TCBJ-白酒智能酿造 基酒分级入库 红外光谱法应用指南.docx

上传人:王** 文档编号:483613 上传时间:2023-09-18 格式:DOCX 页数:9 大小:64.06KB
下载 相关 举报
TCBJ-白酒智能酿造 基酒分级入库 红外光谱法应用指南.docx_第1页
第1页 / 共9页
TCBJ-白酒智能酿造 基酒分级入库 红外光谱法应用指南.docx_第2页
第2页 / 共9页
TCBJ-白酒智能酿造 基酒分级入库 红外光谱法应用指南.docx_第3页
第3页 / 共9页
TCBJ-白酒智能酿造 基酒分级入库 红外光谱法应用指南.docx_第4页
第4页 / 共9页
TCBJ-白酒智能酿造 基酒分级入库 红外光谱法应用指南.docx_第5页
第5页 / 共9页
TCBJ-白酒智能酿造 基酒分级入库 红外光谱法应用指南.docx_第6页
第6页 / 共9页
TCBJ-白酒智能酿造 基酒分级入库 红外光谱法应用指南.docx_第7页
第7页 / 共9页
TCBJ-白酒智能酿造 基酒分级入库 红外光谱法应用指南.docx_第8页
第8页 / 共9页
TCBJ-白酒智能酿造 基酒分级入库 红外光谱法应用指南.docx_第9页
第9页 / 共9页
亲,该文档总共9页,全部预览完了,如果喜欢就下载吧!
资源描述

《TCBJ-白酒智能酿造 基酒分级入库 红外光谱法应用指南.docx》由会员分享,可在线阅读,更多相关《TCBJ-白酒智能酿造 基酒分级入库 红外光谱法应用指南.docx(9页珍藏版)》请在优知文库上搜索。

1、ICS00000000CCSX00T/CBJT/CBJ000020XX白酒智能酿造基酒分级入库红外光谱法应用指南BaijiuIntelligentBrewing:ClassificationandStorageDecisionofBaseWine:ApplicationGuideofInfraredSpectroscopyMethod点击此处添加与国际标准一致性程度的标识(征求意见稿)20XX - XX-XX 发布20XX-XX-XX实施中国酒业协会发布目录前言II白酒智能酿造基酒分级入库红外光谱法应用指南11 范围12 规范性引用文件13 术语和定义14 技术架构图15 分级入库红外光谱法应

2、用一般要求26 功能要求3附录A(规范性)定标方法6本文件按照GB/T1.1-2020标准化工作导则第1部分:标准化文件的结构和起草规则的规定起草。本文件由中国酒业协会提出。本文件由中国酒业协会团体标准审查委员会归口。本文件起草单位:XXX,XXX,XXXo本文件主要起草人:XXX,XXX,XXXo白酒智能酿造基酒分级入库红外光谱法应用指南1 范围本文件规定了白酒智能酿造基酒分级入库智能系统的一般要求、一般功能组成等。本文件适用于白酒酿造企业智能酿造系统的建设决策。2 规范性引用文件下列文件中的内容通过文中的规范性引用而构成本文件必不可少的条款。其中,注日期的引用文件,仅该日期对应的版本适用于

3、本文件;不注日期的引用文件,其最新版本(包括所有的修改单)适用于本文件。GB/T14258信息技术自动识别与数据采集技术条码符号印制质量的检验GB/T23544白酒企业良好生产规范。GB/T29858分子光谱多元校正定量分析通则GB/T32199红外光谱定性分析技术通则GB/T37044信息安全技术物联网安全参考模型及通用要求3 术语和定义3.1 智能入库分级按照白酒企业的生产工艺,基于数字化检测系统、现代测控技术、用智能算法学习模拟师傅的优秀经验,实现待入库白酒的精细化和定量化控制,指导白酒的入库存储,确保白酒生产工艺执行的稳定,为白酒酸造的产量与质量打下基础。4 技术架构图指导其他环节生产

4、操作管理业芬情况查询监控预警管理优化模型优化参数收集数据深度学习算法机器学习算法数据分析设备管理I模型管理一批号管理|样本库管理工艺流程管理生产业务故据样品品质级别数据管理及决策 数据管理 数据采集白酒智能酿造基酒分级入库红外光谱法OT旨南业芬决策平台工艺数据分析、建模、优化平台手工输入、设备采集、上传系统5 分级入库红外光谱法应用一般要求5.1 应用支撑建设统一的平台、数据对接等。后续多应用的互通基于统一的系统平台,实现各流程业务数据统一和交汇。数据对接主要实现与相关应用系统对接。5. 2数据接口建立统一的数据接口,采用统一的数据传递及通讯方式,解决不同设备、模型及系统间信息互通的问题。6.

