Содержание к диссертации
Введение
Глава 1. Современные методы и модели контроля качества продовольственных товаров 13
1.1. Инструментальные методы контроля качества продовольственных товаров 13
1.2. Сенсорные методы контроля качества продовольственных товаров 18
1.3. Математические модели и численные методы оценки качества продовольственных товаров 26
Выводы к главе 1 (постановка задач исследования) 40
Глава 2. Разработка параметрических моделей оценки качества продовольственных товаров по инструментальным показателям 42
2.1. Экспериментальное статистическое исследование распределений значений инструментальных показателей водок 43
2.2. Экспериментальное статистическое исследование распределений значений инструментальных показателей виноградных вин 52
2.3. Модели интегральной оценки качества продовольственных товаров по инструментальным показателям на основе теорий статистических решений и нечетких множеств 58
Выводы к главе 2 (основные экспериментальные и теоретические результаты) 67
Глава 3. Разработка параметрических моделей оценки качества продовольственных товаров по сенсорным показателям ... 69
3.1. Экспериментальное статистическое исследование распределений значений сенсорных показателей виноградных вин 69
3.2. Экспериментальное статистическое исследование распределений значений сенсорных показателей других продовольственных товаров 74
3.3. Модели интегральной оценки качества продовольственных товаров по сенсорным показателям на основе нечетких мер сходства 77
Выводы к главе 3 (основные экспериментальные и теоретические результаты) 85
Глава 4. Разработка структурных моделей оценки качества продовольственных товаров 86
4.1. Разработка алгоритма интегральной оценки качества продовольственных товаров по совокупности инструментальных и сенсорных показателей 86
4.2. Разработка алгоритма определения оптимального баланса между ценой и качеством продовольственных товаров 92
4.3. Разработка методики построения экспертных систем оценки качества водок и виноградных вин 97
Выводы к главе 4 (основные результаты) 104
Основные результаты и выводы 105
Литература 107
Приложение 128
- Сенсорные методы контроля качества продовольственных товаров
- Экспериментальное статистическое исследование распределений значений инструментальных показателей виноградных вин
- Экспериментальное статистическое исследование распределений значений сенсорных показателей других продовольственных товаров
- Разработка алгоритма определения оптимального баланса между ценой и качеством продовольственных товаров
Введение к работе
Основное направление и актуальность исследований
В основе определения потребительской и ценовой привлекательности продовольственных товаров, прежде всего, лежит определение качества пищевого продукта.
Исследование любого пищевого продукта - сложная аналитическая задача. Из-за индивидуальности состава и многокомпонентное продуктов необходимо приспосабливать стандартные методы к особенностям состава и физико-химической структуры продукта - т.е. в каждом конкретном случае требуется проведение в той или иной мере аналитической исследовательской работы. При этом необходимо учитывать физическое состояние исследуемого вещества и сопутствующих определяемому веществу компонентов.
В пищевой промышленности все показатели качества продукта в основном принято оценивать по пяти группам: физико-химические, физические, биологические, физиологические (пищевая ценность), сенсорные [79].
Большинство применяемых в настоящее время методов и измерительных средств контроля показателей качества сырья, полуфабрикатов и готовых пищевых продуктов предназначены для проведения в лабораторных условиях. Они основаны на химических преобразованиях - реакциях, при этом соотношение реагирующих веществ или количество продуктов реакций определяют измерением наиболее простых, хорошо известных свойств, массы или объема [17, 118, 127]. Эти химические методы называются классическими. Их применение позволяет изучить состав множества продуктов. Однако, эти методы и измерительные средства не всегда обеспечивают необходимую точность измерений, в основном требуют больших затрат времени для их проведения, непригодны для непрерывного автоматического контроля, а, тем более, управления качеством продукции в процессе непрерывного производства.
Физико-химические методы контроля показателей, как и химические методы, основаны обычно на группе химических реакций [176]. Характерной
5 особенностью физико-химических методов, в отличие от химических, является то, что используется не только взаимодействие веществ с реактивами, но и взаимодействие различных физических полей (электростатических, магнитных, электромагнитных) с веществом. Это является основой автоматизации измерений различных свойств веществ.
В физических методах химические реакции отсутствуют или имеют второстепенное значение. Данные методы основаны на взаимодействии различного вида энергии и силовых полей с веществом [119].
Общим для физических, физико-химических и биологических методов контроля показателей является применение специальной аппаратуры для изменения оптических, электрических и других свойств веществ [3, 196]. Поэтому данные методы объединяют под общим названием - аппаратурные или инструментальные.
