CC BY
28
Cloud of Science. 2019. T. 6. № 4 http:/ / cloudofscience.ru
Разработка алгоритма автоматизированного расчета оптимизации аминокислотного состава белка мучной смеси для хлебобулочных изделий1
Н. А. Березина*, А. В. Артемов*, И. А. Никитин**, Н. Г. Иванова**
Орловский государственный университет имени И. С. Тургенева
Московский государственный университет технологий и управления им. К. Г. Разумовского (ПКУ)
e-mail: nikitinia@mgutm.ru
Аннотация. Произведено моделирование мучных смесей для хлебобулочных изделий повышенной биологической ценности. Задача решалась симплекс-методом с искусственным базисом, относящимся к численным оптимизационным методам решения задач линейного программирования. Построена математическая модель состава поликомпонентной мучной смеси с учетом наличия минимального количества незаменимых аминокислот. Разработана и реализована автоматизированная система научных исследований для моделирования состава мучных смесей с заданными функциональными характеристиками. Оптимизирован состав мучных смесей для хлебобулочных изделий по аминокислотному скору и биологической ценности. Применение разработанного программного комплекса позволяет создать рецептурные составы для ржано-пшеничного хлеба с биологической ценностью на 6,12-17,66% выше, чем у традиционных хлебобулочных изделий.
Ключевые слова: поликомпонентные мучные смеси, хлебобулочные изделия, аминокислотный скор, биологическая ценность.
1. Введение
Важнейшей отраслью экономики любой страны является пищевая промышленность, занимающая центральное положение в переработке сельскохозяйственного сырья и продовольственном снабжении, что обуславливает ее социальное значение для населения. Однако научные исследования в этой отрасли отличаются невысокой интенсивностью, связанной с некоторой инертностью во внедрении в промышленное производство. Тем не менее наукоемкие подходы и инновационные решения являются важным инструментом для пищевой индустрии, так как позволяют
1 Работа выполнена при поддержке гранта РФФИ № 19-016-00049.
Н. А. Березина, А. В. Артемов, И. А. Никитин, Н. Г. Иванова
Разработка алгоритма
автоматизированного расчета оптимизации амино-кислотного состава белка мучной смеси для хлебобулочных изделий
повысить конкурентоспособность продукции за счет удовлетворения ожидания потребителей. Перспективным направлением в этой сфере является создание пищевых продуктов с направленно измененным химическим составом функционального назначения [13, 18]. Функциональные виды продукции набирают все большую популярность у потребителей. Во многом это обусловлено увеличением стоимости здравоохранения и продолжительности жизни, а также стремлением улучшить ее качество у потребителей пожилого возраста [17].
Сложность задачи расчета рецептур пищевых продуктов усугубляется большим количеством используемых видов основного и вспомогательного сырья и других рецептурных ингредиентов, в связи с чем расчет рецептур сопровождается выполнением большого объема рутинных вычислений, требует значительных затрат времени, имеет высокую вероятность возникновения и накопления ошибок в вычислениях. Решение таких задач фактически невозможно без использования современных компьютерных технологий [16].
Автоматизированное проектирование новых материалов [20], в том числе пищевых рецептур, приобретает все большее значение в научных исследованиях, что во многом обусловлено возросшими возможностями современных вычислительных средств [15].
Автоматизированное проектирование рецептур дает возможность быстро и с относительно низкими затратами создать пищевой продукт с требуемыми характеристиками пищевой и биологической ценности на основе научнообоснованных подходов к подбору пищевых ингредиентов [21].
Целью данной работы является разработка программного комплекса для автоматизированного расчета состава мучной смеси для хлебобулочных изделий повышенной биологической ценности путем оптимизации состава белка.
2. Постановка и анализ задачи разработки автоматизированной системы научных исследований для расчета оптимизированного состава белка мучной смеси
Отсутствие в природе продукта, в котором были бы все вещества, необходимые организму, может восполниться комбинацией ингредиентного состава рецептурных композиций пищи. В связи с этим создание обогащенных многокомпонентных рецептурных композиций мучных смесей для хлеба, имеющих химический состав, соответствующий современным физиологическим нормам питания, является актуальной задачей [12].
Белковая составляющая пищи, являясь ее ключевым компонентом, определяет в целом характер питания. Физиологически необходимый уровень белка позволяет проявить в организме функции других компонентов пищи. В продуктах должен со-
держаться определенный аминокислотный состав белка, включающий заменимые и незаменимые аминокислоты. При этом наибольшее значение имеет содержание незаменимых аминокислот. Отсутствие хотя бы одной незаменимой аминокислоты в составе белка позволяет считать его биологически неполноценным. В белке пищевых продуктов количество незаменимых аминокислот может быть существенно больше или меньше их количества в эталоне ФАО/ВОЗ [14]. В связи с этим при постановке задачи разработки автоматизированной системы научных исследований для расчета оптимизированного состава белка является формализация, учитывающая взаимосбалансированность незаменимых аминокислот. Чем ближе это соотношение к идеальному, рекомендуемому ФАО/ВОЗ, тем более полезен и сбалансирован по составу данный продукт.
