WWW.LIB.KNIGI-X.RU
БЕСПЛАТНАЯ  ИНТЕРНЕТ  БИБЛИОТЕКА - Электронные матриалы
 


Pages:   || 2 | 3 |

«АВТОМАТИЗИРОВАННАЯ ЭКСПЕРТНАЯ СИСТЕМА КОНТРОЛЯ В ПОТОКЕ ПОКАЗАТЕЛЕЙ КАЧЕСТВА ПОМАДНЫХ КОНФЕТ С ИСПОЛЬЗОВАНИЕМ НЕЙРОСЕТЕВЫХ ТЕХНОЛОГИЙ И СИСТЕМ КОМПЬЮ ...»

-- [ Страница 1 ] --

ФЕДЕРАЛЬНОЕ ГОСУДАРСТВЕННОЕ БЮДЖЕТНОЕ ОБРАЗОВАТЕЛЬНОЕ

УЧРЕЖДЕНИЕ ВЫСШЕГО ПРОФЕССИОНАЛЬНОГО ОБРАЗОВАНИЯ

«МОСКОВСКИЙ ГОСУДАРСТВЕННЫЙ УНИВЕРСИТЕТ

ПИЩЕВЫХ ПРОИЗВОДСТВ» (ФГБОУ ВПО «МГУПП»)

На правах рукописи

БЛАГОВЕЩЕНСКИЙ ИВАН ГЕРМАНОВИЧ

АВТОМАТИЗИРОВАННАЯ ЭКСПЕРТНАЯ СИСТЕМА КОНТРОЛЯ

В ПОТОКЕ ПОКАЗАТЕЛЕЙ КАЧЕСТВА

ПОМАДНЫХ КОНФЕТ С ИСПОЛЬЗОВАНИЕМ НЕЙРОСЕТЕВЫХ

ТЕХНОЛОГИЙ И СИСТЕМ КОМПЬЮТЕРНОГО ЗРЕНИЯ

Специальность 05.13.06 – Автоматизация и управление технологическими процессами и производствами (в пищевой промышленности) Диссертация на соискание ученой степени кандидата технических наук

Научный руководитель:

Ивашкин Ю.А.

доктор технических наук, профессор Москва – 2015 ОГЛАВЛЕНИЕ ВВЕДЕНИЕ…………………………………………………………………….. 7

ГЛАВА 1. АНАЛИЗ ОБЪЕКТА ИССЛЕДОВАНИЯ И ПОСТАНОВКА

ЗАДАЧИ………………………………………………………………………… 17

1.1. Исследование и анализ технологического процесса производства помадных конфет (ПК) как объекта автоматизации ………………………… 17

1.2. Классификация основных операций процесса производства ПК и выбор факторов, определяющих эффективность этих операций……………. 26

1.3. Функционально - структурная схема влияния факторов исходного сырья, промежуточных операций на качество готовых помадных конфет в процессе производства………………………………………………………… 28

1.4. Анализ информативности параметов качества показателей сырья, полуфабрикатов, готовых кондитерских изделий в процессе производства глазированных помадных конфет. Выбор из них контролируемых и регулируемых……………………………………………………………………. 34

1.5. Параметры, характеризующие ТП производства ПК…………………….. 36

1.6. Обзор и анализ существующих современных инструментальных методов и средств контроля основных показателей качества сырья, полуфабрикатов и готовых кондитерских изделий…………………………… 39 1.6.1. Величина кристаллов сахара в конфетных массах……………………… 39 1.6.2. Цвет конфетных масс……………………………………………………… 42

1.7. Роль интеллектуальных технологий……………………………………… 45 1.7.1.Обзор и анализ научно-технической информации о развитии экспертных систем, нейросетевых технологий и систем компьютерного зрения как важнейших направлений искусственного интеллекта………….. 46 1.7.2. Аналитический обзор основных задач, решаемых экспертными системами, нейросетевыми технологиями и системами компьютерного зрения. Области их применения……………………………………………….. 49

1.8. Выводы по 1 главе …………………………………………………….......... 60

ГЛАВА 2. ЭКСПЕРИМЕНТАЛЬНЫЕ ИССЛЕДОВАНИЯ,

СИТУАЦИОННОЕ МОДЕЛИРОВАНИЕ И РАЗРАБОТКА

СТРУКТУРНО-ПАРАМЕТРИЧЕСКИХ МОДЕЛЕЙ ОСНОВНЫХ

ЭТАПОВ ТП ПРОИЗВОДСТВА ПК…………………………………………. 62

2.1. Структурно-параметрический анализ ТП производства ПК……………… 62

2.2. Разработка структурно – параметрических и математических моделей основных стадий ТП производства ПК…………………………….. 65 2.2.1. Подготовка сырья к производству……………………………………….. 69 2.2.2. Приготовление сахарного сиропа……………….……………………….. 72 2.2.3. Приготовление помадного сиропа……………………………………….. 76 2.2.4. Сбивание помадных масс…………………………………………………. 79 2.2.5. Приготовление помадной конфетной массы……………………………. 83 2.2.6. Формование конфет………………………………………………………. 87

2.3. Разработка ситуационных моделей ТП производства ПК…………….. 89

2.4. Выводы по 3 главе ……………………………………………

ГЛАВА 3. АВТОМАТИЗАЦИЯ КОНТРОЛЯ ОРГАНОЛЕПТИЧЕСКИХ

ПОКАЗАТЕЛЕЙ КАЧЕСТВА ПОМАДНЫХ КОНФЕТ……………………. 92

3.1. Автоматизация контроля величины кристаллов сахара в конфетных

–  –  –

3.1.2. Основные этапы решения задачи построения виртуального датчика контроля величины кристаллов сахара в конфетных массах………………….

3.1.3. Разработка нейросетевой модели для построения виртуального датчика контроля величины кристаллов сахара в конфетных массах………… 97 3.1.4. Алгоритмы работы модуля контроля и регулирования величины кристаллов сахара в процессе приготовления конфетных масс ………………. 106

3.2. Разработка модуля автоматического контроля цвета конфетных масс в процессе производства с использованием СКЗ……………………………….

3.3. Выводы по 3 главе……………………………………………………………

ГЛАВА 4. АНАЛИЗ СУЩЕСТВУЮЩИХ НА КОНДИТЕРСКИХ

ПРЕДПРИЯТИЯХ АСУ, РАЗРАБОТКА АСУТП ПОТОЧНОЙ ЛИНИИ

ПРОИЗВОДСТВА ГЛАЗИРОВАННЫХ ПК. МЕТОДИКА РАЗРАБОТКИ

АЭС И ВЫБОРА ЭКСПЕРТОВ…………………………………………………..

4.1. Исследование и анализ существующих на кондитерских предприятиях систем управления ТП производства ПК……………………………………….. 124

4.2. Анализ структуры и общее описание работы автоматизированной информационно-управляющей системы кондитерскиъ предприятий………... 128

4.3. Исследование и разработка схем автоматизации основных ТП производства ПК…………………………………………………………………..

4.4. Исследование и модернизация схемы автоматизации поточной линии производства отливных глазированных ПК…………………………………….

4.5. Методика разработки автоматизированных экспертных систем и выбора экспертов………………………………………………………………….

4.5.1. Методические основы построения экспертных систем. Отличительные особенности ……………………………………………………………………… 4.5.2. Методика выбора количественного и качественного состава экспертов. Принцип формирования рабочей группы экспертов для проведение тестового опроса……………………………………………………. 148 4.5.3. Методы получения информации от экспертов…………………………. 158 4.5.4. Сравнительный анализ различных методов сбора и способов обработки данных, полученных от экспертов………………………………… 4.5.5. Выбор и использование существующих методов и инструментальных средств создания системы знаний при построении ЭС контроля качества ПК………………………………………………………………………………….

4.6. Выводы по 4 главе ……………………………………………………........... 170

ГЛАВА 5. РАЗРАБОТКА ТЕХНИЧЕСКИХ РЕШЕНИЙ ДЛЯ

РЕАЛИЗАЦИИ АЭСК ОРГАНОЛЕПТИЧЕСКИХ ПОКАЗАТЕЛЕЙ

КАЧЕСТВА ПК В ПРОЦЕССЕ ПРОИЗВОДСТВА…………………………… 172

5.1. Основные задачи

, структура и этапы разработки АЭСК показателей качества ПК в процессе производства …………………………………………. 172

5.2. Технология разработки и взаимосвязь участников построения и эксплуатации АЭСКК ПК ……………………………………………………….. 175

5.3. Построение нейросетевой АЭСКК ПК…………………………………….. 176

5.4. Разработка баз данных (БД) АЭСК показателей качества ПК……………. 181

5.5. Формирование баз знаний (БЗ) АЭСК показателей качества ПК………... 191

5.6. Архитектура АЭСК показателей качества ПК. Подбор технических средств для реализации АЭС…………………………………………………….. 194

5.7. Интеграция АЭСКК ПК с АСУТП предприятия …………………………. 199

5.8. Выводы по 5 главе………………………………………………………….. 203 ЗАКЛЮЧЕНИЕ И ОСНОВНЫЕ РЕЗУЛЬТАТЫ РАБОТЫ…………………..... 206 СПИСОК ИСПОЛЬЗУЕМЫХ СОКРАЩЕНИЙ……………………………....... 208 ПУБЛИКАЦИИ ПО ТЕМЕ РАБОТЫ…………………………………………… 209 СПИСОК ЛИТЕРАТУРЫ………………………………………………………… 213 СПИСОК ИЛЛЮСТРАТИВНОГО МАТЕРИАЛА…………………………….. 226 ПРИЛОЖЕНИЕ 1 - Акт сдачи- приемки научно технической продукции…..

ПРИЛОЖЕНИЕ 2 – Акт внедрения в учебный процесс результатов диссертационной работы……………………………………………………........

ПРИЛОЖЕНИЕ 3 - Параметры ТП производства ПК………………………….

ПРИЛОЖЕНИЕ 4 - Ситуационные модели всех стадий ТП производства ПК с указанием наличия связи между исследуемыми показателями качества ВВЕДЕНИЕ Актуальность темы На современном этапе экономического развития Российской Федерации на первый план выходят проблемы повышения эффективности различных 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.

Среди многих отраслей пищевой промышленности важнейшее место принадлежит кондитерской, продукция которой пользуется неизменным и значительным спросом у населения страны.

Кондитерские изделия представляют собой большую группу разнообразных высококалорийных продуктов питания, которые регулярно потребляются практически всеми группами населения различных возрастов.

Однако кондитерские изделия необычайно сложны по своему составу и обладают комплексом различных свойств, которые составляют в совокупности качество продукции. Трудность решения проблемы повышения качества производства кондитерских изделий обусловлена нестабильностью свойств поступающего на переработку сырья, многообразием перерабатываемых полуфабрикатов по физико-химическим и структурно- механическим свойствам. Все это вызывает частые колебания режимов работы оборудования, а также параметров процесса приготовления неоднородных кондитерских масс и не позволяет получать стабильный по качеству готовый продукт [ 9 ].

На сегодняшний день накоплен достаточный практический и теоретический объем информации по автоматизации технологических процессов пищевых производств с использованием современных информационных технологий проводили А.Н. Австриевских, С.И. Апанасенко, В.К. Битюков, М.М. Благовещенская, Я.В. Иванов, Ю.А. Ивашкин, Е.Б. Карпин, А.Я. Красинский, А.Е.

Краснов, О.П. Красуля, 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 исследований, использованы рекомендации, приводимые авторами перечисленных трудов.

В конфетном производстве наибольший удельный вес имеет группа помадных конфет, которая в настоящее время пользуется все более возрастающим спросом, объясняющимся их относительно невысокой стоимостью и постоянно обновляемым ассортиметом [42, 52, 75]. Существующие в настоящее время методы оценки качества кондитерской продукции субъективны и далеки от совершенства, поскольку эта оценка осуществляется органолептическим путем.

Органолептический контроль длителен по времени, обладает рядом недостатков [50, 63, 65, 90, 92, 102, 103]. Для получения при этом достоверных результатов необходимо соблюдать условия, предъявляемые к освещению, помещению и другие условия проведения дегустационного анализа; производить испытания, оценивать и изучать индивидуальные сенсорные способности дегустаторов; проводить специальную подготовку дегустаторов, обучать их приемам сенсорного анализа и т.д. Однако, даже при выполнении всех требований и рекомендаций, критерий субъективности в оценке качества полностью не может быть исключен. За отсутствием профессиональных дегустаторов, а также вследствие несоблюдения на большинстве кондитерских предприятиях условий проведения дегустаций, 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 кондитерской продукции, за счет внедрения высокоэффективных интеллектуальных технологий в производственный процесс и создания на их базе автоматизированных системы контроля.

Успешное решение этой задачи возможно при внедрении в производственный процесс автоматизированных экспертных систем контроля (АЭСК) в потоке показателей качества помадных конфет с использованием современных интеллектуальных технологий: искусственных нейронных сeтeй (ИНС) и систем компьютерного зрения (СКЗ). При этом затраты на пoдгoтовку и прoвeдение анализов будут минимальны. В оснoвe алгoритмa рабoты экспертной системы залoжeна нейросетевая мoдель (НСМ), функциoнирoвaниe которой оснoвывaeтся на рабoте aппарaта искусственных нeйрoнных сeтeй (ИНС) и СКЗ. Создание такой системы позволит: непрерывно, в потоке контролировать показатели качества полуфабрикатов и готовой продукции в течение всего технологического процесса; обеспечить стабильность производства помадных конфет; существенно уменьшить уровень брака, снизить потери рабочего времени, сырья и энергии, повысить качество готовой продукции.

Исходя из вышеизложенного, тема диссертационной работы «Автоматизированная экспертная система контроля в потоке показателей качества помадных конфет с использованием нейросетевых технологий и систем компьютерного зрения» является актуальным направлением развития кондитерской промышленности, имеющей 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 ТП кондитерского производства путем использования интеллектуальных технологий и разработки на их основе автоматизированной экспертной системы контроля показателей качества конфет в потоке (на примере линии по производству помадных конфет).

Для достижения цели были поставлены и решены следующие задачи исследований:

1. Системный анализ методов контроля и управления показателями качества ПК в ТП их производства.

2. Проведение экспериментальных исследований и математическое моделирование основных этапов производства ПК.

3. Разработка и апробация методов и способов автоматического контроля органолептических показателей качества ПК с применением интеллектуальных технологий.

4. Разработка базы данных (БД) и базы знаний (БЗ) АЭСК показателей качества ПК.

5. Разработка математического, алгоритмического и программного обеспечения АЭСК показателей качества ПК в процессе производства.

6. Экспериментальная проверка разработанных методов, моделей, способов и результатов моделирования ТП производства ПК на действующем кондитерском предприятии.

