CC BY
20
Интеллектуальная система
управления качеством мясных фаршей
А. Б. Лисицын, академик РАСХН, доктор техн. наук, В. И. Ивашов, академик РАСХН, доктор техн. наук, А. Н. Захаров, канд. техн. наук, Б. Р. Каповский, О. Е. Кожевникова, ГНУ ВНИИМП им. В.М. Горбатова Россельхозакадемии
Для получения высококачественной колбасной продукции с максимальным выходом необходимо знать оптимальную консистенцию фарша, характеризуемую структурно-механическими свойствами и степенью измельчения (дисперсностью). Отечественными и зарубежными специалистами разработаны приборы (вискозиметры разной конструкции) для определения оптимальной степени измельчения мяса в куттере, при достижении которой следует прекращать процесс куттерования.
^ Предполагается использовать эти приборы (вискозиметры) как в экспресс-анализах фарша, так и в системах автоматического управления (САУ) технологическим процессом для непрерывного контроля параметров фарша [1]. В автоматической линии с применением технологии измельчения блочного замороженного мяса фрезами [2, 3, 8] может быть реализован принципиально другой подход непрерывного во времени контроля технологических параметров. Принцип контроля технологических параметров в предлагаемой автоматической линии состоит в стабилизации этих параметров в режиме реального времени без применения датчика в потоке мясного фарша для измерения его дисперсности. Для этого предлагается создать САУ, ориентированную для работы в условиях неполноты исходной информации, неопределенности внешних возмущений и среды функционирования. Такую САУ можно создать на основе методов и технологий искусственного интеллекта. Отличительной чертой интеллектуальной САУ является возможность системной обработки знаний. В данном случае происходит автоматический процесс накопления статистической информации, полученной при измельчении партии блоков замороженного мяса при определенном температурном режиме хранения сырья. Систематизированная самой САУ информация вводится автоматически в программный блок, управляющий технологическим процессом выра-
ботки колбасного фарша. Таким образом, мы получаем обучающуюся систему управления, адаптированную к изменению характеристик перерабатываемого сырья.
При лабораторном исследовании процесса измельчения блочного замороженного мяса многолезвийным инструментом (цилиндрической фрезой с винтовым зубом) был получен измельченный продукт, срез которого представлен на рисунке 1.
В результате микроструктурного исследования продукта измельчения установлено, что среднее значение характерного размера частицы мяса составляет 119,25 мкм, минимальный размер частиц 35,15 мкм, максимальный размер — 256,72 мкм. Исследование показало, что существует разброс значений размера частиц измельченного мяса около среднего значения. Как учесть эту дисперсию при разработке технологического процесса выработки фарша из замороженного блочного мяса на основе измельчения методом фрезерования с обязательным контролем качества получаемого мясного фарша?
Учесть указанную дисперсию можно, используя предложенную в [4] математическую модель резания блочного замороженного мяса. Математическое моделирование процесса резания на ЭВМ показывает, что частота вращения фрезы колеблется возле заданных значений под воздействием на фрезу измельчаемого сырья в рабочем режиме. Можно построить группу графиков, отражающих в
УДК 637.523.252:519.688
Ключевые слова: вискозиметр, система автоматического управления, цилиндрическая фреза, математическое моделирование, мясная стружка.
определенном масштабе изменение характерного размера частиц измельченного продукта в результате этих колебаний (рис. 2).
Отметим, что для наглядности эти графики разнесены по оси ординат, и каждый из этих графиков отвечает одной из реализаций случайного процесса Мс(^ — изменения момента сопротивления измельчению во времени. Таким образом, совокупность этих графиков представляет собой ансамбль реализаций случайного процесса Х^), где X - характерный размер частицы измельченного продукта. Тогда для каждой 1- той реализации (рисунок 3) можно определить среднее значение Хср1 и дисперсию (среднеквадратиче-ское отклонение СТ^. Основываясь на представлении случайного процесса Х(^ как стационарного, обладающего свойством эргодичности [4, 7], можно оценить его числовые характеристики (в частности, среднее значение) путем
Рисунок 1. Срез измельченного продукта, полученного при обработке фрезой экспериментального блока замороженного мяса (говядина; 80% trimming; начальная температура - 18 С)
Рисунок 2. Ансамбль реализации случайного процесса изменения характерного размера X частицы измельченного продукта, полученного при фрезеровании 1-го, 2-го....1-го блока замороженного мяса
осреднения во времени, то есть по одной реализации достаточной длительности. Для этого необходимо вычислить требуемый объём выборки замеров размера частиц измельченного мяса по одной реализации процесса Х(^ для определения среднего размера частиц с заданной статистической точностью и надежностью.
