УДК 664.65:519.248

Шмалько Н.А.

ПРИМЕНЕНИЕ элементов структурного и

системного анализа в технологической системе

хлебопекарного производства

ФГБОУ ВПО «Кубанский государственный технологический университет»

 

Введение

Современные тенденции развития отечественной пищевой промышленности указывают на необходимость внедрения в производство теории и практики инжиниринга (от англ. engineering). Инжиниринг производственной системы предполагает применение системного подхода для изучения закономерностей ее строения, функционирования и развития, реализующегося на практике с помощью системного анализа (от греч. systema − целое, составленное из частей и анализ).

Непосредственно процесс разработки технологии пищевого продукта должен учитывать сложный комплекс взаимодействий, обуславливающих гетерогенно-гетерофазный характер пищевой среды с учетом структурного анализа совокупности технологических процессов ее производства [1].

Одним из вариантов решения такой задачи в хлебопекарном производстве представляется проведение многоуровневой структуризации технологической системы, предложенной Л.А. Злобиным [2]. Такая технологическая среда хлебопекарного производства содержит девять уровней, из них на практике структурному анализу подвергаются элементы структуры, начиная с шестого уровня, где рассматривается процессор − элементарный объём полуфабриката, в котором протекают процессы набухания и растворения, деформации, а также ферментативный гидролиз.

Подобный анализ осуществляется посредством проведения математического описания и формализации параметрических схем технологических процессов, реализуемых с помощью методов планирования эксперимента [3,4] или теории нечетких множеств [5].

При этом вопрос формализации операторных моделей технологического процесса является до сих пор малоизученным, программная реализация которых сводится к выведению путем линеаризации суммарного критерия оптимальности, что явно неточно и недостаточно для описания целого комплекса технологических процессов.

С другой стороны, системный анализ технологической системы хлебопекарного производства предусматривает проведение исследования совокупности операций и преобразований, протекающих при переработке сырья в готовую продукцию. Данная система характеризуется большим количеством разветвляющихся и соединяющихся потоков продуктов, обладает многомерностью, некоторой неопределенностью, случайным характером изменения параметров, то есть является «слабоструктурированной» [2].

Например, предлагаемая В.Я. Черных «Система гибкого управления производством пшеничного хлеба» [6], предусматривающая формирование объективных критериев управления каждой технологической операцией путем координации режимов управления в рамках всей технологической цепочки, имеет концептуальный характер, так как не чувствительна к реально существующим производственным режимам и способам.

В связи с этим, необходимым и своевременным является проведение дополнительных исследований в области применения элементов структурного и системного анализа технологической системы хлебопекарного производства с учетом современных требований промышленности и методологии моделирования технологических потоков и систем.  

***

Целью данного исследования явилась реализация элементов структурного и системного анализа применительно к технологической системе хлебопекарного производства с применением информационной технологии Data Mining (с англ. «извлечение информации» или «добыча данных»), обеспечивающей оперативный контроль параметров изучаемых процессов, а также достоверный прогноз критериев эффективности системы.   

Структурный анализ проводился на уровне оператора – стадии приготовления полуфабриката путем описания и формализации как параметрических схем отдельных коллоидных, деформационных и ферментативных процессов, так и параметрической схемы сопряженных процессов.

Описание параметрических схем производилось с помощью методологии «черного ящика» посредством параметрической оптимизации, где объектом моделирования являлись сложные системы, внутренняя структура которых обусловлена совокупностью переменных состояния, управления, возмущения и наблюдения. Формализация параметрических схем технологических процессов проводилась с помощью построения и обучения искусственных нейронных сетей (ИНС) [7] в режиме «регрессия».

Анализ полученных математических моделей осуществлялся посредством применения алгоритма понижения размерности с включением, то есть определением «чувствительности» − установления оптимального в схеме количества переменных (Hunter, 2000).

Схема проведения системного анализа включала: определение показателя эффективности технологической линии; выделение совокупности факторов, воздействующих на технологический поток; последующий его анализ как системы процессов в виде операторной модели; осуществление математического описания функционирования технологической системы; выбор метода математического моделирования, получения модели и проверки ее соответствия реальному физическому процессу.

Описание технологической системы проводилось путем представления набора моделей [2]: вербальной (аппаратурно-машинная схема с описанием); математической (математическая зависимость процессов, происходящих в системе); операторной (графическое изображение операций по принципу «вход» – «выход»).

Количественная мера качества функционирования такой системы характеризуется смешанным критерием ее эффективности (балльная оценка качества хлеба; выход хлеба), формализация которого осуществлялась посредством проведения статистической процедуры Data Mining с построением и последующим обучением ИНС.