Объектом исследования является типовая поточная линия по производству глазированных помадных конфет и процессы сбора, анализа и обработки, в том числе экспертной информации, в задачах непрерывного контроля показателей качества кондитерских изделий.

Предметом исследования и разработок являются совокупность теоретических, методологических и практических задач, связанных с созданием АЭСК показателей качества ПК 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 MatLab и Anylogic.

Научная новизна и теоретическая значимость диссертации заключается в разработке нового научного направления в области автоматизации ТП кондитерских производств, связанного с созданием интеллектуальных интегрированных экспертных систем автоматического контроля органолептических показателей качества помадных конфет с функциями поддержки принятия решений и осуществления по полученным результатам диспетчерского управления, направленного на повышение эффективности кондитерского производства.

К наиболее существенным научным результатам работы относятся следующие.

1. Разработаны и предложены новые функционально структурные схемы (ФСС) формирования качества ПК с указанием необходимых точек контроля и регулирования, а также функциональная схема автоматизации (ФСА) с включением в нее интеллектуальных датчиков контроля величины кристаллов сахара (ВКС) и цвета конфетных масс.

2. На основе структурно - параметрического моделирования разработаны математические модели основных стадий ТП производства ПК.

3. Предложена методика накопления базы данных (БД) и формирования базы знаний (БЗ) АЭС для идентификации, прогнозирования и диагностики хода ТП производства ПК.

4. Разработаны алгоритмы идентификации, прогнозирования и диагностики состояния технологической системы и показателей качества ПК.

5. Предложена и обоснована методика построения АЭСК органолептических показателей качества ПК в потоке с использованием ИНС и СКЗ.

6. Разработаны с использованием ИНС и СКЗ интеллектуальные модули контроля величины кристаллов сахара и цвета конфетных масс в режиме реального времени.

Значение для теории:

Основным научным результатом является развитие теории и практики промышленного кондитерского производства ПК на основе автоматизации контроля оргнолептических показателей качества ПК на всех этапах производства.

На основе современных интеллектуальных технологий создана оригинальная экспертная система автоматизированного контроля в режиме онлайн показателей качества ПК в процессе производства, позволяющая осуществлять сбор, передачу, статистическую обработку, графическую визуализацию и хранение данных мониторинга о показателях качества ПК. Это совершенствует приборную базу методов контроля показателей качества кондитерских изделий.

В диссертации решена важная научно-прикладная проблема, имеющая большое народно-хозяйственное значение. Научные результаты, полученные в диссертации, доведены до практического использования. Они представляют непосредственный интерес в области автоматизации контроля показателей качества ПК, производимых в режиме онлайн в промышленных условиях.

Практическая значимость результатов исследования.

1. Разработана нейросетевая АЭСКК ПК с интеллектуальными модулями контроля органолептических показателей качества ПК и интеллектуальными функциями поддержки и принятия решений.

2. Разработан пользовательский интерфейс, обеспечивающий диалоговый режим работы АЭСКК ПК с оператором для выдачи рекомендаций по управлению ТП производства ПК.

3. Разработаны виртуальный и интеллектуальный датчики контроля величины кристаллов сахара и цвета конфетных масс.

4. Разработаны рекомендации и учебно – методические материалы по построению АЭСК органолептических показателей качества ПК в потоке.

5. Результаты диссертационной работы были использованы при проведении научных исследований по гранту Министерства образования и науки Российской Федерации «Разработка новых энергосберегающих технологий и процессов для вакуумной сублимационной сушки широкого спектра термолабильных материалов, создание на их основе системы автоматизации сушильного устройства для пищевой промышленности и прикладной биотехнологии» (№ 14.577.21.0044).

6. Разработанный комплекс программного обеспечения (ПО) автоматизации процесса контроля качества помадных конфет с использованием систем технического зрения и нейросетевых технологий признан победителем конкурса 2015 – 2017 года на получение стипендии Президента РФ молодыми учеными и аспирантами по направлению «Стратегические информационные технологии, включая вопросы создания суперкомпьютеров и разработки программного обеспечения».

Разработанные методы, модели, алгоритмы, структуры и программы прошли апробацию и были переданы для внедрения в конфетном цехе ОАО «Рот-Фронт» Холдинга «Объединенные кондитеры», что подтверждается соответствующим актом внедрения научно-технической продукции (Приложение 1).

Полученные в рамках настоящего исследования научные и практические результаты диссертационной работы внедрены в учебном процессе кафедры «Автоматизированные системы управления биотехнологическими процессами» ФГБОУ ВПО «Московский государственный университет пищевых производств» для студентов направлений «Автоматика и управление» и «Управление и информатика в технических системах», а также специальности «Автоматизация технологических процессов и производств». Имеется соответствующий акт внедрения (Приложение 2).

Достоверность полученных в работе результатов подтверждается использованием методов системного анализа и теории принятия решений, экспериментальными исследованиями ТП производства ПК, проведенными в производственных условиях ОАО «Рот-Фронт» Холдинга «Объединенные кондитеры», а также обеспечивается совпадением расчетных данных и результатов эксперимента.

Апробация работы.

Основные положения диссертационной работы были обсуждены и одобрены на:

международной научной сессии НИЯУ МИФИ- 2014, Секция «Интеллектуальные системы и технологии», 27 января – 1 февраля 2014 г. НИЯУ МИФИ;

первой международной научно- практической конференции – выставке «Планирование и обеспечение подготовки и переподготовки кадров для отраслей пищевой промышленности и медицины», 13–14 ноября 2012 г. МГУПП;

Х Международной научно-практической конференции "Автоматизация и информационное обеспечение производственных процессов в сельском хозяйстве", Углич, ГНУ ВИМ Россельхозакадемии, 16 – 17 октября 2012 г.;

X Всероссийской конференции молодых ученых по математическому моделированию и информационным технологиям, Кемерово, 18 – 19 сентября 2013г., Институт вычислительных технологий СО РАН;

IУ-ой Всероссийской студенческой научной конференции «Молодежная наука – пищевой промышленности», 22 – 23 мая 2013г., СевКавГТУ;

II Международной научно-практической конференции "Химия, Био- и Нанотехнологии, Экология и Экономика в Пищевой и Косметической Промышленности", Украина, Харьков, 8-10 декабря 2014 г., Национальный технический университет "Харьковский политехнический институт";

VП-ой Всеукраинской научно-практической конференции «Информационные технологии и автоматизация - 2014», Украина, Одесса, 16 – 17 декабря 2014 г., Министерство образования и науки, молодежи и спорта Украины Одесская национальная академия пищевых технологий;

V международной заочной научно-практической конференции " 21 век:

фундаментальная наука и технологии " (« 21 century: fundamental science and technology V»),10-11 ноября 2014 г., North Charleston, USA ;

Международной научной конференции студентов и молодых ученых «Экологически безопасные, ресурсосберегающие технологии и средства переработки сельскохозяйственного сырья и производства продуктов питания», МГУПП, 2015.

Международной научно- практической конференции «Автоматизация и управление технологическими и бизнес – процессами пищевой промышленности», 15 – 17 апреля 2015 г., МГУПП.

Содержание отдельных разделов и диссертация в целом были доложены и получили одобрение на расширенных заседаниях кафедры «Автоматизированные системы управления биотехнологическими процессами» ФГБОУ ВПО «МГУПП».

Результаты, полученные в процессе выполнения диссертационной работы, были использованы при проведении научных исследований по гранту Министерства образования и науки Российской Федерации «Разработка новых энергосберегающих технологий и процессов для вакуумной сублимационной сушки широкого спектра термолабильных материалов, создание на их основе опытно – промышленного образца сушильного устройства для пищевой промышленности и прикладной биотехнологии» (№ 14.577.21.0044).

Работа «Математическое, алгоритмическое и программное обеспечение автоматизации процесса контроля качества помадных конфет с использованием систем технического зрения и нейросетевых технологий» является Победителем конкурса 2015 – 2017 года на получение стипендии Президента РФ молодыми учеными и аспирантами по направлению «Стратегические информационные технологии, включая вопросы создания суперкомпьютеров и разработки программного обеспечения».

Получена грамота за проект – победитель «Автоматизация контроля качества готовой пищевой продукции с использованием интеллектуальных технологий» конкурса 2014г. ОАО «Мелькомбинат в Сокольниках», а также Диплом научного руководителя студенческих докладов научно- практической конференции «Инновационные ресурсосберегающие технологии на предприятиях АПК».

По итогам данной работы подготовлены и поданы две заявки на изобретения.

Публикации. По материалам диссертации опубликовано 16 печатных работ.

Из них 9 статей в журналах, входящих в список ВАК, 2 – в других изданиях, а также 5 докладов в сборниках научных докладов международных конференций.

Структура и объем работы.

Диссертационная работа состоит из введения, 5 глав, заключения, списка используемой литературы (117 источников) и приложений. Работа изложена на 218 страницах машинописного текста, содержит 65 рисунков, 38 таблиц, 2 приложения.

ГЛАВА 1. АНАЛИЗ ОБЪЕКТА ИССЛЕДОВАНИЯ И ПОСТАНОВКА

ЗАДАЧИ Поскольку в конфетном производстве группа помадных конфет имеет наибольший удельный вес (на их долю приходится около 70% общей выработки конфет), нами для решения задачи автоматизации контроля показателей качества конфет объектом управления была выбрана именно технологическая линия по производству глазированных помадных конфет.

1.1. Исследование и анализ технологического процесса производства помадных конфет (ПК) как объекта автоматизации Помадные конфеты — сахарные кондитерские изделия, которые состоят из мелких (10...20 мкм) кристаллов сахара. Такую структуру изделий получают из помадной массы — полуфабриката, образованного в результате определенной технологической обработки сахара, при которой сахар из крупнокристаллического состояния переходит в мелкокристаллическое, отчего помадная масса легко растворяется и «тает». В отличие от сахара в помадной массе содержится от 9 до 12 % воды [43, 52]. Кроме того, в ней находятся мельчайшие пузырьки воздуха, придающие ей некоторую пышность и белую окраску [75].

Основным сырьем для производства помадных конфет является сахарный песок. В качестве антикристаллизатора применяется крахмальная патока. При изготовлении помадных конфет в зависимости от сорта к сахарной помадной массе добавляются фруктово-ягодные припасы, подварки, обжаренные тертые орехи или какао- порошок и т.д. Такое многообразие применяемого сырья позволяет выпускать разнообразные виды помадных конфет [43, 92].

На рисунке 1.1. представлена наиболее распространенная на кондитерских предприятиях линия производства глазированных помадных конфет [66, 80]. В состав линии входит следующее оборудование: агрегат ускоренной выстойки, варочный аппарат с мешалкой, весы, виброраспределитель, глазировочная машина, дозаторы, заверточная машина, змеевиковый варочный аппарат непрерывного действия, конвейеры, насосы, отливочная машина, охлаждающая камера, пароотделитель, помадосбивательная машина, раскладочное устройство, расходные емкости, сборник-фильтр, сироповарочная установка, смеситель непрерывного действия, темперирующая машина, глазировочная машина и упаковочная машина.

Рисунок 1.1.

Машино – аппаратурная схема линии производства глазированных помадных конфет Технологический процесс производства глазированных помадных конфет можно разделить на следующие основные стадии [52, 66]:

- Подготовка сырья к производству: хранение сахара, патоки, молока и заготовок; просеивание сыпучих продуктов и фильтрование жидких компонентов.

- Приготовление сахарного сиропа: дозирование сахара-песка и воды, растворение сахара, уваривание рецептурной смеси.

- Приготовление помадного сиропа: дозирование сахарного сиропа, патоки, молока и других компонентов, смешивание и уваривание рецептурной смеси.

- Сбивание помадной массы:помадный сироп перемещается в зазоре между цилиндрическими поверхностями неподвижного корпуса и быстровращающегося шнека. Эти поверхности снабжены охлаждающими водяными рубашками. Помадный сироп, соприкасаясь с холодными поверхностями, интенсивно охлаждается и превращается в пересыщенный сахарный раствор, в результате этого происходит процесс кристаллизации сахарозы. Чтобы обеспечить мелкокристаллическую структуру помадной массы, одновременно с охлаждением продукт подвергается интенсивному перемешиванию.

- Приготовление конфетной массы: дозирование помадной массы и рецептурных добавлений, смешивание конфетной массы.

- Формование корпусов конфет: дозирование и отливка порций конфетной массы в формы, выстойка отливок.

- Глазирование корпусов конфет: подготовка, темперирование и подача глазури, нанесение глазури на корпуса конфет, охлаждение глазированных корпусов.

- Завертка и упаковка и хранение конфет: ориентирование конфет в продольные ряды, завертка конфет и упаковка в торговую тару.

Основные стадии технологического процесса производства помадных конфет показаны на рисунке 1.2.

Подготовка сырья Приготовление к производству сахарного сиропа

–  –  –

Рисунок 1.2.

Стадии ТП производства помадных конфет Качество кондитерских изделий характеризуют следующие показатели [76]: пищевой и биологической ценности; органолептические (сенсорные); физико – химические и показатели безопасности. В современных условиях рынка одним из самых актуальных вопросов является конкурентоспособность отечественной кондитерской продукции. Такая продукция должна обладать высокими органолептическими показателями качества, соответствовать вкусам потребителя и иметь долгосрочную перспективу сбыта [88].

На органолептические показатели качесва ПК большое влияние оказывают показатели качества сырья, полуфабрикатов, технологические режимы работы оборудования [4, 135].

Рассмотрим более подробно наиболее важные показатели качества, контролируемые на каждой стадии производства ПК:

1. Подготовка сырья к производству. Основным сырьем для производства ПК является сахарный песок, представляющий собой однородные кристаллы с четкими гранями. Вкусовые качества готовых помадных конфет в значительной степени определяются размерами кристаллов сахара – песка, поступающего на производство (10...20 мкм). Зная свойства сахара - песка, можно управлять многими технологическими процессами при изготовлении помадных конфет, а следовательно, прогнозировать их качество [ 92 ]. Управляя процессом кристаллизации, можно достигнуть высокого качества помадных конфет. На кинетику кристаллизации сахарозы оказывают влияние начальная концентрация, температура, частота перемешивания, вязкость раствора, время перемешивания, состав сиропа и др. факторы [42, 52, 64, 75].

Патока представляет собой вязкую прозрачную жидкость сладковатого вкуса. Основными ее показателями являются содержание редуцирующих веществ, обусловливающих ее антикристаллизационные свойства, и массовая доля влаги. Массовая доля влаги патоки не должна превышать 22%, плотность 1410 кг/м2. Цвет патоки зависит от степени очистки [54, 64, 75].

