CC BY
28
ниє 5 сут. Результаты экспериментов позволили констатировать, что после СВ*/-нагрева в процессе самоохлаждения кип происходит интенсивное удаление влаги из табачного сырья. Основная часть удаляемой влаги (около 80%) теряется в первые сутки отлежки. Затем темпы испарения воды снижаются и становятся минимальными. Абсолютная доля испарившейся воды после однократной СВЧ-обработки варьирует в широком диапазоне и составляет 2-4%. Эта величина мало зависит от
исходной влажности табака в кипе, но на нее сильное влияние оказывает температура разогрева материала. Как и следовало ожидать, чем выше была температура разогрева, тем большее количество влаги табачное сырье теряло, а в результате С£¥-обработки табака с нормальной влажностью было получено явно пересушенное сырье.
Неплохие результаты получены при подсушке образцов с уровнем влажности 19-20%. В целом влажность удалось снизить до уровня 15-17%, а в случае применения повышенных температур — до 15-16%. При дальнейшем хранении этих кип на складе через 10-15 дней было обнаружено пересыхание периферийной части кипы, что вело к потере материала за счет измельчения.
При одноразовой СВЧ-обработке сырья с влажностью 22-23% влага во время самоохлаждения снижается до уровня 19-20%, не позволяя достичь технологически приемлемой влажности 15—17%. Для решения этой задачи необходима повторная обработка табачных кип в СВ^-установке, при которой достигался эффект, описанный в первом варианте опытов.
Таким образом, эксперименты показали достаточную эффективность удаления влаги из табачных кип описанным способом при их СВЧ-обработке. Количество удаляемой влаги может быть легко отрегулировано путем нагрева до соответствующей температуры и последующей выдержки без герметичной упаковки.
Кафедра технологии пищевкусовых продуктов
Поступила 25.01.95
664:658.012.2:681.3.068
АДАПТИВНЫЙ АЛГОРИТМ РЕШЕНИЯ ЗАДАЧИ УПРАВЛЕНИЯ ТЕХНОЛОГИЧЕСКИМ КОМПЛЕКСОМ ПО ПЕРЕРАБОТКЕ СЕЛЬСКОХОЗЯЙСТВЕННОГО СЫРЬЯ
М.П АСМАЕВ., Э.М. БРАНДМАН
Кубанский государственный технологический университет
На ряде предприятий пищевой промышленности ассортимент выпускаемой продукции, как и виды исходного сырья, отличается большим разнообразием. При управлении подобными предприятиями особенно актуальна задача выбора направления переработки сырья.
На основе экспериментальных данных нами разработана процедура решения подобной задачи для винодельческого производства. В качестве критерия управления выбрана прибыль от реализации продукции.
Основными ограничениями являются: уравнение материального баланса I М . /
0я т = 2 2>..0С и 1+2 °(1)
! _ . _, '> ,т -| Ч ’
1—1 т~1 I=]
где СЛ [ ? ]_ количество готового продукта у’-то-
I го вида, полученное из сырья, по-
ступающего в ?-тый день сезона; а — части /-того вида сырья, использу-1’ емые для производства /-того вида готового продукта;
__количество сырья в т-гой партии
т в ¿-хый день сезона;
Д. — количество добавок для получения 4 из сырья /-того вида продукта / — того вида;
условия выполнения ассортиментного плана
в17 < б77“.
/ /
Указанная задача решается следующим образом:
1. Прогнозирование количества сырья, которое должно поступать на переработку, происходит в несколько этапов. Первый прогноз дает ЭВМ, обрабатывая статистический материал прошлых лет и создавая модель поступления сырья в виде:
п п+1 .
I г 1 = У X ь г ' (2)
,=1 ч >
где I — день сезона переработки сырья.
С ежегодным добавлением статистического материала вносится поправка в имеющуюся модель, которая как бы самообучается. При этом порядок системы уравнений должен соответствовать требуемой адекватности. Полученный с помощью модели прогноз сравнивается с прогнозом агротехников, определяющих перед началом уборки урожая
пргнлеко
ЯИШНРК й
ПолучсІ г-11 г; чер; ч-ТЛн [ІСЖІї
ІДг: ! І
Щ р-1
У[\
В : $ і С/ П. и: ОД0гДОЗЭИ| риж ь ла і
■-ІІІГС цгСІ к
Таккк і
ПрЧПН ук ДОГ.ТЗТУІ1 ІНі! ппгтутисн 2 Итари
Иг ііні^іЗ'
стаенныъ
но на нее ура разогрева гь, чем выше ьшее количе-в результате [ влажностью ырье. и подсушке
%. В целом ;я 15-17%, а ^мператур — \т этих кип обнаружено ты, что вело
1ИЯ.
ырья с влаж-Ьохлаждения рляя достичь ;ти 15-17%. а повторная ановке, при ый в первом
азали доста-ги из табач-,ВЧ- обработ-т быть легко 1етствующей и без герме-
.2:681.3.068
ЪЯ
■той партии
і получения продукта /-
плана
количество винограда, которое должно быть направлено на техническую переработку. Если расхождение существенное, в модель вносится соответствующее изменение.
Полученная модель многократно корректируется по мере поступления сырья в течение дня. При этом используется авторегрессионная модель вида
0е [ ? ] = / (0е [*-1], УМ, в\1\, £Ш),(3)
где &' [ t ]__ прогноз поступления сырья в мо-
мент
с’' [£-1] _ фактическое поступление сырья в
момент Г-1;
У [ ? ]— факторы, воздействующие на поступление сырья;
В
— выражение (2) в матричной форме;
— случайная составляющая (шум).
Суть задачи — в построении итерационной
прогнозирующей модели поступления сырья, опираясь на фактически полученное на предыдущем шаге его количество [1].
Таким образом, реализация управления при решении указанной задачи заключается в поиске достаточной степени точности построения модели поступления сырья.
2. Вторая задача — выбор варианта переработки винограда — заключается в анализе поступившего на переработку сырья с целью определения качественных показателей, а затем в выборе наиболее
рационального, с точки зрения критерия прибыли, направления переработки.
Процедура осуществляется путем сравнения различных наборов конечного продукта, рассчитываемых по формуле (1), и корректируется в зависимости от состояния оборудования. Это необходимо ввиду ограниченности количества линий и их пропускной способности.
Поэтому производится проверка на достаточность имеющихся мощностей для реализации программы переработки. Если ограничения не выполняются, то рассматриваются варианты группировки сортов сырья, в результате которой, как правило, понижается сортность продукта, а следовательно, и снижается прибыль предприятия.
Однако снижение прибыли будет меньше, чем потери исходного сырья, поскольку доля сырья в стоимости продукта составляет 90 %, а максимальные потери снижения сортности не превышают 40 %.
Литература
1. Асмаев М.П., Брандман Э.М. Алгоритмы прогнозирования при управлении сезонным производством //Известия вузов. Пищевая технология. — 1994. — № 5—6.
Кафедра автоматизации производственных процессов
Поступила 13,11.94
им образом: >я, которое юисходит в !т ЭВМ, об-рошлых лет в виде:
(2)
ческого ма-эся модель, ом порядок івать требу-)ЩЬЮ моде-агротехни-жи урожая