5、 3一致性制定统一的数据采集、传输、计算及交互模式,保证数据资源最大化利用,充分发挥系统整体效能。各种接口在遵循规范性原则的基础上,保证其可以集成不同设备厂商、系统或平台供应商、软件供应商的产品。7. 5可靠性保证系统具有较高的可靠性、完善的错误处理机制和数据备份机制,保证系统可提供不间断访问服务。8. 功能要求8.1 系统硬件要求6. 1.1数据智能采集硬件数据采集硬件设备一般包括计算机、条码扫描器、红外光谱仪等。系统建设时应根据具体的生产条件和规模的实际情况进行选择。其中核心装备红外光谱仪的要求如下:a仪器可在开机状态下可自动扣除空气中的水蒸气和二氧化碳气体的红外吸收b仪器波长范围推荐包含

6、100O-3000cnc仪器与标准检测方法的误差应满足酒厂的生产工艺要求7. 1.2辅助性设备在入库分级环节中,还需要电池阀、泵、传感器等其他硬件辅助性设备。以上设备采集的数据通过智能物联中间件,转换成统一可识别的通信协议数据(JSoN格式),通过工业物联网上传到云端进行存储、分析与管理。8. 2系统基础功能要求9. 2.1人员管理用户通过该功能对系统内人员基本信息进行管理和维护,包括新增、修改、删除等功能,内容包括人员编号、姓名、职务等。10. 2.2权限管理对系统内角色分配以及各角色的权限管理和维护,包括角色的新增、修改、删除、角色权限分配设置等功能。11. 2.3设备管理对连接系统的所有

7、相关设备进行监控和管理,查询设备使用情况、设备状态、数据采集情况等信息,具体内容包括设备编号、设备名称、设备状态等。12. 2.4样本管理用户可通过系统录入、查询、修改、删除样本及样本库的相关信息,样本数据进行采集并传输到系统后,数据在线实时保存于数据库中,包括样本基本信息、图像及视频信息、数字及图谱等数据信息等。对系统及相关设备所产生的数据进行管理,拥有处理数据的相关模型等功能,可生成相关结果及决策建议以报表等方式呈现。13. 3数据分析及应用14. 3.1系统数据的收集样品标识数据:标识一般应包括以下内容:酿酒厂、班组、容器号、酒度、取样日期等。理化数据:酒精度、总酸、总酯、乙酸乙酯、己酸

8、乙酯、乳酸乙酯、丁酸乙脂等该环节工艺要求的指标数据鉴评数据:品评人员的感官品评数据15. 3.2红外识别模型的建立首先利用仪器建模软件,优化各建模参数,进行光谱预处理,将红外波段光谱信息和理化指标化学测定值一一对应,采用偏最小二乘法等算法利用化学计量学软件建立基酒各指标的定标模型。定标方法参考附录A。16. 3.3入库分级智能决策模型的建立利用机器学习算法建立,基于仪器自动检测的数据以及其他相关数据,获得入库分级决策模型。决策算法可以表示为如下矩阵形式:Y=Ax式中A是白酒级别相关指标含量,一般包括:感官数据、酒精度、总酸、总酯、己酸乙酯、乙酸乙酯、乳酸乙酯、丁酸乙酯等、乙酸、己酸、正丙醇、仲

