CC BY
0
УДК 664.726.7 DOI 10.24412/2311-6447-2024-2-245-251
Прогноз уровня продовольственного использования клейковины зерна пшеницы в зависимости от степени его шелушения на основе уравнений множественной регрессии
The forecast of the level of food use of gluten in wheat grain, depending on the degree of its peeling, based on multiple regression equations
Профессор Ф.Я. Рудик (ORCID 0000-0001-8444-0115), доцент А.В. Анисимов (0000-0002-5313-6329), доцент В.С. Куценкова (ORCID 0000-0002-2468-9725), доцент А.В. Банникова (ORCID 0000-0002-8299-7208)
Саратовский государственный университет генетики, биотехнологии и инженерии им. Н.И. Вавилова, кафедра технологии продуктов питания, тел. 8-845-269-26-24 rudik. sgau@mail. ru
Professor F.Ya. Rudik (ORCID 0000-0001-8444-0115), Associate Professor A.V. Anisimov (0000-0002-5313-6329), Associate Professor V.S. Kutsenkova (ORCID 0000-0002-2468-9725), Associate Professor A.V. Bannikova (ORCID 0000-0002-82997208)
Saratov State University of Genetics, Biotechnology and Engineering named after N.I. Vav-ilov, chair of Food Technology, 8-845-269-26-24
rudik. sgau@mail. ru
Аннотация. Получено уравнение множественной регрессии и его графическое отображение, показывающее зависимость критериального показателя уровня продовольственного использования клейковины зерна пшеницы при шелушении от массы 1 000 зёрен, выровненности зерна, влажности и режимных параметров шелушильной машины. Данное уравнение позволяет подобрать оптимальные режимные параметры шелушильной машины в зависимости от массы 1 000 зёрен конкретной партии зерна. Имея лабораторные данные по массе 1 000 зёрен, выровненности партии, влажности зерна после гидротермической обработки и используя полученное уравнение регрессии, можно рассчитать необходимую производительность машины, которая обеспечит высокое качество очистки поверхности зерна от внешних оболочек и загрязнений при минимальных потерях эндосперма.
Abstract. As a result of the experiments, a multiple regression equation and its graphical representation were obtained, showing the dependence of the criterion indicator of the level of food use of wheat gluten during peeling on the mass of 1 000 grains, grain alignment, humidity and operating parameters of the peeling machine. The obtained regression equation allows you to select the optimal operating parameters of the peeling machine depending on the mass of 1 000 grains of a specific batch of grain. Having laboratory data on the mass of 1 000 grains, batch alignment, grain moisture after hydrothermal treatment, and using the obtained regression equation, it is possible to calculate the required machine performance, which will ensure high-quality cleaning of the grain surface from outer shells and impurities, with minimal endosperm losses.
Ключевые слова: шелушение, уравнение регрессии, показатели качества зерна
Keywords: peeling, regression equation, grain quality indicators
Операция шелушения является одним из важных этапов технологического процесса переработки зерна пшеницы в продукты питания. От эффективности проведения данной операции зависит выход, качество и себестоимость готового продукта. В результате технологической операции шелушения зерна пшеницы в машинах, осно © Ф.Я. Рудик, А.В. Анисимов, В.С. Куценкова, А.В. Банникова, 2024
ванных на «сжатии и трении», продукты обработки должны состоять только из ошелушенного зерна и отделяемых оболочек [7, 6, 12]. Однако несовершенство применяемых методов и средств шелушения приводит к получению смеси не менее 6 различных по качеству и физико-механическим свойствам продуктов: целое и дробленое, ше-лушеное и нешелушеное зерно, наружные оболочки и мучка, загрязнения и микроорганизмы, удалённые с поверхности зерновок [10, 11, 12].
В исследованиях авторов представлены данные по шелушению как плёнчатых культур - гречиха, рис, ячмень и др., так и голозерновых - пшеница и др. Эффективность процесса шелушения оценивают либо визуально, либо с помощью коэффициента шелушения [5]. Главной целью исследований было удаление максимального количества оболочек вместе с наиболее ценными веществами, оставляя только ядро с крахмалом. В целях сохранения в зерне всех витаминов, макро- и микроэлементов (содержащихся в основном во внешних оболочках зерна) и последующей их передаче в конечный продукт (муку, крупу) важной задачей является изучение процесса шелушения с точки зрения влияния интенсивности процесса на выход и качество продуктов шелушения [2].
