Экономика 4.0: Цифровизация пищевой промышленности

Повышение конкурентоспособности пищевого предприятия зависит от качества выпускаемой продукции и удовлетворенности потребителя.

Контроль качества предполагает контроль сырья, материалов, технологических процессов и готовой продукции.

Новый экономический уклад и цифровизация экономики предполагает использование всей полноты данных, накопленных на предприятиях.

Технологии 6-сигма используют лишь 5% данных, предлагаемые нами технологии используют 95% данных.

При непрерывном контроле информация о контролируемых параметрах технологических процессов поступает непрерывно.

При периодическом контроле данные поступают через установленные интервалы времени с определенным интервалом дискретизации.

Под сплошным контролем понимают контроль каждой единицы продукции в партии.

В пищевой отрасли в основном используют выборочный контроль, при котором проверяется только часть продукции (выборки из партии).

Приемочный контроль обычно проводится для партий готовой продукции, из которых осуществляется выборка, направляемая на органолептический, физико-химический и микробиологический контроль.

К показателям органолептики относятся внешний вид, включая цвет и форму, вкус, запах и консистенция.

Оценку продукции проводит дегустационная комиссия, квалифицированные члены которой прошли сенсорное тестирование и аттестацию.

В Statistica статистический контроль реализован в модуле интерактивные карты контроля качества:

Статистические методы позволяют для всех видов внутрипроизводственного контроля оптимизировать размеры выборки, определить тренды и, в случае негативных тенденций, выявить причины потери качества, возвратить процесс в управляемое состояние.

Решения StatSoft позволяют создать информационную среду постоянного совершенствования производства и улучшения качества продукции.

Архитектура решения представлена на следующей схеме:

Система на базе Statistica и Spotfire предназначена для накопления и хранения структурированной и неструктурированной информации о технологических и производственных процессах в режиме реального времени и обеспечения возможности использования данных и предиктивных моделей для сквозного контроля качества и создания новых видов продуктов.

Важным компонентом системы является Statistica Monitoring & Alerting Server (MAS), которая  представляет собой надстройку к Statistica Server.

MAS централизует и автоматизирует мониторинг параметров процессов и продуктов предприятия.

Постоянный мониторинг - это автоматизированный и эффективный метод для а) одновременного мониторинга многих критических параметров и б) предоставления «моментальных снимков» результатов действий для персонала в зависимости от их обязанностей.

Модели мониторинга процессов могут быть развернуты в MAS, чтобы обеспечить комплексный многомерный мониторинг процессов в масштабах предприятия, включая данные с сенсоров, контроллеров.

Мониторинг качества (прогнозные - фактические результаты) моделей - еще один распространенный вариант использования MAS.

MAS напрямую интегрируется с системами сбора данных, включая системы управления реляционными базами данных, хранилища данных, историки данных, информационные системы процессов.

Система дегустации

На презентации мы демонстрируем применение Statistica для создания системы дегустации (см. презентацию).

Система дегустационного контроля качества продукции предназначена для подготовки и проведения дегустации, а также подготовки аналитических отчетов в удобном для пользователей формате.

Система дегустации состоит из трех основных блоков: блок генерации заданий, блок проведения опросов, генератор отчетов.

Все эти блоки являются самостоятельными (автономными) приложениями, которые могут работать совместно, если необходимо провести полноценный опрос дегустаторов.

Система поддерживает работу со следующими методами, среди которых различаются простые и сложные.

Простые методы:

-    метод парного сравнения

-    метод дуо-трио

-    метод треугольника

Сложные методы:

-    балльный метод

-    профильные методы

-    профильные методы с неструктурированной шкалой

Панельные методы:

-    метод парного предпочтительного сравнения

-    метод ранжирования предпочтений

Предиктивные модели, построенные с помощью инновационных технологий StatSoft, включая нейронные сети и деревья классификации, позволяют создавать пищевые продукты высокого качества.

Методы планирования экспериментов Statistica позволяет оптимизировать качество продукции и разрабатывать новые виды продукции с заданными свойствами.

В данном разделе описан пример планирования эксперимента для изготовления рыбного паштета.

Пример может быть распространен и на другую продукцию.

Рассматриваемые паштеты для сандвичей изготавливаются из трех видов рыбы: Mullet, Sheepshead и Croaker.

Интересующей нас зависимой переменной являлась Texture (Текстура), измеряемая силой (в граммах * 10^-3), требующейся для повреждения поверхности паштета.

Мы вначале спланируем эксперимент, затем проанализируем его.

Планирование эксперимента. Выберите команду Планирование экспериментов в меню Анализ - Промышленная статистика.

Чтобы построить план для исследования, описываемого в примере, выберем Симплекс-вершинные планы, установим значение 3 в поле Число факторов и значение 2 - в поле Степень полинома. Степень полинома относится к типу членов в модели, которую, как ожидается, подгоняют к данным по смесям.

Ясно, что если вы хотели бы подогнать к данным квадратичную модель, то у вас каждая компонента должна изменяться по крайней мере на 3-х уровнях, чтобы подогнать кубическую модель - по меньшей мере на 4-х уровнях и так далее.

План, который вы выбрали, также обозначается как {3,2} симплекс-вершинный план (3 фактора, степень полинома - 2).

Просмотр плана. Теперь нажмите OK, чтобы открыть окно План эксперимента для смеси.

Окончательный план является полным повторением (репликой) {3,2} симплекс-вершинного плана, то есть в каждой его точке делается по два измерения.

Следовательно, во вкладке Добавить в план введите 1 в соответствующее поле Полные реплики. Также установите 1 в соответствующее поле Пустые столбцы (зависимые переменные).

Во вкладке Быстрый нажмите кнопку Отобразить план (план показан ниже в случайном порядке).

Анализ эксперимента. Данные эксперимента содержатся в файле Fish.sta.

Просмотр коэффициентов. Чтобы просмотреть коэффициенты квадратичной модели, вначале выберите вкладку Модель и установите опцию Квадратичная. Затем выберите вкладку Быстрый и нажмите в ней кнопку Оценки псевдокомпонент.

Диаграмма Парето является эффективным средством определения того, какие эффекты имеют наибольший вклад на интересующую нас зависимую переменную.

Эта диаграмма показывает стандартизованные коэффициенты, отсортированные по абсолютной величине. Очевидно, что линейные эффекты факторов являются наиболее важными для определения окончательного состава рыбных паштетов.

Нажмите кнопку Трассировочный график ожидаемых откликов.

Этот график может быть создан для различных базисных смесей, то есть линий, произвольно проведенных в треугольнике, а не обязательно соединяющих стороны с соответствующим углами.

Каждая такая линия может быть охарактеризована базисной смесью, то есть смесью с фиксированным отношением двух компонент, тогда как третья изменяется.

Таким образом, с помощью диалога Значения для базисной смеси, который активизируется при нажатии на кнопку Трассировочный график ожидаемых откликов, вы можете определить, как след может быть изображен над треугольником.