CN117455219B - 一种发酵生产配料优化方法及系统 - Google Patents
一种发酵生产配料优化方法及系统 Download PDFInfo
- Publication number
- CN117455219B CN117455219B CN202311785123.6A CN202311785123A CN117455219B CN 117455219 B CN117455219 B CN 117455219B CN 202311785123 A CN202311785123 A CN 202311785123A CN 117455219 B CN117455219 B CN 117455219B
- Authority
- CN
- China
- Prior art keywords
- production
- fermentation
- raw material
- efficiency
- index
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000004519 manufacturing process Methods 0.000 title claims abstract description 206
- 238000000034 method Methods 0.000 title claims abstract description 203
- 238000000855 fermentation Methods 0.000 title claims abstract description 161
- 230000004151 fermentation Effects 0.000 title claims abstract description 161
- 239000004615 ingredient Substances 0.000 title claims abstract description 47
- 238000005457 optimization Methods 0.000 title claims abstract description 24
- 230000008569 process Effects 0.000 claims abstract description 115
- 239000002994 raw material Substances 0.000 claims abstract description 94
- 239000007788 liquid Substances 0.000 claims abstract description 52
- 239000007787 solid Substances 0.000 claims abstract description 41
- 238000004090 dissolution Methods 0.000 claims abstract description 27
- 238000011156 evaluation Methods 0.000 claims abstract description 20
- 230000002068 genetic effect Effects 0.000 claims abstract description 19
- 238000005259 measurement Methods 0.000 claims abstract description 19
- 230000006870 function Effects 0.000 claims description 27
- 238000009826 distribution Methods 0.000 claims description 9
- 238000004590 computer program Methods 0.000 claims description 6
- 239000011343 solid material Substances 0.000 claims description 6
- 239000011344 liquid material Substances 0.000 claims description 5
- 239000000047 product Substances 0.000 description 20
- 239000000243 solution Substances 0.000 description 12
- 230000000694 effects Effects 0.000 description 5
- 239000012088 reference solution Substances 0.000 description 5