Для обоснования рецептур поликомпонентных смесей для хлебопекарного производства могут быть использованы методы математического моделирования подбора композиционного состава.
При этом предварительно выбираются сырьевые компоненты смеси с высоким содержанием белка и биологической ценностью.
Оптимизацию состава мучных смесей осуществляли по показателю биологической ценности.
БЦ = 100 - КРАС, (1)
У АК - АК
_ ^^ скор лимит /■2(\
" 8 , () где БЦ — биологическая ценность белка рецептурной композиции; КРАС — коэффициент различия аминокислотного скора; АК — аминокислотный скор определенной незаменимой аминокислоты, доли ед.; АК^^ — аминокислотный скор лимитирующей аминокислоты, доли ед.
Биологическая ценность — комплексная характеристика, показывающая качество белковых компонентов смеси. Чем меньше КРАС, тем выше биологическая ценность белка смеси.
Для разработки эффективного по времени и точности работы алгоритма расчета состава смеси необходимо проанализировать заданную предметную область и поставленную задачу. В общем виде задача формулируется следующим образом: смоделировать компонентный состав смеси для хлебобулочных изделий, обеспечивающий содержание незаменимых аминокислот не ниже заданного значения, содержащий по возможности максимальное количество белка, обеспечивающий заданное соотношение белков к углеводам (4:1) и обладающий вкусовыми свойствами, удовлетворяющими большинство потребителей. Подобная задача может быть сведена к задаче линейного программирования, где в качестве целевой функции
Н. А. Березина, Разработка алгоритма
А. В. Артемов, автоматизированного расчета оптимизации
И. А. Никитин, амино-кислотного состава белка мучной
Н. Г. Иванова смеси для хлебобулочных изделий
выбирается значение биологической ценности белка в получаемой мучной смеси, а ограничения будут задавать необходимые минимальные значения важных аминокислот и микроэлементов. Тогда получаемая задача будет решаться симплекс-методом с искусственным базисом, что может вызвать сложности, заложенные в реализации метода искусственного базиса. Однако самое важное условие, не позволяющее применять методы решения задач линейного программирования, будет заключаться в том, что крайне сложно формализовать определение органолептиче-ских и вкусовых свойств получаемого из данной смеси хлеба.
Поставленная задача состоит из двух этапов: задание необходимых начальных данных об ингредиентах смеси и аминокислотах и, собственно, проведение необходимых вычислений.
Подбор компонентов смеси осуществлялся на основе анализа литературных данных [19]. Характеристика сырьевых ингредиентов для расчета состава мучной смеси для хлебобулочных изделий представлена в табл. 1.
Таблица 1. Характеристика сырьевых компонентов для мучной смеси
Наименование сырья Значения показателей
Белок, мг в 100 г Незаменимые аминокислоты, мг в 100 г Биологическая ценность, %
Ржаная мука 11.7 3419 55
Пшеничная мука 8.9 4115 62
Гречневая мука 14.0 4577 66
Чечевица 24.8 9620 67
Соевая мука 48.9 14240 74
Сухое обезжиренное молоко (СОМ) 37.9 16628 85
Семена кунжута 19.8 7101 73
Семена подсолнечника 20.7 7419 56
Яичный порошок 46.0 20480 87
Желатин 87.2 13460 67
Семена горчицы 37.1 9094 67
Как видно из данных, представленных в табл. 1, выбранные сырьевые компоненты содержат в 1.3-4.9 раз больше незаменимых аминокислот и в 1.4-9.7 раза больше белка, чем ржаная и пшеничная мука. При этом наибольшую биологическую ценность имеет сухое молоко, яичный порошок, соевая мука и кунжут.
Решение задачи возможно путем построения сложной аддитивной целевой функции с весовыми коэффициентами, значения которых должны определяться
экспертами. Это превращается в серьезную проблему при стандартном подходе к решению поставленной задачи.
Из вышесказанного можно сделать вывод, что процесс получения оптимального состава хлебобулочной смеси является сложной научной задачей, для решения которой необходимо разработать и реализовать автоматизированную систему научных исследований.
3. Алгоритм работы системы научных исследований. Математическая формализация
Алгоритм работы такой системы заключается в реализации двух последовательных процессов: «сгенерировать решение — проверить решение», т. е. в получении определенной смеси и проверке ее на соответствие заданным ограничениям. Это позволит получать набор решений, близких к оптимальному, с учетом требований пользователя с помощью варьирования параметрами целевых функций: отклонением от оптимальных значений и максимальным отклонением от вычисляемых параметров (например, для отношения углеводов к белкам). Такой способ позволит быстро и эффективно изменять в случае необходимости модель, добавляя или изменяя ограничения или вводя новые частные целевые функции.
Предложенный способ возможен благодаря возросшим возможностям современных вычислительных средств, когда даже полный перебор всех вариантов состава смеси из десяти компонентов, где каждый компонент может принимать 100 различных значений (например, изменяется от 0 до 100% в одной единице массы смеси), занимает всего несколько минут. Такое время обсчета модели является приемлемым и позволяет использовать предложенный принцип в научных исследованиях. Подобное решение фактически представляет собой проведение полнофакторного вычислительного эксперимента, где в качестве факторов выступают массовые доли компонентов мучной смеси. Это позволит исследовать все варианты получения мучной смеси, а изменение параметров модели даст возможность получать решения с различной необходимой в тех или иных ситуациях степенью точности.
Таким образом, алгоритм получения вариантов состава поликомпонентной мучной смеси для заданного набора ограничений и целевых функций реализуется с помощью следующих шагов:
1. Задание исходных данных для расчета параметров смеси. На данном шаге задаются возможные компоненты смеси, а также их количественные характеристики.
2. Задание интервалов и шагов изменения компонентов смеси. Задание данных параметров позволит ограничить массовую долю каждого компонента смеси в за-
Н. А. Березина, А. В. Артемов, И. А. Никитин, Н. Г. Иванова
Разработка алгоритма
автоматизированного расчета оптимизации амино-кислотного состава белка мучной смеси для хлебобулочных изделий
висимости от потребностей и задач исследователя, а задание шага изменения массовой доли для каждого компонента позволит получить необходимую точность при дальнейшем расчете смеси и ее физическом производстве.
3. Выбор используемых в смеси компонентов. На данном этапе имеется возможность выбора только тех продуктов, которые необходимо использовать в смеси.
4. Задание минимального значения биологической ценности полученной смеси. Данный параметр позволяет ограничить количество получаемых условно оптимальных решений, позволяя получать смеси с очень высокой биологической ценностью. Снижение данного параметра позволит увеличить количество получаемых вариантов смеси для оценки их по другим параметрам.
5. Задание максимального отклонения от оптимального отношения углеводов к белкам в смеси. Строгое выполнение оптимального отношения углеводов к белкам (4:1) очень сложно достижимо при получении конкретных вариантов смеси, поэтому задание данного параметра позволит получать смеси, близкие к оптимальным с заданным значением отклонения.
6. Проведение расчетов.
7. Анализ полученных результатов, изменение параметров модели и новый прогон модели в случае необходимости.
8. Использование полученных вариантов смеси для проведения натурных экспериментов.
На сегодняшний день данная задача решается следующими методами: использование стандартных компонентов оптимизации в пакетах офисных программ, применение метода Монте-Карло, метода Ньютона, симплекс-метода. Рассмотрим существующие способы и программные реализации с помощью различных прикладных программ и сред.
Моделирование состава смесей сбалансированного состава осуществляется с помощью различных подходов. Один их них предполагает оптимизацию составов пищевых блюд на основе баланса потребностей в тех или иных веществах при заданным ограничениях [4]. Недостатком предлагаемого способа оптимизации является сложность в обеспечении технологичности оптимизированных ингредиентных составов и громоздкость расчетов. Установлено повышение пищевой и биологической ценности хлеба при введении белковых концентратов за счет повышения переваримости и улучшения качественного и количественного аминокислотного состава изделий.
На текущий момент разработаны инструментальные средства в виде методик оценки конкурентоспособности предприятий хлебопекарной промышленности и уровня качества хлебобулочных изделий, пакетов прикладных программ [7]. Недо-
статком предлагаемого способа является применение в качестве критериев оптимизации состава хлебобулочных изделий его конкурентоспособности и уровня качества за счет введения только белкового концентрата без учета его сбалансированности с углеводами и изменения минерального состава хлебобулочных изделий. Аналогичные недостатки имеют работы, направленные на улучшение биологической ценности изделий за счет внесения одного-двух ингредиентов без учета важных пищевых составляющих рациона питания, таких как содержание минеральных веществ, их сбалансированность, а также сбалансированность белков и углеводов в продукте [8].
