Методологические основы создания экспертных систем контроля и прогнозирования качества пищевой продукции с использованием интеллектуальных технологий. тема диссертации и автореферата по ВАК РФ 05.13.06, доктор наук Благовещенский Иван Германович

• Благовещенский Иван Германович
• доктор наук
• 2018

Оглавление диссертации доктор наук Благовещенский Иван Германович

ВВЕДЕНИЕ

ГЛАВА 1. МЕТОДОЛОГИЧЕСКИЕ ОСНОВЫ АНАЛИЗА ПОДГОТОВЛЕННОСТИ ТЕХНОЛОГИЧЕСКИХ ПРОЦЕССОВ (ТП) ПРОИЗВОДСТВА ПИЩЕВОЙ ПРОДУКЦИИ К ВНЕДРЕНИЮ ИНТЕГРИРОВАННЫХ ЭКСПЕРТНЫХ СИСТЕМ. ПОСТАНОВКА ЗАДАЧ ИССЛЕДОВАНИЯ

1.1. Особенности и закономерности ТП производства пищевой продукции, выбор наиболее типичных ТП

1.2. Исследование и анализ ТП кондитерского, мукомольного, молочного, и пивобезалкогольного производства производства как объектов

автоматизации

1.2.1. Анализ ТП производства помадных конфет, муки, сливочного масла и кваса

1.2.2. Классификация основных операций ТП производства пищевой продукции и выбор факторов, определяющих эффективность этих операций

1.2.3. Функционально-структурные схемы влияния показателей исходного сырья, промежуточных операций на качество готовой продукции в

процессе производства конфет, муки, сливочного масла и кваса

1.2.4. Функционально-структурные схемы технологических процессов производства пищевой продукции с указанием необходимых точек контроля и регулирования

1.3. Обзор существующих современных методов и средств автоматизации контроля качества сырья, полуфабрикатов и готовых изделий пищевой промышленности

1.3.1. Вкус

1.3.2. Цвет сырья, полуфабрикатов и готовой пищевой продукции

1.4. Роль интеллектуальных технологий

1.5. Выводы по 1 главе

1.6. Задачи исследования

ГЛАВА 2. ИНТЕЛЛЕКТУАЛЬНЫЕ ИНФОРМАЦИОННЫЕ СИСТЕМЫ (ИИС). АНАЛИЗ ВОЗМОЖНОСТИ ИХ ИСПОЛЬЗОВАНИЯ ДЛЯ АВТОМАТИЗАЦИИ КОНТРОЛЯ КАЧЕСТВА ПИЩЕВОЙ ПРОДУКЦИИ

2.1. Классификация ИИС

2.1.1. Задачи, решаемые ИИС

2.1.2. Классификация ИИС по назначению

2.2. Обзор и анализ научно-технической информации о развитии экспертных систем, нейросетевых технологий и систем компьютерного

зрения как важнейших направлений искусственного интеллекта

2.2.1. Экспертные системы

2.2.2. Нейросетевые технологии

2.2.3. Системы компьютерного зрения

2.3. Выводы по 2 главе

ГЛАВА 3. ИДЕНТИФИКАЦИЯ НЕСТАЦИОНАРНЫХ ДИНАМИЧЕСКИХ ПРОЦЕССОВ ПРОИЗВОДСТВА ПИЩЕВОЙ ПРОДУКЦИИ, ИХ СТРУКТУРНО- ПАРАМЕТРИЧЕСКИЙ АНАЛИЗ

И СИТУАЦИОННОЕ МОДЕЛИРОВАНИЕ ДЛЯ СОЗДАНИЯ ИЭС

3.1. Методика выбора количественного и качественного состава экспертов. Принцип формирования рабочей группы экспертов для проведения

тестового опроса

3.2. Идентификация ТП производства пищевой продукции с

нестационарными параметрами

3.2.1. Оценка диапазонов изменения входных значений для обеспечения стабилизации выходного показателя качества в заданном диапазоне

3.2.2. Параметрические модели нестационарных ТП

3.2.3. Алгоритмы идентификации

3.2.4. Структурная схема идентификации нестационарного ТП

3.3. Структурно-параметрический анализ ТП производства пищевой продукции

3.3.1. Структурно-параметрический анализ ТП производства ПГК

3.3.2. Структурно-параметрический анализ ТП производства муки

3.3.3. Структурно-параметрический анализ ТП производства сливочного

масла

3.3.4. Структурно-параметрический анализ ТП производства кваса

3.4. Разработка структурно - параметрических и математических

моделей основных стадий производства пищевой продукции

3.4.1. Методология построения структурно - параметрических моделей

(СПМ) основных стадий производства пищевой продукции

3.4.2. Разработка структурно - параметрических и математических

моделей основных стадий производства ПГК

3.4.3. Разработка структурно - параметрических и математических

моделей основных стадий производства муки

3.4.4. Разработка структурно - параметрических и математических

моделей основных стадий производства сливочного масла

3.4.5. Разработка структурно - параметрических и математических

моделей основных стадий производства хлебного кваса

3.5. Ситуационное моделирование ТП производства пищевой

продукции

3.5.1. Ситуационное моделирование ТП производства ПГК

3.5.2. Ситуационное моделирование ТП производства муки

3.5.3. Ситуационное моделирование ТП производства масла

3.5.4. Ситуационное моделирование ТП производства хлебного кваса

3.6. Выводы по 3 главе

ГЛАВА 4. АВТОМАТИЗАЦИЯ КОНТРОЛЯ ОРГАНОЛЕПТИЧЕСКИХ

ПОКАЗАТЕЛЕЙ КАЧЕСТВА ПИЩЕВОЙ ПРОДУКЦИИ

4.1. Методология создания модуля (программно-аппаратного комплекса)

автоматического контроля вкуса пищевых масс с использованием НСТ (на

примере линии производства ПГК)

4.1.1 Автоматизация контроля величины вкуса конфетных масс

4.1.2. Математическая постановка задачи контроля вкуса пищевых масс (на примере контроля величины кристаллов сахара в конфетных массах). Основные этапы ее решения

4.1.3. Нейросетевая модель виртуального датчика контроля величины вкуса пищевых масс (на примере кристаллов сахара в конфетных массах)

4.1.4. Алгоритмы работы модуля (программно-аппаратного комплекса) автоматического контроля и регулирования величины вкуса в процессе приготовления конфетных масс

4.2. Методология создания модуля (программно-аппаратного комплекса) автоматического контроля цвета пищевых масс с использованием СКЗ (на примере линии производства муки)

4.2.1. Вопросы цифровой обработки и распознавания изображений в задачах автоматизации контроля цвета пищевых масс (на примере линии производства муки)

4.2.2. Модуль обеспечения автоматического контроля цвета 244 пищевых масс на базе систем компьютерного зрения

4.2.3. Методика разработки алгоритма объективной оценки качества изображений в СКЗ оценки цвета пищевых масс

4.2.4. Блок - схема алгоритма принятия решения на соответствие цвета муки эталонному значению

4.2.5. Модель системы обработки визуальной информации

4.2.6. Техническое обеспечение системы компьютерного зрения

4.3. Выводы по 4 главе

ГЛАВА 5. ИССЛЕДОВАНИЕ И МОДЕРНИЗАЦИЯ АСУТП

ПОТОЧНЫХ ЛИНИЙ ПРОИЗВОДСТВА ПИЩЕВОЙ ПРОДУКЦИИ

5.1. Исследование и модернизация схем автоматизации основных ТП

производства ПГК

5.1.1 Схема автоматизации подготовки сырья к производству (очистка и

сортировка)

5.1.2. Схема автоматизации приготовления сахарного сиропа

5.1.3. Схема автоматизации приготовления помадного сиропа

5.1.4. Схема автоматизации сбивания помадных масс

5.1.5. Схема автоматизации пиготовления конфетных масс

5.1.6. Схема автоматизации формования корпусов конфет

5.1.7. Схема автоматизации глазирования корпусов конфет

5.1.8. Разработка схема автоматизации завертки и упаковки ПГК

5.1.9. Исследование и модернизация схемы автоматизации поточной

линии производства отливных глазированных ПК

5.2. Исследование и модернизация схемы автоматизации поточной

линии производства муки

5.3. Исследование и модернизация схемы автоматизации поточной

линии производства масла

5.4. Исследование и модернизация схемы автоматизации поточной

линии производства хлебного кваса

5.5. Выводы по 5 главе

ГЛАВА 6. МЕТОДОЛОГИЧЕСКИЕ ОСНОВЫ ПОСТРОЕНИЯ

ИЭС КОНТРОЛЯ ПОКАЗАТЕЛЕЙ КАЧЕСТВА ПИЩЕВОЙ

ПРОДУКЦИИ В ПРОЦЕССЕ ПРОИЗВОДСТВА

6.1. Классификация существующих экспертных систем

6.2. Этапы разработки ИЭС и решаемые ими задачи

6.3. Средства разработки различных экспертных систем

6.4. Оболочки экспертных систем

6.5. Методика разработки и отличительные особенности ИЭС контроля показателей качества пищевой продукции в процессе производства