Говоря об инструментальных методах, всегда имеют ввиду, что они основаны на использовании специализированных приборов и дают количественную информацию о тех или иных свойствах веществ, описываемую числовыми значениями [33].
Сенсорный или органолептический метод основан на получении информации с помощью органов чувств человека: зрения, обоняния, слуха, осязания и вкуса. С помощью сенсорного метода можно определить следующие показатели качества: цвет, интенсивность окраски, прозрачность (мутность), внешний вид, вкус и запах (аромат), консистенцию (структуру или текстуру) [89].
Классический инструментальный анализ основан на предварительном выделении (изолировании) компонентов пищевых продуктов. Сенсорный, наоборот, позволяет судить о продукте по ощущениям, доставляемым компонентами продуктов в комплексе.
Ввиду того, что все рассмотренные показатели качества продуктов зависят как от строения веществ, так и технологических способов их приготовления, все данные показатели называют функционально-технологическими свойствами (ФТС) [104, 196].
Только совокупность анализов инструментальных и сенсорных показателей дает возможность комплексно оценить ФТС, а, следовательно, - в полной мере контролировать качество сырья и технологические процессы производства, а также готовую продукцию [8, 89, 178].
Для комплексного оценивания качества продовольственных товаров необходимы специальные компьютерные программы, оперирующие огромным количеством инструментальных и сенсорных данных. Для разработки таких программ, в первую очередь, необходимы соответствующие модели и численные методы оценивания качества продовольственных товаров. Разработка моделей, численных методов, алгоритмов и специальных компьютерных программ для контроля качества продовольственных товаров относятся к новому бурно развивающемуся научному направлению - компьютерная квалиметрия [13,81,103, 104,157].
Актуальность развития компьютерной квалиметрии обусловлено также и необходимостью разработки новых средств идентификации и оценки качества продуктовых товаров с целью обеспечения продовольственной безопасности населения страны в современных условиях [140].
В связи с существованием большого количества контрафактных продуктов, особенно актуальным является применение новых методов оценки качества к изделиям ликероводочной и винодельческой продукции, а также безалкогольным напиткам [67, 72, 73].
Важным является и определение соотношений оптимального баланса между качеством и ценой продовольственных товаров, что невозможно без использования количественных оценок качества.
Выбор в диссертационной работе водок и виноградных вин в качестве примера продовольственных товаров позволяет конкретизировать исследования в области разработки моделей оценки качества продовольственных товаров, не снижая их общность и актуальность для товароведения в целом.
7 Цель и задачи исследования
Целью настоящей диссертации является повышение достоверности оценивания качества продовольственных товаров (на примере водок и виноградных вин) на основе новых моделей и численных методов.
Основными задачами исследования, в соответствии с поставленной целью, являются: провести экспериментальное статистическое исследование выборочных распределений плотностей вероятностей значений инструментальных и сенсорных показателей водок и виноградных вин; построить теоретическую модель для оценки распределений плотностей вероятностей значений инструментальных и сенсорных показателей водок и виноградных вин, согласованных с выборочными распределениями; построить параметрические модели оптимальные по достоверности сравнения значений инструментальных и сенсорных показателей водок и виноградных вин с «эталонными» значениями; разработать структурную модель интегральной оценки качества продовольственных товаров по совокупности инструментальных и сенсорных показателей; разработать алгоритм связи ценовой привлекательности с качеством продовольственных товаров.
Методы исследований
Выполненные исследования базируются на использовании методов: теории статистических решений и нечетких множеств, выбора и принятия решений, математического и имитационного моделирования, экспертных систем, сравнительного анализа товаров.
Научная новизна
В диссертации впервые для продовольственных товаров (на примере водок и виноградных вин) были разработаны: теоретическая модель для оценки распределений плотностей вероятностей значений инструментальных и сенсорных показателей водок и виноградных вин в виде усеченного нормального распределения, наиболее согласованного с экспериментальными одномодальными распределениями по критериям: «минимум энтропии» и «хи-квадрат» на высоком уровне значимости; параметрические модели в виде нечетких мер сходства, позволяющие проводить оптимальные по достоверности сравнения значений инструментальных и сенсорных показателей продовольственных товаров с «эталонными» значениями; структурная модель, позволяющая проводить интегральную оценку качества продовольственных товаров по совокупности инструментальных и сенсорных показателей.
Практическая значимость работы
Разработанные модели позволили: контролировать качество технологических процессов производства, хранения и транспортировки продовольственных товаров как по их партии (на основе сравнения выборочных распределений инструментальных показателей), так и по отдельным образцам (на основе нечетких мер сходства инструментальных и сенсорных показателей); использовать нечеткие меры сходства как универсальные критерии, значения которых варьируются в интервале (О -М) или (0 *- 100 %), для интегральной оценки качества продовольственных товаров по совокупности сенсорных показателей, независимо от балльных шкальных оценок отдельных показателей; на основе использования нечетких мер сходства повысить в 4 раза селективность оценки качества продовольственных товаров по совокупности сенсорных показателей, по сравнению с используемыми суммарными балльными оценками; на основе использования нечетких мер сходства создать алгоритм определения оптимального баланса между ценой и качеством продовольственных товаров при заданном уровне ценовой привлекательности (спроса); создать на основе разработанной структурной модели методику построения экспертных систем оценки качества водок и виноградных вин.
Апробация работы и личный вклад автора
Разработанные в диссертации параметрические и структурные модели, а также методика построения компьютерных экспертных систем оценки качества водок и виноградных вин были реализованы в ряде НИР, выполненных МГУТУ по заказу Министерства сельского хозяйства РФ: «Исследование и разработка принципов квалиметрического контроля винодельческой продукции по физико-химическим и органолептическим показателям», по договору № 1326/11 от 16 октября 2003 г., № гос. регистрации 01200.404685; «Разработка проекта методологии применения экспертных систем компьютерной ква-лиметрии для идентификации и контроля качества ликероводочной продукции и этилового спирта», по договору №1/11-04 от 26 ноября 2004г., № гос. регистрации 0120.0500.670; «Разработка концепции и программного обеспечения по формированию государственных информационных ресурсов в сфере производства и оборота этилового спирта, алкогольной и спиртосодержащей продукции», по договору № Д-382-6/А от 05 августа 2005 г.
Разработанные в диссертации параметрические модели оценки качества продуктов по совокупности инструментальных показателей на основании нечетких мер сходства были использованы компанией «Интеллектуальные компьютерные технологии» в экспертной системе идентификации и контроля качества углеводородных соединений по их инфракрасным спектрам.
Основные результаты исследований докладывались на следующих научных форумах:
1.1 Международной конференции «Аналитические методы измерения и приборы в пищевой промышленности», Москва, МГУПП, 2005; V Международной научно-практической конференции «О состоянии и направлениях развития производства спирта этилового из пищевого сырья и ликероводочной продукции», Москва, 2005; VI Международном форуме «Пищевые ингредиенты XXI века», в рамках выставки «Ingredients Russia 2005», Москва, 2005;
II Международной научно-практической конференции «Актуальные проблемы науки и высшего образования», Унеча, филиал МГУТУ, 2006; VI Научно-практической конференции «Технологии, научно-техническое и информационное обеспечение в образовании, экономике и производстве региона», Вязьма, ВФ МГУТУ, 2006.
Публикации
По материалам диссертации опубликовано 15 научных работ, которые включают в себя 10 статей в журналах, 5 статей в сборниках трудов научных конференций.
Структура диссертации
Диссертация состоит из введения, четырех глав, заключения, списка литературы, приложений. Работа изложена на 127 страницах основного текста, содержит 21 таблицу, 30 рисунков и список литературы, включающий 235 наименований, из которых 199 отечественных и 36 зарубежных авторов, и 4 приложения.
В первой главе проведен обзор современных инструментальных и сенсорных методов контроля качества продовольственных товаров (на примере водок и виноградных вин). Проанализированы существующие математические модели и численные методы контроля качества, используемые в настоящее время для оценки качества продовольственных товаров. На основе проведенного обзора сформулирована цель исследования и поставлены основные задачи для ее реализации.
Во второй главе проведено экспериментальное статистическое исследование инструментальных показателей водок и виноградных вин, которое выявило, что вариация значений различных физико-химических показателей водок и виноградных вин описывается как одномодальными, так и многомодальными выборочными (эмпирическими) распределениями вероятностей конечной ширины. По результатам экспериментальных исследований теоретически разработано усеченное нормальное распределение вероятностей значений инструментальных показателей водок и виноградных вин, наиболее согласованное (по критериям «минимум энтропии» и «хи-квадрат»), с их экспериментальными распределениями. На основании полученного распределения, теории статистических решений и нечетких множеств, разработаны параметрические модели оценки качества водок и виноградных вин в виде нечетких мер сходства их инструментальных показателей с заданными «эталонными» показателями.