Как показали исследования, структурный анализ коллоидного процесса в полуфабрикате должен проводиться с учетом совокупности параметров, определяющих степень водопоглощения в пищевой среде, формируя, тем самым, ее определенные реологические свойства. Операторная модель коллоидного процесса, протекающего в полуфабрикате, получила описание в виде параметрической схемы (рис. 1):

Переменные описываемой параметрической схемы коллоидного процесса:

состояния S1 (на выходе): ст консистенция полуфабриката, ед. фаринографа; sт стабильность полуфабриката, мин;

наблюдения S4 (снизу): tтк конечная тем­пература полуфабриката, °С; kтк конечная кислотность полуфабриката, рН; Δ критерий автолитической активности, усл. ед.; λ скорость декструкции крахмального геля, с-1; kиз коэффи­циент износа технологического оборудования, %; wвал валориметрическая оценка полуфабриката, е.в.; wт конечная влажность полуфабриката, %;

управления S2 (на входе): gтам количество амарантовой муки в полуфабрикате, %; gткл количество сырой клейковины в полуфабрикате, %; gткр содержание крахмала в полуфабрикате, %; gтрс содержание редуцирующих веществ в полуфабрикате, %; wм влажность композитной муки, %;

возмущения S3 (сверху): tтн начальная температура полуфабриката, °С; ктн начальная кислотность полуфабриката, рН; tклн температура начала клейстеризации крахмала, °С; μклн начальная вязкость крахмального геля, Н; коб коэффициент начального состояния оборудования, %; gв водопоглотительная способность полуфабриката, %.

 

                                                       tmн    kmн   tkлн  μkлн  kобн gв

 

 

 

 

Коллоидный

процесс

в полуфабрикате

 
                                      gткл                                                                                            cт                

                                     gткр

                                       wм

                                                         gтрс                            gтрс                       sт

                                     gтам

 

                                                      tkm  kmk   Δ   λ  kиз wвал wm

Рис. 1 Параметрическая схема коллоидного процесса в полуфабрикате

 

Функция оптимальности для параметрической схемы коллоидного процесса в полуфабрикате имеет вид: Y (SΣ) = f(S1: ст, sт) = f(S2: gтам, gткл, gткр, gтрс,  wм; S3: tтн, ктн, tклн, μклн, коб, gв; S4: tтк, ктк, Δ, λ, kиз,wвал, wт).

В результате анализа полученной математической модели коллоидного процесса были выделены следующие факторы: дозировка амарантовой муки; коэффициент износа технологического оборудования; валориметрическая оценка; начальная температура теста; начальная вязкость крахмального геля, которые в наибольшей степени оказывают влияние на показатели качества полуфабриката (KT, UF − консистенцию теста; ST, min − стабильность теста).

Функция оптимальности после корректировки для параметрической модели коллоидного процесса полуфабриката имеет вид: Y (SΣ) = f(S1: ст, sт) = f(S2: gтам; S3: tтн, μклн; S4: kиз,wвал).

Параметры построенной нейронной сети и ее архитектура для коллоидного процесса приведены соответственно в табл. 1 и на рис. 2.

Деформационные процессы, возникающие в полуфабрикате в результате механической обработки, обусловливают изменение состояния его коагуляционной структуры, вызывая повышение активности в нем сопряженных процессов: набухания и растворения биоколлоидов муки, их ферментативный гидролиз и процесс брожения. Операторная модель деформационного процесса, протекающего в полуфабрикате, получила описание в виде параметрической схемы (рис. 3).

Таблица 1

Параметры нейронной сети для параметрической схемы коллоидного процесса в полуфабрикате

Параметры

KT, UF 

(консистенция теста)

ST, min

(стабильность теста)

Среднее данных

524,3265

10,39184

Стандартное отклонение данных

21,5638

1,04683

Среднее ошибки

0,1610

0,03314

Стандартное отклонение ошибки

5,8132

0,24323

Среднее абсолютной ошибки

4,2833

0,19318

Отношение стандартного отклонения

0,2696

0,23235

Корреляция

0,9632

0,97340

 

 

 

 

 

 

 

Рис. 2 Архитектура нейронной сети MП (многослойный персептрон)

5:5-7-2:2: 5 нейронов на входе, 7 – на одном промежуточном слое,

2 – на выходе; алгоритм обучения: метод обратного распространения за 100 эпох и метод сопряженных градиентов

 
 

 

 

 


Переменные параметрической схемы деформационного процесса:

состояния S1 (на выходе): dт относительная деформации полуфабриката, 10E2; τтd продолжительность процесса деформации полуфабриката, с;

наблюдения S4 (снизу): tmk конечная температура полуфабриката, °С; kmk конечная кис­лотность полуфабриката, рН; киз коэффициент износа технологического оборудования, %; gтк конечное количество полуфабриката, г; rт степень разжижения полуфабриката, ед. фаринографа; етк работа на механическую обработку полуфабриката, кДж; smk конечная прочность консистенции полуфабриката, ед.  пенетрометра;

                                                     tmн  kmн τmо  smн  kобн gmн

  

Деформацион-ный процесс

в полуфабрикате

 
 


                                      emн                                                      dт

                                                           vmd                                                      τтd                 

                                      gтам                                                         

 

                                                        tkm  kmk  kиз gmk rm  еm smk

Рис. 3 Параметрическая схема деформационного процесса в полуфабрикате

 

управления S2 (на входе): gтам – количество амарантовой муки в полуфабрикате, %; emн начальная работа деформации полуфабриката, кДж; vmd скорость деформации полуфабриката, с;

возмущения S3 (сверху): tmн начальная температура полуфабриката, °С; kmн начальная кис­лотность полуфабриката, рН; кобн коэффициент начального состояния технологического оборудования, %; gтн начальное количество полуфабриката, г; τто время образования полуфабриката, мин.; smн начальная прочность консистенции полуфабриката, ед. пенетрометра.

Функция оптимальности для параметрической схемы деформационного процесса в полуфабрикате имеет вид: Y (SΣ) = f(S1: dт, τтd) = f(S2: gтам, emн, vmd; S3: tmн, ктн, кобн, gтн, τто, smн; S4: tтк, ктк, киз, gтк, rт, етк, smk).

В результате анализа полученной математической модели деформационного процесса выделили следующую совокупность параметров: дозировка амарантовой муки; степень разжижения теста; работа, затраченная на механическую обработку теста; конечная прочность консистенции теста; исходная работа деформации; скорость деформации теста; конечная кислотность теста; коэффициент износа технологического оборудования; конечное количество теста; начальная температура теста; начальная кислотность теста; начальное количество теста, которые в наибольшей степени определяют показатели качества полуфабриката (ODT, 10E2 – относительная деформация теста; PPD, s – продолжительность процесса деформации теста).

Функция оптимальности для параметрической схемы деформационного процесса в полуфабрикате после корректировки имеет вид: Y (SΣ) = f(S1: dт, τтd) = f(S2: gтам, emн, vmd; S3: tmн, ктн, gтн; S4: tтк, ктк, киз, gтк, rт, етк, smk).

Параметры построенной нейронной сети и ее архитектура для деформационного процесса приведены в табл. 2 и на рис. 4.

Ферментативный гидролиз в полуфабрикате благодаря разнообразию и специфичности действия на субстрат существенно определяет протекание процессов набухания, растворения, пептизации, размножения и метаболизма микрофлоры, а также деформации в полуфабрикатах. Операторная модель ферментативного процесса, протекающего в полуфабрикате, получила описание в виде параметрической схемы (рис. 5).

Переменные параметрической схемы ферментативного процесса:

состояния S1 (на выходе): gтаз количество растворимого азота в полуфабрикате, %; gтрс количество редуцирующих веществ в полуфабрикате, %; μmax максимальная вязкость полуфабриката, ед. амилографа; τm продолжительность брожения полуфабриката, мин.;

Таблица 2

Параметры нейронной сети для параметрической схемы деформационного процесса в полуфабрикате

Параметры

ODT, 10E2  (относительная деформация теста)

PPD, s (продолжительность процесса деформации теста)

Среднее данных

1,044694

28,72041

Стандартное отклонение данных

0,136667

0,80127

Среднее ошибки

-0,006090

0,01105

Стандартное отклонение ошибки

0,031426

0,18513

Среднее абсолютной ошибки

0,025660

0,15708

Отношение стандартного отклонения

0,229945

0,23105

Корреляция

0,973284

0,97303

 

 

 

 

 

 

 

 

Рис. 4 Архитектура нейронной сети MП 12:12-9-2:2:

12 нейрона на входе, 9 − в промежуточном слое, 2 − на выходе; алгоритм обучения: метод обратного распространения за 100 эпох и метод сопряженных градиентов

 

 
 

 

 

 

 

 


                                                     wmн gmн  атн gдр  рдр кобн

                                        

Ферментатив-ный процесс

в полуфабрикате

 
                                 gтам, tmн                                                                  gтаз, gтрс

                                 rm, kmн                                                       μmax

                                  Δ, атп                                                       τm 

                              

 

                                                   tkm  kmk  wтк gmk атк μтек киз

 

Рис. 5 Операторная модель ферментативного процесса в полуфабрикате

 

наблюдения S4 (снизу): tmk конечная температура полуфабриката, °С; kmk конечная кис­лотность полуфабриката, рН; wтк конечная влажность полуфабриката, %; gтк количество полуфабриката в конце брожения, г; атк бродильная активность полуфабриката в конце брожения, мин.; μтек текущее значение вязкости крахмального геля, Н; киз коэффициент износа технологического оборудования, %;

управления S2 (на входе): gтам – количество амарантовой муки в полуфабрикате, %; tmн начальная температура полуфабриката, °С; kmн начальная кис­лотность полуфабриката, рН; Δ – критерий автолитической активности, усл. ед.; λ – скорость декструкции крахмального геля, с-1; rm расплываемость шарика полуфабриката, мм; атп активность протеаз полуфабриката, мг азота;

возмущения S3 (сверху): wmн начальная влажность полуфабриката, %; gmн количество полуфабриката в начале брожения, г; атн бродильная активность полуфабриката в начале брожения, мин.; gдр дозировка прессованных дрожжей, г; рдр подъемная сила прессованных дрожжей, мин.; кобн коэффициент начального состояния технологического оборудования, %.

Функция оптимальности для параметрической схемы ферментативного процесса в полуфабрикате имеет вид: Y (SΣ) = f(S1: gтаз, gтрс, μmax, τm) = f(S2: gтам, tmн, kmн, Δ, λ, rm, атп; S3: wmн, gmн, атн, gдр, рдр, кобн; S4: tтк, ктк, wтк, gтк, атк, μтек, киз).

Анализ чувствительности переменных показал, что все рассматриваемые независимые переменные являются значимыми. Параметры нейронной сети и ее архитектура для ферментативного процесса приведены в табл. 3 и на рис. 6.

Таблица 3

Параметры нейронной сети для параметрической схемы ферментативного процесса в полуфабрикате

Параметры

KAT, % (количество растворимого азота в полуфабрикате)

KPT, % (количество редуцирующих веществ в полуфабрикате)

MVT, ea  (максимальная вязкость полуфабриката)

PBT, min (продолжительность брожения полуфабриката)

Среднее данных            

23,77143

3,925918

296,2041

134,6735

Стандартное отклонение данных

4,03409

0,281671

12,6555

9,5989

Среднее ошибки

-0,02680

-0,008144

-0,0154

-0,4109

Стандартное отклонение ошибки

0,51898

0,043362

1,8299

2,0975

Среднее абсолютной ошибки

0,39776

0,033775

1,4001

1,6416

Отношение стандартного отклонения

0,12865

0,153946

0,1446

0,2185

Корреляция

0,99283

0,98833

0,98970

0,97870

 

Описание: архитектура 3 модель

 

 

 

 

 

 

 

Рис. 6 Архитектура нейронной сети GRNN

 

С целью оптимизации количества параметров управления сопряженным технологическим процессом осуществляли процедуру анализа главных компонент, в котором классификация достигается созданием векторного пространства латентных (скрытых) факторов с размерностью меньше исходной.  Для осуществления анализа использовали обобщенную выборку, состоящую из 23 независимых (факторы) и 8 зависимых переменных.

Параметры нейронной сети, построенной для параметрической схемы сопряженных процессов в полуфабрикате, после повторного обучения с применением алгоритма понижения размерности приведены в табл. 4, ее архитектура на рис. 7. Функция оптимальности для параметрической схемы сопряженных технологических процессов в полуфабрикате принимает вид: Y (SΣ) = f(S1: ст, sт, dт, τтd, gтаз, gтрс, μmax, τm) = f(S2: gтам, emн, vmd, tmн, Δ, λ, атп; S3тн, рдр; S4: wт, rт, етк, smk, tmk, gтк, kmk, атк, μтек, wвал).

Производительность построенной нейронной сети 0,216724, контроль производительности 0,259036, тест производительности 0,286720, ошибка обучения 0,050372, контрольная ошибка 0,070079, тестовая ошибка 0,084122, что свидетельствует о точности полученной математической модели.

Применительно для рассматриваемой технологической системы хлебопекарного производства введение элементов системного анализа позволила вычислить смешанный критерий эффективности ее функционирования по совокупности параметров качества сырья, полуфабрикатов и готовой продукции с достоверной степенью его прогноза [8].

Таблица 4

Параметры нейронной сети для параметрической схемы сопряженных процессов в полуфабрикате

Параметры

KT, UF (консистенция теста)

ST, min (стабильность теста)

ODT, 10E2 (относительная деформация теста)

PPD, s (продолжительность процесса деформации теста)

KAT, % (количество растворимого азота в полуфабрикате)

KPT, % (количество редуцирующих веществ в полуфабрикате)

MVT, ea  (максимальная вязкость полуфабриката)

PBT, min (продолжительность брожения полуфабриката)

Среднее данных

524,3265

10,39184

1,044694

28,72041

23,77143

3,925918

296,2041

134,6735

Стандартное отклонение данных

21,5638

1,04683

0,136667

0,80127

4,03409

0,281671

12,6555

9,5989

Среднее ошибки

-0,3028

-0,01239

0,003850

-0,01302

-0,01998

0,003086

0,0075

0,0348

Стандартное отклонение ошибки

5,4888

0,24469

0,034463

0,21083

0,57001

0,039292

2,2217

1,8981

Среднее абсолютной ошибки

4,1389

0,18953

0,027043

0,15274

0,45589

0,031238

1,7552

1,5628

Отношение стандартного отклонения

0,2545

0,23375

0,252170

0,26312

0,14130

0,139496

0,1756

0,1977

Корреляция

0,9675

0,97374

0,969593

0,96632

0,99024

0,990470

0,9845

0,9806

 

 

 

 

 

 

 

Рис. 7 Архитектура нейронной сети МП 19:19-18-18-8:8:

19 нейронов на входе, 2 промежуточных слоя по 18 нейронов, 8 нейронов на выходе; алгоритм обучения: метод обратного распространения за 100 эпох и метод сопряженных градиентов

 
 

 

 

 

 


Операторная модель технологической системы хлебопекарного производства получила описание в виде параметрической схемы (рис. 8).

