作者：王耀1 ，张贵宇1, 2, 4 ，庹先国1, 2* ，林椿松1, 3, 4 ，曾祥林1 ，彭英杰1
1. 四川轻化工大学自动化与信息工程学院(宜宾 644000)；2. 四川轻化工大学人工智能四川省重点实验室(宜宾 644000)；3. 四川轻化工大学机械工程学院(宜宾 644000)；4. 西南科技大学信息工程学院(绵阳 621010)
摘 要 白酒历史悠久、规模庞大, 是我国经济和文化重要组成部分。在新一代信息数字化技术发展应用和《中国制造2025》规划背景下, 传统白酒酿造向智能酿造转型势在必行。针对白酒企业生产过程中如何保障连续工艺稳定、增产降耗、控制复杂工况变化等问题, 提出引入数字孪生概念、构建数字孪生模型、搭建酿造产线数据管理平台中心和结合人工智能技术的相关算法, 以实现生产全过程模拟仿真与优化控制, 全面提升企业生产效能。探讨数字孪生技术结合白酒企业在工艺参数优化、全面质量控制、设备维护保障、窖池发酵等多方面应用效果, 以期有效保障酒企量质生产, 降本增效, 提高经济效益, 加快白酒转型升级的步伐。
关键词 数字孪生;工艺参数优化; 全面质量控制; 设备维护保障; 窖池发酵
Application Prospect of Digital Twin Technology in Chinese Baijiu Brewing Industry WANG Yao1 , ZHANG Guiyu1, 2, 4 , TUO Xianguo1, 2*, LIN Chunsong1, 3, 4 , ZENG Xianglin1 , PENG Yingjie1
1. Sichuan University of Science & Engineering, School ofAutomation & Information Engineering (Yibin 644000);
2. Artificial Intelligence Key Laboratory of Sichuan Province (Yibin 644000);
3. Sichuan University of Science & Engineering, School of Mechanical Engineering (Yibin 644000);
4. School of Information Engineering, Southwest University of Science and Technology (Mianyang 621010)
Abstract With a long history and a large scale, Chinese Baijiu is an important part of China’s economy and culture. Under the background of the development and application of the new generation of digital information technology and the Made in China 2025 planning, the transformation from traditional liquor brewing to intelligent brewing is inevitable. To address the problems of how to ensure continuous process stability, to increase production, to reduce consumption, and to control changes in complex working conditions in the production process of liquor enterprises, it is to introduce the concept of digital twin, to build a digital twin model, to construct a brewing line data management platform center and to combine relevant algorithms of artificial intelligence technology to realize whole-process simulation and optimal control of production, so as to comprehensively improve the production efficiency of enterprises. The application of digital twin