Model Integratif Physical-Digital Twin dengan Legal Ontology dan MARL untuk Optimasi Dual-Temperature Cold-Storage Mikro di TNBBS, Krui
Latar Belakang: Taman Nasional Bukit Barisan Selatan (TNBBS) memerlukan sistem penyimpanan mikro-dual suhu (0-4 degC & -18 degC) yang efisien dan patuh regulasi lingkungan. Metode: Kerangka integratif Physical-Digital Twin (PDT) dikombinasikan dengan Legal Ontology berbasis Prolog dan Multi-Agent Reinforcement Learning (MARL) menggunakan algoritma Proximal Policy Optimization (PPO). PDT mensimulasikan dinamika termal real-time, Legal Ontology mengkodifikasi UU Konservasi, Peraturan Emisi, dan ISO 14001, sedangkan MARL mengoptimalkan penjadwalan pendinginan, alokasi energi terbarukan, dan rute logistik. Temuan Kunci: Peningkatan efisiensi energi 23 %, kepatuhan hukum 100 %, dan pengurangan jejak karbon 18 % dibandingkan baseline konvensional. Rekomendasi: Implementasi prototipe di lapangan, pengembangan modul verifikasi smart-contract otomatis, serta pelatihan operator untuk mitigasi risiko sensor dan gangguan energi. Background: The TNBBS region requires an efficient dual-temperature micro-cold storage system (0-4 degC & -18 degC) that complies with stringent environmental regulations. Methodology: An integrative framework combining a Physical-Digital Twin (PDT), a Prolog-based Legal Ontology, and Multi-Agent Reinforcement Learning (MARL) with Proximal Policy Optimization (PPO) was developed. The PDT simulates real-time thermal dynamics, the Legal Ontology encodes conservation laws, emission regulations, and ISO 14001, and MARL optimizes cooling schedules, renewable energy allocation, and logistics routing.