综述：将物联网（IoT）与区块链技术相结合以实现实时库存可视化和可追溯性：一项基于文献计量学和系统方法的综述 作者：Blessing Takawira 和 Babra Duri

《Logistics》：Integrating IoT and Blockchain for Real-Time Inventory Visibility and Traceability: A Bibliometric–Systematic Review Blessing Takawira and Babra Duri

　　摘要
背景：物联网（IoT）与区块链的加速融合正在重新塑造物流领域，然而关于如何将其应用于实时库存管理的知识仍然零散且不完整。
方法：通过对Scopus和Web of Science数据库中2019至2025年的同行评审文献进行计量-系统文献综述（B-SLR），并利用科学绘图方法可视化其概念和知识结构。
结果：分析显示2024至2025年间相关出版物数量急剧增加，可追溯性、智能合约和完整性机制成为核心主题。研究结果支持了一个分层理论模型，该模型将透明度（感知）和信任（账本验证）与工业4.0中的效率和供应链韧性联系起来。同时，综述也指出了未解决的问题，如互操作性和设计隐私性，以及新兴方向，如数字孪生技术。
结论：尽管学术研究迅速发展，但目前更多集中在采纳路径的探讨上，因此亟需基于实证数据的、考虑具体情境的模型来解释社会技术的整合及其对物流绩效的实际影响。

1. 引言
全球供应链面临着提高韧性和透明度的压力，这主要是由于市场动荡加剧和消费者对责任制的需求增加。现代物流管理正朝着物流4.0发展，强调使用数字工具来提升运营效率和可见性[1]。然而，随着供应链变得越来越复杂，仅仅收集数据已不足以满足需求，重点转向确保数据的安全性、不可篡改性以及在合作伙伴之间无风险地共享数据[2]。虽然区块链与物联网的结合常被视为一种增强信任的机制，但其实际应用仍受到未解决的挑战的制约，例如预言机可靠性、高集成成本以及缺乏互操作性标准，这些问题影响了实时库存系统的可扩展性和治理能力。在汽车等行业，这种结合通过创建每个组件的完整记录来提升可追溯性和效率[3]。此外，区块链支持的物联网能力越来越被视为推动企业可持续发展的动力，尤其是在零售领域，它有助于验证产品的来源和环保声明[4]。通过智能合约实现信任自动化，组织理论上可以减少对中介的依赖并简化分销流程[5]。尽管这些技术具有巨大潜力，但其实际应用与概念预期之间仍存在显著差距。其中一个主要技术障碍是预言机问题，即如何确保传递给区块链的外部数据是准确和可信的[6]。由于区块链无法验证来自外部来源的数据真实性，任何传感器级别的错误或篡改都可能危及整个系统[7]。持续的争议点包括预言机可靠性、互操作性、透明度及隐私冲突，这些问题凸显了社会技术治理和概念整合方面的不足。为了解决数据质量问题，需要可靠的预言机来验证数据后再记录到账本上[8]。除了数据完整性的技术问题外，管理和战略层面的障碍也阻碍了这些技术的广泛应用。例如，尽管企业认识到实时监控的价值，但它们往往面临高集成成本和缺乏标准化协议的问题[9]。同时，数据透明性与商业隐私需求之间也存在矛盾，因为公司通常不愿在共享账本上共享敏感的库存信息[10]。现有研究表明，虽然工业4.0提供了相应的工具，但许多企业仍缺乏协调这些相互竞争的优先事项的战略框架[11]。
当前关于物联网-区块链整合的讨论不仅涉及技术挑战，还包括未解决的学术争议。例如，智能合约推动的自主物流引发了自动化与人工监督之间的关键问题，涉及责任、决策权及伦理治理等方面的不同观点[12]。同样，通过分布式账本技术实现端到端透明度的努力与隐私和保密要求之间也存在冲突，导致了从零知识证明到许可型和混合区块链架构等多种不同的技术和治理方案的提出[13]。总体而言，这些讨论表明，物联网-区块链整合不仅是一个系统设计问题，更是由技术能力、制度限制和治理选择所塑造的一个有争议的社会技术前沿，因此需要系统性的综合研究来明确新兴的概念路径和实际权衡[14]。
虽然像[15]这样的基础性综述成功地建立了基于区块链的可追溯性的业务需求和关键成功因素的分类，但它们主要关注工业4.0范式，该范式将技术成熟度、自动化和运营效率作为采纳的主要驱动力。相比之下，本研究则通过探讨向工业5.0的转型，填补了这一研究空白，这一转型超越了纯粹的技术驱动框架，纳入了以人为中心的价值驱动维度，如社会可持续性和多层次韧性[16]。工业4.0主要侧重于通过先进自动化、信息物理系统和数据驱动的决策来实现机器主导的自主性，而工业5.0则通过强调人机协作，并将治理、伦理监督和社会价值观明确嵌入社会技术体系来重新配置决策权[17]。通过对2019至2025年的纵向计量分析，本研究发现透明度-信任-效率模型不再仅仅是数据完整性的技术问题，而是越来越需要协作智能和伦理治理[3]。因此，本研究通过进行B-SLR来映射物联网-区块链整合的演变过程，为理解这一趋势提供了新的解释视角。

2. 文献综述
物联网与区块链的融合标志着从简单的数据收集向计算信任的根本转变[6]。物联网提供了实时可视性的感知层，而区块链则确保数据的不可篡改性和在整个供应链网络中的可操作性[19]。本节不仅探讨了基本定义，还深入研究了这两种技术之间的社会技术接口。

2.1. 预言机问题
当前系统面临的一个主要挑战是预言机问题，即区块链的可靠性取决于其外部数据的质量[7]。在库存管理中，物联网传感器扮演预言机的角色，如果传感器被篡改或报告不准确的温度数据，区块链会永久记录这一错误[8]。解决这一问题需要可信的硬件-软件接口。参考文献[20]表明，使用基于Intel SGX的分布式预言机可以确保仓库级别捕获的数据在触发智能合约之前得到验证和安全处理。这一交叉点至关重要，因为它将物联网从监测工具转变为自动化库存融资的法律相关数据来源[21]。

2.2. 透明度与隐私
企业在实现端到端可追溯性与保护专有数据之间面临着持续的矛盾，这在区块链支持的供应链研究中是一大挑战[22]。尽管提出了诸如私有侧链和零知识证明等技术解决方案来缓解这一矛盾，但先前的研究表明这些方法往往会在可扩展性、互操作性和合规性方面带来权衡[23]。虽然物联网设备生成高速数据，但公司往往不愿在公共账本上共享敏感的竞争信息[10]。如表1所示，向工业5.0的转型通过价值驱动的社会技术框架解决了这一问题。通过将物联网与绿色区块链架构结合，企业可以在使用私有侧链保护商业机密的同时实现详细资产追踪[5]。这种结合创建了一个透明度-信任模型，在保持合规性的同时不暴露战略库存信息[3]。

2.3. 从反应式监控到自主物流
虽然物联网数字孪生技术和基于区块链的智能合约常被视为实现自主供应链的推动者，但由于治理挑战、互操作性限制以及对完全自动化决策中的责任问题，它们的可行性仍有争议[24]。在这种模型中，交互是功能性的。当物联网设备检测到阈值违规（例如冷链中的温度偏差）时，区块链会自动启动纠正措施（如施加处罚或重新排序库存），无需人工干预[1]。这种协作减少了延迟，提供了实时可见性，从而帮助快速解决问题并增强物流韧性[25]。

2.4. 组织和技术挑战、优势及研究空白
将物联网和区块链技术整合到组织系统中既带来了推动因素，也带来了障碍。常见的优势包括提升可见性、自动化决策、减少欺诈和提高可持续性追踪[26]。物联网与区块链之间的技术合作实现了强大的数据认证、去中心化协调以及由人工智能和数字孪生技术支持的预测分析[27]。然而，多项研究也指出了严峻的障碍。从技术角度来看，互操作性标准有限、共识机制的延迟问题以及区块链验证的高计算成本阻碍了实时响应[28]。组织层面，对变化的抵触、不愿共享数据以及缺乏统一的治理框架也阻碍了跨行业合作[29,30]。此外，尽管物联网生成了大量运营数据，但区块链的不可篡改存储需求引发了可扩展性和隐私方面的问题，需要创新解决方案，如离链存储、轻量级加密和混合共识协议[28]。表2总结了从文献中提取的主要主题、优势和挑战。

2.5. 概念和理论基础
本研究运用技术组织环境（TOE）框架来解读物联网-区块链采用的模式。技术背景下，结果表明预言机问题仍然是从原始可见性向计算信任过渡的主要瓶颈[7,45]。从环境角度来看，2024至2025年间“可持续性”和“可追溯性”关键词的增加表明外部监管压力是企业采用集成架构的主要驱动力。此外，通过行动者网络理论（ANT）的视角，物联网-区块链整合被视为人类和非人类行为者的网络。当物联网传感器（非人类行为者）成功将物理事件“转换”为账本上的数字证明时，信任的转移就发生了，使人类管理者能够利用这些数据为工业5.0的韧性做准备[46]。

2.6. 综合与知识空白
先前的研究证实了物联网和区块链技术在实现实时库存可见性和可追溯性方面的巨大潜力[47,48]。然而，仍然存在三个核心的知识空白。首先，缺乏文献计量学上的整合，无法描绘物联网（IoT）与区块链（Blockchain）融合在各个行业及不同时期的学术成果演变过程。其次，概念上的碎片化依然存在，工业、农业和物流领域提出了多种独立的框架，但这些框架之间缺乏交叉验证。第三，对集成部署的实证评估有限，限制了理论框架在实践中的普遍适用性。本研究通过结合VOSviewer和Biblioshiny的B-SLR方法来填补这些空白，以绘制知识结构、主题集群和研究演变图谱。通过将文献计量学证据与系统的定性分析相结合，本研究提供了一个全面的理论和概念框架，为未来研究物联网与区块链的集成提供指导，以实现透明、实时和可持续的供应链运营。