technology in Baijiu enterprises in terms of process parameters optimization, overall quality control, equipment maintenance guarantee, and pit fermentation are discussed. It can effectively guarantee the quality production of Baijiu enterprises, reduce the cost and increase efficiency, increase economic benefits, and speed up the step up of Baijiu transformation and upgrading.
Keywords digital twin; process parameters optimization; overall quality control; equipment maintenance guarantee; pit fermentation
以白酒酿造行业为代表的传统轻工行业，通过智能数字化升级实现白酒酿造智能化的需求已经迫在眉睫，但其技术创新度不够，导致其低产高耗、质量把 控难和设备管理难等问题。与此同时，我国新一代经济发展动力引擎——数字智能化技术，其中数字孪生技术满足虚实体信息实时交互融合，实现传统制造模式向智能制造的数字化转型，因此受到白酒酿造行业高度关注。
数字孪生技术领衔于新一代智能技术，由最初的航天航空领域[1]逐渐被广泛应用于产品设计[2] 、复杂产品装配[3] 、工程建设[4] 、化工行业[5] 、机械制造[6]等领 域，之后逐渐向智慧城市[7] 、智能制造[8]等领域发展，契合《中国制造2025》的发展目标。
数字孪生技术在产品设计模拟、生产工艺优化、 质量管控和设备运维保障等多方面的优势越来越突出。因此，借助第4次信息工业革命的浪潮和《中国制造2025》的战略方针，旨在探索数字孪生技术针对当前白酒酿造行业在智能酿造中的可行性应用及前景。
1 白酒酿造行业的现状
国外液态发酵酿造方式已实现机械完全自动化和智能化管控，但中国白酒采用独特的固态发酵酿造方式，其工艺和自动化设备复杂程度较高，实现完全自动化较困难。近年来，白酒企业不断扩大生产规模以满足白酒市场的需求，但随着生产规模扩大，白酒企业面临着酿造车间难以全面管控的问题日趋突出。根据白酒酿造行业现状，大致总结为工艺参数优化、全面质量把控、设备维护与保障以及窖池管理等核心问题亟需解决。上述问题得到完善解决，将进一步加快实现白酒酿造智能化升级的步伐。
2 数字孪生发展及概念
数字孪生(digital twin)的概念最早可追溯到密歇根大学在2002年为成立产品生命周期管理(PLM) 中心向业界所作的阐述，GRIEVES M博士将这次阐述的概念模型简称为Conceptual Ideal for PLM，此时已具备数字孪生的所有要素：真实空间、虚拟空间、从真实空间到虚拟空间的数据流链接、从虚拟空间到真实空间和虚拟子空间的信息链接[9] 。同年，密歇根大学第一批高管课将这一概念模型称为镜像空间模型； 在《产品生命周期管理：推动下一代精益思想》中， Grieves[10]将这一概念模型称为信息镜像模型；而后 Grieves[11]正式将数字孪生概念提出。数字孪生是充分利用物理模型、传感器更新、运行历史等数据，集成多学科、多物理量、多尺度、多概率的仿真过程。其实质就是将物理空间的实体产品通过数字化构建虚拟空间的虚拟模型，通过数据交互实现模型实时双向的 全生命周期交互映射，将实现实体产线、生产装备、 生产管理系统实时映射响应反馈，同时平台通过对大量的生产数据进行相关性分析，模型自身迭代优化计算完善产品的生产工艺、产能的合理预测及设备维护与预警等生产要素[12-15]。
2.1 数字孪生模型
数字孪生是利用计算机技术将物理实体装备生产线或产品映射到数字化虚拟空间，它是一种多维映射模型。数字孪生映射模型不单单是对物理实体装备或产品简单的虚拟三维映射，而是具有多层次性、多物 理特性、协同性、集成性、动态性、多学科交叉融合的可计算分析和可进行概率预测的综合体[16] 。构建数字孪生模型如同搭建积木，由零件、部件、组件到完 整体的过程，其实质是将多个小数字孪生体按照一定方式要求进行整合成完整体的过程，最终实现产品全生命周期的仿真模拟。
2.2 数字孪生数据处理