Уровень продовольственного использования ценных с питательной точки зрения компонентов зерна при сортовом помоле не превышает 70 % из-за того, что значительная часть полезных веществ (минеральных, витаминов, крахмала и пр.) удаляется из конечного продукта вместе с отделяемыми наружными оболочками зерна при его размоле [6, 7, 12]. К тому же часть наиболее энергетически ценного компонента зерна - эндосперма может быть потеряна на стадии очистки поверхности зерна от загрязнений, микроорганизмов и внешних оболочек. Чем выше интенсивность шелушения, тем больше полезных веществ удаляется в отходы вместе с оболочками и дроблёным зерном [2, 3]. Выбор оптимальной эффективности шелушения зерна при минимальных потерях эндосперма является сложной, но в то же время актуальной задачей, решением которой может служить выявление зависимости показателей качества зерна. Интенсивность шелушения определяется в лаборатории любого даже малого предприятия (натура, вес 1 000 зерен и пр.).
Ранее проведённые исследования показывают, что разное по крупности зерно пшеницы обладает различным соотношением оболочек и ядра, а также отличается по механическим (прочность) и технологическим свойствам. Щуплое зерно содержит меньше эндосперма, но при этом больше клейковины (и лучшего качества), имеет меньшие значения натуры и массы 1 000 зёрен [5-7].
Обзор научной литературы позволил сделать вывод, что большую практическую пользу может иметь создание на базе экспериментальных исследований комплексных уравнений регрессии, с помощью которых представляется возможным прогнозировать самые значимые показатели качества зерна пшеницы (содержание белка, клейковины и пр.) в зависимости от показателей, наиболее простых к определению в производственных условиях (натура, масса 1 000 зёрен и пр.) [4, 8]. Данную методику можно использовать и при быстром определении на переработочном предприятии оптимальной степени шелушения конкретной партии зерна на основе определения её массы 1 000 зёрен с помощью уравнений регрессий, составленных в результате экспериментальных исследований разных по качественным показателям партий зерна.
Масса 1 000 зерен является одним из важных показателей технологических и хлебопекарных свойств зерна. Он положительно соотносится с крупностью зерновок, стекловидностью, количеством эндосперма и при этом достаточно быстро и несложно определяется на предприятии любого масштаба, что позволяет использовать его для определения эмпирической связи с оптимальной степенью шелушения конкретной партии зерна.
Цель исследования - определение оптимальной степени шелушения конкретной партии зерна, на основе критериального показателя уровня продовольственного использования клейковины зерна пшеницы в зависимости от основных показателей технологических и хлебопекарных свойств зерна.
Ранее были представлены критерии уровня продовольственного использования составных частей зерна, позволяющие учитывать потери крахмала и клейковины в отходы вместе с внешними оболочками, а также применимые для характеристики эффективности обойных помолов и определения уровня продовольственного использования зерна в целом [9]. Для клейковины при шелушении зерна он будет иметь вид:
Лкл. =
Ксл.шз ' ^шз Ксл.из ' ^из
100
где Укл.из и Укл шз - содержание клейковины в исходном и шелушенном зерне, %; Шиз и Шшз - масса исходного и шелушённого зерна.
Проведённые экспериментальные исследования [1, 2], показывают, что зависимость содержания оболочек от крупности зерновки (натура, масса 1 000 зёрен) носит нелинейный характер, поэтому определение зависимостей можно осуществлять методом Бокса - Бенкина, предусматривающим описание поверхности отклика уравнением второй степени [1].
В результате исследования эффективности процесса шелушения зерна в шелушильной машине были выделены факторы (и уровни их варьирования), влияющие на эффективность процесса шелушения [1, 2]. К ним были дополнительно добавлены ещё 2 фактора - масса 1 000 зёрен и выровненность партии зерна. В качества параметра оптимизации выбран критериальный показатель уровня продовольственного использования клейковины зерна (таблица).
