2021-11-25 17:31:00 來源: 世界杯賽程預測 導刊
蒲小春
(美廬生物科技股份有限公司,江西九江 332000)
摘 要:隨著人們對食品質量要求的提高,以及食品製程質量控製的精細化、專業化發展,在人工智能快速發展的今天,需將兩者有機結合起來,形成智能、係統、科學的質量控製技術,讓人工智能更高效、專業地服務質量管理,將成為質量管理發展的一個方向。基於此,本文對人工智能技術在食品製程質量控製中的應用進行了探討。
關鍵詞:人工智能;智能製造;製程質量控製
隨著食品工業技術的深入發展,食品製造的機械化、係統化、智能化程度越來越高,結合人工智能技術引領電控技術、光控技術、熱敏技術、視頻技術、大數據運算等技術的發展,將人工智能的深度感知、係統學習、綜合計算、交互控製等能力應用到食品製程質量管理中,從而推動食品質量控製技術的發展與提升,為廣大消費者提供更安全的食品。
1 人工智能技術與質量管理的概述
人工智能技術是一項新興的技術學科[1],具有較強的人工智能識別、分析、處理能力,其複雜的理論體係,包含了電氣技術、計算機技術、通信技術等多學科、多領域。依托計算機設備、圖像識別及處理技術、人工智能算法等,能達到一定的人類意識或行為,理論上可以輔助甚至替代人類完成某些工作,提高工作效率與質量[2]。隨著信息技術的快速發展,人工智能也將不斷進步,人們也將對人工智能技術越來越重視,對於人工智能的開發研究而言也有著相當重要的地位。
質量管理發展經曆了質量檢驗階段、統計質量階段、全麵質量管理階段及現代質量管理[3],如今質量管理正處於全麵質量管理的高速發展時期,同時質量管理的發展也不是獨立的,伴隨著檢測技術、工業技術、計算技術等的發展,也有了新的定義。其中,在全麵質量管理階段,其產品是“策劃”出來的、產品是“生產”出來的理念與實踐植根於質量管理中,而製程質量管理作為質量管理的重要環節也顯得格外重要,製程質量控製(Producing Quality Control)PQC,簡稱製程控製,以人、機、料、法、環、測為基本要素,有機將各要素依據標準、規範、規程、流程形成最佳組合,最終實現產品質量預期目標的質量管理措施。製程管控是品質管製的核心,其包含的要素、參數、細節眾多,如何監視、交互控製、預防性控製,對質量管理人員提出了更高的要求。本文探討將人工智能強大的識別、運算、控製等技術能力應用於製程質量控製中。
2 設計思路
2.1 產品實現路徑設計
製程質量控製是基於實現達到產品預期質量水平質量控製。內容包括產品的實現過程控製,與實現過程中的人、機、料、法、環、測等要素管理。①將產品的實現路徑流程化或圖表化,在流程的節點上標注控製點及屬性,同時需標注控製點的輸入、過程及輸出,其中每個控製點的識別、判定、控製的數據點必須量化為數據,涉及數量判定時,其循環條件一並標注。②開展產品實現建模,將參數轉化為計算機語言,選擇語言時,需考慮識技術或設備可通用的語言,或預留接口,便於係統間的交互與控製。③路徑預演,將節點的輸入數據通過其對應的節點,確定節點識別、判定、執行的有效性。在完成路徑預演後,基本確定產品建模的有效性、產品實現的操作規程有可操作性及產品質量監測與控製的有效性。
2.2 識別技術的選擇與應用
當路徑與參數明確後,針對識別的節點及參數,找到相適應的識別器,將對象轉化為信號作為各控製節點數據的輸入。①人員防護控製可通過視頻技術、智能相機和支持AI的軟件對人員的防護、狀態、形為進行識別,並創建一個基於規則的係統,然後通過比對、運算對結果作出判定。②設備控製可通過電控技術、光控技術、熱敏技術等,識別並控製設備步進動作、運行狀態、偏離趨勢、參數自糾的主動監控,以及將係統預設參數通過識別器傳輸給設備或設施,設備的執行將按照預定軌跡和參數進行,實現設備與係統間的交互控製,確保企業生產設備規範、有序地運行[4]。③物料控製可通過提前預設基礎數據庫,將物料的名稱及屬性數據化、物料的流轉流程數據化、物料的質量趨勢數據化等;基於數據的符合性判定是否滿足質量原則可流轉至下工序,是否符合物料的平衡規則以驗證產品的質量屬性,同時數據流可形成大數據,通過建立大數據的篩選、運算,提升物料的質控水平。④環境控製可通過光感設備、熱敏設備、氣體監控設備等對環境中的空氣流、氣體成分、空間顆粒物、水氣飽和度等進行監控,驗證環境的潔淨水平與潔淨發展趨勢。作業規程在流程設計時,將動作流、動作標準嵌套至節點的設計中,最終將人、機、料、法、環、測等基本要素全部采集,並數據化。