数字孪生模型不仅要继承实体的物理特性，同时要兼备具有全生产周期数据信息中心的功能[17] 。实体制造车间具有规模大、分布广、管理结构复杂等特点，其相对独立的制造单元、冗长的产业链条、品种 多样化的产品种类经常导致其丰富的具有价值的信息 资源不能够很好地分析与利用和统一管理，进而形成一座座孤立的“信息孤岛”[18] 。借助物联网的万物互通互联的理念，生产车间所部属的TCP/IP协议的以太网传输、智能传感器、数据采集器、RFID(radio frequency identification system)系统等多种现场生产 数据采集方式都会产生体量庞大的数据，系统将海量 的数据上传至云计算中心集中计算与处理，势必造成云计算中心服务器的运行效率低下，降低了服务器对系统管理和服务要求的响应速度，而边缘计算的出现缓解了云计算中心的计算压力，感知终端采集数据传输至边缘层任意具备存储、计算能力的设备节点，在数据源近端即可进行实时处理分析，过滤掉无价值的数据后将其传输到云计算平台[19] 。云计算平台利用大数据工具进行数据清洗、挖掘、分析，并运用机器学习、深度学习等人工智能技术对边缘计算处理后的综合实体数据加以算法规则分析和数据整合提炼，并纳 入到数字孪生模型中，进而可实现生产流程仿真、行为验证、产品评测、设备寿命预测、故障预警等多种可指导实际生产的信息模型，为实体系统提供参考决策，打造出高效的数据驱动模式[17] ；综合实体数据包 括原料及原料向产品转换中间过程品的过程数据、传感器数据、设备的性能及工艺参数、生产线及生产车间实时监控的各项指标，甚至在生产过程中出现的人为和自然环境因素等。
2.3 数字孪生数据交互
物理实体与虚拟模型之间时刻保持着实时动态的数据交互是驱动数字孪生模型发挥其作用的关键。虚拟模型依托实体产线各环节制造装备和传感器产生的实时生产数据，包括温度、位置、流量等数据通过边缘接口传递导出，汇集到云计算平台，通过数字孪生模型数据处理方法，不断地数据迭代计算实现自身模型构建的优化与完善[17] 。同时虚拟模型对物理实体实际生产过程进行在线仿真模拟、统计与分析，得出最优控制决策，并及时反馈至实体设备做出相应的调整，争取在最短时间、最大程度上对工艺方案进行调整与优化[20-21]。数字孪生数据交互具有实时同步、快速响应、精准等特性；实时同步性要求数字孪生技术构建的虚拟生产线对设备运行状态、产品流转步调、物料损耗等与实体产线的生产状况具有一致性，用户无需到达现场，通过虚拟模型所反映的结果就能对现场生产情况 一目了然；快速响应性要求虚拟模型对输入请求变化时能够及时地响应并作出相应的决策反馈输出；精准 性指数字孪生模型数据交互作用时，对实体产线实现点对点控制。图1是数字孪生模型架构。
图1 数字孪生模型架构
3 数字孪生与白酒酿造行业结合
中国白酒拥有数千年的悠久酿造历史和酒文化底 蕴，成为中国经济和文化不可缺少的组成部分。中国 白酒以富含淀粉质的高粱、小麦、大米、糯米和玉米 等谷物为原材料，以酒曲为糖化发酵剂，经固态酒精 发酵、蒸馏和陈酿而成备受人们喜爱的饮料酒[22] 。不 同酿造配方和生产技术造就了白酒丰富的口味和风 味。近年来，白酒行业在《中国制造2025》号召下和 市场需求下，由传统生产方式逐渐向智能化酿造转型 升级。然而白酒酿造原料价格的波动和白酒市场的激 烈竞争，通过智能化生产融合新技术实现酒企在工艺 上精益求精；产能上提质增效；能源上节能降耗，这 些将成为白酒行业的未来发展趋势。
数字孪生技术作为当前打造智能化生产系统的核心技术，与白酒酿造行业的长期发展战略目标是一致 的，其在配方工艺参数优化、产品质量全面控制、设备维护与预警和窖池发酵等多方面有实际应用可能。 数字孪生技术自身的特点符合白酒行业转型升级要 求，有助于推进白酒企业及整个白酒行业的数字化和智能化生产。
3.1 数字孪生在酿造工艺参数优化中的应用
酿造工艺参数贯穿酿造整个过程，是指导工人生 产的重要依据，是保障质量和产量的关键。以小曲清香型白酒酿造工艺为例，整个酿造工艺包含24道工艺环节[23] ，其中浸泡工序中原料与用水的比例、浸泡时 间、浸泡温度、原料吸水度，配料工序中粮、酒醅、糠的配比，蒸馏工序中蒸汽压力、蒸馏时间、蒸馏温 度、出酒温度等工艺参数贯穿酿造全过程，对产品的 量质率、生产耗能及酿造设备运行等有着不同程度的 影响。白酒行业转型升级初级阶段对于生产工艺参数 的设定，依然大量依赖于酿造现场工人师傅的实际经验，由于各个酿造工段存在一定的独立性，其设定的设备工艺参数容易出现局部最优的情况，难以做到衔接上下酿造单元同步优化，酿造单元间的“壁垒”使白酒行业生产全过程在降低能耗损率和提升产品质量 等方面在最优化的解决方案中面临难题。同时，市场原料价格的浮动、企业产能供给和市场需求的不断变化等波动因素会给酒企带来影响，酒企根据实际情况对生产工艺参数进行指导修正，避免与生产需求脱轨，导致产能过剩或不足。但为确保生产稳定运行， 一般酒企仅会对产品、原料及设备工艺出现重大调整时，才会对生产工艺参数在原有的基础上进行调整与测定，大部分仅限于局部调整与测定。
