close

Вход

Забыли?

вход по аккаунту

?

Методологические основы создания экспертных систем контроля и прогнозирования качества пищевой продукции с использованием интеллектуальных технологий

код для вставкиСкачать
На правах рукописи
БЛАГОВЕЩЕНСКИЙ ИВАН ГЕРМАНОВИЧ
МЕТОДОЛОГИЧЕСКИЕ ОСНОВЫ СОЗДАНИЯ
ЭКСПЕРТНЫХ СИСТЕМ КОНТРОЛЯ И ПРОГНОЗИРОВАНИЯ
КАЧЕСТВА ПИЩЕВОЙ ПРОДУКЦИИ С ИСПОЛЬЗОВАНИЕМ
ИНТЕЛЛЕКТУАЛЬНЫХ ТЕХНОЛОГИЙ
Специальность 05.13.06 – Автоматизация и управление технологическими
процессами и производствами (в пищевой промышленности)
АВТОРЕФЕРАТ
диссертации на соискание ученой степени
доктора технических наук
Москва – 2017
Работа выполнена в Федеральном государственном бюджетном
образовательном учреждении высшего образования «Московский
государственный университет пищевых производств» (МГУПП)
Научный
консультант:
доктор технических наук, профессор
Борзов Андрей Борисович
заведующий кафедрой «Автономные информационные и
управляющие системы» факультета «Специальное
машиностроение» ФГБОУ ВО «Московский государственный
технический университет имени Н.Э. Баумана
(научно- исследовательский университет)»,
Официальные оппоненты:
Егоров Александр Федорович, доктор технических наук, профессор,
ФГБОУ ВО «Российский химико-технологический университет имени Д.И.
Менделеева», заведующий кафедрой «Компьютерно-интегрированных систем в
химической технологии»
Нечаев Валентин Викторович, доктор технических наук, профессор,
ФГБОУ ВО «Московский технологический университет» (МИРЭА),
заведующий кафедрой «Интеллектуальные технологии и системы»
Цирлин Анатолий Михайлович, доктор технических наук, профессор,
главный научный сотрудник – консультант Исследовательского центра
системного анализа ФГБУН «Институт программных систем имени
А.К. Айламазяна Российской академии наук»
Ведущая организация:
ФГБОУ ВО «Воронежский государственный университет инженерных
технологий»
Защита состоится «_12__» __октября__ 2017г. в _11.00_ час. на заседании
Диссертационного Совета по защите докторских и кандидатских диссертаций
Д.212.148.02 при ФГБОУ ВПО «Московский государственный университет
пищевых производств» по адресу: 109316, г. Москва, ул. Талалихина, д.33.
Отзывы на автореферат в двух экземплярах, заверенные гербовой печатью,
просим направлять по адресу: 125080, г. Москва, Волоколамское шоссе, д. 11.
С диссертацией можно ознакомиться в библиотеке ФГБОУ ВПО «МГУПП».
Автореферат разослан «____» ____________ 2017 г.
И.о. Ученого секретаря Диссертационного Совета,
д.т.н., доцент
2
Стрелюхина А.Н.
Общая характеристика работы.
Актуальность проблемы
На современном этапе экономического развития Российской Федерации на
первый план выходят проблемы повышения эффективности отраслей пищевой
промышленности. Все более возрастают требования к повышению качества и
конкурентоспособности отечественных продуктов питания.
Решение данных проблем в современных условиях возможно только на основе
использования новейших научных достижений в области техники и технологии,
обеспечения стабильности производственных процессов, оснащения поточно механизированных линий современными средствами непрерывного автоматического
контроля, регулирования и управления с использованием высокоэффективных
интеллектуальных технологий.
Трудность решения этих задач обусловлена тем, что большинство
приготавливаемых пищевых продуктов представляют собой сложные и неоднородные
многокомпонентные смеси, состояние которых зависит от многих факторов (состава
сырья, режимов работы оборудования, физико – химических, структурномеханических, реологических свойств и т.д.). Все это вызывает частые колебания
параметров процессов приготовления многокомпонентных пищевых масс и не
позволяет получать стабильный по качеству готовый продукт.
Поэтому проблемы автоматизации контроля в потоке и прогнозирования
качества получаемой пищевой продукции, оптимизация режимов работы
используемого оборудования являются крупными теоретическими и практическими
задачами, требующими первоочередного решения.
Существующие в настоящее время методы контроля показателей качества
пищевой продукции субъективны и далеки от совершенства, поскольку эта оценка
осуществляется
в
большинстве
случаев
органолептическим
путем.
Органолептический контроль длителен по времени, обладает большим количеством
недостатков. Назрела необходимость повышения объективности контроля качества
пищевой продукции за счет внедрения высокоэффективных интеллектуальных
технологий в производственный процесс и создания на их базе непрерывных
автоматизированных систем контроля и управления.
На сегодняшний день накоплен практический и теоретический объем
информации по автоматизации технологических процессов пищевых производств с
использованием современных информационных технологий, которые проводили А.Н.
Австриевских, С.И. Апанасенко, В.К. Битюков, А.М. Блюмин, М.М. Благовещенская,
Я.В. Иванов, Ю.А. Ивашкин, Е.Б. Карпин, А.Я. Красинский, А.Е. Краснов, О.П.
Красуля, В.А. Матисон, В.В. Митин, Остапчук Н.В., Письменный В. В., И.К. Петров,
Е.А. Прокофьев, А.В. Татаринов, В.Я. Черных, Е.Д. Чертов, А.В. Шаверин и др.
В настоящей работе учтен и проработан опыт предыдущих исследований,
использованы рекомендации, приводимые перечисленными авторами.
Автоматизация контроля в потоке органолептических показателей качества с
использованием интеллектуальных технологий и сведение их результатов в единую
интегрированную экспертную систему (ИЭС)
для создания на ее базе
автоматизированной системы управления технологическими процессами (АСУТП)
пищевых производств жизненно необходима.
3
В связи с чем, представляется своевременным и актуальным проведение
комплексных исследований, направленных на автоматизацию контроля в потоке
показателей качества различной пищевой продукции с использованием
искусственных нейронных сетей (ИНС) и систем компьютерного зрения (СКЗ);
разработку интеллектуальных датчиков основных органолептических показателей
качества пищевой продукции: вкуса и цвета; исследование возможности интеграции
таких датчиков в систему автоматического контроля и управления технологическими
процессами производства различной пищевой продукции.
В работе исследованы и проанализированы типичные технологические процессы
кондитерского, мукомольного, молочного и пивобезалкогольного производства,
продукция которых пользуется неизменным и все более возрастающим спросом у
населения страны.
Проведенные исследования и апробация полученных результатов показали, что
успешное решение этой задачи возможно при внедрении в производственный процесс
интегрированных экспертных систем контроля (ИЭСК) в потоке показателей
качества пищевых продуктов с использованием современных интеллектуальных
технологий: искусственных нейронных сeтeй и систем компьютерного зрения. В
основе алгоритма рабoты экспертной системы залoжeна нейросетевая модель (НСМ),
функционирование которой основывается на рабoте аппарата ИНС и СКЗ.
Создание такой системы позволит: непрерывно, в потоке контролировать
органолептические показатели качества перерабатываемого сырья, полуфабрикатов и
готовой продукции в течение всего технологического процесса в режиме реального
времени; обеспечить стабильность производства пищевой продукции; существенно
уменьшить уровень брака, снизить потери рабочего времени, сырья и энергии,
повысить качество готовой продукции. Решение этой проблемы позволит построить
эффективные системы: прогнозирования качества выпускаемых изделий, а также
регулирования и управления различными технологическими процессами пищевой
промышленности.
Исходя
из
вышеизложенного,
тема
диссертационной
работы
«Методологические основы создания экспертных систем контроля и прогнозирования
качества пищевой продукции с использованием интеллектуальных технологий»
является актуальным направлением развития пищевой промышленности, имеющим
важное народнохозяйственное значение, а также актуальной научно- технической
задачей специальности 05.13.06 – Автоматизация и управление технологическими
процессами и производствами (в пищевой промышленности).
Диссертация соответствует паспорту специальности 05.13.06, а именно пунктам:
«2. Автоматизация контроля и испытаний», «9. Методы эффективной организации и
ведения специализированного информационного и программного обеспечения
АСУТП, АСУП и др., включая базы и банки данных и методы их оптимизации» «12.
Методы контроля, обеспечения достоверности, защиты и резервирования
информационного и программного обеспечения АСУТП, АСУП и др.», «15.
Теоретические основы, методы и алгоритмы интеллектуализации решения
прикладных задач при построении АСУ широкого назначения».
Изложенное позволяет сделать вывод об актуальности темы диссертационной
работы.
Цель работы.
4
Целью диссертационной работы является повышение эффективности
управления ТП пищевых производств путем использования интеллектуальных
технологий и разработки на их основе типовой интегрированной экспертной системы
контроля и прогнозирования показателей качества пищевой продукции в потоке (на
примере линий по производству помадных глазированных конфет, муки, сливочного
масла и кваса).
Для достижения цели были поставлены и решены следующие задачи
исследований:
1. Системный анализ методов контроля и управления показателями качества
пищевой продукции в ТП их производства.
2. Проведение экспериментальных и теоретических исследований, математическое и
ситуационное моделирование основных этапов производства пищевой продукции.
3. Разработка и апробация методов и способов автоматического контроля
органолептических показателей качества пищевой продукции в потоке с
применением интеллектуальных технологий.
4. Разработка базы данных (БД) и базы знаний (БЗ) ИЭСК показателей качества
пищевой продукции.
5. Разработка математического, алгоритмического и программного обеспечения
ИЭСК показателей качества пищевой продукции в процессе производства.
6. Экспериментальная проверка разработанных методов, моделей, способов и
результатов моделирования ТП производства пищевой продукции на
действующих пищевых предприятиях.
Объектом исследования является типовые поточные линии по производству
пищевой продукции и процессы сбора, анализа и обработки, в том числе экспертной
информации, в задачах непрерывного контроля показателей качества этой пищевой
продукции.
Предметом исследования и разработок являются совокупность теоретических,
методологических и практических задач, связанных с созданием ИЭСК и
прогнозирования показателей качества пищевой продукции в потоке и
соответствующее информационное, математическое, алгоритмическое и программное
обеспечение.
Методы и средства исследований. Поставленные в работе задачи решены с
использованием методологических и математических основ построения экспертных
систем поддержки и принятия решений, методики построения реляционных баз
данных, основных положений теории автоматического управления, теории
нейронных сетей, теории цифровой обработки изображений, общих принципов
математического моделирования, элементов теории искусственного интеллекта,
методов системного анализа и математической статистики. Численная и графическая
обработка результатов исследований производилась с применением MatLab и
Anylogic.
Научная новизна и теоретическая значимость диссертации заключается в
разработке нового научного направления в области автоматизации ТП пищевых
производств,
связанного с созданием интеллектуальных интегрированных
экспертных систем автоматического контроля и прогнозирования органолептических
показателей качества пищевой продукции.
К наиболее существенным научным результатам работы относятся следующие.
5
1. Разработаны методологические основы системного анализа подготовленности ТП
производства пищевой продукции к внедрению интегрированных экспертных
систем.