 

                                                      Sk                                          Idk  

 


 

Технологический поток: сырье –полуфабрикаты –готовая продукция

 
                                                                                                                                        Box               

                                      Dd

                                     

                                                         Gos                            gтрс                       Vh

                                    

 

                   Pts Uts Ufx Uox Fpi Tkm Wm Pm Osm Plm Upm   

 

Рис. 8 Параметрическая схема технологической системы

 

Переменные параметрической схемы технологической системы:

состояния, определяющие смешанный критерий эффективности: BOX, U − балльная оценка хлеба; VH, % − выход хлеба;

наблюдения, характеризующие состояние полуфабриката и готового изделия: PTS, U − пластичность теста; UTS, U − упругость теста; OFX, ml − объем формового хлеба; UOX, ml/100g − удельный объем хлеба; FPI, HD − формоустойчивость подовых изделий; TKM, GR − титруемая кислотность мякиша; WM, % − влажность мякиша; PM, % − пористость мякиша; OSM, UP − общая сжимаемость мякиша; PLM, UP − пластичность мякиша; UPM, UP – упругость мякиша;

управления, определяемые количеством дополнительного сырья, активностью ферментов и бродильной микрофлоры: DD, % − дозировка амарантовой муки; GOS, ml − газообразующая способность пшеничной муки;

возмущения, определяемые качеством основного сырья: SK, %  − дозировка сырой клейковины; IDK, U − сопротивление клейковины деформирующей нагрузке сжатия.

Результаты кластерного анализа (риc. 9), предусматривающего разбиение параметров исследуемой выборки на однородные группы, свидетельствуют о наличие внутренних связей между блоками, объединяющими качество сырья, полуфабрикатов и готовых изделий.

 

Рис. 9 Дендрограмма результатов кластеризации параметров выборки

 

Показатели и архитектура обобщенно-регрессионной нейронной сети (GRNN), построенной для исследуемой совокупности параметров, представлены в табл. 5 и на рис. 10.

Производительность построенной нейронной сети 0,099139, контроль производительности 0,0, тест производительности 0,0, ошибка обучения 0,028929, контрольная ошибка 0,002202, тестовая ошибка 0,070115.

Таблица 5

Параметры обобщенно-регрессионной нейронной сети

Параметры

BOX, U

VH, %

Среднее данных

86,68333

139,6383

Стандартное отклонение данных

4,09895

0,7456

Среднее ошибки

-0,16242

0,0222

Стандартное отклонение ошибки

0,52833

0,0536

Среднее абсолютной ошибки

0,40171

0,0398

Отношение стандартного отклонения

0,12890

0,0719

Корреляция

0,99166

0,99750

 

 

 

 

 

 

 

 

 

 

 

 

Рис. 10 Архитектура сети МП: 13:13-11-4-2:2

13 нейронов на входе, 2 промежуточных слоя: 11 − в первом слое, 4 – во втором слое, 2 − на выходе. Алгоритм обучения: метод обратного распространения за 100 эпох и метод сопряженных градиентов

 
 

 

 


Результаты регрессионного анализа свидетельствуют о получении

 

коэффициента корреляции 0,99995 и ошибки прогнозирования параметров критерия эффективности: балльной оценки качества (балл) и выхода хлеба (%) не более 0,01% [9], что позволяет сделать вывод о высокой точности произведенных вычислений.

Для разработанной технологии хлебобулочного изделия составлена операторная модель технологической системы (рис. 11) с обозначением ее подсистем, операторов и процессоров (табл. 6).

По классификации типовых структур технологического потока хлебопекарного производства проектируемая технологическая система относится к системам первого класса второго типа, которые дополнительно содержат подсистему Е1 (в данном случае − участок приемки, хранения и подготовки амарантовой муки). Прогнозирование технического уровня проектируемого технологического потока осуществлялось путем проведения оценки предлагаемых технологических решений с помощью ранжированных показателей Генеральной определительной таблицы [10]. 