将数字孪生技术引入到酿造工艺参数优化过程中可以很好地解决上述存在的问题。数字孪生模型是基于整个实体生产工艺和环境而搭建的虚拟映射模型， 实体产线的各项酿造工艺指标参数数据由现场数据采 集传感器实时地传递至工业互联网平台进行数据整 合，作为虚拟模型进行大数据分析的数据源。数字孪 生技术具有多学科交叉融合的特点，利用机器学习、 深度学习等人工智能技术实现跨工段、跨区域、跨车 间的生产数据相关性分析，打破传统车间存在“壁 垒”导致的“数据孤岛”现象。同时，利用虚拟模型数 据迭代反馈的高效性，极大降低白酒酿造环节中因设备 状态的不确定性、酒醅物性和环境变化的非线性以及 监测数据反馈的时滞性等因素而带来的建模误差[24]。
虚拟空间中不存在实体空间的物理属性，如质 量、摩擦、加速度等，因此数字孪生系统中的某些物 理动作必须通过数字模拟的方式实现。实体车间布置 的各类传感器、边缘端口将实体产线各个点位数据实 时传输至云计算平台中心，作为数字孪生系统中数字 模拟物理动作仿真脚本控制程序的触发信号，将其反 映到对应虚拟模型中，达到与现场实时同步的效果。 利用计算机储存能力强、计算能力快、模拟分析能力 高效等特点对整个生产系统效能进行测定，通过数字 孪生构建的虚拟模型在线仿真模拟进行预测，不仅可 以降低人工预测成本，而且对影响生产波动的因素进 行实时模拟预测，将生产控制指令及时反馈至实体设 备，最高效率地增产降耗，控制生产成本，及时合理 地实现酿造工艺参数的优化。
3.2 数字孪生在全面质量把控中的应用
白酒作为备受人们青睐的含酒精饮料，其质量保 证必须满足国家相应的质量标准和生产管理规范。全 面提升产品质量是白酒转型升级成功的关键点之一， 白酒企业由传统的仅限于产品质量检验，逐渐转变为 从原料订购、中间过程产品质量控制和产品售后反馈 的全面质量控制，如传统清香型白酒涉及产品质量安 全要求标准和规定主要有8项[25]。全面质量控制要求 酒企各检验部门必须投入大量的人力物力和财力进行 抽检、审查、记录，严格把控各环节质量大关，避免 因产品质量不合格而造成企业名誉和经济损失。由于 白酒行业还处于转型的过渡阶段，现行的管理技术手 段在面对各环节质量控制的相对独立性、各部门信息 传递的时滞性、人员记录的差异性等问题时，并不能很好地管理与处理，如上个环节物料信息变化时并不 能及时参与到下一个环节的工艺调整，进而导致生产 过程不稳定，产品质量无法保障。
引入数字孪生技术后，上述问题将会得到很好的 解决。首先，酒企从进厂的酿造原料开始检测，将检 测的数据直接上传数据平台中心进行整合，结合数据 中心大量的过往检测数据，针对不同年份、不同地区 的原料品质，通过虚拟模型在线模拟分析，反馈出适 合年份、地区的原料的工艺条件，调整工艺指标参 数，并在线生成控制指令并及时下发至各个生产单 元。其次，中间过程产品检测数据繁多，针对大量检 测数据进行分区域、分工段、分单元等层层严控把关 调整与优化，最大程度上控制生产全过程的波动，保 障产品的质量。最后，产品销售和售后数据反馈至数 字孪生模型中进行多维度分析，为进一步提升产品质 量做出相关分析，供管理者参考。除此之外，影响白 酒质量因素还很多，如摘酒、勾调以及贮存等，在相 应环节建立信息管理系统，并接入数字孪生模型适用 的数据信息网络，建立完善的全面质量把控体系。 3.3 数字孪生在酿造设备维护保障中的应用
在3.1列举的小曲清香型白酒酿造工序十分复杂， 整个过程涉及多种类、多设备的综合使用。从原料浸 泡、糖化发酵、上甑蒸馏、摊晾、入窖发酵等几大工 序中大量机械设备参与其中。酿造现场设备的密集 性、流通管道的错综复杂、环境的温湿度等变化，会 导致机械设备在实际的运行过程中出现很多问题。酒 企为尽可能保障产能，不得不投入大量的人力、物力 和财力对设备进行维护，而当前酒企的设备维护仍处 于传统的人工巡检模式，日常维护和定期停产维护， 但设备的磨损、零部件及控制系统电路的老化，对设 备维护变得非常困难。日常维护和定期停产维护不仅 加重设备维护人员的工作量，而且对正常生产造成一 定影响。
在设备维护保障中引入数字孪生模型，可以用于 对设备故障的风险评估，进行预测性维护，降低设备 维护人员的工作量，提高可靠性生产。实体设备的名 称型号、最初的设计性能参数、生产使用过程的调试 参数，以及历史负荷参数、维修记录等相关数据都被 传输到以数据信息作为枢纽的网络平台[17] 。数字孪生 模型借助计算机技术手段搭建设备疲劳程度的预测仿 真模型，对设备故障风险进行有效的预测与分析。数 据信息的可视化分析，虚拟模型与实体相对应的实时 映射关系，不仅用户对设备当前的状态一目了然，降 低传统人工操作的失误风险，缩短事故反应时间，而 且可以提前做出生产排产计划，提高生产效率。
3.4 数字孪生在窖池发酵中的应用可能