- 238000013329 compounding Methods 0.000 description 3
- 239000011159 matrix material Substances 0.000 description 3
- 238000003756 stirring Methods 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 239000013590 bulk material Substances 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 239000007795 chemical reaction product Substances 0.000 description 1
- 210000000349 chromosome Anatomy 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 210000004209 hair Anatomy 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0633—Workflow analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/12—Computing arrangements based on biological models using genetic models
- G06N3/126—Evolutionary algorithms, e.g. genetic algorithms or genetic programming
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/04—Manufacturing
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Physics & Mathematics (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Theoretical Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Entrepreneurship & Innovation (AREA)
- General Physics & Mathematics (AREA)
- Educational Administration (AREA)
- Development Economics (AREA)
- Tourism & Hospitality (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Biophysics (AREA)
- Evolutionary Biology (AREA)
- Game Theory and Decision Science (AREA)
- General Health & Medical Sciences (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Primary Health Care (AREA)
- Manufacturing & Machinery (AREA)
- Physiology (AREA)
- Genetics & Genomics (AREA)
- Artificial Intelligence (AREA)
- Biomedical Technology (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Apparatus Associated With Microorganisms And Enzymes (AREA)
- Preparation Of Compounds By Using Micro-Organisms (AREA)
Abstract
本发明涉及配料优化技术领域，提出了一种发酵生产配料优化方法及系统，具体包括以下步骤：获取生产发酵目标的各道工序实际时长、固体原料投入质量、液体原料体积及液体原料浓度；根据固体原料与液体原料的相溶程度得到各工序的相溶程度指数；根据各工序的相溶程度指数获取各生产发酵目标的溶解平衡速率；获取各工序的效率指数；根据各工序的效率指数得到各工序的效率不平滑指数；根据各工序的效率不平滑指数得到各生产发酵目标的生产效率综合评价因子；进而得到各生产发酵目标的生产浓度衡量指数与配料适应度目标函数；结合遗传算法实现发酵生产配料优化。本发明旨在提高生产发酵目标的生产质量及生产效率，实现发酵生产配料的优化。
Description
技术领域