В третьей главе проведено экспериментальное статистическое исследование сенсорных показателей водок и виноградных вин, выявившее, что существующие методы оценки качества ликероводочной и винодельческой продукции по сенсорным показателям, основанные на суммировании значений балльных оценок всех сенсорных показателей, помимо отсутствия универсальности не обладают селективностью (избирательностью или разрешающей способностью) к особенностям оценок отдельных (парциальных) показателей. Предложен новый подход к оценке качества продуктовых товаров, основанный на нечетких мерах сходства значений используемых сенсорных показателей с их «наилучшими» значениями.
В четвертой главе разработана структурная модель, позволяющая проводить интегральную оценку качества продовольственных товаров по совокуп-
12 ности инструментальных и сенсорных показателей. Также был создан алгоритм определения соотношений оптимального баланса между ценой и качеством продовольственных товаров при заданной ценовой привлекательности или покупательной способности населения. Проведено имитационное моделирование различных соотношений между показателями ценовой привлекательности, ценой и уровнями качества условных товаров. Создана методика построения компьютерных экспертных систем оценки качества водок и виноградных вин, целиком опирающаяся на разработанные параметрические и структурную модели оценки качества.
В заключении рассмотрены основные результаты и выводы диссертации, а также рекомендации по их использованию.
В приложении даны: таблицы инструментальных и сенсорных показателей качества водок и виноградных вин, список основных сокращений, интерфейс прототипа экспертной системы оценки качества водок; акты использования результатов диссертации.
Сенсорные методы контроля качества продовольственных товаров
Все методы сенсорной оценки, согласно такой классификации, подразделяются на два больших класса, аналитические и потребительские. К аналитическим относятся три вида методов: различительные, описательные и методы с использованием шкал и категорий [208 - - 215]. Чтобы проводить аналитическую оценку, испытатели должны соответствовать требованиям, предъявляемым к отобранным испытателям. Для такой дегустационной комиссии обычно не вызывает трудностей сенсорная оценка аналитическими методами и полученные результаты как правило, вполне достоверны и воспроизводимы [26, 30, 31, 182]. Если требуется найти различие между испытываемыми продуктами, используются различительные методы сенсорной оценки. Если нужно определить и оценить сенсорные характеристики продукта, выполняется описательный анализ. Задача испытателей, в этом случае, определить какие сенсорные характеристики (атрибуты) присутствуют в продукте и какова их интенсивность. При аналитических испытаниях, дегустаторы должны оставить персональные пристрастия и гедонические реакции в стороне.
При потребительской оценке результаты испытаний основаны на интегрированном восприятии и обычно выражаются в виде симпатии или антипатии. Лучше всего, если испытатели, проводящие оценку, являются регулярными потребителями оцениваемых продуктов и хорошо знакомы с их сенсорными характеристиками и особенностями [181].
Следует подчеркнуть, что существует значительная разница между потребительской и аналитической оценкой. В потребительских тестах изменчивость индивидуальных оценок отражает отношение к данному продукту, а в аналитическом испытании исследуется изменение исключительно одного свойства продукта и изменчивость считается ошибкой эксперимента [89].
Для анализа показателей продуктов широко используют методы шкал и категорий методов аналитической оценки [211, 213]. Эти методы основаны на использовании графических или словесных шкал. В эту группу входят следующие методы: метод ранжирования (ранговый); метод классифицирования; рейтинговый метод; скоринг-метод; метод распределения по категориям [89].
Шкалы используются в различных ситуациях, когда требуется количественно оценить ощущения, привычки или предпочтения. В основе техники шкалирования, лежит психофизическая модель интенсивности восприятия [31, 161, 200, 202, 211, 221 - 228, 231]. Идея заключается в увеличении интенсивности ощущения при увеличении энергии физического стимула или концентрации химического вещества. Соответственно, необходимо зафиксировать это изменение при помощи цифровых данных. Процесс шкалирования можно представить как процесс расположения чисел в одномерном сенсорном качестве, которое изменяет свою интенсивность. При этом следует учитывать тот фактор, что пищевые продукты сложны по составу и изменение одного ингредиента или процесса влечет за собой множественные сенсорные изменения. Таким образом, для оценки воспринятого ощущения может потребоваться несколько различных шкал [89]. Так, различаются шкалы наименований, порядковые шкалы, метрические шкалы (Приложение 1, таблица 10) [89].