Таблица
Факторы матрицы экстремального планирования эксперимента с уровнями варьирования (параметр оптимизации - критериальный показатель уровня продовольственного использования клейковины зерна при шелушении)
Обозначения Масса 1 000 зерён, г, Х1 Выровненность зерна, % Х2 Влажность зерна поступающего на шелушение, % Х3 Производительность установки, кг/ч Х4 Критериальный показатель уровня продовольственного использования клейковины зерна, % У
Верхний уровень (+) 32 80 19 1000
Основной уровень (0) 28 70 17 750
Нижний уровень (-) 24 60 15 500
Для изучения и описания процесса шелушения зерна был выбран план Бокса -Бенкина (В4), согласно которому составили матрицу экспериментов (рис. 1). Экспериментальные исследования проводили на шелушильной установке, разработан-
ной в Саратовском государственном университете генетики, биотехнологии и инженерии им. Н.И. Вавилова (в рамках договора с Фондом содействия инновациям №180ГС1/6784 по программе «СТАРТ»), установленной в поточно -технологической линии по производству муки ООО «Старый мельник» г. Энгельс. В качестве обрабатываемого материала использовали пшеницу мягких сортов, масса партии зерна - 50 кг [1].
Рис. 1. Матрица экспериментов
Рис. 2. Шелушильная машина
Влажность зерна определяли по ГОСТ 13586.5-2015 с использованием шкафа сушильного электрического СЭШ-3М. Массу 1 000 зёрен определяли по ГОСТ 10842-89, выровненность зерна - по ГОСТ 30483-97, количество клейковины - по ГОСТ Р 54478-2011. Массу партии зерна до и после обработки определяли с помощью весов напольных ТБ-Э. Производительность машины задавали величиной (%) открытия шиберной заслонкой на выходе из шелушильной машины [1].
После проведения опытов (см. рис. 1) результаты были проанализированы с помощью статистического программного комплекса Statistica 10.028 (раздел «Планирование эксперимента»), определены коэффициенты регрессии и проведена оценка их значимости (рис. 3).
Учитывая значимость отдельных коэффициентов регрессии (уровень значимости принимали а = 0,05) (см. рис. 3), составили квадратное уравнение регрессии:
у = 76,5 -1,25 • х - 0,96 • х21 -1,17 • х5 +11,0 • х4 - 0,96 • х24. (*)
ЕНви Э1:<1.Егт. 45) Р -95,% +95.% СоеИ. ЭЫ.Егг. -95,% +96.%
РасШг Ш.ит1 СпШт! СоеЯ. СпШт! шит!
МеапЛШегс. 76 52778 0 198956 384,6475 0 000000 76 01635 77,03921 76,52778 0 198956 76,01635 77,03921
{11X1« -2.50000 0.547723 -1.5644 0.006033 -3.90797 -1 09203 -1.25000 0.273861 -1 95398 -0.54602
ХОД) -1.91667 0.596867 -3.2112 0.023697 -3.45096 -0 38237 -0.96833 0.298433 -1.72548 -0.19119
(21X20.) 0,83333 0 547723 1,5215 0,188632 -0,57463 2,24130 0 41667 0,273861 -0,28732 1,12065
Х2{<1( -0,91667 0.596867 -1,5358 0,185185 -2,45096 0,61763 -0.45833 0,298433 -1,22548 0,30881
ДОМ -2,33333 0.547723 4,2601 0 008014 -3,74130 -0,92537 -1,16667 0,273861 -1.87065 -0,46268
Х3(0) 1 08333 0,596867 1,8150 0,129232 -0,46096 2,61763 0,54167 0,298433 -0,22548 1,30881
(4>Х4(Ц 22.00000 0.547723 40,1663 0 000000 20.69203 23.40797 11 00000 0.273861 10,29602 11.70390
Х4[0| -1 91667 0 596867 -3 2112 0 023697 0,088826 -3,45096 -0,38237 -0 95833 0,298433 -1 72548 -0,19119 -1.10967 0.10967
И Ьу21_ -1 00000 0 474342 -2 1082 -2,21933 0,21933 -0.50000 0,237171
11 Ьу20 0,37500 0,711612 0,5270 0.620699 -1,45400 2.20400 0.18750 0,355756 -0,72700 1,10200
■Ю Ьу21_ 0,87500 0,711612 1,2298 0,273487 -0,96400 2,70400 0,43760 0,355756 -0,47700 1,35200
11_Ьу31_ 0,25000 0 474342 0,5270 0,620699 -0,96933 1,46933 0,12500 0,237171 -0,48467 0,73467