6.6. Разработка баз данных ИЭС контроля в потоке показателей качества

пищевой продукции

6.6.1. Постановка задачи на проектирование БД предметной области

6.6.2. Построение интегрированной концептуальной модели

предметной области (КМПО)

6.6.3. Разработка автоматизированной системы обработки данных

6.6.4. Создание приложения и архитектура БД

6.7. Формирование базы знаний ИЭС контроля качества пищевой продукции

6.7.1. Структура и функции системы баз знаний

6.7.2. Уровни, способы, методы и языки представления знаний для ИЭС. 313 Требования к языкам представления знаний

6.7.3. Модели представления знаний

6.7.4. Семантические сети

6.7.5. Основные показатели качества изображений передаваемого модулем

СКЗ в ИЭС

6.8. Выводы по 6 главе

ГЛАВА 7. ИЭС КОНТРОЛЯ И ПРОГНОЗИРОВАНИЯ КАЧЕСТВА ПИЩЕВОЙ ПРОДУКЦИИ С ВОЗМОЖНОСТЬЮ ОПЕРАТИВНОГО УПРАВЛЕНИЯ ХОДОМ ПРОЦЕССОВ ЕЕ ПРОИЗВОДСТВА

7.1. Основные задачи, структура и этапы разработки ИЭС контроля и прогнозирования качества пищевой продукции в процессе производства

7.2. Построение нейросетевой ИЭС контроля в потоке и прогнозирования показателей качества пищевой продукции

7.3. Архитектура и основная концепция ИЭС контроля и прогнозирования качества пищевой продукции

7.4. Программная реализация ИЭС контроля показателей качества

пищевой продукции в процессе производства

7.4.1. Инструментальные средства создания ИЭС контроля качества

пищевой продукции

7.4.2. Методика формализации экспертных знаний в ИЭС контроля и прогнозирования качества пищевой продукции

7.4.3. Поддержка принятия решений ИЭС при автоматическом контроле и диспетчерском управлении ТП производства пищевой продукции

7.5. Подбор технических средств для реализации ИЭС контроля качества пищевой продукции

7.6. Интеграция ИЭС контроля показателей качества пищевой продукции

с АСУ ТП предприятия

7.7. Выводы по 7 главе

ОСНОВНЫЕ ВЫВОДЫ И РЕЗУЛЬТАТЫ РАБОТЫ

СПИСОК СОКРАЩЕНИЙ И УСЛОВНЫХ ОБОЗНАЧЕНИЙ

СПИСОК ЛИТЕРАТУРЫ

СПИСОК РАБОТ ПО ТЕМЕ ДИССЕРТАЦИИ

СПИСОК ИЛЛЮСТРАТИВНОГО МАТЕРИАЛА

ПРИЛОЖЕНИЕ 1 - Акт внедрения научно технической продукции

на ОАО «Рот Фронт»

ПРИЛОЖЕНИЕ 2 - Акт внедрения научно технической продукции

на кондитерских фабриках ООО «Объединенные

кондитеры»

ПРИЛОЖЕНИЕ 3 - Акт внедрения научно технической продукции

на ОАО «Мелькомбинат в Сокольниках»

ПРИЛОЖЕНИЕ 4 - Акт внедрения научно технической продукции

на ОАО «Молочный комбинат Воронежский»

ПРИЛОЖЕНИЕ 5 - Акт внедрения научно технической продукции

на ЗАО МПБК «ОЧАКОВО»

ПРИЛОЖЕНИЕ 6 - Акт внедрения научно технической продукции

на в НИИСМ МГТУ им. Н.Э. Баумана

ПРИЛОЖЕНИЕ 7 - Акт внедрения в учебный процесс результатов

диссертационной работы

ВВЕДЕНИЕ

Введение диссертации (часть автореферата) на тему «Методологические основы создания экспертных систем контроля и прогнозирования качества пищевой продукции с использованием интеллектуальных технологий.»

Актуальность темы

На современном этапе экономического развития Российской Федерации на первый план выходят проблемы повышения эффективности отраслей пищевой промышленности. Все более возрастают требования к повышению качества и конкурентоспособности отечественных продуктов питания.

Решение данных проблем в современных условиях возможно только на основе использования новейших научных достижений в области техники и технологии, обеспечения стабильности производственных процессов, оснащения поточно - механизированных линий современными средствами непрерывного автоматического контроля, регулирования и управления с использованием высокоэффективных интеллектуальных технологий.

Трудность решения этих задач обусловлена тем, что большинство приготавливаемых пищевых продуктов представляют собой сложные и неоднородные многокомпонентные смеси, состояние которых зависит от многих факторов (состава сырья, режимов работы оборудования, физико - химических, структурно-механических свойств и т.д.). Все это вызывает частые колебания параметров процессов приготовления многокомпонентных пищевых масс и не позволяет получать стабильный по качеству готовый продукт [ 9 ].

Поэтому проблемы автоматизации контроля в потоке и прогнозирования качества получаемой пищевой продукции, оптимизация режимов работы используемого оборудования на основе учета изменения параметров, определяющих ход протекания этих процессов, являются крупными теоретическими и практическими задачами, требующими первоочередного решения.

Для иследования возможности решения данной проблемы были выбраны, исследованы и проанализированы наиболее типичные технологические процессы кондитерского, мукомольного, молочного и пивобезалкогольного производства пищевой продукции, которая пользуется неизменным и все более возрастающим спросом у населения страны, объясняющимся их относительно невы-

сокой стоимостью и постоянно обновляемым ассортинметом [42, 52, 75]. Выбраны наиболее характерные пищевые производства твердой (помадные глазированные конфеты), сыпучей (мука), высококонцентрированной пищевой эмульсии (сливочное масло) и жидкой пищевой продукции (квас), представляющие собой большие группы самых разнообразных продуктов питания, которые регулярно потребляются практически всеми группами населения различных возрастов.

На основе всесторонних теоретических исследований состояния этих процессов производства, проведенных на базе разработанных функционально -структурных схем формирования качества производимой продукции, представлены разработанные методологические основы системного анализа исследуемых пищевых производств. Выявлены, обобщены, систематизированы и проанализированы особенности и закономерности изучаемых процессов, позволяющие разработать общие подходы к их исследованию и анализу с точки зрения обеспечения стабильности качества получаемой готовой продукции. Разработана обобщенная схема основных этапов подготовки анализируемых процессов к автоматизации и внедрению интеллектуальных технологий. Проведено комплексное изучение степени влияния различных факторов на состояние ТП, выявлены наиболее информативные параметры этих процессов.

На сегодняшний день накоплен достаточный практический и теоретический объем информации по автоматизации технологических процессов пищевых производств с использованием современных информационных технологий, которые проводили А.Н. Австриевских, С.И. Апанасенко , В.К. Битюков, М.М. Благовещенская, М.В. Жиров, Ю.А. Ивашкин, Е.Б. Карпин, А.Я. Красинский, А.Е. Краснов, О.П. Красуля, В.В. Макаров, В.В. Митин, Остапчук Н.В., Письменный В. В., И.К. Петров, Е.А. Прокофьев, А.В. Татаринов, В.Я. Черных, Е.Д. Чертов, А.В. Шаверин и др. [2, 4, 5, 8, 9 - 13, 15, 46 - 48, 33, 56, 74, 100, 101 и др.]. В настоящей работе был учтен и проработан опыт предыдущих исследова-

ний, использованы рекомендации, приводимые авторами перечисленных трудов.

Существующие в настоящее время методы оценки качества пищевой продукции далеки от совершенства, поскольку эта оценка осуществляется в лабораториях предприятий и, чаще всего, органолептическим путем. Органолепти-ческий контроль длителен по времени, обладает большим количеством недостатков [50, 63, 65, 90, 92, 102, 103]. За отсутствием профессиональных дегустаторов, а также вследствие несоблюдения на большинстве пищевых предприятиях условий проведения анализа, такая оценка может зачастую давать недостоверные и необъективные показания о качестве готовой продукции [4, 5, 59, 63, 65, 88, 90, 92, 100, 103]. Назрела необходимость повышения объективности контроля качества пищевой продукции, за счет внедрения высокоэффективных интеллектуальных технологий в производственный процесс и создания на их базе непрерывных автоматизированных систем контроля и управления.