Признаки, измеримые только по шкале наименований или по порядковой шкале, называются качественными, даже если они определены цифрами или ранговыми числами, так как по этим шкалам не определены расстояния между значениями признака. Признаки, определяемые по метрической шкале, называются количественными.
При сенсорных оценках отдельных свойств или показателей пищевых продуктов (горький, соленый, прозрачный и т.п.) широко используют: ско-ринг-метод, метод распределения по категориям, описательный метод [89].
Скоринг-метод {scoring - отсчет очков) является разновидностью рейтингового метода, в котором используется числовая шкала, основанная как на интервальных, так и пропорциональных оценках. Метод применяется для оценки интенсивности одной или более сенсорных характеристик [68, 144, 161].
Рекомендуемое число испытателей - дегустаторов (экспертов, от французского expertus - опытный) от 1 до 20 или более [89, 161]. Научно обоснованное определение необходимого количества испытателей отсутствует.
Тип используемой шкалы должен быть абсолютно понятен испытателям. Применяют горизонтальные или отвесные градуированные или неградуиро-ванные шкалы. При работе с неградуированной шкалой, оцифровка данных проводится путем измерения расстояния от начала шкалы до сделанной испытателем отметки.
Метод распределения по категориям (градации по качеству) заключается в отнесении продукта к какой-либо категории на основании полученной им оценки по единичной или комплексной сенсорной характеристике [89, 161, 200].
Этот тест выполняется только отобранными испытателями или экспертами, поскольку требует предварительной подготовки.
Сначала производится предварительный выбор оцениваемых сенсорных показателей, определяются шкалы для оценки каждого из них, коэффициенты весомости и категории качества продукта.
Результаты оценки выражают в виде баллов используемой шкалы, каждый из которых соответствует определенной интенсивности того или иного показателя качества. В практике сенсорного анализа существуют различные принципы построения балловых шкал для конкретных видов пищевой продукции. Известны 3-, 5-, 9-, 10-, 15-, 30- и 100-балльные шкалы. Для каждого вида продукта следует специально разработать схему, содержащую подробную классификацию показателей качества и максимально возможные для них баллы. В результате каждый оцениваемый образец получает суммарную оценку в баллах, равную сумме оценок по отдельным характеристикам с учетом коэффициентов весомости. Он позволяет установить уровни качества продукта, как по отдельным показателям, так и в целом.
Научно обоснованный выбор системы баллов отсутствует. Описательный метод включает в себя обнаружение и описание качественных и количественных аспектов пищевого продукта дегустационной комиссией в составе 5 -М00 субъектов. Дегустаторы, участвующие в описательных тестах должны быть способны четко различать и описывать сенсорные характеристики (атрибуты) тестируемых образцов [89, 161, 209, 213].
Основные характеристики описательных методов показаны в таблице 11 (Приложение 1). Результаты этих методов включены практически в каждый нормативно-технический документ на пищевые продукты и регламентируют их стандартные сенсорные показатели [89, 161].
Экспериментальное статистическое исследование распределений значений инструментальных показателей виноградных вин
Для экспериментального исследования методом анкетирования 21 предприятия был проведен сбор информации о показателях натуральных сухих вин [25]. Для получения репрезентативной выборки показателей натуральных сухих вин образцы вин одного вида (красные или белые вина), но разных предприятий, объединялись в один вариационный ряд.
Ниже приведены результаты исследования выборочных распределений вероятностей значений физико-химических показателей на примере сухих красных (Кс) и сухих белых (Бс) виноградных натуральных вин одной страны производителя 2004 + 2005 годов.
Исследовались статистики ряда физико-химических показателей виноградных вин (объемная доля этилового спирта, %; массовая концентрация са-харов, г/дм ; массовая концентрация титруемых кислот, г/дм ; массовая концентрация общей сернистой кислоты, мг/дм3; массовая концентрация свобод-ной сернистой кислоты, мг/дм ; массовая концентрация меди, мг/дм ; массовая концентрация летучих кислот в пересчете на уксусную кислоту, г/дм ; массо-вая концентрация железа, мг/дм ), определенных газовым хроматографом по ГОСТ 7208-93.
В качестве примера, ниже приведен статистический анализ следующих показателей Х\ - объемная доля этилового спирта, %; Хг - массовая концен-трация общей сернистой кислоты, мг/дм ; Хз - массовая концентрация свобод-ной сернистой кислоты, мг/дм ; Х4 - массовая концентрация летучих кислот в пересчете на уксусную кислоту, г/дм3.
