CC BY
35
УДК 664.95
ИССЛЕДОВАНИЯ МЕТОДОВ КОМПЬЮТЕРНОГО МОДЕЛИРОВАНИЯ И ЛОГИСТИЧЕСКИХ СИСТЕМ В ОБРАБОТКЕ ГИДРОБИОНТОВ (НА ПРИМЕРЕ ВЫРАЩЕННОЙ МОРСКОЙ КАПУСТЫ)
А.А. Мисаковский, А.В. Перебейнос, Дальрыбвтуз, Владивосток
Приведен метод компьютерного моделирования для выбора лучшего режима обработки объектов аквакультуры на примере вареной морской капусты.
Общий вылов рыбы и нерыбных биоресурсов в России на 2006-2007 гг. составляет около 4 млн т в год при потенциальной базе 9 млн т. Соответственно это обусловило снижение потребления населением России морепродукции с 20 до 9-10 кг при физиологической норме более 23 кг в год. Причем в общем объеме пищевой продукции из гидробионтов около 3 млн т до 70 % составляет мороженая рыба и только 7 % свежая и охлажденная [1], которая, как известно больше ценится своими свойствами, чем мороженое сырье. Аквакультура, на данный момент, - это хорошо развивающаяся отдельная отрасль в рыбной промышленности, и в Дальрыбвтузе ей уделено большое внимание.
Сырье из объектов аквакультуры (ОА) однозначно отличается от традиционного вида не только по химическому составу (содержание воды, эссенциальных белков, жиров, макро- и микроэлементов), но и по структурно-механическим свойствам рыбы, что ведет к изменению технологических параметров при переработке (температуры, времени), расхода сырья и выхода готовой продукции, влияющих на рентабельность предприятия [1].
Применяемые нормы расчета выхода готовой продукции для традиционного (дикого) сырья в рыбной промышленности, а также регулирования и создания технологической линии были разработаны еще в 60-70-х гг., представляющие на данный момент как примерные.
Использование новых видов сырья из ОА требует иных подходов в разработке технологических режимов, поэтому целесообразно в качестве инструмента исследования использовать методы компьютерного моделирования (КМ) [2].
Целью работы является установление влияния температуры и времени обработки на выход, качество и структурно-механические свойства (СМС) морской капусты (1_а1тппапа ]аропюа), выращенной и дикой, найти закономерности обработки различных видов сырья математическим методом с применением логистики и создать компьютерную модель технологического процесса.
КМ технологического процесса представляет собой комплекс или одну программу, имеющую базу данных (БД) нормативных документов
1
для выбора лучшего режима обработки при производстве моделируемого продукта, что позволяет оценить предполагаемые показатели: выход, стоимость продукции, способ хранения готовой продукции и т.д., а в итоге сделать упор на значимые характеристики моделируемого продукта (рис. 1) [2].
Функциональный продукт - это изделие, которое выполняет полезные функции для организма человека, но не является лечебным [3].
Для КМ технологического процесса необходимо использовать программу, имеющую БД физико-химических, структурно-механических свойств (СМС) гидробионтов для комбинирования продуктов и получения функциональных пищевых изделий [2].
Программа должна иметь не только БД, но и возможность регулировать выход и качество продукта для сохранения и повышения биологической ценности сырья. Метод полного факторного эксперимента позволит решить проблему регулирования термообработки [2].
Выбор сырья (сорт, Сырье
вид), СМ* ►1
определение 1
Определение расхода сырья
Выбор лучшего режима обработки
Разделка
Обработка
Выявление ▼
закономерностей Готовый п/ф
БД
01^
Регулирова
ние
технологии
еского
процесса
*СМ - структурно-механическое Рис. 1. Схема моделирования технологической линии из ОА
В настоящее время все больше внедряются современные (инструментальные) методы определения реологических свойств продуктов. Реология существует как отдельная наука, изучающая деформации и течения различных тел способом определения СМС сырья, п/ф и функциональных продуктов приборами для регулирования технологических процессов (ТП) и контроля качества на всех стадиях производства [4].
Определение СМС приборами в ТП позволяет определить качество сырья п/ф и функционального продукта, контролировать технологический процесс с применением микропроцессорной системы, выполняющей функцию определения времени и температуры
обработки сырья для получения наиболее высокого выхода с заданными консистенцией и вкусом продукта [5].