3. 材料与方法
3.1. 研究设计与框架
本研究采用了[49]提出的B-SLR方法，并由[50]进行了进一步改进，旨在将定量文献计量学的严谨性与定性分析的深度结合起来。选择B-SLR框架是为了确保方法论的透明度、可重复性和概念的稳健性，从而探索物联网与区块链技术在实时 inventory 可视性和可追溯性方面的融合。综述过程遵循了[49]描述的十步协议，整合了文献计量可视化与系统内容分析，以绘制出版动态、知识结构和新兴主题集群。这与最近的方法论指导[51,52]保持一致。首先，我们对文献进行了审查，以确定代表性关键词、边界条件以及可复制的纳入-排除矩阵。研究设计遵循了PRISMA 2020系统评价框架[53]（见补充材料），以提高文章选择和报告的透明度。整个研究过程遵循了一个结构化的多阶段协议，如图1所示。图2总结了整个流程，展示了导致最终文献库的顺序筛选和选择步骤。
3.2. 数据来源与搜索策略
本研究遵循[49]建议的B-SLR协议，采用多数据库搜索策略以确保文献的全面性和无偏性。文献数据来自两个主要的高影响力数据库Scopus和Web of Science (WoS) Core Collection。这些数据库因其广泛覆盖物流、信息系统和工业工程领域的同行评审期刊而受到选择[18]。初始搜索范围包括传感层（IoT）、信任层（Blockchain）和应用背景（Inventory/Traceability）的多种同义词。最终的布尔搜索字符串应用于标题、摘要和关键词（见表3）。
3.3. 选择标准与质量评估
筛选过程遵循PRISMA 2020指南，以确保选择高质量、相关的文献[53]。如图2中的PRISMA流程图所示，识别阶段从Scopus和WoS中获得了146条记录。去除46条重复记录后，剩余100条记录用于标题和摘要的初步筛选。在初步筛选阶段，根据物联网与区块链在供应链环境中的融合范围，对每条记录进行了标题和摘要的评估[56]。为了确保严谨的选择过程，并基于证据，41条记录因不符合核心研究目标或超出特定物流领域范围而被排除。最终有59篇报告进入全文资格评估阶段。根据[57]提出的方法论，对每篇剩余文献进行了概念和实证贡献的审查，以评估其对实时 inventory 可视性的贡献。质量评估重点关注技术整合的深度以及与工业5.0框架相关的管理见解。最终排除阶段剔除了那些经过仔细审查后缺乏本研究所需特定属性的论文。具体来说，有5篇记录因缺乏明确的供应链或物流应用而被剔除，4篇因未能展示物联网与区块链技术的直接整合而被排除，还有1篇因缺乏实时或监控背景而被剔除。这种系统的精细化过程确保了最终文献库（49篇论文）代表了该领域最重要的和相关性贡献。这49篇论文的文献量超过了文献计量学审查的阈值，从而能够进行可靠的聚类和理论构建[50,58]。与[59]的方法一致，这个最终的数据集为本研究后续章节中的科学映射和聚类分析提供了必要的文献计量学和主题深度。纳入-排除过程遵循了文献评价的既定方法论标准[60,61,62]。筛选阶段的详细信息见表4。
3.4. 筛选与可靠性评估
筛选过程由两位独立研究人员进行，以最小化选择偏差，符合方法论建议。使用Krippendorff的alpha系数计算了最终49篇论文选择的编码者间一致性，得分为0.89。编码者之间的分歧通过迭代讨论达成共识；当无法立即达成一致时，由资深研究人员担任仲裁者，以确保公正的决策和方法论的一致性[63]。数据精化阶段包括使用基于R的Bibliometrix软件包（版本5.2.1）进行系统的交叉验证，以确保元数据的准确性[64]。这些工具用于严格的去重和文献细节的清理，如合并作者名称和机构隶属关系。这一过程对于保持透明度和确保后续文献计量可视化的准确性至关重要[59]。
3.5. 文献计量学分析
文献计量学分析使用VOSviewer（v.1.6.20）[59]和Biblioshiny进行，以作者关键词的共现作为聚合标准[65]。这种方法能够识别高频术语和共同引用集群，反映知识和主题结构。还进行了合著者和引用分析，以确定该领域的领先学者、国家和地区及期刊。在随后的系统分析阶段，对每个集群进行了定性审查，以解读其概念焦点、理论对齐性和新兴研究轨迹。内容共现方法[65,66]有助于详细理解物联网与区块链集成在技术、组织和战略维度上的关系。最终的conceptual 合成遵循了[67]的指导，平衡了理论构建的严谨性和实证概括。
3.6. 文章选择的PRISMA框架
文章选择过程严格遵循PRISMA 2020声明[53]，如图2所示。该流程包括四个顺序阶段：识别、筛选、资格评估和纳入，以确保透明度和可重复性。研究从146条记录开始，逐步筛选出符合所有资格标准的49篇论文。
3.7. 理论化与概念构建
理论构建的边界采用概念驱动的推理[51]和基于文献计量分析所得到的集群的演绎映射方法来定义。最终框架整合了技术（物联网与区块链集成）和组织（可见性-可追溯性治理）的视角，为推进供应链数字透明性理论提供了基础。将文献计量可视化与系统内容解读相结合的结构性过程确保了本研究不仅能够描绘知识现状，还能识别关键空白和未来研究方向，以开发智能、可信和可持续的库存管理系统。TOE（Technological Adoption Environment）被选中，因为它能够跨技术、组织和环境层面结构化采用动态；ANT（Actor-Network Theory）则捕捉传感器、账本和人类行为者之间的社会技术互动——这些是能力或机构聚焦的理论所不涉及的维度。TOE和ANT以互补的方式被用来解释文献计量模式。TOE结构揭示了技术、组织和环境层面的采用动态，使驱动因素和障碍在关键词集群和主题图中得到分类。相反，ANT关注关系机制，解释了非人类行为者（如物联网传感器、区块链验证器、智能合约）和人类行为者如何在这些集群中共同构建信任和可见性。这种双重视角避免了重叠。TOE提供了情境决定因素的宏观视角，而ANT提供了社会技术转化过程的微观解释，共同构建了透明度-信任-效率模型的多层次解读。

4. 结果
4.1. 描述性分析
如表5和图3所示，最终文献库包括2019年至2025年间发表的49篇同行评审期刊文章。Scopus的数量从2019年的1篇增加到2025年的11篇，而Web of Science的数量在同一时期从0篇增加到8篇，反映了近年来学术兴趣的加速增长。数据显示学术兴趣呈现显著上升趋势，年增长率为63.35%。虽然2019年和2020年该领域的产出极少，每年仅有一篇论文，但2021年出现显著增长，达到6篇论文。2022年和2023年略有稳定，每年四篇论文，2024年迅速增加至14篇，2025年达到19篇。这种加速表明物流学科内部迫切需要整合传感和账本技术，以提高供应链的韧性。
4.1.2. 被引用最多的论文
引用次数分析衡量了特定研究在物联网与区块链集成领域的学术影响和基础作用。引用值经过标准化和时间调整，而不是原始计数，以确保跨年份的公平比较。表5列出了文献库中被引用次数最多的十篇论文。为了进一步了解研究的地理分布，应用了标准化引用指标和原始引用次数。这种调整将每篇论文的引用次数相对于其发表年份的平均值进行了缩放，确保较旧的、高引用量的论文不会不成比例地占主导地位，同时确保近期贡献在趋势和影响分析中得到公正代表。表6显示了各国论文的引用情况。如表6所示，[68]发表在《物流》期刊上的文章目前拥有最高的总引用次数，这使其成为在供应链透明度方面整合数字技术的开创性工作。尽管较旧的论文往往累积更多的总引用次数，但每年的总引用次数（TC）这一指标反映了研究的当前影响力。值得注意的是，[24]的工作具有最高的年均引用次数（29.50次），这反映了其与当前关于离岸制造和数据可追溯性讨论的紧密相关性。此外，标准化TC得分（将引用次数调整到该年的平均水平）进一步证实了[24]的工作显著优于其同行，表明在建筑环境中技术整合的趋势正在加强。表7中的数据显示，中国和英国是这一领域高影响力研究的主要中心，两者合计占总引用的50%以上。虽然中国在总引用量上处于领先地位，但英国的平均文章引用率高达83%，表明基于英国的出版物极具影响力和集中度。这种模式表明，尽管研究产出在地理上具有多样性，包括来自埃及、孟加拉国和摩洛哥的新贡献，但智力领导地位仍集中在拥有成熟工业4.0和5.0基础设施的地区。这一分布情况证明了全球范围内通过数字手段提高物流透明度的努力，同时也指出了在实施这些复杂技术时可能存在的数字鸿沟。

