人工智能技術在食品制程質量控制中的應用探討

蒲小春

摘 要：隨著人們對食品質量要求的提高，以及食品制程質量控制的精細化、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、系統、科學的質量控制技術，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。基于此，本文對人工智能技術在食品制程質量控制中的應用進行了探討。

關鍵詞：人工智能;智能制造;制程質量控制

隨著食品工業技術的深入發展，食品制造的機械化、系統化、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、系統學習、綜合計算、交互控制等能力應用到食品制程質量管理中，從而推動食品質量控制技術的發展與提升，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，其復雜的理論體系，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，對于人工智能的開發研究而言也有著相當重要的地位。

質量管理發展經歷了質量檢驗階段、統計質量階段、全面質量管理階段及現代質量管理[3]，如今質量管理正處于全面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，在全面質量管理階段，其產品是“策劃”出來的、產品是“生產”出來的理念與實踐植根于質量管理中，而制程質量管理作為質量管理的重要環節也顯得格外重要，制程質量控制（Producing Quality Control）PQC，簡稱制程控制，以人、機、料、法、環、測為基本要素，有機將各要素依據標準、規范、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。制程管控是品質管制的核心，其包含的要素、參數、細節眾多，如何監視、交互控制、預防性控制，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、控制等技術能力應用于制程質量控制中。

2 設計思路

2.1 產品實現路徑設計

制程質量控制是基于實現達到產品預期質量水平質量控制。內容包括產品的實現過程控制，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制點及屬性，同時需標注控制點的輸入、過程及輸出，其中每個控制點的識別、判定、控制的數據點必須量化為數據，涉及數量判定時，其循環條件一并標注。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，便于系統間的交互與控制。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。在完成路徑預演后，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制的有效性。

2.2 識別技術的選擇與應用

當路徑與參數明確后，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制節點數據的輸入。①人員防護控制可通過視頻技術、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，并創建一個基于規則的系統，然后通過比對、運算對結果作出判定。②設備控制可通過電控技術、光控技術、熱敏技術等，識別并控制設備步進動作、運行狀態、偏離趨勢、參數自糾的主動監控，以及將系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，實現設備與系統間的交互控制，確保企業生產設備規范、有序地運行[4]。③物料控制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;基于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環境控制可通過光感設備、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，驗證環境的潔凈水平與潔凈發展趨勢。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，并數據化。

2.3 數據運算設計與部署

節點及配套數據實現采集后，基于大系統、大數據的基礎，運用系統思維，智能交互、監視與控制。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，以及重復運算而偏離控制的冗余。

設計過程分階段實施，以節點為模塊基點，進行數據標注、測試和驗證后，再系統驗證、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 確定數據質量范圍

（1）基于節點的控制限值、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）在制程質量控制中，工藝往往會設置CCP點，基于CCP點的OL＼CL值，可優化驗證邏輯運算效果、容差范圍、偏離控制措施的有效性，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，需充分考慮數據冗余、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，并進一步形成知識庫，進而增強數據質量管理能力。

（2）基于正態分布，確定數據閾值，判斷數據是否為異常數據，可做事前研判、事后監控。

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復測試。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，可以通過專家系統、神經網絡等控制系統，對電氣設備關鍵部件進行控制，基于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

食品安全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制程控制水平，充分運用人工智能技術背景下的大數據、大系統的數據運算能力與交互智控技術，實現更加安全、穩定、可靠的質量控制，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，讓技術服務于質量，讓質量滿足于人民。

參考文獻

[1]林劍瑋.基于人工智能的質量過程控制研究[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.基于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于電氣工程自動化的方法[J].信息系統工程，2019（12）：23-24

[6]李海金.食品安全存在的問題分析與對策思考[J].中國藥事2006（20）：643