2. Разработаны функционально структурные схемы (ФСС) формирования качества
пищевой продукции с указанием необходимых точек контроля и регулирования, а
также функциональные схемы автоматизации (ФСА) с включением в них
интеллектуальных датчиков контроля основных органолептических показателей
качества пищевой продукции.
3. Разработаны структурно – параметрические, математические и ситуационные
модели основных стадий ТП производства пищевой продукции, позволившие
выявить параметры, оказывающие наибольшее влияние на качество готовой
пищевой продукции.
4. Предложена методика накопления базы данных (БД) и формирования базы знаний
(БЗ) ИЭС для идентификации, прогнозирования и диагностики хода ТП
производства пищевой продукции.
5. Разработаны алгоритмы идентификации, прогнозирования и диагностики
состояния технологической системы и показателей качества пищевой продукции.
6. Предложена и обоснована методика построения ИЭСКК пищевой продукции в
потоке с использованием ИНС и СКЗ.
7. Разработаны с использованием ИНС и СКЗ интеллектуальные модули контроля
основных органолептических показателей качества пищевой продукции в режиме
реального времени.
Значение для теории:
Основным научным результатом является развитие теории и практики
промышленных пищевых производств на основе автоматизации контроля в потоке
органолептических показателей качества пищевой продукции на всех этапах
производства.
На основе интеллектуальных технологий создана оригинальная типовая
интегрированная экспертная система контроля и прогнозирования в потоке
показателей качества пищевой продукции в процессе производства, позволяющая
осуществлять сбор, передачу, статистическую обработку, графическую визуализацию
и хранение данных мониторинга о показателях качества этой продукции. Это
совершенствует приборную базу методов контроля органолептических показателей
качества пищевых продуктов.
В диссертации решена важная научно-прикладная проблема, имеющая большое
народно-хозяйственное значение. Научные результаты, полученные в диссертации,
доведены до практического использования. Они представляют непосредственный
интерес в области автоматизации контроля органолептических показателей качества
пищевой продукции, производимых в режиме онлайн в промышленных условиях.
Практическая значимость результатов исследования.
1. Развитие нового поколения средств автоматизации контроля в потоке слабо
формализованных органолептических параметров качества пищевых изделий.
2. Разработка нейросетевой ИЭСКК пищевой продукции с интеллектуальными
модулями
контроля
органолептических
показателей
качества
и
интеллектуальными функциями прогнозирования, поддержки и принятия
решений.
6
3. Разработка пользовательского интерфейса, обеспечивающего диалоговый режим
работы ИЭСКК пищевой продукции с оператором для выдачи рекомендаций по
управлению ТП производства этой продукции.
4. Разработка виртуальных и интеллектуальных датчиков контроля основных
органолептических показателей качества пищевой продукции в потоке.
5. Разработка рекомендаций и учебно – методических материалов по построению
ИЭС контроля и прогнозирования органолептических показателей качества
пищевой продукции в потоке.
Результаты диссертационной работы были использованы при проведении
научных исследований по гранту Министерства образования и науки Российской
Федерации «Разработка новых энергосберегающих технологий и процессов для
вакуумной сублимационной сушки широкого спектра термолабильных материалов,
создание на их основе системы автоматизации сушильного устройства для пищевой
промышленности и прикладной биотехнологии» (№ 14.577.21.0044).
Разработанные методы, модели, алгоритмы, структуры и программы прошли
апробацию и были внедрены в конфетном цехе ОАО «Рот-Фронт» Холдинга
«Объединенные кондитеры», а также на других кондитерских фабриках Холдинга
ООО «Объединенные кондитеры»; на ОАО «Мелькомбинат в Сокольниках»; на ПАО
Молочный комбинат «Воронежский»; на ЗАО МПБК «ОЧАКОВО»; во ВНИИСМ
МГТУ им. Н.Э. Баумана, что подтверждается соответствующими актами внедрения
научно-технической продукции.
Полученные в рамках настоящего исследования научные и практические
результаты внедрены также в учебном процессе ФГБОУ ВПО «МГУПП» на кафедре
"Автоматизированные системы управления биотехнологическими процессами" для
студентов направлений " Автоматизация технологических процессов и производств
", "Управление в технических системах", «Информатика и вычислительная техника».
Имеется соответствующий акт внедрения.
Достоверность полученных в работе результатов подтверждается использованием
методов системного анализа и теории принятия решений, экспериментальными
исследованиями ТП производства пищевой продукции, проведенными в
производственных условиях ОАО «Рот-Фронт» Холдинга «Объединенные
кондитеры», на ОАО «Мелькомбинат в Сокольниках», на ОАО «Молочный комбинат
Воронежский», на ЗАО МПБК «ОЧАКОВО» и во ВНИИСМ МГТУ им. Н.Э. Баумана,
а также обеспечивается совпадением расчетных данных и результатов эксперимента.
Положения, выносимые на защиту
На защиту выносятся теоретические и методологические положения и результаты
практической реализации создания экспертных систем контроля и прогнозирования
показателей качества пищевой продукции с использованием нейросетевых технологий
и систем компьютерного зрения, а именно:
- результаты анализа информационного обеспечения процессов производства
пищевой продукции, проблем создания ИЭС контроля и прогнозирования качества
пищевых изделий на примере линий производства ПГК, муки, сливочного масла и
хлебного кваса;
- научные подходы, позволяющие по разработанным методикам и алгоритмам
получать информацию об органолептических показателях качества пищевых
7
материалов в процессе производства с использованием нейросетевых технологий и
систем компьютерного зрения;
- методика разработки математических и ситуационных моделей основных этапов
ТП производства пищевой продукции различного агрегатного состояния: помадных
глазированных конфет, муки, сливочного масла и хлебного кваса;
- методы создания виртуальных приборов автоматического контроля в потоке
вкуса пищевых масс с использованием НСТ и проработкой основных этапов решения
этой задачи;
- методы создания модуля ИЭС автоматического контроля цвета пищевых масс с
использованием СКЗ и проработкой основные этапов решения;
- систематизация и модернизация ФСА на основе внесения в эти схемы новых
решений по контролю органолептических показателей качества пищевых материалов с
использованием интеллектуальных технологий;
- методические основы создания специализированных БД и БЗ ИЭС с
формированием интегрированной концептуальной модели БД и БЗ предметной
области; архитектуры, основных фаз и этапов проектирования БД и БЗ; программы
обработки и передачи запросов, создание и обработки отчетов, программы управления
приложениями;
- пути реализации комплекса методов, алгоритмов и программ, обеспечивающих
работу созданной нейросетевой ИЭС контроля в потоке показателей качества пищевой
продукции.
Апробация работы. Основные положения диссертационной работы были
обсуждены и одобрены на: международной НП конференции – выставке
«Планирование и обеспечение подготовки и переподготовки кадров для отраслей
пищевой промышленности и медицины», Москва, МГУПП, 2012 г.; Х
Международной
научно-практической
конференции
"Автоматизация
и
информационное обеспечение производственных процессов в сельском хозяйстве",
Углич, ГНУ ВИМ Россельхозакадемии, 2012 г.; международной конференции
молодых ученых «Проблемы пищевой безопасности». Москва, МГУПП, 2013 г.;
международной научной сессии НИЯУ МИФИ- 2014, Секция «Интеллектуальные
системы и технологии», 27 января 2014 г.; X Всероссийской конференции молодых
ученых по математическому моделированию и информационным технологиям,
Кемерово, 18 – 19 сентября 2013г., СО РАН; VП-ой Всеукраинской научнопрактической конференции «Информационные технологии и автоматизация - 2014»,
Украина, Одесса, 16 – 17 декабря 2014 г.; V международной научно-практической
конференции " 21 век: фундаментальная наука и технологии " (« 21 century: fundamental science and technology V») ,10-11 ноября 2014 г., North Charleston, USA ;
Международной научно- практической конференции «Автоматизация и управление
технологическими и бизнес – процессами пищевой промышленности», 15 – 17 апреля
2015 г., МГУПП; Международной научной конференции студентов и молодых
ученых «Экологически безопасные, ресурсосберегающие технологии и средства
переработки сельскохозяйственного сырья и производства продуктов питания»,
МГУПП, 2015; П-ой Международной научно- практической конференции
«Автоматизация и управление технологическими и бизнес – процессами пищевой
промышленности», 18 – 20 мая 2016 г., МГУПП; Международной конференции
«Современные биотехнологии в производстве продуктов питания», 11 – 13 октября
8
2016 г., МГУПП; Конференция с международным участием «Развитие пищевой и
перерабатывающей промышленности России: кадры и наука», 11 – 12 апреля 2017 г.,
МГУПП.
На различных этапах выполнения содержание отдельных разделов, результаты
исследований и диссертация в целом были доложены и получили одобрение на
расширенных заседаниях кафедры «Автоматизированные системы управления
биотехнологическими процессами» ФГБОУ ВО «МГУПП».
Работа «Математическое, алгоритмическое и программное обеспечение
автоматизации процесса контроля качества помадных конфет с использованием
систем технического зрения и нейросетевых технологий» является Победителем
конкурса 2015 – 2017 года на получение стипендии Президента РФ молодыми
учеными и аспирантами по направлению «Стратегические информационные
технологии, включая вопросы создания суперкомпьютеров и разработки
программного обеспечения».
Публикации. По материалам диссертации опубликовано 84 печатных работы. Из
них 1 монография, 20 статей в журналах, входящих в список ВАК, 4 – в других
изданиях, а также 59 докладов в сборниках научных докладов международных
конференций.
Структура и объем работы.
Диссертационная работа состоит из введения, 7 глав, заключения и списка
используемой литературы (205 источников). Работа изложена на 414 страницах
машинописного текста, содержит 153 рисунка, 108 таблиц и 7 приложений.
Краткое содержание работы
Во введении обоснована актуальность темы, сформулированы цель и задачи
исследования, раскрыты научная новизна и практическая ценность работы.
Первая
глава
посвящена
методологическим
основам
анализа
подготовленности технологических процессов (ТП) производства пищевой
продукции к внедрению интеллектуальных экспертных систем, постановке задач
исследования.
В рамках данной главы рассмотрены особенности и закономерности ТП при
производстве различных видов пищевой продукции, которые определяют
актуальность и экономическую эффективность их автоматизации.
К особенностям ТП приготовления пищевой продукции, характеризующим
неблагоприятными условия их стабилизации и автоматизации, относятся:
- многостадийность и сложность ТП, большее число факторов, влияющих на
ход процессов приготовления пищевых масс, сложная взаимосвязь входящих в
пищевые массы компонентов, наличие возмущающих воздействий на ТП
приготовления пищевых масс, неподдающихся контролю и изучению;
- недостаточно оперативный контроль за ходом ТП приготовления пищевых
масс, вызывающий значительные колебания свойств полуфабрикатов и, как
следствие, снижение качества готовой пищевой продукции;
- многообразие используемых агрегатов, машин, устройств;
- не стационарность по ассортименту и качеству перерабатываемого сырья;
- многообразие и нестабильность режимов на различных стадиях ТП
производства пищевой продукции.