窖池发酵是酿造过程中的重要环节，有“生香靠发酵，提香靠蒸馏”的说法，酒醅发酵品质的好坏直 接影响白酒品质和产量。影响酒醅品质的因素非常 多，包括发酵温度、发酵时间、菌群数量、酒醅入窖 温度、酒醅含水量、酒醅物性黏度和环境温度等，研 究表明，温度是影响发酵过程中的重要影响因素[26-30] 。 研究者针对温度对固态白酒发酵的影响进行深入的研 究，表明采用控制发酵温度有利于白酒品质和产量的 整体提升，体现温度对发酵的重要性。
窖池发酵的数字孪生模型可以有效预测异常窖 池。理想状态下，数字孪生模型可以构建出酒醅发酵 的整个生命周期全过程，对整个发酵过程实时可视化 监测，在计算机技术手段条件下搭建预测异常窖池仿 真模型。但一般大型酒厂的窖池数成千上万，规模庞 大，建立采集影响酒醅品质因素的完整体系，其成本 非常高昂。如前所述温度对发酵的重要性，可酌情建 立温度可控发酵池，届时可引入数字孪生模型，针对 不同香型白酒发酵温度的特点，精准控制发酵温度， 全面提升白酒品质和产率。随着酒企未来的发展，对 窖池发酵建立完善的监测体系，数字孪生模型将有大 量、丰富的发酵数据支持，可以完全构建出酒醅发酵 真实环境的虚拟模型，虚拟模型将对发酵数据进行数 据迭代，实现模型自身优化，对异常窖池处理决策并 生成控制行为指令反馈，将大大降低人工管理的难 度，缩短异常处理时间，白酒品质和产率将达到质的 飞跃。
4 结语与展望
目前，白酒行业转型升级尚处于初级阶段，对数字孪生技术体系下的相关技术应用还处于探索阶段。 但数字孪生技术在产品设计、生产、运维等多方面优 势日趋显著，将数字孪生技术引入白酒行业是未来发 展的趋势。以白酒行业为代表的传统轻工业，作为我 国经济和文化的重要组成部分，更应该突破传统技术 瓶颈，通过技术创新实现产能增幅、节能降耗、降低 成本已迫在眉睫。智能酿造是白酒行业发展的长远目 标，而未来以数字孪生技术领衔的新一代智能生产技 术必将加快白酒行业走向智能酿造的步伐，为白酒行 业开启新的征程，为我国经济建设贡献力量。
参考文献：
[1] TUEGEL E J, INGRAFFEA A R, EASON T G, et al. Reengineering aircraft structural life prediction using a digital twin[J]. InternationalJournal ofAerospace Engineering, 2011,2011: 1-14.
[2] WAGNER R, SCHLEICH B, HAEFNER B, et al. Challenges and potentials ofdigital twins and industry 4.0 in product design and production for high performance products[J]. Procedia CIRP, 2019, 84: 88-93.
[3] ZHUANG C B, GONG J C, LIU J H. Digital twin-based assembly data management and process traceability for complex products[J]. Journal of Manufacturing Systems, 2020(58): 118-131.
[4] SAMAD M E SEPASGOZAR. Digital twin and web-based virtual gaming technologies for online education: a case of construction management and engineering[J]. Applied Sciences, 2020, 10(13): 4678.
[5] 叶磊, 徐慧, 施耀飞, 等. 数字孪生在化纤长丝前纺丝车间 的应用探讨[J]. 制造业自动化, 2021, 43(2): 107-109, 138.
[6] WANG J J, YE L K, ROBERT X G, et al. Digital twin for rotating machinery fault diagnosis in smart manufacturing[J]. International Journal of Production Research, 2019, 57(12):
3920-3934.
[7] DAVID N FORD, CHARLES M WOLF. Smart cities with digital twin systems for disaster management[J]. Journal of Management in Engineering, 2020, 36(4): 04020027.
