鲜切蔬菜加工过程追溯的原料批次混合优化模型构建.pdf

第 31 卷 第 10 期 农 业 工 程 学 报 Vol.31 No.10 2015 年 5 月 Transactions of the Chinese Society of Agricultural Engineering May 2015 309 鲜切蔬菜加工过程追溯的原料批次混合优化模型构建 邢 斌 1,2,3,4，刘学馨1,2,3,4，钱建平1,2,3,4，王 健1,5，吴晓明1,2,3,4 （1. 北京农业信息技术研究中心，北京 100097；2. 国家农业信息化工程技术研究中心，北京 100097； 3. 农业部农业信息技术重点开放实验室，北京 100097；4. 北京市农业物联网工程技术研究中心，北京 100097； 5. 华东交通大学机电工程学院，南昌 330013） 摘 要：为了保障鲜切蔬菜加工企业的产品质量安全，提高鲜切蔬菜生产加工效率，减少加工过程中因原料批次而导致 的召回正本增加等问题，提出了一种鲜切蔬菜加工过程追溯的批次混合优化问题的解决方案。该研究通过分析鲜切蔬菜 加工的基本工艺流程，根据中小规模鲜切蔬菜加工企业的实际生产需求，研究适用于单原料仓库、单成品仓库的生产加 工过程，构建基于企业生产订单和多原料批次的生产加工模型。在模型构建上，综合考虑了加工过程中单个订单不可拆 分，以及原料批次选取时应优先选取最近未用完批次原则等企业生产加工管理的实际因素。在此基础上应用遗传算法对 订单的加工次序和原料批次的选取次序进行优化。采用北京某鲜切蔬菜加工企业的实际生产数据对模型进行验证，采用 平均召回规模及平均出成率作为鲜切蔬菜加工的目标函数。结果表明，通过算法优化后的目标函数值与初始值相比提高 了 10.5%，能够有效减少平均召回规模并提高产品加工的综合出成率，该模型为中小规模鲜切蔬菜加工企业的原料批次 分配及生产流程的优化提供参考。 关键词：农产品；优化；遗传算法；鲜切蔬菜；追溯；批次混合 doi：10.11975/j.issn.1002-6819.2015.10.042 中图分类号：TP301 文献标志码：A 文章编号：1002-6819(2015)-10-309-06 邢 斌，刘学馨，钱建平，等. 鲜切蔬菜加工过程追溯的原料批次混合优化模型构建J. 农业工程学报，2015，31(10)： 309314. doi：10.11975/j.issn.1002-6819.2015.10.042 Xing Bin, Liu Xuexin, Qian Jianping, et al. Establishment of materials batch mixing optimization model for traceability of fresh-cuts fruits and vegetables processingJ. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2015, 31(10): 309314. (in Chinese with English abstract) doi：10.11975/j.issn.1002-6819.2015.10.042 0 引 言 鲜切果蔬（fresh-cuts fruits and vegetables），又叫半 处理果蔬和轻度加工果蔬（minimally processed fruits and vegetables），只改变水果和蔬菜的物理形状，但仍然保 留其新鲜状态的可食用果蔬产品1。 鲜切产品作为一种新 兴食品工业化产品，最早源于美国 20 世纪 50 年代，中 国的鲜切产业始于 20 世纪 90 年代。由于鲜切产品具有 新鲜、方便、卫生，尤其是安全和可 100%食用的特点， 随着中国现代生活节奏加快和消费水平的提高，鲜切产 品正日益受到消费者的关注和欢迎2-3。 农产品及食品追溯系统是促进生产信息透明化，提高 农产品质量安全，增加农产品市场竞争力的重要措施4-5。 在果蔬追溯系统方面，杨信廷等以蔬菜初级产品为研究 对象，从信息技术的角度构建了一个以实现质量追溯为 目的的蔬菜安全生产管理及质量追溯系统，系统已在北 京市多家企业得到了应用6-7；张兵等8将网络信息技术 与蔬菜种植业实际相结合，应用 EANUCC 条码为蔬菜 收稿日期：2015-03-25 修订日期：2015-04-22 基金项目： “十二五”国家科技支撑计划资助项目（2013BAD19B04） 作者简介：邢斌，男，工程师。研究方向为农产品质量安全管理技术。北京 北京农业信息技术研究中心，100097。Email： 通信作者：钱建平，男，副研究员，主要研究方向：农产品物流溯源技术。 北京 北京农业信息技术研究中心，100097。Email： 产品标识，构建了一套蔬菜质量安全可追溯系统，实现 对蔬菜产品质量的追溯管理； 王晓平等9将果蔬类农产品 的物流过程与信息追溯相结合，对果蔬类农产品信息追 溯系统的系统构成进行了分析，提出了系统的设计方案。 王东亭等10提出了以果品加工配送中心为核心的脐橙追 溯方案。 与未经加工的初级蔬菜直接供应市场不同，鲜切蔬 菜在加工、保鲜技术上的要求更高，其工艺流程一般为， 以新鲜的蔬菜为原料，经分级、整理、清洗、修整(去皮 等)、切分、消毒、包装等工序处理后，冷藏运输到超市 冷柜供消费者直接食用或者餐饮业使用11。在鲜切蔬菜 加工过程中涉及原料批次、加工批次、成品批次等，要 实现加工过程的追溯需建立这些批次之间的对应关系。 