本发明涉及配料优化领域，具体涉及一种发酵生产配料优化方法及系统。
背景技术
配料是生产发酵目标的第一道工序，配料工作对产品的食品安全和质量十分重要。发酵生产使用的原料多为固体类，使用时需要人工溶解分批投料，在配料过程中，通过逐工序加入原料，并在每个工序中进行混合、搅拌、反应等操作，实现对发酵生产过程的精细控制，这需要人工进行物料称量和混合操作，会消耗大量时间和劳动力资源。同时，人工操作的效率受到操作员技术水平和疲劳度等因素的限制，这些因素可能导致配料的不准确性和不一致性，进而影响产品的质量和稳定性。
为了克服人工配料的缺点，许多企业和生产线已经采用自动化配料系统，利用计算机控制和精密设备进行配料。这些系统可以提高配料的精度、一致性和效率，减少人为误差，并实现配料过程的数据记录和追溯。为提高生产效率，针对发酵产品生产中的效率问题，考虑使用遗传算法对生产配料工序进行优化，为实现产业自动化配料系统提供基础。
综上所述，本发明提出一种发酵生产配料优化方法及系统，通过对生产发酵目标的各个工序所需的固体原料与液体原料进行分析，结合遗传算法实现发酵生产配料优化，提高生产发酵目标的生产效率与生产质量。
发明内容
为了解决上述技术问题，本发明的目的在于提供一种发酵生产配料优化方法及系统，所采用的技术方案具体如下：
第一方面，本发明实施例提供了一种发酵生产配料优化方法，该方法包括以下步骤：
获取生产发酵目标各道工序的固体原料投入质量、液体原料浓度、液体原料体积、工序时长及每道工序添加后生产发酵目标的参考浓度；
根据各道工序固体原料与液体原料的相溶程度得到各工序的相溶程度指数；根据各工序的相溶程度指数得到各生产发酵目标的溶解平衡速率；根据各工序的固体原料投入质量、液体原料浓度、液体原料体积及工序时长得到各工序的效率指数；根据各工序效率指数的分布得到各工序的效率不平滑指数；
结合各工序的效率不平滑指数及各生产发酵目标的溶解平衡速率得到各生产发酵目标的生产效率综合评价因子；根据每道工序添加后生产发酵目标的参考浓度获取各生产发酵目标的生产浓度衡量指数；
结合各生产发酵目标的生产效率综合评价因子及生产浓度衡量指数得到各生产发酵目标的配料适应度目标函数；结合遗传算法及各生产发酵目标的配料适应度目标函数完成发酵生产配料优化。
优选的，所述根据各道工序固体原料与液体原料的相溶程度得到各工序的相溶程度指数，表达式为：
式中，表示第i个工序中固体原料与液体原料的相溶程度指数，/>表示第i个工序中固体原料的实际投放质量，/>表示第i个工序中投放的液体原料浓度，/>表示第i个工序中投放的液体原料体积，/>表示第i个工序实际时长。
优选的，所述根据各工序的相溶程度指数得到各生产发酵目标的溶解平衡速率，包括：
计算各工序的相溶程度指数与所有工序相溶程度指数最大值的比值，将所有工序所述比值的均值作为各生产发酵目标的溶解平衡速率。
优选的，所述根据各工序的固体原料投入质量、液体原料浓度、液体原料体积及工序时长得到各工序的效率指数，包括：
针对各工序，计算液体原料浓度与液体原料体积的乘积，计算所述乘积与固体原料投入质量的和值，将所述和值与工序时长的比值作为各工序的效率指数。
优选的，所述根据各工序效率指数的分布得到各工序的效率不平滑指数，表达式为：
式中，表示第i个工序的效率不平滑指数，/>表示第/>个工序的效率指数，/>表示生产发酵目标剔除第i道工序之后所有工序效率指数的均值，/>发酵目标剔除第i道工序之后所有工序效率指数的标准差。
优选的，所述结合各工序的效率不平滑指数及各生产发酵目标的溶解平衡速率得到各生产发酵目标的生产效率综合评价因子，包括：
针对各生产发酵目标，设定调节因子，计算所有工序效率不平滑指数最大值与最小值的差值，计算调节因子与所述差值的比值，将所述比值与溶解平衡速率的乘积作为各生产发酵目标的生产效率综合评价因子。
优选的，所述根据每道工序添加后生产发酵目标的参考浓度获取各生产发酵目标的生产浓度衡量指数，包括：
计算各工序液体原料浓度与液体原料体积的乘积，计算所述乘积与各工序固体原料实际投入质量的和值，计算所述和值与各工序液体原料体积的比值，计算所述比值与每道工序添加后生产发酵目标的参考浓度的差值绝对值，将生产发酵目标所有工序所述差值绝对值的和值作为各生产发酵目标的生产浓度衡量指数。
优选的，所述结合各生产发酵目标的生产效率综合评价因子及生产浓度衡量指数得到各生产发酵目标的配料适应度目标函数，包括：
设定第一权重与第二权重，计算第一权重与各生产发酵目标的生产效率综合评价因子的乘积，记为第一乘积，计算第二权重与各生产发酵目标的生产浓度衡量指数的倒数的乘积，记为第二乘积，将第一乘积与第二乘积的和值作为各生产发酵目标的配料适应度目标函数。
优选的，所述结合遗传算法及各生产发酵目标的配料适应度目标函数完成发酵生产配料优化，包括：
利用遗传算法对各生产发酵目标的配料适应度目标函数求取最优解，将最优解作为各生产发酵目标的最优化浓度。
