确定食品批次中微生物风险水平的方法技术

一种确定食品中微生物风险水平的方法，所述方法包括确定零膨胀二项式(ZIB)分布参数(π，p)；i)确定缺陷样本的出现次数(0，1，2，x)的累积相对频率(f

Methods for determining the risk level of microorganisms in food batches

【技术实现步骤摘要】
【国外来华专利技术】确定食品批次中微生物风险水平的方法
本专利技术涉及无菌包装的统计质量控制领域。更具体地，本专利技术涉及确定食品批次中的微生物风险水平的方法、相关的计算机程序产品以及用于确定微生物风险水平的系统。
技术介绍
质量监控系统用于所有行业领域，以评估和优化生产绩效。在食品包装工业中，填充耐贮存的食品包装的机器的性能称为无菌性能，并且由非商业无菌包装的数量与该机器填充的包装总数之间的长期比率来定义。无菌数据的采样是通过在一段时间内检索微生物采样数据来完成的。例如，当在客户现场安装灌装机时，将进行验证测试，以证明其可以提供符合客户要求的无菌包装质量等级。当灌装机显示能够生产一定数量的包装并将未灭菌包装的百分比保持在一定阈值以下时，则通过验证测试。食品包装检查通常根据抽样计划进行，以便能够识别机器中可能损害包装无菌性的问题。在这方面，期望开发用于质量控制的有效工具和程序，因为采样和检查活动对生产是破坏性的并且成本高昂。由于灌装机提供非常高的质量，因此无菌生产可以认为是高产量的过程，即缺陷率非常低。这也对过程建模提出了特殊要求。因此，以前的质量控制工具存在的问题是在拟合的统计分布中以足够的准确性对无菌质量数据进行建模。因此，问题在于如何以对生产的最小影响实施可靠的质量控制工具和策略。因此，确定食品批次中微生物风险水平的改进方法将是有利的，并且具体地讲允许避免更多上述问题和折衷，包括提供无菌质量数据的改进的建模，预测和风险评估分析的改进的准确性，以及改进的生产检查工具。
技术实现思路
因此，本专利技术的示例优选地通过提供根据所附专利权利要求的装置，单独地或以任何组合的方式，来试图缓减、减轻或消除本领域中的诸如上文所识别的一个或多个缺陷、缺点或问题。根据第一方面，提供了一种确定多组(s)样本(N)的食品批次中的微生物风险水平的方法。所述方法包括从多组样本中获得微生物采样数据、确定微生物采样数据的零膨胀二项式(ZIB)分布，其包括确定包括第一参数(p)和零膨胀参数(π)的ZIB分布参数(π，p)，其中确定ZIB分布参数包括：i)确定在相应样本组中出现缺陷样本的次数(0、1、2，...，x)的累积相对频率(f0，f1，f2，..，fx)，其中非缺陷样本的累积相对频率确定为f0；ii)根据：π＝[0，1*f0/k，2*f0/k，…，k*f0/k]计算k+1个元素的零膨胀参数(π)的子集的向量；iii)根据以下公式基于所述零膨胀参数(π)的子集计算第一参数(p)的子集的向量：iv)对于第一参数的子集和零膨胀参数的子集中的向量对(p，π)，确定所述累积相对频率与累积理论概率Px之间的平方误差，累积理论概率Px在相应向量对(p，π)作为参数的ZIB分布的N个样本中具有≤x的出现次数；v)将零通胀参数(π)和第一参数(p)确定为提供最小平方误差的向量对。所述方法包括基于第一参数(p)和零膨胀参数(π)确定ZIB分布；以及针对随后的食品批次的样本检测与ZIB分布的偏差，以基于所述偏差确定微生物风险水平。根据第二方面，一种计算机程序产品，其包括当所述程序由计算机执行时，使所述计算机执行根据第一方面的方法的步骤的指令。根据第三方面，提供了一种用于确定多组(s)样本(N)的食品批次中的微生物风险水平的系统。所述系统包括：采样设备，其被配置为从所述多组样本中获取微生物采样数据；处理器，其被配置为通过被配置为确定ZIB分布参数(π，p)来确定微生物采样数据的零膨胀二项式(ZIB)分布，该ZIB分布参数(π，p)包括第一参数(p)和零膨胀参数(π)。处理器被配置为：i)确定在相应样本组中出现缺陷样本的次数(0、1、2，...，x)的累积相对频率(f0，f1，f2，..，fx)，其中非缺陷样本的累积相对频率确定为f0；ii)根据：π＝[0，1*f0/k，2*f0/k，…，k*f0/k]计算k+1个元素的零膨胀参数(π)的子集的向量；iii)根据以下公式基于所述零膨胀参数(π)的子集计算第一参数(p)的子集的向量：iv)对于第一参数的子集和零膨胀参数的子集中的向量对(p，π)，确定所述累积相对频率与累积理论概率Px之间的平方误差，累积理论概率Px在相应向量对(p，π)作为参数的ZIB分布的N个样本中具有≤x的出现次数；v)将零通胀参数(π)和第一参数(p)确定为提供最小平方误差的向量对。所述处理器被配置为基于所述第一参数(p)和所述零通胀参数(π)来确定所述ZIB分布，并且针对随后的食品批次的样本检测与所述ZIB分布的偏差，以基于所述偏差确定微生物风险水平。在从属权利要求中限定了本专利技术的其他示例，其中，本公开的第二和第三方面的特征在细节上作必要修改后如同第一方面。本公开的一些示例提供了无菌质量数据的改进的建模。本公开的一些示例提供了预测和风险评估分析的改进的准确性。本公开的一些示例提供了改进的生产检查工具。本公开的一些示例提供了零膨胀的二项式分布的参数的改进的估计，以更准确地对无菌质量数据进行拟合。本公开的一些示例提供了对灌装机中的故障元件或功能的方便且较少耗时的识别。本公开的一些示例提供了对资源的更有效利用以识别机器中的错误行为。本公开的一些示例提供了机器部件的更可预测和有效的维护计划。本公开的一些示例提供了评估机器质量的更有效的方法。应该强调的是，当用于本说明书中时，术语“包括/包括”用于说明存在所述特征、整数、步骤或部件，但是不排除存在或增加一个或多个其他特征、整数、步骤、部件或它们的组。附图说明参考附图，本专利技术的示例能够实现的这些和其他方面、特征和优点将由对本专利技术示例的以下描述变得显而易见并得到阐明。图1a是根据本公开的示例的确定食品批次中的微生物风险水平的方法的流程图；图1b是根据本公开的示例的确定食品批次中的微生物风险水平的方法的流程图；图2是根据本公开的示例的被配置为用于确定灌装机中的多组(s)样品(N)的食品批次中的微生物风险水平的系统的示意图；和图3a-b是根据本公开的示例的被配置为用于确定灌装机中的多组(s)样品(N)的食品批次中的微生物风险水平的系统的示意图。具体实施方式现在将参考附图描述本专利技术的具体示例。然而，本专利技术可以以许多不同的形式来实施，并且不应被解释为限于在此阐述的示例；相反，提供这些示例使得本公开是充分和完整的，并将本专利技术的范围充分传达给本领域技术人员。在附图中示出的示例的详细描述中使用的术语并不旨在限制本专利技术。在附图中，相同的标号表示相同的元件。图1a示出了确定食品批次中的微生物风险水平的方法100的流程图。描述和示出方法100的步骤的顺序不应被解释为限制性的，并且可以想到，可以以不同顺序执行步骤。因此，提供了一种确定多组(s)样本(N)的食品批次中的微生物风险水平的方法100。每组(s)因此可以包括N个样本。方法100包括从所述多组(s)样本中获得101微生物采样数据，以及确定102微生物采样数据的零膨胀二项式(ZIB)分布，本文档来自技高网...