Технический уровень предлагаемой технологии при использовании ранжированных решений Генеральной определительной таблицы (табл. 7) суммировали из следующих показателей:

i1 – предлагается принципиально новая технология производства хлеба с использованием в рецептуре изделия амарантовой муки с конкретными рекомендациями способов ее реализации в производстве (технологическое решение р5; δ(i) φ0(i) = 0,280);

i2 – в результате внедрения предлагаемой технологии появляется возможность полностью исключить ручной труд на стадиях дозирования сырья, замеса и формования теста и осуществить комплексную механизацию его производства с введением автоматического контроля, регулирования и управления процессом (технологическое решение р4; δ(i) φ0(i) = 0,224);

i3 – санитарные условия обеспечиваются без дополнительного обслуживания оборудования, вредные производственные факторы не превышают допустимых пределов, техника безопасности обеспечивается за счет стандартного набора защитных устройств оборудования (технологическое решение р5; δ(i) φ0(i) = 0,210);

Описание: C:\Users\Наталья\AppData\Local\Microsoft\Windows\Temporary Internet Files\Content.Outlook\T1F7UO1N\Операторная модель Исправленная-Model.png

Рис. 11 Операторная модель технологического процесса производства хлеба

 

i4 – технология обоснована с учетом основных закономерностей тепломассообмена и реологических свойств обрабатываемого полуфабриката (технологическое решение р3; δ(i) φ0(i) = 0,084);

 i5 – новая технология защищена патентом на изобретение (технологическое решение р1; δ(i) φ0(i) = 0,018).

Соответственно технический уровень предлагаемой технологии равен: Уст.пс = 0,280 + 0,224 + 0,210 + 0,084 + 0,018 = 0,816.

 

Таблица 6

Функциональные назначения подсистем, операторов и  процессоров проектируемой технологической системы

Подсистема

Оператор

Процессор

Функциональные назначения элементов технологической системы

А

 

 

 

Ι

 

 

 

 

 

ΙΙ

 

 

 

 

1

 

2

 

 

1

2

Сохранение хлеба в соответствии со стандартными показателями качества

Хранение хлеба в помещении с микроклиматом

Транспортирование хлеба в автофургоне

Поддержание микроклимата в хлебохранилище

Складирование хлеба

Формирование контейнеров

Укладка хлеба на лотки и стеллажи

В

 

 

Ι

 

 

 

 

 

 

 

 

1

 

 

 

 

Образование хлеба с заданными показателями качества

Формообразование хлеба

Выпечка тестовых заготовок. Протекание теплофизических, завершение деформационных, ферментативных, микробиологических и других процессов

В

 

 

 

 

 

ΙΙ

 

 

 

 

1

 

 

 

 

2

Образование структуры (корки и мякиша) хлеба со специфическим вкусовым и ароматическим содержанием

Расстойка тестовой заготовки. Протекание коллоидных, деформационных, ферментативных, микробиологических и других процессов

Помещение тестовых заготовок в расстойный шкаф и печь

Продолжение табл. 6

Подсистема

Оператор

Процессор

Функциональные назначения элементов технологической системы

С

 

 

 

 

 

 

 

Ι

 

 

 

ΙΙ

 

 

 

1

2

 

1

2

Образование тестовой заготовки хлеба

Придание тестовой заготовке определённой формы и свойств

Формование тестовой заготовки

Укладка тестовых заготовок

Образование тестовых заготовок

Деление тестового потока на заготовки

Дозирование тестового потока

Д1

 

 

Ι

 

 

 

 

ΙΙ

 

 

 

1

 

 

 

 

 

1

 

 

Приготовление теста с заданными свойствами

Созревание теста

Протекание коллоидных, деформационных, ферментативных, микробиологических и других процессов

Образование теста с заданными свойствами

Механическая обработка теста. Протекание коллоидных, деформационных и других процессов

Д1

 

 

2

 

3

4

5

6

7

Смешивание компонентов, предусмотренных рецептурой

Дозирование раствора соли

Дозирование муки

Дозирование дрожжевой суспензии

Дозирование воды

Дозирование амарантовой муки

Продолжение табл. 6

Подсистема

Оператор

Процессор

Функциональные назначения элементов технологической системы

Е1

 

I

 

 

II

 

1

 

 

 

1

2

Подготовка дополнительного сырья

Физико-механическая обработка амарантовой муки

Просеивание и очистка от механических примесей

Хранение амарантовой муки

Дозирование амарантовой муки

Е2

 

Ι

 

 

ΙΙ

 

 

 

ΙΙΙ

 

 

 

 

 

ΙV

 

1

 

 

 

1

2

 

 

1

2

3

4

 

1

2

3

4

Подготовка основного сырья

Физико-механическая обработка пшеничной муки

Просеивание и очистка от механических примесей

Хранение пшеничной муки

Дозирование пшеничной муки

Приготовление дрожжевой суспензии

Образование дрожжевой суспензии

Смешивание дрожжей с водой

Дозирование воды

Дозирование дрожжей

Приготовление раствора соли

Растворение соли в воде

Смешивание соли с водой

Дозирование воды

Дозирование соли

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

Таблица 7

Вариант ГОТ для прогнозирования технического уровня структуры подсистемы технологической системы

Шифр

Направления i

технологических

решений р

Вероятность реализации решения

δ (i)

с учетом весомости направления технологического решения δ(i) φ0(i)

i1

Изыскание наиболее совершенной технологии пищевого продукта [φ0(i1) = 0,28]

р1

Предлагается технология, содержащая устаревшие методы обработки сырья и полуфабрикатов

0,2

0,056

р2

Предлагается технология, содержащая современные методы обработки сырья и полуфабрикатов