钱建平等以条码、射频识别技术（radio frequency identification，RFID）等手段构建了蔬菜产地追溯精度和 流通过程追溯精度提高方法，一定程度上解决了“一对 一”和“一对多”情况下的批次混合问题12-13。但这种 方法，还存在着成本高、影响效率，且不能有效解决“多 对多” 的问题。 Dupuy 等14-15提出了香肠加工中 3 层物料 清单模式下的批次集中与分散的优化研究，但由于实际 问题求解太大而没有深入企业实际应用。 本文以鲜切蔬菜加工过程为核心，从原料批次混合问 题着手，提出了一种降低原料批次混合程度提高产品加工 效率问题的批次分散模型，利用多目标优化方法求解得最 农业工程学报（） 2015 年 310 佳方案，并在北京某鲜切蔬菜加工企业进行应用测试，以 期为鲜切蔬菜加工过程的原料批次的优化提供参考。 1 问题描述 鲜切蔬菜供应链一般包括种植、加工、物流、销售等 不同环节，与普通大宗蔬菜供应链不同的是，鲜切蔬菜增 加了加工环节以订单形式进行加工与配送。在加工环节， 加工厂商根据加工计划采购一定数量的蔬菜原料，在原料 入库时会根据入库时间、入库产品及顺序编码等产生一个 原料批次号；鲜切蔬菜加工时，根据订单所需成品确定所 需原料数量，领取原料后经过清洗、切分、包装等关键步 骤形成加工后的成品，每批加工完的成品有成品批次，由 包装日期、产品名称、加工线及顺序编码等构成；成品入 成品库，根据订单要求进行成品出库及物流配送。 在鲜切蔬菜加工中经常会出现原料批次数量与订单 产品所需原料数量不对等的情况，即存在着原料批次的 混合现象。在食品加工企业利用多批原料混合进行加工 某个订单产品的情况是相当普遍的，所以某个有质量问 题的原料批次就会影响到其他原料批次，从而影响到整 个产品批次的质量16-17。 因此， 对鲜切蔬菜原料批次混合进 行合理优化，不仅能提高鲜切蔬菜质量追溯系统的追溯精 度而且能大大减少产品出现质量问题时的召回成本18-19。 2 模型构建 与其他领域涉及到的产品加工不同，鲜切蔬菜加工 需要考虑到不同成品以及不同原料批次加工的出成率因 素。出成率是指生产成品质量与生产所需原料质量之间 的比率，也就是单位质量原料中加工出成品的质量。以 胡萝卜为原料的产品加工为例，胡萝卜可加工为净菜胡 萝卜，即只进行简单清洗去叶等操作、1.5 cm1.5 cm 胡 萝卜丁（只有胡萝卜丁是有多种规格的，例如 1.5 cm 1.5 cm，1cm1 cm 等，其他的没有多种规格）、胡萝卜 丝、胡萝卜梅花等成品。而每一批次针对不同成品的加 工出成率也有差异，以某农产品加工企业的产品加工数 据作为数据来源，如表 1 所示。 表 1 不同原料批次的产品出成率 Table1 Product yield of different material batches % 成品名称 Product name 批次 A Batch A 批次 B Batch B 批次 C Batch C 批次 D Batch D 成品 A1（净菜胡萝卜） Product A1 (Fresh carrot) 90 92 91 93 成品 B1（胡萝卜丁） Product B1(Diced carrot) 75 68 76 74 成品 C1（胡萝卜丝） Product C1(Shredded carrot) 65 78 71 64 成品 D1（胡萝卜梅花） Product D1 (Carrot of plum slice ) 65 64 65 62 成品 A2（净菜土豆） Product A2 (Fresh potato) 93 91 94 95 成品 B2（土豆丝） Product B2(Shredded potato) 61 80 85 85 成品 C2（土豆厚片） Product C2 (Potato of thick slice) 75 74 73 73 成品 D2（土豆薄片） Product D2 (Potato of thin slice) 83 74 73 73 在产品加工过程中，鲜切蔬菜加工企业按照不同客 户的订单需求进行产品加工，而在进行原料领料时会涉 及到不同批次的原料导致批次混合现象的发生，如图 1 所示，订单 C 中的成品 A 由原料 A 的第三和第四批次加 工而成。原料批次混合会导致成品发生质量安全问题时 的召回成本增高，因此需要降低成品中的原料批次混合 度；此外如何更好地根据原料与成品的出成率对原料批 次和产品加工进行统筹安排，从而提高订单的平均出成 率，改进成品加工效率成为模型优化的重点。 图 1 鲜切蔬菜批次加工 Fig.1 Batch process of fresh cut vegetables 根据上述加工流程分析建立鲜切蔬菜加工数学模型 如下。Qij代表原料 i 批次 j 的数量；Yijk代表原料 i 批次 j 加工为成品k的出成率。 Omk代表订单m中成品k的数量； Rmijk代表原料 i 批次 j 在订单 m 的成品 k 中使用的数量； Cmik代表如果若订单 m 成品 k 可以用原料 i 加工而成则为 1 否则为 0， 如果 Pmijk代表原料批次混合度， 若订单 m 成 品 k 中含有由原料 i 批次 j 加工的成分则 Pmijk值为 1，否 则值为 0； 为混合程度参数， 为加工平均出成率参数。 其中，M 代表订单数量，I 代表原料种类，J 代表原料批 次，K 代表成品数量。 目标函数如式（1）所示，式中有两部分组成，第 1 部分描述了加工过程中的批次的混合程度，第 2 部分描 述了成品的平均出成率。 