Предлагаемый авторами подход к проектированию композиционных смесей для хлебобулочных изделий [1, 10, 11] предлагает использование прикладных компьютерных программ для формирования их состава. Однако при этом формируется не весь состав мучной смеси, а только лишь некоторая составляющая, т. е. предлагается белковая добавка полноценного состава, дозировка которой должна быть определена дополнительно.
Предложен подход к проектированию состава смесей, в котором в качестве критерия оптимизации предлагается использовать гликемический индекс [5]. Однако гликемический индекс характеризует только углеводную составляющую смесей, что не может служить однозначным критерием для формирования их состава.
Существуют различные программные продукты для расчета рецептур. Одно из наиболее распространенных является использование офисного приложения MS Excel [2]. Недостатком этого способа расчета является неудобство пользования в связи с отсутствием автоматизированного ввода данных, получения единственного результата для заданных параметров, отсутствие гибкости при оценке критериев оптимальности.
Специальный программный комплекс Elaton позволяет проектировать многокомпонентные рецептуры продуктов. Существенным недостатком является отсутствие возможности многокритериальной оптимизации. Программный комплекс «Разработка рецептур композиций из растительного сырья» предназначен для расчета пищеконцентратов повышенной биологической ценности. Недостатком данной программы является отсутствие возможности оптимизации рецептур по аминокислотному составу.
Компания «Эксперт-Софт» предлагает программный комплекс «Технолог-хлебопек», «Технолог-кондитер», «Технолог-кулинар», предназначенный для предприятий пищевой промышленности. Эти программы служат для разработки технологической документации и рецептур для пищевых предприятий. Основным недостатком вышеуказанных программ является отсутствие возможно научнообос-нованной оптимизации рецептур. Разработаны программные комплексы управле-
Н. А. Березина, А. В. Артемов, И. А. Никитин, Н. Г. Иванова
Разработка алгоритма
автоматизированного расчета оптимизации амино-кислотного состава белка мучной смеси для хлебобулочных изделий
ния системами баз данных, позволяющих формировать отчетную документацию (Шеф-эксперт, АВЕРС: расчет меню питания, Вижен-Софт: Питание в детском саду). Эти программы не предусматривают оптимизации рецептур по пищевой и биологической ценности.
Также был проведен патентный поиск по базе данных официальных регистра-ций программ для ЭВМ. Было найдено порядка 16 программ для ЭВМ, позволяющих выполнить схожие расчеты [3, 6, 9]. Анализ описаний этих программ выявил, что ни одна из 16 программ не предназначена именно для расчета мучной поликомпонентной смеси, а также не проводит многокритериальную оптимизацию с возможностью получения множества условно оптимальных решений.
Таким образом, общим недостатком существующих программ и способов оптимизации составов смесей является отсутствие подсистемы (модуля) оптимизации рецептуры по совокупности критериев биологической, минеральной ценности с учетом усвояемости вносимых ингредиентов. Проблемы оптимизации состава хлебобулочной смеси в описанных выше работах решаются такими математическими методами, как: симплекс-метод, метод Монте-Карло, метод Ньютона.
Данные методы обладают следующими недостатками:
1. Получение только одного варианта смеси.
2. Использование только одной целевой функции для оптимизации решения и выбора вариантов.
3. Существенные изменения в модели и решении при изменении исходных данных: изменении числа компонентов смеси или числа учитываемых аминокислот.
Суть первого недостатка заключается в следующем: полученное с помощью модели оптимальное решение для мучной смеси, являясь соответствующим заданной целевой функции, при экспериментальной проверке может показать неудовлетворительное качество хлеба. Для решения этой проблемы целесообразно получение множества близких к оптимальному решений, из которых выбирается несколько для проведения натурных экспериментов с последующим изготовлением хлеба и оценки его потребительских свойств.
В качестве исходных данных используется перечень сырья для моделирования состава смеси при производстве продукта. Для каждого сырьевого компонента указывается в 1 г белка содержание наиболее дефицитных аминокислот. Для хлеба дефицитными аминокислотами являются лизин, треонин, а также сумма метионина и цистина. В качестве коэффициентов целевой функции выступают значения белка в 1 г сырья, также в исследовании учитываются граничные данные для каждого компонента в составе смеси. Для примера рассмотрим хлебобулочное изделие, состоящее из набора сырьевых компонентов, приведенных в табл. 1 , в которых указано
содержание дефицитных аминокислот в 1 г белка, представленное в табл. 2. Кроме этих данных, в систему необходимо включить дополнительные ограничения: оптимальное количество дефицитных аминокислот в соответствии с рекомендацией ФАО/ВОЗ и различные характеристики смеси для изделия (например, соотношение муки ржаной и пшеничной муки 60:40).
