The Use of Probabilistic Modelling in Express Controlling of Apple Juices Quality

Іван Иванович Побережець, Леонід Евгенійович Ковальов

Abstract


Background. Quality control of plant juice in the process of its mass production.

Objective. Development of support system for decision making in the process of express monitoring of the plant juice quality on the basis of electroacoustic measurements.

Methods. Theoretical and experimental substantiation of expedience of the use of a new criterion for juice quality evaluation which is based on the regularities of distribution of electromagnetic waves due to the concentration of the dry substances in juice.

Results. The support system for decision making on the basis of Bayes networks in express monitoring and modeling of plant juice production is developed on the basis of their physical characteristics.

Conclusions. The use of the suggested support system for decision making allows increasing substantially operational efficiency of the production line due to the potential possibility for prognosticating end product quality and making fast corrections of its production regime.

Keywords


Bayesian network; Automatized measurement complex; Electroacoustic device; Juice quality control

References


G.B. Inozemtsev et al., Acoustic Technology in Agricultural Production. Kyiv, Ukraine: Energetyka ta Elektrofikatsiya, 2006 (in Ukrainian).

Electro-Optical and Acoustic Characteristics of Food, A. Rogov, Ed. Moscow: Lyogkaya i Pishevaya Promyshlennost, 1981 (in Russian).

Refractometric Determination of Dry Matter, GOST 28562–90, 1990 (in Russian).

M. Spraul et al., “Mixture analysis by NMR as applied to fruit juice quality control”, Magn. Reson. Chem., vol. 47, ss. 130–137, 2009. doi: 10.1002/mrc.2528

I.I. Poberezhets et al., “Electrical complex rapid quality control of herbal juices”, Naukovi Pratsi Odes'koyi Natsional'noyi Akademiyi Kharchovykh Tekhnolohiy, no. 40 (2), pp. 44–47, 2011 (in Ukrainian).

Y.Y. Ponomaryov et al., “Experience in the use of fuzzy controllers in system automation evaporation unit”, Avtomatika. Avtomatizatsiya. Elektrotehnicheskie Kompleksy i Sistemy, no. 2 (18), 2006. Available: aaecs.org/ponomarov-yayu-ladanyuk-ap-vashuk-vv-dosvd-vikoristannya-nechtkih-regulyatorv-v-sistem-atomatizac-viparno-ustanovki.html (in Ukrainian).

T. Wójcicki, “Use of bayesian networks and augmented reality to reliability testing of complex technical objects”, J. KONBiN, vol. 35, iss. 1, pp. 179–190, 2015. doi: 10.1515/jok-2015-0051

P.I. Bidyuk et al., “Diagnosing technical objects based on artificial immune systems and Bayesian networks”, Naukovi Visti NTUU KPI, no. 2, pp. 36–45, 2011 (in Ukrainian).

P.I. Bidyuk et al., Decision Support Systems on the Basis of Statistical and Probabilistic Methods. Kyiv, Ukraine: Logos, 2014 (in Ukrainian).

V. Sharapov et al., Piezoelectric Electroacoustic Transducers. Dordrecht, London, New York: Springer Verlag, Heidelberg, 2013.

M.Z. Zgurovsky et al., Bayesian Networks for Decision Support Systems. Kyiv, Ukraine: Edelweiss, 2015 (in Ukrainian).


GOST Style Citations


  1. Іноземцев Г.Б., Яковлєв В.Ф., Козирський В.В. Акустичні технології в аграрному виробництві. – К.: Енергетика та елек­трифікація, 2006. – 176 с.

  2. Электрофизические, оптические и акустические характеристики пищевых продуктов / И.А. Рогов, В.Я. Адаменко, С.В. Некрутман и др.; под ред. И.А. Рогова. – М.: Лег. и пищ. пром-сть, 1981. – 286 с.

  3. Рефрактометрическое определение сухих веществ: ГОСТ 28562–90. – М.: Изд-во стандартов, 1990. – 12 с.

  4. Mixture analysis by NMR as applied to fruit juice quality control / M. Spraul, B. Schütz, E. Humpfer et al. // Magn. Reson. Chem. – 2009. – 47. – S. 130–137. doi: 10.1002/mrc.2528

  5. Побережець І.І., Романовська Т.І., Романовський І.Я. Електротехнічний комплекс експрес-контролю якості рослинних соків // Наукові праці Одеської нац. академії харчових технологій. – 2011. – № 40 (2). – С. 44–47.

  6. Пономарьов Я.Ю., Ладанюк А.П., Іващук В.В. Досвід використання нечітких регуляторів в системі автоматизації випарної установки // Автоматика. Автоматизация. Электротехнические комплексы и системы. – 2006. – № 2 (18). –      Режим доступу: http://aaecs.org/ponomarov-yayu-ladanyuk-ap-vashuk-vv-dosvd-vikoristannya-nechtkih-regulyatorv-v-sistem-atomatizac-viparno-ustanovki.html

  7. Wójcicki T. Use of bayesian networks and augmented reality to reliability testing of complex technical objects // J. KONBiN. – 2015. – 35, iss. 1. – P. 179–190. doi: 10.1515/jok-2015-0051

  8. Діагностування технічних об’єктів на основі штучних імунних систем і байєсівських мереж / П.І. Бідюк, Л.О. Коршевнюк, В.І. Литвиненко, А.О. Фефелов // Наукові вісті НТУУ “КПІ”. – 2011. – № 2. – С. 36–45. – Режим доступу: http://nbuv.gov.ua/UJRN/NVKPI_2011_2_7

  9. Довгий С.О., Бідюк П.І., Трофимчук О.М. Системи підтримки прийняття рішень на основі статистично-ймовірнісних моделей. – К.: Логос, 2014. – 419 с.

  10. Sharapov V., Sotula Zh., Kunitskaya L. Piezoelectric Electroacoustic Transducers. – Dordrecht, London, New York: Springer Verlag, Heidelberg, 2013. – 240 p.

  11. Байєсівські мережі в системах підтримки прийняття рішень / М.З. Згуровський, П.І. Бідюк, О.М. Терентьєв, Т.І. Про­сянкіна-Жарова. – К: ТОВ “Видавниче підприємство Едельвейс”, 2015. – 300 с.




DOI: https://doi.org/10.20535/1810-0546.2016.6.79968

Refbacks

  • There are currently no refbacks.




Copyright (c) 2017 NTUU KPI