【技术保护点】
1.一种确定多组(s)样本(N)的食品批次中微生物风险水平的方法(100)，所述方法包括：/n从所述多组样本中获取(101)微生物采样数据，/n确定(102)所述微生物采样数据的零膨胀二项式(ZIB)分布，其包括/n确定(103)包括第一参数(p)和零膨胀参数(π)的ZIB分布参数(π，p)，其中确定所述ZIB分布参数包括/ni)确定(104)在相应样本组中出现缺陷样本的次数(0、1、2，...，x)的累积相对频率(f

【技术特征摘要】
【国外来华专利技术】20171108 EP 17200624.91.一种确定多组(s)样本(N)的食品批次中微生物风险水平的方法(100)，所述方法包括：
从所述多组样本中获取(101)微生物采样数据，
确定(102)所述微生物采样数据的零膨胀二项式(ZIB)分布，其包括
确定(103)包括第一参数(p)和零膨胀参数(π)的ZIB分布参数(π，p)，其中确定所述ZIB分布参数包括
i)确定(104)在相应样本组中出现缺陷样本的次数(0、1、2，...，x)的累积相对频率(f0，f1，f2，..，fx)，其中非缺陷样本的累积相对频率确定为f0，
ii)根据：π＝[0，1*f0/k，2*f0/k，…，k*f0/k]计算(105)k+1个元素的零膨胀参数(π)的子集的向量，
iii)根据以下公式基于所述零膨胀参数(π)的子集计算(106)第一参数(p)的子集的向量：



iv)对于第一参数的子集和零膨胀参数的子集中的向量对(p，π)，确定(107)所述累积相对频率与累积理论概率Px之间的平方误差，累积理论概率Px在相应向量对(p，π)作为参数的ZIB分布的N个样本中具有≤x的出现次数；
v)将所述零通胀参数(π)和所述第一参数(p)确定(108)为提供最小平方误差的向量对，所述方法包括
基于所述第一参数(p)和所述零膨胀参数(π)确定(109)所述ZIB分布，以及
针对随后的食品批次的样本检测(110)与ZIB分布的偏差，以基于所述偏差确定微生物风险水平。


2.根据权利要求1所述的方法，其中所述累积相对频率fx由下式确定：fx＝各自具有≤x的出现次数的组数量(s’)/组的总数(s)。


3.根据权利要求1或2所述的方法，其中所述平方误差(sqe)由下式确定：sqe＝(f0–P0)2+…+(fM–PM)2，其中M是最大出现次数(x)。


4.根据权利要求3所述的方法，其中所述累积理论概率Px根据以下公式确定：
-P0＝P'0
-P1＝P'0+P'1
-…
-Px＝P'0+P'1+…+P'x
其中，





5.根据权利要求1-4中任一项所述的方法，其中针对随后的食品批次的样本检测与所述ZIB分布的偏差包括根据用于获得所述微生物风险水平的预定统计量确定(110')偏差。


6.根据权利要求5所述的方法，其中所述预定统计量包括用于将置信度值确定为微生物风险水平的统计假设量，例如卡方检验。


7.根据权利要求6所述的方法，其包括确定(111)与置信度值的预定阈值相关联的一组警报等级。


8.根据权利要求7所述的方法，其包括确定(112)多个后续食物批次的相应置信度值，以及用与所述置信度值相关联的相应警报等级来标记(113)所述后续食物批次。


9.根据权利要求1-8中任一项所述的方法，其包括在预定的固定时...

【专利技术属性】
技术研发人员：卢卡·皮西库托，彼得罗·塔伦蒂诺，
申请(专利权)人：利乐拉瓦尔集团及财务有限公司，
类型：发明
国别省市：瑞士;CH