一种高盐稀态酱油酿造过程监控方法技术

本发明专利技术提出了一种高盐稀态酱油酿造过程监控方法，包括以下步骤：用方差分析的方法分析不同影响因素对高盐稀态酱油酿造过程主要理化指标的影响程度；根据影响显著的因素，将数据分类汇总酿造过程改理化指标的变化情况，制作酿造过程折线图并标注出概率为95％的指标范围，此折线范围则为高盐稀态酿造酱油理化指标差异不显著范围，下简称为理化指标模型；后续在此法下监控酿造过程的过程中，通过将每次监控数据补入理化指标模型，可持续对理化指标模型进行优化，不断提升模型准确性。本发明专利技术提出的针对高盐稀态酿造酱油理化指标监控方式的误报率更低且灵敏度更高。式的误报率更低且灵敏度更高。式的误报率更低且灵敏度更高。

【技术实现步骤摘要】
一种高盐稀态酱油酿造过程监控方法


[0001]本专利技术涉及生产过程监控领域，尤其涉及一种高盐稀态酱油酿造过程监控方法。

技术介绍

[0002]酱油产业是我国调味品行业的第一大产业。发酵酱油工艺主要分为2种：一是传统的低盐固态发酵，二是高盐稀态发酵。高盐稀态发酵酱油传承了我国传统发酵工艺，是以大豆或脱脂大豆、小麦或小麦粉为原料，经蒸煮、曲霉菌制曲后与盐水混合成稀醛，再经发酵制成的酱油。一般发酵期在3～6个月，具有产品品质高、香气成分多、营养物质丰富、酯香突出、口感更鲜美等优点。
[0003]不同厂家对酱油酿造过程中的生产周期、投料时间、发酵温度、生产设备等各种因素不同都会对酿造过程中理化指标变化规律造成影响，形成波动，针对理化指标的波动目前行业中企业通常会通过扩宽理化指标标准范围进行应对，此方式虽然降低了误报异常的频率，但也同时造成了对不同条件下的高盐稀态酱油酿造过程进行监控未必可以及时发现酿造异常的情况。