9
Названные и другие общие и частные особенности и закономерности ТП
приготовления пищевой продукции значительно затрудняют их стабилизацию и
внедрение автоматизированных систем и интеллектуальных технологий.
Поиск оптимальных решений, с целью стабилизации свойств и качества
приготавливаемой
пищевой
продукции
затруднен
также
следующими
обстоятельствами:
- многие пищевые массы отличаются высокой вязкостью, липкостью
(например, сливочное масло, хлебопекарное тесто и др.), либо содержанием взвесей
различной дисперсности (например, шоколадные массы) и пр., осложняющими их
автоматический контроль и регулирование;
- определение показателей качества полуфабрикатов и готовых пищевых масс
является сложным трудоемким процессом.
Рассмотрение и анализ приведенных особенностей и закономерностей показали
важность стабилизации процессов приготовления пищевых масс, обеспечиваемой
автоматизацией и интеллектуализацией этих процессов. Однако отсутствие методов
автоматического контроля основных параметров состояния ТП в потоке и т.д.
создают большие трудности стабилизации этих процессов.
Из ТП производства пищевой продукции для решения указанных задач нами
были выбраны, исследованы и проанализированы как объекты автоматизации:
- ТП производства кондитерских изделий (на примере типовой поточной
линии по производству глазированных помадных конфет);
- ТП продуктов мукомольного производства (на примере типовой поточной
линии по производству муки);
- ТП продуктов молочного производства (на примере типовой поточной линии
по производству сливочного масла) и
- ТП продуктов пивобезалкогольного производства (на примере типовой
поточной линии по производству хлебного кваса).
Таким образом, нами исследованы и проанализированы различные виды
пищевых продуктов, отличающиеся агрегатным состоянием: твердые, сыпучие,
жидкие, высококонцентрированные пищевые эмульсии.
Выбор именно этих производств объясняется тем, что данная пищевая
продукция является наиболее потребляемой в России. ТП данных производств
являются наиболее характерными для технологической обработки пищевых масс (на
что указано в ряде фундаментальных работ по важнейшим проблемам пищевой
промышленности); во-вторых, конфетные, в том числе и шоколадные массы, как
было отмечено выше, являются одними их самых неблагоприятных с точки зрения
автоматизации. В-третьих, в настоящее время осуществляется наладка новых
производств кондитерской, мукомольной, молочной
и пивобезалкогольной
промышленности, т.к. продукция этих предприятий пользуется повышенным спросом
у населения. Поскольку процессы приготовления данных масс составляют основу
пищевых производств и предприятий, полученные результаты будут обладать
общностью и могут быть использованы при решении аналогичных задач в других
отраслях промышленности.
В рамках этой главы также были проведены исследования и анализ ТП
кондитерского (помадных глазированных конфет), мукомольного (производства
муки), молочного (производства сливочного масла)
и пивобезалкогольного
10
производства (хлебного кваса) как объектов автоматизации, дана характеристика
основных стадий и материальных потоков при производстве различной пищевой
продукции.
Проведена классификация основных операций ТП производства пищевой
продукции и выбраны факторы, определяющие эффективность этих операций.
Проведен всесторонний анализ параметров, оказывающих влияние на качество
сырья, полуфабрикатов и готовой пищевой продукции. На основании полученных
результатов разработаны функционально-структурные схемы (ФСС) влияния
факторов исходного сырья, промежуточных операций на качество готовой продукции
в процессе производства конфет (рисунок 1), муки (рисунок 2), сливочного масла
(рисунок 3) и кваса (рисунок 4) на всех стадиях соответствующих производств.
Рисунок 1. ФСС влияния факторов исходного сырья и промежуточных операций на
качество продукта на всех стадиях процесса производства ПГК
Рисунок 2. ФСС влияния факторов исходного сырья и промежуточных операций на
качество продукта на всех стадиях процесса производства муки
11
Рисунок 3. ФСС влияния факторов исходного сырья и промежуточных операций на
качество продукта на всех стадиях процесса производства масла
Рисунок 4. ФСС влияния факторов исходного сырья и промежуточных
операций на качество продукта на всех стадиях процесса производства кваса
Выявлены необходимые для производства точки контроля и регулирования.
Разработаны ФСС формирования потока качества в исследуемых ТП приготовления
различной пищевой продукции: помадные глазированные конфеты (рисунок 5), мука
(рисунок 6), сливочное масло (рисунок 7) и хлебный квас (рисунок 8) на всех этапах
их производства с указанием необходимых точек контроля и регулирования.
Рисунок 5. ФСС формирования качества ПГК с указанием точек контроля и
регулирования.
12
Рисунок 6. ФСС ТП производства муки с указанием точек контроля и
регулирования
t
τ
Ц
Приемка
З
Кя
Ц
Очистка
молока
К1
молока
В
τ
Упаковка
К13
Термостатир
ование
13Р
1
Ж
13Р
1
В
В
Ц
К4
В
К12
n
t
11Р
11Р
К6
Резервирование
молока
К3
6Р1
τ
6Р2
n
В
Ц
7Р3
Ж
Пастеризация
сливок
7Р1
τ
7Р2
t
Степень разряжения
Ц
Кя
t
Готовое
сливочное
масло
К14
Ц
2Р2
Сепарирование
сливок и
обезжиренного
молока
К5
В
Охлаждение
молока
Степень
заполнения
камеры
13Р
1
M
τ
К2
2Р1
Подогрев
молока
4Р1
Кть
Пть
Кть
Брак
,
Ж
4Р2
τ
t
τ
К7
3Р1
З
Ц
Ц
11Р
1
11Р
τ
Ж
Термомеханическая
обработка
высокожирных
сливок (сбивание)
t
10Р
Скорость
подогрева
10Р
1
n
К11
10Р
1
Нормализация
высокожирных
сливок
t
8Р1
τ
8Р2
Дезодорирование
сливок
Ж
К8
К10
Сепарирование
(пахта)
10Р
1
10Р
τ
n
1
З
Qв
9Р1
tв
9Р1
Вода для мойки
зерна сливок
К9
З
Ц
Рис. 1.18. ФСС исследуемого процесса производства сливочного масла с указанием необходимых точек контроля и регулирования
Рисунок 7. ФСС ТП производства сливочного масла с указанием точек контроля и
регулирования
Рисунок 8. ФСС ТП производства кваса с указанием точек контроля и
регулирования
Выбраны и обоснованы наиболее информативные органолептические
показатели контроля качества: вкус и цвет сырья, полуфабрикатов и готовой
пищевой продукции, которые необходимо определять непрерывно в ходе ТП.
Показана роль интеллектуальных технологий в решении задач автоматизации
контроля показателей качества пищевой продукции.
13
Поставлена задача разработать методологические основы создания экспертных
систем непрерывного контроля и прогнозирования качества пищевой продукции с
использованием интеллектуальных технологий: искусственных нейронных сетей
(ИНС) и систем компьютерного зрения (СКЗ).
Вторая глава посвящена интеллектуальным информационным системам и
анализу возможности их использования для автоматизации контроля качества
пищевой продукции. В рамках этой главы проведена классификация
интеллектуальных информационных систем. Показаны задачи, решаемые этими
системами. Проведен обзор и анализ научно-технической информации о развитии
экспертных систем, нейросетевых технологий и систем компьютерного зрения как
важнейших
направлений
искусственного
интеллекта.
Рассмотрены
и
проанализированы возможности использования экспертных систем в пищевой
промышленности. Представлены направления развития, области применения и
основные задачи, решаемые нейросетевыми технологиями (НСТ) и системами
компьютерного зрения (СКЗ).
Реализация поставленных задач возможна лишь при наличии математических
моделей этих процессов, что позволит прогнозировать ход этих ТП, определять
необходимые при этом режимы работы используемого оборудования.
Поэтому
третья
глава
посвящена
проведению
комплексных
экспериментальных исследований и разработке на этой основе структурно –
параметрических (СП), математических и ситуационных моделей всех стадий ТП
производства пищевой продукции (на примере производства помадных конфет, муки,
сливочного масла и кваса) с выделением наиболее важных показателей качества.
Для проведения СП анализа и ситуационного моделирования ТП производства
пищевой продукции был необходим опрос опытных специалистов – экспертов.
Поэтому была разработана методика выбора количественного и качественного
состава экспертов, а также выработан принцип формирования рабочей группы
экспертов для проведения тестового опроса. Проведен сравнительный анализ
различных методов сбора обработки данных, полученных от экспертов. Определен
необходимый для экспертов состав знаний, существующие способы представления
информации.
Проведенные на базе кондитерского предприятия «Рот Фронт»
экспериментальные исследования, позволили получить матрицы экспертных оценок
наличия связей между параметрами на отдельных участках производства ПГК, а
также выявить факторы, влияющие на качество готовых изделий. Результаты
проведенных экспериментальных исследований представлены в таблице 1.
Таблица 1
Стадия ТП
Матрица экспертных оценок связей
между параметрами
Обозначения
параметров
X1 – влажность с.п.
X2–температура с.п.
X3– гранул. состав
X4 – φ воздуха
X5 – расход воздуха
X6 – п при сепарировании
с.п.
Y1псп (X7) – вкус
Y2псп
(X8)
–
цвет
сахарного песка (с.п.)
Подготовка
сырья к
производст
ву
14
Приготовле
ние
сахарного
сиропа
X9– угол
естественного откоса
с.п.
X10 – рН
Х11 – концентрация
сахара в сиропе
X12 – влажность с.п.
Х13 – частота
перемешивания, п
Х14 – время
перемешивания,
Х15 – Т сах. сиропа
Х16 – Р пара
Y1сс (Х17 ) – цвет с.с.
Y2сс (Х18 ) – вкус с.с.
Y3сс (Х19 ) – W с.с.
Х20 – W
Х21 – Т сах. сиропа Х22
– мас. доля с.в.
Х23 – ϻ сах. с.
Х24 – Р1 пара
Х25 – Р2
помадоварочной станции
Р2 Х26 – τ уваривания
Y2пс (Х27) – цвет п.с.
Y1пс (Х28 ) – вкус
Приготовле
ние
помадного
сиропа
Сбивание
помадной
массы
X29 – Т п. сиропа
X30 – ɳ п. сиропа
X31 –W п. с.
X32 –ρ п.с.
X33 – Р1
X34 –τ сбивания
X35 –Тсб.
X36 – Тв
X37 – п сбивания
Y1сб ( X38) – W п.м. Y2сб (
X39) – Т п.м.
Y3сб ( X40) – ϻ
Y4сб ( X41) – цвет
Y5сб ( X42) – вкус
Приготовле
ние
конфетной
массы
X43 - объем п.м.
Х44 – Т п.м.
Х45 – п мешалки
Х46 – Т воды
Х47 – W помады
15
Y1км ( X48) – Т к.м.
Y2км ( X49) – W к.м.
Y3км ( X50) – цвет
Y4км ( X51) – вкус к.м.
Формовани
е помадных
конфет
X52- Vm выхода п.м.
X53– ϻ п.м.
X54–Т п.м.
X55- V трансп.ленты
Yфм (X56)- h к. жгута
Y2фм (X57) – вкус
Y1фм (X58 ) – цвет п.к.