Будем считать совокупность всех размеров частиц измельченного мяса, полученного при обработке замороженных блоков сырья методом фрезерования, генеральной совокупностью наблюденных данных эксперимента. Сформируем выборку данных из этой совокупности. Так как выборка данных из генеральной совокупности производится случайным образом (случайная выборка), то и точечные оценки параметров распределения (среднего значения, дисперсии) будут в этом смысле случайными. Тогда целесообразно оценить границы «коридора», где будут размещаться возможные значения среднего размера частиц измельченного мяса при заданных величинах доверительной вероятности и ошибки выборки, то есть вычислить интервальную оценку среднего размера частиц продукта. Под ошибкой выборки £ будем понимать разницу между значением среднего размера генеральной совокупности данных и выборочным средним:
£_Х V*
С. Л^р Л Ср,
где Хср - средний размер частиц мяса генеральной совокупно-
сти данных; Х*ср - средний размер частиц выборочных данных; £ -ошибка выборки.
Значения доверительной вероятности Р _ 1 - а (а - уровень значимости) и предельной ошибки выборки £ задают, исходя из требований дальнейшей технологической обработки измельченного мяса. Другими словами, от точности определения точечной и интервальной оценок среднего размера частиц мяса зависит установление параметров его последующей технологической обработки, например, времени обработки в измельчителе следующей ступени (эмульситаторе, куттере), частоты вращения валов смешивающей машины (фаршмешалки) и времени обработки в ней и др.
Решая задачу определения интервальной оценки среднего размера частиц измельченного мяса, будем полагать, что вид распределения генеральной совокупности данных не известен. Вводим статистику Т, определяемую как:
где среднее значение выборки данных Х*ср вычисляется как среднеарифметическое значение:
1 5
где Хь Х2,.. .,Хр.. ,,Хх - случайная выборка из генеральной совокупности данных; К- объём выборки;
82 - несмещенная оценка дисперсии выборки данных:
=
(
Статистика Т подчиняется распределению Стьюдента с V =N-1 степенями свободы. При N > 20 распределение Стьюдента стремится к нормальному распределению и для него можно записать доверительную вероятность аналогично формуле Лапласа для нормального распределения [5, 6]:
где t, V - параметры распределения Стьюдента.
Последнее равенство можно записать с указанием границ доверительного интервала:
РХ - е < Хф < ЗСр + е) = 2S(t, v)
где ошибка выборки £ определяется как:
г ■ s
Vn
Отсюда определяется необходимый объём выборки при заданных величинах доверительной вероятности Р и предельной ошибки выборки £:
Так как величина объёма выборки N входит в параметр V_N-1 распределения Стьюдента, а величину дисперсии генеральной совокупности данных полагаем неизвестной, то применяем следующую итерационную схему [5]:
— принимаем К1_К, где N -объём выборки, по которому рассчитывали оценку дисперсии 82;
— вычисляем параметр распределения Стьюдента:
VI _ N1 - 1;
— по заданному значению доверительной вероятности Р_1-а по таблицам определяем параметр распределения Стьюдента
— вычисляем следующее значение объёма выборки:
— повторяют расчёт для V2 _ N2 - 1 и т.д.
Итерации заканчиваются при
N ~ ^^
Если установлен факт подчинения распределения генеральной совокупности данных закону Гаусса, то процедура вычисления не-
X. мкм
Рисунок 3. Реализация случайного процесса изменения характерного размера X частицы измельченного продукта; ±ст - среднеквадратическое отклонение от среднего размера Хср1
обходимого объёма выборки данных проще в сравнении с рассмотренной выше. Для доверительной вероятности в этом случае можно записать: ■'IX;,. .х„-.х;:, I г) 3
где Ф(г)- функция Гаусса.
По заданной доверительной вероятности Р = 1 - а определяют по таблицам аргумент функции Гаусса z и, учитывая заданную предельную ошибку выборки £, высчитывают необходимый объём выборки данных:
где ъ - аргумент функции Гаусса.
Выше отмечалось, что существует функциональная зависимость между характерным размером X частиц измельченного мяса и частотой вращения (скоростью резания) фрезы измельчителя. Установим вид этой функциональной зависимости.
