Определение фальсификата пищевых жидкостей экспериментальным и расчетным методами Текст научной статьи по специальности «Прочие технологии»

Литература:

1. Банди Б. Основы линейного программирования. - М.: Радио и связь, 1989.

2. Гасс С. Линейное программирование (методы и приложения). - М.: «Физматгиз», 1961.

3. Юдин Д.Б., Гольштейн Е.Г. Задачи и методы линейного программирования. - М. «Советское радио», 1961.

4. Зуховицкий С.И., Авдеева Л.И. Линейное и выпуклое программирование.- М.: «Наука», 1967.

УДК 613.2.038

Дмитриченко М.И. Туровская М.С. Алексеев Г.В. Университет при МПА ЕврАзЭС, Санкт-Петербург DOI: 10.24411/2520-6990-2019-10109 ОПРЕДЕЛЕНИЕ ФАЛЬСИФИКАТА ПИЩЕВЫХ ЖИДКОСТЕЙ ЭКСПЕРИМЕНТАЛЬНЫМ

И РАСЧЕТНЫМ МЕТОДАМИ

Dmitrichenko M.I. Turovskaya M.S. Alekseev G. V.

University at EurAsEC IPA, St. Petersburg

DETERMINATION OF FALSIFICATE FOOD LIQUIDS EXPERIMENTAL AND DESIGN

METHODS

Аннотация

Одной из важнейших проблем продовольственной безопасности населения является обеспечение его доброкачественными сертифицированными продуктами питания. На практике, однако, часто встречаются примеры реализации населению фальсифицированных продуктов питания, в частности алкогольных напитков. Происходит это часто по вине изготовителей нарушающих технологические режимы производства таких продуктов, из-за их неправильного хранения или намеренной фальсификации с целью получения дополнительной прибыли. Статья посвящена описанию возможных подходов при идентификации фальсифицированных продуктов. Рассматривается новый экспериментальный метод определения фальсификата на основании простейших физических законов и расчетный метод с использованием экспертных оценок и понятий нечетких множеств.

Abstract

One of the most important problems of food security of the population is to ensure its benign certified food. In practice, however, there are often examples of the sale of counterfeit food products, in particular alcoholic beverages, to the population. This happens often due to the fault of manufacturers violating the technological regimes of production of such products, due to their improper storage or deliberate falsification in order to obtain additional profits. The article is devoted to the description of possible approaches in the identification of counterfeit products. A new experimental method for determining falsification on the basis of the simplest physical laws and a computational method using expert estimates and concepts of fuzzy sets are considered.

Ключевые слова: продовольственная безопасность, фальсифицированные продукты питания, идентификация фальсификатов, экспериментальный метод, расчетный метод, экспертные оценки

Keywords: food security, falsified food, identification of counterfeits, experimental method, calculation method, expert assessments

Существующие нормы выпуска пищевых продуктов в обращение предусматривает разнообразные меры для того, чтобы во всех этих случаях фальсификат был выявлен до того как он попадет для использования к населению [1-3].

Одним из простейших способов выявления таких продуктов является их экспериментальная проверка с помощью плотномеров имеющих самые разнообразные конструкции. Нами предлагается способ выявления фальсификата с использованием закона сообщающихся сосудов, где одно и то же давление, обеспечиваемое специальным насосом,

уравновешивается столбом жидкости разной высоты в зависимости от плотности залитого тестируемого напитка.

Способ практически лишен погрешностей из-за возможностей тарирования цены деления мерительного инструмента практически в ходе испытаний и не зависит ни от температуры, ни от влажности окружающей среды [4].

Плотность р вычисляется из простейшего соотношения

р =

где Р - показания манометра;

g -ускорение; h - замеренное превышение уровня жидкости.

а)

б)

Рисунок 1 - Определение значений манометра и превышения плотности для тарировочной (а) и исследуемой ( б) жидкости

Основная оценка качества алкогольной про- Техническими условиями и стандартами опре-

дукции - органолептическая по 10-балльной си- делены следующие показатели по группам напит-стеме. Оценка в баллах определяется по четырем ков показателям: цвет, прозрачность, вкус и аромат.

Таблица

Показатели алкогольных напитков

Напиток

Тип

Плотность

(кг/м3)

Цвет

Dewar's White Label

Виски

940

Желтый

Johnnie Walker Black Label

Виски

942

Желтый

Джин 40-43% градуса

Водка

943

Прозрачный

Золотая текила

Текила

947

Золотой

Серебрянная текила Финляндия

Текила

Водка

945

951

Прозрачный

Прозрачный

Используя аппарат теории нечетких множеств, можно предложить следующий расчетный метод идентификации неизвестного (исследуемого) продукта.

Выберем три группы напитков, например, водка, текила и виски, каждая со своим «спектром» (набором дескрипторов) качеств, к одной из которых предположительно относится исследуемый продукт.