Аналогичным образом были проведены экспериментальные исследования на
базе ОАО «Мелькомбинат в Сокольниках», ПАО «Молочный комбинат
Воронежский», ЗАО Московского пивобезалкогольного комбината (МПБК)
«ОЧАКОВО». И по итогам опроса опытных специалистов – экспертов этих
предприятий были отобраны наиболее информативные параметры состояния ТП
производства муки, сливочного масла и кваса, составлены матрицы взаимосвязей
между ними для каждой стадии исследуемых производств. Также были выявлены
органолептические показатели: вкус и цвет, оказывающие наибольшее влияние на
качество готовой продукции.
Проведенные экспериментальные исследования и полученные на предприятиях
статистические данные, позволили перейти к разработке
структурно –
параметрических и математических моделей основных стадий производства пищевой
продукции.
Разработана методология построения структурно – параметрических моделей
(СПМ) основных стадий производства пищевой продукции, на базе которой
получены структурно – параметрические и математические модели основных этапов
ТП производства пищевой продукции: помадных глазированных конфет (таблица 2),
муки, сливочного масла и хлебного кваса.
Таблица 2
Стадия ТП
Подготовк
а сырья к
производст
ву
Параметрическая и математическая
модели
X4
X1
X2
Y1пп
X3
Y2пп
X5
X6
Y1 всп (X7) = - 0,43 X2 + 0,13 X5
Y2 цсп (X8) = 0,16 X3
16
Часть полученных графиков
Приготовл
ение
сахарного
сиропа
Х15
Х16
X9
Y3цсс
X10
Y4всс
X11
Y5влсс
X12
Х13
X14
Y3цсс =0,2 X13+0,36 X14
Y4всс =0,09 X13 - 0,46 X15 - 0,53 X16
Y5влсс =0,61 X12 + 0,75 X15
Приготовл
ение
помадного
сиропа
Сбивание
помадной
массы
Y6впс = 0,36 X22+0,57 X23+0,51 X26
Y7цпс = 0,75 X25 +0,39 X26
X29
X30
X31
Процесс сбивания
помадных масс
f(X9, X15); X7= const
f(X9, X7); X15= const
f(X20, X23); X25= const
Y8 wпм
Y9tпм
Y10ϻпм
Y11цпм
Y12впм
X32 Х33 X34 X35 X36 X37
Y8wпм (X38) = 0,33 X29 + 0,83 X33
Y9tпм (X39) = 0,29 X33 + 0,78 X35 +0,52 X36
Y10ϻпм (X40) = 0,43 X30+0,51 X34+0,69 X36
Y11цпм (X41) = 0,84 X31+0,42 X37
Y12впм (X42) =0,41 X32 + 0,36 X34
Приготовл
ение
конфетной
массы
X43
X44
X45
Процесс приготовления
помадной конфетной
массы
X46
Y13tкм
Y14wкм
Y15цкм
Y16вкм
X47
Y13tкм (Х48)=0,61 Х44+0,12 Х46
Y14wкм (Х49)=0,69 Х43+0,42 Х47
Y15цкм (Х50)=0,58 Х43+0,23 Х47
Y16вкм (Х51)=0,19 Х45+0,31 Х46
Формован
ие
помадных
конфет
X52
X53
X54
Y17hфм
Процесс формования
конфет
Y18вфм
Y19цфм
X55
Y17hфм (X56) = 0,29 X55
Y18вфм (X57) = 0,45 X54
Y19цфм (X58) = 0,28 X53
В работе представлены аналогично полученные структурно – параметрические
и математические модели основных этапов ТП производства муки, сливочного масла
и хлебного кваса. Адекватность полученных уравнений была проверена по таким
величинам, как относительная погрешность, коэффициент множественной
корреляции, критерий Стьюдента, критерий Фишера ( Fp >> Fт).
Проведенные исследования и структурно- параметрический анализ ТП
производства пищевой продукции, а также разработка на основе экспериментальных
17
данных структурно – параметрических и математических моделей основных стадий
производства пищевой продукции позволили разработать необходимые для создания
ИЭС ситуационные модели всех стадий ТП производства пищевой продукции с
указанием наличия связи между исследуемыми показателями качества.
На основе структурно-параметрических матриц сопоставимых взаимосвязей
Ci,j , где i,j=1,n , и вектора контролируемых отклонений показателей состояния xi
формируется ситуационная модель технологического процесса (ситуационная
матрица):
x1 ,
c21x1 ,
...,
cn1x1 ,
где
c12x2 ,
x2 ,
...,
cn 2 x2 ,
x i  x i0
x i 
x i0
...,
...,
...,
...,
c1n xn
c2 n xn
...
x4
(3.1)
– вектор текущих относительных отклонений;
xi, xj – фактическое и эталонное значение i-го параметра;
xi0 – предельно допустимое отклонение от нормы.
Процедура диагноза сводилась к нахождению причин, повлекших за собой
отклонение состояния технологической системы от нормального состояния, путем
анализа и сравнения элементов строк ситуационной матрицы. Алгоритм
прогнозирования заключался в определении аномального состояния системы при
изменении какого-либо параметра или группы параметров процесса. Полученные
данные экспериментального исследования ТП производства пищевой продукции
были сравнены с данными, полученными в результате опроса экспертов. В таблице 3
представлена разработанная обобщенная матрица функциональных связей
показателей качества ПГК (ситуационная модель ТП производства ПГК), где
числовые значения, записанные обычным курсивом показывают характер связей
(подчеркнутым показывают нахождение новых связей, а символ () означает
опровержение оценок эксперта). Полученная ситуационная модель производства
ПГК является основой создания ИЭС. Аналогично построены ситуационные модели
других производств (муки – таблица 4, сливочного масла – таблица 5 и кваса –
таблица 6).
Структурно-параметрическая матрица функциональных связей
показателей качества ПГК на основных стадиях производства
Таблица 3
0
18
Структурно-параметрическая матрица функциональных связей
показателей качества муки на основных стадиях производства
Таблица 4
Структурно-параметрическая матрица функциональных связей показателей
качества сливочного масла на основных стадиях производства
Таблица 5
19
Основные стадии ТП
производства сливочного
масла
Выходные
параметры
1. Приемка и
Y1 вм (X7)
подготовка
вкус молока
молока к
Y2 цм (X8)
производству
цвет молока
Y3 вмо (X17)
вкус молока
П
после
Очистка
очистки и
молока, его
охлаждения
охлаждение и Y4 цмо (X18)
резервирован цвет молока
ие
после
очистки и
охлаждения
Ш. Подогрев Y5вс (X26)
молока и
вкус сливок
сепарировани Y6црз (X27)
е сливок
цвет сливок
1У
Y7всп (X34)
Пастеризация вкус сливок
и дезодорация после
сливок
пастеризации
Y8цсп (X35)
цвет сливок
после
пастеризации
У
Термомехани
ческая
обработке
сливок
П
1
Y1 вм
(X7)
1
Y2 цм
(X8)
Y3 вмо
(X17)
Ш
Y4 цмо Y5 врз
(X18) (X26)
1У
Y6 црз Y7 всп
(X27) (X29)
У
Y8 цсп Y9 всм Y10 цсм
(X30) (X29) (X30)
1
1
1
1
1
1
1
Y9всм (X45)
вкус
сливочного
масла
Y10цсм (X46)
цвет
сливочного
масла
1
1
Структурно-параметрическая матрица функциональных связей показателей
качества кваса на основных стадиях производства
Таблица 6
Основные стадии ТП
производства хлебного
кваса
Выходные
параметры
1. Подготовка
Y1 вс (X8)
сырья к
вкус солода
производству
Y2 цс (X9)
кваса
цвет солода
Y3 вкс (X20)
вкус
П
Приготовлен
квасного
ия квасного
сусла
сусла
Y4 цкс (X21)
цвет
квасного
сусла
Y5вксб (X31)
Ш.
Брожение
вкус
квасного
квасного
сусла
сусла после
брожения
Y6цксб (X32)
цвет
квасного
сусла после
брожения
1У
Y7вко (X39)
Осветление
вкус кваса
кваса
после
осветления
Y8цко (X40)
цвет кваса
после
осветления
У
Дображивани
е и
охлаждение
кваса
(Д и О)
П
1
Y1 вс
(X8)
1
Y2 цс
(X9)
Y3 вкс
(X20)
Ш
1У
Y4 цкс Y5 вксб Y6 цксб
(X21)
(X31) (X32)
Y7 вко
(X39)
У
Y8 цко Y9 вкд Y10 цкд
(X40) (X50) (X51)
1
1
1
1
1
1
1
Y9вкд (X50)
вкус кваса
после Д и О
Y10цкд (X51)
цвет кваса
после Д и О
1
1
Полученные ситуационные модели (таблицы 3 – 6) дают возможность
проследить причинно - следственные влияния параметров друг на друга и на
показатели качества продукта с формализацией алгоритмов диагностики и
прогнозирования состояний ТП и качества готовой продукции, полуфабрикатов и
сырья на каждой стадии производства пищевых продуктов.
20
Разработанные в данной главе модели являются основой создания
интегрированной экспертной системы (ИЭС) контроля показателей качества пищевой
продукции.
4 глава посвящена автоматизации контроля органолептических показателей
качества пищевой продукции: вкуса и цвета.
Наиболее перспективный способ решения проблемы контроля в потоке вкуса
пищевых масс связан с построением и интеграцией в разрабатываемую экспертную
систему виртуального датчика, осуществляющего автоматический расчет искомого
органолептического показателя
на основе функционально связанных с ним
контролируемых параметров ТП производства пищевой продукции.
В работе представлена методология создания модуля (программноаппаратного комплекса) автоматического контроля вкуса пищевых масс с
использованием ИНС на примере линии производства помадных глазированных
конфет (ПГК). Осуществлена математическая постановка задачи. Математически,
задача определения величины кристаллов сахара в конфетных массах В кс была
сформулирована следующим образом:
В кс = F
где
(4.1)
– (automation measurement) входной вектор, характеризующий параметры
технологического процесса, полученные в результате автоматических измерений,
производимых АСУ предприятия;
– (laboratory measurement) входной вектор, характеризующий исходные
показатели качества сырья и полуфабрикатов, определенные в процессе входного
контроля и полученных в результате лабораторных измерений.
Решение задачи построения виртуального датчика автоматического контроля
величины вкуса в конфетных массах В км на основе ИНС и интеграции его в ИЭСКК
ПП состояло из 3 основных этапов: анализ существующей на предприятии АСУ ТП и
выявление параметров, характеризующих ход ТП производства ПК; разработка
нейросетевой модели и техническое решение, которое заключается в практической
реализации виртуального датчика на доступных средствах автоматизации и
интеграции его в ИЭСКК ПП и существующую на предприятии СУ процессом.