1111 11 11111111 max(1) MIJK MK mijk mk mijk mk MIJKMIJK mikmijk mijkmijk P O Z CR = = = =+ （1） 约束条件包括式（2）式（7）： 1 ijk Y （4） 111111 MIJKMK mijkijkmijkmk mijkmk RY PO = = （5） 1111 1111 01 MIJK mijk mijk MIJK mik mijk P C = = （6） 第 10 期 邢 斌等：鲜切蔬菜加工过程追溯的原料批次混合优化模型构建 311 11 1111 01 MK mk mk MIJK mijk mijk O R = = （7） 3 优化算法设计 根据企业的实际需求，在实际生产操作过程中，不 同批次的原料在原料库中的位置不同，如果随机从各个 批次领取原料将会导致领料过程混乱，不利于管理；员 工领取原料进行加工时应优先从相同批次取料，取料完 成后进行加工；产品加工完成后是产品配送阶段，由于 配送车辆数量的限制，为了使配送车辆能够及时配送， 减少等待时间，应以单个订单为加工单元，加工完成一 个订单后再加工下一个订单，图 2 描述了成品的基本加 工流程及成品和原料的选取策略。 基于上述的限定，拟对订单中成品加工的顺序及同 一原料的不同批次的使用顺序进行优化，达到减少批次 混合程度及提高成品平均出成率的目的。订单成品加工 及原料批次选取排序属于 NP-Hard 问题20，问题规模会 随着订单和批次的增多急速扩大，因此需采用智能优化 方法对问题进行求解。本研究拟应用遗传算法对所建立 的模型进行优化，遗传算法是一种模拟自然界生物进化 过程中的优胜劣汰机制，通过不断进化来提高解的优化 程度，从而找到相对最优解。 图 2 产品加工流程 Fig.2 Product process flow 3.1 编码方案设计 对订单中成品加工顺序以及原料的选取顺序进行编 码21，并将顺序编码转变为二进制数，以便进行复制、 交叉、变异等遗传操作，以图 1 中的示例为例，包括 3 个订单，第 1 个订单需加工 2 个成品，第 2、3 个订单需 加工 3 个成品。共有 2 种原料，每种原料包含 4 个批次， 则编码过程如下。首先对订单成品加工次序进行编码， 每个成品分别由一个数字表示，成品编号所在位置代表 加工优先级，数值越小优先级越高。在加工过程中原料 选取的次序也是按照优先级来排序，优先级高的原料最 先被使用。 按照图 2 的成品加工流程，以成品加工次序的编码 “1-8-2-3-4-5-6-7”为例，其中，编码中的数字代表不同的 成品，而数字顺序则代表成品的加工顺序。由于 1 号成 品与 2 号成品同在一个订单，因此虽然 8 号成品的优先 级高于 2 号，但是按照加工流程中成品加工规则，应优 先加工 2 号成品。成品加工次序编码“1-8-2-3-4-5-6-7” 的实际加工次序为“1-2-8-2-3-4-5-6-7”。原料的选取方 法应首先选取可以用于待加工产品的，综合成品加工次 序 和 原 料 排 序 的 初 步 编 码 为 “ 1-2-3-4-5-6-7-8 ， 1-2-3-4-5-6-7-8”；在此基础上将该编码采用线性权重编 码，将其转换为二进制编码。上述问题规模的排序种类 数量由式（8）得出，其中M代表排序种类，N1 与 N2 代表订单成品数量和原料批次总数，共 80640 种，可用 17 位二进制数据表示，编码规则如表 2 所示。 1!2!MNN=+ （8） 表 2 线性权重编码规则 Table 2 Linear weights encoding rules 成品加工顺序及 原料选取顺序 Processing order of product and materials selection order 十进制数值 Decimal representation 二进制编码 Binary code （1-2-3-4-5-6-7-8, 1-2-3-4-5-6-7-8） 0 0 00000000 00000000 （1-2-3-4-5-6-7-8, 1-2-3-4-5-6-8-7） 1 0 00000000 00000001 （1-2-3-4-5-6-7-8, 1-2-3-4-5-7-6-8） 2 0 00000000 00000010 （1-2-3-4-5-6-7-8, 1-2-3-4-5-7-6-8） 3 0 00000000 00000011 （1-2-3-4-5-6-7-8, 1-2-3-4-5-8-6-7） 4 0 00000000 00000100 3.2 模型求解 基于遗传算法的产品加工求解过程由问题初始化、 适应度计算、选择、交叉、变异等过程组成。在问题初 始化完成后，通过循环迭代适应度计算、选择、交叉、 变异等遗传操作，找到问题的相对最优解22。 1）问题初始化 首先根据问题规模初始化订单、订单中所包含的成 品以及成品数量；然后初始化原料、批次、每批原料的 数量；最后根据种群大小生成相应数量的染色体，并对 每一个染色体的成品加工顺序、原料选取顺序、适应度 值进行初始化。 2）适应度计算 对每一个染色体根据已经初始化的问题进行求解， 农业工程学报（） 2015 年 312 并在式（2）（7）的约束条件下，根据式（1）计算得 出目标函数值作为该染色体的适应度值。由于并不是每 一个二进制编码都对应一个可行解，针对不可行解，设 置该染色体的适应度值为 0。 3）选择 将种群中的染色体按照适应度值进行排序，然后按 照概率选择的方式选择种群数量大小的染色体，适应度 值越大的染色体被选中的概率越大。 4）交叉 按照交叉率 c P进行交叉操作。