Успешное решение этой задачи возможно при внедрении в производственный процесс интегрированных экспертных систем (ИЭС) контроля в потоке и прогнозирования показателей качества пищевых продуктов с использованием современных интеллектуальных технологий: искусственных нейронных сетей (ИНС) и систем компьютерного зрения (СКЗ). Создание и использование ИЭС является одним из концептуальных этапов развития автоматизации пищевой промышленности. В основе алгоритма работы экспертной системы заложена нейросетевая модель (НСМ), функционирование которой основывается на работе аппарата искусственных нейронных сетей (ИНС) и СКЗ. Создание такой системы позволит: непрерывно, в потоке контролировать и прогнозировать показатели качества полуфабрикатов и готовой продукции в течение всего технологического процесса; обеспечить стабильность производства пищевой продукции; существенно уменьшить уровень брака, снизить потери рабочего времени, сырья и энергии, повысить качество готовых изделий.

Исходя из вышеизложенного, тема диссертационной работы «Методологические основы создания экспертных систем контроля и прогнозирования качества пищевой продукции с использованием интеллектуальных технологий» является актуальным направлением развития пищевой промышленности, имеющим важное народнохозяйственное значение, а также актуальной научно-технической задачей специальности 05.13.06 - Автоматизация и управление технологическими процессами и производствами (в пищевой промышленности).

Диссертация соответствует паспорту специальности 05.13.06, а именно пунктам: «2. Автоматизация контроля и испытаний», «9. Методы эффективной организации и ведения специализированного информационного и программного обеспечения АСУТП, АСУП и др., включая базы и банки данных и методы их оптимизации» «12. Методы контроля, обеспечения достоверности, защиты и резервирования информационного и программного обеспечения АСУТП, АСУП и др.», «15. Теоретические основы, методы и алгоритмы интеллектуализации решения прикладных задач при построении АСУ широкого назначения».

Изложенное позволяет сделать вывод об актуальности темы диссертационной работы.

Цель работы.

Целью диссертационной работы является повышение эффективности управления технологическими процессами пищевых производств путем использования интеллектуальных технологий и разработки на их основе типовой интегрированной экспертной системы автоматического контроля в потоке и прогнозирования качества пищевой продукции на всех этапах ее производства с возможностью оперативного управления ходом этих процессов (на примере линий по производству помадных глазированных конфет, муки, сливочного масла и кваса).

Реализация поставленной цели требует решения следующих основных теоретических и практических задач исследования:

1. Проведение системного анализа современного состояния автоматизации контроля и прогнозирования качества пищевой продукции, существующего инструментария контроля и управления показателями качества сырья, полуфабрикатов и готовых пищевых изделий. Обоснование выбора направления исследования.

2. Разработка нового подхода, математической, информационной и программно-алгоритмической платформы, обеспечивающей создание нового класса интегрированных экспертных систем автоматического контроля в потоке и прогнозирования качества пищевой продукции на всех этапах ее производства с возможностью оперативного управления ходом этих процессов на основе использования интеллектуальных технологий.

3. Выбор адекватного математического аппарата и разработка на его базе структурно- параметрических, математических и ситуационных моделей, ориентированных на поддержку ИЭС процессов контроля, прогнозирования, принятия решений и обеспечения качества выпускаемой пищевой продукции.

4. Создание теоретических основ исследования, разработка и апробация методов, способов и алгоритмов построения устройств автоматического контроля органолептических показателей качества пищевой продукции в потоке с применением интеллектуальных технологий.

5. Разработка теоретических основ, методов и алгоритмов построения базы данных (БД), формирования и адаптации базы знаний (БЗ) для ИЭС контроля и прогнозирования качества пищевой продукции.

6. Разработка на основе предложенного подхода архитектуры, состава технических средств, информационного, математического, алгоритмического и программного обеспечения нейросетевой ИЭС автоматического контроля в потоке и прогнозирования качества пищевой продукции с возможностью оперативного управления ходом этих процессов для различных отраслей пищевой промышленности.

7. Разработка методологии, принципов, методов и алгоритмов создания и внедрения ЭС с интегрированными модулями контроля, прогнозирования качества выпускаемой пищевой продукции и экспертной поддержкой принятия решений.

8. Экспериментальная проверка методов, моделей, способов и результатов моделирования ТП производства пищевой продукции, а также разработанных принципов и методов создания информационно- советующих экспертных систем на действующих пищевых предприятиях.

Объектом исследования является типовые поточные линии по производству пищевой продукции и процессы сбора, анализа и обработки, в том числе экспертной информации, в задачах непрерывного контроля показателей качества этой пищевой продукции.

Предметом исследования и разработок являются совокупность теоретических, методологических и практических задач, связанных с созданием ИЭС контроля и прогнозирования качества пищевой продукции в потоке и соответствующее информационное, математическое, алгоритмическое и программное обеспечение.

Методы и средства исследований. Поставленные в работе задачи решены с использованием методологических и математических основ построения экспертных систем поддержки и принятия решений, методики построения реляционных баз данных, основных положений теории автоматического управления, теории нейронных сетей, теории цифровой обработки изображений, общих принципов математического моделирования, элементов теории искусственного интеллекта, методов системного анализа и математической статистики. Численная и графическая обработка результатов исследований производилась с применением Ма1ЬаЬ и лпу^ю.

Научная новизна и теоретическая значимость диссертации заключается в разработке нового научного направления в области автоматизации ТП пищевых производств, связанного с созданием интеллектуальных информацион-

но- советующих экспертных систем автоматического контроля в потоке и прогнозирования качества продукции с возможностью оперативного управления ходом этих процессов для различных отраслей пищевой промышленности. В настояще работе:

1. Предложены теоретические основы, методы, модели и алгоритмы интеллектуализации решения прикладных задач проектирования экспертных систем (ЭС) контроля и прогнозирования качества пищевой продукции, позволяющие сформировать множество альтернативных вариантов технической реализации ЭС с учетом полученных функционально-структурных схем влияния показателей исходного сырья, промежуточных операций на формирование качества различной пищевой продукции на всех стадиях производства с указанием необходимых точек контроля и регулирования.

2. Разработан комплекс структурно - параметрических, математических и ситуационных моделей по оценке влияния различных параметров технологических процессов производства конфет, муки, сливочного масла и кваса на качество пищевой продукции на всех стадиях ее производства и на их основе представлены базовые модели для реализации ЭС.

3. Разработан новый класс интеллектуальных устройств первичного сбора информации в потоке об основных показателях качества пищевых продуктов.

4. Разработаны системы положений, отражающие методологию создания виртуального модуля автоматического контроля вкуса пищевых масс с использованием нейросетевых технологий, а также способы интеграции данного модуля в ИЭС автоматического контроля и прогнозирования качества пищевой продукции с возможностью оперативного управления ходом процессов ее производства.

5. Разработаны системы положений, отражающие методологию создания интеллектуального модуля автоматического контроля цвета пищевых масс с использованием системы компьютерного зрения, а также способы интеграции

модуля в ИЭС контроля и прогнозирования качества пищевой продукции с возможностью оперативного управления ходом процессов ее производства.

6. Созданы интегрированные концептуальные модели предметных областей базы данных (БД) и базы знаний (БЗ) , полученные с использованием разработанных методик накопления специализированной БД и формализации полученных экспертных знаний, необходимых при проектировании ИЭС контроля, прогнозирования, диагностики хода ТП производства пищевой продукции и экспертной поддержки принятия решений.

7. Разработана на основе предложенного подхода концепция создания ЭС контроля и прогнозирования качества пищевой продукции с использованием интеллектуальных технологий, а также получены алгоритмы ее функционирования, архитектура, состав технических средств, математическое, информационное и программное обеспечение, экранные формы отчетов, обеспечивающих выполнение запросов к БД с учетом топологии сети, конфигурации аппаратных средств и используемой архитектуры.

Значение научных результатов для теории:

Важным научным результатом является также развитие теории и практики автоматизации промышленных пищевых производств на основе контроля в потоке органолептических показателей качества (вкус и цвет) пищевой продукции на всех этапах ее производства с возможностью оперативного управления ходом этих процессов для различных отраслей пищевой промышленности.

Созданная с использованием интеллектуальных технологий оригинальная типовая информационно- советующая экспертная система контроля в потоке и прогнозирования качества пищевой продукции позволяет осуществлять сбор, передачу, статистическую обработку, графическую визуализацию и хранение данных мониторинга качества этой продукции в процессе производства. Это совершенствует приборную базу методов контроля органолептических показателей качества пищевых продуктов.

В диссертации решена важная научно-прикладная проблема, имеющая большое народно-хозяйственное значение. Научные результаты, полученные в диссертации, доведены до практического использования в промышленных условиях.