На рисунке 4.1 представлена структура разработанной нейронной сети, типа
многослойный
персептрон
с
одним
скрытым
слоем, реализованная в
разрабатываемой системе. Для формирования входного слоя нейронной сети, а также
для определения параметров, входящих в состав обучающей выборки, были
проанализированы все параметры ТП производства ПГК, измеряемые посредствам
системы автоматики. Также был изучен список параметров сырья и полуфабрикатов,
получаемых в процессе входного контроля посредствам лабораторных измерений. И
на основании проведенных исследований определены параметры необходимые для
контроля вкуса конфетных масс. Поэтому входной вектор сети состоит из выбранных,
наиболее важных для определения величины кристаллов сахара входных параметров,
определяемых лабораторным путем и автоматически. Выходной слой нейронной сети
формирует текущее выходное значение величины кристаллов сахара в конфетных
массах.
21
Параметры,
подаваемые на
вход НС.
Автоматически
е измерения и
данные
входного
контроля
Автомат
и-ческие
измерен
ия
Входной слой
НС. Принимает
вектор входных
параметров –
автоматических
измерений и
данных входного
контроля
Скрытый слой НС.
1
Выходной слой
НС. Формирует
вых. значение
величины КС в
конф. массах
2
3
Входной
контроль
качества
сырья
F
k-2
Входной
контроль
. РП
Текущее
значение
величины КС
в
конф. массах
k-1
Входной
контроль
физ.-хим.
параметры
k
Рисунок 4.1 Структура разработанной нейронной сети
Осуществлен подбор алгоритма обучения сети: градиентный метод обратного
распространения ошибки, который является одним из наиболее эффективных методов
обучения многослойных нейронных сетей.
Представленная структура НС подвергалась обучению согласно алгоритма
обратного распространения ошибки. Для этого на вход НС подавалась одинаковая
обучающая выборка. Обучение нейронных сетей проводилось на базе данных,
полученных на производстве с использованием градиентного метода обратного
распространения ошибки. При этом выполнялись следующие вычисления. Выход jого нейрона скрытого слоя
вычислялся следующим образом:
,
где
,
(4.2.)
(4.3.)
– значение i-ого элемента входного вектора,
– соответствующий весовой
коэффициент;
Затем происходило уточнение весовых коэффициентов сети. Структура сети
выбиралась опытным путем при сравнении различных вариантов. Основным
критерием выбора стала ошибка обучения, которая оказалась минимальной в случае
использования сети с одним скрытым слоем. Для данной системы минимальная
ошибка обучения составила 1,04%, что укладывается в предел допустимой
погрешности для данной системы, определенный 1,5%. Предел допустимой
погрешности был выбран и согласован с технологами, отвечающими за качество
22
продукции линии по производству помадных конфет. Ошибка сети
слоя рассчитывалась по формуле:
для выходного
(4.4.)
Изменения весов выходного слоя
рассчитывалось:
(4.5.)
Для скрытого слоя рассчитывались
и
:
(4.6.)
(4.7.)
Корректировка всех весов НС
осуществлялась следующим образом:
(4.8.)
Если ошибка сети существенна, корректировка весовых коэффициентов
продолжалась, в противном случае – сеть считалась обученной.
На рисунке 4.2 представлен алгоритм работы нейросетевой модели (НСМ)
контроля величины кристаллов сахара в конфетных массах. По результатам обучения
был проведен анализ работоспособности НСМ, который осуществлялся путем
подачи на вход сети тестовой выборки с целью определения соответствия результатов
работы НС заданной точности. На основании анализа программного обеспечения и
характеристик наиболее популярных нейропакетов, для моделирования ИНС и
решения задачи оценки контроля величины кристаллов сахара в конфетных массах
был выбран программный пакет Matlab.
Рисунок 4.2 Алгоритм работы нейросетевой модели
23
Алгоритм работы модуля ИЭС контроля величины вкуса (кристаллов сахара в
конфетных массах) представлен на рисунке 4.3.
Рисунок 4.3 Алгоритм работы модуля ИЭС контроля вкуса конфетных масс
На основании проведенных исследований и полученных результатов был
построен алгоритм работы системы регулирования величины кристаллов сахара в
процессе приготовления конфетных масс (рисунок 4.4). От сотрудников лаборатории
и напрямую с контроллера существующей
на предприятии АСУТП данные
поступают в СУБД ИЭСКК, где они будут храниться в структурированном виде.
Далее на основе разработанной нейросетевой модели при помощи Matlab, в состав
пакета которого входит инструмент для синтеза, обучения и анализа НС (Neural
Network Toolbox), производится автоматический расчет величины кристаллов сахара
в исследуемых конфетных массах. Задачей разработанной НСМ является получение с
определенной дискретностью данных из СУБД и преобразование в среде Matlab
полученного вектора данных в величину кристаллов сахара в конфетных массах
приготовленного продукта. В результате работы системы на экран монитора будет
выводиться информация о величине кристаллов сахара в конфетных массах, а так же
рекомендации по изменению хода технологического процесса в случае отклонения
этого показателя от оптимального значения.
В рамках данной главы разработана методология создания модуля
(программного комплекса) автоматического контроля цвета пищевых масс с
использованием СКЗ. Проведена математическая постановка задачи автоматизации
контроля цвета пищевых масс (на примере линии производства муки) с
использованием СКЗ. Сформулированы основные этапы ее решения.
24
Рисунок 4.4 Алгоритм работы системы регулирования величины кристаллов сахара в
процессе производства ПГК
Выполненные исследования позволили сформулировать функции, которые
необходимо обеспечить для автоматического контроля в потоке цвета пищевых масс
(на примере муки): автоматический сбор данных о цвете муки в режиме реального
времени (ЦВК); ввод данных об оптимальных величинах цвета муки посредством
человеко-машинного интерфейса; обработка данных; хранение данных; выборка
данных; реализация работы программного модуля; подготовка результатов
(статистическая обработка); вывод данных в удобной форме. Функциональная
структура модуля контроля цвета пищевых масс (на примере муки) в процессе
производства с использованием СКЗ, представлена на рисунке 4.5.
ТП производства
муки
Конфетная
Мука
масса
Цифровая
видеокамера
БД заданных
цифровых
изображений муки
БЗ
Оператор
Комплексный модуль
сбора данных,
системы обработки,
хранения и принятия
решений
Средства
отображения
информации
Рисунок 4.5. Структура модуля автоматического контроля цвета
муки ИЭСКК в процессе производства
Информация об изменении цвета визуальных характеристик муки фиксируется
цифровой видеокамерой в момент времени tп и передается на вход комплексного
интеллектуального модуля ИЭСКК пищевой продукции (модуль сбора данных,
25
системы обработки, хранения и принятия решений), где проводятся: обработка
видеокадров; анализ полученных изображений путем сравнения видеокадра ЦВК с
эталонным кадром-задатчиком, поступающим из БД заданных цифровых
изображений муки разного сорта; определение соответствия текущего состояния
эталонному значению (заданному значению); передача полученного результата на
средство отображения информации; передача результата оператору и принятие
решения о необходимом воздействии на ТП производства муки с привлечением
разработанной базы знаний (БЗ).
Модуль автоматического контроля цвета муки ИЭС с установленной
программой обработки видеокадров (например, ПП Matlab, взаимодействующий в
режиме реального времени с VisualC++, Java), оценивает цвет исследуемых масс, что
позволяет судить об одном из важнейших показателей качества готового продукта.
Предложена методика разработки алгоритма объективной оценки качества
изображений в модуле оценки цвета пищевых масс с учетом влияния самых
разнообразных искажений во время сбора, обработки, сжатия, хранения, передачи и
воспроизведения информации. Реализация алгоритма объективной оценки
изображений MS-SSIM проводилась с использованием метода оценки качества
изображений SSIM, основанного на сравнении эталонного и реального изображения
по трем характеристикам: яркость, контрастность и структура.
В данной главе также представлена блок - схема алгоритма принятия решения
на соответствие цвета пищевого продукта эталонному значению.
Разработана модель системы обработки визуальной информации в модуле
контроля цвета пищевых масс. Предложенная модель системы обработки визуальной
информации была реализована в виде ПКМВ (программа классификаии муки по
различным сортам на видео) в среде Qt Creator на языке C++ 11.Предложено
техническое обеспечение модуля автоматического контроля цвета пищевых масс
ИЭСКК.
В пятой главе исследованы и проанализированы существующие на пищевых
предприятиях автоматизированные системы управления (АСУ), которые показали,
что пищевая промышленность включает крупные высокомеханизированные
предприятия, отвечающие по своей технической оснащенности и поточности
производства требованиям автоматизации.
Рассмотрена работа существующих на кондитерских фабриках ОАО
«Объединенные кондитеры», на ОАО «Мелькомбинат в Сокольниках»; на ПАО
Молочный комбинат «Воронежский» и на ЗАО МПБК «ОЧАКОВО»
автоматизированных систем управления предприятием (АСУП), изучены
используемые технические средства автоматизации, принципы и методы управления.
Показано, что, несмотря на значительный прогресс в использовании на этих
предприятиях современных аппаратных и программных средств HMI, в том числе,
высокотехнологичных промышленных и персональных компьютеров,
на
сегодняшний день автоматизация процесса производства пищевой продукции требует
внедрения современных средств автоматического контроля в потоке показателей
качества сырья, полуфабрикатов и готовой пищевой продукции. Представлен список
контролируемых АСУТП предприятий технологических параметров процессов
производства ПГК, муки, сливочного масла и кваса.
26
С учетом полученных в работе результатов разработаны схемы автоматизации
поточных линий производства ПГК, муки, сливочного масла и кваса, основанные на
использовании высокоэффективных средств автоматизации и интеллектуальных
технологий. В разработанные ФСА внесены новые решения по автоматизации
контроля органолептических показателей пищевых продуктов с использованием
интеллектуальных технологий.
В шестой главе проработаны методологические основы построения
интегрированной экспертной системы (ИЭС) контроля и прогнозирования
показателей качества пищевой продукции в процессе производства. Выделены
отличительные особенности ИЭС. Рассмотрены и проанализированы технологии и
схемы построения ИЭС. Показаны основные компоненты структуры статической и
динамической ЭС. Обоснованы важнейшие требования при разработке ИЭС контроля
и прогнозирования показателей качества пищевой продукции в процессе
производства.
Исследована и предложена методика разработки этой системы. Структура
интегрированных ЭС содержит: основную базу знаний; проектировщик;
пользовательский интерфейс; память рабочей области; редактор базы знаний
(интеллектуальный). На рисунке 6.1 приведена схема взаимодействия основных
блоков ИЭС.
Рисунок 6.1. Схема взаимодействия основных блоков ИЭС
Рассмотрены и проанализированы имеющиеся средства разработки, языки
программирования и прогрессивные оболочки для создания динамических
экспертных систем.
Технология построения ИЭС контроля показателей качества пищевой
продукции в процессе производства представлена на рисунке 6.2. Качество ИЭС
определяется размером и качеством базы знаний.
27
Рисунок 6.2. Технология построения ИЭС
Система функционирует в следующем циклическом режиме: выбор (запрос)
данных или результатов анализов, наблюдений, интерпретация результатов, усвоение
новой информации, выдвижение с помощью правил временных гипотез и затем
выбор следующей порции данных или результатов анализов. Такой процесс
продолжается до тех пор, пока не поступит информация, достаточная для
окончательного заключения.
В разрабатываемой ИЭС будут содержаться следующие компоненты: БД, БЗ,
подсистема извлечения знаний; механизм вывода; пользовательский интерфейс;
рабочая область; подсистема объяснения; подсистема верификации знаний.