0,4

0,112

р3

Предлагается технология, содержащая новые методы обработки сырья и полуфабрикатов, не реализованные до настоящего времени в промышленности

0,6

0,168

р4

Предлагается принципиально новая технология получения пищевого продукта

0,8

0,224

р5

То же, что и решение р4, но в источнике информации даны в конкретной форме способы реализации технологии

1,0

0,280

i2

Использование в технологии средств механизации и автоматизации

[φ0(i2) = 0,28]

р1

Предлагаемая технология позволяет механизировать отдельные операции

0,2

0,056

р2

Предлагаемая технология позволяет осуществить комплексную механизацию всего производственного процесса

0,4

0,112

Продолжение табл. 7

 

Шифр

Направления i

технологических

решений р

Вероятность реализации решения

δ (i)

с учетом весомости направления технологического решения δ(i) φ0(i)

р3

То же, что и решение р2, но в источнике информации даны в конкретной форме предложения по автоматизации управ-ления отдельными операциями

0,6

0,168

р4

Предлагаемая технология позволяет осуществить комплексную механизацию и комплексное управление всем производ-ственным процессом

0,8

0,224

р5

То же, что и решение р4, но в источнике информации даны в конкретной форме предложения по механизации всех ПРТС работ

1,0

0,280

i3

Обеспечение в технологии санитарно-гигиенических условий и техники безопасности [φ0(i3) = 0,21]

р1

Санитарные условия обеспечиваются при дополнительном обслуживании оборудо-вания два раза в смену; вредные производственные факторы (шум, вибрация, запыленность, температура, влажность) не превышают допустимых пределов; техника безопасности обеспечивается специальными ограж-дениями и блокировочными устройствами

0,2

0,042

 

Продолжение табл. 7

 

Шифр

Направления i

технологических

решений р

Вероятность реализации решения

δ (i)

с учетом весомости направления технологического решения δ(i) φ0(i)

р2

Санитарные условия обеспечиваются при дополнительном обслуживании оборудо-вания один раз в смену; вредные производственные факторы не превышают допустимых пределов; техника безопасности обеспечивается специа-льными ограждениями и блокировочными устройствами

0,4

0,084

р3

Санитарные условия обеспечиваются без дополнительного обслуживания оборудо-вания; вредные производственные факторы не превышают допустимых пределов; техника безопасности обеспечивается специальными огражде-ниями и блокировочными устройствами

0,6

0,126

р4

Санитарные условия обеспечиваются без дополнительного обслуживания оборудо-вания; вредные производственные факторы не превышают допустимых пределов; техника безопасности обеспечивается специальными огражде-ниями без блокировочных устройств

0,8

0,168

 

 

Продолжение табл. 7

Шифр

 

Направления i

технологических

решений р

Вероятность реализации решения

δ (i)

с учетом весомости направления технологического решения δ(i) φ0(i)

р5

Санитарные условия обеспечиваются без дополнительного обслуживания оборудо-вания; вредные производственные факторы не превышают допустимых пределов; техника безопасности обеспечивается без специальных ограждений и блокировочных устройств

1,0

0,210

i4

Обеспечение применения в технологии теоретически обоснованных решений [φ0(i4) = 0,14]

р1

Технология обоснована на уровне элементарных гипотез

0,2

0,028

р2

Технология обоснована на уровне простейших представлений о линейной связи между выходами и входами процессов

0,4

0,056

р3

Технология обоснована с учетом основных закономерностей тепломассообмена и реологических свойств обрабатываемого пищевого материала

0,6

0,084

р4

То же, что и решение р3, но с учетом гидродинамики потока обрабатываемого пищевого материала

0,8

0,120

р5

Технология полностью аргументирована как с позиции теплофизики и инженерной реологии, как и с позиции гидродинамики

1,0

0,140

Продолжение табл. 7

Шифр

 

Направления i

технологических

решений р

Вероятность реализации решения

δ (i)

с учетом весомости направления технологического решения δ(i) φ0(i)

i5

Лицензионно-конъюнкуртный фактор [φ0(i5) = 0,09]

р1

Предложение запатентовано в одной технически развитой стране

0,2

0,018

р2

Предложение запатентовано в двух или трех технически развитых странах

0,4

0,036

р3

Предложение запатентовано в четырех или более технически развитых странах

0,6

0,054

р4

То же, что и решения р1, р2 или р3, но имеется одна лицензия, проданная технически развитой стране

0,8

0,072

р5

То же, что и решения р1, р2 или р3, но имеется не менее двух лицензий, проданных технически развитым странам

1,0

0,090

 

По шкале оценки перспективности разработанная технология хлебобулочного изделия была отнесена к весьма перспективным (0,816), поэтому введение в промышленную эксплуатацию спроектированной на ее основе комплексно-механизированной поточной линии для хлебопекарных предприятий малой мощности (рис. 12) является целесообразным.

