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
- 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 квалыметрия [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 опреде лить 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 ингре диента 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.
Экспериментальное статистическое исследование распределений значений инструментальных показателей виноградных вин
На основании рассчитанных значений коэффициента вариации (таблица 2.2.3) проводили дальнейшую численную проверку на нормальность выборочных распределений вероятностей физико-химических показателей ,Х2,Х4.
Результаты проверки с использованием критериев асимметрии и эксцесса и хи-квадрат приведены в таблице 2.2.4.
На основании параметрического критерия асимметрии и эксцесса гипотеза нормальности распределения для выборочных распределений вероятностей показателей Х\, Х2 красных сухих вин и показателей Х\,Х2, Хл, белых сухих вин может быть принята.
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.
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.
Обозначим искомую плотность вероятности распределения значений некоторого инструментального показателя Y водок и виноградных вин, как р\У). Будем считать, что вся априорная информация о случайной величине Y задается ее моментами в виде условий {-\p{Y)dY, \Yp(Y)dY = Y, \Y2p(Y)dY=Y , а Г {3, (2.3.1) Y Y Y N где Ym = — 2_jY - выборочные или эмпирические моменты распределения т го порядка, а а и р - минимальное и максимальное значения показателя Y. Тогда, плотность вероятности, обеспечивающая максимизацию энтропии H=-jp(Y)\np(Y)dY (2.3.2) Y случайной величины Y, имеет вид [183] p(Y) = Cf(Y) = Cexp(AY + BY2), (2.3.3) где А, В и С - неизвестные коэффициенты, которые следует выбирать, исходя из условий (2.3.1).
Экспериментальное статистическое исследование распределений значений сенсорных показателей других продовольственных товаров
Использование нечетких мер сходства для управления качеством продовольственных товаров.
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. Пример 3.3.1. 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). Концентрацию стевиозида изменяли с 0 до 50 % с неравномерным шагом (0 %, 10 %, 25 %, 30 %, 35 %, 50 %). Для каждого значения концентрации по формуле (3.3.1) определяли меры сходства n0%(Y,Y), \iX /o{Y,Y\..., \i50o/o(Y,Y), Графическая зависимость нечеткой меры сходства ц(Г,У)от % раствора стевиозида приведена на рисунке 3.3.7. На графике также приведена линия регрессии, вычисленная на основании нечеткой регрессионно-факторной зависимости [104, 111,116]
Приведенная на рисунке 3.3.7 зависимость наглядно демонстрирует, что при 30 %-ном растворе стевиозида мера сходства экспериментального и контрольного образцов максимальна. Исходя из этого, можно сделать вывод, что в овсяном печенье оптимальное содержание стевиозида (при котором оно по своим показателям наиболее близко к контрольному печенью) должно составлять 30 %.
Пример 3.3.2. Известно, что при производстве продуктов добавляют пищевую добавку глютамат натрия (как усилитель вкуса), что также имеет как положительные, так и отрицательные стороны [97, 136]. В связи с этим задачей работы явилось определение оптимального содержания глютамата на основе анализа результатов сенсорной оценки с использованием мер сходства.
Для решения поставленной задачи были изготовлены образцы рубленых полуфабрикатов (котлет) с разным содержанием в них глютамата (от 0 до 0,5 %). Дегустаторами была проведена их сенсорная оценка с использованием 30-балльной оценки по группе показателей (таблица 3.2.1), принятых в мясной промышленности согласно ГОСТ 9959-91 [38].
Для определения образца, наиболее близкого по качеству к контрольному, применялась методика, рассмотренная в примере 3.3.1.
Построенная зависимость нечеткой меры сходства сенсорных оценок с контрольным образцом рубленых полуфабрикатов приведена (для образцов с различным содержанием глютамата) в таблице 3.3.4.
Полученная зависимость наглядно демонстрирует, что при уровне введения 0,30 % раствора глютамата в продукт нечеткая мера сходства имеет максимальное значение. Выводы к главе 3 (основные экспериментальные и теоретические результаты) Проведенное экспериментальное статистическое исследование выявило, 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.
Аналогичный вывод возможно сделать и по другим продовольственным товарам, для которых используется суммарная система балльных оценок.
Предложенный новый подход к интегральной оценке качества продуктовых товаров, основанный на нечетких мерах сходства значений используемых сенсорных показателей с их «наилучшими» значениями.
Экспериментально доказано, что по сравнению с известными суммарными балльными оценками новый подход, основанный на мерах сходства, является: - более универсальным, поскольку дает результат по нормированной (на единицу или 100%) шкале, независимо от выбранных балльных или числовых шкал оценки отдельных сенсорных показателей; - в 4 раза более селективным или избирательным, поскольку в значительной степени снимает вырождение, присущее суммарным балльным оценкам; - позволяет управлять качеством продуктов на стадии их изготовления путем оптимизации мер сходства значений сенсорных показателей с их заданными «эталонными» значениями.
Разработка алгоритма определения оптимального баланса между ценой и качеством продовольственных товаров
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). ЭС включает: - 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. Работа ЭС предполагает два режима.
Первый режим реализует пополнение БД и обучение системы на основании правил БЗ.
Вся информация, записываемая в БД, структурируется в виде векторов (описаний), приведенных в таблице 4.3.1.
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).
В процессе пополнения БД производят обучение системы, рекурсивно формируя в БЗ правило оценивания вектора Q показателей качества по произвольному вектору F инструментальных и сенсорных показателей анализируемого изделия на основе нечеткого регрессионно-факторного анализа [4, 5]
