Повышение эффективности оценки потребительских качеств зерна пшеницы и продуктов его переработки

Размещено на http: //www. allbest. ru/

«ОРЕНБУРГСКИЙ ГОСУДАРСТВЕННЫЙ УНИВЕРСИТЕТ» г. Оренбург

Повышение эффективности оценки потребительских качеств зерна пшеницы и продуктов его переработки

Федотов В.А.

На сегодняшний день в предприятиях отрасли для оценки потребительского качества зерна пользуются следующими основными показателями: натура, количество и качество клейковины, стекловидность, влажность. Однако даже комплексный учет этих показателей ввиду недостаточной своей информативности не может однозначно охарактеризовать достоинства зерна, влияющие на качество производимой из него продукции. В предлагаемой модели использованы следующие показатели: твердозерность, микробиологическая контаминация зерна, содержание тяжелых металлов, содержание поврежденных зерен, засоренность зерна.

Для оценки повышения эффективности определения потребительских качеств зерна и продуктов его переработки за счет определения показателя твердозерности и учета показателей безопасности зерна воспользовались одним из методов принятия решений - методом экспертных оценок. Сущность методов экспертных оценок заключается в том, что в его основу закладывается мнение специалиста или коллектива специалистов, основанное на профессиональном, научном и практическом опыте. Мнения обычно выражены частично в количественной, частично в качественной форме. При выполнении своей роли в процессе управления эксперты производят две основные функции: формируют объекты - показатели качества и производят измерение их характеристик - коэффициенты значимости (весомости). качество зерно пшеница микробиологический

Для оценки эффективности определения потребительских качеств зерна и продуктов его переработки в описанных двух моделях вычислены так называемые весовые коэффициенты каждого показателя. Для их нахождения пользовались частным случаем метода экспертных оценок - методом ранжирования. При формирования мнения о порядке приоритета показателей качества зерна и продуктов его переработки опирались также на данные формализации и визуализации информации методом графа.

Структура совокупности показателей качества зерна и продуктов его переработки могут быть представлены графом - совокупностью непустого множества вершин и связей между вершинами, в котором вершины (узлы) - это показатели качества, а ребра (грани) - связи между этими показателями [1]. Для визуализации графов в топологии пользуются различными способами. Визуализация данных проводилась средствами программного обеспечения с открытым исходным кодом: The Open Graph Viz Platform - Gephi 0.8.1-beta. Построение графа осуществили по алгоритму равномерного распределения вершин по квадрату. Все ребра - неориентированные, при этом каждое отдельное ребро имеет свой вес [2]. Вес ребра представляет собой степень связи (коэффициент корреляции) между двумя вершинами - показателями качества.

Ранжирование узлов проводилось по показателю его степени промежуточности (betweenness) - характеристики, описываемой числом присутствия узла в кратчайших путях между любыми другими узлами (количество ребер графа, инцидентных узлу). Высокая степень промежуточности узла говорит о его высокой значимости в процессе формирования потребительского качества зерна и продуктов его переработки [3]. Рядом с каждым узлом помещена метка (label) с именем узла. Размер метки дифференцируется в зависимости от присвоенного узлу ранга: чем выше ранг, тем больше в пунктах размер шрифта метки (рисунок 1). Это позволяет визуально разделить показатели качества по их значимости в модели. Также ранжирование велось по весам узлов, при этом каждому узлу присвоен вес, исходя из средневзвешенного веса инцидентных ему ребер. В данном случае рангу узла соответствует размер его визуального представления (рисунок 2).

Рисунок 1 Структура графа показателей качества зерна и продуктов его переработки с учетом ранжирования узлов по степени промежуточности

Рисунок 2 Структура графа показателей качества зерна и продуктов его переработки с учетом ранжирования узлов по весу

При обработке результатов экспертного оценивания находили эффективность аддитивной статической модели :

, (1)

где - весовой коэффициент для i-того показателя;

- текущее значение i-того безразмерного показателя.

При этом должно выполняться условие нормирования:

. (2)

Отсюда, с учетом ранжирования, показателям качества присвоены следующие весовые коэффициенты:

.

В стандартном случае для оценки качества зерна пользуются следующими показателями (расположены с учетом ранжирования их веса):

- влажность;

- натура;

- стекловидность;

- качество клейковины;

- количество клейковины.

Значения показателей качества получены в результате зернового анализа выборки образцов зерна пшеницы Исследованию подверглось 70 образцов зерна пшеницы.

Если монотонное повышение качества зерна и продуктов его переработки происходит при увеличении значения показателя, текущее значение определяли, исходя из максимального (базового) значения в выборке как:

, (3)

где - значение показателя для j-того образца в выборке.

Данное свойство характерно для следующих показателей качества: натура, стекловидность, количество и качество клейковины, твердозерность. В случае монотонного повышения качества зерна и продуктов его переработки при уменьшении значения показателя, текущее значение определяли исходя из минимального (базового) значения в выборке как:

. (4)

Данное свойство характерно для следующих показателей качества: влажность, засоренность и поврежденность зерна, содержание тяжелых металлов, микробиологическая контаминация зерна. При обработке результатов ранжирования получено следующее значение эффективности модели:

,

.

В предлагаемой модели для оценки качества зерна использованы следующие показатели (расположены с учетом ранжирования их веса):

- засоренность зерна;

- содержание поврежденных зерен;

- содержание тяжелых металлов;

- микробиологическая контаминация;

- твердозерность.

При обработке результатов ранжирования получено следующее значение эффективности модели:

,

.

Неравенство наглядно демонстрирует повышение эффективности модели в случае определения потребительских качеств зерна и продуктов его переработки за счет определения показателя твердозерности и учета показателей безопасности зерна. Прибавка эффективности составляет 0,184, что в приводит к ее повышению на 26,98 %. В потенциале существует возможность усиления, за счет указания количества повторных измерений каждого показателя для обеспечения необходимой метрологической точности.

Список литературы

1. Уилсон, Р. Введение в теорию графов. - М.: Мир, 1977. - 208 с.

2. Оре, О. Теория графов. - М.: Наука, 1968. - 336 с.

3. Кирсанов, М. Н. Графы в Maple. - М.: Физматлит, 2007. - 168 с.

Размещено на Allbest.ru