Цельное коровье молоко, используемое для производства конфет, должно содержать не менее 3,2% жира при кислотности не выше 21°Т (градус Тернера).

Цельное молоко не должно иметь постороннего запаха и вкуса. Молоко представляет собой однородную жидкость белого цвета [43, 52, 75].

Фруктово- ягодное пюре – это протертая плодовая мякоть, массовая доля сухих веществ которой в зависимости от вида плодов колеблется в пределах 7 – 14%, общего сахара не менее 62% [42, 64].

–  –  –

Обзор имеющихся исследований показал, что потери, обусловленные ухудшением качества хранящегося сырья, приводят и к количественным потерям, и к снижению качества готового продукта [33. 42, 43, 52, 54, 64, 75]. Потеря сырьем признаков свежести (цвет, запах, вкус) ухудшает качество вырабатываемых из него кондитерских изделий [4, 74 ].

П. Приготовление сахарного сиропа. Одним из важных этапов ТП производства ПК является приготовление сахарного сиропа. Сироп представляет собой прозрачную, вязкую, почти бесцветную жидкость. Были изучены имеющиеся работы по влиянию основных показателей качества сырья, режимов работы оборудования на процесс приготовления сахарного сиропа [42, 52, 64, 75, 92].

Проведенный обзор показал, что на процесс приготовления сахарного сиропа оказывают влияние начальная концентрация, температура, частота перемешивания, вязкость раствора, время перемешивания, состав сахарного сиропа. Одним из важных показателей качества сахарного сиропа является вязкость. Вязкость сахарных растворов зависит от температуры, степени пересыщения и концентрации [92]. Вязкость насыщенных растворов сахарозы с повышением температуры до 70°С снижается, при дальнейшем повышении температуры до 90°С начинает увеличиваться. Приготовление сахарного сиропа связано с воздействием на сырье довольно высоких температур. Естественно, что в результате теплового воздействия составные части рецептуры сахарного сиропа претерпевают изменения, которые могут оказывать как положительное, так и отрицательное влияние на качество готовых изделий. Вкус и цветность помадных масс обусловлены, в основном, теми изменениями, которые происходят при тепловом воздействии на сахар-песок и сахарный сироп. Вкус в значительной степени определяется изменением размеров кристаллов сахарного песка [75].

Проведенные исследования позволили выявить наиболее важные показатели качества, влияющие на ход процесса приготовления сахарного сиропа. Сиропы должны быть прозрачными, без взвешенных частиц, обязательно иметь цвет от бесцветного до светло-желтого. Температура хранения не выше 900С. Содержание сухих веществ сиропа, 78—82%; содержание редуцирующих веществ 14%. Входные параметры: угол естественного откоса (для определения гранулометрического состава сахара – песка), концентрация сахара в сиропе, влажность сахара – песка, частота перемешивания, время перемешивания, температура сахарного сиропа, давление греющего пара в колонке. Выходные параметры (показатели качества готового сахарного сиропа): величина кристаллов сахара, цвет сахарного сиропа.

Ш. Приготовление помадного сиропа. Были изучены имеющиеся работы по влиянию основных показателей качества сырья, режимов работы оборудования, выходных параметров качества сахарного сиропа на процесс приготовления помадного сиропа [43, 52, 75, 76, 92]. А также были проведены экспериментальные исследования влияния основных факторов на изучаемый процесс приготовления помадного сиропа. Проведенный обзор показал, что на процесс приготовления помадного сиропа оказывают влияние величина кристаллов сахарного песка, температура, частота перемешивания, вязкость раствора, время перемешивания, цвет сахарного сиропа. Важными выходными показателями помадного сиропа являются величина кристаллов сахара в помадном сиропе и цветность помадного сиропа.

1У. Сбивание помадной массы. Анализ процесса сбивания [52, 75] показал, что на стадии приготовления помадной массы большую роль играет температура помадного сиропа, подаваемого на сбивание. Сбивание помадной массы при температуре 110…115 С способствует более полному растворению и равномерному распределению сахара в массе, что позволяет избежать образования центров кристаллизации при сбивании и замедлить засахаривание корпуса конфет при хранении, а также облегчить последующий после сбивания процесс формования. Исследование процесса сбивания позволило выявить все входные параметры, влияющие на ход данного процесса: температура помадного сиропа, подаваемого на сбивание, вязкость, массовая доля влаги помадного сиропа, давление пара перед началом сбивания, время сбивания, температура процесса сбивания, температура холодной воды в помадосбивальной машине, частота вращения сбивальных лопастей. Выходными параметрами (показателями качества готовой помадной массы) являются: температура на выходе помадной массы, величина кристаллов сахара и цвет полученной помадной массы.

У. Приготовление конфетной массы. Исследование процесса приготовления конфетных масс [42, 52, 64, 75, 76, 92] позволило выявить все входные параметры, влияющие на ход данного процесса: температура помадной массы, влажность, вязкость подаваемой помадной массы, показатели качества подаваемых на смешивание компонентов: патоки, молока, фруктово- ягодного пюре;

время смешивания, температура процесса смешивания, частота вращения лопастей в смесительном аппарате, соотношение рецептурных добавлений поступающих ингредиентов. Выходные параметры (показатели качества готовых конфетных масс): величина кристаллов сахара и цвет полученных конфетных масс.

У1. Формование корпусов конфет. Обзор и анализ работ по процессу формования кондитерских масс [15, 43, 46 – 48, 52, 75, 92], а также проведенные нами экспериментальные исследования процесса формования помадных конфет позволили выявить наиболее важные показатели качества, влияющие на ход процесса формования конфетных масс. Входные параметры: скорость vм выхода массы из матричного отверстия ; реологические свойства подаваемых на формование конфетных масс; температура конфетной массы, поступающей на формование; скорость транспортерной ленты.

Выходные показатели качества:

цвет выходящей после формования массы, величина кристаллов сахара и высота конфетного жгута на выходе после формования.

УП. Глазирование корпусов конфет. Глазирование конфет позволяет уберечь их от влияния внешней среды и быстрого высыхания, что приводит к увеличению срока хранения; также глазирование применяется для повышения пищевой ценности, улучшения вкусовых качеств и внешнего вида конфет. Были изучены имеющиеся работы по влиянию основных показателей качества сырья, режимов работы оборудования на процесс глазирования корпусов конфет [42, 43, 52, 64, 75, 76, 92], которые позволили выявить наиболее важные показатели качества, влияющие на ход процесса глазирования корпусов конфет. Входные параметры: влажность, не более 19% ; показатели качества шоколадной глазури (вязкость, цвет, температура шоколадной глазури); скорость перемещения корпусов конфет по конвейеру глазированной машины (влияет на качество нанесения глазури); число оборотов мешалки в темперирующей машине перед подачей на глазирование; расход водуха при обдувании глазированной помадной конфеты; время пребывания глазированной конфеты в охлаждающей камере; температура внутри охлаждающей камеры (температура должна быть ниже температуры кристаллизации глазури). Выходные параметры (показатели качества готовых глазированных помадных конфет): цвет и форма полученной конфеты.

–  –  –

Одним из важных выходных параметров качества ПК является количество брака, полученного в результате завертки.

1.2. Классификация основных операций процесса производства ПК и выбор факторов, определяющих эффективность этих операций

–  –  –

Полученная таблица является основой разработки функционально структурной схемы (ФСС) влияния факторов сырья, промежуточных операций на качество получаемых кондитерских изделий, поскольку позволяет выявить факторы, влияющие на состояние полуфабрикатов и готовых изделий при выполнении различных операций.

1.3. Функционально - структурная схема влияния факторов исходного сырья, промежуточных операций на качество готовых помадных конфет в процессе производства Прежде чем решать комплекс задач, обеспечивающих автоматизацию контроля показателей качества ПК в процессе производства, необходимо четко представить себе сущность процесса приготовления этих конфет, всех совершаемых операций, формирующих качество получаемых ПК в их взаимосвязи.

Такой анализ удобно проводить на базе функционально-структурной схемы (ФСС) влияния исходного сырья, факторов промежуточных операций на качество производимых ПК. Данная схема будет отражать последовательность выполнения основных операций данного процесса с указанием обобщенных показателей качества Yi реализации соответствующих операций ТП и позволит выявить основные параметры контроля качества как исходного сырья, так и получаемых в ходе проведения ТП, влияющих на качество конечного продукта. В дальнейшем это дает возможность изучить информативность всех указанных в схеме параметров, выбрать наиболее значимые из них и с учетом полученных результатов распределить необходимые точки контроля хода исследуемого ТП производства ПК.

Для выполнения указанной задачи использовали, полученные ранее в п.

I.1. данные об основных контролируемых показателях качества сырья, полуфабрикатов, готовой продукции; функциональные зависимости выходных или промежуточных параметров хода ТП производства глазированных помадных конфет (ПК) от входных переменных. На рисунке 1.3 представлена ФСС влияния факторов исходного сырья, промежуточных операций на качество готовых помадных конфет на всех стадиях процесса производства. Практически на всех участках ТП приготовления помадных глазированных конфет сырье ( сахарный песок, патока, молоко, фруктово- ягодное пюре ) и получаемые в ходе ТП полуфабрикаты (сахарный сироп, помадный сироп, помадные массы, шоколадная глазурь) подвергаются интенсивной механической обработке, которая и обусловливает протекание сложных физико - химических процессов, вызывая при этом существенные изменения свойств перерабатываемых масс. Исходным сырьем для получения помадных конфет служит сахарный песок, основными показателями качества которого являются влажность (W1), цвет (Цсп), массовая доля ферропримесей (МДфп), крупность кристаллов сахара (Sсп), органолептические показатели (ОПсп).

В процессе дробления сахарного песка (1) на показатели его качества оказывают влияние такие режимные параметры, как продолжительность дробления (1), температура (tос), влажность окружающей среды (Wос), число оборотов рабочего органа (n1).

Качество сахарного песка после процесса дробления Y1 оценивается по крупности помола сахарного песка (КП2), цвету (Ц2) и влажности (W2).

После дробления измельченный сахарный песок поступает на очистку (просеивание) его от ферропримесей (П).

Рисунок 1.3 ФСС влияния факторов исходного сырья, промежуточных операций на качество готовых помадных конфет на всех стадиях процесса производства При этом на процесс очистки оказывают влияние такие режимные параметры, как расход подаваемого воздуха (Q в), частота колебания (n2), амплитуда колебаний (А1), толщина слоя просеиваемого материала (h1), масса сахарного песка, подаваемого на очистку (mсп); масса примесей (mп).

На процесс очистки оказывают также влияние массовая доля ферропримесей (МДфп1) и влажность полученного после дробления сахарного песка (W2). Качество сахарного песка после процесса просеивания Y2 оценивается по массовой доле полученных ферропримесей (МДфп2), гранулометрическому составу (ГС2) и цвету (Ц2) (или чистоте сырья (Чсп)).

Затем очищенное от ферроприсесей сырье поступает на процесс дозирования (Ш). Дозирование может осуществляться по объему, например, с помощью многокомпонентного насоса - дозатора, либо по массе с помощью весовых устройств. В нашем случае эффективность процесса дозирования по массе зависит от таких показателей качества сахарного песка, как влажность (Wсп), гланулометрического состава (ГС2), температуры (t2), а также режимных параметрв – количества массы (Gсп) и точности дозирования (3).

Кроме сахарного песка важными компонентами при производстве сахарных помадных глазированных конфет являются: вода, патока, молоко, фрукторо- ягодное пюре и шоколадная глазурь. Вода, поступающая на приготовление сахарного сиропа, характеризуется определенным расходом (Q в4) и характеризуется определенной заданной температурой (tв4), получаемой при смешивании холодной воды с температурой (t х.в.) и горячей воды с температурой (t г.в.).

Основными показателями качества патоки являются: влажность (Wп), цвет (Цп), кислотность (Кт), вязкость (п) и массовая доля редуцирующих веществ (МД р.в). В процессе Х1 нагревания патоки на показатели ее качества оказывают влияние такие режимные параметры, как продолжительность нагревания (11), температура (t11) и число оборотов мешалки (n11), находящейся внутри емкости для нагревания. После нагревания патока проходит процесс фильтрации ХП, затем дозирования ХШ и далее поступает в смеситель ХХ.

Показателями качества молока являются: кислотность (Км), цвет (Цм), органолептические показатели (ОПм), влажность (Wм), % содержания жира (Жм).

В процессе Х1У нагревания молока на показатели его качества оказывают влияние такие режимные параметры, как продолжительность нагревания (14), температура (t14) и число оборотов мешалки (n14), находящейся внутри емкости для нагревания. После нагревания молоко проходит процесс фильтрации ХУ, затем дозирования ХУ1 и далее поступает в смеситель ХХ.

Показателями качества фруктово- ягодного пюре являются: кислотность (Кфяп), органолептические показатели (ОПфяп), влажность (Wфяп) и массовая доля сернистого ангидрида (МДса). В процессе ХУП нагревания фруктово- ягодного пюре на показатели его качества оказывают влияние такие режимные параметры, как продолжительность нагревания (17), температура (t17) и число оборотов мешалки (n17), находящейся внутри емкости для нагревания. После нагревания фруктово- ягодного пюре проходит процесс фильтрации ХУШ, затем дозирования Х1Х и далее поступает в смеситель ХХ.

ТП приготовления помадных конфет, кроме отмеченных выше процессов дробления, очистки и дозирования сахарного песка; темперирования воды;

нагревания, фильтрации и дозирования других компонентов этих кондитерских изделий (патоки, молока и фруктово- ягодного пюре), включает в себя также следующие основные операции, показанные на схеме рисунке 1.3:

- смешивание (У) сахарного песка и воды для получения сахарного сиропа.