Как известно из теории резания материалов [11, 12, 13, 14], при симметричном фрезеровании (рис. 4), то есть при совпадении продольных осей блока мяса 4 и фрезы 5, толщина мясной стружки будет минимальна в точке входа зуба фрезы в сырьё (точка 1) и в точке выхода фрезы из сырья (точка 2):
а1 = а2 = З^пб, где а1, а2 - толщина мясной стружки в точках 1 и 2;
Sz - подача на зуб фрезы, мм/зуб;
б - угол на траектории резания в точках 1 и 2.
Максимальная толщина мясной стружки будет в точке 3, лежащей на продольной оси симметрии
фрезы и блока мяса, и равна она подаче на зуб фрезы: аз = атах = Равенство толщин мясной стружки в точках 1и 2 следует из симметрии схемы фрезерования.
На рисунке 4 показаны условные эпюры толщин стружек, срезаемых зубьями фрезы по длине дуги контакта с поверхностью мясного блока в точках 1, 2 и 3. Принято допущение, что в крайних точках контакта (точки 1 и 2) зубья фрезы срезают стружку на всю свою ширину.
Рассмотрим зависимость размеров частиц измельченного мяса от параметров режима резания сырья и геометрии применяемой фрезы. Как было отмечено в [2], целесообразно применять фрезы с винтовым зубом. Для поддержания заданной степени измельчения сырья режущие кромки фрезы должны быть фрагментированы на сегменты. Ширина сегмента (Ь на рисунке 4) соответствует ширине мясной стружки и не должна превышать характерный размер частицы измельченного мяса, определяемый требованиями технологии переработки мяса для производства определенного конечного продукта. Толщина мясной стружки (величина а в разных точках дуги контакта на рисунке 4) зависит от текущего угла поворота зуба фрезы на траектории резания. Из геометрических построений на рисунке 4 следуют простые зависимости:
«Ф-Р^--.
Если рассматривать среднюю толщину стружки по длине дуги контакта фрезы и блока мяса как среднее арифметическое значение от максимального значения (в точке 3) и минимального значения (в точках 1 и 2), то будем иметь:
_ "тт + Д„м. _ Д +УД2 -В2 2 г' 21)
Считая диаметр фрезы В, ширину фрезерования В (для данного типоразмера замороженного блока мяса), ширину режущего сегмента фрезы Ь (ширину стружки) постоянными величинами, получим, что средний размер мясной стружки (толщина аср) однозначно определяется подачей блока сырья на зуб фрезы В теории резания материалов [11, 14] под подачей на зуб фрезы понимают величину относительного перемещения фрезы и заготовки (в рассматриваемом случае — блока мяса), измеренную в миллиметрах при повороте фрезы на один угловой шаг:
где Sz - подача на зуб фрезы, мм/зуб;
Зо - подача на один оборот фрезы, мм/оборот;
З - минутная подача фрезы, м/мин;
п - частота вращения фрезы, об/мин;
Z - число зубьев фрезы.
Анализируя изменение средней толщины стружки аср в процессе измельчения сырья в общем случае, следует учесть изменение минутной скорости подачи блоков сырья на фрезу. Этот фактор влияния может быть обусловлен изменением коэффициента трения между блоком мяса и направляющими поверхностями измельчителя вследствие отепления сырья, неравномерным движением блока из-за неровной его поверхности контакта с направляющими и т.п. Однако учёт этих влияний на изменение толщины мясной стружки может не иметь практического интереса из-за достаточной их компенсации средствами САУ вследствие инерционности указанных
воздействий внешней среды. Тогда изменения толщины мясной стружки определяются отклонениями частоты вращения фрезы п от заданного значения в процессе измельчения. Эти отклонения могут быть вызваны изменением структурно-механических свойств замороженного мяса вследствие его существенной анизотропии по текстурному и структурному признакам. Этот фактор влияния обуславливает изменение момента сопротивления сырья измельчению и, как следствие, быстропере-менные отклонения частоты вращения фрезы от заданного значения в рабочем режиме измельчителя. Устранить полностью эти воздействия средствами САУ невозможно из-за инерционности системы управления. Следовательно, необходимо оценить вариацию средней толщины мясной стружки, обусловленную указанной причиной.