第二方面，本发明实施例还提供了一种发酵生产配料优化系统，包括存储器、处理器以及存储在所述存储器中并在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述任意一项所述方法的步骤。
本发明至少具有如下有益效果：
本发明通过对生产发酵目标的各个工序所需的固体原料与液体原料进行分析，构建配料适应度目标函数，利用遗传算法对配料适应度目标函数求取最优解，对生产配料工序进行优化。本发明有效提高了发酵产品的生产效率，且可操作性强；
进一步，本发明获取各工序固体原料与液体原料的相溶程度指数，进一步获取生产发酵目标的溶解平衡速率；同时，根据各工序的生产时长构建效率不平滑指数，进一步获取生产发酵目标的生产效率综合因子；从时间方面、以及溶解速度方面反应产品的生产效率；另外，根据各工序生成溶液浓度与参考溶液浓度的差异构建生产浓度平衡指数，从产品生产标准方面反应该生产发酵目标的生产质量。本发明解决了发酵过程中的配料选择和比例调整需要考虑多个因素、且配料优化需要依赖大量的实验数据和分析结果而最终导致发酵生产配料优化效果不佳的问题。本发明具有资源利用率高、生产质量高、生产成本低且优化效果可靠性强的有益效果。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案和优点，下面将对实施例或现有技术描述中所需要使用的附图作简单的介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其它附图。
图1为本发明一个实施例提供的一种发酵生产配料优化方法的步骤流程图；
图2为配料适应度目标函数指标获取流程图。
具体实施方式
为了更进一步阐述本发明为达成预定发明目的所采取的技术手段及功效，以下结合附图及较佳实施例，对依据本发明提出的一种发酵生产配料优化方法及系统，其具体实施方式、结构、特征及其功效，详细说明如下。在下述说明中，不同的“一个实施例”或“另一个实施例”指的不一定是同一实施例。此外，一个或多个实施例中的特定特征、结构或特点可由任何合适形式组合。
除非另有定义，本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。
下面结合附图具体的说明本发明所提供的一种发酵生产配料优化方法及系统的具体方案。
请参阅图1，其示出了本发明一个实施例提供的一种发酵生产配料优化方法的步骤流程图，该方法包括以下步骤：
步骤S001，获取生产发酵目标配料的相关数据。
本发明实施例主要针对生产发酵目标的浓度进行优化，进一步提高生产效率和生产质量，为后续实现配料自动化提供基础。因此首先获取不同生产发酵目标的信息，其中/>表示生产发酵目标的个数；针对第/>个生产发酵目标，其信息包括：每道工序添加后生产发酵目标的标准参考浓度/>、每个工序固体原料的实际投入质量；每个工序实际时长/>；每个工序的液体原料体积/>以及每个工序的液体原料浓度/>。
即针对不同生产发酵目标的每道工序可以表示为。
步骤S002，通过生产发酵目标的固体原料与液体原料的相溶程度得到各工序的相溶程度指数，进一步获取生产发酵目标的溶解平衡速率；根据各工序的生产时长构建效率不平滑指数，进一步获取生产发酵目标的生产效率综合评价因子，根据各工序生成溶液浓度与参考溶液浓度的差异构建生产浓度衡量指数，最终构建配料适应度目标函数。
具体的，本实施例根据固体原料与液体原料的相溶程度得到各工序的相溶程度指数；根据各工序的相溶程度指数获取各生产发酵目标的溶解平衡速率；获取各工序的效率指数；根据各工序的效率指数得到各工序的效率不平滑指数；根据各工序的效率不平滑指数得到各生产发酵目标的生产效率综合评价因子；进而得到各生产发酵目标的生产浓度衡量指数与配料适应度目标函数；结合遗传算法实现发酵生产配料优化，具体配料适应度目标函数指标获取流程图如图2所示。各生产发酵目标的配料适应度目标函数的构建过程具体为：
发酵生产过程中，需要将每道工序的固体原料与液体原料进行搅拌溶解，在各工序固体原料溶解搅拌的过程中，固体原料与液体原料的相溶性越强，固体原料在该液体原料中的溶解速率就越快，由此，计算各工序固体原料与液体原料的相溶程度指数，所述相溶程度指数具体表达式为：
式中，表示第i个工序中固体原料与液体原料的相溶程度指数，/>表示第i个工序中固体原料的实际投放质量，/>表示第i个工序中投放的液体原料浓度，/>表示第i个工序中投放的液体原料体积，/>表示第i个工序实际时长。
每道工序的固体原料投放质量越大，工序花费时间越长，说明单位时间内生产发酵目标的溶液浓度变化越慢，进而该道工序的相溶程度指数就越小，表示该道工序的固体原料与液体原料的相溶程度就越低。
不同的固体原料在不同的生产发酵目标中的溶解搅拌速率不同，由此，得到不同生产发酵目标的溶解平衡速率，所述溶解平衡速率具体表达式为：