表8中的纵向分析总结了作者的产出情况，突显了物联网（IoT）和区块链集成领域内学术影响力和主题多样性的演变。参考文献[24]是一位极具影响力的贡献者，其总引用次数（59次）和年均引用次数（29.5次）均位居最高，占该组总引用影响的近30%。[77]在2024年和2025年发表的关于工业元宇宙和数字孪生工厂的论文共获得了30次引用，显示出研究轨迹的一致性。同样，参考文献[78]（2024年、2025年）通过探讨库存管理的复杂性以及向制药4.0的过渡，展示了主题的连续性。数据还反映了广泛的行业扩展，例如[79]关注智能农业和食品安全，而Ababio、Abdellah和Abbas在2025年的最新贡献表明了向安全工业数字孪生和可持续建筑框架的持续发展趋势。

4.2. 该领域的智力结构
为了进一步描绘研究领域的智力结构，本节分析了随时间变化的引用表现和核心出版物的分布情况。引用的时间分布提供了关于学术影响最高时期的见解。如表9所示，2019年至2025年期间，每篇文章的平均总引用次数（MeanTCperArt）和每年的平均总引用次数（MeanTCperYear）有所不同。数据显示，尽管出版物数量在2024年和2025年达到峰值，但最高的年均引用影响发生在2020年至2021年之间。这表明物联网-区块链集成的基础框架是在这一时期建立的，从而促进了随后研究产出的激增。最近几年（2024-2025年）引用次数较低，归因于“引用时间滞后”效应，即新论文需要更长时间才能被索引和被后续研究引用，而不是因为学术相关性不足。

为了确定该领域最具影响力的期刊，图6应用了布拉德福德定律（Bradford’s Law），根据期刊的生产力将其分为三个区域。根据这一定律，一小部分核心期刊（第1区）提供了某一特定主题的最高文章集中度。分析确定了第1区的12篇核心期刊，这些期刊总共发表了大约三分之一的文章（n = 49篇）。第1区的领先来源包括：

图6. 根据布拉德福德定律确定的核心期刊。该图表展示了应用布拉德福德定律来识别提供最高出版物集中的前十篇核心期刊。
IEEE Access（4篇文章）
国际服务科学、管理、工程和技术杂志（2篇文章）
开放创新：技术、市场和复杂性杂志（2篇文章）
Oeconomia Copernicana（2篇文章）
Sensors（2篇文章）

核心期刊的分布反映了多学科的关注点，涵盖信息技术、管理科学和传感器技术。这种多样性支持了审稿人的观察，即整合物联网和区块链以实现实时可见性不仅仅是一项技术挑战，也是一个跨学科的管理问题。核心区域中高影响力期刊的存在进一步验证了文献选择过程的方法论严谨性。

4.3. 概念结构
通过共词分析（Co-Word Analysis）来研究该领域的概念结构，以识别主导主题和物联网-区块链整合的认知架构。该分析通过关键词的频率和共现来揭示核心概念在科学话语中的联系。图7中的词云可视化了包含的49篇文章中最突出的术语。每个词的大小对应于它在文献中的出现频率，突出了区块链和物联网的核心作用。其他关键术语，如人工智能、可追溯性和智能合约，表明在实时库存可见性的背景下经常讨论的具体技术领域和应用。

图7. 词云。为了提供更详细的定量视角，图8展示了词频分析。这些数据确认区块链是最频繁出现的关键词，出现了29次，其次是物联网，出现了15次。其他值得注意的术语包括区块链（10次）、人工智能（8次）和物联网（6次）。诸如挑战、可追溯性和信息管理这样的高频术语（各出现5次）表明了学术界在解决运营障碍和增强物流数据完整性方面的浓厚兴趣。新兴技术如机器学习和智能农业以及已建立的概念如供应链管理的出现，展示了该领域从通用技术描述向专门行业应用的扩展。

图8. 作者随时间的生产情况。

4.4. 主题地图
主题地图根据中心性和密度将研究主题分为四个不同的象限。中心性代表一个集群与其他网络部分之间的互动程度，是衡量某个主题在整个研究领域发展中的重要性的指标。密度衡量了一个集群的内部强度，表明了一个特定主题的发展程度。

表10总结了聚类分析的结果，详细列出了每个识别出的主题组的Callon中心性和密度指标。文献计量分析确定了九个集群（表10）；六个核心集群（物联网、区块链、供应链、挑战、人工智能、信息管理）为概念综合提供了依据，而三个（机器学习、区块链技术、数字孪生）被视为调节因素/边界条件。区块链：以治理为中心；物联网：以自动化为中心；人工智能：以优化为中心；挑战：以风险为中心；供应链：以韧性为中心；数字孪生：以模拟为中心。这一定量评估为将主题分类为驱动型、利基型、基础型或新兴型提供了实证基础。