О каждом продукте, проходящем исследование составляется определенное мнение, фиксирующееся в виде некоторого «спектра» - набора характеристик (дескрипторов) качеств (1)-(4) с соответствующими экспертными оценками.

Задачей методики отбора является определение - в какой группе напитков у претендента наибольшее совпадение «спектров», то есть минимальное отклонение по всем «спектрам» для определенной группы[5].

Программно в Маткаде этот метод может быть реализован как определение минимума расстояния между двумя многомерными векторами (рис.2)

После определенной подготовки начальных данных: интервьюирования экспертов и обобщения данных о напитках каждой из групп по ранее пройденным ими интервью, начальные данные можно представить в виде (рис.2).

w :=

ГэЛ

5 2 V 8 J

v :=

io

6

V 4 J

£

чТ

(V — ш) (V — ш) = 7.81

Рисунок 2 - Вычисление расстояния между двумя многомерными векторами

На рисунке 2 матрицами S1, S2, S3 обозначены «спектры» (результаты интервьюирования с разными экспертами) групп напитков, а столбцом Y -«спектр» исследуемого продукта.

f 0.55 0.52 0.60^ f 0.49 0.48 0.50^ f 0.45 0.48 0.44^ f 0.55j

0.52 0.55 0.50 0.50 0.51 0.48 0.48 0.44 0.49 0.53

0.49 0.456 0.48 0.51 0.53 0.50 0.50 0.52 0.51 0.48

S2 := S3 := Y :=

0.60 0.58 0.51 0.61 0.60 0.59 0.60 0.62 0.61 0.59

0.75 0.70 0.68 0.69 0.66 0.62 0.62 0.63 0.64 0.65

V 0.68 0.85 0.78у V 0.70 072 0.69у V 0.72 0.69 0.68у v 0.70,

S1 :=

Рисунок 3 - Начальные данные для расчета (результаты интервьюирования)

Программа для ЭВМ, составленная в пакете прикладных программ Mathcad (рис.4), последовательно реализует следующий алгоритм. Поскольку у нас три группы, то организуем цикл по j, который будет анализировать отклонение «спектра» исследуемого продукта от каждого из заключений экспертов в каждой группе. Переменными min1, min2, min3 обозначим такие минимальные отклонения. Вначале присвоим им значения отклонений от «спектра» испытываемого продукта до первой из

к =

оценок экспертов соответствующей группы. Вычисленные минимальные отклонения помещаем циклом по i в вектор MIN. Следующим циклом по i помещаем в вектор К условный номер выделенных групп напитков. Обозначим: 1 - водка, 2 - текила и 3 - виски.

Для большей наглядности присвоим каждому номеру условную стоимость одного литра «76», «95» и «98».

Результаты расчета помещаем в матрицу

fll \.9l

Полученные данные говорят о предпочтительности принадлежности исследуемого напитка к группе «водка».

K := MV for j е 1.. .3

■mn, — J(si<°>- y<0>)T(s1<0> - Y»>)

min — J^- Y°>)V>- Y<O)

тш3 - j(s3<0> - y<0>)T(s3<0> - Y<»>)

for k е 0.. 2

Ulk — J(si<k>- Y<0>)T(S1<k>- Y<0>)

min^ — |lk if |lk < min^

|2k — J(s2»- y<0>)T(s2<k> - Y^)

min^ — |2k if |2k < min^

|3k ^(S3<k>- y<0>)T(s3<k> - Y<0>)

min — | 3k if | 3k < min

k

MIN — min, j 1

for i е 1.. 3

MIN — min. if MIN > min. j i j i

i

for i е 1.. 3

K. — i if MIN = min. j j i

i

K j — 76 if K. = l j

K j — 95 if K. = 2 j

K j — 98 if K. = 3 j

j

K

Рисунок 4 - Программа для ЭВМ по анализу принадлежности исследуемого напитка к одной из тестовых групп

Использованная литература

1. Туровская М.С., Ипатов Ю.М. Новому этапу экономической интеграции - современный научно-методический уровень экономико-управленческой подготовки кадров. В сборнике: Инновационные механизмы в деятельности организаций. Таможенный союз: проблемы и перспективы 2011. С. 3

2. Kosko b. Fuzzy systems as universal approximators // ieee transactions on computers, vol. 43, no. 11, november 1994. - p. 1329-1333.

3. БоровковМ.И., АлексеевГ.В., БашеваЕ.П.,

Подходы нечеткой логики в исследованиях биотехнологий для рационального использования пищевых ресурсов. Научный журнал НИУ ИТМО. Серия: Процессы и аппараты пищевых производств. 2014. № 4. с. 244-255.

4. Cordon O., Herrera F., A general study on genetic fuzzy systems // genetic algorithms in engineering and computer science, 1995. - p. 33-57.

5. Алексеев Г.В., Дмитриченко М.И., Гончаров М.В. Ресурсосберегающие направления развития абразивной обработки пищевых материалов. Технико-технологические проблемы сервиса. 2013. № 4 (26). С. 57-61