Таблица 2. Содержание дефицитных аминокислот в сырьевых компонентах
для мучной смеси
Наименование сырья Значения показателей
лизин, мг в 1 г треонин, мг в 1 г метионин+цистин, мг в 1 г
Ржаная мука 34.34 36.36 42.63
Пшеничная мука 29.60 24.00 34.96
Гречневая мука 42.06 31.75 45.22
Чечевица 71.67 40.00 51.59
Соевая мука 59.80 39.80 30.66
Сухое обезжиренное молоко (СОМ) 56.97 44.56 32.24
Семена кунжута 28.56 39.59 45.05
Семена подсолнечника 34.30 42.75 37.97
Яичный порошок 51.74 57.39 47.83
Желатин 43.20 14.90 1.70
Семена горчицы 49.11 42.75 34.46
Дополнительные ограничения:
1. Содержание наиболее дефицитных аминокислот в смеси белков должно быть следующим:
- лизин > 30 (больше или равно мг в 1 г белка);
- треонин > 20;
- метионин+ цистин > 15.
2. Сумма всех компонентов смеси = 1, т. е. 1 г белка.
3. Количество смеси ржаной и пшеничной муки > 70 или 0.7 единиц от суммы всех белков.
4. Соотношение ржаной и пшеничной муки.
5. Допустимые максимальные дозировки дополнительного сырья, не оказывающие отрицательного влияния на качество готового хлеба.
Допустимые максимальные дозировки выбранного сырья в составе мучной смеси для хлеба определялись экспериментально. Для этого проводились пробные выпечки хлеба из ржано-пшеничных смесей с заменой от 5 до 15% пшеничной му-
Н. А. Березина, Разработка алгоритма
А. В. Артемов, автоматизированного расчета оптимизации
И. А. Никитин, амино-кислотного состава белка мучной
Н. Г. Иванова смеси для хлебобулочных изделий
ки на гречневую муку, чечевицу, соевую муку, кунжут, семена подсолнечника, яичный порошок, сухое обезжиренное молоко и заменой от 1.5, до 6% на семена горчицы и желатин. Приготовление хлебобулочных изделий осуществляли методами, принятыми в хлебопечении.
Данные результатов исследований позволили установить, что допустимыми границами использования белковых обогатителей в составе мучной смеси для хлеба являются (не более):
- для горчичного порошка и желатина — 3%;
- для остальных ингредиентов —15%.
При разработке вариантов состава смесей и выборе минимальной и максимальной дозы компонентов принимаются во внимание следующие допущения:
- количество смеси ржаной и пшеничной муки должна быть менее 70%;
- суммарное количество сырья в смеси составляет 100%.
Математическая формализация поставленной задачи может быть представлена следующим образом:
0.999х, + 0.125х, + ...0.125ж ^тах;
12 П '
'34.9х + ...43.3хя > 30,
36.36х +... + 43.3хи > 20,
42.6х +... +1.7х > 15,
1 , (3)
\ х + ...Хп > 0.7, ()
0.05 < х < 0.4,
х +... + х = 1.
^ 1 п
4. Реализация программы автоматизированной системы научных исследований
Получаемая задача решалась симплекс-методом с искусственным базисом, относящимся к численным оптимизационным методам решения задач линейного программирования. Компьютерный комплекс автоматизированной системы исследования позволяет получить некоторое множество решений задачи оптимизации, что позволит произвести выбор оптимального решения, основываясь на комплексном показателе качества конечного продукта — хлебобулочного изделия.
Исходя из вышесказанного, предложенный метод моделирования состава хлеба должен обладает следующими свойствами:
1. Инвариантность решения от количества учитываемых аминокислот и количества используемых компонентов смеси.
2. Приемлемое время работы алгоритмической реализации метода.
3. Возможность быстрой адаптации и изменения метода при добавлении новых ограничений смеси или изменении текущих.
4. Возможность получения нескольких вариантов смеси для дальнейшего выбора оптимального из них по органолептическим свойствам.
5. Возможность быстрой настройки и изменения параметров работы алгоритма реализации метода.
На основе разработанной математической модели и предложенного алгоритма расчета поликомпонентной смеси был разработан и реализован прототип автоматизированной системы научных исследований для расчета оптимизированного аминокислотного состава белка мучной смеси. Данная система была разработана на языке высокого уровня 0Ь^еС;Ра8са1 с использование ГОБВог1аМБе1рЫ 7.0.
Данная система позволяет загружать различные данные о компонентах смеси, редактировать уже имеющиеся данные и значения, сохранять результаты проведенных исследований, а также гибко проводить саму процедуру исследования.
Для данной системы были разработаны форматы входных и выходных файлов, внутренние структуры для оптимального хранения и обработки информации, а также реализован алгоритм расчета, показывающие результаты, адекватно отражающие известные теоретические знания и практические результаты в области получения и анализа поликомпонентных мучных смесей.