式中，表示生产发酵目标/>的溶解平衡速率，/>表示生产发酵目标所需的工序数量，/>表示第/>个工序中固体原料与液体原料的相溶程度指数，/>表示取最大值函数，/>表示第/>个工序中固体原料与液体原料的相溶程度指数。
当各工序固体原料与液体原料的相溶程度指数与最大相溶程度指数的占比越大，经过所有工序后，则最终生产发酵目标的溶解速率就越高，生产发酵目标的溶解平衡速率即越大，说明生产该发酵目标时的效率就越高。
根据完成的工序工作量以及工序时长，获取各工序的效率指数，所述效率指数具体表达式为：
式中，表示第i个工序的效率指数，/>表示第i个工序中固体原料的实际投入质量，/>表示第i个工序中投放的液体原料浓度，/>表示第i个工序中投放的液体原料体积，/>表示第i个工序实际时长。
当第i个工序的固体原料投放质量越大，完成该工序花费的时间越小，则表明在该工序单位时间内固体溶解速度大，进而生产效率就越高。相反，当该工序花费时间越长，则表明在该工序的生产效率就越低。
根据各工序的效率指数分布情况，获取各工序的效率不平滑指数，所述效率不平滑指数具体表达式为：
式中，表示第i个工序的效率不平滑指数，/>表示第/>个工序的效率指数，/>表示生产发酵目标剔除第i道工序之后所有工序效率指数的均值，/>发酵目标剔除第i道工序之后所有工序效率指数的标准差。
当第个工序的效率指数在所有工序中越突出时，剔除该工序后的剩下所有工序的效率指数均值就会变小，进而标准差也会变小，第/>个工序的效率指数与所述效率指数均值的差值绝对值就越大，从而该工序的效率不平滑指数就越大。
进一步的，根据生产发酵目标各工序的效率不平滑指数的特征，获取该生产发酵目标的生产效率综合评价因子，所述生产效率综合评价因子具体表达式为：
式中，表示生产发酵目标/>的生产效率综合评价因子，/>表示生产发酵目标各工序的效率不平滑指数，/>表示生产发酵目标/>的调节因子，本实施例中/>，实施者可根据实际情况自行设定，本实施例在此不做限制，/>分别为取最大值函数、取最小值函数，/>表示生产发酵目标/>的溶解平衡速率。
针对各生产发酵目标的所有工序，当效率不平滑指数的最大值与最小值的差值越小，表示效率不平滑指数的分布越集中，并且溶解平衡速率越快，说明生产发酵目标的生产效率越好，则生产效率综合评价因子就越大。
实际生产发酵过程中，针对每个生产发酵目标，虽然不同过程中固体原料进行溶解过程中的溶液浓度有标准参考依据，但是由于生产发酵目标量不同，人为投放的固体原料质量不能精准控制，该工序生产出的溶液浓度可能与标准参考溶液浓度有差异，根据加入固体原料的质量、以及液体原料的体积，得到各生产发酵目标的生产浓度衡量指数，所述生产浓度衡量指数具体表达式为：
式中，表示生产发酵目标/>的生产浓度衡量指数，/>表示第i个工序中固体原料的实际投入质量，/>表示第i个工序中投放的液体原料浓度，/>表示第i个工序中投放的液体原料体积；/>表示生产发酵目标第/>个工序的参考溶液浓度，/>表示生产发酵目标所需的工序数量。
生产发酵目标的各工序实际溶液浓度与参考溶液浓度越接近，则生产浓度衡量指数就越小，说明生产发酵目标的生产质量就越好。
本实施例考虑使用遗传算法将各工序生产配料重新合理分配获取最优化的生产发酵目标浓度，最终实现生产效率综合评价因子最高，生产浓度衡量指数最小的目标。由此，建立配料适应度目标函数，所述配料适应度目标函数具体表达式为：
式中：为生产发酵目标/>的配料适应度，/>、/>表示赋予配料适应度目标函数的两个权重，分别记为第一权重和第二权重，本实施例中/>，实施者可根据实际情况自行设定，本实施例在此不做限制，/>表示生产发酵目标/>的生产浓度衡量指数，/>表示生产发酵目标/>的生产效率综合评价因子，将/>记为第一乘积，将记为第二乘积。
步骤S003，利用遗传算法得到生产发酵目标的最优化浓度，完成对发酵生产配料的优化。
对于各生产发酵目标，获取每个工序的优先关系，首先针对各工序之间的优先关系建立0-1矩阵/>：若/>=0，则表示第/>个工序不是第/>个工序的紧前工序；如果/>=1，则表示第/>个工序是第/>个工序的紧前工序。
基于优先矩阵对各工序进行实体编码，得到遗传算法中的初始染色体。
使用遗传算法对配料适应度目标函数求取最优解，遗传算法为现有公知技术，本实施例在此不做赘述，其中遗传算法的约束条件为：依据优先矩阵获取的各工序的优先关系。实施者可根据实际情况自行添加其他约束条件，本实施例在此不做限制。最终遗传算法得到的最优解为各生产发酵目标的最优化浓度，根据各生产发酵目标的最优化浓度确定最佳工序分配，完成发酵生产配料的优化。
基于与上述方法相同的发明构思，本发明实施例还提供了一种发酵生产配料优化系统，包括存储器、处理器以及存储在所述存储器中并在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述一种发酵生产配料优化方法中任意一项所述方法的步骤。