Эффективность проведения данного процесса и получение сахарного сиропа с оптимальными показателями качества зависит от количества поступающей массы (Gсп) и (Gв), а также от точности дозирования сахарного песка (3) и от расхода воды (Q в), поступающих на смешивание; от показателей качества сахарного песка, которые были перечислены выше, а также от режимных параметров процесса смешивания: продолжительность смешивания (5), температуры (t5) и числа оборотов мешалки (n5), находящейся внутри смесителя. Качество полученного сахарного сиропа (Y5) оценивается по следующим показателям: цвет (Цсс), кислотность (Ксс), велиина кристаллов сахара (ВКСсс), вязкость (сс) и влажность (Wсс);

- уваривание УП сахарного сиропа для полученияпомадного сиропа. Эффективность данного процесса зависит от показателей качества готового сахарного сиропа Y5 (цвет Цсс, кислотность Ксс, вязкость сс и влажность Wсс), а также от режимных параметров процесса уваривания (время уваривания7, температура уваривания t7 и давление греющего пара внутри змеевика варочного аппарата Р7). Качество полученного помадного сиропа Y7 оценивается по следующим показателям: цвет (Цпс), велиина кристаллов сахара (ВКСпс), вязкость (пс) и влажность (Wпс);

- сбивание УШ помадного сиропа. Эффективность проведения данного процесса и получение помадной массы с оптимальными показателями качества зависит от показателей качества помадного сиропа, которые были перечислены выше, а также от режимных параметров процесса сбивания (время сбивания8, температура помадного сиропа при сбивании t8-1, температуры холодной воды, подаваемой при сбивании в полый шнек внутри аппарата t8-2, Р8 – давление пара перед началом сбивания и частота вращения вращающих лопастей при сбивании n8). Качество полученной помадной массы после сбивания Y8 оценивается по следующим показателям: цвет (Цпс), величина кристаллов сахара помадной массы (ВКСпм), вязкость (пс) и влажность (Wпс);

- дозирование 1Х помадной массы. Эффективность процесса зависит от количества G9 и точности дозирования 9 помадной массы, а также от показателей качества помадной массы, которые были перечислены выше;

- темперирование Х помадной массы. Эффективность процесса зависит от показателей качества помадной массы (Цпс, ВКСпм, пс и Wпс), от начальной температуры помадной массы (tпм) и от режимных параметров процесса (t10, 10);

- смешивание ХХ помадной массы, патоки, молока и фруктово- ягодного пюре для получения конфетной массы. Эффективность проведения данного процесса и получение конфетной массы с оптимальными показателями качества зависит от количества (G9, G13, G16, G19) точности дозирования (9, 13, 16, 19 ) основных компонентов, поступающих на смешивание (помадная масса, патока, молоко и фруктово- ягодное пюре); от показателей качества помадной массы, которые были перечислены выше, а также от режимных параметров процесса смешивание: продолжительность смешивания (20), температура (t20) и число оборотов мешалки (n20), находящейся внутри смесителя. Качество полученной конфетной массы Y20 оценивается по следующим показателям: цвет (Цкм), величина кристаллов сахара конфетной массы (ВКСкм), консистенция (Ккм) и вязкость (км);

- формование ХХ1 конфетной массы. Показатель качества проведения этого процесса Y21 характеризуется формой выходящей конфетной массы (Ф 21), цветом (Ц 21), реологическими свойствами конфетной массы (РСМ) и зависит от режимных параметров этого процесса: скорости выхода массы из матричного отверстия (Vm), температуры помадной массы, поступающей на формование, (Тф), скорости транспортерной ленты (Vтл);

- глазирование ХХП помадных конфет. Показатель качества проведения этих процессов Y22 характеризуется формой помадных нлазированных конфет (Ф 22), цветом полученного изделия (Ц 22) и толщиной покрытия помадной конфеты шоколадной глазурью (22). Эффективность процесса зависит от количества G24 и точности дозирования 24 шоколадной глазури, показателей качества шоколадной глазури (вязкости шг, температуры t24 ), а также от показателей качества помадных неглазированных конфет, которые были перечислены выше.

- охлаждение ХХ1У (необходимо для застывания шоколадной глазури). Процесс зависит от начальной температуры глазированных помадных конфет (tпк1), и от режимных параметров процесса: температуры в охлаждающей камере (t24) и времени охлаждения ( 24).

1.4. Анализ информативности параметов качества показателей сырья, полуфабрикатов, готовых кондитерских изделий в процессе производства глазированных помадных конфет. Выбор из них контролируемых и регулируемых Как видно из рисунка 1.3, на состояние перерабатываемого сырья (сахарного песка, патоки, молока, фруктово- ягодного пюре) и полуфабрикатов (сахарного сиропа, помадного сиропа, помадных масс, конфетных масс, шоколадной глазури) оказывают влияние множество самых различных факторов (например, показатели качества сырья, режимные параметры и.т.д.). Учесть все эти характеристики практически невозможно, так как это связано с большими затратами труда, денег и времени на осуществление такой комплексной оценки.

Кроме того, среди показанных на схеме параметров, вероятно, имеются такие, которые тесно связаны между собой и перекрывают друг друга. Очевидно, имеются также и параметры, не оказывающие существенное влияние на течение ТП производства ПК.

Для обеспечения стабильности протекания процессов приготовления глазированных помадных конфет, оптимизации режимов работы технологического оборудования линий производства этих конфет необходима полная, всесторонняя, достоверная, своевременная и в то же время не избыточная информация именно об основных параметрах, оказывающих наибольшее влияние на качество приготавливаемых кондитерских изделий. Таким образом, важнейшей задачей является оценка информативности параметров, показанных на функционально – структурной схеме, и выбор из них контролируемых и управляемых.

Для решения этой задачи наиболее широко используются: 1)метод матриц влияния и 2) метод лидера к матрице смежности [ 9 ].

Наиболее простым методом для решения указанных выше задач является метод лидера к матрице смежности [ 9 ], применяемый при сравнительно небольшом числе операций и малом количестве факторов (менее 100), влияющих на выходные параметры приготавливаемых глазированных ПК. Используя данный метод были выявлены наиболее информативные характеристики ТП производства ПК. На рисунке 1.4 представлена полученная ФСС исследуемого процесса производства глазированных помадных конфет с указанием необходимых точек контроля и регулирования.

Поэлементный всесторонний анализ ТП производства ПК, определение объективных показателей качества сырья, полуфабрикатов и готовой кондитерской продукции в целом, выбор основных режимных параметров, характеризующих ход всех этапов этого процесса, определение необходимых точек контроля и регулирования позволили нам перейти к выбору современных инструментальных методов и средств контроля основных показателей качества сырья, полуфабрикатов и готового продукта.

–  –  –

Органолептический и технохимический контроль сырья, полуфабрикатов и готовой продукции проводятся в лабораториях кондитерских предприятий на основании стандартов на методы контроля, действующих инструкций, утвержденных в установленном порядке, и в соответствии с требованиями ГОСТ или ТУ [ 28 - 31]. Параметры, характеризующие исходные показатели качества сырья и полуфабрикатов, определянмые в процессе входного контроля и полученные в результате анализов в лабораториях предприятия, представлены в п.1.1 (таблицы 1.1 – 1.4).

Параметры, определяемые как лабораторно, так и автоматически оказывают влияние на качество готового изделия, их можно отнести к группе основных информационных параметров.

1.6. Обзор и анализ существующих современных инструментальных методов и средств контроля основных показателей качества сырья, полуфабрикатов и готовых кондитерских изделий Анализ полученной функционально- структурной схемы (ФСС) процесса производства ПК с указанием необходимых точек контроля и регулирования (рисунок 1.4) показал, что наиболее информативными органолептическими показателями качества сырья, полуфабрикатов и готовых помадных глазированных конфет, которые необходимо контролировать в режиме онлайн в процессе производства являются: величина кристаллов сахара и цвет конфетных масс, что подтверждается проведенными исследованиями с использованием метода лидера к матрице смежности.

1.6.1. Величина кристаллов сахара в конфетных массах Как показали проведенные выше исследования (п.п. 1.1 – 1.4), одним из важнейших показателей качества сырья, полуфабрикатов, и готовых помадных конфет является величина кристаллов: сахарного песка, помадных и конфетных масс, готовых конфет. От величины кристаллов сахара, содержащихся в твердой фазе конфетной массы зависит ее важное органолептическое свойство – вкус, способность вызывать приятное тающее ощущение во рту. Чем меньше размер кристаллов сахара в помаде, тем выше ее качество [42, 75, 92].

В настоящее время на кондитерских предприятиях величину кристаллов сахара в помаде определяют в лаборатории обычно по методу выборочного подсчета дисперсных частиц при микроскопическом анализе с использованием особой окулярной сетки Глаголева [43, 50, 59, 75, 76]. Она представляет собой нанесенную на стекло сетку, состоящую из четырех концентрических кругов, подразделенных на квадраты. Размеры квадратов в каждом круге различные и увеличиваются по мере перехода от меньшего круга к большему (4 мкм, 8, 16 – 20, более 20 мкм). При пользовании этой сеткой препарат передвигают так, чтобы последовательно просмотреть одно поле за другим. В каждом круге подсчитывают лишь те частицы, площадь которых равна или больше площади соответствующих квадратов. Техника определения данного показателя подробно описана в работах [43, 59, 76]. Основным заключающим фактором о вкусе готового кондитерского изделия (который в значительной степени зависит от величины кристаллов сахара в конфетной массе) является оценка экспертов. При этом контроль на приемлемость вкуса должен проводиться экспертами во время ТП на протяжении всей смены производства, но так как это является невыполнимой задачей, то контроль проводят лишь выборочно, отбирая из партии отдельные образцы изделий. Результатом такой оценки является заключение о вкусовых качествах изготовленного продукта. В случае положительного результата анализа изделие поступает на реализацию, а в случае отрицательного – бракуется [59, 63].

Органолептический контроль в кондитерском производстве занимает важнейшее место при определении результирующего показателя качества готовой продукции. Но организация мероприятий по подготовке и проведению органолептической оценки изделий требуют хорошо организованной и слаженной работы специально обученного персонала, нарушение которых может привести к получению необъективных результатов [59, 63]. Кроме того, оценка качества изделия органолептическими методами может приводить к субъективным ошибкам из-за так называемых «человеческих факторов». К ним можно отнести: изменение восприятия вкуса у человека, вследствие болезней или усталости; неверную трактовку вкусовых ощущений, вследствие непрофессионализма дегустаторов и т.п. Также, по регламенту на большинстве пищевых предприятий органолептический контроль проводится один раз в смену, что может повлечь пропуск изделий с испорченными вкусовыми показателями, вследствие различных отклонений протекания ТП от установленных норм. Существующие методы органолептическкого анализа субъективны. Применяемый в настоящее время метод контроля величины кристаллов сахара лишает технологов возможности прогнозирования качества готовой продукции. За отсутствием профессиональных экспертов, а также вследствие большого количества времени, необходимого для проведения этих анализов, такая оценка может зачастую давать необъективные показания о качестве помадных конфет [76].

Проведен анализ методов и приборов определения размеров (фракций) и форм частиц в различных отраслях промышленности (фармацевтической, горной, строительной, металлургической и др.): ситовые анализаторы, микроскопия, лазерные лабораторные анализаторы формы и размеров частиц, методы газо-жидкостной хроматографии, спектроскопические методы и др. В разных отраслях промышленност (горной, строительной, металлургической и др.) существуют кварцевые датчики определения кристаллов исследуемых материалов с использованием метода кварцевого микровзвешивания. Для контроля исследуемого показателя качества предлагаются пьезорезонансные датчики, селективные сорбционные детекторы, измерительные преобразователи на основе акусточувствительных и гирочувствительных методов, пьезоэлектрические виброгироскопы. Обзор и анализ существующих современных инструментальных методов и средств контроля размера кристаллов в различных материалах показал неприемлемость использования данных методов для автоматизации контроля в потоке величины кристаллов сахара в конфетных массах и необходимость использования интеллектуальных технологий.

1.6.2. Цвет полуфабрикатов и готовых не глазированных конфет

Одним из важнейших органолептических показателей качества сырья, полуфабрикатов, и готовых помадных конфет является цвет: сахарного песка, полуфабрикатов (помадных и конфетных масс), готовых не глазированных конфет. Цвет характеризует общее зрительное впечатление об изделии, оказывает наиболее существенное влияние на формирование и сохранение качества кондитерского изделия, определяет способы и условия его производства [76]. В соответствии с существующей классификацией органолептических показателей [43, 59, 63] цвет оценивается с помощью зрения человека, т.е. на основании исследований, осуществляемых с помощью органов чувств специалиста - эксперта без применения измерительных приборов. При определении цвета экспертная комиссия устанавливает различные отклонения от цвета, специфического для данного вида продукта. Экспертная комиссия должна состоять из 5-9 человек, обладающих специальными знаниями, навыками, проверенной чувствительностью и хорошим зрением. Оценка осуществляется в определенной последовательности и при соблюдении необходимых условий. Цвет характеризует общее зрительное впечатление о продукте, а также впечатление, вызванное отраженными световыми лучами видимого света. Цвет (окраску) продукта определяют по эталонам или по цветовой шкале. Визуально определяют также наличие на поверхности исследуемого продукта плесени, характер рисунка поверхности или разреза, наличие посторонних включений [50, 59, 63, 65].

Обычно все зрительные ощущения цвета подразделяют на две группы:

ахроматические и хроматические цвета. К ахроматическим цветам относятся лишь чисто - белые, чисто - серые и чисто - черные. Например, сахар, крахмал высокой степени очистки - чисто белые. Кондитерское сырье, полуфабрикаты и готовые изделия ахроматических цветов встречаются редко. Чаще они хроматических цветов, имеющих самый незначительный, трудноуловимый оттенок другого цвета (желтоватый, красноватый и др.). Даже перечисленные выше продукты, как правило, имеют хроматические цвета, интенсивность оттенков которых зависит от степени загрязненности посторонними примесями. Цветовой тон определяется длиной волн световых лучей, отражаемых от поверхности пищевого изделия. Существует семь основных цветов: синий, голубой, желтый, зеленый, оранжевый, красный, фиолетовый [76]. Сочетания этих цветов дают новые оттенки и переходы цвета. Глаз человека способен различить 150 переходов по цветовому тону. Насыщенность (концентрация) цвета представляет собой отличие хроматического цвета от равного с ним по светлоте серого цвета и является степенью выраженности цветового тона в конкретном цвете. При органолептической оценке цвета рекомендуется учитывать явление цветового контраста, которое заключается в том, что любой цвет на фоне более темных тонов светлеет, на фоне более светлых – темнеет [43, 54, 63, 76]. При определении цвета часто сопоставляют фактический показатель с базисным, которым могут служить эталоны, имеющие цвет, свойственный данному продукту или определенному его сорту. Например, такое сравнение проводится при определении цветности сахара и других продуктов. Особенно важно, чтобы при сравнении цвета продукта с эталонами фон был одинаковым. При оценке цвета необходимо учитывать индивидуальные особенности дегустаторов, их ассоциативные связи восприятия окраски с продуктом. На восприятие цвета влияют и определенные зрительные ассоциации, основанные на прежнем опыте оценки данного продукта. При несоответствии цвета общепринятому эталону возникает предубеждение против продукта [59, 63]. В настоящее время на кондитерских предприятиях цвет сырья, полуфабрикатов и готовых кондитерских изделий определяют органолептическим и лабораторным методами. Так, цвет сахара - песка кроме экспертной комиссии определяют также фотометрическим методом в лаборатории в соответствии с ГОСТ 12572-93 «Сахар-песок и сахар-рафинад. Методы определения цветности» [28], а цвет помадных и конфетных масс, а также готовых кондитерских изделий определяют в соответствии с ГОСТ 5897-90 «Изделия кондитерские. Методы определения органолептических показателей качества» [30].