分析通过主题集群和网络可视化进一步阐明了研究领域的概念景观，这些工具将智力组件分类到不同的功能领域。这种系统的映射识别了关键词如何相互作用，形成了关于物联网-区块链整合的认知结构。

4.5. 社会结构
分析该领域的社会结构，以了解科学合作模式以及研究人员和地理区域之间的关系网络。这种分析提供了关于知识共享程度和物联网-区块链集成领域内学术集群形成的见解。

图10展示了作者合作网络，显示了研究人员之间的合作联系。网络分析揭示了几个明显的集群，特别是涉及[77]等作者的高密度群体。该群体内节点的接近性表明了持续的合作关系和对工业数字孪生及算法经济的共同研究重点。这些群体的存在表明，尽管研究在地理上具有多样性，但智力发展往往由本地化的专业知识中心推动。

表11详细介绍了这些合作的地理分布，展示了各国之间联合研究的频率。如表11所示，合作模式表现出强烈的区域聚焦，特别是在中欧和东欧。捷克共和国和斯洛伐克之间的合作最为紧密。此外，跨大陆的合作也在出现，例如英国和南非之间的合作，以及印度和中欧集群之间的合作。

这些结果表明，尽管全球对透明性-信任-效率模型的兴趣广泛，但研究的结构基础仍然根植于区域学术伙伴关系。然而，这也突显了需要更广泛的国际合作来标准化不同监管环境中的物联网-区块链架构。