Систему контроля качества выработки мясного фарша для технологии измельчения блочного замороженного мяса методом фрезерования в производственных условиях можно построить следующим образом:
1. В процессе измельчения блока замороженного мяса промышленного типоразмера средствами САУ производится фиксация момента, развиваемого электродвигателем привода резания измельчителя в функции времени: М = Д^. Момент сопротивления измельчению мяса управляющая вычислительная машина технологическим процессом (УВМ) рассчитывает по уравнению динамики привода резания измельчителя:
где Мс — момент сопротивления измельчению сырья; М — момент, развиваемый электродвигателем привода резания; ^ — суммарный момент инерции объекта управления; W — скорость (частота) вращения фрезы; t — время.
В результате этого расчёта в блоке памяти УВМ архивируется реализация случайного процесса Мс(^ в виде массива данных.
2. На основе полученного статистического материала (массива
Рисунок 4.
Обозначения: Э - подача блока на фрезу; п - частота вращения фрезы; Ь - ширина режущего сегмента фрезы; а., а2, аз - толщина мясной стружки в точках 1, 2, 3; В - ширина фрезерования; В - диаметр фрезы; ф - угол контакта; 5 - угол на траектории резания в точках 1, 2; 4 - блок замороженного мяса; 5 - фреза.
данных случайного процесса Мс(^) УВМ производит оценку его характеристик: корреляционной функции и спектральной плотности. Полагая Мс(^ стационарным в широком смысле случайным процессом, обладающим свойством эргодичности [4, 7], оценку спектральной плотности этого процесса можно произвести на основе оценки корреляционной функции по выборке отсчетных значений Мс^ в моменты времени ^ = 0, Д^ 2Д^..., ВД:, где Дt — время дискретизации, В - объём выборки. Далее УВМ производит оценку спектральной плотности процесса Мс(^ по стандартной методике, базирующейся на дискретной аппроксимации преобразования Фурье. Эта оценка может быть улучшена с помощью корреляционного окна Хемминга, которое позволяет сгладить оценочную функцию спектральной плотности [7, 9, 10].
3. Полученную оценку спектральной плотности случайного процесса Мс(^ УВМ использует в вычислительном эксперименте аналогично тому, как это было показано в [4]. Увеличивая длину реализации процесса Мс(^ в режиме «машинного» (модельного) вре-
мени, УВМ получает больший объём статистической информации о процессе Мс(^ и, следовательно, о зависящих от него изменениях частоты вращения фрезы измельчителя (процесс п(^). Таким образом, кроме полученной при измельчении реального замороженного блока мяса статистической информации об изменении п(^ под воздействием на фрезу Мс(^, УВМ будет располагать дополнительным объёмом аналогичной статистической информации при компьютерном моделировании измельчения «виртуальных» блоков мяса. Важно отметить, что в основе такого математического моделирования находится информация, полученная при измерении реального процесса Мс(^ - оценка его спектральной плотности. Отметим также, что в условиях производства могут быть измельчены всего несколько блоков мяса, поэтому расширение базы статистических данных для дальнейшего анализа представляется целесообразным.
Объём статистической информации о случайных процессах Мс(^ и п(^, полученный с помощью вычислительного эксперимента — математического моделирования процесса измельчения
замороженных мясных блоков — позволяет УВМ вычислить оценку дисперсии генеральной совокупности данных 82 процесса п(^. По результатам оценки определить необходимое число замеров частоты вращения фрезы п (объём выборки К) средствами САУ в режиме реального времени для расчета точечной и интервальной оценки среднего значения процесса п^) с заданной статистической точностью и надежностью. По установленной выше функциональной зависимости между частотой вращения фрезы п и характерным размером частиц измельченного мяса (толщина мясной стружки Ь) УВМ вычисляет точечную и интервальную оценку указанного размера мясной стружки. По законам математической статистики [5] можно определить также дисперсии самих этих оценок, то есть определить степень «размытости» границ диапазона.
В процессе реального измельчения блочного мяса УВМ накапливает и обрабатывает статистическую информацию о процессе Мс(^, на основе которой рассчитываются числовые характеристики процесса п(^. Таким образом, САУ обучается в рабочем режиме, совершенствуя свою работу по прогнозированию степени измельчения сырья. Если вычисленные характеристики процесса Х(^ будут существенно отличаться друг от друга, например, в случае изменения режимных параметров резания мяса (скорости резания и скорости подачи сырья), то САУ будет отмечать массовую (объ-
ёмную) долю мяса, измельченного с данной степенью измельчения. Существенность указанного отличия определяется конкретной технологией измельчения.