Пример работы разработанной автоматизированной системы научных исследований представлен на рис. 1.
Рисунок 1. Результаты работы автоматизированной системы научных исследований
Н. А. Березина, Разработка алгоритма
А. В. Артемов, автоматизированного расчета оптимизации
И. А. Никитин, амино-кислотного состава белка мучной
Н. Г. Иванова смеси для хлебобулочных изделий
В результате работы автоматизированной системы научных исследований было сгенерировано более 100 мучных смесей. После анализа расчетных данных было отобрано 10 смесей с показателем биологической ценности не менее 75%.
Данные биологической ценности расчетных смесей представлены на рис. 2. Контролем служила ржано-пшеничная смесь без добавок.
Рисунок 2. Характеристика биологической ценности мучных смесей, сгенерированных программным комплексом
Установлено, что применение программного комплекса позволяет создать рецептурные составы для ржано-пшеничного хлеба с биологической ценностью на 6.12-17.66% выше, чем у контроля. Из них изготавливались хлебобулочные изделия способами, принятыми в хлебопечении. Определено, что опытные хлебобулочные изделия имеют физико-химические и органолептические показатели качества не ниже установленных норм для данного вида продукции.
5. Заключение
Разработанная компьютерная программа автоматизированной системы научных исследований позволила произвести оптимизацию состава мучных смесей для хлебобулочных изделий из смеси ржаной и пшеничной муки по биологической ценности. Это достигалось математической формализации задачи учитывающей ограничения по оптимальному содержанию нетрадиционного сырья и количеству дефицитных для хлебобулочных изделий аминокислот, таких как лизин, треонин и сумма метионина с цистином. Это позволило сгенерировать мучные смеси с биологической ценностью выше на 6.12-17.66% по сравнению с контрольным образцом и показателями качества, традиционными для данного вида продукции.
Дальнейшее развитие данных исследований будет заключаться в доведении разработанного прототипа автоматизированной системы научных исследований до промышленного образца, проведении серии исследований получаемого готового продукта (хлеба), а также проведении исследований потребительских предпочте-
ний полученных готовых рецептур, обладающих оптимизированным аминокислотным составом, для запуска подобной продукции в серийное производство.
Также немаловажным направлением исследований будет интеграция разработанной автоматизированной системы с автоматизированными системами управления технологическими процессами, применяемыми на хлебобулочных предприятиях. Это позволит осуществить непрерывный процесс от момента расчета параметров поликомпонентной мучной смеси до запуска нового продукта в производство и настройки соответствующих параметров оборудования (например, дозаторов). Для этого необходимо разработать соответствующие программно-аппаратные интерфейсы взаимодействия разработанной системы с программно-аппаратными комплексами промышленного оборудования.
Еще одним возможным направлением исследования может стать доработка системы в качестве облачного сервиса в сети интернет. Подобное решение позволит различным предприятиям и ученым проводить исследования на своих рабочих местах без необходимости установки разработанной автоматизированной системы. Также подобный механизм позволит накапливать базу данных различных рецептур хлебобулочных смесей, анализировать их, оценивать их вкусовые и потребительские качества различными исследователями и предприятиями и накапливать для каждого варианта смеси интегральные оценки.
Литература
[1] Воропаева О. Н. Разработка технологии хлебобулочных изделий с мучными композитными смесями: автореф. дисс. ... канд. техн. наук. — Воронеж, 2008.
[2] Демина И. А., Кубанцева В. С. Исследование и расчет состава мучных композитных смесей при помощи задач линейного программирования MS Excel // Вестник КАСУ. 2009. № 1.
[3] Касьянов Г. И., Косенко О. В., Белоусова С. В., Зюзина О. Н., Николенко Н. С., Хоб-та Л. В. Определение биологической ценности продукта путем анализа аминокислотного состава с определением лимитирующих аминокислот методами динамического программирования для сканирующих неоднородностей. Программа для ЭВМ. № 2014611486. Зарегистрировано в Реестре программ для ЭВМ 04.02.2014.
[4] Киселев В. М., Першина Е. Г. Эволюционная методология проектирования функциональных продуктов питания // Пищевая промышленность, 2009. № 11. С. 57-59.
[5] Короткова О. Г. Разработка технологии и товароведная оценка хлебопекарных смесей и изделий на их основе: автореф. дисс. ... канд. техн. наук. — Кемерово, 2011.
[6] Куракин М. С., Некрасов П. А. Расчет пищевой ценности рационов питания. Программа для ЭВМ. № 2013618379. Зарегистрировано в Реестре программ для ЭВМ 06.09.2013.