Для определения цвета сахара- песка, помадных и конфетных масс, а также готовых кондитерских изделий все чаще применяют различные объективные методы (химические, физические, биохимические), которые проводят в течение всего процесса производства на основании характерных физико- химических изменений, свойственных каждому из этапов обработки помадных конфет.

Используются более приемлемые физико-химические методы анализа:

рефрактометрический, спектрофотометрический методы и другие, которые позволяют с помощью приборов отслеживать изменение свойств перерабатываемых кондитерских масс и косвенно по полученным данным судить об их цветности [15, 44 - 48]. По цвету готовых корпусов конфет можно определить содержание растительного жира в продукте. Сегодня можно также выделить методы, нашедшие широкое применение в пищевой промышленности для косвенного контроля цветности: люминесцентный,анализ, микроскопические методы газовая хроматография, жидкостная хроматография, атомноабсорбционная спектрометрия, фотометрия, люминесценция, капиллярный электрофорез, инфракрасная спектроскопия, электрохимия, классические методы анализа (титриметрия, гравиметрия), реологические методы исследования. В ФГБОУ ВПО «Воронежский государственный университет инженерных технологий» [103] разработана автоматизированная система, позволяющая в режиме реального времени представить технологу – оператору оценку цвета корки хлебобулочных изделий, его отклонения от норм и осуществить поддержку принятия решений по управлению процессом выпечки. В основу положена методика оценки цвета с использованием цифрового изображения, разработанная на кафедре информационных и управляющих систем Университета.

Автоматизации контроля цветовых показателей качества хлебобулочных изделий с применением спектральной квалиметрии посвящены работы Битюкова В.К., Хвостова А.А. и Ребрикова Д.И. [8]. Система может быть интегрирована в контур АСУТП производства и позволяет оперативно принимать решения по управлению ТП выпечки с учетом окраски корки.

Обзор и анализ существующих методов и приборов контроля цвета, разработанных в последние годы, показал, что имеющиеся в настоящее время приборы для контроля цветности являются, в основном, лабораторными приборами, требующими значительных затрат времени на подготовку пробы и проведение анализов; в работах не уделяется достаточного внимания методам и средствам измерения цвета, позволяющим получать выходные данные в цифровом виде; до настоящего времени отечественная промышленность не выпускает серийных промышленных приборов контроля цвета пищевых масс и изделий, отвечающих требованиям пищевой промышленности и работающих в потоке. Появившиеся методики и функционально – структурные схемы автоматизации процесса выпечки хлебобулочных изделий [8] требуют дальнейшей более глубокой проработки выбранных методов контроля цветности и их апробации на других пищевых изделиях.

1.7. Роль интеллектуальных технологий

Использование интеллектуальных технологий нового поколеня является стратегическим направлением развития автоматизации контроля параметров качества кондитерских изделий. Внедрение таких систем,позволит быстро и точно в режиме онлайн проводить мониторинг и прогнозирования качества сырья, полуфабрикатов и готовых,изделий. Поскольку всем этим требованиям отвечают такие интеллектуальные технологии, как экспертные системы,,системы компьютерного зрения и нейросетевые технологии нами проведен обзор и анализ научно- технической информации о развитии этих важнейших направлений искусственного интеллекта 1.7.1.Обзор и анализ научно-технической информации о развитии экспертных систем, нейросетевых технологий и систем компьютерного зрения как важнейших направлений искусственного интеллекта В начале восьмидесятых годов в исследованиях по искусственному интеллекту сформировалось самостоятельное направление, получившее название "экспертные системы" (ЭС). Цель исследований по ЭС состоит в разработке программ, которые при решении задач, трудных для эксперта-человека, получают результаты, не уступающие по качеству и эффективности решениям, получаемым экспертом [ 6 ]. При этом ЭС выступает не в роли «ассистента», выполняющего за человека часть работы, а в роли «компетентного партнера» – эксперта-консультанта в какой-либо конкретной предметной области.

ЭС аккумулирует в себе опыт и знания высококвалифицированных специалистов, позволяет пользоваться этими знаниями «неспециалистам» в данной предметной области.

Способности ЭС решать поставленные задачи не ослабевают со временем и не забываются при отсутствии практики, легко распространяются, так как являются компьютерной программой, прекрасно документированы, а значит и аргументированы [ 8, 14, 24, 25, 37, 61 ]. При многократном решении одной и той же задачи ЭС выдает одно и тоже решение в отличие от человека, который подвержен эмоциональным факторам. Плюс ко всему эксплуатация ЭС значительно дешевле, чем оплата труда человекаэксперта. Главное достоинство ЭС- возможность накапливать знания, сохранять их длительное время, обновлять и тем самым обеспечивать относительную независимость конкретной организации от наличия в ней квалифицированных специалистов. Накопление знаний позволяет повышать квалификацию специалистов, работающих на предприятии, используя наилучшие, проверенные решения.

Обзор и анализ информации о развитии систем нейросетевых технологий

Нейросетевые технологии являются одним из направлений развития искусственного интеллекта [ 4, 5, 7, 12, 13, 18, 21 - 26 ]. Они представляют собой математический аппарат, позволяющий воспроизводить достаточно сложные зависимости. Их применение целесообразно для решения сложно формализуемых задач, в которых входные данные слабо коррелируют с выходными.

Важным свойством НС при решении прикладных задач является способность к обучению и к обобщению полученных знаний [ 34, 39, 57 ]. Натренированная на ограниченном множестве обучающих выборок, нейронная сеть обобщает накопленную информацию и вырабатывает ожидаемую реакцию применительно к данным, не обрабатывавшимся в процессе обучения. На сегодняшний день аппараты искусственных НС и методы их применения активно развиваются и совершенствуются [ 4, 5, 34, 39, 41, 49, 57, 58, 62 ]. Активными исследованиями в области создания систем моделирования искусственных нейронных сетей (ИНС) в России занимаются такие организации как Институт вычислительного моделирования СО РАН, ФГБОУ ВПО «Исследовательский ядерный университет «МИФИ»», Пермская научная школа искусственного интеллекта, ЗАО "Научно-исследовательский центр математического моделирования и нейросетевых технологий "Нейросплав". Исследования в этой области проводили Д. Рутковская, М. Пилиньский, Л. Рутковский, А. И. Галушкин, Саймон Хайкин, А. Б. Барский, А. А. Ежов, С. А. Шумский, А. Н. Горбань, М.М. Благовещенская, Е.В. Роденков, А.В. Шаверин, С.И. Апанасенко, С.Д.

Савостин и др.

Обзор и анализ информации о развитии систем компьютерного зрения Важную часть в области искусственного интеллекта занимают системы компьютерного зрения (СКЗ) [ 3, 17, 19, 25, 44, 60 ]. На данном этапе развития СКЗ по праву могут считаться одними из самых передовых и перспективных.

Область компьютерного зрения может быть охарактеризована как молодая и динамично развивающаяся. Существует масса методов для решения различных строго определённых задач компьютерного зрения, где методы часто зависят от задач и редко могут быть обобщены для широкого круга применения. Многие из методов и приложений все ещё находятся в стадии фундаментальных исследований, но все большее число методов находит применение в коммерческих продуктах, где они часто составляют часть более большой системы, которая может решать сложные задачи (например, в области медицинских изображений или измерения и контроля качества в машиностроительных, тексильных процессах изготовления тканей и др.).

Системы компьютерного зрения (СКЗ) - это применение компьютерного зрения для промышленности и производства. Областью интереса компьютерного зрения являются цифровые устройства ввода/вывода и компьютерные сети, предназначенные для контроля производственного оборудования. Компьютерное зрение имеет некоторые преимущества перед зрением человека. Соответственно, актуально развивать это интеллектуальное направление науки [ 3, 17, 19, 25, 44, 60 ]. При этом уже сейчас становится ясно, что от успешного решения ряда сложных и неоднозначных задач компьютерного зрения зависит автоматизация множества процессов и операций самых различных отраслей промышленности, которые до этого управлялись и контролировались только человеком [17, 25, 60]. Обзор и анализ работ, посвященных данному направлению показал, что в пищевой промышленности СКЗ только начинают применяться [8, 15, 46 – 48, 103 ]. К настоящему времени опубликованы ряд диссертационных работ, посвященных вопросам использования цифровой видеосъемки в различных областях, в том числе и в пищевой промышленности: «Система автоматического регулирования процесса формования конфетных жгутов с использованием цифровой видеосъемки» (к.т.н. Иванов Я. В., научный руководитель д.т.н., проф. Благовещенская М.М. 2008), «Автоматизация контроля цветовых показателей качества хлебобулочных изделий с применением спектральной квалиметрии» (к.т.н. Ребриков Д.И., научный руководитель д.т.н., проф.

Битюков В.К. 2010), «Совершенствование технологии хлеба для школьного питания с применением автоматизированной системы контроля цвета изделия»

(к.т.н. Шторх Л.В., научный руководитель д.т.н., проф. Чертов Е.Д. 2013), «Автоматизация контроля показателей качества муи в процессе размола с использованием интеллектупльных технологий» (Савостин С.Д., научный руководитель д.т.н., проф. Благовещенская М.М. 2014) и др.

1.7.2. Аналитический обзор основных задач, решаемых экспертными системами, нейросетевыми технологиями и системами технического зрения. Области их применения Аналитический обзор основных задач, решаемых экспертными системами. Области их применения Актуальность развития и создания экспертных систем в настоящее время несомненна. Действительно хорошо разработанная ЭС может стать серьёзной и значимой частью производства, рационализируя управление процессами этого производства, минимизируя расходы на организацию и проведение регистрации показателей качества сырья и полуфабрикатов на всех возможных стадиях производства с последующим анализом полученных результатов и прогнозированием качества готовых изделий.

Области применения экспертных систем.

Области применения ЭС, основанных на знаниях, могут быть сгруппированы в несколько основных классов: медицинская диагностика, контроль и управление, диагностика неисправностей в механических и электрических устройствах, обучение.

а) Медицинская диагностика. Диагностические системы используются для установления связи между нарушениями деятельности организма и их возможными причинами. Наиболее известна диагностическая система MYCIN, которая предназначена для диагностики и наблюдения за состоянием больного при менингите и бактериальных инфекциях. В настоящее время эта система ставит диагноз на уровне врача-специалиста. Она имеет расширенную базу знаний, благодаря чему может применяться и в других областях медицины.

б) Прогнозирование. Прогнозирующие системы предсказывают возможные результаты или события на основе данных о текущем состоянии объекта.

Программная система “Завоевание Уолл-стрита” может проанализировать конъюнктуру рынка и с помощью статистических методов алгоритмов разработать для вас план капиталовложений на перспективу. Она не относится к числу систем, основанных на знаниях, поскольку использует процедуры и алгоритмы традиционного программирования.

Практическое применение искусственного интеллекта на машиностроительных предприятиях и в экономике основано на ЭС, позволяющих повысить качество и сохранить время принятия решений, а также способствующих росту эффективности работы и повышению квалификации специалистов.

в) Планирование. Планирующие системы предназначены для достижения конкретных целей при решении задач с большим числом переменных. Компания Boeing применяет ЭС для проектирования космических станций, а также для выявления причин отказов самолетных двигателей и ремонта вертолетов.

Экспертная система XCON, созданная фирмой DEC, служит для изменения конфигурации компьютерных систем типа VAX и в соответствии с требованиями покупателя. Фирма DEC разрабатывает более мощную систему XSEL, включающую базу знаний системы XCON, с целью оказания помощи покупателям при выборе вычислительных систем с нужной конфигурацией. В отличие от XCON система XSEL является интерактивной. И др.

г) Интерпретация. Интерпретирующие системы обладают способностью получать определенные заключения на основе результатов наблюдения. Система PROSPECTOR, одна из наиболее известных систем интерпретирующего типа, объединяет знания девяти экспертов. Используя сочетания девяти методов экспертизы, системе удалось обнаружить залежи руды стоимостью в миллион долларов, причем наличие этих залежей не предполагал ни один из девяти экспертов. Другая интерпретирующая система- HASP/SIAP. Она определяет местоположение и типы судов в тихом океане по данным акустических систем слежения.

д) Контроль и управление. Системы, основанные на знаниях, могут применятся в качестве интеллектуальных систем контроля и принимать решения, анализируя данные, поступающие от нескольких источников. Такие системы уже работают на атомных электростанциях, управляют воздушным движением и осуществляют медицинский контроль. Они могут быть также полезны при регулировании финансовой деятельности предприятия и оказывать помощь при выработке решений в критических ситуациях.

е) Диагностика неисправностей в механических и электрических устройствах. В этой сфере системы, основанные на знаниях, незаменимы как при ремонте механических и электрических машин (автомобилей, дизельных локомотивов и т.д.), так и при устранении неисправностей и ошибок в аппаратном и программном обеспечении компьютеров.

ж) Обучение. Системы, основанные на знаниях, могут входить составной частью в компьютерные системы обучения. Система получает информацию о деятельности некоторого объекта (например, студента) и анализирует его поведение. База знаний (БЗ) изменяется в соответствии с поведением объекта. Обучающая система может также обладать знаниями, позволяющими выполнять диагностику и планирование. Она определяет способности обучаемого по основным направлениям курса, а затем с учетом полученных данных составляет учебный план. Управляющая система может применяться для целей контроля, диагностики, прогнозирования и планирования.

Существует ряд прикладных задач, которые решаются с помощью экспертных систем, основанных на знаниях, более успешно, чем любыми другими средствами. В таблице 1.7 приведены сравнительные свойства прикладных задач, по наличию которых можно судить о целесообразности использования для их решения ЭС.

–  –  –

Аналитический обзор основных задач, решаемых нейросетевыми технологиями. Области их применения Примерами применения технологии нейронных сетей являются: оценка параметров, идентификация систем, распознавание образов, анализ временных рядов и сжатие и т.д. Любая НС используется в качестве самостоятельной системы представления знаний, которая в практических приложениях выступает, как правило, в качестве одного из компонентов системы управления, либо модуля принятия решений, передающих результирующий сигнал на другие элементы, не связанные непосредственно с искусственной НС.

Для обработки принятой компьютером информации используются различные математические методы, позволяющие интерпретировать многомерный отклик массива выполненных измерений. Одним из таких методов является аппарат искусственных НС. На выходе получается количественная или качественная информация об исследуемом параметре. Для классификации и распознавания образов сеть обучается важнейшим их признакам. В процессе обучения выделяются признаки, отличающие образы друг от друга, которые и составляют базу для принятия решений об отнесении образов к соответствующим классам. При решении задач прогнозирования роль НС состоит в предсказании будущей реакции системы по ее предшествующему поведению. Обладая информацией о значениях переменной x в моменты, предшествующие прогнозированию x(k-1), x(k-2), …, x(k-N), сеть вырабатывает решение, каким будет наиболее вероятное значение последовательности в текущий момент k.