[8] ZHOU G H, ZHANG C, LI Z, et al. Knowledge-driven digital twin manufacturing cell towards intelligent manufacturing[J]. International Journal of Production Research, 2020, 58(4):
1034-1051.
[9] GRIEVES M, VICKERS J. Digital twin: mitigating unpredictable, undesirable emergent behavior in complex systems[M]. Berlin: Springer International Publishing, 2017:
85-113.
[10] GRIEVES M. Product lifecycle management-driving the next generation oflean thinking[M]. New York: McGraw-Hill,
2006.
[11] GRIEVES M. Virtually perfect: Driving innovative and lean products through product lifecycle management[M]. Cocoa Beach: Space Coast Press, 2011.
[12] 庄存波, 刘检华, 熊辉, 等. 产品数字孪生体的内涵、 体系结构及其发展趋势[J]. 计算机集成制造系统, 2017, 23(4): 753-768.
[13] 陶飞, 刘蔚然, 刘检华, 等. 数字孪生及其应用探索[J]. 计 算机集成制造系统, 2018, 24(1): 1-18.
[14] 陶飞, 张萌, 程江峰, 等. 数字孪生车间——种未来车间 的运行新模式[J]. 计算机集成制造系统, 2017, 23(1): 1-9.
[15] KOSENKOV S O, TURCHANINOV V YU, KOROVIN I S, et al. Digital twin of the oil well, based on data mining technologies[A]. Advanced Science and Industry Research Center. Proceedings of 2018 2nd International Conference on Modeling, Simulation and Optimization Technologies and Applications (MSOTA 2018)[C]. Advanced Science and Industry Research Center: Science and Engineering Research Center,
2018: 6.
[16] 陶飞, 马昕, 胡天亮, 等. 数字孪生标准体系[J]. 计算机集成制造系统, 2019, 25(10): 2405-2418.
[17] 叔谋, 刘颖慰, 许克家, 等. 数字孪生技术在淀粉行业的 应用前景[J]. 食品工业, 2021, 42(2): 248-251.
[18] 宋云鹏, 孙海龙, 焦洁, 等. 大数据在数字化工厂中的应 用[J]. 物流科技, 2019, 42(4): 44-46.
[19] 石婷婷, 徐建华, 张雨浓. 数字孪生技术驱动下的智慧图 书馆应用场景与体系架构设计[J]. 情报理论与实践, 2021, 44(3): 149-156.
[20] 刘彬, 张云勇. 基于数字孪生模型的工业互联网应用[J]. 电信科学, 2019, 35(5): 120-128.
[21] 刘丹, 黄海涛, 王保兴, 等. 基于数字孪生的再制造车 间作业模式[J]. 计算机集成制造系统, 2019, 25(6): 1515-
1527.
[22] ZHENG X W, HAN B Z. Baijiu, Chinese liquor: History, classification and manufacture[J]. Journal of Ethnic Foods, 2016, 3(1): 19-25.
[23] 张贵宇, 庹先国, 陈林, 等. 自动化酿造工艺在白酒生产 中的应用研究[J]. 食品工业, 2018, 39(9): 143-148.
[24] 魏一雄, 郭磊, 陈亮希, 等. 基于实时数据驱动的数字孪 生车间研究及实现[J]. 计算机集成制造系统, 2021, 27(2):
352-363.
[25] 康健. 白酒企业质量管理、规范生产、落实主体责任初 探[J]. 酿酒, 2016, 43(1): 100-104.
[26] 蒲岚, 李璐, 邱树毅, 等. 发酵温度调控对浓香型白酒主 要香味成分生成的影响[J]. 食品与发酵工业, 2011, 37(7):
126-129.
[27] 应静, 游玲, 邱树毅, 等. 温度对浓香型白酒发酵的影响 [J]. 中国酿造, 2018, 37(8): 75-81.
[28] 李一关, 王琪, 何璇, 等. 芝麻香型白酒控温发酵中试研 究[J]. 食品与发酵工业, 2020, 46(17): 125-130.
[29] 周枭. 清香型大曲酒控温发酵工艺[J]. 食品工业, 2020, 41(7): 30-34.
[30] 潘玲玲, 罗明有, 王媚, 等. 发酵温度对浓香型白酒杂醇 油含量的影响[J]. 中国酿造, 2021, 40(3): 106-110.