Для визуальной оценки сходства или различий выборочных распределений вероятностей исследуемых показателей с нормальным распределением, как и в случае исследования статистик водок (см. 2.1, стр. 42 + 50) были построены нормальные вероятностные графики и гистограммы.
Нормальный вероятностный график для показателя Хз (Кс) приведен на рисунке 2.2.1. Он свидетельствует о том, что выборочное распределение вероятностей показателя Хз (красное сухое вино) значительно отличается от нормального, что и следовало ожидать из-за объединения в один вариационный ряд образцов сухих вин, произведенных различными изготовителями.
О характере выборочного распределения вероятностей исследуемого показателя, например, Х2 можно судить по форме гистограмм, на которые наложены нормальная кривая iV(102,95; 23,58) для красного сухого вина (рисунок 2.2.2) и JV(1 11,99; 14,26) для белого сухого вина (рисунок 2.2.3).
Отклонения реальных выборочных распределений вероятностей показателей Х2, Х\ (красные сухие вина) от нормального на основании непараметрического критерия х2 (хи-квадрат) является незначимыми на стандартном уровнено =0,05 (р Ро) Условием нормальности выборочного распределения является одновременное выполнение как параметрических, так и непараметрического критериев. На основании данных таблиц 2.2.3 и 2.2.4 можно сделать вывод, что вариация значений только физико-химического показателя Х2 для красного сухого вина описывается выборочным распределением вероятностей, которое по своей форме близко к нормальному распределению (различия незначимы на строгом уровнено= 0,1).
Остальные выборочные распределения вероятностей физико-химических показателей сухого виноградного вина отличны от нормального.
Проведенный анализ обширного статистического материала позволяет сделать предположение, что наиболее вероятными причинами многомодальное являются не соответствие требованиям ГОСТ и выпуску по нормативной документации, разработанной на предприятии, где требования к качеству занижены, т.е. много допусков и замены основного сырья, введением пищевых добавок и т.д. 2.3. Модели интегральной оценки качества продовольственных товаров по инструментальным показателям на основе теорий статистических решений и нечетких множеств.
Модель распределений значений инструментальных показателей водок и виноградных вин, согласованная с экспериментальными данными. Принцип максимума энтропии утверждает, что если плотность распределения некоторой случайной величины неизвестна, то следует выбирать такую плотность распределения, которая обеспечивает максимизацию энтропии случайной величины при учете всех известных ограничений [183]. Применение этого критерия приводит к решению, отличающемуся минимальным смещением, так как плотность распределения любого другого вида будет обладать большим смещением «в сторону» информации, содержащейся в известном наборе данных.
Экспериментальное статистическое исследование распределений значений сенсорных показателей других продовольственных товаров
В качестве других продовольственных товаров нами были выбраны товары мясной продукции.
Были обработаны результаты сенсорной оценки группы вареных колбас, полученные в условиях реального производства (мясокомбинат расположен в Южном федеральном округе) [111]. Сделать объективный вывод и принять управленческое решение о путях улучшения качества мясопродуктов на основании рисунка 3.2.1 весьма затруднительно. Это объясняется вырожденностью суммарных оценок - их нечувствительностью к различным информативным вариациям отдельных показателей, что легко показать графически.
Распределение числа комбинаций значений показателей вареных колбас по 30-балльным суммарным оценкам Рисунок показывает типичный случай вырождения суммарных балльных оценок или их неопределенность. При сумме баллов 4 х 6 = 24 возможно 400 комбинаций различных оценок, а для суммы 18 баллов - 1600 комбинаций. Отчетливо видно, что различительная способность существующего метода весьма низкая.
Существующие методы оценки качества, основанные на суммировании отдельных показателей, не учитывают, например, того, что одна низкая оценка, независимо от высоких значений всех остальных, указывает на неудовлетворительное качество продукта в целом. 3.3. Модели интегральной оценки качества продовольственных товаров по сенсорным показателям на основе нечетких мер сходства.
С целью устранения выявленных недостатков в системе суммарных балльных оценок сенсорных показателей предлагается новый подход к интегральной оценке качества продовольственных товаров на основе сенсорных показателей.
В качестве «эталонных» сенсорных оценок Ym в (3.3.1) предлагается использовать их высшие (верхние) значения, а в качестве стандартных отклонений ст - точность задания оценок. Из рисунка 3.3.4 видно, что «отличные» и «хорошие» оценки («Гран при», «золотые» и «серебряные» медали) по уровням качества или мере сходства получают вина, набравшие от 50 % до 100 % (соответствует от 82 до 100 суммарных балльных оценок). Это составляет 2,5 % комбинаций от возможного числа 3125 комбинаций.