Для адаптации весовых коэффициентов сети используется фактическая погрешность прогнозирования и значения этой погрешности в предшествующие моменты времени.

При решении задач идентификации и управления динамическими процессами нейросеть, как правило, выполняет несколько функций. Она представляет собой нелинейную модель этого процесса, обеспечивающую выработку соответствующего управляющего воздействия. Сеть также выступает в роли следящей системы, адаптирующейся к изменяющимся условиям окружающей среды. Очень большое значение имеет функция классификации, реализуемая при выработке решения о дальнейшем развитии процесса.

ИНС применяются в тех сферах, где человеческий интеллект малоэффективен, а традиционные вычисления физически неадекватны или трудоемки, плохо отражают или не отражают реальные физические объекты и процессы.

Типовые задачи, решаемые с помощью нейрокомпьютеров и нейронных сетей:

автоматизация процессов прогнозирования, классификации, предсказания, принятия решений; кодирование и декодирование информации; управление; аппроксимация зависимостей.

Достоинства нейросетевых методов: появляется возможность отказаться от дорогостоящих и редких сенсоров;существенно сокращается продолжительность измерений. Уменьшаются временные затраты на регистрацию и на этапы подготовки и обработки измерений; повышается объективность исследований.

Недостатками нейросетевого подхода можно назвать - необходимость предварительной настройки, сбор и выявление основных входных и выходных информационных массивов данных [4, 22, 57].

Нейронные сети подходят для задач распознавания образов, автоматизации процессов контроля, прогнозирования, предсказания, кластеризации, но неудобны для объяснения принципов их работы. Сети могут автоматически получать и накапливать знания. Важным свойством НС при решении прикладных задач является способность к обучению и к обобщению полученных знаний.

Натренированная на ограниченном множестве обучающих выборок, сеть обобщает накопленную информацию и вырабатывает ожидаемую реакцию применительно к данным, не обрабатывавшимся в процессе обучения. А Л. Гарсия, А. Гарсия, Ф. Аргуессо и М. Диаз в своей работе «Применение нейронных сетей для контроля и прогнозирования показателей качества в процессе брожения пива» делают акцент на контроль кислотности на участке брожения технологического процесса производства пива. Для поддержания заданных условий протекания ТП, в частности значения кислотности была разработана НСМ, которая отслеживала изменения параметров процесса и воздействовала на соответствующие исполнительные механизмы, с целью улучшения показателей работы биореактора. При этом применение НС было обосновано невозможностью получения математической модели вследствие сложных химических процессов, происходящих на стадии брожении пива.

Из проведенного рассмотрения видно, что применение нейросетевых технологий является перспективным направлением использования высокоэффективных интеллектуальных технологий для прогнозирования показателей качества готовой продукции в различных отраслях (в том числе пищевой) промышленности.

Аналитический обзор основных задач, решаемых СКЗ. Области их применения Системы СКЗ, позволяют решать множество задач, которые условно можно разделить на четыре группы (рисунок 1.5): распознавание положения, измерение, идентификация и инспекция.

Рисунок 1.5 Основные задачи компьютерного зрения

• Распознавание положения. Цель компьютерного зрения в данном применении

- определение пространственного местоположения или статического положения объекта и передача информации о положении и ориентации объекта в систему управления или контроллер. Примером такого приложения может служить погрузочно-разгрузочный робот, перед которым стоит задача перемещения объектов различной формы. Интеллектуальная задача компьютерного зрения заключается, например, в определении оптимальной базовой системы координат и ее центра для локализации центра тяжести изделия. Полученная информация позволяет роботу захватить изделие должным образом и переместить его в надлежащее место.

• Измерение.В приложениях данного типа основная задача цифровой видеокамеры заключается в измерении различных физических параметров объекта.

Примером физических параметров может служить объем, линейный размер, диаметр, кривизна, площадь, высота и количество. Пример реализации данного задачи - измерение различных диаметров горлышка стеклянной бутылки.

• Инспекция.В приложениях, связанных с инспекцией, цель компьютерного зрения - подтвердить определенные свойства, например, наличие или отсутствие этикетки на бутылке, болтов для проведения операции сборки, шоколадных конфет в коробке или наличие различных дефектов в изделии.

• Идентификация.В задачах идентификации основное назначение видеокамеры

- считывание различных кодов (штрих-кодов, 2D-кодов и т. п.) с целью их распознавания средствами камеры или системным контроллером, а также определение различных буквенно-цифровых обозначений. Кроме того, к задачам данной группы можно отнести системы, выполняющие задачи безопасности, такие как идентификация личности и техники, детекторы движения.

Исходя из задач, которые решает компьютерное зрение, можно выделить множество областей применения СКЗ:

- 50% всех СКЗ эксплуатируются в задачах контроля качества. Это, прежде всего, визуальный контроль за ходом процессом, цветом и качеством поверхности продукции, внешним видом и чистотой упаковки, правильностью и разборчивостью этикеток, уровнем жидкости во всевозможной таре и т. д. Примерно 10% этих задач выполняются системами трехмерного зрения. Отдельная область использования СКЗ на производстве - проведение всевозможных визуальных измерений параметров ТП и, в частности, определение размеров предметов, т.е. решение задач измерения и контроля.

- 20% спроса приходится на системы компьютерного зрения для проектов автоматизации производства и внедрения промышленных роботов. Такие СКЗ упрощают самые разные виды высокоточной деятельности (сборка и разборка, фасовка, покраска, сварка, утилизация), облегчают транспортировку грузов, применяются в системах учета, маркировки, регистрации и сортировки продукции. Таким образом СКЗ выполняются инспекционные задачи и задачи расположения для правильной работы робота.

- 17% всех продаж СКЗ составляют широко известные и хорошо работающие OCR/OCV-системы распознавания печатных символов и штрих-кодов. То есть СКЗ решаются задачи идентификации.

- Рынок систем компьютерного зрения для непроизводственных (развлекательных, бытовых, исследовательских) роботов составляет 13%.

В СКЗ для решения перечисленных задач используются различные технологии и методы обработки изображения. Ниже перечислены основные методы обработки изображения:

· Счетчик пикселей: подсчитывает количество светлых или темных пикселей и на основе результата делает необходимые выводы об изображении.

· Выделение связанных областей: связная область изображения – это, с одной стороны, тип объекта, все еще очень близко связанный с растровым изображением (представление изображения в виде двумерного массива точек, упорядоченных в ряды и столбцы), и в то же время – это уже некая самостоятельная единица, позволяющая вести дальнейший геометрический, логический, топологический и любой другой анализ изображения.

· Бинаризация: преобразует изображение в серых тонах в бинарное (белые и черные пиксели).

· Гистограмма и гистограммная обработка: гистограмма характеризует частоту встречаемости на изображении пикселей одинаковой яркости.

· Сегментация: используется для поиска и/или подсчета деталей. Сегментацией изображения называется разбиение изображения на непохожие по некоторому признаку области. Предполагается, что области соответствуют реальным объектам, или их частям, а границы областей соответствуют границам объектов.

· Чтение штрих-кодов: декодирование 1D и 2D кодов, разработанных для считывая или сканирования машинами.

· Оптическое распознавание символов: автоматизированное чтение текста, например, серийных номеров.

· Измерение: измерение размеров объектов в дюймах или миллиметрах.

· Сопоставление шаблонов: поиск, подбор, и/или подсчет конкретных моделей.

· Инвариантные алгоритмы: обнаружение и сопоставление точечных особенностей на изображениях.

· Методы идентификация личности по радужной оболочке глаза.

· Различные методы восстановления формы объекта по изображениям.

В большинстве случаев, СКЗ используют последовательное сочетание этих методов обработки для выполнения полного инспектирования. Важной задачей СКЗ при этом является получение цифрового изображения, обработка изображения с целью выделения значимой информации на изображении и математический анализ полученных данных для решения поставленных задач.

На рисунке 1.6 представлена компоновка типовой СКЗ, которая состоит из одной или нескольких цифровых или аналоговых камер (черно-белые или цветные) (Сamera) с подходящим объективом (lens) для получения изображений, подсветки (Lighting) и объекта (Objekt), оборудования ввода/вывода или каналы связи для визуализации полученных результатов. Кроме того, важна и программная составляющая СКЗ, а именно, программное обеспечение для подготовки изображений к обработке (для аналоговых камер - это оцифровщик изображений), специфичные приложения программного обеспечения для обработки изображений и обнаружения соответствующих свойств.

Матрица чувствительных элементов, входящая в состав видеокамеры, предназначена для получения цифрового изображения. В состав матрицы чувствительного элемента входит множество аналого-цифровых преобразователей, предназначенных для преобразования информации о световой интенсивности в цифровое значение.

Рисунок 1.6 Состав типовой системы компьютерного зрения

Объектив позволяет камере фокусироваться на определенном расстоянии и получать четкое изображение объекта. В случае, когда объект находится вне фокусного расстояния, изображение получается нерезким (размытым, с нечеткими краями), что ухудшает возможность обработки видеоряда. В отличие от обычных цифровых фотоаппаратов с объективами, поддерживающими функции автофокусировки, в компьютерном зрении применяется оптика с фиксированным фокусным расстоянием или ручной настройкой фокуса. Существуют различные типы объективов для самых разных задач (стандартные, телескопические, с широким углом обзора, с увеличением и другие), и выбор правильного типа оптики - важный этап при проектировании СКЗ. Подсветка - еще один важный элемент в СКЗ. Благодаря использованию различных типов освещения можно расширить круг задач, решаемых компьютерным зрением. Существует различные типы подсветок, но наиболее популярным является светодиодная - в связи с ее высокой яркостью. При этом современный уровень развития светодиодной техники обеспечивает большой срок службы устройства и малое энергопотребление.

Хотя большинство СКЗ полагается на «черно-белые» камеры, использование цветных камер становится все более распространенным явлением. Кроме того, все чаще СКЗ используют цифровые камеры прямого подключения, а не камеры с отдельным захватчиком кадров, что сокращает расходы и упрощает систему. В большинстве практических применений СКЗ компьютеры предварительно запрограммированны для решения отдельных задач, но методы, основанные на знаниях, становятся все более общими. В настоящее время СКЗ востребованы и используются в области контроля качества и инспекции качества различных изделий машиностроения, а также в текстильной, горной и строительной отраслях промышленности.

В пищевой промышленности СКЗ только начинают применяться.

Наиболее важной задачей для пищевой промышленности является использование СКЗ для решения одной из основных задач любого пищевого производства:

автоматический контроль в режиме онлайн качества сырья, полуфабрикатов и готовых пищевых изделий, выявления брака в готовой продукции. В настоящее время СКЗ востребованы и используются в области контроля качества и инспекции качества бисквитов на кондитерской линии, осуществляемое со скоростью 60 пирожных в секунду, качества муки, хлеба и хлебобулочных изделий, а также в области визуального контроля и управления производством продуктов питания (учет, считывание штрих-кодов).

1.8. Выводы по 1 главе Первая глава посвящена анализу ТП производства сахарных ПК как объекта автоматизации. В рамках этой главы выявлены, обобщены, систематизированы и проанализированы особенности данного процесса, дана характеристика основных стадий и материальных потоков при производстве ПК. Проведена классификация основных операций процесса производства ПК и выбраны факторы, определяющие эффективность этих операций и ТП в целом.

Проведен всесторонний анализ параметров, оказывающих влияние на качество сырья, полуфабрикатов и готовых кондитерских изделий. Проанализировано их влияние на ход каждой стадии производства глазированных ПК. На основании полученных результатов разработана ФСС влияния факторов исходного сырья, промежуточных операций на качество готовых помадных конфет на всех стадиях процесса производства. Выявлены необходимые точки контроля и регулирования. Разработана ФСС формирования потока качества помадных глазированных конфет на всех этапах их производства с указанием необходимых точек контроля и регулирования.

Выбраны и обоснованы наиболее информативные органолептические показатели контроля качества: величина кристаллов сахара и цвет конфетных масс, которые необходимо определять непрерывно в ходе ТП. Показано, что существующие в настоящее время методы оценки этих показателей качества субъективны и определяются только путем лабораторных измерений. Рассмотрены и проанализированы существующие инструментальные методы и средства автоматического контроля в потоке этих показателей. Проведенный в работе обзор и анализ полученных данных показал невозможность использования имеющихся методов и средств для автоматизации контроля вышеуказанных показателей в потоке. Была поставлена задача создания АЭСК в потоке выявленных выше органолептических показателей качества помадных конфет с использованием ИНС и систем компьютерного зрения (СКЗ).

ГЛАВА 2. ЭКСПЕРИМЕНТАЛЬНЫЕ ИССЛЕДОВАНИЯ И

РАЗРАБОТКА СТРУКТУРНО-ПАРАМЕТРИЧЕСКИХ МОДЕЛЕЙ

ОСНОВНЫХ ЭТАПОВ ТП ПРОИЗВОДСТВА ПК

Решение задачи автоматизации контроля величины кристаллов сахара в сырье, полуфабрикатах и готовых ПК возможно лишь при наличии математических моделей этих процессов, что позволит наглядно изучить влияние входных контролируемых и регулируемых параметров, возмущающих воздействий на величину кристаллов сахара на всех стадиях производства, а также даст возможность прогнозировать ход этих ТП и определять необходимые при этом режимы работы используемого оборудования. Для разработки таких математических моделей были проведены экспериментальные исследования и опрос экспертов, на основе чего были разработаны структурно- параметрические модели всех стадий ТП производства помадных конфет с выделением факторов, оказывающих наибольшее влияние на величину кристаллов сахара.

2.1. Структурно-параметрический анализ ТП производства ПК

В результате анализа проведенных в 1 главе исследований, а также по итогам опроса опытных специалистов - экспертов, были отобраны наиболее информативные параметры состояния ТП производства ПК и составлены матрицы взаимосвязей между ними по каждой стадии этого производства. В таблицах 2.1 - 2.6 представлены результаты опроса экспертов на информативность параметров, оказывающих наибольшее влияние на показатели качества сырья, полуфабрикатов и готовой продукции на всех стадиях ТП производства ПК.

Символом () обозначены параметры, которые, по мнению экспертов, имеют наибольшее влияние. Расшифровка параметров Х1, Х2, Х3,… Х58 представлена в Приложении 3.