Существует большое количество реологических приборов: полуавтоматический пенетрометр (ПП-4) - для определения
предельного напряжения сдвига, структурометр (СТ-1), реометр - для определения структурно-механических свойств, ИДК-1М - для определения клейковины, РВ-8 и КП-3 - для определения СМС сырья, полуфабрикатов и функциональных продуктов, а также прибор военного назначения, применяемый для определения качества смазок, но используемый для определения качества пищевых и технических жиров [4].
Реологические приборы позволяют полностью автоматизировать поточную линию производства продукции, например, при термообработке морской капусты позволяет варьировать подачу пара для регулирования температуры, а также контролировать продолжительность обработки. Вследствие этого получается высококачественный продукт, возможно, даже с содержанием йода в морской капусте.
Для создания БД и КМ технологического процесса, а также регулирования вышеперечисленных показателей были проведены эксперименты на мороженой морской капусте, выращенной и естественной, гребешке живом и мороженом, выращенном и диком, рыбах разных видов (к сожалению, экспериментальные данные приводятся только по морской капусте) [5].
Имеются различные методы моделирования ТП. Например, метод Парето-оптимального решения, используемый для создания технологий комбинированных продуктов из мясного фарша. С помощью данного метода и программы Appol были проведены эксперименты с заранее выбранными температурными режимами от 30 0С до 90 0С с шагом в 30 С и с множеством факторов: количество фарша, влажность, продолжительность кутирования и т.д. Тем самым экспериментально был получен лучший режим обработки для получения наибольшего выхода продукта с коэффициентом корреляции 0,95 %, но не было указано закономерностей влияния: какие факторы снижают выход или наоборот повышают его [4].
Хотелось бы отметить, что программа Appol, используемая как инструмент для проведения эксперимента, недостаточно совершенна в связи с низкой скоростью обработки данных: от 1,2 терафлопа/с (1 триллион операций с плавающей запятой в секунду) до 1,5 терафлопа/с, так как на данный момент существуют процессоры, скорость которых составляет 40-60 терафлоп/с, 1 терафлоп/с (1014 бит/с - эквивалент человеческого мозга) [2].
Выбранный метод полного факторного эксперимента использовался для проведения анализа полученных данных с дальнейшим применением в микропроцессорных системах управления или в программно-комплексном обеспечении для расчета расхода
сырья с учетом логистического подхода и маркетингового представления [4, 5].
Метод двухфакторного эксперимента в моделировании лучших решений по переработке гидробионтов в виде уравнения отрезка ряда Тейлора имеет следующий вид:
У = В0 + ВХ + В2Х2... БпХп,
где Вп - значение, полученное в результате проведенного эксперимента; Хп - фактор, определяющий Вп (температура, время, давления и т.д.); У - функция отклика (выход, качество, СМС и т.д.).
Для нахождения показателей В0, В1Х1, В2Х2 и т.д. используют уравнения регрессии:
В0 = % (У1 + У2 + У3 + У4),
где В0 - средние значения результатов, может быть как выход, качество и другие факторы; Уп - полученные экспериментальные данные с различных технологических параметров.
В1 = 1% (-У1 + У2 - У3 + У4),
где В1 - показатель степени влияния на выход, качество или другую функцию отклика в зависимости от Xn.
В2 = % (-У1 - У2 + У3 + У4),
где В2 - то же, что и B1.
Определение зависимости в технологическом процессе производства готовой продукции из морской капусты различного происхождения, т.е. выращенной в аквакультуре и естественного ареала ее обитания, было проведено опытным путем, описанного ниже.
Для определения СМС вареной морской капусты использовался «СТ-1» с конусом диаметром 1,5 см и ПП-4 с конусом 60° и массой подвижной части (без учета трения) 0,04762 кг. Полный факторный эксперимент и полученные результаты представляем в табл. 3.
Эксперимент ставился на морской мороженой капусте ^аттпа japonica), выловленной в естественном месте обитания и выращенной специалистами. Вся капуста отвечала ТУ 15-01 1534-90 «Капуста морская мороженая для промышленной переработки» и СанПиН 2.3.2.1078-01 «Гигиенические требования безопасности и пищевой ценности пищевых продуктов». Данные приведены в табл. 1-2.