Для 100-балльной системы получим снижение потенциальной вероятности получения «отличных» и «хороших» оценок до 2,5 %.
Таким образом, предложенный новый подход к обработке результатов сенсорной оценки винодельческой продукции, основанный на нечетких мерах сходства показателей с их «наилучшими» значениями, является как универсальным, так и в 4 раза более селективным или избирательным по сравнению с известными суммарными балльными оценками. Использование нечетких мер сходства для интегральной оценки качества вареных колбас.
Применение нечетких мер сходства к сенсорным оценкам позволяет не только оценивать качество продукции, но и управлять ее производством, решая оптимизационные задачи, в частности, определяя оптимальное количество вводимых пищевых добавок. Приведем следующие примеры управления.
В хлебопекарной и кондитерской промышленностях при выпечке различных изделий часть сахара заменяют стевиозидом [159]. Эта замена имеет, как положительные стороны, так и отрицательные. С одной стороны, стевиозид снижает калорийность и количество усвояемых углеводов. В связи с тем, что он примерно в 200 раз слаще сахара, внесение его вместо сахара экономически выгодно. Но, с другой стороны, присутствие этого заменителя сахара в изделиях придаёт им лекарственный, ментоловый и пресный вкус и имеет своим последствием горькое послевкусие.
Таким образом, задачей исследования явилось определение оптимального содержания стевиозида, в частности, в овсяном печенье. Для решения поставленной задачи были изготовлены образцы овсяного печенья с разным содержанием стевиозида, а дегустаторами даны сенсорные оценки некоторых показателей как контрольного, так и экспериментальных образцов (таблицы 3.3.2, 3.3.3).
Разработка алгоритма определения оптимального баланса между ценой и качеством продовольственных товаров
Построим алгоритм определения оптимального баланса между ценой и качеством продовольственных товаров на основании следующих процедур. 1). Ввод исходных данных. Q - уровень качества продовольственного товара (0 Q 1); Qmin - минимально приемлемый уровень качества продовольственного товара; Р - цена продовольственного товара; Рт-т - минимальная цена продовольственного товара, определяемая его себестоимостью при минимально приемлемом уровне качества; -Ртах - максимально возможная цена продовольственного товара, при максимальном уровне качества Q = 1; А - ценовая привлекательность продовольственного товара, определяемая как отношение спроса на товар (при данной цене) к единице цены; Apmin - ценовая привлекательность продовольственного товара при его минимальной цене; Артак - ценовая привлекательность продовольственного товара при его максимальной цене. Ценовая привлекательность продовольственного товара полностью определяется покупательной способностью населения. 2). Построение модели.
Таким образом, разработанный алгоритм обосновано показывает, что при снижении покупательной способности населения нелинейным образом снижается и уровень привлекательного (требуемого) качества.
С помощью данной программы проведено численное решение уравнений (4.2.3) и имитационное моделирование различных соотношений между показателями ценовой привлекательности, ценой и уровнями качества условных товаров. На рисунке 4.2.1 приведен пример максимального возможного «перекоса» покупательной способности населения - в 10 раз (АРт1П =0,010 р" ; АРтах = 0,001 р"1), при котором наиболее привлекательной ценой товара (с минимальной ценой Pmin=100p и максимальной ценой Ртах = 200 р) является цена Р = 130р при уровне качества Q = 65% (отношение «цена/качество» = 200 р).
Нижние пределы гп могут принимать нулевые значения, что характерно практически для всех показателей безопасности и ряда физико-химических показателей водки и вина. Для ряда показателей водки и вина Fn ФО (например, крепость, объемная доля этанола, массовая концентрация Сахаров, массовая концентрация титруемых кислот, массовая концентрация железа). Следует также отметить, что при использовании газохроматографических методов для оценки качества вина возможно определить дополнительные показатели (например, массовые концентрации лимонной, яблочной, молочной, янтарной, уксусной кислот, сахарозы, глюкозы, фруктозы), для которых F = 0, а также массовую концентрацию винной кислоты с F n Ф 0 [153]. Нормативные показатели, характеризующие качество исследуемого приведенного экстракта вина при его стандартизации, по-видимому, целесообразно задавать средним значением [149]. В рассмотренной ситуации будем считать, что 100 %-е качество продукта по каждой группе инструментальных показателей (Хи Y) таблицы 4.3.1 должно достигаться при полном совпадении их значений Fn с некоторыми «эталонными» значениями/v„ {Fn Fnm F ), где п= 1,2, ,..,N ;т= 1,2, ..., М. Вполне очевидно, что 100 %-е качество продукта по группе органолепти-ческих показателей (Z) таблицы 4.3.1 достигается при полном совпадении их значений Z„ с верхними границами оценок Z , т.е. Fnm = Z m.
Будем также считать, что при отклонении Fn от Fnm значение критерия показателя качества должно уменьшаться. Был создан прототип компьютерной экспертной системы (Приложение 2), функционирующей по описанному в разделе 4.1 алгоритму (отчет по НИР «Разработка проекта методологии применения экспертных систем компьютерной квалиметрии для идентификации и контроля качества ликероводочной продукции и этилового спирта», по договору №1/11-04 от 26 ноября 2004 г., № гос. регистрации 0120.0500.670).
Отличительной особенностью экспертной системы является совместная обработка получаемых инструментальных и сенсорных показателей ликероводочной продукции на основе использования специального математического аппарата и систем искусственного интеллекта, опирающихся на современную информационную технологию баз данных (БД), баз знаний (БЗ), экспертных систем (ЭС). - управляющее ядро и интерфейс пользователя для навигации по системе (выбора режимов функционирования системы, запуска задач); - БД для хранения и пополнения информации трех различных видов: 1) показатели спирта и ликероводочной продукции, полученные физико-химическими методами (например, объемная доля этилового спирта, проба на окисляемость и т.п.); 2) показатели спирта и ликероводочной продукции, полученные инструментальными методами (хроматографическими, хромато-масс-спектрометрическими, электрофоретическими, спектральными); 3) органолептические показатели (прозрачность, цвет, аромат, вкус); - БЗ для хранения нормативной информации, а также правил экспертного вывода значений органолептических показателей изделий на основании показателей, получаемых физико-химическими и инструментальными методами; - блок идентификации типа или марки изделий; - блок оценивания значений органолептических показателей анализируемых изделий на основании показателей, получаемых физико-химическими и инструментальными методами.
В режиме обучения определяют органолептические, физико-химические и инструментальные данные набора R опорных образцов (проб), репрезентативно представляющие совокупность тех изделий, которые будут в дальнейшем анализироваться автоматически. При этом в базу данных записывают совокупность R пар векторов {Fr, Qr}, где Fr - вектора соответствующих инструментальных и сенсорных показателей, a Qr - показатели качества, даваемые сторонними экспертами (г = \,2,...,К).
Вторая задача связана с оцениванием вектора Q показателей качества по произвольному вектору F инструментальных и сенсорных показателей анализируемого изделия с помощью выражений (4.3.2).
Верхняя оценка относительной СКО восстановления значений зависимости Q = Q(F) для показателя Q равна [4, 100]
SUpCK0--R(m-m\Fr-Fm\y () +RR(Vy С где і? - число обучающих выборок, N - максимально возможное число отсчетов в оцениваемой зависимости, JQ - дисперсия оценок значений органолеп-тического показателя Q.
Разработанный прототип ЭС был применен для оценки критериев качества некоторых образцов лучших отечественных и зарубежных водок (крепостью 40 %) по показателям, описанным специалистами ОАО Московсковского завода «Кристалл» в работе [16].
Варьирование групповых значимостей в широком диапазоне показало высокие качества водок «Русский бриллиант» и «Русский стандарт» и устойчивость критерия качества. В то же время, среди водок, приведенных в [16], по группе показателей безопасности лидером является водка «Русский стандарт», по группе показателей физико-химических - «Skyy» (США), по группе показателей сенсорных - «Русский бриллиант».
При повышении значимости группы сенсорных показателей лидером становится водка «Путинка», что связано с наивысшей среди приведенных водок балльной оценкой (9,6) сенсорного показателя.
Во всех случаях минимальное значение интегрального критерия качества было равно 72 %. Таким образом, результаты количественных исследований полностью совпали с качественными выводами специалистов ОАО МЗ «Кристалл» [16], что подтверждает эффективность разработанной методики и применение компьютерных экспертных систем.
Предлагаемая методика впервые позволяет проводить совместный количественный учет всей совокупности показателей, определяемых инструментальными и сенсорными методами в соответствие с действующими государственными стандартами.