Таблица 2.1 Экспертная оценка наличия связей между параметрами на стадии подготовки сырья к производству

–  –  –

2.2. Разработка структурно – параметрических и математических моделей основных стадий ТП производства ПК Для более точного математического анализа показателей качества ПК необходимо построение структурно – параметрических моделей основных стадий ТП производства. Разработка таких моделей связана с представлением их в виде системы взаимодействующих элементов и как подсистемы некоторой внешней системы [46 - 48].

Проведенные нами экспериментальные исследования и полученные на кондитерском предприятии «Рот Фронт» статистические данные, позволили выявить основные входные параметры и возмущающие факторы, влияющие на ход всех исследуемых ТП производства ПК. Полученные результаты экспериментов были сравнены с показаниями экспертов, на основании чего были построены структурно - параметрические матрицы функционирования связей между исследуемыми параметрами на всех стадиях ТП производства ПК.

Разработка структурно – параметрических моделей велась в несколько этапов. На первом этапе наличие связей между параметрами устанавливалось с помощью коэффициентов корреляции по формуле (2.1) и формировалась таблица корреляционных связей которая отражает глубину статистической связи между параметрами на всех стадиях ТП производства ПК.

, (2.1) где: – корреляционная связь между i-ым и j-ым параметром;

– среднее значение i-ого и j-ого параметра;

- дисперсия i-ого и j-ого параметра.

Проверка значимости коэффициентов производилась по формуле (2.2) (критерий Стьюдента) так, что при коэффициент принимался значимым, (2.2) в противном случае коэффициент приравнивался к 0.

Алгоритм расчета матрицы коэффициентов корреляции представлен на рисунке 2.1.

–  –  –

Рисунок 2.1 Алгоритм расчета матрицы коэффициентов корреляции На втором этапе методом регрессионного анализа определялся характер связи между параметрами.

Построчно выделяя группы сильно связанных параметров ( ) по формуле (2.3), были рассчитаны коэффициенты

–  –  –

(2.6) (2.7) (2.8)

–  –  –

.

Алгоритм нахождения коэффициентов линейной множественной регрессии представлен на рисунке 2.2.

–  –  –

Для того, чтобы коэффициенты влияния параметров различной физической природы можно было сравнить между собой, необходимо от матрицы размерных коэффициентов перейти к матрице безразмерных, относительных

–  –  –

Таким образом, исходное уравнение регрессии (формула 2.5) принимает вид (2.11) c безразмерными коэффициентами (формула 2.12), по которым, в дальнейшем, строится математическая модель зависимости показателей качества от параметров.

(2.12) 2.2.1. Подготовка сырья к производству Учитывая проведенные выше исследования и выявленные наиболее информативные параметры, влияющие на качество процесса подготовки сырья к производству, была спроектирована параметрическая модель подготовки сырья к производству (рисунок 2.3).

X4

–  –  –

На основании проведенных расчетов получена математическая модель процесса приготовления сахарного сиропа:

Y1 сс =0,2 X13+0,36 X14 (2.15) Y2 сс =0,09 X13 - 0,46 X15 - 0,53 X16 (2.16) Y3 сс =0,61 X12 + 0,75 X15 (2.17) Полученные данные экспериментального исследования были сравнены с данными, полученными в результате опроса экспертов. Итоговые результаты приведены в таблице 2.2 в форме квадратичной матрицы взаимосвязей, где числовые значения, записанные обычным курсивом показывают характер связей (подчеркнутым показывают нахождение новых связей, а символ () означает опровержение оценок эксперта).

Таким образом, предложенный метод структурно-параметрического моделирования позволяет определить влияние входных параметров на величину кристаллов сахара, цвет и влажность сахарного сиропа. Полученные результаты зависимости между выходным параметром и переменными входными параметрами были представлены в виде наглядных графиков для их анализа ( часть полученных данных приведена на рисунке 2.6 ).

f(X1, X2); X3= const f(X1, X2); X3= const Рисунок 2.6 Пример полученных графиков зависимости выходного параметра при меняющихся X1 и X2 и постоянном X3 2.2.3. Приготовление помадного сиропа Проведенные теоретические и экспериментальные исследования (п.1.1 – 1.5) и (п. 2.2.2) позволили спроектировать параметрическую модель процесса приготовления помадного сиропа (рисунок 2.7).

Х26 X20 X21

–  –  –

Входные контролируемые параметры:

Х20 – массовая доля сухих веществ, W от 78 до 80 %;

Х21 – температура сахарного сиропа Т от 90—95°С;

Х22 – массовая доля сухих веществ (контролируется рефрактометром) С от 74 до 80%;

Х23 – вязкость сахарного сиропа, от 13 до 20 Пас;

–  –  –

На основании проведенных расчетов получены математические модели показателей качества процесса приготовления помадного сиропа:

X27 = 0,36 X22+0,57 X23+0,51 X26 (2.18) X28 = 0,75 X25 +0,39 X26 (2.19) Таким образом, предложенный метод структурно-параметрического моделирования позволяет определить влияние входных параметров на величину кристаллов сахара и цвет помадного сиропа. Пример полученных при этом наглядных графиков для их анализа представлены на рисунке 2.8. Подробные расчеты и все полученные графики приведены в нашей статье [ 15 ].

f(X1, X2); X3= const f(X1, X2); X3= const

–  –  –

Полученные данные экспериментального исследования были сравнены с данными, полученными в результате опроса экспертов. Итоговые результаты приведены в таблице 2.4 в форме квадратичной матрицы взаимосвязей, где числовые значения, записанные обычным курсивом показывают характер связей (подчеркнутым показывают нахождение новых связей, а символ () означает опровержение оценок эксперта).

Таким образом, предложенный метод структурно-параметрического моделирования позволяет определить влияние входных параметров на величину кристаллов сахара после сбивания, а также на температуру, влажность, вязкость и цвет готовой помадной массы после сбивания. Пример полученных при этом наглядных графиков для их анализа представлены на рисунке 2.10. Подробные расчеты и все полученные графики приведены в нашей статье [ 14 ].

Таким образом, предложенный метод структурно-параметрического моделирования позволяет определить влияние входных параметров на величину кристаллов сахара при сбивании помадной массы. Полученные результаты зависимости между выходным параметром и переменными входными параметрами были представлены в виде наглядных графиков для их анализа ( часть полученных данных приведена на рисунке 2.10 ).

Рис. 2.10 Графики зависимости выходных параметров при двух меняющихся входных параметрах Xi и постоянных двух параметрах Xin.

2.2.5. Приготовление помадной конфетной массы Учитывая проведенные выше исследования (п. 1.1 – 1.5) и (п. 2.2.4) была спроектирована параметрическая модель приготовления помадной конфетной массы (рисунок 2.11),

–  –  –

Рис.

2.11 Параметрическая модель процесса приготовления конфетной массы которая содержит следующие параметры:

X43 - 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 ( X48) – температура конфетной массы, Т от 90—95°С;

Y2км ( X49) – доля сухих веществ в конфетной массе, 16 – 18 %;

Y3км ( X50) – цвет помадной массы после сбивания;

Y4км ( X51) – величина кристаллов сахара в помадной массе (от 30 до 70 мкм).

Структурно-параметрическое моделирование процесса приготовления конфетной массы сводилось к построению матриц взаимосвязей между сгруппированными параметрами [46 - 48]. При этом главной задачей являлось отыскание сопоставимых характеристик связей между параметрами состояния технологической системы с последующим построением ситуационной модели состояния процесса с алгоритмизацией процедур его идентификации и прогнозирования.

На основе метода, изложенного в п.2.2. и полученного журнала наблюдений с предприятия ОАО «РотФронт» были разработаны:

1. Корреляционная матрица связей между параметрами (таблица 2.23), которая была подвергнута проверке значимости по критерию Стьюдента, в результате чего, была получена преобразованная матрица коэффициентов корреляции Rij (таблица 2.24).

2. Матрица коэффициентов регрессии (таблица 2.25), которая пересчитывается в матрицу безразмерных сопоставимых характеристик связей (таблица 2.26) и корректируется с учетом логистики технологической системы.

–  –  –

На основании проведенных расчетов получены математические модели показателей качества процесса приготовления конфетной массы:

x48=0,61x44+0,12x46 (2.25) x49=0,69x43+0,42x47 (2.26) x50=0,58x43+0,23x47 (2.27) x51=0,19x45+0,31x46 (2.28) Полученные данные экспериментального исследования были сравнены с данными, полученными в результате опроса экспертов. Итоговые результаты приведены в таблице 2.5 в форме квадратичной матрицы взаимосвязей, где числовые значения, записанные обычным курсивом показывают характер связей (подчеркнутым показывают нахождение новых связей, а символ () означает опровержение оценок эксперта).

Таким образом, предложенный метод структурно-параметрического моделирования позволяет определить влияние входных параметров на величину кристаллов сахара и долю сухих веществ в конфетной массе, а также температуру и цвет конфетной массы. Часть полученных при этом наглядных графиков для их анализа представлены на рисунке 2.12.

Рисунок 2.12.

Графики зависимости выходных параметров при двух меняющихся входных параметрах Xi и постоянном одном входном параметре Xin.

2.2.6. Формование конфет Проведенные нами теоретические и экспериментальные исследования (п.

1.1. – 1.5) и (п. 2.2.5) позволили выявить все входные параметры и условия, влияющие на ход исследуемого процесса. И на основании полученных данных спроектировать параметрическую модель процесса формования корпусов конфет ( рисунок 2.13).

–  –  –

X55 Рисунок 2.13 Структурно - параметрическая модель процесса формования конфет

Входные параметры:

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

X53–реологические свойства помадных масс, РСМ (от 4х10-2 Пас до 32х10-2Пас);

X54–температура помадной массы, поступающей на формование, Тф (от 32 С0до 42 С0);

X55- скорость транспортерной ленты при проведении эксперимента эксперимента была постоянной, Vтл - 22,7 мм/с, (может меняться от 20 до 24,5 мм/с).

Описание выходных величин:

Y1фм (X56)- высота конфетного жгута на выходе, h (от 0,8 до 1,2 мм);

Y2фм (X57) – изменение размеров кристаллов сахара в конфетных массах, S от 30 до 70 мкм;

Y1фм (X58 ) – цвет полученных конфет, М.

Структурно-параметрическое моделирование процесса формования конфет сводилось к построению матриц взаимосвязей между сгруппированными параметрами [46 - 48]. При этом главной задачей являлось отыскание сопоставимых характеристик связей между параметрами состояния технологической системы с последующим построением ситуационной модели состояния процесса с алгоритмизацией процедур его идентификации и прогнозирования.

–  –  –

2.3. Разработка ситуационных моделей ТП производства ПК Проведенные исследования позволили разработать ситуационные модели всех стадий ТП производства ПК с указанием наличия связи между исследуемыми показателями качества (Приложение 5).

На основании полученных ситуационных моделей в таблице 2.31 представлена разработанная обобщенная ситуационная модель наличия функциональных связей между выходными показателями качества ПК в форме квадратной матрицы взаимосвязей, где символы (), (), () означают, соответственно, подтверждение, опровержение оценок экспертов и нахождение новых связей.

Таблица 2.31 Структурно-параметрическая матрица функциональных связей показателей качества ПК на основных стадиях ТП Элементы главной диагонали матрицы (таблица 2.

31) отображают текущее отклонение наблюдаемых факторов от заданных значений, а недиагональные – составляющие их отклонения с упорядочиванием по строкам всех причин отклонения, а по столбцам возможные следственные влияния на другие параметры.

Ситуационная матричная модель дает возможность проследить причинно

- следственные влияния параметров друг на друга и на показатели качества продукта с формализацией алгоритмов диагностики и прогнозирования состояний ТП и качества готовой продукции и полуфабрикатов на каждой стадии ТП производства ПК.

2.4. Выводы по 2 главе Проведено экспериментальное исследование основных этапов ТП производства ПК, позволившее осуществить выбор параметров, оказывающих наибольшее влияние на качество готовых кондитерских изделий.

Выполнено структурно – параметрическое моделирование и разработаны структурно - параметрические модели основных этапов ТП производства ПК.

Разработана ситуационная модель ТП производства ПК.

Определены и обоснованы основные параметры (режимные и технологические), оказывающие наибольшее влияние на ТП производства ПК, что позволяет перейти к разработке с использованием интеллектуальных технологий схем автоматизации процессов производства ПК, оптимизации технологических режимов и управления производственным процессом на современном уровне.

Разработанные в данной главе модели являются основой создания автоматизированной экспертной системы контроля показателей качества ПК.

ГЛАВА 3. АВТОМАТИЗАЦИЯ КОНТРОЛЯ ОРГАНОЛЕПТИЧЕСКИХ

ПОКАЗАТЕЛЕЙ КАЧЕСТВА ПОМАДНЫХ КОНФЕТ

3.1. Автоматизация контроля величины кристаллов сахара в конфетных массах Возможность оперативного и своевременного получения значения величины кристаллов сахара прорабатывалась давно, однако предлагаемые способы оказывались не реализуемыми в производственных условиях.

Наиболее перспективным способом решения данной проблемы может быть построение и интеграция в разрабатываемую АЭС виртуального датчика, который, используя значения других параметров ТП, так или иначе связанных с искомым органолептиеским показателем, будет его просчитывать автоматически.

Поскольку, как было показно ранее, ТП производства ПК представляет собой сложную систему взаимодействующих факторов, корреляцию между которыми зачастую нельзя выразить в математическом эквиваленте, построение адекватной математической модели для такого процесса и последующее создание на этой основе виртуального датчика возможно на основе искусственной нейронной сети (ИНС). Проведенный нами в 1 главе (п.п.

1.6.1 и 1.6.2) обзор и анализ развития нейросетевых технологий (НСТ) и решаемых ими задач, показал перспективность их использования для автоматического контроля текущего значения величины кристаллов сахара в конфетных массах. При этом работа НС заключается в преобразовании входных величин в выходную посредством вычисления заданных функций активации и подстройки весовых коэффициентов. Формирование значений весовых коэффициентов происходит благодаря адаптации НС под конкретную задачу. Этот процесс называется обучением. Обучение может осуществляться различными способами в зависимости от используемой структуры НС.

Применение метода основанного на работе НСМ позволяет работать с наборами входных параметров любого уровня декомпозиции и учитывать влияние каждого параметра на итоговую оценку величины кристаллов сахара в конфетных массах с помощью значений весовых коэффициентов.

Полученные значения сравниваются с контрольными показателями путем статистической обработки данных, в результате чего рассчитывается отклонение величины кристаллов сахара в конфетных массах от эталонного и выдается результат о соответствия конфетных масс для выполнения дальнейших операций по производству помадных конфет.

