本发明涉及生产过程监控领域,尤其涉及一种高盐稀态酱油酿造过程监控方法。
背景技术:
1、酱油产业是我国调味品行业的第一大产业。发酵酱油工艺主要分为2种:一是传统的低盐固态发酵,二是高盐稀态发酵。高盐稀态发酵酱油传承了我国传统发酵工艺,是以大豆或脱脂大豆、小麦或小麦粉为原料,经蒸煮、曲霉菌制曲后与盐水混合成稀醛,再经发酵制成的酱油。一般发酵期在3~6个月,具有产品品质高、香气成分多、营养物质丰富、酯香突出、口感更鲜美等优点。
2、不同厂家对酱油酿造过程中的生产周期、投料时间、发酵温度、生产设备等各种因素不同都会对酿造过程中理化指标变化规律造成影响,形成波动,针对理化指标的波动目前行业中企业通常会通过扩宽理化指标标准范围进行应对,此方式虽然降低了误报异常的频率,但也同时造成了对不同条件下的高盐稀态酱油酿造过程进行监控未必可以及时发现酿造异常的情况。
技术实现思路
1、基于此,针对目前高盐稀态酱油酿造过程理化指标波动较大,造成监控标准设置较困难,标准设置较窄时容易出现误报,标准设置较宽时酿造过程出现异常未必能及时发现。针对这种情况,本发明提出一种针对高盐稀态酿造酱油所适用的误报率更低且灵敏度更高的理化指标监控方式。
2、为实现上述目的,本发明提供如下技术方案:一种高盐稀态酱油酿造过程监控方法,包括以下步骤:
3、s1:用方差分析的方法分析不同影响因素对高盐稀态酱油酿造过程主要理化指标的影响程度;
4、s2:根据影响显著的因素,将数据分类汇总酿造过程改理化指标的变化情况,制作酿造过程折线图并标注出概率为95%的指标范围,此折线范围则为高盐稀态酿造酱油理化指标差异不显著范围,以下简称为理化指标模型;
5、s3:后续在此法下监控酿造的过程中,通过将每次监控数据补入理化指标模型,可持续对理化指标模型进行优化,不断提升模型准确性。
6、具体的,对高盐稀态酱油酿造过程的主要理化指标数据进行收集,按投料月份分类,收集近三年的理化指标数据,根据发酵周期,酿造每15天设置一个取样点,直至酿造结束。
7、具体的,使用ibm spss statistics分别对主要理化指标进行方差分析,分析不同投料月份、不同平均发酵温度、不同发酵罐等因素对理化指标的影响。
8、具体的,通过方差分析数据对比各因素的显著性,找到最显著的影响因素,随后根据最显著的影响因素对总酸数据进行分类制作酿造曲线模型,后续监控数据过程持续补充入数据并更新模型。
9、综上所述,本发明主要具有以下有益效果:
10、针对高盐稀态酱油酿造过程理化指标波动较大,造成监控标准设置较困难,标准设置较窄时容易出现误报,标准设置较宽时酿造过程出现异常未必能及时发现,本发明提出的针对高盐稀态酿造酱油理化指标监控方式的误报率更低且灵敏度更高。
1.一种高盐稀态酱油酿造过程监控方法,包括,其特征在于,包括以下步骤:
2.根据权利要求1所述的一种高盐稀态酱油酿造过程监控方法,其特征在于,对高盐稀态酱油酿造过程的主要理化指标数据进行收集,按投料月份分类,收集近三年的理化指标数据,根据发酵周期,酿造每15天设置一个取样点,直至酿造结束。
3.根据权利要求1所述的一种高盐稀态酱油酿造过程监控方法,其特征在于,使用ibmspss statistics分别对主要理化指标进行方差分析,分析不同投料月份、不同平均发酵温度、不同发酵罐等因素对理化指标的影响。
4.根据权利要求1所述的一种高盐稀态酱油酿造过程监控方法,其特征在于,通过方差分析数据对比各因素的显著性,找到最显著的影响因素,随后根据最显著的影响因素对总酸数据进行分类制作酿造曲线模型。
5.根据权利要求1所述的一种高盐稀态酱油酿造过程监控方法,其特征在于,后续监控数据过程持续补充入数据并更新模型。