В результате реализации приведенного алгоритма работы, САУ будет располагать статистической информацией о степени измельчения сырья в явном (цифровом) виде. В состав САУ может входить оборудование для экспресс-анализа химического состава измельченного продукта, а также его температуры после измельчения. Тогда дальнейший процесс выработки фарша заданного качества можно контролировать строго в функции времени, исключая субъективный фактор оценки степени готовности конечного продукта.
Предлагаемая система контроля качества выработки мясных фаршей в терминах современной теории автоматического управления [9, 10] является интеллектуальной, так как:
1. Функционирует в режиме информационного взаимодействия с внешней средой посредством датчиков, измеряющих значения параметров для дальнейшей обработки в САУ.
2. Система является обучающейся в процессе работы: накапливает и использует статистическую информацию для повышения точности прогнозирования степени измельчения сырья.
3. Реализует прогнозирование влияния внешней среды, оценивая числовые характеристики такого влияния.
Отметим, что функционирова-
ние предлагаемой системы управления качеством вырабатываемых мясных фаршей характеризуется не сложностью её организации (конструкции) — построение такой САУ не требует сложных и дорогостоящих технических решений, — а программным обеспечением УВМ, разработанным для выполнения описанного выше алгоритма работы САУ. Такой алгоритм может быть реализован именно для технологии измельчения блочного замороженного мяса методом фрезерования, так как в этом случае можно получить мясную стружку заданного размера, отклонения от которого оценивает САУ в процессе работы.
Как показала международная выставка 1ББЛ 2013, современные тенденции развития мясоперерабатывающего оборудования связаны с применением высокоточных средств анализа мясного сырья и контроля его переработки [15]. По оценкам отечественных ученых, крупные производители колбасных изделий и мясопродуктов в России пойдут по пути стабилизации качества и максимальной автоматизации технологических процессов [16]. В этой связи предлагаемая система управления качеством мясных фаршей представляется весьма актуальной.
Контакты:
Андрей Борисович Лисицын Валентин Иванович Ивашов Александр Николаевич Захаров Борис Романович Каповский Ольга Евгеньевна Кожевникова +7 (495) 676-6751
Литература
1. Косой В.Д., Малышева А.Д., Юдина С.Б. Инженерная реология в производстве колбас. М.: «Колос», 2005.
2. Лисицын А.Б., Ивашов В.И., Захаров А.Н., Каповский Б.Р., Максимов Д.А. Измельчение замороженного блочного мяса методом фрезерования // Всё о мясе. 2013. №4. С. 42 - 46.
3. Максимов Д.А., Каповский Б.Р., Кожевникова О.Е., Тамбовцев И.М., Якушев А.О. Колбасное производство XXI без куттера и волчка // Мясная индустрия. 2012. №9. С. 20 - 24.
4. Ивашов В.И., Каповский Б.Р. Оптимизация одностадийного процесса криоизмельчения блочного мяса // Мясная индустрия. 2012. №6. С. 52.
5. Четыркин Е.М., Калихман И.Л. Вероятность и статистика. М.: «Финансы и статистика», 1982.
6. Вентцель Е.С., Овчаров В.А. Теория вероятностей и её инженерные приложения. М.: «Наука», 1988.
7. Вентцель Е.С., Овчаров В.А. Теория случайных процессов и её инженерные приложения. М.: «Наука», 1991.
8. Максимов Д.А., Каповский Б.Р., Захаров А.Н. Автоматическое управление процессом тонкого измельчения мясного сырья // Мясная индустрия. 2013. №1. С. 42 - 45.
9. Под ред. Яковлева В.Б. Теория автоматического управления. М.: «Высшая школа», 2009.
10. Савин М.М., Елсуков В.С., Пятина О.М. Теория автоматического управления. Ростов-на-Дону : «Феникс», 2007.
11. Грановский Г.И., Грановский В.Г. Резание металлов. М.: «Высшая школа», 1985.
12. Кряжев Н.А. Фрезерование древесины. М.: Лесная промышленность, 1979.
13. Макаров А.Д. Оптимизация процессов резания. М.: Машиностроение, 1976.
14. Ящерицын П.И., Фельдштейн Е.Э., Корниевич М.А. Теория резания. Минск.: «Новое знание», 2007.
15. Максимов Д.А., Захаров А.Н. Тенденции развития мясоперерабатывающего оборудования // Всё о мясе. 2013. №3. 10 - 12.
16. Горбатов С.А. Техническое регулирование и стандартизация в мясной промышленности в условиях ВТО // Всё о мясе. 2013. №3. С. 50 - 52.