Достоинства нейросетевых методов: появляется возможность отказаться от дорогостоящих и сложных приборов; существенно сокращается продолжительность измерений, уменьшаются временные затраты на регистрацию и на этапы подготовки и обработки измерений; повышается объективность исследований;

возможность измерения показателя в режиме реального времени, в потоке.

Недостатками нейросетевого подхода можно назвать - необходимость предварительной настройки, сбор и выявление основных входных и выходных информационных массивов данных, необходимость обучения ИНС [ 58, 62].

При решении данной задачи были использованы полученные структурно

- параметрические модели зависимости величины кристаллов сахара от входных параметров на всех этапах производства ПК (П глава п.2.2.1 – 2.2.7). Во П главе также решены задачи структурной и параметрической идентификации этих моделей, что и было использовано в разработке метода автоматического контроля величины кристаллов сахара в конфетных массах. Однако, для решения этой задачи также необходимо дополнить разработанные модели зависимостями, которые могли бы по косвенным параметрам процесса приготовления ПК рассчитывать значение величины кристаллов сахара в конфетных массах в каждый момент времени с заданной дискретностью. Для получения количественной величины кристаллов сахара в конфетных массах необходимо рассчитать значения влияния каждого из наиболее информативных параметров, участвующих в процессе приготовления конфетных масс.

3.1.1. Математическая постановка задачи измерения величины кристаллов сахара в конфетных массах Обобщенная параметрическая модель системы автоматического контроля величины кристаллов сахара в конфетных массах представлена на рисунке 3.1:

Рисунок 3.1 Параметрическая модель системы автоматического контроля величины кристаллов сахара в конфетных массах

Математически, задачу определения величины кристаллов сахара в конфетных массах Sк можно сформулировать следующим образом:

Sк = где (3.1)

– (automation measurement) входной вектор, характеризующий параметры технологического процесса, полученные в результате автоматических измерений, производимых существующей на производстве АСУ;

– (laboratory measurement) входной вектор, характеризующий исходные показатели качества сырья и полуфабрикатов, определенные в процессе входного контроля и полученные в результате лабораторных измерений.

Также необходимо определить управляющее воздействие и ограничения, накладываемые на систему. Для данного ТП приготовления конфетных масс возможно использовать два управляющих воздействия – изменение конечной температуры уваривания конфетной массы и изменение времени уваривания, однако изменение конечной температуры уваривания не может обеспечить регулирование параметра величины кристаллов сахара в конфетных массах с требуемой точностью, тогда как продление, или наоборот, сокращение продолжительности уваривания может обеспечить качественное регулирование протекания процесса. Таким образом, основной задачей системы регулирования будет расчет такого времени процесса уваривания, которое не выходило бы за рамки, обозначенные оператором как нижний и верхний пределы продолжительности.

На остальные параметры протекания процесса действуют ограничения, предусмотренные технологической инструкцией.

При постановке задачи в виде формулы (5.1) на модель ложится проблема определения единственного параметра технологического процесса: величины кристаллов сахара. Основой для определения искомого показателя служат разнообразные статистические данные о ходе ТП и органолептические параметры сырья и полуфабрикатов, корреляция которых с определяемым параметром выражена не явно, таким образом, в случае использования для построения модели аппарата ИНС, задача нейронной сети в данной системе сводится к задаче прогнозирования результата. При правильном формировании обучающей выборки, значения параметров которой будут охватывать весь допустимый диапазон изменения их значений, задача прогнозирования искомого показателя представляет собой задачу интерполяции результатов. Это означает, что данный виртуальный датчик будет стабильно работать с заданной погрешностью в данном диапазоне значений технологических параметров.

Таким образом, нейросетевая модель, обученная по выборке, в которой проводилось соответствие величины кристаллов сахара в конфетных массах и характерных для данного значения параметров ТП, имеет вид:

(3.2)

И производит интерполяцию значения величины кристаллов сахара в конфетных массах, основываясь на имеющихся данных о процессе:

(3.3) 3.1.2. Основные этапы решения задачи построения виртуального датчика контроля величины кристаллов сахара в конфетных массах Решение задачи построения виртуального датчика автоматического контроля величины кристаллов сахара в конфетных массах на основе НСТ и интеграции его в АЭСКК ПК в общем случае состоит из следующих этапов, представленных на рисунке 3.2.

Рисунок 3.2 Этапы построения виртуального датчика автоматического контроля величины кристаллов сахара в конфетных массах на основе НСТ Как видно из рисунка 3.

2, решение поставленной в рамках работы задачи состоит из 3 основных этапов:

Анализ существующей на предприятии АСУ ТП и выявление параметров, характеризующих ход ТП производства ПК.

Разработка нейросетевой модели.

Техническое решение, которое заключается в практической реализации виртуального датчика на доступных средствах автоматизации и интергации его в АЭСКК ПК в существующую на предприятии СУ процессом.

При производстве ПК сырье, полуфабрикаты и готовые изделия контролируются по качеству на всех стадиях процесса, как автоматически, так и лабораторно.



Pages:   || 2 | 3 |
Похожие работы:

«Модель: DVS-1135 Автомобильный мультимедийный центр с ЖК экраном Руководство пользователя Содержание Назначение устройства Функции DVD-ресивера Комплект поставки Основные технические характеристики Установка DVD-ресивера Съемная передняя панель DVD-ресивера Схема подключения проводов DVD...»

«1. Цели и задачи дисциплины Цель изучения дисциплины: формирование у студентов современных знаний об особенностях и закономерностях функционирования механизмов природопользования и охраны окружающей среды в различных исторических и социальноэкономиче...»

«Вы можете прочитать рекомендации в руководстве пользователя, техническом руководстве или руководстве по установке KENWOOD KDC-W6031. Вы найдете ответы на вопросы о KENWOOD KDC-W6031 в руководстве (характеристики, техника безопасности, размеры, принадлежности и т.д.). Подробные указания по применению содержатся в руководстве пользова...»

«Министерство образования и науки Российской Федерации КАЗАНСКИЙ (ПРИВОЛЖСКИЙ) ФЕДЕРАЛЬНЫЙ УНИВЕРСИТЕТ ИНСТИТУТ МАТЕМАТИКИ И МЕХАНИКИ ИМ. Н.И. ЛОБАЧЕВСКОГО КАФЕДРА ТЕОРИИ И ТЕХНОЛОГИЙ ПРЕПОДАВАНИЯ МАТЕМАТИКИ И ИНФОРМАТИКИ Специальность: Математика – 050201.65 ВЫПУСКНАЯ КВАЛИФИКАЦИОННАЯ РАБОТА Методика обучения теме "Мн...»

«МИНИСТЕРСТВО СЕЛЬСКОГО ХОЗЯЙСТВА РОССИЙСКОЙ ФЕДЕРАЦИИ Федеральное государственное бюджетное образовательное учреждение высшего образования "КУБАНСКИЙ ГОСУДАРСТВЕННЫЙ АГРАРНЫЙ УНИВЕ...»

«СИНТЕЗ СТРУКТУРЫ И РЕАЛИЗАЦИЯ РАДИОПРИЕМНОГО УСТРОЙСТВА В ДИАПАЗОНЕ ЧАСТОТ 0,02. 18,00 ГГЦ ДЛЯ КОМПЛЕКСОВ РАДИОМОНИТОРИНГА М.Н. Воропай, С.В. Иванов ФГУП "РНИИРС" Эффективность работы радиоприемных устройств (РПУ) совре...»

«Модуль согласования МСА-АМ/ЧМ РУКОВОДСТВО ПО ЭКСПЛУАТАЦИИ ГФЦЛ.425617.001 РЭ Минск 2009 "МСА-АМ/ЧМ" Настоящее руководство по эксплуатации (РЭ) содержит сведения о принципе действия, технических характеристиках модуля с...»

«11) • 64 & МИНИСТЕРСТВО ВЫСШЕГО ОБРАЗОВАНИЯ СССР ТОМСКИЙ ОРДЕНА ТРУДОВОГО КРАСНОГО ЗНАМЕНИ ПОЛИТЕХНИЧЕСКИЙ ИНСТИТУТ илени С. М. КИРОВА Иннокентий Николаевич БУТАКОВ ЖИЗНЬ и ДЕЯТЕЛЬНОСТЬ ШШ1ШШШШ11ШНШ11ШШШШШШ1111Ш11Ш1ШШ1ШШШ1ШШШ11ШШМ11...»

«УДК 519.245 Цветков Егор Александрович МЕТОДЫ РАСЧЕТА НЕАДДИТИВНЫХ ФУНКЦИОНАЛОВ В ПРИКЛАДНЫХ ЗАДАЧАХ РАДИАЦИОННОЙ ФИЗИКИ 05.13.18 — математическое моделирование, численные методы и комплексы программ Диссертация на соискание ученой степени кандидата физико–математических наук Научный руководитель — к.т.н. Шаховский Валентин...»

«R PCT/CTC/30/10 ОРИГИНАЛ: АНГЛИЙСКИЙ ДАТА: 16 МАРТА 2017 Г. Договор о патентной кооперации (PCT) Комитет по техническому сотрудничеству Тридцатая сессия Женева, 8–12 мая 2017 г.ПРОДЛЕНИЕ НАЗНАЧЕНИЯ ЕВРОПЕЙСКОГО ПАТЕНТНОГО ВЕДОМСТВА В...»

«Самолет Ил-76ТЛ ИНСТРУКЦИЯ ПО ТЕХНИЧЕСКОЙ ЭКСПЛУАТАЦИИ Часть III, глава 33 Гидравлическая система "Инструкция по технической эксплуатации" содержит сведения, необходимые для проведения работ по техническому обслуживанию и наземной эксплуатации самолетных систем и аг...»

«По вопросам продаж и поддержки обращайтесь: Email: evm@nt-rt.ru Web-сайт: www.emv.nt-rt.ru Шкаф РШ–13МA Шкаф релейный наружной установки защит и автоматики трансформатора 35/10(6) кВ на базе микропроцессорных терминалов УЗА-10А.2, УЗА-10В.4 и реле дифференциал...»

«ООО "Строительные Технологии" СПб, 22 Линия, д. 3 корп.1 Типовая технологическая карта на прокладку кабеля в траншее. Типовая технологическая карта (ТТК) Шифр проекта: 1013-02/50.ТТК Пояснительная записка Исполнено: Главный...»

«Нужен реферат Решебник немеуцкого языка 5 Решебник немеуцкого языка 5 Решебник немеуцкого языка 5: Технические приемы (АХД) Технические приемы (методы) АХД. Группировка и аналитические таблицы. Группировка показателей осущест...»

«Руководство Администратора сетевой вариант Системы информационно правового обеспечения ЛIГА:ЗАКОН ВЕРСИЯ 7.7 ЛIГАБ і з н е с І н ф о р м ИНФОРМАЦИИ ДЕЛОВОЙ СЕТЬ У К РА И Н С К А Я ® КИЕВ 2004 Р...»

«МИНИСТЕРСТВО ОБРАЗОВАНИЯ И НАУКИ РОССИЙСКОЙ ФЕДЕРАЦИИ Федеральное государственное бюджетное образовательное учреждение высшего профессионального образования "Московский государственный строительный университет" ОТЧЕТ О РЕАЛИЗАЦИИ ПРОГРАММЫ РАЗВИТИЯ феде...»

«Реконструкция подвальной части административно-торгового здания DOI: 10.15593/2224-9826/2015.2.15 УДК 628.113.83 М.А. Авдеева, Я.С. Луферчик, О.И. Ручкинова Пермский национальный исследовательский политехнический ун...»

«Министерство образования и науки Российской Федерации федеральное государственное автономное образовательное учреждение высшего образования "НАЦИОНАЛЬНЫЙ ИССЛЕДОВАТЕЛЬСКИЙ ТОМСКИЙ ПОЛИТЕХНИЧЕС...»

«Казначей Иван Васильевич ИСПОЛЬЗОВАНИЕ ТЕХНИЧЕСКИХ СРЕДСТВ КОММУНИКАЦИИ В УГОЛОВНОМ СУДОПРОИЗВОДСТВЕ (ПУТИ СОВЕРШЕНСТВОВАНИЯ) ДИССЕРТАЦИЯ на соискание ученой степени кандидата юридических наук Специальность 12.00.09 — уголо...»

«Федеральное агентство по образованию Государственное образовательное учреждение высшего профессионального образования Ухтинский государственный технический университет (УГТУ) Экономическое обоснование дипломных прое...»

«"ГАРДЛАЙНЕР"ВИБРАЦИОННОЕ СРЕДСТВО ОБНАРУЖЕНИЯ "ГРОЗА" Руководство по эксплуатации ГЛТР.425131.001РЭ г. Москва 2017 г. СОДЕРЖАНИЕ Введение... 3 1. Описание и работа.. 4 1.1 Назначение и...»

«В КУРСЕ ДЕЛА ОБЪЯВЛЕНИЯ ОБ ОТКРЫТИИ КОНКУРСНОГО ПРОИЗВОДСТВА И ИНЫЕ СВЕДЕНИЯ ПО ДЕЛАМ ОБ ЭКОНОМИЧЕСКОЙ НЕСОСТОЯТЕЛЬНОСТИ (БАНКРОТСТВЕ) О реализации имущества ООО "Ритм века" Организатор то...»

«Благодарим за то, что вы выбрали нашу цифровую фоторамку. Прежде чем начать эксплуатацию устройства, внимательно прочтите данное руководство, чтобы воспользоваться всеми возможностями и продлить срок его службы. Сохраните это руководство, чтобы обратиться к нему, если в будущем воз...»

«НАУЧНО-ИССЛЕДОВАТЕЛЬСКИЙ ИНСТИТУТ ПРИКЛАДНОЙ ЭЛЕКТРОНИКИ УСТРОЙСТВО АВТОМАТИЧЕСКОГО УПРАВЛЕНИЯ ДВУМЯ ОДНОФАЗНЫМИ НАСОСАМИ ТЕПЛОВЫХ СИСТЕМ СТАНДАРТ АКН-21Т Руководство по эксплуатации г. Киев Содержание 1 Общие сведения 3 2 Назначение 3 3 Номенклатура изделий и комплект...»

«Проектная декларация о проекте строительства жилого комплекса со встроенно-пристроенными нежилыми помещениями (в том числе ДДУ) и подземной автостоянкой по адресу: Санкт-Петербург, Пионерская улица, дом 16, литера А Санкт-Петербург "" декабря 2012 г. Часть 1. Информация о застр...»








 
2017 www.lib.knigi-x.ru - «Бесплатная электронная библиотека - электронные матриалы»

Материалы этого сайта размещены для ознакомления, все права принадлежат их авторам.
Если Вы не согласны с тем, что Ваш материал размещён на этом сайте, пожалуйста, напишите нам, мы в течении 1-2 рабочих дней удалим его.