Н. А. Березина, А. В. Артемов, И. А. Никитин, Н. Г. Иванова
Разработка алгоритма
автоматизированного расчета оптимизации амино-кислотного состава белка мучной смеси для хлебобулочных изделий
[7] Медведев П. В. Системный анализ свойств сырья и научные основы управления качеством хлеба путем использования белковых концентратов. Автореф. дисс. ... канд. техн. наук. Кемерово, 2004. 26 с.
[8] Полякова Е. Д., Демина Е. Н. Использование гидролизованного кукурузного глютена в пищевых технологиях // Технология и товароведение инновационных пищевых продуктов, 2012. № 6. С. 25-30.
[9] Родионова Н. С., Попов Д. С., Попов Е. С., Пожидаева Е. А. Оптимизация жирнокис-лотного состава поликомпонентной пищевой системы. Программа для ЭВМ. № 2015660193. Зарегистрировано в Реестре программ для ЭВМ 24.09.2015.
[10] Санина Т. В., Пономарева Е. И., Воропаева О. Н. Оптимизация рецептуры композитной смеси //Хлебопечение России. 2007. № 1. С. 18-19.
[11] Санина Т. В., Пономарева Е. И., Воропаева О. Н. Проектирование хлебобулочных изделий повышенной пищевой ценности // Хранение и переработка сельхозсырья. 2008. №
[12] Casala E., Matthys C., Péter S., ..., Roe M. Monitoring and addressing trends in dietary exposure to micronutrients through voluntarily fortified foods in the European Union // Trends in Food Science & Technology. 2014. Vol. 37. No. 2. P. 152-161.
[13] Diplock A. T., Aggett P. J., ..., RoberfroidM. B. Scientific concepts in functional foods in Europe: consensus document // British Journal of Nutrition. 1999. Vol. 81. No. 1. P. 1-27.
[14] Energy and protein requirement Report of a joint FAO/WHO ad hoc expert consultation // WHO tech/ Ref. Ser. № 724. — Geneva : WHO, 1985.
[15] Gao H. Modelling strategies for nano- and biomaterials, in European White Book on Fundamental Research in Materials Science. — Germany : Max Planck Inst., 2001. P. 144-14.
[16] Hu R. Food product design: a computer-aided statistical approach. — CRC Press, 1999.
[17] Bigliardi B., Galati F. Innovation trends in the food industry: the case of functional foods //
Trends in Food Science & Technology. 2013. Vol. 31. No. 2. P. 118-129.
[18] Oliviero T. A., Verkerk R. and Dekker M. Research approach for quality based design of healthy foods // Trends in Food Science & Technology, 2013. Vol. 30. No. 2. P. 178-184.
[19] Pokrovsky A. A. Chemical composition of food products. — Moscow : Food industry, 1979. 289 p.
[20] Rickman J. M. and LeSar R. Computational materials research // Ann. Rev. Mater. Res. 2002. Vol. 32. No. 1. (doi: 10.1146/annurev.mr.32.010101.100002)
[21] Ronteltap A., Sijtsema S. J., Dagevos H. and de Winter M. A. Construal levels of healthy eating. Exploring consumers' interpretation of health in the food context // Appetite, 2012. Vol. 59. No. 2. P. 333-340.
4. С. 65-67.
Авторы:
Наталья Александровна Березина — кандидат технических наук, доцент, заведующий кафедрой «Технологии продуктов питания и организации ресторанного дела», Орловский государственный университет имени И. С. Тургенева
Андрей Владимирович Артемов — кандидат технических наук, доцент кафедры «Информационные системы», Орловский государственный университет имени И. С. Тургенева
Игорь Алексеевич Никитин — кандидат технических наук, доцент, заведующий кафедрой «Технологии переработки зерна, хлебопекарного, макаронного и кондитерского производств», Московский государственный университет технологий и управления имени К. Г. Разумовского (ПКУ)
Наталья Геннадьевна Иванова — кандидат технических наук, доцент кафедры «Технологии переработки зерна, хлебопекарного, макаронного и кондитерского производств», Московский государственный университет технологий и управления имени К. Г. Разумовского (ПКУ)
Development of an Algorithm of an Automated Calculation of the Optimization Bread Flour Protein Amino Acid Composition
N. A. Berezina*, A. V. Artemov*, I. A. Nikitin**, N. G. Ivanova"
*Orel State University named after I. S. Turgenev, 95, Komsomolskaya st., Orel, Russia 302026
**K. G. Razumovsky Moskow State University of technologies and management (the First Cossack
University), 73, Zemlyanoy Val, Moscow 109004
e-mail: nikitinia@mgutm.ru
Abstract. Modeling of flour mixtures for bakery products of increased biological value is done. The problem is solved by a simplex method with an artificial basis related to numerical optimization methods for solving linear programming problems. A mathematical model of the composition of a polycomponent flour mixture has been constructed. The model is taking into account the minimal amount of essential amino acids. An automated scientific research system for modeling the composition of flour mixtures with specified functional characteristics was developed and implemented. The composition of flour mixes for bakery products has been optimized according to the target values of the amino acid score and biological value. Application of the developed software package allows to create prescription compounds for rye-wheat bread with a 6.12-17.66% higher biological value than traditional bakery products. Keywords: modeling, simplex method, polycomponent flour mixture, bakery products, biological value, quality.