Практическая значимость результатов исследования.

1. Развитие нового поколения средств автоматизации контроля в потоке слабоформализованных органолептических показателей качества пищевых изделий.

2. Разработка нейросетевой информационно- советующей экспертной системы, предназначенной для автоматического контроля в потоке и прогнозирования качества пищевой продукции на всех стадиях ее производства с определением требуемого управления, позволяющего стабилизировать процессы этого производства.

3. Разработка и программная реализация интеллектуальных модулей контроля основных органолептических показателей качества (вкуса и цвета) пищевой продукции в потоке.

4. Создание эффективного алгоритмического, математического, программного и методического обеспечения интегрированной информационно-советующей экспертной системы автоматического контроля в потоке качества пищевой продукции с интеллектуальными функциями прогнозирования, поддержки и принятия решений.

5. Разработка специальной нейросетевой модели, используемой в качестве интеллектуального ядра ИЭС контроля и прогнозирования качества пищевой продукции.

6. Разработка пользовательского интерфейса, обеспечивающего диалоговый режим работы ИЭС с оператором для выдачи рекомендаций по управлению ТП производства пищевой продукции.

7. Разработка схемы интеграции нейросетевой экспертной системы контроля и прогнозирования качества пищевой продукции с существующими на

пищевых предприятиях АСУ ТП на основе использования PDM-системы SMARTEAM.

8. Разработка рекомендаций для работников предприятий пищевой промышленности по использованию ИЭС в составе АСУТП производства пищевой продукции и подбору технических средств для ее реализации.

9. Разработка рекомендаций и учебно - методических материалов по построению ИЭС контроля и прогнозирования органолептических показателей качества пищевой продукции в потоке с возможностью управления ТП производства этой продукции.

Разработанные методы, модели, алгоритмы, структуры и программы прошли апробацию и были внедрены в конфетном цехе ОАО «Рот-Фронт» Холдинга «Объединенные кондитеры», а также на других кондитерских фабриках Холдинга ООО «Объединенные кондитеры», на ОАО «Мелькомбинат в Сокольниках», на ОАО «Молочный комбинат Воронежский», на ЗАО МПБК «ОЧАКОВО» и во ВНИИСМ МГТУ им. Н.Э. Баумана, что подтверждается соответствующими актами внедрения научно-технической продукции (Приложения 1, 2, 3, 4, 5 и 6). Полученные в рамках настоящего исследования научные и практические результаты диссертационной работы внедрены в учебном процессе кафедры «Автоматизированные системы управления биотехнологическими процессами» ФГБОУ ВО «Московский государственный университет пищевых производств» для студентов направлений подготовки «Автоматизация технологических процессов и производств» и «Управление в технических системах». Имеется соответствующий акт внедрения (Приложение 7).

Достоверность полученных в работе результатов подтверждается использованием методов системного анализа и теории принятия решений, экспериментальными исследованиями ТП производства пищевой продукции, проведенными в производственных условиях ОАО «Рот-Фронт» Холдинга «Объединенные кондитеры», на ОАО «Мелькомбинат в Сокольниках», на ОАО «Молочный комбинат Воронежский», на ЗАО МПБК «ОЧАКОВО» и во ВНИИСМ МГТУ

им. Н.Э. Баумана, а также обеспечивается совпадением расчетных данных и результатов эксперимента.

Положения, выносимые на защиту

1. Результаты анализа информационного обеспечения процессов производства пищевой продукции и проблем создания экспертных систем контроля и прогнозирования качества пищевых изделий на примере линий производства помадных конфет, муки, сливочного масла и хлебного кваса.

2. Методология разработки структурно- параметрических, математических и ситуационных моделей основных этапов ТП производства пищевой продукции различного агрегатного состояния (помадных конфет, муки, сливочного масла и хлебного кваса), являющихся основой создания ИЭС, позволяющих прогнозировать ход этих процессов и определять необходимые при этом режимы работы используемого оборудования.

3. Методология создания нового поколения средств автоматизации контроля в потоке слабоформализованных органолептических показателей качества пищевых продуктов; методы, алгоритмы, модели и программная реализация виртуальных и интеллектуальных датчиков контроля вкуса и цвета пищевой продукции, основные этапы решения этих задач с использованием нейросетевых технологий и систем компьютерного зрения.

4. Систематизация и модернизация ФСА на основе внесения в эти схемы новых решений по АК в потоке органолептических показателей качества пищевых материалов с использованием интеллектуальных технологий.

5. Методические основы проектирования специализированных БД и БЗ, позволяющих в режиме реального времени формировать данные, необходимые для функционирования ИЭС с получением интегрированных концептуальных моделей БД и БЗ предметной области; архитектуры, основных фаз и этапов проектирования БД и БЗ; программы обработки и передачи запросов, создание и обработки отчетов, программы управления приложениями;

6. Метод обучения и адаптации баз знаний для ИЭС, основанный на использовании адаптивных сетевых моделей.

7. Комплекс методов, алгоритмов, моделей и программ, обеспечивающих работу созданной нейросетевой интегрированной экспертной системы автоматического контроля и прогнозирования качества пищевой продукции с интеллектуальными функциями прогнозирования, поддержки и принятия решений, структура комплекса технических средств.

8. Методология разработки информационного, математического, программно-алгоритмического, технического и диагностического обеспечения интегрированных экспертных систем автоматического контроля и прогнозирования качества пищевой продукции

Апробация работы.

Основные положения диссертационной работы были обсуждены и одобрены на: международной НП конференции - выставке «Планирование и обеспечение подготовки и переподготовки кадров для отраслей пищевой промышленности и медицины», Москва, МГУПП, 2012 г.; Х Международной НП конференции "Автоматизация и информационное обеспечение производственных процессов в сельском хозяйстве", Углич, ГНУ ВИМ Россельхозакадемии, 2012 г.; международной конференции молодых ученых «Проблемы пищевой безопасности». Москва, МГУПП, 2013 г.; международной научной сессии НИЯУ МИФИ- 2014, Секция «Интеллектуальные системы и технологии», 27 января 2014 г.; X Всероссийской конференции молодых ученых по математическому моделированию и информационным технологиям, Кемерово, 18 - 19 сентября 2013г., СО РАН; УП-ой Всеукраинской НП конференции «Информационные технологии и автоматизация - 2014», Украина, Одесса, 16 - 17 декабря 2014 г.; У международной НП конференции " 21 век: фундаментальная наука и технологии " (« 21 century: fundamental science and technology V») ,10-11 ря 2014 г., North Charleston, USA ; Международной НП конференции «Автоматизация и управление технологическими и бизнес - процессами пищевой про-

мышленности», 15 - 17 апреля 2015 г., МГУПП; Международной научной конференции студентов и молодых ученых «Экологически безопасные, ресурсосберегающие технологии и средства переработки сельскохозяйственного сырья и производства продуктов питания», МГУПП, 2015; П-ой Международной НП конференции «Автоматизация и управление технологическими процессами пищевой промышленности», 18 - 20 мая 2016 г., МГУПП; Международной конференции «Современные биотехнологии в производстве продуктов питания», 11 - 13 октября 2016 г., МГУПП; Конференция с международным участием «Развитие пищевой и перерабатывающей промышленности России: кадры и наука», 11 - 12 апреля 2017 г., МГУПП.

На различных этапах выполнения содержание отдельных разделов, результаты исследований и диссертация в целом были доложены и получили одобрение на расширенных заседаниях кафедры «Автоматизированные системы управления биотехнологическими процессами» ФГБОУ ВО «МГУПП». Основная часть диссертационной работы выполнялась в рамках научной темы «Математическое, алгоритмическое и программное обеспечение автоматизации процесса контроля качества помадных конфет с использованием систем технического зрения и нейросетевых технологий», являющейся Победителем конкурса 2015 - 2017 года на получение стипендии Президента РФ молодыми учеными и аспирантами по направлению «Стратегические информационные технологии».

Публикации. По материалам диссертации опубликовано 96 печатных работ. Из них 2 монографии, 22 статьи в журналах, входящих в список ВАК, 5 - в других изданиях, а также 67 докладов в сборниках научных докладов международных конференций.

Структура и объем работы.

Диссертационная работа состоит из введения, 7 глав, заключения и списка используемой литературы (205 источников). Работа изложена на 418 страницах машинописного текста, содержит 153 рисунка, 108 таблиц и 7 приложений.

