantai Dingin

Apa yang telah terjadi

Para peneliti telah mengusulkan pendekatan baru untuk optimalisasi penyimpanan dingin industri dengan menghubungkan aktivitas logistik gudang dengan strategi pengendalian pendinginan.

Studi ini memperkenalkan kerangka penjadwalan suhu pengawasan yang sadar logistik yang dirancang untuk meningkatkan efisiensi energi sekaligus mempertahankan kondisi penyimpanan yang diperlukan.

Gudang pendingin tradisional biasanya mengoperasikan sistem pendingin menggunakan strategi suhu tetap.

Namun, permintaan termal aktual berubah sepanjang hari tergantung pada:

  • pergerakan palet
  • bukaan pintu
  • aktivitas pemuatan
  • jadwal bongkar
  • operasi gudang

Penelitian ini mengeksplorasi apakah sistem pendingin dapat menjadi lebih cerdas dengan merespons aktivitas logistik dibandingkan beroperasi secara mandiri.

Cara Kerjanya

Sistem penyimpanan dingin industri biasanya mempertahankan suhu secara terus menerus.

Namun, tidak setiap momen membutuhkan intensitas pendinginan yang sama.

Misalnya:

Selama periode aktivitas gudang tinggi:

  • pintu terbuka lebih sering
  • udara hangat memasuki tempat penyimpanan
  • pergerakan produk meningkat

Selama periode tidak aktif:

  • beban termal berkurang
  • kebutuhan pendinginan menjadi lebih rendah

Sistem yang diusulkan digabungkan:

Informasi Logistik

Termasuk:

  • jadwal gudang
  • pergerakan materi
  • waktu operasional

Kontrol Pendinginan

Menyesuaikan:

  • setpoint suhu
  • permintaan pendinginan
  • konsumsi energi

Algoritma Optimasi

Menyeimbangkan:

  • penghematan energi
  • stabilitas suhu
  • persyaratan operasional

Hasil simulasi menunjukkan:

  • pengurangan energi sekitar 5,78%–6,23%
  • pengurangan daya puncak sekitar 8,75%–9,45%
  • tidak ada pelanggaran suhu

Mengapa itu penting

Penyimpanan dingin adalah salah satu konsumen energi terbesar dalam logistik makanan dan farmasi.

Operator menghadapi tekanan yang semakin besar dari:

  • biaya listrik
  • target keberlanjutan
  • persyaratan pengurangan karbon

Fokus pada peningkatan efisiensi tradisional:

  • isolasi
  • kompresor
  • peralatan pendingin

Pengoptimalan AI memperkenalkan jalur lain:

menggunakan kecerdasan operasional untuk mengurangi permintaan pendinginan yang tidak perlu.

Hal ini penting karena gudang dingin adalah lingkungan yang dinamis.

Fasilitas yang menangani ratusan pergerakan palet per hari memiliki perilaku termal yang sangat berbeda dengan gudang penyimpanan dengan aktivitas rendah.

Dampak B2B

Untuk operator penyimpanan dingin:

Fasilitas masa depan mungkin terintegrasi:

  • data WMS
  • kontrol pendinginan
  • sistem manajemen energi

Untuk pemasok pendingin:

Peluang pertumbuhan meliputi:

  • pengontrol cerdas
  • Modul pengoptimalan AI
  • sistem pemeliharaan prediktif

Untuk penyedia otomatisasi gudang:

Integrasi antara:

  • robot
  • pergerakan inventaris
  • pendinginan

dapat menjadi keunggulan kompetitif baru.

Untuk tim keberlanjutan:

Optimalisasi pendinginan AI dapat mendukung:

  • pengurangan energi
  • pelaporan karbon
  • efisiensi operasional

Untuk perusahaan teknologi rantai dingin:

Gudang cerdas di masa depan dapat beroperasi sebagai sistem yang terhubung di mana pun:

  • data logistik mengontrol pendinginan
  • data pendinginan meningkatkan keputusan logistik

Wawasan Akhir

Gudang dingin di masa depan tidak hanya akan menjaga suhu.

Ini akan berkoordinasi secara dinamis:

  • pergerakan produk
  • permintaan pendinginan
  • konsumsi energi
  • jadwal operasional

Kontrol pendinginan yang digerakkan oleh AI mewakili peralihan dari pemeliharaan suhu pasif menuju manajemen rantai dingin yang cerdas.

 

Minta Penawaran