Сырьевые потоки: 1 – мука пшеничная хлебопекарная первого сорта (общего назначения тип М75-23); 2 – мука амарантовая полножирная высшего сорта; 3 – суспензия дрожжевая; 4 – вода питьевая; 5 – раствор соли.

 

 

 

 

 

Рис. 12 Проектируемая комплексно-механизированной поточная линия производства функционального хлеба для хлебопекарных предприятий малой мощности (производительность 2 т/сут)

 

Условные обозначения на рис. 12:

1 – поддоны для хранения муки; 2 – грузовая тележка; 3просеиватель П-2П; 4 – транспортирующее устройство для сыпучих компонентов; 5 – дозатор сыпучих компонентов Ш2-ХДА; 6 –дозатор жидких компонентов Ш2-ХДБ; 7 – дежа подкатная А2-ХТД; 8 – машина тестомесильная А2-ХТМ; 9 дежеопрокидыватель А2-ХДЕ; 10 – делитель А5-ХПО/5; 11 – рабочий стол; 12 – стеллажная тележка; 13 – шкаф расстойный ШХР; 14 – печь ротационная РТ-150; 15 – вагонетка лотковая.

 

Заключение

Результаты проведения теоретических изысканий и практических экспериментов по теме исследования позволили сформулировать следующие выводы и рекомендации:

1. В условиях технологической среды хлебопекарного производства, представляющей собой многоуровневую «слабоструктурированную» иерархичную структуру объектом исследования служит «критический» ее оператор – участок процесса тестоприготовления, в котором протекает совокупность сопряженных технологических процессов.

3. Оптимизация технологической системы может быть осуществима посредством моделирования ее отдельных стадий путем описания и формализации их параметрических схем. Моделирование непосредственно технологического процесса, реализованное с помощью искусственных нейронных сетей, позволяет получить достоверные и адекватные математические модели, описывающие совокупность технологических преобразований в полуфабрикате.

4. Степень функционирования исследуемой технологической системы хлебопекарного производства возможно оценивать путем моделирования смешанного критерия эффективности, содержащего качественный (балльную оценку) и количественный (выход хлеба) показатели, программно реализуемого с помощью построения искусственных нейронных сетей.

5. Результаты системного анализа операторной модели технологического процесса производства хлеба позволяют классифицировать полученную модель как систему первого класса второго типа, характеризующуюся высокой экономической эффективностью.

6. Оценивание прогнозированного технического уровня центральной подсистемы проектируемой технологической системы путем применения ранжированных решений Генеральной определительной таблицы показывает уровень ее высокой перспективности для введения в промышленную эксплуатацию.

Иными словами, проведение структурного и системного анализа технологической системы хлебопекарного производства позволяет раскрыть взаимосвязи, закономерности и определить оптимальные пути преобразования исходного сырья в готовую продукцию, а также осуществить оптимизацию технологического потока промышленной линии, что актуально при внедрении в производство инновационных технологий.

 

Литература:

1. Шмалько Н.А. Применение структурного анализа для формализации технологического процесса производства функциональных хлебобулочных изделий // Современные проблемы науки и образования, 2009. – № 6. – С. 14.

2. Злобин Л.А. Оптимизация технологических процессов хлебопекарного производства. – М.: Агропромиздат, 1987. – 200 с.

3. Николаева С.В. Методологические аспекты термодинамического подхода к синтезу моделей смесей // Информационные технологии, 2003. – № 4. С. 45-52.

4. Liu Z., Scanlon M.G. Understanding and modeling the processing-mechnical property relationship of  bread crumb assessed by indentation // Cereal Chemistry, 2002. – Vol.79. – P. 763.

5. Исследование свойств объектов пищевой биотехнологии на основе теории нечетких множеств / А.Е. Краснов, О.Н. Красуля, С.А. Красников, Ю.Г. Кузнецова, С.В. Николаева и др. // Хранение и переработка сельхозсырья, 2005. ‒ № 3. ‒ С. 23-27.

6. Черных В.Я. Система гибкого управления производством пшеничного хлеба: автореф. дисс. д-ра техн. наук. – М., 1992. – 68 с.

7. Нейронные сети. STATISTICA Neural Networks: Методология и технологии современного анализа данных / Под ред. В.П. Боровикова. – 2-е изд., перераб. и доп. – М.: Горячая линия – Телеком, 2008. – 392 с.

8. Шмалько Н.А. Разработка технологий хлебобулочных изделий функционального назначения с использованием продуктов переработки семян амаранта: дисс. … канд. техн. наук. – Краснодар, 2005. – 150 с.

9. Технология Data Mining для комплексной оценки качества хлебопекарного сырья, полуфабрикатов и готовой продукции / Н.А. Шмалько, Ю.Ф. Росляков, О.В. Руденко, Ю.А. Токарева // Пищевая наука и технология (Украина, Одесса), 2011. – № 3 (16). – С. 28-30.

10. Панфилов В.А. Технологические линии пищевых производств (теория технологического потока). – М.: Колос, 1993. – 288 с.