1С Ьу 31 -1,25000 0,711512 -1,7568 0,139293 -3,07900 0,57900 -0,62500 0,365756 -1,53950 0,28950
11_Ьу41_ 0,75000 0.474342 1.5811 0,174688 -0,46933 1.96933 0,37500 0,237171 -0,23467 0.98467
Ю Ьу44_ -0,00000 0,711612 -0,0000 1 000000 -1,82900 1,82900 -0.00000 0,355756 -0,91450 0,91450
21_Ьу31_ -0,25000 0 474342 -0,5270 0,620699 -1,4 6 933 0,96933 -0,12500 0,237171 -0,73467 0,48467
21_ Ьу41_ 0,75000 0 474342 1,5811 0,174688 -0,46933 1,96933 0,37500 0,237171 -0,23467 0,98467
31_Ьу41_ 1,00000 0 474342 2.1082 0,088826 -0.21933 2.21933 0 50000 0.237171 -0,10967 1.10967
Рис. 3. Коэффициенты регрессии и их оценка
По полученному уравнению можно подобрать оптимальные режимные параметры шелушильной машины в зависимости от массы 1 000 зёрен конкретной партии зерна, которая определяется любым из способов, приведённых в ГОСТе. Получив лабораторные данные по массе 1 000 зёрен, выровненности партии и влажности зерна после ГТО и используя уравнение регрессии (*), можно рассчитать необходимую производительность машины, которая обеспечит минимальные потери эндосперма (рис. 4).
°0 в! Ф
ГО
Рис. 4. Трехмерные поверхности отклика, характеризующие критериальный показатель уровня продовольственного использования клейковины зерна при шелушении У, %: а -в зависимости от факторов Х1 (масса 1 000 зерён, г) и Х2 (выровненность зерна, %) (при Хз =17 % и Х4 = 750 кг/ч); б - в зависимости от факторов Х1 (масса 1 000 зерён, г)
и Х3 (влажность зерна, %) (при Х2 =70 % и Х4 = 750 кг/ч); в - в зависимости от факторов Х1 и Х4 (при Х2 =70 % и Х3 = 17 %)
Анализируя приведённые графические зависимости, можно сказать, что для шелушения партий зерна с меньшими значениями массы 1 000 зёрен (менее 27 г), высокой выровненностью (выше 78 %) и низкой влажностью (менее 16 %) следует использовать более интенсивные режимы шелушения (меньшую производительность машины) по сравнению с партиями зерна, имеющими более высокую массу 1 000 зёрен.
Полученное уравнение множественной регрессии может быть использовано для выбора оптимальных режимных параметров шелушильной машины, в зависимости от показателей качества конкретной партии зерна, наиболее простых к определению в производственных условиях (к примеру массы 1 000 зёрен), которые обеспечат высокое качество обработки поверхности зерна при минимальном содержании эндосперма в удалённых оболочках.
ЛИТЕРАТУРА
1. Анисимов, А.В. Результаты экспериментальных исследований машины для обработки зерна / А.В. Анисимов. - Текст: непосредственный // Аграрный научный журнал. - 2019. - № 11. - С. 81-86.
2. Анисимов, А. В. Экспериментальное определение влияния конструктивных и режимных параметров шелушильной машины на критерии эффективности процесса шелушения / А.В. Анисимов, Ф.Я. Рудик. - Текст: непосредственный // Инженерные технологии и системы. - 2021. Т.31. - № 4. - С. 577-590.
3. Анисимов, А.В. Прогноз степени шелушения зерна пшеницы от показателей товарного качества зерна на основе уравнений множественной регрессии / А.В. Анисимов. - Текст: непосредственный // Аграрные конференции. - 2022. - № 6(36). - С. 1-4.
4. Статистический анализ технологических показателей качества зерна / М.Ш. Бегеулов. - Текст: непосредственный / / Агрохимия. - 2002. - № 10. - С. 68-73.
5. . Подготовка зерна шелушением на мельницах сортовых помолов пшеницы большой производительности / А. Верещинский. - Текст: непосредственный // Хлебопродукты. - 2010. - № 1. - С. 32-33.