ГЛАВА 1. МЕТОДОЛОГИЧЕСКИЕ ОСНОВЫ АНАЛИЗА ПОДГОТОВЛЕННОСТИ ТЕХНОЛОГИЧЕСКИХ ПРОЦЕССОВ (ТП) ПРОИЗВОДСТВА ПИЩЕВОЙ ПРОДУКЦИИ К ВНЕДРЕНИЮ ИНТЕГРИРОВАННЫХ ЭКСПЕРТНЫХ СИСТЕМ. ПОСТАНОВКА ЗАДАЧ ИССЛЕДОВАНИЯ

Как отмечено во введении, в настоящее время все более возрастают требования к повышению качества и конкурентоспособности отечественных продуктов питания.

В соответствии с Федеральным законом от 2 января 2000 г. N 29-ФЗ "О качестве и безопасности пищевых продуктов" одним из основных требований к обеспечению качества и безопасности пищевых продуктов, материалов и изделий при их изготовлении (глава 1У, статьи 15 и 17) является постоянная организация в установленном порядке и проведение экспертизы их качества в процессе производства.

Список литературы диссертационного исследования доктор наук Благовещенский Иван Германович, 2018 год

- - 1

ж-аэ - - 1

*50 - - 1

*51 - - а

где: Х43 - объем поступающей помадной массы 7,5-8 т/час

Х44 - температура поступающей помадной массы 75-80 оС

Х45 - количество оборотов мешалки в темперирующей машине 50-60 в минуту

Х46 - температура воды в рубашке темперирующей машины 40-50 оС

Х47 - влажность поступающей взбитой помады 60-70 %

Y1км ( Х48) - температура конфетной массы, Т от 90—95°С;

Y2км ( Х49) - доля сухих веществ в конфетной массе, 16 - 18 %;

Y3км ( Х50) - цвет помадной массы после сбивания;

Y4км ( Х51) - величина кристаллов сахара в помадной массе (от 30 до 70 мкм).

Таблица 3.11

Матрица экспертных оценок связей между параметрами на стадии формования помадных конфет

где: X52- скорость выхода массы из матричного отверстия, Vm (от 9 до 15 мм/с);

«-• -2 _2 Х5з-реологические свойства помадных масс, РСМ (от 4х10 Пас до 32х10-2Пас);

Х54-температура помадной массы, поступающей на формование, (от 32 С0до 42 С0);

Х55- скорость транспортерной ленты при проведении эксперимента эксперимент была

постоянной, Утл - 22,7 мм/с, (может меняться от 20 до 24,5 мм/с).

Уфм (Х56)- высота конфетного жгута на выходе, h (от 0,8 до 1,2 мм);

У2фм (Х57) - изменение размеров кристаллов сахара в конфетных массах, S от 30 до 70 мкм; У1фм (Х58 ) - цвет полученных конфет, М.

После нахождения количественных сопоставимых характеристик связей, представленные в таблицах 3.5- 3.11 матрицы экспертных оценок наличия связей между параметрами на отдельных участках производства, ТП объединяются как диагональные миноры в структурно-параметрическую матричную модель всей технологической системы производства [81 - 83].

Проведенные экспериментальные исследования и полученные на кондитерском предприятии «Рот Фронт» статистические данные, позволили выявить основные входные параметры, параметры состояния и возмущающие факторы, влияющие на ход исследуемых ТП производства и качество ПГК. 3.3.2. Структурно-параметрический анализ ТП производства муки

В результате анализа исследований, приведенных в 1 главе (п.1.1 - 1.2, рисунок 1.12), а также по итогам опроса опытных специалистов - экспертов мелькомбинатов, были отобраны наиболее информативные параметры состояния ТП производства муки (см. таблицы 1.9 и 1.10) и составлены матрицы взаимосвязей между ними для каждой стадии этого производства.

В таблицах 3.12 - 3.14 в виде матриц экспертных оценок представлены результаты опроса экспертов на информативность параметров, оказывающих наибольшее влияние на показатели качества сырья, полуфабрикатов и готовой

продукции на всех стадиях ТП производства муки. Символом (•) обозначено наличие по мнению экспертов функциональной связи между входными и выходными переменными конкретного этапа ТП производства муки.

Таблица 3.12

Матрица экспертных оценок наличия связей между параметрами на стадии подготовки зерна к производству

Х1 Х2 Хз Х4 Х5 Хб Х7 Х8 Х9

Х1 1 • •

Х2 1 •

Хз • • 1 •

Х4 1

Х5 • 1

Хб • 1

Х7 1

Х8 • • • • • • • 1

Х9 • • 1

Где: Х1 ( и) - влажность зерна (з.) (не более 19%) Х2 ( I ) - температура хранения зерна (20-40°С) Х3 (ГС) - гранулометрический состав (крупность) з. (20-90 мк) Х4 (и ) - относительная влажность воздуха (20-90%) Х5 (рН) - стекловидность (не менее 60%) Х6 (К) - массовая доля клейковины з. (32 - 36%) Х7 (З) - засоренность (процент примесей) з. (не более 5%)

У1вз (Х8) - выходной параметр, характеризует качества зерна, поступающего на производство ПЗ: вкус зерна (нормальный, свойственный здоровому зерну пшеницы). У2цввз (Х9) - цвет и внешний вид зерна (нормальный, свойственный здоровому зерну данного типа).

Таблица 3.13

Матрица экспертных оценок связей между параметрами на стадии зерноочистки

Х10 Х11 Х12 Х13 Х14 Х15 Х16 Х17 1х 00 Х19

Х10 1 • • •

Х11 1 •

Х12 • • 1 • • •

Х13 • 1

Х14 • • • 1 • •

Х15 • • • 1

Х16 1

Х17 • • • • • • • 1

00 • • • 1

Х19 • • 1

Где: Х10 ( и) - влажность зерна (з.) ( не более 19%)

Хц ( ^ ) - температура воздуха (20-40°С)

Х12 (ГС) - гранулометрический состав (крупность) з. (20-90 мк)

Х13 (и ) - относительная влажность воздуха (20-90%)

Х14 ( п) - частота колебаний сита при сепарировании зерна (2,5-5 об/мин)

Х15 (0) - расход воздуха (при сепарировании зерна) (4200-8500 м /ч)

Х16 (до) - диаметр отверстий (отверстия круглые) сит 2,2 х 20 мм

Х17 (эо) - эффективность очистки зерна (75 - 80%)

У3пз (Х18) - выходной параметр, характеризует качества зерна, поступающего на производство ПЗ: вкус зерна (нормальный, свойственный здоровому зерну пшеницы). У4псп (Х19) - цвет и внешний вид зерна (нормальный, свойственный здоровому зерну данного типа).

Таблица 3.14

Матрица экспертных оценок связей между параметрами _на стадии размола зерна в муку_

Х20 Х21 Х22 Х23 Х24 Х25 Х26 Х27 Х28 Х29 Х30

Х20 1 • • •

Х21 1 •

Х22 • • 1 • • • •

Х23 • 1

Х24 • 1 • • • •

Х25 • • 1

Х26 • • • • 1 • •

Х27 • • • • 1 •

Х28 • • • •

Х29 • • • • • • • 1

Х30 • • • • • • 1

Где: Х20 (/ ) - влажность муки (м.) ( не более 19%) Х21 ( I ) - температура воздуха (25-40°С)

Х22 (ГС) - гранулометрический состав (крупность) муки (20-90 мк) Х23 (и ) - относительная влажность воздуха (20-90%) Х24 (Б ) - белизна муки (не менее 60%) Х25 (К) - кислотность муки. (32 - 36%)

Х26 (Кл) - количество и качество клейковины муки (не более 5%)

Х27 (Кл) - величина межвальцевого зазора (не более 5%)

Х28 (осв) - отношение окружных скоростей вальцов (не более 5%)

У5пз (Х29) - выходной параметр, характеризует качества муки, полученного после размола: вкус муки (нормальный, свойственный здоровому зерну пшеницы).

Убпсп (Х30) - цвет и внешний вид муки (нормальный, свойственный здоровому зерну данного типа).

После нахождения количественных характеристик связей, представленные в таблицах 3.12 - 3.14 матрицы экспертных оценок наличия связей между параметрами на отдельных участках производства муки объединяются как диагональные миноры в структурно-параметрическую матричную модель всей технологической системы производства [81 - 83, 148].

Проведенные экспериментальные исследования и полученные на мелькомбинате ОАО «Мелькомбинат в Сокольниках» статистические данные, позволили выявить основные входные параметры, параметры состояния и возмущающие факторы, влияющие на ход исследуемых технологических процессов производства муки и получаемого качества.