9、丁醇、异丁醇、正丁醇、异戊醇等指标。X是各指标权重系数,由已有样品训练计算得出,训练算法有偏最小二乘算法、人工神经网络算法、支持向量机算法等。Y是对应的样品入库级别。6.3.4模型应用在入库分级环节中实现了待入库白酒的精细化和定量化控制,指导白酒的入库存储,确保白酒生产工艺执行的稳定,为保证白酒的产量与质量打下基础。6.4结果管理要求6.4.1数据传递监测数据可通过检测设备实时自动上传,数据通过模型自动计算并输出结果,结果可通过系统处理并提交。6.4.2结果查询用户可通过系统对检测项目的结果数据进行查询,系统提供多种查询条件进行筛选,包括样品批次、样品检测时间、样品编号、测样人、供应商等,并可

10、导出为excel表格等形式。6.4.3结果汇总用户可通过系统对检测结果数据进行统计,系统应具有数据柱状图、饼状图等多种统计形式展示功能,所展示的统计数据可进行筛选查看,包括样品结果统计、决策建议等。6. 4.4报告管理系统应具备按照不同用户权限自动生成不同检测报告、批次报告、日报告等各类型报告的功能。系统可按用户要求,支持自动编辑的模板生成各类报告。用户可查看系统自动生成的报表数据,以列表等多种形式展示所有报表基本信息。可通过查看、下载和打印进行相关数据。7. 5决策管理要求8. 5.1预警分析通过分析统计数据库中的异常数据信息,分类汇总出各类型的预警数据统计,可通过不同批次、不同日期等信息进

11、行筛选和查询,用户可通过此功能及时掌握异常情况发生的原因。9. 5.2追溯分析根据系统报表等形式展示异常样本来源情况,用户可按照时间、批次等信息进行筛选及查看,具体可展示为检测样本来源、供应商、日期等多种模型,也可根据用户具体要求开发其他功能,并可与现有数据库中样本数据进行对比生成报表及相关建议。10. 5.3预警提醒用户可通过模型自主设定预警条件参数,当系统检测数据满足预先设备的预警条件参数时,系统自动报警,并发送预警信息通知各权限用户,适用于系统内各种监督管理工作。附录A(规范性)定标方法A.1定标样品的选择参与定标的样品应具有代表性,即需涵盖将来所要分析样品的特性,包括浓度、环节、季节、

12、班组等。创建一个新的白酒定标模型,推荐最少的样品数通常不少于300个。建立稳定的定标,一般期望收集比实际更多的光谱数据。A.2定标样品光谱数据的采集光谱数据采集过程中,设定仪器扫描次数为32次,同一样品通过重新分样和重新装样检测3次。传统方法化学值的测定尽量与样品扫描缩小时间间隔。A.3定标样品化学值的测定采用常规分析方法测定定标样品中醇、酸、酯等指标的含量。为防止样品理化的变化,光谱扫描后应立即进行化学值的测定。A.4定标方法偏最小二乘法回归法(Partialleastsquaresregression,PLSR)指每次仅处理一种理化指标的PLSR7方法。该方法提取Pl归变量时同时考虑光谱和化学分析值的信息,是目前近红外分析最较常使用的方法A.5定标模型的评价及验证A.5.1定标模型的评价定标样品相关系数K越接近于1越好;SEC与SEP两者相差不多且越接近于0越好。X(匕-yi-BiasYSEC(SEP)=1(1)n-1(1)式中:Yi样品i的组分红外测定值;yi样品i的组分标准值;n样本数;(匕-兀R2(2)=1-咛(2)(匕-D27=1(2)式中:Yiyi和n同式(1)A.5.2定标模型的验证定标模型的验证,方法是直接比较有代表样品群的预测值(yi)和真实值(Yi)的差异。

展开阅读全文
相关资源
猜你喜欢
相关搜索

当前位置:首页 > 行业资料 > 食品饮料

copyright@ 2008-2023 yzwku网站版权所有

经营许可证编号:宁ICP备2022001189号-2

本站为文档C2C交易模式,即用户上传的文档直接被用户下载,本站只是中间服务平台,本站所有文档下载所得的收益归上传人(含作者)所有。装配图网仅提供信息存储空间,仅对用户上传内容的表现方式做保护处理,对上载内容本身不做任何修改或编辑。若文档所含内容侵犯了您的版权或隐私,请立即通知装配图网,我们立即给予删除!