Был сделан микробиологический анализ мороженой морской капусты в лаборатории Дальрыбвтуза. Показатели качества представлены в табл. 1.
Таблица 1
Микробиологические показатели
Сырье КМАФАнМ БГКП в 0,001 г Э1 аигеиБ в 0,01 г БаІтопеНа в 25 г
Морская капуста (іатіпагіа іаропіса)
Мороженая естественная 4,5х104 отсутствие отсутствие отсутствие
Мороженая выращенная 4,5х104 отсутствие отсутствие отсутствие
СанПиН 2.3.2.1078 - 01 5,0х104 в 0,01 г в 0,01 г в 25 г
Требования к качеству капусты морской мороженой определялись согласно ТУ 15-01 1534-90. Полученные органолептические показатели приведены в табл. 2.
Из табл. 1 и 2 видно, что капуста отвечает нормативным документам и может быть использована для производства функциональной продукции.
Таблица 2
Органолептические показатели капусты морской мороженой
Наименование показателя Характеристика
Внешний вид Мороженая После размораживания Поверхность блока чистая со снежным налетом Поверхность капусты чистая Капуста в виде полосок шириной от 2 до 5 мм, длиной от 20 до 70 мм
Консистенция Плотная, эластичная
Цвет От зеленовато-бурого до темно-коричневого
Порядок Укладывания Шинкованная капуста уложена насыпью
Массовая доля песка, %, не более 0,01
Наличие посторонних примесей Не допускается
Капусту обрабатывали при двух факторах: Х1 - температура и Х2 -время. Верхний предел температуры составлял «+100», а нижний соответственно «-80». Время находилось в верхнем пределе +30 мин, а нижний -15 мин. Определяли три функции отклика: У - выход продукта от температуры и времени, У2 - качество, У3-4 - СМС.
Полученные данные обрабатывались на программах Корреляция, Тех-2 и МаАаЬ. Для выбора лучшего режима обработки составили уравнения регрессии. Рассчитали достоверность опыта программой для расчета корреляции.
6
Результаты эксперимента
№ п/п Фактор Х1 Фактор Х2 Функция отклика У1 Функция отклика У2 Функция отклика У3 Функция отклика У4
Темпера Время Выход, % Органолептическа СМС, вк, г СМС, Па
тура обработк обработ ки, мин я оценка, баллы на приборе СТ-1 на приборе ПП-4
и, 0С дикая выращенн ая дикая выращен ная дикая выращенн ая дикая выращенн ая
1 -80 -15 112; 98; 2,0; 2,4; 820; 854; 1500; 1300;
120; 105; 2,5; 2,0; 798; 899; 1450 1250;
108; 100; 2,1; 2,2; 812; 866; 1360; 1350;
116 110 2,0 2,5 794 874 1510 1200
2 + 100 -15 120; 120; 4,1; 4,3; 500; 455; 1200; 1100;
125; 115; 4,5; 4,1; 480; 445; 1100; 1050;
135; 125; 4,3; 4,5; 488; 470; 1150; 1060;
118 122 4,0 4,2 490 446 1120 1001
3 -80 +30 145; 140; 5,0; 5,0; 291; 284; 980; 760;
140; 135; 4,8; 4,9; 300; 276; 970 790;
135; 148; 4,9; 5,0; 258; 300; 950; 750;
146 135 5,0 5,0 266 259 980 740
4 + 100 +30 102; 110; 3,1; 3,3; 153; 149; 670; 550;
110; 115; 2,9; 3,2; 145; 136; 650; 555;
105; 108; 3,3; 3,4; 145; 142; 640; 510;
104 106 3,0 3,0 130 138 665 500
«-» - минимальное значение, взятое для эксперимента; «+» - максимальное значение.
7
Результаты эксперимента
Уравнения зависимости выхода от технологических факторов: Дикая: У1д = 121,31-6,44X1 + 2,06X2.
Выращенная: У1в = 118,25-3,13X1 + 6,38X2.
Коэффициент корреляции составил: р = 0,95.
Рис. 2. Зависимость выхода от температуры и времени обработки
Уравнения зависимости качества от технологических факторов: Дикая: У2д = 3,6+0,06X1 + 0,40X2.
Выращенная: У2в = 3,7+0,03X1 + 0,36X2.