综上所述，本发明实施例解决了发酵过程中的配料选择和比例调整需要考虑多个因素、且配料优化需要依赖大量的实验数据和分析结果而最终导致发酵生产配料优化效果不佳的问题，通过获取配料适应度目标函数并结合遗传算法，提高了发酵生产配料优化的准确性与可靠性。
需要说明的是：上述本发明实施例先后顺序仅仅为了描述，不代表实施例的优劣。且上述对本说明书特定实施例进行了描述。另外，在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中，多任务处理和并行处理也是可以的或者可能是有利的。
本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。
以上所述仅为本发明的较佳实施例，并不用以限制本发明，凡在本发明的原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
Claims (5)
1.一种发酵生产配料优化方法，其特征在于，该方法包括以下步骤：
获取生产发酵目标各道工序的固体原料投入质量、液体原料浓度、液体原料体积、工序时长及每道工序添加后生产发酵目标的参考浓度；
根据各道工序固体原料与液体原料的相溶程度得到各工序的相溶程度指数；根据各工序的相溶程度指数得到各生产发酵目标的溶解平衡速率；根据各工序的固体原料投入质量、液体原料浓度、液体原料体积及工序时长得到各工序的效率指数；根据各工序效率指数的分布得到各工序的效率不平滑指数；
结合各工序的效率不平滑指数及各生产发酵目标的溶解平衡速率得到各生产发酵目标的生产效率综合评价因子；根据每道工序添加后生产发酵目标的参考浓度获取各生产发酵目标的生产浓度衡量指数；
结合各生产发酵目标的生产效率综合评价因子及生产浓度衡量指数得到各生产发酵目标的配料适应度目标函数；结合遗传算法及各生产发酵目标的配料适应度目标函数完成发酵生产配料优化；
所述根据各道工序固体原料与液体原料的相溶程度得到各工序的相溶程度指数，表达式为：
式中，表示第i个工序中固体原料与液体原料的相溶程度指数，/>表示第i个工序中固体原料的实际投放质量，/>表示第i个工序中投放的液体原料浓度，/>表示第i个工序中投放的液体原料体积，/>表示第i个工序实际时长；
所述根据各工序的相溶程度指数得到各生产发酵目标的溶解平衡速率，包括:
计算各工序的相溶程度指数与所有工序相溶程度指数最大值的比值，将所有工序所述比值的均值作为各生产发酵目标的溶解平衡速率；
所述结合各工序的效率不平滑指数及各生产发酵目标的溶解平衡速率得到各生产发酵目标的生产效率综合评价因子，包括：
针对各生产发酵目标，设定调节因子，计算所有工序效率不平滑指数最大值与最小值的差值，计算调节因子与所述差值的比值，将所述比值与溶解平衡速率的乘积作为各生产发酵目标的生产效率综合评价因子；
所述根据每道工序添加后生产发酵目标的参考浓度获取各生产发酵目标的生产浓度衡量指数，包括：
计算各工序液体原料浓度与液体原料体积的乘积，计算所述乘积与各工序固体原料实际投入质量的和值，计算所述和值与各工序液体原料体积的比值，计算所述比值与每道工序添加后生产发酵目标的参考浓度的差值绝对值，将生产发酵目标所有工序所述差值绝对值的和值作为各生产发酵目标的生产浓度衡量指数；
所述结合各生产发酵目标的生产效率综合评价因子及生产浓度衡量指数得到各生产发酵目标的配料适应度目标函数，包括：
设定第一权重与第二权重，计算第一权重与各生产发酵目标的生产效率综合评价因子的乘积，记为第一乘积，计算第二权重与各生产发酵目标的生产浓度衡量指数的倒数的乘积，记为第二乘积，将第一乘积与第二乘积的和值作为各生产发酵目标的配料适应度目标函数。
2.根据权利要求1所述的一种发酵生产配料优化方法，其特征在于，所述根据各工序的固体原料投入质量、液体原料浓度、液体原料体积及工序时长得到各工序的效率指数，包括：
针对各工序，计算液体原料浓度与液体原料体积的乘积，计算所述乘积与固体原料投入质量的和值，将所述和值与工序时长的比值作为各工序的效率指数。
3.根据权利要求1所述的一种发酵生产配料优化方法，其特征在于，所述根据各工序效率指数的分布得到各工序的效率不平滑指数，表达式为：
式中，表示第i个工序的效率不平滑指数，/>表示第/>个工序的效率指数，/>表示生产发酵目标剔除第i道工序之后所有工序效率指数的均值，/>发酵目标剔除第i道工序之后所有工序效率指数的标准差。
4.根据权利要求1所述的一种发酵生产配料优化方法，其特征在于，所述结合遗传算法及各生产发酵目标的配料适应度目标函数完成发酵生产配料优化，包括：
利用遗传算法对各生产发酵目标的配料适应度目标函数求取最优解，将最优解作为各生产发酵目标的最优化浓度。