References
[1] Voropayeva O. N. (2008) Razrabotka tekhnologii khlebobulochnykh izdeliy s muchnymi kompozitnymi smesyami. Tesis (Voronezh). [In Rus]
[2] Demina I. A., Kubantseva V. S. (2009) VestnikKASU, (1):233. [In Rus]
[3] Kas'yanov G. I., Kosenko O. V. et al. (2014) Opredeleniye biologicheskoy tsennosti produkta putem analiza aminokislotnogo sostava s opredeleniyem limitiruyushchikh aminokislot metodami dinamich-eskogo programmirovaniya dlya skaniruyushchikh neodnorodnostey. Svidetel'stvo o registratsii pro-grammy dlya JeVM no. 2014611486. Opubl. 04.02.2014. [In Rus]
Н. А. Березина, А. В. Артемов, И. А. Никитин, Н. Г. Иванова
Разработка алгоритма
автоматизированного расчета оптимизации амино-кислотного состава белка мучной смеси для хлебобулочных изделий
[4] Kiselev V. M., Pershina E. G. (2009) Pishchevayapromyshlennost', (11):57-59. [In Rus]
[5] Korotkova O. G. (2011) Razrabotka tekhnologii i tovarovednaya otsenka khlebopekarnykh smesey i izdeliy na ikh osnove. Tesis (Kemerovo). [In Rus]
[6] Kurakin M. S., Nekrasov P. A. (2013) Raschet pishchevoy tsennosti ratsionov pitaniya. Svidetel'stvo o registratsii programmy dlya JeVM no. 2013618379. Opubl. 06.09.2013. [In Rus]
[7] Medvedev P. V. (2004) Sistemnyy analiz svoystv syr'ya i nauchnyye osnovy upravleniya kachestvom khleba putem ispol'zovaniya belkovykh kontsentratov. Tesis (Kemerovo). [In Rus]
[8] Polyakova E. D., Demina E. N. (2012) Tekhnologiya i tovarovedeniye innovatsionnykh pishchevykh produktov, (6):25-30. [In Rus]
[9] Rodionova N. S., Popov D. S., Popov E. S., Pozhidayeva E. A. (2015) Optimizatsiya zhirnokislotnogo sostava polikomponentnoy pishchevoy sistemy. Svidetel'stvo o registratsii programmy dlya JeVM no. 2015660193. Opubl. 24.09.2015. [In Rus]
[10] Sanina T. V., Ponomareva E. I., Voropayeva O. N. (2007) Khlebopecheniye Rossii, (1):18-19. [In Rus]
[11] Sanina T. V., Ponomareva E. I., Voropayeva O. N. (2008) Khraneniye i pererabotka sel'khozsyr'ya, (4):65-67. [In Rus]
[12] Casala E., Matthys C., ..., and Roe M. (2014) Trends in Food Science & Technology, 37(2):152-161.
[13] Diplock A. T., Aggett P. J., ..., and Roberfroid M. B. (1999) British Journal ofNutrition, 81(1):1-27.
[14] Energy and protein requirement Report of a joint FAO/WHO ad hoc expert consultation/ WHO tech / Ref. Ser. no. 724. Geneva, WHO, 1985.
[15] Gao H. (2001) Modelling strategies for nano- and biomaterials. In European White Book on Fundamental Research in Materials Science (Germany, Max Planck Inst.), pp. 144-149.
[16] Hu R. (1999) Food product design: a computer-aided statistical approach (CRC Press).
[17] Bigliardi B., Galati F. (2013) Trends in Food Science & Technology, 31(2):118-129.
[18] Oliviero T. A., VerkerkR., Dekker M. (2013) Trends in Food Science & Technology, 30(2):178-184.
[19] Pokrovsky A. A. (1979) Chemical composition offood products. (Moscow, Food industry). [In Rus]
[20] Rickman J. M., LeSar R. (2002) Annual Review of Materials Research, 32(1).
[21] Ronteltap A., Sijtsema S. J., Dagevos H., de WinterM. A. (2012) Appetite, 59(2):333-340.