Функциональные возможности ИЭС контроля показателей качества пищевой
продукции в процессе производства определяются двумя ее главными системными
частями: средой развития и средой рекомендаций (рисунок 6.3).
Рисунок 6.3 Функциональные возможности ИЭС контроля показателей
качества пищевой продукции в процессе производства
Одним из важнейших компонентов нейросетевой ИЭС контроля показателей
качества пищевой продукции является система базы данных (БД), процесс
построения которой имеет три основных фазы: формулирование требований,
проектирование и реализация. В работе приведены фазы разработанной БД. На
28
первом этапе проектирования был определен тип СУБД. Из реляционных СУБД для
нашей задачи был выбран наиболее распространенный вариант bdForge Studio for
MySQL. Следующим этапом проектирования БД стало определение языка доступа к
БД и среды программирования. Выбор языка программирования осуществлялся из
следующего списка: C++, Delphi (Pascal), C#, Python, Java. Анализ данного списка
показал, что объектно-ориентированный язык Python является наиболее оптимальным
вариантом для построения БД АЭСКК ПП и идеально подойдет в качестве
надстройки над главным приложением при построении баз знаний (БЗ).
При разработке БД ЭСКК ПП были использованы конкретные данные по
производству пищевой продукции. Построенная специализированная БД АЭСКК ПП
является единой информационной средой, осуществляющей информационное
обеспечение контроля показателей качества сырья, полуфабрикатов и готовых
изделий на всех этапах производства пищевой продукции (ПП). БД включает
справочные таблицы, ГОСТы, нормативные материалы и графическую информацию о
выпускаемых промышленностью пищевых изделиях, методах и технических
средствах контроля показателей качества ПП. Кроме этого, в БД представлена
информация о терминах в пищевой промышленности, единицах измерения,
параметрах и условных обозначениях элементов на ФСА. В БД также имеются
технические требования проведения лабораторных анализов контроля показателей
качества сырья, полуфабрикатов и готовой пищевой продукции.
Для системного подхода к разработке БД,
структурировании перечня
вышеперечисленных
направлений работ, иерархии разно уровневых целей
разработана модель – дерево целей, которая позволяет упорядочить и объединить
цели в единый комплекс (рисунок 6.4). Также разработан состав основных элементов
системы БД АЭСКК ПП. Проработаны основные фазы и этапы ее проектирования
БД. В информационной структуре БД использованы два вида моделей данных:
иерархическая и реляционная.
Рисунок 6.4 Дерево целей БД
На рисунке 6.5 представлено общее описание информационных потоков
производства пищевой продукции, спроектированное в виде VAD-диаграммы потока
данных, необходимых при проектировании БД автоматизированной ЭСКК ПП.
29
Рисунок 6.5 Общее описание информационных потоков производства пищевой
продукции, спроектированное в виде VAD-диаграммы потока данных
Разработанная интегрированная концептуальная модель (КМ) данных,
реализованная в БД ИЭС контроля показателей качества пищевой продукции,
представлена на рисунке 6.6. При построении интегрированной КМПО были
использованы все локальные КМПО.
Рисунок 6.6 Интегрированная концептуальная модель БД АЭСКК ПП
В таблице 6.1 представлено разработанное описание семантики предметной
области (ПрО) в виде системы функциональных и многозначных зависимостей между
атрибутами КМПО, заданной в виде ERM.
Таблица 6.1
Зависимости между атрибутами КМПО
Сущность
Сорта конфет
Используемое сырье
Требования к готовой продукции
Паспорт готовой продукции
ГОСТ
Межгосударственный
Внутригосударственный
Внутри предприятия
Зависимость
Название->предприятие, используемое сырье, группа
выпускаемыхКонфет,
Название-> сроки хранения, производитель
КодПродукта->упаковка, маркировка, производитель
КодПродукта-> время приготовления, сведения об отклонениях,
характеристики
Название->номер, характеристика
Номер-> название, характеристика
Номер-> название, характеристика
Номер-> название, характеристика
30
Показатели качества сырья
Органолептические показатели
Физико-химические показатели
качества
Реологические показатели качества
Методы и ТС определения
показателей качества ПП
Дефекты
Методы определения отклонений
idСырья-> контролируемый параметр
НаименованиеПоказателя-> характеристика
Наименование показателя-> НормДляШокОбыкнБезДобавл,
НормДляШокОбыкнСДобавл, НормДляШокДесБезДобавл,
НормДляШокДесСДобавл
Название-> Дисперсионная среда, Дисперсная фаза, назв. Системы
НазвМетода-> показатель Качества, характеристики
Название-> причины возникновения
Название-> характеристика
На рисунке 6.7 представлена разработанная ER-диаграмма изображения
сущности предметной области и существующие взаимосвязи, что позволяет
автоматизировать обработку данных при реализации АЭС контроля показателей
качества пищевой продукции.
Рисунок 6.7 ER-диаграмма изображения сущности БД предметной
области и существующих взаимосвязей
На рисунке 6.8 представлена общая архитектура разработанной БД в виде
физической Erwin диаграммы по которой был написан программный код на языке
SQL и реализованна в bdForge Studio for MySQL.
Построенная БД может функционировать самостоятельно или быть
интегрированной в прикладные программы проектирования ИЭС контроля
показателей качества пищевой продукции. Внедрение единой базы БД,
интегрирующей разрозненные данные, в ИЭС контроля показателей качества
пищевой продукции позволит специалистам гибко вносить изменения в имеющиеся
типовые методики расчета, а также давать рекомендации по контролю свойств и
характеристик сырья, полуфабрикатов и готовой пищевой продукции в целях
выявления причин снижения качества производимых изделий и возникновения
дефектов в режиме реального времени.
31
Рисунок 6.8 Архитектура БД ИЭС контроля показателей качества пищевой
продукции
Предусмотрены три категории пользователей и соответствующие им виды
санкционированного доступа к информации в БД.
Одной из главных частей ИЭС является база знаний (БЗ) (рисунок 6.9).
Рисунок 6.9 База знаний ИЭС контроля качества пищевой продукции
При совместной работе инженера по знаниям и эксперта в исследуемой
предметной области задачи была сформирована база знаний (БЗ) ИЭСКК пищевой
продукции. При построении БЗ в качестве источника знаний были использованы:
систематизированная информация от экспертов контроля органолептических
показателей качества сырья, полуфабрикатов и готовой продукции и инженеров по
знаниям в соответствующей области; системный анализ проблемной области; выбор
формализма представления знаний; выбор инструментальных средств; справочные
материалы. Построенная БЗ ИЭСКК пищевой продукции, содержит:
- информацию о типах конкретного оборудования линии производства пищевой
продукции, о специфике функций каждого вида оборудования, о назначении и
функциях используемых программных средств;
- декларативную компоненту в виде объектно-ориентированной модели производства
пищевых продуктов, содержащую знания о подсистемах модуля (этапах
производства), параметрах качества сырья, полуфабрикатов и готовых пищевых
изделий, информацию об отказах подсистем и способах их устранения;
- процедурную компоненту в виде продукционной модели, содержащую комплекс
правил, используемых для обработки декларативных знаний, что обеспечивает
32
формирование сообщений об отклонении показателей качества от эталонных
значений.
Общая схема интегрированного использования БД и БЗ приведена на рисунке
6.10. Применение данной схемы позволяет построить АЭСКК пищевой продукции,
генерирующую все необходимые модели, ТП, текстовые или текстово- графические
документы БД.
Рисунок 6.10 Схема интегрированного использования БД и БЗ
Разработанная архитектура системы БЗ АЭСКК пищевой продукции
представлена на рисунке 6.11. Был проведен выбор инструментария. В результате
анализа различных вариантов была выбрана MVC (Model, View, Controller) в
применении к WEB-разработке.
Рисунок 6.11 Архитектура системы БЗ АЭСКК ПП
Заполнение БЗ реализовывалось на языке представления знаний системы
ИНТЕР-ЭКСПЕРТ GURU средствами: автоматического извлечения знаний из БД;
методом прямого извлечения знаний из экспертов (рисунок 6.12).
Рисунок 6.12 Метод прямого извлечения знаний из экспертов
Разработанная схема содержит в себе порядка 50 фактов и 200 правил
интегрированного использования БД и БЗ. Характерной особенностью этой БЗ
33
является реализация готовых фрагментов правил на языке представления знаний
(ЯПЗ) системы ИНТЕР-ЭКСПЕРТ (GURU), конвертация которых в форматы ЯПЗ
существенно сократила сроки разработки АЭСККПП. Пример содержательного
описания правил представления в формате ЯПЗ GURU представлен на рис.6.13.
ПРАВИЛО20: (содержательное описание)
ЕСЛИ:
<Задача VSP инсталирована (проверка
инсталляции включает в себя
последовательность необходимых действий
(команда: > TASK VSP))>
TO:
<Выдать информацию о задаче VSP>
ИНАЧЕ:
<Выдать сообщение: "TASK NOT
INSTALED">
RULE: R20 (в формате ЯПЗ GURU)
READY: nruls=nruls+"r20,"
IF:
ver=3 AND (known("erregist") cf
cfv(erregist,"нет")) AND (known("netresouces") cf
cfv (netresouces,\"используем")) AND YESresouces="usetask" AND (known("logincon") cf
cfv(logincon,"да")) AND
(known("VSPinstol") cf
cfv(VSPinstol,\"инсталирована")) AND
(known("chanalfree") cf cfv(chanalfree,"да")) AND
(known("VSPproc") cf cfv(VSPproc,"прикреплены"))
THEN: fname="recom15"
perform nlocon=true
ELSE: fname="recom16"
perform nlocon=true
Рис. 6.13 Пример содержательного описания правил представления в формате ЯПЗ
GURU БЗ АЭСКК пищевой продукции
Следующим этапом был выбор формализма представления знаний. Общая
структура компонентов верификации фрагментов БЗ приведена на рисунке 6.14.
Более подробно этот материал освещен в наших работах.
Рисунок 6.14 Общая структура компонентов верификации фрагментов БЗ
Предложенная адаптивная стратегия поиска логического вывода при решении
ИЭС задач контроля и прогнозирования процессов производства пищевой продукции
представлена на рисунке 6.15.
Технологический процесс производства пищевой продукции
34
Рисунок 6.15 Адаптивная стратегия поиска логического вывода при
решении ИЭС задач контроля и прогнозирования процессов производства
Разработаны основы создания модуля СКЗ ИЭС для организации
автоматического контроля в потоке органолептических показателей качества
пищевой продукции (например, цвета, формы, выявление брака).
В седьмой главе представлены основные задачи, структура и этапы разработки
ИЭСКК пищевой продукции. Показано, что основными категориями решаемых
данной ИЭС задач являются: контроль, наблюдение (мониторинг), прогнозирование и
поддержка принятия управленческих решений для регулирования процессов
производства пищевой продукции.
Структурная схема ИЭС контроля показателей качества пищевой продукции
приведена на рисунке 7.1. Основу ее составляет база данных (БД), база знаний (БЗ) и
подсистема поддержки принятия решения. При этом БЗ в виде семантической сети
состоит из фактов и правил. Если посылка верна, то правило признается подходящим
для данной консультации и оно запускается в действие. Запуск правила означает
принятие заключения данного правила в качестве составной части процесса контроля
и прогнозирования.
Рисунок 7.1. Структура ИЭС контроля качества пищевой продукции
Структура связи базы знаний и базы данных в ИЭС контроля показателей
качества пищевой продукции представлена на рисунке 7.2.
35
Рисунок 7.1. Структура связи БД и БЗ в ИЭС контроля качества
пищевой продукции
БЗ предназначена для хранения экспертных знаний о предметной области,
используемых при решении задач экспертной системой. БД предназначена для
временного хранения фактов или гипотез, являющихся промежуточными решениями
или результатом общения системы с внешней средой, в качестве которой выступает
оператор, ведущий диалог с экспертной системой. Машина логического вывода –
механизм рассуждений, оперирующий знаниями и данными с целью получения
новых данных из знаний, имеющихся в рабочей памяти. Подсистема общения служит
для ведения диалога с пользователем, в ходе которого ИЭС запрашивает у
пользователя необходимые факты для исследуемого процесса. Подсистема
приобретения знаний служит для корректировки и пополнения БЗ.
На рисунке 7.2 показаны основные этапы разработки динамической ИЭС
контроля показателей качества пищевой продукции в процессе производства,
позволяющие аккумулировать знания обслуживающего персонала и экспертов о
причинах отклонения показателей качества полуфабрикатов и готовой пищевой
продукции на всех этапах производства. Основными компонентами ИЭСКК пищевой
продукции являются: эксперты, инженеры знаний, средства построения ЭС и
пользователи.
2. Определение цели
разработки ЭС
1. Анализ проблемной
области
6. Выбор среды разработки
ЭС
5. Разработка структуры
прототипа и взаимосвязи
участников построения ЭС
8. Разработка
интеллектуальных модулей
системы
7. Разработка алгоритмов
функционирования
интеллектуальных модулей
3. Разработка БД и
определение исходных Д.
4. Формализации БЗ и
определение методов
представления знаний
9. Тестирование
программы
Изменение алгоритма
10. Программная реализация
ЭС
Рисунок 7.2 Основные этапы разработки динамической ИЭС контроля
36
показателей качества пищевой продукции
Их основные роли и взаимосвязи основных участников построения и
эксплуатации АЭСКК пищевой продукции приведены на рисунке 7.3.
Рисунок 7.3 Основные роли и взаимосвязи основных участников ИЭС контроля
качества пищевой продукции
Проведенные нами исследования показали, что для построения ИЭС контроля в
потоке показателей качества
пищевой продукции наиболее перспективно
использовать в качестве интеллектуального ядра модель искусственных нейронных
сетей (ИНС). При этом методы обучения ИНС не требуют построения явных
алгоритмических зависимостей. Согласно данной технологии построение ИЭС
происходит на основе накопленной базы знаний (БЗ) о рассматриваемой задаче.
Предлагаемая технология была реализована за счет разработки специализированного
программного комплекса (ПрК), в состав которого входят три основных компонента:
информационная часть; компонента импортирования данных (интегратор) и модуль
работы с искусственной нейронной сетью (ИНС). Информационная часть
обеспечивает накопление, хранение и предоставления информации, а также реализует
интерфейс конечного пользователя. Ее работа осуществляется согласно схеме,
представленной на рисунке 7.4.
Рисунок 7.4 Схема функционирования информационной части ИЭС
Специализированный программный комплекс (ПрК) ИЭС контроля качества
пищевой продукции поддерживает три уровня доступа: пользователя, эксперта,
администратора. Каждому уровню соответствует определенный набор полномочий и
функциональных возможностей.
Компонент импортирования данных (преобразователь) обеспечивает
импортирование накопившихся совокупностей данных из БД в модуль работы с
нейронной сетью. Компонентом реализуется подготовка обучающей выборки для
сети. Функционирование компонента происходит согласно схеме, представленной на
рисунке 7.5.
37
Рисунок 7.5. Схема функционирования компонента импортирования данных
Модуль работы с ИНС обеспечивает автоматизированное формирование
интеллектуального ядра ИЭС контроля в потоке показателей качества пищевой
продукции. Это осуществляется путем построения и обучения нейронной сети на
основе примеров, хранящихся в БД. Такая сеть способна классифицировать вновь
поступающую информацию и при необходимости дообучаться. Построенная модель
определяет выходное состояние объекта по вновь поступающим входным данным. На
основе определенного выходного состояния происходит классификация поступившей
информации.
Все вышеописанные компоненты являются взаимосвязанными частями единого
программного комплекса (ПрК) ИЭС контроля качества пищевой продукции,
функционирующего поэтапно согласно схеме, представленной на рисунке 7.6.
Рисунок 7.6 Общая схема функционирования программного комплекса ИЭС
Каждому этапу соответствует реализация определенных задач. На первом этапе
происходит формирование и накопление БД объекта. Второй этап – моделирование
работы нейросистемы. Третий этап – создание программных (или аппаратных)
нейросетевых решений прикладной задачи и эксплуатация ИЭС контроля в потоке
показателей качества
пищевой продукции. На данном этапе построенная
интеллектуальная модель способна самостоятельно классифицировать поступающую
в БД информацию. Связующим звеном всей системы будет библиотека задач,
содержащая БЗ по полученным решениям.
Архитектура и основная концепция ИЭС контроля качества пищевой
продукции представлена на рисунке 7.7. На этом же рисунке представлен обмен
информацией посредством структуры функциональной взаимосвязи компонентов.
38
Рисунок 7.7 Архитектура ИЭС контроля качества пищевой продукции
Разработанная схема взаимосвязей механизма вывода с БЗ и БД ИЭС контроля
показателей качества пищевой продукции показана на рисунке 7.8.
Рисунок 7.8 Схема взаимосвязей механизма вывода с БЗ и БД ИЭС контроля
качества пищевой продукции
Структура динамической ИЭС контроля качества пищевой продукции
представлена на рисунке 7.9.
Модульная архитектура разработанной ИЭС контроля качества пищевой
продукции показана на рисунке 7.10. Для физической реализации разработанной
структуры АЭСКК ПК осуществлен подбор комплекса технических средств,
позволяющих реализовать все описанные функции применительно к линии по
производству ПК и даны рекомендации по их подбору.
39
Рисунок 7.9 Структура динамической ИЭС контроля качества пищевой продукции
Разработано специализированное программное обеспечение, состоящее из
информационной части; интегратора и модуля работы с ИНС. Информационная часть
обеспечивает накопление, хранение и предоставления информации, а также реализует
интерфейс конечного пользователя.
Рисунок 7.10 Модульная архитектура разработки ИЭС контроля качества
пищевой продукции
40
Была спроектирована логическая структура БЗ. При формализации
декларативной компоненты БЗ использованы данные о параметрах ТП производства
пищевой продукции, которые измеряются автоматически, а также были использованы
данные контроля показателей качества сырья, полуфабрикатов и готовой продукции,
полученные в лабораториях пищевых предприятий. Данные были сгруппированы в
соответствии с иерархической структурой, представленной на рисунке 7.11.
Декларативная компонента реализована в виде объектно-ориентированной
модели и в соответствии с рисунком 7.11, учитывает специфику линий производства
пищевой продукции и особенности их функционирования. Объектноориентированная модель декларативной компоненты БЗ программно реализована в
виде базы данных (БД) в СУБД Access. Каждый объект БД учитывает иерархические
особенности линии производства пищевой продукции и содержит множество
атрибутов (характеристик ТП производства).
Рисунок 7.11 Модель декларативной компоненты базы знаний ИЭС
Разработана система управления базами данных (СУБД), осуществляющая
централизованное управление данными, которые хранятся в базе данных ИЭС
контроля качества пищевой продукции, обеспечивающая доступ к ним и их
поддержку. Исходя их проведенных исследований, выбрана СУБД Access. Данная
СУБД отвечает всем требованиям, предъявляемым к БД и обладает простотой
обслуживания. Построена модель «Сущность-связь» в виде ER - модели в
соответствии с рисунком 7.12. Модель реализована в Visual Studio 2017.
Рисунок 7.12 Модель базы данных ИЭС контроля качества пищевой продукции
PK - первичный ключ; FK1 - внешний ключ
41
Предварительно созданы таблицы и наложены ограничения на данные: заданы
типы данных полей и соответствующие свойства полей.
На рисунке 7.13
представлена схема данных в СУБД Visual Studio 2017.
Рисунок 7.13 Схема данных в СУБД Visual Studio 2017
Была разработана основная форма доступа к данным, в соответствии с рисунком 7.14.
Рисунок 7.14 Основная форма базы данных ИЭС контроля качества пищевой
продукции (на примере линии производства ПШК)
Данная форма содержит элементы управления, позволяющие быстро перейти к
необходимому разделу БД и запускается автоматически при открытии БД. При
нажатии кнопки «Просмотр базы знаний», пользователю предоставляется доступ к
базе знаний ИЭС, в соответствии с рисунком 7.15.
Рисунок 7.15 Форма для просмотра содержимого базы знаний
42
Данная форма содержит кнопки для перехода по записям, а также кнопку для
перехода в режим редактирования. При нажатии данной кнопки пользователю
предлагается ввести пароль доступа в соответствии с рисунком 7.16. Функция
реализована при помощи объектно-ориентированного языка Visual Basic.
Рисунок 7.16 Окно для ввода пароля
При правильно введенном пароле пользователь получает доступ к форме,
позволяющей редактировать записи и добавлять новые, в соответствии с рисунком
7.17.
Рисунок 7.17 Окно редактирования базы знаний ИЭС контроля качества
пищевой продукции
При нажатии кнопки «Справочная информация», пользователю предоставляется
доступ к ознакомительной информации, в соответствии с рисунком 7.18.
Рисунок 7.18 Форма доступа к справочной информации
При нажатии кнопки «Подсистемы», пользователю выдается информация о
подсистемах линии производства определенного вида пищевой продукции, в
соответствии с рис. 7.19.
43
Рисунок 7.19 Форма доступа к справочной информации о подсистемах линии
производства помадных глазированных конфет
Предложена программная реализация ИЭС контроля показателей качества
пищевой продукции в процессе производства. Разработана методика формализации
экспертных знаний в ИЭС контроля качества пищевой продукции. Выполнена
алгоритмизация работы ИЭС и программная реализация
ее компонентов,
обеспечивающие возможность: быстрого информирования обслуживающего
персонала о состоянии линии производства пищевого продукта, параметрах контроля
качества, получения рекомендаций по устранению неисправности. Осуществлен
подбор технических средств для реализации ИЭС контроля качества пищевой
продукции.
Разработанная ИЭС контроля качества пищевой продукции представляет собой
сложную информационную систему, в составе которой, кроме специализированных
модулей контроля вкуса и цвета пищевых масс, применяется комплекс
универсальных инструментальных средств. На основании проведенных исследований
разработана схема интеграции ИЭС контроля качества пищевой продукции с
существующими на пищевых предприятиях АСУ ТП с использованием PDM-системы
SMARTEAM.
Разработанная ИЭС контроля в потоке показателей качества пищевой
продукции в процессе производства является универсальной и может быть
адаптирована под контроль и прогнозирования качества различной пищевой
продукции.
ЗАКЛЮЧЕНИЕ И ОСНОВНЫЕ РЕЗУЛЬТАТЫ РАБОТЫ
В работе решены все поставленные задачи.
Предложен новый подход к решению проблемы автоматизации контроля
в потоке органолептических показателей качества пищевой продукции с
использованием интеллектуальных технологий. Показаны возможности
практического применения интегрированных экспертных систем контроля
показателей качества пищевой продукции на примере кондитерской (помадные
глазированные конфеты), мукомольной (пшеничная мука), молочной
(сливочное масло) и пивобезалкогольной продукции (хлебный квас).
Сформулированы
научные
подходы
к
разработке
комплекса
методологических, математических и алгоритмических решений для автоматизации
контроля показателей качества пищевой продукции с использованием нейросетевых
технологий и систем компьютерного зрения.
44
Разработаны и апробированы методы, алгоритмы, математическое и
программное обеспечение для создания виртуальных приборов контроля в
потоке вкуса пищевых масс с использованием нейросетевых технологий. Показана
перспективность их использования в условиях действующих предприятий
кондитерской,
мукомольной,
молочной
и
пивобезалкогольной
промышленности.
Разработаны и апробированы методы, алгоритмы, математическое и
программное обеспечение для автоматического контроля в потоке цвета сырья,
полуфабрикатов и готовых пищевых изделий с использованием систем
компьютерного зрения. Показана перспективность их использования в условиях
действующих предприятий кондитерской, мукомольной, молочной и
пивобезалкогольной промышленности.
На основе детального анализа подготовленности технологических
процессов производства пищевой продукции к внедрению интеллектуальных
экспертных систем разработаны функционально- структурные схемы влияния
показателей исходного сырья, промежуточных операций на качество готовой
продукции с указанием необходимых точек контроля и регулирования (на
примере линий производства помадных глазированных конфет, пшеничной
муки, сливочного масла и хлебного кваса).
Разработана и апробирована методика выбора количественного и
качественного состава экспертов, а также принцип формирования рабочей
группы экспертов для проведения тестового опроса.
Выполнен
структурно-параметрический
анализ
технологических
процессов производства пищевой продукции различного агрегатного
состояния: помадных глазированных конфет, муки, сливочного масла и
хлебного кваса.
Получены структурно – параметрические и математические модели
основных этапов технологических процессов производства пищевой продукции
различного агрегатного состояния: помадных глазированных конфет, муки,
сливочного масла и хлебного кваса.
Впервые разработаны ситуационные модели технологических процессов
производства различной пищевой продукции: помадных глазированных
конфет, муки, сливочного масла и хлебного кваса.
Проведено изучение и анализ существующих на пищевых предприятиях
схем автоматизации технологических процессов производства различных пищевых
продуктов, а также имеющихся автоматизированных систем управления. Изучены
используемые технические средства автоматизации, принципы и методы управления.
На основе полученных результатов разработаны функциональные схемы
автоматизации
поточных линий производства помадных глазированных
конфет, муки, сливочного масла и кваса с внесением новых решений по
автоматизации контроля показателей качества пищевых продуктов с
использованием интеллектуальных технологий.
45
В условиях действующих предприятий проведен анализ эффективности
использования различных методов контроля в потоке показателей качества пищевой
продукции с использованием нейросетевых технологий и системы компьютерного
зрения.
Разработана новая стратегия построения интегрированных экспертных
систем контроля в потоке показателей качества пищевой продукции в процессе
производства. Практическая значимость новой стратегии состоит в
возможности прогнозировать качество готовой пищевой продукции и
предвидеть получение брака.
Решена актуальная научно-техническая проблема создания интегрированной
экспертной системы контроля в потоке органолептических показателей качества
пищевой продукции с использованием нейросетевых теехнологий и систем
компьютерного зрения. Разработаны методологические основы ее создания.
Проведена производственная проверка результатов исследования на
кондитерских предприятиях Холдинга ООО «Объединенные кондитеры», ОАО
«Мелькомбинат в Сокольниках», ПАО «Молочный комбинат Воронежский» и ЗАО
МПБК «ОЧАКОВО».
Основные публикации по теме диссертации:
1. Данилова
М.А.,
Благовещенская
М.М.,
Благовещенский
И.Г.
Автоматизированная система учета сыпучих пищевых продуктов // «Хранение
и переработка сельскохозяйственного сырья», №6, 2012. – с. 63 – 66.
2. Благовещенская М.М., Шаверин А.В., Благовещенский И.Г. Автоматизация
контроля показателей вкуса шоколадных изделий на основе использования
нейронных сетей // «Хранение и переработка сельско-хозяйственного сырья»,
№8, 2012. – с. 50 – 52.
3. Благовещенская М.М., Семина Н.А., Благовещенский И.Г., Савостин С.Д.
Использование цифровой видеокамеры в качестве интеллектуального датчика
системы
автоматического
регулирования
процесса
формования
гранулированных комбикормов. //«Вестник Воронежского государственного
университета инженерных технологий», №2, 2014.–с.48 - 55.
4. Благовещенская М.М., Давыдова Г.Р., Семина Н.А., Благовещенский И.Г.
Использование интеллектуальных технологий для контроля качества творога. //
«Вестник Воронежского государственного университета инженерных
технологий», №2, 2014. – с. 83 - 90.
5. Благовещенский И.Г.
Использование нейронных сетей как фактора
повышения качества и безопасности производства пищевых продуктов при
решении задач автоматизации // журнал «Автоматизация Технологических и
Бизнес - Процессов», Одесса. - № 1, 2015 г., с. 7 – 11.
6. Носенко С.М., Благовещенский И.Г., Шаверин А.В., Благовещенская М.М.
Автоматизация контроля показателей вкуса шоколадных изделий с
использованием интеллектуальных технологий. // «Кондитерское и
хлебопекарное производство», №10 (153), 2014. – с. 56 - 59.
7. Благовещенская М.М., Благовещенский И.Г., Назойкин Е.А. Методика
автоматической оценки качества пище-вых изделий на основе теории
46
искусственных нейронных сетей. // «Пищевая промышленность», №2 , 2015. –
с. 42 – 45 (общ. объем 0,3 п.л.).
8. Шкапов П.М. , Благовещенский И.Г., Носенко А.С. Решение задач
оптимального управления на основе гибридных методов глобальной
оптимизации // «Хранение и переработка сельхозсырья», №4 , 2015.- с. 5 – 12
(общ. объем 0,3 п.л.).
9. Благовещенский И.Г. , Носенко С.М., Носенко А.С. Экспертная
интеллектуальная система мониторинга процесса формования помадных
конфет с использованием системы технического зрения.// «Пищевая
промышленность», №6 , 2015. с. 32 – 36.
10. Аитов В.Г., Благовещенский И.Г., Благовещенская М.М., Носенко С.М.,
Носенко А.С. О создании автоматизированной экспертной системы
органолептической оценки качества пищевых продуктов. // «Хранение и
переработка сельхозсырья», №4 , 2015. – с.53 - 57.
11. Благовещенский И.Г. Использование системы компьютерного зрения для
контроля в режиме онлайн качества сырья и готовой продукции пищевой
промышленности // «Пищевая промышленность», №6 , 2015. – с.9 – 14.
12. Благовещенский И.Г. , Ивашкин Ю.А., Носенко С.М., Носенко А.С..
Структурно - параметрическая модель процесса приготовления сахарного
сиропа // «Хранение и переработка сельхозсырья», №4 , 2015. – с.16 - 21.
13. Благовещенский И.Г. , Благовещенская М.М., Носенко С.М., Носенко А.С.
Автоматизация процессов производства помадных конфет. // «Хранение и
переработка сельхозсырья», №4 , 2015. – с. 21 -27.
14. Благовещенский И.Г. , Благовещенская М.М., Носенко С.М., Носенко А.С.
Выбор информативных переменных в задаче структурно-параметрического
моделирования процесса сбивания для получения помадной массы. //
«Хранение и переработка сельхозсырья», №4 , 2015. – с. 27 – 32.
15. Благовещенский И.Г. , Скрипка М.А., Носенко С.М. , Носенко А.С.
Структурно - параметрическое моделирование и идентификация модели
технологического процесса формования помадных масс как объекта
управления // «Хранение и переработка сельхозсырья», №4 , 2015. – с. 45 – 50.
16. Благовещенский И.Г. , Благовещенская М.М., Кондратьев Е.А., Носенко С.М. ,
Носенко А.С. Структурно-параметрическое моделирование процесса
глазирования корпусов помадных конфет как начальный этап разработки
имитационной модели. // «Хранение и переработка сельхозсырья», №4 , 2015. –
40 – 54.
17. Носенко С.М., Носенко А.С., Благовещенский И.Г. Использование моделей,
объектов и процессов ERP- систем для автоматизации управления крупным
пищевым предприятием. // «Хранение и переработка сельхозсырья», №4 , 2015.
– с. 57 – 63.
18. Благовещенский И.Г. Автоматизация контроля показателей качества и
выявления брака продукции с использованием системы компьютерного зрения
// «Кондитерское производство», №3 , 2016. – с. 26 - 30.
19. Благовещенский И.Г., Назойкин Е.А.,Татаринов А.В. Основы создания
экспертных систем контроля качества пищевых продуктов с использованием
47
интеллектуальных технологий //«Пищевая промышленность», №4 ,2017.– с.60
–64.
20. Благовещенская М.М., Фомушкин В.И., Благовещенский И.Г., Татаринов А.В.
Автоматизированная система контроля безопасности пищевых продуктов на
примере мясного сырья // «Хранение и переработка сельхозсырья», №4 , 2017.
– с. 49 – 53.
21. Савостин С.Д., Благовещенская М.М., Благовещенский И.Г.. Автоматизация
контроля показателей качества муки в процессе размола с использованием
интеллектуальных технологий // Монография. - М.: Изд. Франтера, 2016. – 146
с.
22. Носенко С.М., Благовещенский И.Г., Шаверин А.В., Благовещенская М.М..
Автоматизация контроля показателей вкуса шоколадных изделий с
использованием интеллектуальных технологий. // «Кондитерское и
хлебопекарное производство», №10 (153), 2014. – с. 56 – 59 (общ. объем 0,3
п.л.).
23. Благовещенский И.Г., Благовещенская М.М., Апанасенко С.И. Создание
виртуальных датчиков на основе нейронной сети для определения основных
характеристик кондитерских масс // «Кондитерское и хлебопекарное
производство», №11 (154), 2014. – с. 37 - 41.
24. Благовещенский И.Г., Благовещенская М.М., Крылова Л.А.. Модель
управления технологическим процессом производства муки // «Кондитерское и
хлебопекарное производство», №1 (155), 2015. – с. 45 - 48.
25. Благовещенский И.Г. Автоматизированная система учета сыпучих пищевых
продуктов // «Кондитерское и хлебопекарное производство», №10, 2015. – с. 6
– 8.
48
1/--страниц
Пожаловаться на содержимое документа