Коэффициент корреляции составил: р = 0,96.
Рис. 3. Зависимость качества от температуры и времени обработки
В]
Уравнения зависимости СМС от технологических факторов на «Структурометре»:
Дикая: У3д = 426,88 - 115,50X1 -
215,88X2.
Выращенная: У3в = 437,06 - 139,44X1 - 226,56X2.
Коэффициент корреляции составил: р = 0,99.
Рис. 4. Зависимость СМС от температуры и времени обработки
Уравнения зависимости СМС от технологических факторов на «ПП-4»: Дикая: У4д = 1055,94 - 156,56X1 +
242,81X2.
Выращенная: У4в = 904,13 - 113,38X1 + 259,75X2.
Коэффициент корреляции составил: р = 0,95.
8
Рис. 5. Зависимость СМС от температуры и времени обработки Выводы
Полученные уравнения регрессии показали, что выход продукта уменьшается от температуры обработки в диком сырье на 6,44 %, а в
9
выращенном - на 3,13 %. Этим доказывается разное влияние режимов обработки на сырье. Время обработки увеличило выход в диком сырье и составило 2,06 %, а в выращенном - 6,38 %. Органолептические и СМС показатели остались без значимых изменений от вида сырья.
Регулирование режимов обработки является целесообразным для различного вида сырья, так как есть возможность повысить выход до 3 %, что достаточно целесообразно в экономическом плане для предприятия.
При обзоре результатов было установлено, что температура обработки уменьшает выход, ухудшает качество и делает капусту недостаточно мягкой. Следовательно, для выращенной капусты нижний уровень температуры выбираем 80 0С, для естественной необходимо уменьшить температуру до 60 0С. Время обработки увеличивает выход и органолептические показатели и делает капусту мягкой, с приятным хрустом свежей морской капусты. Выбираем время обработки -верхний уровень (30 мин).
Из эксперимента получены данные по СМС. Установили, что вареная капуста, имеющая усилие касания от 260-300 г, соответствует качеству 4,5-5 балла и выходу от 130-150 % готовой продукции. Структура продукта несет в себе информацию. Полученные данные о СМС вареной морской капусты будут внесены в базу данных и использованы в создании компьютерной модели. Таким образом, применение математического аппарата в производстве продуктов из гидробионтов не является основным для производства экологически чистых продуктов из ОА, следовательно, необходимо применять логистические системы.
Библиографический список
1. Бочаров Л.Н. Перспективный подход к обеспечению населения продуктами рыболовства // Изв. ТИНРО. 2004. Т. 138. С. 3-18.
2. Касьянов Г.И., Запорожский А.А., Юдина С.Б. Технология продуктов питания для людей пожилого и преклонного возраста. Ростов-н/Д: Изд. центр «Март», 2001. 192 с.
3. ГОСТ Р 52349-2005. Функциональные пищевые продукты. 7 с.
4. Перебейнос А.В., Мисаковский А.А., Сахарова О.В., Баштовой А.В., Буторина Т.Е., Попков А.А. Методологические аспекты биотехнологии функциональных продуктов из живых гидробионтов: Сб. матер.
I междунар. науч.-техн. конф. молодых ученных «Актуальные проблемы технологии живых систем». Владивосток: ТГЭУ, 2005. 444 с.
5. Перебейнос А.В., Мисаковский А.А., Сахарова О.В., Баштовой А.В., Буторина Т.Е., Попков А.А., Губеева Т.А. Методологические аспекты производства функциональных продуктов из живых гидробионтов: Сб. матер. регион. студ. науч.-техн. конф. «Научная работа основа качества подготовки специалистов». Владивосток: Дальрыбвтуз, 2005. С. 171-176.
10
6. Бураго В.А. Математические принципы оптимизации аминокислотного состава композиционных продуктов питания // Изв. ТИНРО. 2004. Т. 138. С. 381-388.
7. Бураго В.А. Алгоритм проектирования сбалансированных продуктов и рационов питания // Изв. ТИНРО. 2005. Т. 140. С. 329-338.
8. Тче Тхе Сен, Мисаковский А.А., Перебейнос А.В. Варианты моделирования качества продуктов из гидробионтов: Регион. студ. науч.-техн. конф. Владивосток: Дальрыбвтуз, 2006. С. 4-5.