技术实现思路

[0004]基于此，针对目前高盐稀态酱油酿造过程理化指标波动较大，造成监控标准设置较困难，标准设置较窄时容易出现误报，标准设置较宽时酿造过程出现异常未必能及时发现。针对这种情况，本专利技术提出一种针对高盐稀态酿造酱油所适用的误报率更低且灵敏度更高的理化指标监控方式。
[0005]为实现上述目的，本专利技术提供如下技术方案：一种高盐稀态酱油酿造过程监控方法，包括以下步骤：
[0006]S1：用方差分析的方法分析不同影响因素对高盐稀态酱油酿造过程主要理化指标的影响程度；
[0007]S2：根据影响显著的因素，将数据分类汇总酿造过程改理化指标的变化情况，制作酿造过程折线图并标注出概率为95％的指标范围，此折线范围则为高盐稀态酿造酱油理化指标差异不显著范围，以下简称为理化指标模型；
[0008]S3：后续在此法下监控酿造的过程中，通过将每次监控数据补入理化指标模型，可持续对理化指标模型进行优化，不断提升模型准确性。
[0009]具体的，对高盐稀态酱油酿造过程的主要理化指标数据进行收集，按投料月份分类，收集近三年的理化指标数据，根据发酵周期，酿造每15天设置一个取样点，直至酿造结束。
[0010]具体的，使用IBM SPSS Statistics分别对主要理化指标进行方差分析，分析不同投料月份、不同平均发酵温度、不同发酵罐等因素对理化指标的影响。
[0011]具体的，通过方差分析数据对比各因素的显著性，找到最显著的影响因素，随后根据最显著的影响因素对总酸数据进行分类制作酿造曲线模型，后续监控数据过程持续补充
入数据并更新模型。
[0012]综上所述，本专利技术主要具有以下有益效果：
[0013]针对高盐稀态酱油酿造过程理化指标波动较大，造成监控标准设置较困难，标准设置较窄时容易出现误报，标准设置较宽时酿造过程出现异常未必能及时发现，本专利技术提出的针对高盐稀态酿造酱油理化指标监控方式的误报率更低且灵敏度更高。
附图说明
[0014]图1为本专利技术中因变量为总酸时各月份变化规律的对比图；
[0015]图2为本专利技术中因变量为总酸时各月份95％置信区间；
[0016]图3为本专利技术中因变量为氨基酸态氮时各月份变化规律的对比图；
[0017]图4为本专利技术中因变量为盐分时时各月份95％置信区间；
[0018]图5为本专利技术中因变量为盐分时各月份变化规律的对比图；
[0019]图6为本专利技术中因变量为盐分时各月份95％置信区间。
具体实施方式
[0020]下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述。下面通过参考附图描述的实施例是示例性的，仅用于解释本专利技术，而不能理解为对本专利技术的限制。
[0021]下面根据本专利技术的整体结构，对其实施例进行说明。
[0022]具体分析和建立过程如下：
[0023](1)理化指标的取样：对高盐稀态酱油酿造过程的11个主要理化指标数据进行收集，按投料月份分类，收集近三年的理化指标数据，根据发酵周期，酿造每15天设置一个取样点，直至酿造结束。
[0024](2)理化指标差异分析：使用IBM SPSS Statistics分别对主要理化指标进行方差分析，分析不同投料月份、不同平均发酵温度、不同发酵罐等因素对理化指标的影响,下列选其中三个因素(总酸、氨基酸态氮、盐分)作例子。
[0025]因变量为总酸时：由显著性一列可知罐位置、酿造天数与投料时间对酿造过程总酸影响极显著。
[0026]主体间效应检验
[0027][0028][0029]a..000MS(月份)+1.000MS(错误)
[0030]b.MS(错误)
[0031]c..967MS(天数*月份)+.033MS(错误)
[0032]d..915MS(天数*月份)+.085MS(错误)
[0033]e.使用Alpha＝.05进行计算
[0034]由于发酵天数为自变量，除去发酵天数以后投料时间为最显著的影响因素，因此根据投料时间对总酸数据进行分类制作酿造曲线模型(各点省略95％置信区间)。
[0035]因变量为氨基酸态氮时，由显著性一列可知罐位置、酿造天数与投料时间对酿造过程氨基酸态氮影响。
[0036]主体间效应检验
[0037][0038]a..000MS(月份)+1.000MS(错误)
[0039]b.MS(错误)
[0040]c..967MS(天数*月份)+.033MS(错误)
[0041]d..915MS(天数*月份)+.085MS(错误)
[0042]e.使用Alpha＝.05进行计算
[0043]由于发酵天数为自变量，除去发酵天数以后投料时间为最显著的影响因素，因此根据投料时间对氨基酸态氮数据进行分类制作酿造曲线模型(各点省略95％置信区间)。
[0044]因变量是盐分时：
[0045]主体间效应检验
[0046][0047][0048]a..000MS(月份)+1.000MS(错误)
[0049]b.MS(错误)
[0050]c..967MS(天数*月份)+.033MS(错误)
[0051]d..915MS(天数*月份)+.085MS(错误)
[0052]e.使用Alpha＝.05进行计算
[0053]由显著性一列可知罐位置、酿造天数与投料时间对酿造过程盐分影响极显著。由于发酵天数为自变量，除去发酵天数以后投料时间为最显著的影响因素，因此根据投料时间对盐分数据进行分类制作酿造曲线模型。
[0054]尽管已经示出和描述了本专利技术的实施例，但本具体实施例仅仅是对本专利技术的解释，其并不是对专利技术的限制，描述的具体特征、结构、材料或者特点可以在任何一个或多个实施例或示例中以合适的方式结合，本领域技术人员在阅读完本说明书后可在不脱离本发
明的原理和宗旨的情况下，本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种高盐稀态酱油酿造过程监控方法，包括，其特征在于，包括以下步骤：S1：用方差分析的方法分析不同影响因素对高盐稀态酱油酿造过程主要理化指标的影响程度；S2：根据影响显著的因素，将数据分类汇总酿造过程改理化指标的变化情况，制作酿造过程折线图并标注出概率为95％的指标范围，此折线范围则为高盐稀态酿造酱油理化指标差异不显著范围，以下简称为理化指标模型；S3：后续在此法下监控酿造的过程中，通过将每次监控数据补入理化指标模型，可持续对理化指标模型进行优化，不断提升模型准确性。2.根据权利要求1所述的一种高盐稀态酱油酿造过程监控方法，其特征在于，对高盐稀态酱油酿造过程的主要理化指标数据进行收集，按投料月份分类，...

【专利技术属性】
技术研发人员：曹庸，邓健豪，温林凤，符姜燕，扈圆舒，
申请(专利权)人：广东美味鲜调味食品有限公司，
类型：发明
国别省市：