3.3.3. Структурно-параметрический анализ ТП производства сливочного масла

В результате анализа исследований, приведенных в 1 главе (п.1.1 - 1.2, рисунок 1.13), а также по итогам опроса опытных специалистов - экспертов молочных комбинатов, были отобраны наиболее информативные параметры состояния ТП производства сливочного масла (см. таблицы 1.11 и 1.12) и составлены матрицы взаимосвязей между ними для каждой стадии этого производства. В таблицах 3.15 - 3.19 в виде матриц экспертных оценок представлены результаты опроса экспертов на информативность параметров, оказывающих наибольшее влияние на показатели качества сырья, полуфабрикатов и готовой продукции на всех стадиях ТП производства сливочного масла.

Таблица 3.15

Матрица экспертных оценок наличия связей между параметрами на стадии приемки и подготовки молока к производству

Х1 Х2 Х3 Х4 Х5 Х6 Х7 Х8

Х1 1 • • •

Х2 1 • •

Х3 • • 1 • •

Х4 1

Х5 • • 1

Х6 • 1

Х7 • • • • • 1

Х8 • • • • • • 1

Где: Х1 ( ж) - жирность (м.) (2,5 - 3,2%)

Х2 ( I ) - температура хранения молока (2-25°С) Х3 (ГС) - плотность молока кг/м3(1024 - 1030) Х4 (и ) - относительная влажность воздуха (20-90%) Х5 (рН) - кислотность молока (16 - 18°Т, но не выше 20°Т) Х6 ( I ) - температура воздуха (20-40°С) У1вз (Х7) - выходной параметр, характеризует качества зерна, поступающего на производство ПЗ: вкус молока (приятный, слегка сладковатый).

У2цввз (Х8) - цвет и внешний вид молока (белый, со слегка желтоватым оттенком).

Таблица 3.16

Матрица экспертных оценок связей между параметрами на стадии очистки молока, охлаждении и резервировании_

Х9 Х10 Х11 Х12 Х13 Х14 Х15 Х16 Х17 1х 80

Х9 1 • • • • • •

Х10 1

Хц • • 1 • • • •

Х12 • • 1

Х13 • • • 1

Х14 1 •

Х15 • • 1

Х16 • 1

Х17 • • • • • • 1

8 • • • • • • 1

Где: Х9 ( ж) - жирность молока после очистки (м.) (2,5 - 3,2%) Х10 ( г ) - температура молока при очистке (35 - 450С ) Том Х11 (р) - плотность молока кг/м3(1024 - 1030) Х12 (рН) - кислотность молока (16 - 18°Т, но не выше 20°Т) Х13 ( п) - число оборотов сепаратора п (2,5-5 об/мин) Х14 (Т) - температура молока после охлаждения (8 0С ) Тмо Х15 (т) - время охлаждения т (2 - 2,5 часа)

Х16 (Т) - температура молока при резервировании (4 - 500С) Тмр

У3вм (Х17) - выходной параметр, характеризует качества молока, поступающего на сепарирование: вкус молока У4цм (Х18) - цвет молока.

Таблица 3.17

Матрица экспертных оценок наличия связей между параметрами

на стадии подогрева молока и сепарирования сливок

Х19 Х20 Х21 Х22 Х23 Х24 Х25 Х26 Х27

Х19 1 •

Х20 • 1

Х21 • • 1 •

Х22 • • • 1

Х23 • • • • 1 • •

Х24 • • • • • 1 •

Х25 1

Х26 • • • • • • • 1

Х27 • • • • • • • 1

Где: Х19 ( г ) - температура молока при подогреве (35 - 400С) Тмп Х20 (т) - время подогрева молока т (1,5 - 2,0 часа) Х21 (т) - время сепарирования сливок т (1,0 - 1,5 часа) Х22 ( п) - число оборотов сепаратора п (2,5-5 об/мин) Х23 ( ж) - жирность сливок (от 36,0 до 45%) Х24 (р) - плотность сливок кг/м3 (1020 - 1008) Х25 ( г ) - температура сливок ( не выше 10°С)

Y1вс (Х26) - выходной параметр, характеризует качества сливок-сырья, поступающего на пастеризацию: вкус сливок-сырья (выраженный сливочный, чистый, сладковатый). Y2цс (Х27) - цвет и внешний вид сливок-сырья (белый, с кремовым оттенком, однородный по всей массе).

Таблица 3.18

Матрица экспертных оценок связей между параметрами на стадии пастеризации и дезодорации сливок

Х28 Х29 Х30 Х31 Х32 Х33 Х34 Х35

Х28 1 •

Х29 • 1

Х30 1 •

Х31 • • 1

Х32 • 1 •

Х33 • • • • 1

Х34 • • • • 1

Х35 • • • • 1

Где: X28 ( t ) - температура сливок при пастеризации (85 - 900С) Тсп X29 (т) - время пастеризации т (не менее 5 часов)

X30 (т) - температура пара в вакуум-дезодорационной установке Тп (90 - 950С) X;?! ( п) - давление греющего пара Рп (0,02 - 0,06 МПа) X32 (т) - время дезодорации (не менее 3 часов)

Х33 ( t ) - температура сливок в дезодорационной установке Тсд ( 13 - 15°С) Y3пз (Х34) - выходной параметр, характеризует качества сливок, поступающих на термомеханическую обработку сливок: вкус сливок (нормальный, свойственный здоровому зерну пшеницы).

Y4псп (Х35) - цвет и внешний вид сливок (нормальный, с привкусом пастеризации).

Таблица 3.19

Матрица экспертных оценок связей между параметрами на стадии термомеханической обработке сливок

Х36 Х37 Х38 Х39 Х40 Х41 Х42 Х43 Х44 Х45 Х46

Х36 1

Х37 • 1 •

Х38 1 •

Х39 • • • 1

Х40 • • • 1 •

Х41 1

Х42 1

Х43 • • • • • • • 1

Х44 • • • • 1

Х45 • • • • • • • • 1

Х46 • • • • • • • • 1

Где: Х36 ( t ) - температура сливок на входе в маслообразовательную машину (700С ) Тс1. Х37 ( п) - число оборотов мешалки маслообразовательной машины п (2,5-5 об/мин) Х38 (у) - объем перерабатываемого продукта V м3 Х39 (т) - продолжительность сбивания т (1,5 - 2,0 часа) Х40 ( t ) - температура сливок при сбивании (7 - 120С ) Тсс

Х41 (Р) - рабочее давление продукта в маслообразовательной машине (0.4 Мпа) Р МПа Х42 ( г ) - температура воды в термостатической рубашке (не более 270С ) Тсс Х43 ( I ) - температура сливок на выходе из маслообразовательной машины (16,5 - 180С ) Тс2 Х44 ( ж) - жирность сливочного масла (от 9,0 до 20%))

У1см (Х45) - выходной параметр, характеризует качества полученного масла, поступающего на предварительную выдержку: вкус сливочного масла (10 баллов) (выраженный сливочный и привкус пастеризации, без посторонних привкусов и запахов).

У2цсм (Х46) - цвет и внешний вид сливочного масла (5 баллов) (поверхность на срезе блестящая, от белого до желтого,).

После нахождения количественных характеристик связей, представленные в таблицах 3.15- 3.19 матрицы экспертных оценок наличия связей между параметрами на отдельных участках производства сливочного масла, объединяются как диагональные миноры в структурно-параметрическую матричную модель всей технологической системы производства [81 - 83].

Проведенные экспериментальные исследования и полученные на ОАО «Молочный комбинат Воронежский» статистические данные, позволили выявить основные входные параметры, параметры состояния и возмущающие факторы, влияющие на ход исследуемых ТП производства сливочного масла и на качество готового продукта.

3.3.4. Структурно-параметрический анализ ТП производства кваса

В результате анализа исследований, приведенных в 1 главе (п.1.1 - 1.2, рисунок 1.14), а также по итогам опроса опытных специалистов - экспертов Московского пивобезалкогольного комбината (МПБК) «ОЧАКОВО», были отобраны наиболее информативные параметры состояния ТП производства кваса (см. таблицы 1.13 и 1.14) и составлены матрицы взаимосвязей между ними для каждой стадии этого производства.

В таблицах 3.20 - 3.29 в виде матриц экспертных оценок представлены результаты опроса экспертов на информативность параметров, оказывающих наибольшее влияние на показатели качества сырья, полуфабрикатов и готовой продукции на всех стадиях ТП производства хлебного кваса.

