Využití Markových řetězců pro Řízení Kvality Potravin

Úvod-cíl cvičení Cílem cvičení je představit návrh nové metody pro určení regulačních mezí k řízení kvalitativního znaku potravinové produkce: –který jednak snižuje pravděpodobnost zbytečných výstražných signálů, –a naopak takové nastavení mezí, které by při jejich překročení signalizovalo v dostatečném předstihu systémovou divergenci od stability řízení pro vytvoření adekvátního korekčního zásahu.

Materiál-Metody Ve článku [1] byly publikovány výsledky pro regulaci kvality mléka (viz. následující slide) z hlediska dodržení určitého počtu mezofilních mikroorganismů v ml po pasteraci. Přitom byly stanoveny hlavní omezení v použití konvenčních regulačních diagramů v potravinové produkci: změna polohy a variability kvalitativních znaků potravin, autokorelace výstupního znaku jakosti.

Regulační diagram pro individuální hodnot

Požadavek autokorelace byl vyřešen v příspěvku [2]. Problém s příliš “úzkými” regulačními mezemi, které s sebou přináší nadměrně častý chybný planý poplach, je možné vyřešit dvěma způsoby. V prvním případě se na produkci podíváme z pohledu velkých čísel. Na základě statistických ukazatelů potřebných k regulaci produkce (např. průměrné hodnoty a rozptylu R) pak určíme rozšířené regulační meze oproti klasickým Shewartovým diagramům. Nové nastavení regulačních mezí pro polohu i variabilitu výstupního znaku produkce) přitom zohledňuje určitou povolenou odchylku (výskyt a R mimo regulační meze není častější než např. v 0,05 % případů).

V druhém případě se na řízení kvality budeme dívat jako na soubor činností (procesů), při kterém je účelně využívána energie k přeměně hmoty do požadované formy konečného produktu. Při takovéto interpretaci řídící úlohy se obecně snažíme najít opakovaně dosažitelný výstupní limit zvolené technologie – tzv. produkční etalon. Tento produkční etalon vyjadřuje agregovaný kvalitativní znak výsledného produktu. Pomocí srovnání procesu s tímto etalonem můžeme předvídat, zda-li byl proces dostatečně „jakostně“ zvládnut eventual. zda-li produkce nezačíná divergovat od svého stabilního stavu

V předešlém případě (slide 4) hodnoty mezofilních mikroorganismů překročily hranici LCL u 31 a 32 vzorku (CPM = 40,5 a 40,7 tis/ml). Protože však dle normy celkový počet mikroorganismů nemá překročit /ml je signál o nestabilitě produkce poskytnutého z tohoto regulačního diagramu chybný. Centrální přímka byly rovna průměrné hodnotě: Dolní a horní regulační mez byla určena podle přípustného rizika kvalitativně neshodných produktů. Tyto hodnoty dolní a horní regulačních mezí jsou: Rozšíření těchto mezí (k zamezení planých poplachů) ilustruje následující postup:

Nejprve si vymezíme stavy systému jako pásma mezi jednotlivými regulačními mezemi Šířka pásma c: Šířka pásma a: Šířka pásma b: Šířka pásma d: V druhém kroku určíme tzv. čtvercovou matici pravděpodobností přechodů P pomocí relativních četností stavů a, b, c, d.

Pravděpodobnost přechodů vyjádřená z relativní četnosti přechodů stavů z produktového etalonu Obraz Operand abcd P a’a’3/813/3300 b‘15/2419/33½0 c‘01/33½0 d‘0000 Suma24/2433/332/20 Suma přechodů =59

Pokud čteme předešlou tabulku řádkově, můžeme určit z jakých vstupů je každý obraz složen a také s jakou pravděpodobností můžeme očekávat, že nastane určitý obraz při daném operandu. Rozepíšeme-li řádky z tabulky dostaneme soustavu čtyř rovnic o čtyřech neznámých: (1) (2) (3) (4)

Dosazením aktuálních stavových hodnot do předešlé soustavy rovnic bychom mohli predikovat následný stav řízení kvality. Naše úloha je zde jiná – máme určit nové (rozšířené) polohy regulačních mezí A’, B’, C’, D’ pro udržení stability produkce. Přitom je třeba se vyvarovat zbytečně častým planým poplachům, ale na druhou stranu zjistit nebezpečí systémové divergence od žádaného stavu v dostatečném předstihu pro adekvátní reakci. Ve stabilní situaci je nutné přepokládat konstantní šířku pásma pro jednotlivé sekvence měření kvalitativního znaku: (5) Dosazením podmínky (5) do rovnic (1), (2), (2) a odečtením vektoru proměnných ležící na pravé straně soustavy dostaneme homogenní soustavu tří lineárních rovnic o třech neznámých. Přitom jsme soustavu anulovali o rovnici (4), která je již vyřešená.

(1) Protože det P = 0, má soustava nekonečně mnoho řešení: (2) Proto je nutné doplnit další rovnici (omezující podmínku na nepřekročení hygienické normy, která je CPU=100 tis./ml. Tedy v mezním případě: (3)

Doplněním omezující podmínky do soustavy rovnic(1) nám vznikne soustava, která má jednoznačné řešení: Nové nastavení šířek pásma jednotlivých regulačních mezí je tedy: a‘ = 37,276 tis. CPU/ml; b’ = 59,140 tis. CPU/ml; a c’ = 3,584 tis. CPU/ml.

Závěr - Diskuze Při řízení procesů srovnáním s procesním etalonem je možné využít optimalizovaného vzoru (produkčního etalonu), který se s určitou volností stává závazným pro následnou produkci. Procesní etalon v sobě zahrnuje reálné informace o dosažitelnosti regulačních mezí (teoreticky zjištěných obvykle statisticky), o udržitelnosti (z nového definování mezí z podmínek stability) a o smysluplnosti plnění těchto mezí. Díky tomu, že etalon nepracuje jen s daty (informačně pojatým řízením), ale i s hmotně energetickým projevem produkčního řízení, tak automaticky nastavil již v transformaci z matice přechodů pásmo d’ = 0. Dále je při takovémto přístupu možné adaptivně měnit původní hodnoty regulačních mezí, které byly nastaveny dle podmínek stabilní oscilace kolem optimálních hodnot.

Reference 1.HRON, J., MACÁK, T.: Control of Food Products´ Quality. Agricultural Economic 5/2009. Prague ISBN X. 2.HRON, J.: Kybernetika v řízení. Praha: Vydavatelství ČZU ISBN Montgomery, Douglas C.: Introduction to Statistical Quality Control. John Wiley  sons, ISBN Statistical Quality Control. 4.Pearce, J.: Strategic Management. McGraw-Hill, McGraw- Hill. New York ISBN: X 5.Schroeder, R. G.: Operations Management. Contemporary Concepts. Mcgraw-Hill Education ISBN: