TCBJ 2211-2024 白酒智能釀造 投配料應(yīng)用指南

CCSX61團(tuán)體標(biāo)準(zhǔn)T/CBJ2211—2024白酒智能釀造投配料應(yīng)用指南Baijiuintelligentbrewing—Inputmaterialratioapplicationguide2024-04-08發(fā)布2024-05-08實(shí)施中國標(biāo)準(zhǔn)出版社ⅠT/CBJ2211—2024前言 Ⅲ1范圍 12規(guī)范性引用文件 13術(shù)語和定義 14技術(shù)架構(gòu) 15數(shù)據(jù)采集要求 26模型建立方法 37模型應(yīng)用規(guī)范 5ⅢT/CBJ2211—2024本文件按照GB/T1.1—2020《標(biāo)準(zhǔn)化工作導(dǎo)則第1部分:標(biāo)準(zhǔn)化文件的結(jié)構(gòu)和起草規(guī)則》的規(guī)定起草。請注意本文件的某些內(nèi)容可能涉及專利。本文件的發(fā)布機(jī)構(gòu)不承擔(dān)識別專利的責(zé)任。本文件由中國酒業(yè)協(xié)會提出并歸口。本文件起草單位:中國食品發(fā)酵工業(yè)研究院有限公司、中國酒業(yè)協(xié)會、瀘州老窖股份有限公司、江蘇今世緣酒業(yè)股份有限公司、中糧營養(yǎng)健康研究院有限公司、貴州習(xí)酒股份有限公司、江蘇洋河酒廠股份有限公司、四川威斯派克科技有限公司、四川輕化工大學(xué)、濟(jì)南趵突泉釀酒有限責(zé)任公司、瀘州智通自動化設(shè)備有限公司、北京中醫(yī)藥大學(xué)、普瑞特機(jī)械制造股份有限公司、中國農(nóng)業(yè)大學(xué)、山東景芝白酒有限公司、安徽宣酒集團(tuán)股份有限公司、河南仰韶酒業(yè)有限公司、北京紅星股份有限公司、宜賓南溪酒業(yè)有限公司。1T/CBJ2211—2024白酒智能釀造投配料應(yīng)用指南1范圍本文件規(guī)定了白酒智能釀造過程中智能投配料的技術(shù)架構(gòu)、數(shù)據(jù)采集要求、模型建立方法以及模型應(yīng)用規(guī)范。本文件適用于指導(dǎo)白酒智能釀造投配料生產(chǎn)過程的建設(shè)決策。2規(guī)范性引用文件下列文件中的內(nèi)容通過文中的規(guī)范性引用而構(gòu)成本文件必不可少的條款。其中,注日期的引用文件,僅該日期對應(yīng)的版本適用于本文件;不注日期的引用文件,其最新版本(包括所有的修改單)適用于本文件。GB/T5492糧油檢驗(yàn)糧食、油料的色澤、氣味、口味鑒定GB/T10345白酒分析方法GB/T15686高粱單寧含量的測定GB/T33404白酒感官品評導(dǎo)則QB/T4257釀酒大曲通用分析方法DB34/T2264固態(tài)發(fā)酵酒醅分析方法3術(shù)語和定義下列術(shù)語和定義適用于本文件。白酒智能投配料intelligentfeedingandproportioningofmaterialsinbaijiu根據(jù)原輔料的品質(zhì)、曲的各項檢測指標(biāo)、酒醅的各項理化指標(biāo)以及溫度、生產(chǎn)基本物理數(shù)據(jù)等,再結(jié)合糧、輔料、醅、曲、基酒的數(shù)據(jù)建立智能投配料模型,用模型指導(dǎo)生產(chǎn),從而實(shí)現(xiàn)白酒生產(chǎn)投配料過程的4技術(shù)架構(gòu)白酒智能投配料的技術(shù)架構(gòu)見圖1。2工藝數(shù)據(jù)分析、建模、優(yōu)化平臺工藝數(shù)據(jù)分析、建模、優(yōu)化平臺業(yè)務(wù)決策平臺數(shù)據(jù)預(yù)處理和清洗設(shè)備管理模型管理批號管理樣本庫管理工藝流程管理工藝實(shí)時數(shù)據(jù)業(yè)務(wù)綜合大數(shù)據(jù)采集數(shù)據(jù)生產(chǎn)實(shí)時數(shù)據(jù)手工輸入、設(shè)備采集、上傳系統(tǒng)原輔料數(shù)據(jù)批次編號數(shù)據(jù)管理數(shù)據(jù)采集歷史數(shù)據(jù)專家知識發(fā)酵數(shù)據(jù)摘酒數(shù)據(jù)投配料管理及決策指導(dǎo)其他環(huán)節(jié)生產(chǎn)理化數(shù)據(jù)采集設(shè)備投配料操作管理深度學(xué)習(xí)算法機(jī)器學(xué)習(xí)算法監(jiān)控預(yù)警管理業(yè)務(wù)情況查詢機(jī)器學(xué)習(xí)算法生產(chǎn)基本數(shù)據(jù)數(shù)據(jù)采集設(shè)備投配料數(shù)據(jù)數(shù)據(jù)標(biāo)準(zhǔn)化異常值處理缺失值處理統(tǒng)計學(xué)方法多變量分析輔助性設(shè)備近紅外設(shè)備自動化設(shè)備物理數(shù)據(jù)優(yōu)化參數(shù)工藝指標(biāo)工藝規(guī)則收集數(shù)據(jù)制曲數(shù)據(jù)工藝模型單變量分析建立模型優(yōu)化模型數(shù)據(jù)分析業(yè)務(wù)規(guī)則機(jī)械設(shè)備車間班組時間日期原輔料酒醅基酒圖1白酒智能投配料的技術(shù)架構(gòu)圖5數(shù)據(jù)采集要求5.1明確需要收集的數(shù)據(jù)和指標(biāo)按環(huán)節(jié)對采集的感官、理化指標(biāo)和基礎(chǔ)信息對象進(jìn)行較全面的舉例說明，見表1。但是由于工藝不同，采集的數(shù)據(jù)指標(biāo)也會有所差異。表1各環(huán)節(jié)采集數(shù)據(jù)指標(biāo)表基礎(chǔ)信息1原糧采購3T/CBJ2211—2024表1各環(huán)節(jié)采集數(shù)據(jù)指標(biāo)表(續(xù))序號生產(chǎn)環(huán)節(jié)采集對象感官/理化指標(biāo)基礎(chǔ)信息2制曲曲塊存儲環(huán)境條件(溫度、濕度等)3出池配醩酒醅糖、容重/重量窖池編號、酒醅批次編號、酒醅層數(shù)/類型;原料的用量、谷殼輔料用量4蒸餾/蒸料酒醅/原料蒸糧后糊精(淀粉)5摘酒基酒乳酸乙酯、乙酸乙酯尾各級別)6攤晾加曲粉碎大曲水溫度、攤晾時間7高溫堆積糖化堆糖化堆發(fā)酵溫度(頂溫、中溫、底溫)窖池編號、糖化堆批次編號、堆積發(fā)酵時間8入池發(fā)酵酒醅原糖窖池編號、酒醅批次編號、酒醅層數(shù)/類型;入風(fēng)速9基酒定級基酒窖池編號、基酒類別、基酒定級類別5.2建立各環(huán)節(jié)指標(biāo)數(shù)據(jù)庫根據(jù)生產(chǎn)流程明確所需數(shù)據(jù)和指標(biāo)后,需考慮采用GB/T5492、GB/T15686、QB/T4257、DB34/T2264、GB/T33404、GB/T10345等相關(guān)標(biāo)準(zhǔn),在環(huán)節(jié)中選擇合適的采集方式和設(shè)備,收集原輔料、曲、酒醅、基酒等樣品的理化數(shù)據(jù)和基礎(chǔ)信息數(shù)據(jù)。在確定數(shù)據(jù)采集頻率和存儲方式時,要結(jié)合建立智能投配料模型的分析需求和生產(chǎn)環(huán)節(jié)特點(diǎn),例如:每小時采集一次或每天采集一次,并采用數(shù)據(jù)庫、云端存儲等方式進(jìn)行存儲。6模型建立方法6.1模型建立流程原輔料的品質(zhì)、曲的各項檢測指標(biāo)、酒醅的各項理化指標(biāo)以及溫度等都影響投配料決策中物料的比例。建立模型的前提是及時獲取糧、輔料、醅、曲的質(zhì)量參數(shù),通過數(shù)據(jù)預(yù)處理等手段進(jìn)行數(shù)據(jù)處理,保證數(shù)據(jù)的有效性。其次,根據(jù)以往基酒的情況,結(jié)合實(shí)際生產(chǎn)業(yè)務(wù)規(guī)則,進(jìn)行單變量分析和變量間關(guān)聯(lián)分析。最后,利用統(tǒng)計學(xué)、機(jī)器學(xué)習(xí)、深度學(xué)習(xí)等算法建立數(shù)學(xué)建模,獲得投配料模型,從而指導(dǎo)糧醅比、曲醅比、糠醅比等工藝過程。6.2數(shù)據(jù)預(yù)處理和清洗6.2.1查找數(shù)據(jù)集中的缺失值與異常值為了檢測數(shù)據(jù)集中是否存在缺失、無效數(shù)據(jù),常見的查找缺失值的方法如下。4T/CBJ2211—2024a)匯總統(tǒng)計信息:利用Excel或其他類似工具,可以生成數(shù)據(jù)的匯總統(tǒng)計信息,比如計數(shù)、平均值、標(biāo)準(zhǔn)差等,從而快速發(fā)現(xiàn)缺失值。b)編程語言:在使用編程語言(如Python、R等)進(jìn)行數(shù)據(jù)分析時,可以使用相應(yīng)的庫和函數(shù)來識別缺失值。c)數(shù)據(jù)可視化:通過繪制直方圖、散點(diǎn)圖等圖表,可以發(fā)現(xiàn)數(shù)據(jù)中的缺失值。缺失值通常在圖表異常值指白酒釀造過程的數(shù)據(jù)集中與業(yè)務(wù)規(guī)則明顯不符的數(shù)值,如理化數(shù)據(jù)檢測錯誤、數(shù)據(jù)錄入錯誤等。這些值通常需要結(jié)合釀酒專家的經(jīng)驗(yàn)來確定。在白酒釀造生產(chǎn)中常用的檢測異常值的方法主要有以下幾種。a)統(tǒng)計學(xué)方法:通過統(tǒng)計學(xué)方法(例如標(biāo)準(zhǔn)差、中位數(shù)等)來衡量一個數(shù)值是否遠(yuǎn)離其他值,并將其定義為異常值。b)可視化方法:利用可視化工具(例如箱線圖、散點(diǎn)圖等)展示數(shù)據(jù)分布情況,通過直觀感受來確定哪些數(shù)值可能是異常值。c)基于專家經(jīng)驗(yàn)的:根據(jù)釀酒領(lǐng)域的專家知識和經(jīng)驗(yàn),確定哪些數(shù)值或者超過某些數(shù)值范圍的數(shù)據(jù)是異常值。6.2.2數(shù)據(jù)清洗數(shù)據(jù)清洗是建立智能投配料模型過程中必不可少的一步,它可以提高數(shù)據(jù)質(zhì)量和可靠性,從而保證模型的準(zhǔn)確度。數(shù)據(jù)清洗主要包括缺失值處理、異常值處理、數(shù)據(jù)標(biāo)準(zhǔn)化等流程。當(dāng)發(fā)現(xiàn)數(shù)據(jù)中存在缺失值和異常值時,需要根據(jù)實(shí)際情況進(jìn)行補(bǔ)充或處理。常見的處理方法包括刪除含有缺失值或異常值的記錄、使用統(tǒng)計方法進(jìn)行插值、利用機(jī)器學(xué)習(xí)算法進(jìn)行填補(bǔ)或替換等。另外,為了便于比較和分析,將數(shù)據(jù)按照一定規(guī)則進(jìn)行標(biāo)準(zhǔn)化處理非常必要。例如,在白酒生產(chǎn)中,水分、還原糖等指標(biāo)數(shù)值差異較大,可以將其標(biāo)準(zhǔn)化到一定區(qū)間范圍內(nèi)。通過數(shù)據(jù)清洗,可以使數(shù)據(jù)更加規(guī)范和規(guī)整,為后續(xù)分析和建模提供更加可靠的基礎(chǔ)。6.3數(shù)據(jù)分析6.3.1單變量分析6.3.1.1描述性統(tǒng)計分析進(jìn)行描述性統(tǒng)計分析可以對指標(biāo)的數(shù)據(jù)集進(jìn)行總結(jié)和分析,有助于理解數(shù)據(jù)集的基本特征和潛在規(guī)律,包括中心位置、離散程度等,為后續(xù)的進(jìn)一步分析和建模提供基礎(chǔ)。在投配料分析中常見的描述性統(tǒng)計分析方法包括以下幾個方面。a)中心位置:反映指標(biāo)數(shù)據(jù)集的平均水平,例如均值、中位數(shù)、眾數(shù)等。b)離散程度:反映指標(biāo)數(shù)據(jù)集內(nèi)部差異程度,例如標(biāo)準(zhǔn)差、方差等。6.3.1.2指標(biāo)分布的可視化展示指標(biāo)分布的可視化展示是對數(shù)據(jù)集中每個指標(biāo)的分布情況進(jìn)行直觀展示和比較。常見于投配料分析中的指標(biāo)分布可視化方法如下。a)直方圖:用于顯示數(shù)值型變量的分布情況,將數(shù)值范圍劃分為若干個區(qū)間,統(tǒng)計每個區(qū)間內(nèi)的數(shù)據(jù)個數(shù),并以條形圖的形式展示,可用于出入池的水分、淀粉等指標(biāo)。b)箱線圖:用于顯示數(shù)值型變量的分布情況和離群點(diǎn)情況,將數(shù)據(jù)按照四分位數(shù)分成四個箱體,并展示出異常值,可通過該方法對指標(biāo)的數(shù)據(jù)集分類。c)餅圖:用于顯示分類變量的相對比例,將各個類別的占比以扇形圖的形式展示,從而找到核心5T/CBJ2211—2024類別或者核心環(huán)節(jié)的核心指標(biāo)。6.3.2多變量分析在投配料環(huán)節(jié)中,制酒全流程生產(chǎn)指標(biāo)和理化指標(biāo)之間存在相互影響和關(guān)聯(lián)。為了描述并探究它們之間的關(guān)聯(lián)關(guān)系,可以使用相關(guān)系數(shù)來衡量定量變量之間的相關(guān)性。由于制酒工藝的復(fù)雜性,還可以考慮用建模的方法探究它們之間的相關(guān)性。除了使用相關(guān)系數(shù),還可以使用散點(diǎn)圖和回歸分析來探究多個變量之間的關(guān)聯(lián)關(guān)系。此外,通過交叉分析比較制酒過程中不同環(huán)節(jié)的差異,也可以發(fā)現(xiàn)變量之間的聯(lián)系,進(jìn)一步深入理解數(shù)據(jù)集的特征和規(guī)律。通過這些探索性分析方法,可以更好地理解數(shù)據(jù)集,并為后續(xù)的建模和預(yù)測提供基礎(chǔ)。6.4建立智能投配料模型在收集到的數(shù)據(jù)批次間有對應(yīng)關(guān)系,量化智能投配料模型目標(biāo)的前提下,可以根據(jù)數(shù)據(jù)集,運(yùn)用統(tǒng)計學(xué)、機(jī)器學(xué)習(xí)、深度學(xué)習(xí)等方法,對數(shù)據(jù)進(jìn)行深入挖掘和分析,獲得智能投配料模型,定量刻畫自變量原輔料、曲、酒醅等指標(biāo)與預(yù)測變量基酒之間的關(guān)系。通過獲得的投配料預(yù)測模型函數(shù)表達(dá)式,實(shí)現(xiàn)對關(guān)聯(lián)關(guān)系的解釋與預(yù)測,動態(tài)調(diào)整配料量,得到最優(yōu)的目標(biāo)值,從而實(shí)現(xiàn)白酒智能投配料。7模型應(yīng)用規(guī)范7.1投配料指導(dǎo)在投配料環(huán)節(jié)中實(shí)現(xiàn)了投配料工藝的精細(xì)化和定量化控制,指導(dǎo)糧、輔料、曲、量水的投入量,確保白酒生產(chǎn)工藝執(zhí)行的穩(wěn)定,保證白酒的產(chǎn)量與質(zhì)量。7.2優(yōu)化出酒率、優(yōu)級酒率精