Таблица 3.20

Матрица экспертных оценок наличия связей между параметрами _на стадии подготовки сырья к производству_

Х1 Х2 Х3 Х4 Х5 Х6 Х7 Х8 Х9

Х1 1 •

Х2 •

Хз • • 1 •

Х4 1

Х5 • • • 1

Х6 • • 1

Х7 1

Х8 • • • • • • • 1

Х9 • • • • 1

Где: Х1 ( ^ ) - температура воздуха (10-30°С)

Х2 (<р ) - относительная влажность воздуха (20-70%)

Х3 ( ) - влажность солода (5,0 - 8,0%)

Х4 (рН) - кислотность солода, к.ед. (41 - 65)

Х5 ( I ) - температура солода (2-25°С)

Х6 (¿) - температура воды (10-40°С)

Х7 (ГС) - гранулометрический состав солода ( 120-250 мк)

У1вс (Х8) - выходной параметр, характеризует качество ржаного солода, поступающего на процесс приготовления концентрата квасноого сусла: вкус (вкус определяется по вытяжке и должен быть свойственным солоду, кисло - сладкий вкус) У2цввз (Х9) - цвет солода (2,5 - 3,0 балла ЕБС) (высокий показатель цвета при правильной технологии приготовления солода обычно соответствует высокому содержанию в нем ароматических веществ).

Таблица 3.21

Матрица экспертных оценок связей между параметрами на стадии приготовления квасного сусла

Х10 Х11 Х12 Х13 Х14 Х15 Х16 Х17 8 Х19 Х20 Х21

Х10 1 •

Х11 • 1

Х12 • • 1 • •

Х13 • • 1 • • • •

Х14 • 1 • •

Х15 • 1

Х16 • • • • 1 • •

Х17 1

8 1

Х19 • • 1

Х20 • • • • • • • • • • 1

Х21 • • • • • • • • • 1

Где: Х10 ( I ) - температура смеси при приготовлении квасного сусла Тв., С (26-30°С)

Х11 (и ) - относительная влажность воздуха Мв, % (20-90%)

Х12 ( -щ) - влажность солода (с.) (5,0 - 8,0%)

Х13 ( п) - число оборотов мешалки смесителя (2,5-5 об/мин)

Х14 (Тв) - температура воды в темперирующей рубашке смесителя Тв. (35 - 45 0С)

Х15 (ГС) - гранулометрический состав (крупность) солода (120-250 мк)

Х16 (т) - время перемешивания т (1,0 - 1,5 часа)

Х17 (О) - масса солода (Ос кг)

Х18 (О) - количество воды ^в кг)

Х19 (рН) - кислотность солода, к.ед. (41 - 65)

У3вкс (Х20) - выходной параметр, характеризует качество концентрата квасного сусла, поступающего на процесс приготовления кваса и его брожение: вкус (кисло - сладкий хлебный с незначительно выраженной горечью)

У4цкс (Х21) - цвет концентрата квасного сусла (темно- коричневый)

Таблица 3.22

Матрица экспертных оценок связей между параметрами _на стадии брожения квасного сусла_

Х22 Х23 Х24 Х25 Х26 Х27 Х28 Х29 Х30 Х31 Х32

Х22 1

Х23 1

Х24 1 •

Х25 • 1

Х26 • • 1

Х27 • • 1 • •

Х28 • • • 1

Х29 • • • • • • 1 •

Х30 • • • • • • • 1

Х31 • • • • • • • • 1

Х32 • • • • • • • • • 1

Где: Х22 (рН) - кислотность квасных дрожжей, к.ед. (41 - 65)

Х2з ( t ) - температура квасных дрожжей (20-40°С)

Х24 (ГС) - гранулометрический состав сахарного песка (20-90 мк)

Х25 ( w) - влажность сахарного песка (сп) (13,5 - 14,5%)

Х26 (ц) - цвет сахарного песка (белый)

Х27 ( п) - число оборотов мешалки смесителя (3,5-6 об/мин)

Х28 (Тв) - температура воды в темперирующей рубашке смесителя Тв. (30 - 32 0С) Х29 (т) - время брожения т (14 - 16 часов)

Х30 ( t ) - температура смеси в бродильном аппарате Тс, 0С (25-28°С)

У5вс (Х31) - выходной параметр, характеризует качества смеси кваса, поступающего на процесс осветления: вкус (кисловатый и освежающий с ароматом ржаного хлеба) У6цс (Х32) - цвет и внешний вид смеси кваса после брожения (имеет коричневый цвет с красноватым оттенком).

Таблица 3.23

Матрица экспертных оценок связей между параметрами на стадии осветления

Х33 Х34 Х35 Х36 Х37 Х38 Х39 Х40

Х33 1 •

Х34 1

Х35 • 1 • •

Х36 • • 1 •

Х37 • • • 1

Х38 • 1

Х39 • • • • • • 1

Х40 • • • • • • • 1

Где: Х33 (рН) - кислотность кваса после брожения, к.ед. (41 - 65) Х34 ( t ) - температура кваса после брожения (20-40°С)

Х35 ( п) - число оборотов мешалки в аппарате для осветления п (3,5-6 об/мин)

Х36 (Тв) - температура воды в темперирующей рубашке аппарата для осветления Тв (35 - 45 0С)

Х37 (т) - время перемешивания т (3,0 - 3,5 часа)

Х38 ( О ) - количество осветлителя Оо, (3% от объема поступившего после брожения полуфабриката)

У7во (Х39) - выходной параметр, характеризует качества смеси кваса, поступающего на процесс дображивания и охлаждения: вкус (кисловатый и освежающий с ароматом ржаного хлеба)

У8цо (Х40) - цвет и внешний вид смеси кваса после брожения (цвет - от слабо- коричневого до темно-коричневого).

Таблица 3.24

Матрица экспертных оценок связей между параметрами на стадии дображивания и охлаждения

Х40 Х41 Х42 Х43 Х44 Х45 Х46 Х47 Х ОО Х49 Х50 Х51

Х40 1

Х41 1

Х42 • • 1

Х43 • • 1

Х44 • • • 1

Х45 • • • 1 • •

Х46 • • 1

Х47 • • • 1

Х ОО • • 1

Х49 • • • • • • • • 1

Х50 • • • • • • • • • • 1

Х51 • • • • • • 1

Где: Х40 ( ^ ) - температура кваса, поступающего на дображивание в бродильном аппарате Тс, 0С (25-28°С)

Х41 (Тв)- температура воды в темперирующей рубашке бродильного аппарата Тв (35- 45 0С) Х42 (т) - время дображивания т (14 - 16 часов)

Х43 ( ^ ) - температура кваса, поступающего на охлаждение (20-40°С) Х44 ( I ) - продолжительность охлаждения т (3,5 - 4,5 часов)

Х45 (Тв) - температура воды внутри рубашки темперирующей машины Твтм (35 - 45 0С)

Х46 (к) - кислотность кваса 2,0-6,0 мл 1 моль/дм3 раствора №ОН на 100 мл кваса

Х47 ( I ) - температура кваса, выходящего из темперирующей машины (20-40°С)

Х48 (5 ) точность дозирования кваса

Х49 (т ) - стойкость осветленного кваса, сут не менее 20

У5вс (Х50) - выходной параметр, характеризует качества смеси кваса, поступающего на процесс осветления: вкус (кисловатый и освежающий с ароматом ржаного хлеба) У6цс (Х51) - цвет и внешний вид смеси кваса после брожения (имеет коричневый цвет с красноватым оттенком).

После нахождения количественных характеристик связей, представленные в таблицах 3.20- 3.24 матрицы экспертных оценок наличия связей между параметрами на отдельных участках производства хлебного кваса, объединяются

как диагональные миноры в структурно-параметрическую матричную модель всей технологической системы производства [81 - 83].

Проведенные экспериментальные исследования и полученные на ОАО Московском пивобезалкогольном комбинате (МПБК) «ОЧАКОВО» статистические данные, позволили выявить основные входные параметры, параметры состояния и возмущающие факторы, влияющие на ход исследуемых технологических процессов производства хлебного кваса и на качество готового напитка.

3.4. Разработка структурно - параметрических и математических моделей основных стадий производства пищевой продукции

3.4.1. Методология построения структурно - параметрических моделей (СПМ) основных стадий производства пищевой продукции

В соответствии с информационной технологией, изложенной в работах [81 - 83], разработка структурно - параметрических моделей выделенных стадий по каждому производству пищевой продукции велась в несколько этапов.

На первом этапе наличие связей между параметрами устанавливалось с помощью коэффициентов корреляции по формуле (3.48) и формировалась таблица корреляционных связей, которая отражает глубину статистической связи между параметрами на всех стадиях ТП производства ПГК.

г _ 1 - х кI)(Х]-XЦ)

11 /5? /5? ' '

■ * Ч -'

где: Гц - коэффициент корреляции между /-ым иу-ым параметром; Щ, Щ - среднее значение /-ого иу-ого параметров;

- дисперсия /-го иу-го параметров. Проверка значимости коэффициентов производилась по формуле (3.49) (критерий Стьюдента) так, что при t > ¿кр коэффициент принимался значимым,

= ГмЩ > ф (3.49)

II-г§

в противном случае коэффициент г^ приравнивался к 0.

Алгоритм формирования корреляционной матрицы Ту включает создание файла результатов наблюдений п параметров х { в к опытах и последовательную обработку каждой пары столбцов. Полученная в результате симметричная матрица дополняется единичной главной диагональю и корректируется с учетом экспертных оценок фактически существующих связей в системе, выявленных в п.3.1 для всех этапов исследуемых производств пищевой продукции.

На втором этапе методом регрессионного анализа определялся характер связи между параметрами. Построчно выделяя в корреляционной матрице группы сильно связанных параметров (г^ >0,5) рассчитываются коэффициенты линейной множественной регрессии для приращений Лх;, Лху:

^ = Е Ри^ • I=гт г

(3.50) И=1

где тI — число факторов Лху, имеющих достаточно сильную корреляционную связь с ¡-м отклонением Лх;.; р¿у - коэффициенты связи у-го параметра

(/ = 1, mi) с ¡-м.

Коэффициенты регрессии рассчитываются [81 - 83] на основании статистических данных наблюдений контролируемых параметров в п опытах

(к = 1 , п) по методу наименьших квадратов так, чтобы сумма квадратов отклонений расчетных значений (3.51) исследуемого показателя от его экспериментальных значений А*, была минимальна, т.е.

ЕЕ(Рц ~Ахк1)2 = ^ (3.51)

к=1 ]=1

Для сопоставимой оценки регрессионных связей коэффициенты регрессии Рц приводятся к безразмерным характеристикам связей относительно среднеквадратичных отклонений ох. , ох.

и у .

} . ; —

си = Ри 1 = 1 , п (3.52)

Изложенная методика разработки структурно-параметрических моделей (СПМ) легла в основу построения СПМ для каждого технологического участка и системы производства каждой пищевой продукции в целом для последующего ситуационного моделирования и идентификации состояния и прогнозирования получаемого качества этих продуктов.

3.4.2. Разработка структурно - параметрических и математических моделей (СПММ) основных стадий производства ПГК

СПММ подготовки сырья к производству

Учитывая проведенные выше исследования и выявленные наиболее информативные параметры, влияющие на качество сырья, полуфарикатов и готовой продукции, параметрическая модель подготовки сырья к производству ПГК схематично показана на рисунке 3.10.

Х4

Х1 Х2 Хз

Ун

Рис. 3.10. Параметрическая модель подготовки сырья к производству ПГК Структурно-параметрическое моделирование процесса подготовки сырья к производству сводилось к построению матриц взаимосвязей между сгруппированными параметрами [81 - 83]. При этом главной задачей являлось отыскание сопоставимых характеристик связей между параметрами состояния технологической системы с последующим построением ситуационной модели состояния системы (состояния процесса) с алгоритмизацией процедур его идентификации и прогнозирования [83].

Разработанные по описанной выше методологии на основе статистических данных и наблюдений состояния процесса на кондитерском предприятии ОАО «РотФронт» структурно-параметрические модели корреляционных, регрессионных и безразмерных сопоставимых оценок параметрических связей

основных участков производства помадных конфет представлены в таблицах 3.25 - 3.42.

Таблица 3.25

Преобразованная матрица коэффициентов корреляции.

Х1 Х2 Хз Х4 Х5 Хб У1 всп (Х7) У2 цсп (X)

XI 1 0 0 -0,643 0 0 0 0

Х2 0 1 0 0,733 0,530 0 -0,756 0

Хз 0 0 1 0 0 0,863 0 0,557

Х4 -0,643 0,733 0 1 0 0,684 0 0

Х5 0 0,530 0 0 1 0 0,602 0

Хб 0 0 0,863 0,684 0 1 0 0

У1 всп (Х7) 0 -0,756 0 0 0,602 0 1 0

¥2 цсп (Х8) 0 0 0,557 0 0 0 0 1

Таблица 3.26

Регрессионная матрица связей

Х1 Х2 Хз Х4 Х5 Хб всп (Х7) ¥2 цсп (X)

Х1 1 0 0 -0,53 0 0 0 0

Х2 0 1 0 0,6 0,27 0 -0,25 0

Хз 0 0 1 0 0 0,33 0 0,48

Х4 -0,27 0,45 0 1 0 0,46 0 0

Х5 0 0,23 0 0 1 0 0,3 0

Хб 0 0 0,59 0,24 0 1 0 0

У1 всп (Х7) 0 -0,64 0 0 0,44 0 1 0

¥2 цсп (Х8) 0 0 0,38 0 0 0 0 1

Таблица 3.27

Матрица безразмерных характеристик связей

Х1 Х2 Хз Х4 Х5 Хб всп (Х7) ¥2 цсп (Хв)

Х1 1 0 0 -0,43 0 0 0 0

Х2 0 1 0 0,47 0,22 0 -0,1 0

Хз 0 0 1 0 0 0,48 0 0,56

Х4 -0,16 0,32 0 1 0 0,53 0 0

Х5 0 0,38 0 0 1 0 0,23 0

Хб 0 0 0,48 0,18 0 1 0 0

¥1 всп (Х7) 0 -0,43 0 0 0,13 0 1 0

¥2 цсп (Хв) 0 0 0,16 0 0 0 0 1

На основании проведенных расчетов получены математические модели

процесса подготовки сырья к производству ПГК:

У! всп (Х7) = - 0,43 Х2 + 0,13 Х5 (3.53)

У2 цсп (Х8) = 0,16 X3 (3.54)

Адекватность полученных уравнений была проверена по таким величинам, как относительная погрешность (5=1,0384), коэффициент множественной корреляции (Я=0,9641857), критерий Стьюдента (1Г=274,367>>2), критерий Фишера (значение критерия Фишера расчетное больше критерия Фишера теоретического в «10 раз, т.е. К >> К). Был сделан вывод об адекватности вышеприведённой математической модели, что позволило определить влияние входных параметров на величину кристаллов сахара (на вкус) при его подготовке к производству ПГК. Пример полученного при этом графика представлен на рисунке 3.2. Подробные расчеты и все полученные графики приведены в нашей статье [ 20 ].

Рисунок 3.11. Пример полученных графиков зависимостей выходного параметра от разных входных параметров

Аналогично по описанной выше методике сотавлены СПММ параметрических связей остальных выделенных участков производства ПГК.

СПММ приготовления сахарного сиропа

Параметрическая модель процесса приготовления сахарного сиропа схематично представлена на рисунке 3.12.

Х9

Х10 Хц

Х12

Узцсс

У4всс ^ У5влсс

Х

13

Х

14

Рисунок 3.12 Параметрическая модель приготовления сахарного сиропа

Таблица 3.28

Преобразованная матрица коэффициентов корреляции.

Х9 Х10 Х11 Х12 Х1з Х14 Х15 Х1б ¥з цсс (Х17) ¥4 всс (Х18) ¥5 влсс (Х19)

Х9 1 0 0 0 0 0 -0,541 0 0 0 0

Х10 0 1 0 0 0,666 0 0 0 0 0 0

ХЦ 0 0 1 0 0,632 0 0 0,945 0,565 0 0

Х12 0 0 0 1 0 0 0 0,710 0 0 0,824

Х1з 0 0,666 0,632 0 1 0,542 0 0 0 0,669 0

Х14 0 0 0 0 0,542 1 0 0 -0,765 0 0

Х15 -0,541 0 0 0 0 0 1 0 0 0,700 0,836

Х1б 0 0 0,945 0,710 0 0 0 1 0 0,691 0

¥3цсс (Х17) 0 0 0,565 0 0 -0,765 0 0 1 0 0

¥4всс (Х18) 0 0 0 0 0,669 0 0,700 0,691 0 1 0

¥3влсс (Х19) 0 0 0 0,824 0 0 0,836 0 0 0 1

Регрессионная матрица связей. Таблица 3.29

Х9 Х10 Х11 Х12 Х1з Х14 Х15 Х1б ¥3цсс (Х17) ¥4всс (Х18) ¥5влсс (Х19)

Х9 1 0 0 0 0 0 0,54 0 0 0 0

Х10 0 1 0 0 0,63 0 0 0 0 0 0

Х11 0 0 1 0 0,35 0 0 0,88 0,67 0 0

Х12 0 0 0 1 0 0 0 0,69 0 0 0,79

Х1з 0 0,42 0,74 0 1 0,47 0 0 0 0,3 0

Х14 0 0 0 0 0,65 1 0 0 0,28 0 0

Х15 0,33 0 0 0 0 0 1 0 0 0,74 0,38

Х1б 0 0 0,65 0,68 0 0 0 1 0 0,31 0

¥3цсс (Х17) 0 0 0,29 0 0 0,41 0 0 1 0 0