总体而言，结果表明，关于物联网-区块链集成以实现实时库存可见性和可追溯性的学术研究已经进入了一个快速整合阶段，2024-2025年的出版物产出显著增加。该领域的概念核心围绕紧密关联的主题稳定下来，例如区块链、物联网、供应链、信息管理及挑战，同时涉及新兴前沿（例如数字孪生和工业4.0），这些前沿标志着从探索性试点向集成式社会技术架构的转变。引用和合作模式进一步表明，影响力集中在少数高影响力的贡献和区域研究枢纽上。可见性转化为计算信任，以及这种信任如何在现实世界约束下（隐私、可扩展性、互操作性和预言机可靠性）转化为运营效率。因此，下一节将直接基于这些观察到的集群和紧张关系来发展框架，然后通过选定的理论视角批判性地解释研究结果，并将其与现有文献进行对比，以揭示关键机制、边界条件和工业4.0物流实践的影响。4.6. 物联网-区块链透明度-信任-效率-供应链韧性理论模型 图11中的物联网-区块链透明度-信任-效率-供应链韧性理论模型将研究中识别的经验模式和主题结构综合成一个简洁、可测试的架构，该架构连接了四个分析上不同的层次：（i）透明度（物联网/传感）、（ii）信任（区块链/完整性）、（iii）效率（管理/执行）和（iv）供应链韧性（工业4.0的结果）。该模型旨在将实时数据采集转化为可验证的来源信息，快速自动化执行，并在遭受干扰时维持连续性和服务水平稳定性。文献计量学-系统研究结果表明，一个主要主题是区块链与物联网的紧密耦合，同时强调可追溯性和智能合约，以及新兴的数字孪生和工业4.0。这些分布要求采用分层设计，其中传感输出在操作上转化为完整性保证，进而转化为执行速度。因此，该模型明确了四个跨层机制（图11中显示的链接）：数据采集和可见性实现（实时库存可见性→透明度）；实时监控、物品级可见性和自动化数据捕获（物联网）被认为可以提高透明度，通过数据更新频率、跟踪精度和传感器可靠性来实现；数据完整性和来源保证（可追溯性→信任）；不可变账本、预言机验证和基于共识的验证（区块链）被认为通过确保来源信息和减少交易对手不确定性来提高信任。该机制明确解决了预言机问题——数据必须在链上承诺之前得到验证——因此预言机验证率、共识延迟和节点去中心化成为完整性关键绩效指标；自主执行和流程优化（技术集成→效率）。智能合约自动化和减少人工干预被认为可以提高效率，通过更快的智能合约执行速度、更短的交货前置时间和更低的库存差异率来体现。这一机制侧重于自主性（基于验证传感器输入的机器触发动作），直接将领域的重点从可见性转向管理速度上的可操作性。最后，韧性模块汇总了结果变量——中断恢复时间、服务水平稳定性和决策响应性——这些结果被强调为工业4.0下的实际前沿（适应性决策和人机协作）。2019-2025年出版物数量的加速以及核心来源围绕物联网-区块链主题的集中，证明了需要一个紧凑的分层模型而非分散的清单。通过对紧密关联的关键词集群（例如区块链-物联网-供应链）的经验识别，提供了构成框架（透明度、信任、效率）及其排序，模型将其编码为最终导致韧性的连续机制。该领域从监控向自动化的转变——以预言机可靠性和智能合约为核心特征——需要图10中显示的具体链接。因此，模型将可见性→可验证的来源信息→自主执行形式化，每一层都有研究人员和管理者可以直接衡量的关键绩效指标。这响应了需要可操作框架的需求，这些框架在提高透明度和信任的同时带来效率结果。新兴主题（数字孪生、以人为中心、社会技术治理）被整合为信任→效率→韧性路径的调节器，阐明了人机协作和适应性决策如何在干扰下稳定服务水平。该模型因此为工业4.0的韧性提供了一个前瞻性框架，可以纳入新能力（例如人工智能助手、联邦学习），而不改变核心机制。该模型通过物联网（透明度关键绩效指标）和区块链（信任关键绩效指标）实现技术背景；通过管理执行流程（效率关键绩效指标）实现组织背景；并通过监管和市场压力（体现在可追溯性和可持续性要求上）实现环境背景，这些因素影响了信任层的设计选择（例如共识吞吐量、去中心化）。通过将传感器、账本、预言机、验证器和智能合约视为将物理状态转化为数字承诺的非人类行为体，模型规定了成功的转换（验证数据→不可变记录→自动化行动）如何使人类管理者能够利用可信信息进行适应性决策。因此，ANT从叙事映射扩展到具有关键绩效指标（验证率、延迟、节点结构）的操作构建，这些指标诊断转换失败的地方如何降低信任和效率。透明度（物联网领域—传感层）。定义：在物品级别 granularity 上捕获和更新库存状态的程度，最小化盲点。实现方式：实时监控、物品级可见性、自动化数据捕获；关键绩效指标：数据更新频率、跟踪精度、传感器可靠性。较高的值意味着物理流动中的信息不对称性较低。信任（区块链领域—完整性层）。定义：记录的状态和来源信息的计算保证程度，这些状态和来源信息是防篡改的并且经过共识验证的。实现方式：不可变账本、预言机验证、基于共识的验证；关键绩效指标：预言机验证率、共识延迟、节点去中心化。当外部数据得到验证，并且链上承诺分布及时时，信任会增加。效率（管理领域—执行层）。定义：协调、调和和控制动作的自动化程度以及减少的手动摩擦。实现方式：智能合约自动化、减少人工干预、加快协调；关键绩效指标：智能合约执行速度、交货前置时间减少（百分比）、库存差异率。当验证状态触发自动化工作流时，效率得以体现，这些工作流压缩了周期时间和错误。供应链韧性（工业4.0结果）。定义：在干扰期间维持连续性、快速适应决策并通过人机协作保持服务水平的能力。实现方式：干扰期间的连续性、适应性决策、人机协作；结果：中断恢复时间、服务水平稳定性、决策响应性。韧性是在不确定性下可信赖的可见性和快速执行的新兴属性。模型的排序（透明度→信任→效率→韧性）遵循经验共词结构，其中区块链作为中心节点，将传感输出与管理应用连接起来。主题地图表明，物联网-区块链集成同时具有核心性和密集性（主要主题）。包含预言机关键绩效指标解决了持续的可靠性瓶颈。包含执行速度指标（延迟、交货前置时间减少）反映了从可见性到可操作性的更广泛转变，韧性结果与该行业向能够抵御波动性的社会技术系统的发展轨迹一致。每个关键绩效指标都基于观察到的研究重点，并通过定量测量提供了一种 falsification（错误验证）的手段。该模型的贡献在于：（i）用因果机制取代了分散的列表，这些机制规定了数据采集如何成为可验证的来源信息，然后是自动化执行；（ii）在每一层嵌入可测量的关键绩效指标，以实现经验测试和管理指导；（iii）将TOE/ANT从描述性框架扩展到能够诊断故障点（传感不可靠性；验证差距；共识/合约延迟）的操作设计；（iv）将工业4.0的结果与具体的上游设计选择联系起来，从而将韧性作为透明度和信任的模型化结果，而不仅仅是修辞上的愿望。5. 讨论 本讨论解释了第4节报告的经验模式，并将其与图11中的分层机制（物联网-区块链透明度-信任-效率-供应链韧性理论模型）联系起来。我们综合了观察到的智力结构、主题集群和关键绩效指标如何共同回答研究问题1-3，并提供了具体的视觉工具以便于复制和管理采纳。物联网-区块链透明度-信任-效率-供应链韧性模型是从文献中分析得出的，旨在作为概念指南；实证验证仍是未来研究的重点。未来实证研究的操作化指导：为了便于实证测试，透明度-信任-效率-韧性模型中的每个构成都可以使用具体的指标和可复制的数据源进行操作化。透明度（物联网/传感）可以通过数据更新频率（事件/分钟）、跟踪精度（正确地理标记或条件标记物品的百分比）和传感器可靠性（故障/误报之间的平均时间）来衡量，使用设备日志、边缘网关和仓库管理系统（WMS）输出。信任（区块链/完整性）可以通过预言机验证率（由TEE/HSM或验证协议验证的传感器事件的比例）、共识延迟（区块/事务最终确定性的中位数）和节点去中心化（Herfindahl-Hirschman验证节点指数）来捕捉，利用账本遥测、验证器仪表板和预言机服务报告。效率（管理执行）可以通过智能合约执行速度（事件到动作的延迟）、交货前置时间减少（百分比）（相对于基线的订单交付周期压缩）和库存差异率（每1000件物品的不一致数量）来评估，使用ERP/WMS时间戳、流程挖掘跟踪和审计计数。韧性（工业4.0结果）可以通过中断恢复时间（恢复服务的时间）、服务水平稳定性（冲击下的填充率/OTIF方差）和决策响应性（中位数时间内的人工干预或异常处理）来评估，这些数据来自事件日志、服务级别关键绩效指标和控制室记录。在适当的情况下，研究人员应该将系统遥测（物联网、账本、ERP）与管理层调查（例如治理实践、人类监督协议）和围绕中断的事件研究相结合，以增强构建的有效性并减少单一方法偏差。结果（第4.1节、第4.2节、第4.3节和第4.4节）显示出围绕物联网-区块链纽带的明显整合，智能合约、可追溯性和预言机可靠性作为突出的使能子主题。这反映了整个领域的科学计量学映射，这些映射将区块链-物联网确定为核心主要主题，并强调了可扩展性、隐私和互操作性作为供应链部署的持续边界条件[85,86]。2024-2025年的文献计量学激增与行业从描述性试点向可实施的架构决策模型转变一致，用于选择预言机平台[87]、跨网络预言机互操作性[88]以及许可跨链交易的性能评估[89]。图12展示了物联网-区块链研究的主题演变，显示了从新兴的、分散的主题向更中心、成熟的研究流的明确进展。核心主要主题，如供应链中的物联网-区块链集成、智能农业和人工智能支持的物联网，表现出高中心性和密集性，表明它们作为该领域的主要推动力。相比之下，数字孪生和框架导向的研究仍被视为小众或新兴主题，反映了持续的概念发展，但整合到核心知识结构中的程度有限。基本主题，包括通用物联网和区块链应用，仍然非常相关，但内部凝聚力较低，表明它们具有基础重要性，但没有深入的理论整合。总体而言，该图表展示了从探索性技术实验向应用驱动、集成和以性能为导向的研究轨迹的转变，在2019年至2025年间实现了实时可见性和可追溯性。表12提供了集成框架的结构化比较。该表将文献分类到理论模型的四个层次，并确定了解决供应链紧张关系的具体技术合作。图12展示了物联网-区块链研究主题的演变，通过根据中心性和密度绘制主题，清楚地展示了向供应链和人工智能等巩固的主要主题的进展，同时将数字孪生识别为一个特定的小众领域，共同表明该行业从探索性试点向成熟、集成的研究流的转变。表12比较了集成框架及其技术属性。该表将回顾的文献分类到理论模型的四个层次——透明度、信任、效率和韧性——确定了解决供应链紧张关系的具体技术合作。它将主要技术映射到结果和机制到指标的胶囊，展示了集成框架如何解决关键问题，如预言机问题、互操作性和隐私冲突，以实现可衡量的物流性能。研究问题2询问了框架如何演变为提高实时供应链中的透明度、信任和效率。证据支持一个分层机制：透明度（物联网）→信任（区块链）→效率（执行）。透明度（物联网/传感）。实时监控和物品级捕获提高了数据更新频率和跟踪精度，但只有当传感器输出在链上承诺之前得到验证时，可见性才变得可操作。行业设计使用TEE/HSMs展示了安全的边缘传感，提高了物流流程中的完整性[93]。跨行业文献计量学也表明，IIoT安全作为可信赖可见性管道的前提日益重要[101]。信任（区块链/完整性）。信任取决于预言机的可靠性和共识的性能。多种架构解决了预言机问题：(i) MCDM决策支持用于选择安全、成本效益高的预言机平台[87]；(ii) VRF + 声誉系统用于挑选高质量的预言机节点，实证上减少了方差并提高了准确性[21]；(iii) 利用Intel SGX的分布式预言机确保数据完整性和可用性，即使在恶意服务器的情况下也能改善响应时间[20]。基于去中心化身份和ODE评分的声誉设计同时增强了隐私性和信任度[102]。同时，阈值签名和签密技术减少了拥堵，并保护传输数据免受窃听和量子攻击，实现了完整性与性能的平衡[103,104]。效率（管理/执行）方面，智能合约将经过验证的状态转化为自主行为，缩短了交货时间并减少了库存差异。对集成框架的评估强调了物联网（IoT）+ 人工智能（AI）+ 区块链（Blockchain）在预测分析、实时监控和安全数据交换方面的协同作用，共同提升了效率和决策速度[105,106]。智能合约带来的透明度提高了供应链的可审计性和响应能力，尽管需要解决可扩展性和兼容性方面的问题[107]。