5.一种发酵生产配料优化系统，包括存储器、处理器以及存储在所述存储器中并在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1-4任意一项方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311785123.6A CN117455219B (zh) | 2023-12-25 | 2023-12-25 | 一种发酵生产配料优化方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311785123.6A CN117455219B (zh) | 2023-12-25 | 2023-12-25 | 一种发酵生产配料优化方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117455219A CN117455219A (zh) | 2024-01-26 |
| CN117455219B true CN117455219B (zh) | 2024-04-12 |
Family
ID=89580305
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311785123.6A Active CN117455219B (zh) | 2023-12-25 | 2023-12-25 | 一种发酵生产配料优化方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117455219B (zh) |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20140006122A (ko) * | 2012-06-13 | 2014-01-16 | 설완석 | 옹기 식품의 생산 인증 시스템 |
| JP2016009437A (ja) * | 2014-06-26 | 2016-01-18 | メディカルフュージョン株式会社 | サプリメントの生産管理システム |
| JP2017021670A (ja) * | 2015-07-13 | 2017-01-26 | 株式会社デジジャパン | 食材管理システム |
| JP2022047230A (ja) * | 2020-09-11 | 2022-03-24 | 国立研究開発法人農業・食品産業技術総合研究機構 | 食パラメータ管理システム |
| CN116685996A (zh) * | 2020-12-23 | 2023-09-01 | 巴斯夫欧洲公司 | 化学配制剂的数据驱动的多标准优化 |
| CN116777309A (zh) * | 2023-08-23 | 2023-09-19 | 四川省眉山益稷农业科技有限公司 | 一种有机肥发酵质量评价方法 |
| CN117094611A (zh) * | 2023-10-20 | 2023-11-21 | 济南优谷生物技术有限公司 | 一种用于食品加工的质量安全溯源管理方法及系统 |
-
2023
- 2023-12-25 CN CN202311785123.6A patent/CN117455219B/zh active Active
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20140006122A (ko) * | 2012-06-13 | 2014-01-16 | 설완석 | 옹기 식품의 생산 인증 시스템 |
| JP2016009437A (ja) * | 2014-06-26 | 2016-01-18 | メディカルフュージョン株式会社 | サプリメントの生産管理システム |
| JP2017021670A (ja) * | 2015-07-13 | 2017-01-26 | 株式会社デジジャパン | 食材管理システム |
| JP2022047230A (ja) * | 2020-09-11 | 2022-03-24 | 国立研究開発法人農業・食品産業技術総合研究機構 | 食パラメータ管理システム |
| CN116685996A (zh) * | 2020-12-23 | 2023-09-01 | 巴斯夫欧洲公司 | 化学配制剂的数据驱动的多标准优化 |
| CN116777309A (zh) * | 2023-08-23 | 2023-09-19 | 四川省眉山益稷农业科技有限公司 | 一种有机肥发酵质量评价方法 |
| CN117094611A (zh) * | 2023-10-20 | 2023-11-21 | 济南优谷生物技术有限公司 | 一种用于食品加工的质量安全溯源管理方法及系统 |
Non-Patent Citations (3)
| Title |
|---|
| "Real-Time Fermentation Monitoring of Synthetic Beer Wort Using Etched Fiber Bragg Grating";V Oliveira et al.;《IEEE Transactions on Instrumentation and Measurement》;20211001;第70卷;第7006707-1至7006707-7页 * |