交叉过程如下：随机 选取 2 个小于染色体二进制编码长度的值作为交叉点， 将种群中的染色体进行两两配对，并将这 2 个交叉之间 的二进制编码进行交叉产生新的染色体。按照新的二进 制码，更新染色体的成品加工顺序、原料选取顺序值。 5）变异 按照变异率 v P进行变异操作。变异过程如下：将染 色体中的二进制编码的某几位进行取反操作，生成新的 二进制编码，并根据该编码更新染色体的成品加工顺序 和原料选取顺序。 4 模型应用及讨论 采用 JAVA 语言实现模型优化算法，并根据北京某鲜 切蔬菜加工企业的实际应用数据进行模型优化与应用。其 中，不同原料、不同批次的加工出成率如表 1 所示，现有 原料列表、现有订单需求列表分别如表 3、4 所示。 表 3 原料列表 Table 3 Material list 序号 No. 原料名称 Material name 批次号 Batch 原料数量 Material amount/kg 1 胡萝卜 101 400 2 胡萝卜 102 200 3 胡萝卜 103 800 4 胡萝卜 104 400 5 土豆 101 300 6 土豆 102 300 7 土豆 103 300 8 土豆 104 600 表 4 订单列表 Table 4 Order list 序号 No. 订单编号 Order number 成品名称 Product name 数量 Material amount/kg 1 101 胡萝卜丁 180 2 101 胡萝卜丝 150 3 102 胡萝卜丁 160 4 102 土豆厚片 150 5 102 土豆丝 130 6 103 胡萝卜丁 110 7 103 土豆厚片 120 8 103 土豆丝 140 种群大小为 100，选取交叉率为 0.9 的两点交叉，变 异率为 0.1， 为原料批次混合度参数值为 0.3， 为加工 平均出成率参数 0.7，迭代次数上限为 50 次。计算结果 如表 5 所示，初始的适应度函数值为 0.690，经过 35 次 迭代目标函数值基本稳定， 优化后适应度函数值为0.763， 平均批次生产召回规模减少了 16.7%， 适应度函数值提高 了 10.5%。 初始解加工分配方案及优化后加工分配方案如 图 3、4 所示，图中原料与成品间使用连接线关联，代表 成品是由哪一种或几种原料加工而成。 注：Pnum 代表成品加工数量，Mnum 代表原料使用数量。Pnum，Mnum 的 计量单位为 kg。下同。 Note: Pnum means the amount of product, and Mnum means the amount of material. The measurement unit of Pnum and Mnum is kg. The same below. 图 3 初始加工分配方案 Fig.3 Scheme of initial processing distribution 图 4 优化后加工分配方案 Fig.4 Scheme of optimized processing distribution 表 5 模型优化计算结果 Table 5 Results of optimized model 项目 Item 批次混合数 Mixed number of batch 平均出成率 Average yield/% 适应度函数值 fitness value 初始值 Initial value 12 70 0.690 优化后 Optimization value 10 78 0.763 注：算法迭代次数为 35 次，算法运行时间为 5 234 ms，适应度函数值优化 了 10.5%。 Note: Iteration number is 35 times, the running time of the algorithm is 5 234 ms, and the fitness value is optimized by 10.5%. 第 10 期 邢 斌等：鲜切蔬菜加工过程追溯的原料批次混合优化模型构建 313 4 结 论 本研究在构建基于企业生产订单和原料批次的加工 模型的基础上，依据订单原子性、原料选取原子性的企 业生产需求，根据不同批次原料与成品出成率的对应关 系，对订单加工次序、订单中成品加工次序以及原料选 取次序进行了优化，平均批次生产召回规模减少了 16.7%， 目标函数值优化了 10.5%， 提高了原料的生产率。 在下一步的研究工作中，应针对大中型农产品生产加工 企业的特点构建多原料仓库、多成品仓库的生产加工模 型。此外，应在该模型的基础上结合企业实际物流配送 过程，设计实现适用于鲜切蔬菜加工企业的智能排产系 统，为鲜切蔬菜加工企业的日常生产提供决策。 参 考 文 献 1 姜爱丽，胡文忠. 果蔬鲜切产品在生产加工、消费过程中 的安全问题及对策J. 食品科学技术学报，2014，32(1)： 1216. Jiang Aili, Hu Wenzhong. Safety problems and countermeasures of fresh-cut fruits and vegetables during processing and consumptionJ. Journal of Food Science and Technology, 2014, 32(1): 1216. (in Chinese with English abstract) 2 胡文忠. 鲜切果蔬科学与技术M. 化学工业出版社， 2009. 3 王肽，谢晶. 鲜切果蔬的品质控制及其保鲜技术的研究进 展J. 