RQ3探讨了指导理论发展和实践的新主题和方向。研究结果指出，以人为中心的治理、数字孪生体（digital twins）以及行业特定框架（例如农业食品、医疗保健、交通）是重要趋势，在这些框架中，保护隐私的认证机制和可审计的预言机控制能够在中断情况下稳定服务水平。链式可验证的认证支持不可否认性（non-repudiation）和自动化合规性，加强了复杂制造链中的可追溯性[96]。通过预言机实现的隐私保护车辆众包技术确保了可靠性和公平性，同时保持了计算效率，这表明以隐私为中心的预言机设计具有跨行业的普遍适用性[108]。在医疗保健领域， oracle数据流的完整性和多系统互操作性机制维护了数据的真实性，同时提升了性能[109]。将预言机视为服务组织，并按照现有的审计标准对其进行管理，可以为实现计算信任与机构责任之间的联系提供控制目标（收集、存储、转换、传输）[110]。这一治理层补充了技术保障机制，在受监管的供应链中至关重要。

互操作性和跨链协调方面，预言机中介的跨链方法实现了联盟区块链之间的安全双向数据交互，满足了跨异构账本进行B2B协调的实际需求[111]。保持个人信息的声誉系统和基于去中心化身份（DID）的评分系统进一步平衡了多方生态系统中的隐私性和信任度[102]。透明度 → 信任 → 效率 → 弹性的排序，这一顺序通过区块链作为从感知到管理应用桥梁的中心性得到了实证支持，并且通过行业部署得到验证——在验证数据触发自主协调的过程中得到了证实[112]。扩展TOE模型，可将采用前因转化为与KPIs相关的机械耦合；扩展ANT模型，则可以通过性能指标诊断非人类参与者（传感器、预言机、验证器、合约）的故障（如低认证率、高延迟），从而在它们影响服务稳定性之前发现问题。

综合分析揭示了所研究文献中的几个方法论弱点。首先，大多数贡献主要依赖于描述性的文献计量学映射或概念性提案，缺乏在现实世界环境中对集成IoT–Blockchain框架的实证验证。其次，几乎没有纵向设计，从而限制了对采纳轨迹和随时间变化的性能的洞察。第三，结合定量映射与定性案例证据的混合方法使用不足，降低了社会技术动态的解释深度。最后，互操作性和治理问题常常被视为技术挑战，而没有纳入组织或行为视角，这限制了提出解决方案的普遍适用性。通过采用多方法、考虑上下文的研究设计来弥补这些弱点是推进该领域发展的关键优先事项。

未来研究应扩展数据来源，采用纵向和混合方法设计，使用先进的标准化方法，标准化分类体系，并应用透明的编码者解决协议，以提高研究的严谨性和可重复性。在实际应用中，通过采用TEE/HSMs和完整性验证过滤器来强化从感知到账本的流程，以及通过基于预言机的跨链协议和共识调整来提升互操作性和吞吐量，从而提高弹性。研究结果提出了两个注意事项：(i) 2024–2025年研究的引用时滞提醒我们不要忽视那些尚未获得足够引用的新兴设计（如互操作性、预言机声誉机制）；(ii) 各行业在实证应用中的不平衡性表明需要开展能够报告KPI轨迹（认证率、延迟、执行速度、交货时间减少）和弹性结果的纵向试验。