2.3 數據運算設計與部署
節點及配套數據實現采集後,基於大係統、大數據的基礎,運用係統思維,智能交互、監視與控製。設計中充分考慮節點的輸入條件、運行條件、輸出條件以及緊急處置條件、趨勢分析、預判等的數據運算,在實現大數據計算的基礎上,同時避免出現參數漏項,以及重複運算而偏離控製的冗餘。
設計過程分階段實施,以節點為模塊基點,進行數據標注、測試和驗證後,再係統驗證、規模部署與正式部署。在整個項目的部署過程中,QA團隊應執行各種檢查、確認和評審,將數據模型指標、預定義值或閾值進行比較,監控驗證數據質量,驗證AI模型滿足參數配置的能力、運行處置、推理能力,確保模塊質量可靠,流程通暢安全。
2.4 數據運算驗證
2.4.1 確定數據質量範圍
(1)基於節點的控製限值、趨勢限值,選擇一些重要的表和數據項進行數據質量核查,驗證節點的識別與判定能力是否符合預期。
(2)在製程質量控製中,工藝往往會設置CCP點,基於CCP點的OL\CL值,可優化驗證邏輯運算效果、容差範圍、偏離控製措施的有效性,以及趨勢數據預判能力。
(3)在數據運算設計中,可能存在多重嵌套循環運算的條件,為提升運行效率,需充分考慮數據冗餘、節點迂回現象。
2.4.2 數據質量檢查規則
(1)針對少量核心檢查規則,從大數據中選取訓練數據樣本,利用機器學習進行深度分析,提取公共特征和模型,可以用來定位數據質量原因,進行數據質量問題的預測,並進一步形成知識庫,進而增強數據質量管理能力。
(2)基於正態分布,確定數據閾值,判斷數據是否為異常數據,可做事前研判、事後監控。
2.4.3 數據問題發現
定位具體的數據環節,進行試錯測試與驗證,確認數據運算能力能滿足正常或異常情況下的數據判定能力。
為確保訓練數據適合模型,必須對數據本身的質量、完整性、可靠性和有效性進行反複測試。這包括識別和消除任何形式的人為偏見。在現實場景中,AI模型處理的數據可能與其訓練數據有所出入。因此,在人工智能技術的實際運用上,可以通過專家係統、神經網絡等控製係統,對電氣設備關鍵部件進行控製,基於當時情況進行操作判斷決策,盡可能模擬人為操作,提高效率[5]。
3 結語
世界杯賽程預測事關廣大人民群眾的身體健康和生命安全,事關經濟健康發展和社會穩定大局,事關政府和國家形象[6]。為進一步提升食品質量製程控製水平,充分運用人工智能技術背景下的大數據、大係統的數據運算能力與交互智控技術,實現更加安全、穩定、可靠的質量控製,在食品質量高要求的今天顯得更加重要。作為質量管理人員,在人工智能高速發展的今天,需進一步將多學科、多領域融合發展,發揮多家之長,讓技術服務於質量,讓質量滿足於人民。
參考文獻
[1]林劍瑋.基於人工智能的質量過程控製研究[J].天津美騰科技股份有限公,2019(41):168
[2]劉洋.電氣工程自動化中人工智能的運用[J].湖北農機化,2019(24):91
[3]諶東荄.質量管理概論[M].北京:經濟管理出版社,2001.
[4]呂穎利.基於人工智能技術分析電氣自動化的發展前景[J].廣西農業機械化,2019(6):10-11
[5]高峰.淺談促進人工智能運用於電氣工程自動化的方法[J].信息係統工程,2019(12):23-24
[6]李海金.世界杯賽程預測存在的問題分析與對策思考[J].中國藥事2006(20):643