吉林农业科学，2013，38(1)：9296. Wang Tai, Xie Jing. Progress of studies on quality control and preservation technologies of fresh-cut fruits and vegetablesJ. Journal of Jilin Agricultural Sciences, 2013, 38(1): 9296. (in Chinese with English abstract) 4 钱建平，杨信廷，刘学馨，等. 农产品快速图形化追溯系 统构建J. 农业工程学报，2011，27(3)：167171. Qian Jianping, Yang Xinting, Liu Xuexin, et al. Development of quick graphics traceability system for agricultural productsJ. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2011, 27(3): 167171. (in Chinese with English abstract) 5 钱建平，张保岩，邢斌，等. 集成实时快速检测信息的蔬 菜追溯系统改进与应用J. 农业工程学报，2015，31(4)： 306311. Qian Jianping, Zhang Baoyan, Xing Bin, et al. Improvement and application of vegetable traceability system with integrated real-time rapid detection of informationJ. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2015, 31(4): 306 311. (in Chinese with English abstract) 6 钱建平，杨信廷，刘学馨，等. 农产品快速图形化追溯系 统构建J. 农业工程学报，2011，27(3)：167171. Qian Jianping, Yang Xinting, Liu Xuexin, et al. Development of quick graphics traceability system for agricultural productsJ. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2011, 27(3): 167 171. (in Chinese with English abstract) 7 钱建平，刘学馨，杨信廷，等. 可追溯系统的追溯粒度评 价指标体系构建J. 农业工程学报， 2014， 30(1)： 98104. Qian Jianping, Liu Xuexin, Yang Xinting, et al. Construction of index system for traceability granularity evaluation of traceability systemJ. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2014, 30(1): 98104. (in Chinese with English abstract) 8 赵岩，王强，吴莉宇，等. 蔬菜质量安全追溯编码的研究J. 食品科学 2010，31(17)：1720. Zhao Yan, Wang Qiang, Wu Liyu, et al. Establishment of traceable code system for quality and safety of vegetablesJ. Food Science, 2010, 31(17): 5154. (in Chinese with English abstract) 9 王晓平，安玉发. 果蔬类农产品物流信息追溯系统的构建 研究J. 中国流通经济，2011(3)：3438. Wang Xiaoping, An Yufa. Research on the Logistics Information Tracing System of Vegetable Agricultural ProductsJ. China Business and Market, 2013, 38(1): 9296. (in Chinese with English abstract) 10 王东亭，付峰，饶秀勤，等. 基于分级处理生产线的脐橙 全程追溯系统J. 农业工程学报，2013，29(5)：228236. Wang Dongting, Fu Feng,Rao Xiuqin, et al. Fruit traceability system based on processing and grading lineJ. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2013, 29(5): 228236. (in Chinese with English abstract) 11 张学杰，常希光，Robert Hommes. 鲜切生菜全程安全控 制的 HACCP 管理模式J. 中国蔬菜，2008(9)：1923. Zhang Xuejie, Chang Xiguang, Robert H. Model of HACCP fo safety control of fresh-cut lettuce from farm to retailJ. China Vegetables, 2008(9): 1923. (in Chinese with English abstract) 12 钱建平，杨信廷，张保岩，等. 基于 RFID 的蔬菜产地追 溯精确度提高方案及应用. 农业工程学报，2012，28(15)： 167171. Qian Jianping, Yang Xinting, Zhang Baoyan, et al. RFID-based solution for improving vegetable producing area traceability precision and its applicationJ. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE) 2012, 28(15): 167171. (in Chinese with English abstract) 13 钱建平，吴晓明，范蓓蕾，等. 基于条码-RFID 关联的蔬 菜流通过程追溯精确度提高方法J. 中国农业科学， 2013，45(18)：38573863. Qian jianpin, Wu xiaoming, Fanbeilei, et al A solution for improving vegetable circulation traceability precision based on barcode-RFID correspondence. Agricultura Sinica, 2013, 45(18): 38573863. (in Chinese with English abstract) 14 Dupuy C, Botta-Genoulaz V, Guinet A. Traceability analysis and optimization method in food industryC/IEEE International Conference on Systems, Man and Cybernetics, 2002: 494499. 15 Dupuy C, Botta-Genoulaz V, Guinet A. Batch dispersion model to optimize traceability in food industryJ. Journal of Food Engineering, 2005, 70(3): 333339. 农业工程学报（） 2015 年 314 16 Thakur M, Hurburgh C R. Framework for implementing traceability system in the bulk grain supply chainJ. Journal of Food Engineering, 2009, 95(4): 617626. 17 毛志慧，陈新度，胡常伟，等. 面向虾产品质量追溯优化 原料批次混合问题研究J. 工业工程，2012，25(5)：45 50. Mao Zhihui, Chen Xindu, Hu Changwei, at al. A Study on Raw Material Batch Mixing Problem for Optimal Quality Tracing of Shrimp ProductsJ. Industrial Engineering Journal, 2012, 25(5): 4550. (in Chinese with English abstract) 18 Ruiz-Garcia L, Steinberger G, Rothmund M. A model and prototype implementation for tracking and tracing agricultural batch products along the food chainJ. Food Control, 2010, 21(2): 112121. 19 刘学勇，熊中楷，熊榆. 线性需求下的产品召回成本分担 和质量激励J. 系统工程理论与实践，2012，32(7)：1400 1407. Liu Xueyong, Xiong Zhongkai, Xiong Yu. Cost sharing and quality improvement incentives in the products recall considering the linear demandJ. Systems Engineering Theory and Practice, 2012, 32(7): 14001407. (in Chinese with English abstract) 20 Lobna L, Mounir B. A production Model to reduce Batch Dispersion and Optimize TraceabilityC/4th International Conference on Logistics, 2011: 144149. 21 韩建枫，李敏强，寇纪凇. 遗传算法中排列问题的编码研 究J. 计算机工程与应用，2002(12)：2932. Han Jianfeng, Li Mingqiang, Kou jisong. Encoding schemes of array problem in genetic algorithmsJ. Computer Engineering and Applications, 2002(12): 2932. (in Chinese with English abstract) Establishment of materials batch mixing optimization model for traceability of fresh-cuts fruits and vegetables processing Xing Bin1,2,3,4, Liu Xuexin1,2,3,4, Qian Jianping1,2,3,4 , Wang Jian1,5, Wu xiaoming1,2,3,4 (1. Bejing Research Center for Information Technology in Agriculture, Beijing 100097, China; 2. National Engineering Research Center for Information Technology in Agriculture, Beijing 100097, China; 3. Key Laboratory of Agri-Informatics, Ministry of Agriculture, Beijing 100097, China; 4. Bejing Engineering Research Center of Agricultural Internet of Things, Beijing 100097, China; 5. College of Mechanical and Electronic Engineering, East China Jiaotong University, Nanchang 330013, China) Abstract: In order to protect the quality and safety of products of the fresh cut vegetable processing and improve fresh cut vegetable production and processing efficiency, a fresh cut vegetable processing batch mixing optimization model was put forward, which can reduce the recall cost resulted from the mixed batches during the manufacture. The batch-mixing phenomenon of raw materials often occurs during the production process of fresh-cut vegetables. On the other hand, different batches of materials have different properties which will exert some effects on the rate of the production yield. Proper allocation of the materials batches will reduce the recall cost of defective products. In order to enhance the ability of production efficiency and improve the supervision on the quality and safety for fresh-cut vegetables, an optimized model for this problem should be developed. In this research, after the analysis of the basic process in fresh-cut vegetables manufacture, a model based on the order of the daily manufacture in enterprise and the batch of materials was established, which could reduce the batch-mixing level of the materials and improve the production efficiency. The manufacture process of the fresh-cut vegetables was taken as the core research point, and the experiment parameters were obtained from a cooperative enterprise in Beijing which was a typical manufacture enterprise of fresh-cut vegetables. Unlike other areas of vegetable manufacture, the manufacture of fresh-cut vegetables needed to take the different products and