该领域正迅速围绕物联网与区块链的整合展开，智能合约和预言机设计成为核心主题；互操作性、隐私性和可扩展性持续作为界限条件[86]。框架已从可见性发展为通过TEE/HSMs、VRF-声誉选择、分布式SGX预言机和阈值密码学实现的可验证来源和自主执行，从而在准确性、延迟和周期时间方面取得了可衡量的提升[20,21,93,104,105,106,107,112]。新兴方向强调以人为中心的治理、保护隐私的认证机制、可审计的预言机控制和跨链协议，这些措施能够在中断情况下稳定服务水平，并支持工业5.0的弹性[96,102,109,111,114]。

基于透明度–信任–效率–弹性连续体以及观察到的弱关联/新兴集群，我们提出了有针对性的研究问题，以指导下一阶段的研究：

**透明度（IoT/感知）**
RQ-T1：在不同供应链背景下，数据刷新频率和 item 级别的跟踪精度的变化如何影响下游信任指标（例如预言机认证率）？

**信任（区块链/完整性 & 治理）**
RQ-TR1：哪种预言机验证设计（例如TEE/HSMs、基于VRF的声誉系统）在保持可接受的共识延迟的同时最有效地提高认证率？
RQ-TR2：保护隐私的认证机制（例如可验证的认证、零知识证明ZKPs）如何改变多方物流中的透明度–隐私权衡，以及哪些治理协议可以在不泄露敏感数据的情况下实现可审计性？

**效率（管理执行 & 互操作性）**
RQ-E1：智能合约的执行速度和事件到行动的延迟在多大程度上能够转化为可衡量的交货时间减少和较低的库存差异率？
RQ-E2：哪些跨链或预言机中介的互操作性机制能够在保持异构联盟完整性的同时维持吞吐量（交易/秒）？

**弹性（工业5.0成果 & 人类监督）**
RQ-R1：人在其中的干预和异常处理协议如何影响自主物流环境中的中断恢复时间和服务水平稳定性？
RQ-R2：数字孪生体（以模拟为中心）在应对冲击时如何增强决策响应能力，其真实性应如何与现实世界的遥测数据对比进行评估？

**跨领域（未充分探索的集群和方法论进展）**
RQ-C1：标准化工作（数据架构、IoT/账本互操作性标准）如何减少术语分散，提高治理和能效主题的中心性？
RQ-C2：哪种纵向、混合方法设计最能捕捉多年部署中认证率、延迟和弹性KPIs的演变，以及组织因素如何影响这些变化？

每个问题都旨在通过结合系统遥测（IoT、账本、ERP/WMS）、治理文档（认证、审计日志）和事件轨迹的过程挖掘来进行实证研究，以实现跨行业的复制和比较分析。

**结论**
随着将物联网和区块链整合到供应链生态系统中的需求日益增长，企业越来越多地采用这些技术以提高透明度和运营弹性。要从这种转型中获得实质性的收益，需要在技术、组织和治理层面实现战略上的协同。尽管许多企业仍在努力解决互操作性和信任问题，但本研究提供了当前趋势的全面综述。它展示了分层框架如何提升工业5.0物流领域的效率和适应性。研究强调了物联网与区块链融合在提高透明度、信任和运营敏捷性方面的变革性作用。文献计量学分析显示，2019年至2025年间学术贡献急剧增加，中国和英国成为主要的知识中心，IEEE Access和Oeconomia Copernicana等期刊成为有影响力的出版平台。核心主题集群包括实时库存可见性、基于预言机的完整性机制和智能合约驱动的自动化，而新兴方向则关注数字孪生体、联邦学习和社会技术治理。理论视角如TOE和Actor–Network Theory被频繁应用于解释工业5.0框架内的采纳动态和弹性结果。本研究通过整合实证证据并构建TOE和ANT等主导概念方法，丰富了物联网与区块链整合的理论视角。它将见解组织为四个相互依赖的层面——透明度、信任、效率和弹性——阐明了技术采纳、治理机制和性能结果之间的系统性联系。此外，它还指出了关键差距，包括不足的纵向验证、有限的跨技术协同以及未充分探索的社会技术治理，为发展符合工业5.0原则和实际供应链弹性策略的集成模型奠定了基础。

尽管取得了显著进展，但当前研究仍存在实际应用、互操作性和资源受限环境下的准备不足等问题。未来的研究应优先考虑缓解整合障碍的策略，促进多利益相关者的合作，并将概念模型与运营实践相结合，以加速工业5.0驱动的供应链转型。通过整合文献计量学和主题性见解，本研究为学者和实践者提供了可操作的指导，帮助他们做出关于采用安全、透明和有弹性的数字框架的明智决策。定性研究的缺乏暴露了当前研究方法论上的局限性。由于过度依赖文献计量学和定量分析，目前缺乏证据来证明解释性方法能否提供更深入的组织动态和技术采纳过程的理解。因此，未来的研究应结合定性或混合方法设计，探索物联网与区块链框架如何影响现实供应链环境中的决策制定、治理实践和弹性策略。

本研究在三个关键方面取得了进展：对于理论发展，它将分散的构建整合为一个分层的物联网–区块链透明度–信任–效率–供应链弹性模型，为未来整合社会技术治理与技术机制的框架提供了概念框架；对于实证研究，它提供了每个构建的操作化指导；对于实践而言，它指出了未充分探索的领域（如数字孪生体和以隐私为中心的治理），这些领域可以通过纵向和混合方法研究生成更深层次的解释。通过将文献计量学证据与可操作的路径联系起来，本研究超越了描述性映射，为下一代理论驱动、实证验证且在工业5.0物流领域具有实际意义的研究奠定了基础。

以下支持信息可下载：
https://www.mdpi.com/article/10.3390/logistics10030057/s1，表S1：PRISMA 2020检查列表。