6. Журба, О.С. Влияние шелушения зерна на параметры процесса его измельчения / О.С. Журба, А.В. Карамзин, Л.Н. Крикунова, С.М. Рябова. - Текст: непосредственный / / Хранение и переработка сельхозсырья. - 2012. - № 8. - С. 18-23.
7. Кандроков, Р.Х. Роль шелушения зерна в технологии переработки твердой пшеницы / Р.Х. Кандроков, Г.Н. Панкратов. - Текст: непосредственный // Хлебопродукты. - 2013. - № 3. - С. 44-45.
8. Пасынков, А.В., Прогноз содержания сырой клейковины в зерне пшеницы на основе уравнений множественной регрессии / Д.В. Дубовик, Е.Н. Пасынкова. -Текст: непосредственный // Вестник Курской государственной сельскохозяйственной академии. - 2017. - № 4. - С. 8-14.
9. Anisimov, A.V. Determination of the dependence of the level of food use of wheat gluten on the degree of its peeling / A. V. Anisimov // International scientific and practical conference "Ensuring sustainable development: agriculture, ecology and earth science" (AEES 2021), London, Virtual, 2021. Vol. 1010. London: IOP Publishing Ltd, 2022. - рр. 012166.
10. Dmitriev, A. [et al.] Study of efficiency of peeling machine with variable deck. Engineering for Rural Development. - 2020. - рр. 1053-1058. DOI: 10.22616/erdev.2020.19.tf249.
11. Lochte-Watson KR. [et al.] Fractional composition of grain sorghum (Sorghum bicolor) after wet-peeling in a centrifugal pump. Applied engineering in agriculture. 2000; 16(3): - рр. 253-258.
12. M.R. Martelli [et al.] Adherence within Biological Multilayered Systems: Development and Application of a Peel Test on Wheat Grain Peripheral Tissues. Journal of Cereal Science. 2010; 52 (1): - рр. 83-89.
REFERENCES
1. Anisimov, A.V. Results of experimental studies of a machine for grain processing. Agrarian Scientifi c Journal. 2019; (11): - рр. 81-86.
2. Anisimov, A.V., Rudik F.Ya. Experimental determination of the influence of design and operating parameters of a peeling machine on the efficiency criteria of the peeling process. Engineering technologies and systems. 2021; 31(4): - рр. 577-590.
3. Anisimov, A.V. Forecast of the degree of husking of wheat grains from indicators of commercial grain quality based on multiple regression equations. Agrarian conferences. 2022; 6(36):- рр. 1-4.
4. Begeulov, M.Sh. Statistical analysis of technological indicators of grain quality. Agrochemistry. 2002; (10): - рр. 68-73.
5. Vereshchinsky, A. Preparation of grain by peeling in high-capacity varietal wheat grinding mills. Bread products. 2010; (1): - рр. 32-33.
6. Zhurba O.S., Karamzin A.V., Krikunova L.N., Ryabova S.M. The influence of grain peeling on the parameters of the grinding process. Storage and processing of agricultural raw materials. 2012; (8): - рр. 18-23.
7. Kandrokov, R.Kh., Pankratov G.N. The role of grain peeling in the technology of processing durum wheat. Bread products. 2013; (3): - рр. 44-45.
8. Pasynkov, A.V., Dubovik D.V., Pasynkova E.N. Forecast of raw gluten content in wheat grain based on multiple regression equations. Bulletin of the Kursk State Agricultural Academy.2017; (4): - рр. 8-14.
9. Anisimov, A.V. Determination of the dependence of the level of food use of wheat gluten on the degree of its peeling. International scientific and practical conference "Ensuring sustainable development: agriculture, ecology and earth science" (AEES 2021), London, Virtual, 2021. Vol. 1010. London: IOP Publishing Ltd, 2022. - рр. 012166.
10. Dmitriev, A. [et al.] Study of efficiency of peeling machine with variable deck. Engineering for Rural Development. - 2020. - рр. 1053-1058.
11. Lochte-Watson KR. [et al.] Fractional composition of grain sorghum (Sorghum bicolor) after wet-peeling in a centrifugal pump. Applied engineering in agriculture. 2000; 16(3): -рр. 253-258.
12. M R. Martelli [et al.] Adherence within Biological Multilayered Systems: Development and Application of a Peel Test on Wheat Grain Peripheral Tissues. Journal of Cereal Science. 2010;52 (1):- рр. 83-89.