| "基于遗传算法的计量泵投料系统优化";丁言丰;余世明;;《机电工程》;20150320;第32卷(第3期);第343-347+357页 * |
| "有机固废干式厌氧发酵平台的自控系统";张华;《电气自动化》;20230930;第45卷(第5期);第61-63页 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117455219A (zh) | 2024-01-26 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Goldrick et al. | The development of an industrial-scale fed-batch fermentation simulation | |
| CN1248074C (zh) | 过程控制系统 | |
| US11525836B2 (en) | Automated bioprocess development | |
| WO2018229802A1 (en) | Method for predicting outcome of and modelling of a process in a bioreactor | |
| CN113110313A (zh) | 一种基于数字孪生的施工过程管控方法 | |
| Shirahata et al. | Dynamic modelling, simulation and economic evaluation of two CHO cell-based production modes towards developing biopharmaceutical manufacturing processes | |
| CN109765788A (zh) | 一种多目标原油调合在线优化方法 | |
| JP6816003B2 (ja) | 発酵モデルを作成するためのコンピューター実行式の方法 | |
| Urniezius et al. | Generic estimator of biomass concentration for Escherichia coli and Saccharomyces cerevisiae fed-batch cultures based on cumulative oxygen consumption rate | |
| CN117455219B (zh) | 一种发酵生产配料优化方法及系统 | |
| CN109994160B (zh) | 一种原油调合的调合效应参数的计算方法 | |
| Shestopaloff | Predicting growth and finding biomass production using the general growth mechanism | |
| CN118569616B (zh) | 基于界面剂性能测试数据的智能生产管理方法与系统 | |
| CN117707065B (zh) | 一种基于浓度的液体添加剂智能调配方法、系统及介质 | |
| CN205787836U (zh) | 一种基于plc的谷氨酸发酵监控系统 | |
| CN117634705B (zh) | 一种基于大数据的新拌混凝土工作性能预测方法 | |
| CN116422542B (zh) | 多组分多通道供胶系统的定量控制方法及相关装置 | |
| Fernandes et al. | Dynamic metabolic flux analysis of underdetermined and overdetermined metabolic networks | |
| CN109696831B (zh) | 双变量施肥装置的控制序列优化方法及装置 | |
| CN114872196B (zh) | 搅拌机电流智能化调控方法 | |
| US20230050810A1 (en) | Manufacturing Systems For Biopharmaceutical Products | |
| CN114118781A (zh) | 基于生物学血缘关系的数据计算管理方法及其系统 | |
| CN118569616A (zh) | 基于界面剂性能测试数据的智能生产管理方法与系统 | |
| CN118584090A (zh) | 一种混凝土废水检测系统及方法 | |
| CN118859871A (zh) | 治疗奶牛乳腺炎的外用膏剂的生产加工控制系统 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |