WO2024154473A1 - 油脂劣化予測装置、油脂劣化予測システム、および油脂劣化予測方法 - Google Patents

油脂劣化予測装置、油脂劣化予測システム、および油脂劣化予測方法 Download PDF

Info

Publication number
WO2024154473A1
WO2024154473A1 PCT/JP2023/044062 JP2023044062W WO2024154473A1 WO 2024154473 A1 WO2024154473 A1 WO 2024154473A1 JP 2023044062 W JP2023044062 W JP 2023044062W WO 2024154473 A1 WO2024154473 A1 WO 2024154473A1
Authority
WO
WIPO (PCT)
Prior art keywords
deterioration
oil
frying oil
prediction
frying
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.)
Ceased
Application number
PCT/JP2023/044062
Other languages
English (en)
French (fr)
Inventor
健一 柿本
涼平 渡邊
枝利 奴田原
萌香 小野
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
J Oil Mills Inc
Original Assignee
J Oil Mills Inc
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by J Oil Mills Inc filed Critical J Oil Mills Inc
Priority to JP2024571650A priority Critical patent/JPWO2024154473A1/ja
Publication of WO2024154473A1 publication Critical patent/WO2024154473A1/ja
Anticipated expiration legal-status Critical
Ceased legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
    • G01N33/02—Food
    • G01N33/03—Edible oils or edible fats

Definitions

  • the present invention relates to an oil deterioration prediction device, an oil deterioration prediction system, and an oil deterioration prediction method for predicting the deterioration of oils and fats.
  • Patent Document 1 discloses a method for predicting the remaining lifespan of mineral oil, in which if the difference between the degree of deterioration corresponding to the transmitted light intensity of mineral oil at a certain point in time and the degree of deterioration predicted from the deterioration curve at that point in time is equal to or less than a predetermined value, a first curve is used as a future deterioration curve, and if the difference between the degree of deterioration corresponding to the transmitted light intensity of mineral oil at that point in time and the degree of deterioration predicted from the deterioration curve at that point in time is greater than a predetermined value, a second curve, which deteriorates faster than the first curve, is used as a future deterioration curve.
  • the second curve which deteriorates faster than the first curve, is used as the future deterioration curve, making it possible to accurately predict the remaining life of the mineral oil depending on the environment in which it is used.
  • the rate of deterioration of the oils and fats targeted for deterioration prediction, particularly edible oils, can change frequently depending on factors such as the type and amount of ingredients being cooked and the number of times cooking is performed. For this reason, updating an edible oil deterioration prediction model (future deterioration curve) using the method described in Patent Document 1 only takes into account the discrepancy between the actual deterioration level at a given point in time and the predicted deterioration level, which is insufficient in terms of the accuracy of deterioration prediction.
  • the object of the present invention is to provide an oil deterioration prediction device, an oil deterioration prediction system, and an oil deterioration prediction method that can accurately predict the deterioration of oils and fats in response to changes in the environment and conditions in which the oils and fats are used.
  • the present invention is an oil deterioration prediction device for predicting deterioration of oils and fats, and is characterized by including: a storage unit that stores a deterioration characteristic model showing the progress of a deterioration index, which is an index showing the degree of deterioration of the oils and fats, and a deterioration reference value showing a standard for the deterioration index; a data acquisition unit that acquires the measurement values of the deterioration index; a model update unit that updates the deterioration characteristic model stored in the storage unit based on the most recent multiple measurement values acquired by the data acquisition unit; a deterioration prediction unit that predicts deterioration information, which is information related to the deterioration of the oils and fats, based on the latest measurement values acquired by the data acquisition unit, the updated deterioration characteristic model updated by the model update unit, and the deterioration reference value stored in the storage unit; and a result output unit that outputs the prediction result of the deterioration information predicted by the
  • the oil is edible oil used when cooking food with a cooking utensil
  • the deterioration information includes at least one of the following data: data indicating the remaining time until the edible oil reaches a predetermined point of waste oil, data indicating the timing to remove and insert the edible oil in the cooking utensil to remove a portion of the edible oil and inject another edible oil different from the edible oil, data indicating the timing to filter the edible oil in the cooking utensil, and data indicating the remaining amount of food that can be cooked with the edible oil before it reaches a predetermined degree of deterioration.
  • the deterioration characteristic model includes at least one of a model showing a correlation between the heating time of the edible oil and the deterioration index, and a model showing a correlation between the amount of food ingredients that can be cooked with the edible oil and the deterioration index.
  • the present invention also provides an oil deterioration prediction system that predicts deterioration of oils and fats and notifies the prediction result, comprising a measurement device that measures a deterioration index that is an index showing the degree of deterioration of the oils and fats, an oil deterioration prediction device that predicts deterioration information that is information related to the deterioration of the oils and fats using the measurement value of the deterioration index measured by the measurement device, and an alarm device that notifies the prediction result of the deterioration information predicted by the oil deterioration prediction device, wherein the oil deterioration prediction device stores a deterioration characteristic model that shows the progress of the deterioration index and a deterioration reference value that shows a standard related to the deterioration index, acquires the measurement value of the deterioration index measured by the measurement device, updates the stored deterioration characteristic model based on the acquired multiple most recent measurement values, predicts the deterioration information based on the acquired latest measurement value, the
  • the oil is edible oil used when cooking food with a cooking utensil
  • the deterioration information includes at least one of the following data: data indicating the remaining time until the edible oil reaches a predetermined point of waste oil, data indicating the timing to remove and insert the edible oil in the cooking utensil to remove a portion of the edible oil and inject another edible oil different from the edible oil, data indicating the timing to filter the edible oil in the cooking utensil, and data indicating the remaining amount of food that can be cooked with the edible oil before it reaches a predetermined degree of deterioration.
  • the deterioration characteristic model includes at least one of a model showing a correlation between the heating time of the edible oil and the deterioration index, and a model showing a correlation between the amount of food ingredients that can be cooked with the edible oil and the deterioration index.
  • the oil deterioration prediction device acquires the measurement values of the deterioration index at a predetermined cycle, and updates the stored deterioration characteristic model based on the measurement values for the last two business days in the store that uses the oil, including the most recent acquired measurement value.
  • the present invention also provides an oil deterioration prediction method for predicting the deterioration of the oil and notifying the prediction result using a measurement device for measuring a deterioration index, which is an index showing the deterioration degree of the oil, an oil deterioration prediction device for predicting deterioration information, which is information related to the deterioration of the oil, using a measurement value of the deterioration index measured by the measurement device, and an alarm device for notifying the prediction result of the deterioration information predicted by the oil deterioration prediction device, wherein the oil deterioration prediction device respectively stores a deterioration characteristic model showing the progress of the deterioration index and a deterioration standard value showing a standard related to the deterioration index, and the measurement device includes a measurement step in which the measurement device measures the deterioration index, a data acquisition step in which the oil deterioration prediction device acquires the measurement value of the deterioration index measured in the measurement step, and a data acquisition step in which
  • the method includes a model update step of updating a deterioration characteristic model showing the progress of the stored deterioration index based on the most recent measured values acquired in the data acquisition step, a deterioration prediction step in which the oil deterioration prediction device predicts the deterioration information based on the latest measured values acquired in the data acquisition step, the updated deterioration characteristic model updated in the model update step, and a deterioration reference value showing a reference for the stored deterioration index, a result output step in which the oil deterioration prediction device outputs the prediction result of the deterioration information predicted in the deterioration prediction step to the notification device, and a notification step in which the notification device acquires the prediction result of the deterioration information output in the result output step and notifies the user.
  • the oils and fats are edible oils used when cooking food with a cooking utensil
  • the deterioration information includes at least one of the following data: data indicating the remaining time until the edible oil reaches a predetermined point of waste oil, data indicating the timing for removing and inserting the edible oil in the cooking utensil to remove a portion of the edible oil and inject another edible oil different from the edible oil, data indicating the timing for filtering the edible oil in the cooking utensil, and data indicating the remaining amount of food that can be cooked with the edible oil before it reaches a predetermined degree of deterioration.
  • the oil and fat deterioration prediction device acquires the measurement values of the deterioration index at a predetermined cycle, and in the model update step, the oil and fat deterioration prediction device updates the stored deterioration characteristic model based on the measurement values for the most recent two business days in a store that uses the oil and fat, including the latest measurement values acquired in the data acquisition step.
  • 15 is a table showing the number of data used in the deterioration characteristic model, the period corresponding to the number of data, the time from the present time to the time of oil disposal, the error, and the error rate for the graph shown in FIG. 14.
  • 1 is a graph showing the change in acid value of frying oil versus heating time at a certain convenience store.
  • 17 is a table showing the number of data used in the deterioration characteristic model, the period corresponding to the number of data, the time from the present time to the time of oil disposal, the error, and the error rate for the graph shown in FIG. 16.
  • 1 is a graph showing the change in acid value of frying oil versus the number of business days a store is open.
  • cooking fried foods will be referred to as “deep-frying”
  • the edible oil used in deep-frying will be referred to as “deep-frying oil”
  • the ingredients to be deep-fryed will be referred to as “fried ingredients”.
  • Figure 1 shows a part of the kitchen 1 where deep-frying is performed.
  • the fryer 2 is composed of an oil tank 21 for storing frying oil P, and a housing 22 for accommodating the oil tank 21. On the side of the housing 22, there are multiple setting switches 22A for setting the temperature of the frying oil P and the contents of the frying cooking according to the type of frying ingredient Q.
  • the fryer 2 determines which setting switch 22A has been operated by the cook, and when the frying time associated with the operated setting switch 22A has elapsed, it notifies the cook that the food is done. At the same time, the fry basket 3 containing the fried food (fried food Q after frying) automatically rises from the oil tank 21, and the fried food is lifted out of the frying oil P from its submerged state.
  • the cook senses that the deep-frying is complete, he or she lifts up the fry basket 3 and removes the fried food.
  • the fry basket 3 may be automatically lifted from the oil tank 21 by providing a drive mechanism on the fryer 2 side.
  • the color of the frying oil P darkens as the heating time passes, and is therefore used as a deterioration index that indicates the degree of deterioration of the frying oil P (hereinafter simply referred to as the "degree of deterioration").
  • the deterioration indexes of the frying oil P include, for example, the acid value (AV) of the frying oil P, the polar compound content (PC) of the frying oil P, the viscosity of the frying oil P, the viscosity increase rate of the frying oil P, the anisidine value of the frying oil P, the carbonyl value of the frying oil P, the smoke point of the frying oil P, the tocopherol content of the frying oil P, the iodine value of the frying oil P, the refractive index of the frying oil P, the amount of volatile components of the frying oil P, the composition of volatile components of the frying oil P, the flavor of the frying oil P, the
  • Users who use the frying oil P e.g., cooks, store employees, etc.
  • a general-purpose gas sensor for example, a semiconductor gas sensor or a quartz crystal resonator gas sensor.
  • each deterioration index includes, for example, a method of using image recognition technology to determine the type and number of foods fried in the frying oil P from an image taken by the camera 4, and estimating each deterioration index based on the correlation between the type and number of foods and each deterioration index, a method of measuring the spectrum of the frying oil P using a spectrometer, and estimating each deterioration index based on the correlation between the spectrum of the frying oil P and each deterioration index, and a method of estimating each deterioration index based on the correlation between the number of times the setting switch 22A of the fryer 2 has been operated (i.e., the number of times deep-frying has been performed) and each deterioration index.
  • the measurement of the deterioration index of frying oil P is not necessarily limited to the above-mentioned measuring device and measuring method, and any known measuring device or measuring method may be used.
  • Frying oil P exhibits deterioration characteristics that progress in the direction of deterioration as the heating time or the number of fried items Q increases.
  • the deterioration characteristics of this frying oil P are not fixed, but vary depending on the environment and conditions in which the frying oil P is used. Therefore, for example, frying oil P used in the same store will not always exhibit the same deterioration characteristics.
  • Figure 2 shows the change in acid value of frying oil P versus heating time [days] for the 1st to 12th cycles at a certain store, where one cycle is defined as the time from when frying oil P goes from new oil to when it becomes waste oil.
  • Figure 3 shows the change in color of frying oil P versus heating time [days] for the 1st to 12th cycles at a certain store.
  • the first cycle is shown as a graph with multiple ⁇ marks connected by dotted lines
  • the second cycle is shown as a graph with multiple ⁇ marks connected by dashed lines
  • the third cycle is shown as a graph with multiple ⁇ marks connected by dashed lines
  • the fourth cycle is shown as a graph with multiple ⁇ marks connected by dotted lines
  • the fifth cycle is shown as a graph with multiple ⁇ marks connected by dotted lines
  • the sixth cycle is shown as a graph with multiple ⁇ marks connected by dotted lines
  • the seventh cycle is shown as a graph with multiple ⁇ marks connected by dotted lines
  • the eighth cycle is shown as a graph with multiple ⁇ marks connected by dashed lines
  • the ninth cycle is shown as a graph with multiple ⁇ marks connected by solid lines
  • the tenth cycle is shown as a graph with multiple ⁇ marks connected by solid lines
  • the eleventh cycle is shown as a graph with multiple ⁇ marks connected by dotted lines
  • the twelfth cycle is shown as a graph with multiple ⁇ marks connected
  • the acid value of the frying oil P in the 6th cycle is approximately 0.38 one day after the start of the new oil state, and approximately 0.85 two days after the start of the new oil state
  • the acid value of the frying oil P in the 8th cycle is approximately 0.19 one day after the start of the new oil state, and approximately 0.41 two days after the start of the new oil state.
  • the way in which the acid value increases with heating time for each of the frying oils P in the 1st to 5th cycles, 7th cycle, and 9th to 12th cycles is different from one another.
  • the color of the frying oil P in the 10th cycle is about 23 one day after it was fresh and about 61 two days after it was fresh
  • the color of the frying oil P in the 12th cycle is about 16 one day after it was fresh and about 27 two days after it was fresh
  • the color of the frying oil P in the 1st to 9th cycles and the 11th cycle also differ from each other in how they increase in color with heating time.
  • Figures 2 and 3 show differences in how the deterioration index of frying oil P changes with respect to the heating time of frying oil P, this is not limited to the above, and there are similar differences in how the deterioration index of frying oil P changes with respect to the number of fried items Q that can be fried in frying oil P.
  • Figure 4 is a graph showing the change in acid value of frying oil P relative to the number of pieces of frying ingredient Q fried in a certain store.
  • Figure 5 is a graph showing the change in color of frying oil P relative to the number of pieces of frying ingredient Q fried in a certain store.
  • Figure 4 shows how the acid value of frying oil P changes in relation to the number of items Q that can be fried in frying oil P for the first to fifth cycles at a certain store, where one cycle is defined as the time from when frying oil P goes from new oil to when it becomes waste oil.
  • Figure 5 shows how the color of frying oil P changes in relation to the number of items Q that can be fried in frying oil P for the first to fifth cycles at a certain store.
  • x written on the horizontal axis of each of Figures 4 and 5 indicates the number of fried ingredients Q per set, which is predetermined for each store. For example, in a store that sells only croquettes, one set would contain 10 croquettes, and in a store that sells both croquettes and fried chicken, one set would contain 4 croquettes and 5 pieces of fried chicken. By checking the number of sets, deterioration of the frying oil P can be managed.
  • Figures 4 and 5 each only show up to 3x pieces (3 sets) of fried frying ingredients Q
  • the waste oil P is not necessarily used once every 3x pieces of fried frying ingredients Q are fried, and the frying oil P may continue to be used when frying 4x pieces (4 sets) or more of fried frying ingredients Q.
  • Figure 4 shows the change in acid value of the frying oil P from the state of new oil until the number of fried frying ingredients Q reaches 6x
  • Figure 5 shows the change in color of the frying oil P from the state of new oil until the number of fried frying ingredients Q reaches 3x.
  • the first cycle is shown as a graph with multiple ⁇ marks connected by dashed lines
  • the second cycle is shown as a graph with multiple ⁇ marks connected by solid lines
  • the third cycle is shown as a graph with multiple ⁇ marks connected by dotted lines
  • the fourth cycle is shown as a graph with multiple ⁇ marks connected by solid lines
  • the fifth cycle is shown as a graph with multiple ⁇ marks connected by dashed lines.
  • the frying oil P in the first cycle has an acid value of about 0.41 after x number of frying ingredients Q (1 set) are fried from the fresh oil state, an acid value of about 0.99 after 2x number of frying ingredients Q (2 sets) are fried from the fresh oil state, and an acid value of about 1.48 after 3x number of frying ingredients Q (3 sets) are fried from the fresh oil state
  • the frying oil P in the fifth cycle has an acid value of about 0.58 after x number of frying ingredients Q are fried from the fresh oil state, an acid value of about 1.21 after 2x number of frying ingredients Q are fried from the fresh oil state, and an acid value of about 1.82 after 3x number of frying ingredients Q are fried from the fresh oil state.
  • the acid value of each frying oil P in the second to fourth cycles also increases differently with respect to the number of frying ingredients Q.
  • the color of the frying oil P in the second cycle is about 16 after x number of frying ingredients Q have been fried from the fresh oil state, about 45 after 2x number of frying ingredients Q have been fried from the fresh oil state, and exactly 100 after 3x number of frying ingredients Q have been fried from the fresh oil state
  • the color of the frying oil P in the fifth cycle is about 19 after x number of frying ingredients Q have been fried from the fresh oil state, about 50 after 2x number of frying ingredients Q have been fried from the fresh oil state, and about 132 after 3x number of frying ingredients Q have been fried from the fresh oil state.
  • the color of the frying oil P in the first, third, and fourth cycles also differ from one another in how the color increases with the number of frying ingredients Q.
  • FIG. 6 is a system configuration diagram showing an example of the configuration of a frying oil P deterioration prediction system 100.
  • the frying oil P deterioration prediction system 100 is a system that predicts deterioration of frying oil P and notifies the prediction results, and is composed of store terminals 6 installed in each of a number of stores that make up, for example, a convenience store chain or a supermarket chain, a server 7 that executes a program that predicts the deterioration of the frying oil P used in each store, and a monitor 5 (see Figure 1) installed in each store.
  • the monitor 5, store terminal 6, and server 7 of each store are connected to each other directly or indirectly via a communication network N such as an Internet line so that they can communicate information with each other.
  • the store terminals 6 in each of the multiple stores are all configured in the same way, so in the following, the store terminal 6 in one store will be used as an example, and a description of the store terminals 6 in the other stores will be omitted.
  • the store terminal 6 is an input terminal into which information related to the frying oil P being used in the store and information related to the frying ingredients Q are input, and is also a management terminal that manages the frying oil P being used in the store.
  • An application for managing the frying oil P (hereinafter referred to as the "frying oil management app") is installed in the store terminal 6.
  • the information related to the frying oil P includes data related to the measurement values of the deterioration indexes of the frying oil P (e.g., the measurement values of the acid value and the color).
  • the information related to the frying ingredient Q includes data related to the type and number of the frying ingredient Q fried in the frying oil P.
  • the store terminal 6 is communicatively connected to the camera 4 installed in the kitchen 1 in the store, acquires image data captured by the camera 4, and acquires a measurement value of the color of the frying oil P in the oil tank 21 of the fryer 2 based on the acquired image.
  • the store terminal 6 and the camera 4 do not necessarily need to be communicatively connected. If the store terminal 6 and the camera 4 are not communicatively connected, the image data captured by the camera 4 is read into the store terminal 6 via an external device, for example. The same applies to the method of acquiring measurement values of deterioration indicators other than color in the store terminal 6.
  • the server 7 is one aspect of a deterioration prediction device that predicts deterioration information, which is information relating to the deterioration of the frying oil P, using the measured value of the deterioration index of the frying oil P.
  • the server 7 is described as being realized by a server device installed in a headquarters center that oversees multiple stores, as shown in FIG. 6, but it does not necessarily have to be realized by a server device, and may also be realized by, for example, a cloud server constructed on the communication network N.
  • the deterioration information includes at least one of the following data: data indicating the remaining time (remaining heating time) until the frying oil P reaches a specified point of waste oil, data indicating the timing to insert or remove the frying oil P from the fryer 2, data indicating the timing to filter the frying oil P from the fryer 2, and data indicating the remaining number of fried items Q that can be fried before the frying oil P reaches a specified level of deterioration.
  • “adding and removing” means removing a portion of the frying oil P in the fryer 2 and adding (adding) another frying oil P1 that is different from the frying oil P.
  • the "other frying oil P1" does not necessarily have to be new oil, and may be, for example, frying oil that is less deteriorated than the frying oil P in the fryer 2.
  • the degree of deterioration of the frying oil P in the oil tank 21 of each fryer 2 progresses in the order of the tempura tank, the breaded side dishes tank, and the fried chicken tank.
  • the fried chicken tank may be added with the frying oil P from the tempura tank or the frying oil P from the breaded side dishes tank.
  • Frtration refers to passing the frying oil P in the fryer 2 through a filter to remove fried debris, or passing the frying oil P in the fryer 2 through a filter agent to regenerate it to a state close to new oil.
  • the server 7 performs a deterioration prediction process to predict deterioration information of the frying oil P based on the measured value of the deterioration index of the frying oil P, a deterioration characteristic model showing the progress of the deterioration index of the frying oil P, and a deterioration standard value showing the standard for the deterioration index of the frying oil P, and outputs the prediction result to the monitor 5.
  • the deterioration characteristic model of frying oil P includes at least one of a model showing the correlation between the heating time of frying oil P and the deterioration index of frying oil P, and a model showing the correlation between the number of fried items Q that can be fried in frying oil P and the deterioration index of frying oil P.
  • the deterioration characteristic model of frying oil P corresponds to the graphs showing the deterioration characteristics of frying oil P exemplified in Figures 2 to 5, and since it is possible to predict the deterioration of frying oil P, it can also be called a "deterioration prediction model" of frying oil P.
  • the server 7 does not predict deterioration information of frying oil P using a single preset deterioration characteristics model, but instead updates the deterioration characteristics model from time to time and predicts deterioration information of frying oil P using the updated deterioration characteristics model.
  • the deterioration standard value of the frying oil P includes at least one of the following standard values: a waste oil standard value that is the standard for the deterioration index of the frying oil P at a specified time of waste oil, a removal and insertion standard value that is the standard for the deterioration index of the frying oil P when it is necessary to remove or insert the frying oil P in the fryer 2, and a filtration standard value that is the standard for the deterioration index of the frying oil P at the time of filtering the frying oil P in the fryer 2.
  • These deterioration standards are set to values that correspond to the specifications of the deep-frying process performed in the store, and may be set based on information related to the content of the deep-frying process entered into the store terminal 6, or may be set to arbitrary values by, for example, a store employee.
  • Monitor 5 is one aspect of an alarm device that notifies the deterioration information of frying oil P predicted by server 7. For example, when server 7 predicts the remaining time until frying oil P reaches a specified point of waste, monitor 5 displays a message such as "X hours left until the oil is wasted.” In addition, when server 7 predicts the remaining number of fried items Q that can be fried before frying oil P reaches the point of waste, monitor 5 displays a message such as "YY more fried items can be fried before the oil is wasted.”
  • the monitor 5 is used to notify the deterioration information of the frying oil P, but this is not limited to the above, and the deterioration information of the frying oil P may be notified using the store terminal 6. Furthermore, the method of notifying the deterioration information of the frying oil P is not limited to a text display, and may be other methods, for example, audio.
  • FIG. 7 shows an example of the hardware configuration of server 7.
  • the server 7 includes, as the hardware configuration of the server device, a CPU (Central Processing Unit) 70A, a RAM (Random Access Memory) 70B, a ROM (Read Only Memory) 70C, a HDD (Hard Disk Drive) 70D, and an I/F (Interface) 70E. Each of these components is connected to each other via a common bus 70F.
  • a CPU Central Processing Unit
  • RAM Random Access Memory
  • ROM Read Only Memory
  • HDD Hard Disk Drive
  • I/F Interface
  • the CPU 70A is a computing device that controls the operation of the entire server 7.
  • RAM 70B is a volatile storage medium that allows high-speed reading and writing of information, and is used, for example, as a working area when CPU 70A processes image information.
  • ROM70C is a read-only non-volatile storage medium that stores programs such as firmware.
  • the HDD 70D is a non-volatile storage medium that can read and write information and has a large storage capacity, and stores the OS (Operating System), control programs for executing various information processing operations described below, and application programs.
  • OS Operating System
  • control programs for executing various information processing operations described below
  • application programs for executing various information processing operations described below
  • HDD 70D can be replaced by any type of device, such as an SSD (Solid State Drive), as long as it is a non-volatile storage medium capable of storing and managing information.
  • SSD Solid State Drive
  • I/F70E is a connection interface with the communication network N, and is connected to the monitors 5 and store terminals 6 of each store.
  • the server 7 with such a hardware configuration is an information processing device that realizes processing functions by using the calculation functions of the CPU 70A to process control programs stored in the ROM 70C and control programs and application programs loaded from a storage medium such as the HDD 70D to the RAM 70B.
  • a software control unit including various functional modules in the server 7 is configured.
  • the software control unit configured in this way is combined with hardware resources including the above configuration to form a functional block that realizes the functions of the server 7.
  • server 7 is a cloud server
  • the computer that realizes the cloud server e.g., a computer owned by a company that provides a cloud system
  • the computer that realizes the cloud server will have the above hardware configuration.
  • FIG. 8 is a functional block diagram showing the functions of server 7.
  • the server 7 includes a data acquisition unit 71, a storage unit 72, a model update unit 73, a deterioration prediction unit 74, and a result output unit 75.
  • the data acquisition unit 71 acquires data related to the measurement value of the deterioration index of the frying oil P output from the store terminal 6.
  • the deterioration index of the frying oil P in use is often measured at a specific time during the day, such as after closing time. Therefore, the data acquisition unit 71 acquires the measurement value of the deterioration index of the frying oil P at a specific period (for example, once every 12 hours or once every 24 hours).
  • the measured value of the deterioration index of the frying oil P acquired by the data acquisition unit 71 is data output from the store terminal 6 to the server 7, but is not limited to this and may be, for example, data output to the server 7 from a measuring device that measures the deterioration index of the frying oil P.
  • the memory unit 72 stores a deterioration characteristic model of the frying oil P and a deterioration reference value of the frying oil P. Furthermore, when the data acquisition unit 71 acquires a measurement value of the deterioration index of the frying oil P, the memory unit 72 stores the measurement value. In other words, the memory unit 72 stores past measurement values of the deterioration index of the frying oil P.
  • the model update unit 73 updates the deterioration characteristic model of frying oil P stored in the memory unit 72 based on the most recent measurement values of the deterioration index of frying oil P, including the most recent measurement value of the deterioration index of frying oil P acquired by the data acquisition unit 71.
  • the model update unit 73 it is desirable for the model update unit 73 to update the deterioration characteristic model of frying oil P stored in the memory unit 72 based on the measured values of the deterioration index of frying oil P for the most recent two business days in the store (the store that uses frying oil P), including the latest measured value of the deterioration index of frying oil P acquired by the data acquisition unit 71.
  • the memory unit 72 always stores the updated deterioration characteristic model of frying oil P updated by the model update unit 73.
  • the deterioration prediction unit 74 predicts at least one of the following based on the latest measurement value of the deterioration index of the frying oil P acquired by the data acquisition unit 71, the deterioration characteristic model of the frying oil P after updating by the model update unit 73, and the deterioration standard value of the frying oil P stored in the memory unit 72: the remaining heating time until the frying oil P reaches a predetermined waste oil point, the timing for inserting and removing the frying oil P in the fryer 2, the timing for filtering the frying oil P in the fryer 2, and the number of remaining fried items Q that can be fried before the frying oil P reaches a predetermined deterioration level.
  • the result output unit 75 outputs the predicted results of the deterioration information of the frying oil P predicted by the deterioration prediction unit 74 to the monitor 5.
  • FIG. 9 is a flowchart showing the flow of processing executed by the server 7.
  • the data acquisition unit 71 first acquires the measurement value of the deterioration index of the frying oil P, which is measured by a measurement device (e.g., the camera 4 when the deterioration index is color) (measurement step) and output from the store terminal 6, at a predetermined interval (data acquisition step).
  • the memory unit 72 stores the measurement value each time the data acquisition unit 71 acquires the measurement value of the deterioration index of the frying oil P (step S701).
  • the model update unit 73 updates the deterioration characteristic model of the frying oil P stored in the memory unit 72 based on the most recent measurement values of the deterioration index of the frying oil P obtained in step S701 (preferably, the measurement values for the most recent two business days at the store, including the most recent measurement value) (step S702; model update step).
  • the deterioration prediction unit 74 predicts deterioration information of the frying oil P based on the latest measurement value of the deterioration index of the frying oil P obtained in step S701, the deterioration characteristic model of the frying oil P after updating in step S702, and the deterioration reference value of the frying oil P stored in the memory unit 72 (step S703; deterioration prediction step).
  • the result output unit 75 outputs the predicted result of the deterioration information of the frying oil P predicted in step S703 to the monitor 5 (step S704; result output step), and the processing in the server 7 ends.
  • the monitor 5 notifies the store employee of the information (for example, "There are xx hours left until the oil is wasted,” “Yxx more fries can be made before the oil is wasted,” “Please remove and insert the oil in ⁇ hours,” etc.) by displaying it on the screen or by voice (notification step).
  • Figure 10 is a diagram showing an example of a deterioration characteristic model when the heating time of frying oil P is 40 hours.
  • Figure 11 is a diagram showing an example of an update to the deterioration characteristic model when the heating time of frying oil P is 48 hours.
  • Figure 12 is a diagram showing an example of an update to the deterioration characteristic model when the heating time of frying oil P is 56 hours.
  • Figure 13 is a diagram showing an example of an update to the deterioration characteristic model when the heating time of frying oil P is 64 hours.
  • Figures 10 to 13 each show an example of the relationship between the heating time of frying oil P and the measured acid value of frying oil P in a store where the acid value of frying oil P is measured once every 8 hours.
  • the deterioration characteristic model M1 of the frying oil P at the point when the heating time of the frying oil P has reached 40 hours will be referred to as the "first deterioration characteristic model M1.”
  • the deterioration prediction unit 74 calculates the current heating time of the frying oil P by applying the measured value of the deterioration index of the frying oil P acquired by the data acquisition unit 71 to the deterioration characteristic model of the frying oil P.
  • the deterioration prediction unit 74 uses the updated deterioration characteristic model M2 (shown by the dashed line in FIG. 11) obtained by updating the first deterioration characteristic model M1 by the model update unit 73, rather than the first deterioration characteristic model M1 (shown by the dotted line in FIG. 11) stored in the memory unit 72.
  • the degradation characteristic model M2 obtained after the first degradation characteristic model M1 is updated by the model update unit 73 will be referred to as the "second degradation characteristic model M2.”
  • this second deterioration characteristic model M2 reflects the latest measured acid value of frying oil P (approximately 0.9), so that its slope is steeper than that of the first deterioration characteristic model M1, making it a model that is consistent with the actual deterioration progress of frying oil P at the current point in time (when frying oil P has been heated for 48 hours).
  • the deterioration prediction unit 74 applies the latest measured acid value of the frying oil P (approximately 0.9) acquired by the data acquisition unit 71 and the waste oil standard value of 2.5 stored in the memory unit 72 to the updated second deterioration characteristic model M2 updated by the model update unit 73, and predicts that the remaining time until the frying oil P will be wasted is approximately 50 hours.
  • the deterioration prediction unit 74 were to apply the latest measured acid value of the frying oil P (approximately 0.9) acquired by the data acquisition unit 71 and the waste oil standard value of 2.5 stored in the memory unit 72 to the first deterioration characteristic model M1, which is the deterioration characteristic model before the update, the remaining time until the frying oil P becomes waste oil would be approximately 62 hours, resulting in a difference in the prediction result compared to when it is applied to the second deterioration characteristic model M2.
  • the deterioration prediction unit 74 uses the updated deterioration characteristic model M3 (shown by a dashed line in FIG. 12) obtained by updating the second deterioration characteristic model M2 by the model update unit 73, rather than the second deterioration characteristic model M2 (shown by a dashed line in FIG. 12) stored in the memory unit 72.
  • the degradation characteristic model M3 obtained after the second degradation characteristic model M2 is updated by the model update unit 73 will be referred to as the "third degradation characteristic model M3.”
  • this third deterioration characteristic model M3 reflects the latest measured value of the acid value of frying oil P (approximately 1.3), so that the slope of the third deterioration characteristic model M3 is steeper than the slopes of the first deterioration characteristic model M1 and the second deterioration characteristic model M2, making it a model that is consistent with the actual deterioration progress of frying oil P at the current point in time (when frying oil P has been heated for 56 hours).
  • the deterioration prediction unit 74 applies the latest measured acid value of the frying oil P (approximately 1.3) acquired by the data acquisition unit 71 and the waste oil standard value of 2.5 stored in the memory unit 72 to the updated third deterioration characteristic model M3 updated by the model update unit 73, and predicts that the remaining time until the frying oil P will be wasted is approximately 30 hours.
  • the deterioration prediction unit 74 were to apply the latest measured acid value of the frying oil P (approximately 1.3) acquired by the data acquisition unit 71 and the waste oil standard value of 2.5 stored in the memory unit 72 to the second deterioration characteristic model M2, which is the deterioration characteristic model before the update, the remaining time until the frying oil P becomes waste oil would be approximately 42 hours, resulting in a difference in the prediction result compared to when it is applied to the third deterioration characteristic model M3.
  • the deterioration prediction unit 74 uses the updated deterioration characteristic model M4 (shown by a two-dot chain line in FIG. 13) obtained by updating the third deterioration characteristic model M3 by the model update unit 73, rather than the third deterioration characteristic model M3 (shown by a dashed line in FIG. 13) stored in the memory unit 72.
  • the degradation characteristic model M4 obtained after the third degradation characteristic model M3 is updated by the model update unit 73 will be referred to as the "fourth degradation characteristic model M4.”
  • this fourth deterioration characteristic model M4 reflects the latest measured acid value of frying oil P (approximately 1.7), so that its slope is steeper than the slopes of the first deterioration characteristic model M1, the second deterioration characteristic model M2, and the third deterioration characteristic model M3, making it a model that is consistent with the actual deterioration progress of frying oil P at the current point in time (when frying oil P has been heated for 64 hours).
  • the deterioration prediction unit 74 applies the latest measured acid value of the frying oil P (approximately 1.7) acquired by the data acquisition unit 71 and the waste oil standard value of 2.5 stored in the memory unit 72 to the updated fourth deterioration characteristic model M4 updated by the model update unit 73, and predicts that the remaining time until the frying oil P will be wasted is approximately 20 hours.
  • the deterioration prediction unit 74 were to apply the latest measured acid value of the frying oil P (approximately 1.7) acquired by the data acquisition unit 71 and the waste oil standard value of 2.5 stored in the memory unit 72 to the third deterioration characteristic model M3, which is the deterioration characteristic model before the update, the remaining time until the frying oil P becomes waste oil would be approximately 22 hours, resulting in a difference in the prediction result compared to when it is applied to the fourth deterioration characteristic model M4.
  • the deterioration prediction unit 74 applies the latest measured acid value of the frying oil P (approximately 1.7) acquired by the data acquisition unit 71 and the waste oil standard value of 2.5 stored in the memory unit 72 to the second deterioration characteristic model M2, which is a model when the heating time of the frying oil P is 48 hours, the remaining time until the frying oil P becomes waste oil is approximately 26 hours, and the difference in the prediction result becomes even greater when applied to the fourth deterioration characteristic model M4.
  • the deterioration prediction unit 74 applies the latest measured acid value of the frying oil P (approximately 1.7) acquired by the data acquisition unit 71 and the waste oil standard value of 2.5 stored in the memory unit 72 to the first deterioration characteristic model M1, which is a model when the heating time of the frying oil P is 40 hours, the remaining time until the frying oil P becomes waste oil is approximately 30 hours, and the difference in the prediction result becomes even greater when applied to the fourth deterioration characteristic model M4.
  • the server 7 updates the deterioration characteristic model of the frying oil P based on the most recent measurement values of multiple deterioration indexes including the latest measurement value of the deterioration index of the frying oil P, and predicts the deterioration information of the frying oil P using the updated deterioration characteristic model, so that even if the usage environment or usage conditions of the frying oil P change, it is possible to obtain prediction results that correspond to the actual progress of deterioration of the frying oil P. Therefore, the server 7 can obtain prediction results with higher accuracy than when predicting the deterioration of the frying oil P using a predetermined deterioration characteristic model.
  • the method of predicting deterioration of the frying oil P in the server 7 is also the same for predicting the timing to insert or remove the frying oil P from the fryer 2, predicting the timing to filter the frying oil P from the fryer 2, and predicting the remaining number of fried foods that can be fried before the frying oil P reaches a specified level of deterioration.
  • the above description shows the first deterioration characteristic model M1, the second deterioration characteristic model M2, the third deterioration characteristic model M3, and the fourth deterioration characteristic model M4 as the deterioration characteristic models of the frying oil P.
  • the server 7 does not store multiple deterioration characteristic models (the first deterioration characteristic model M1, the second deterioration characteristic model M2, the third deterioration characteristic model M3, and the fourth deterioration characteristic model M4) in the memory unit 72 and select one deterioration characteristic model from among them to use in predicting the deterioration information of the frying oil P. Rather, the server 7 updates one deterioration characteristic model from time to time and uses the updated deterioration characteristic model in predicting the deterioration information of the frying oil P.
  • Figure 14 is a graph showing the change in acid value of frying oil P versus heating time at a certain supermarket.
  • Figure 15 is a table showing the number of data points used in the deterioration characteristic model, the period corresponding to the number of data points, the time from the current point in time to the point at which the oil is wasted, the error, and the error rate for the graph shown in Figure 14.
  • the server 7 predicts the remaining time until the frying oil P reaches the waste oil standard value of 2.58 (plot indicated by Y1 in FIG. 14) based on each of the acid value measurements of the frying oil P shown in FIG. 14, up to the acid value measurement value of 1.69 (plot indicated by X1 in FIG. 14) of the frying oil P when the heating time of the frying oil P has reached 120 hours.
  • the server 7 can predict the deterioration information of the frying oil P with good accuracy by using a deterioration characteristic model of the frying oil P updated based on the measured acid value of the frying oil P for the most recent one or two business days acquired by the data acquisition unit 71.
  • Figure 16 is a graph showing the change in acid value of frying oil P versus heating time at a certain convenience store.
  • Figure 17 is a table showing the number of data points used in the deterioration characteristic model, the period corresponding to the number of data points, the time from the current point in time to the point at which the oil is wasted, the error, and the error rate for the graph shown in Figure 16.
  • a business day is divided into time periods when deep-frying is often performed (for example, the time periods indicated by ⁇ in FIG. 16) and time periods when dry heating is often performed (for example, the time periods indicated by ⁇ in FIG. 16).
  • dry heating refers to heating only the frying oil P without cooking the deep-frying ingredients Q (food ingredients). As shown in FIG. 16, while dry heating is being performed, the frying oil P is less likely to deteriorate than while deep-frying is being performed.
  • server 7 predicts the remaining time until frying oil P reaches the waste oil standard value of 3.32 (plot indicated by Y2 in FIG. 16) based on each of the acid value measurements of frying oil P shown in FIG. 16, up to the acid value measurement value of 1.64 (plot indicated by X2 in FIG. 16) of frying oil P when the heating time of frying oil P has reached 72 hours.
  • the deterioration characteristic model of the frying oil P reflects both the effects of deep-frying and the effects of empty heating, so the error rate between the predicted arrival time and the actual arrival time in the server 7 is reduced, improving the prediction accuracy in the server 7.
  • the server 7 can predict the deterioration information of the frying oil P most accurately by using a deterioration characteristic model of the frying oil P updated based on the measured acid value of the frying oil P for the most recent business day acquired by the data acquisition unit 71.
  • the server 7 can predict the deterioration information of the frying oil P with the highest accuracy by using a deterioration characteristic model of the frying oil P updated based on the measured acid value of the frying oil P for the most recent business day acquired by the data acquisition unit 71.
  • Figure 18 is a graph showing the change in acid value of frying oil P versus the number of business days a store is open.
  • the measured acid value of the frying oil P is approximately 0.2, and after two business days the measured acid value of the frying oil P is approximately 0.4, and the frying oil P is gradually deteriorating. After that, after three, four, five, and six business days have passed, the measured acid value of the frying oil P normally increases at a certain rate.
  • the server 7 predicts deterioration information of the frying oil P using a deterioration characteristic model of the frying oil P updated based on the measured acid value of the frying oil P for the most recent business day acquired by the data acquisition unit 71, if the measured acid value of the frying oil P for one day on the third business day shown in Figure 18 is used, the prediction result of the deterioration information of the frying oil P will differ from the case where the measured acid value of the frying oil P for one day on another business day shown in Figure 18 is used.
  • the deterioration characteristic model of frying oil P is based on the measured acid value of frying oil P for the most recent business day acquired by data acquisition unit 71, there is a possibility that the prediction accuracy of deterioration information of frying oil P in server 7 will be significantly reduced if sales of fried foods on that day happen to be low and deterioration of frying oil P does not progress.
  • the server 7 it is desirable for the server 7 to update the deterioration characteristic model of the frying oil P based on the measurement values of the deterioration index of the frying oil P for the most recent two business days at the store, including the latest measurement value of the deterioration index of the frying oil P acquired by the data acquisition unit 71, in order to avoid a decrease in prediction accuracy due to variations in sales of fried foods at such stores.
  • the server 7 was described as one aspect of the frying oil P deterioration prediction device, but this is not limited thereto, and the function of the frying oil P deterioration prediction device may be performed by a frying oil management app in the store terminal 6.
  • color and acid value are mainly used as examples of deterioration indicators for frying oil P, but this is not limited thereto, and the present invention can be applied even when deterioration indicators other than color and acid value are used.
  • the deterioration characteristic model of the frying oil P was a simple regression model expressed in the form of a linear equation, but there are no particular limitations on the type of deterioration characteristic model, and it may be, for example, a linear regression model other than simple regression, such as multiple regression, or a model generated by machine learning.
  • the oil and fat is described as frying oil P, but the oil and fat to which the present invention is applied does not necessarily have to be edible oil used for deep-frying, but may be edible oil used for other types of cooking or other oils and fats (industrial oils, etc.).

Landscapes

  • Engineering & Computer Science (AREA)
  • Food Science & Technology (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Chemical & Material Sciences (AREA)
  • Medicinal Chemistry (AREA)
  • Physics & Mathematics (AREA)
  • Analytical Chemistry (AREA)
  • Biochemistry (AREA)
  • General Health & Medical Sciences (AREA)
  • General Physics & Mathematics (AREA)
  • Immunology (AREA)
  • Pathology (AREA)
  • Frying-Pans Or Fryers (AREA)

Abstract

油脂の使用環境や使用状況の変化に応じて、精度良く油脂の劣化を予測することが可能な油脂劣化予測装置、油脂劣化予測システム、および油脂劣化予測方法を提供する。　揚げ油Ｐの劣化を予測する劣化予測装置としてのサーバ７であって、揚げ油Ｐの劣化指標の推移を示す劣化特性モデルおよび揚げ油Ｐの劣化基準値をそれぞれ記憶する記憶部７２と、劣化指標の測定値を取得するデータ取得部７１と、データ取得部７１にて取得された直近の複数の測定値に基づいて、記憶部７２に記憶されている劣化特性モデルを更新するモデル更新部７３と、データ取得部７１にて取得された最新の測定値と、モデル更新部７３にて更新された更新後の劣化特性モデルと、記憶部７２に記憶されている劣化基準値と、に基づいて、揚げ油Ｐの劣化情報を予測する劣化予測部７４と、劣化予測部７４にて予測された劣化情報の予測結果を出力する結果出力部７５と、を含む。

Description

油脂劣化予測装置、油脂劣化予測システム、および油脂劣化予測方法
　本発明は、油脂の劣化を予測する油脂劣化予測装置、油脂劣化予測システム、および油脂劣化予測方法に関する。
　一般に、油脂は、空気（酸素）に触れている時間が長いほど酸化が進んで劣化する。そのため、油脂を使用する店や工場などでは、適切な指標を用いて油脂の劣化の度合い（以下、単に「劣化度」とする）が把握され、廃油時点に至った油脂については廃油されて新しいものに交換される。廃油時点に至った油脂を使用し続けると、例えば、油脂が食用油の場合には、食材の風味や品質に問題が生じ、油脂が工業油の場合には、機器の異常発生や機器の短命につながることになる。そこで、油脂の廃油タイミングを逃さないようにすべく、油脂の劣化予測が行われることがある。
　例えば、特許文献１には、ある時点における鉱物油の透過光強度に対応する劣化度と、当該時点における劣化曲線から予想される劣化度との差が、所定値以下の場合、第１曲線を未来の劣化曲線として使用し、当該時点における鉱物油の透過光強度に対応する劣化度と、当該時点における劣化曲線から予想される劣化度との差が、所定値より大きい場合、第１曲線より劣化の進行が速い第２曲線を未来の劣化曲線として使用して、鉱物油の余寿命を予測する方法が開示されている。
　この方法によれば、例えば、鉱物油の水分の含量が増加して鉱物油の劣化の進行速度が速くなった場合には、第１曲線より劣化の進行が速い第２曲線を未来の劣化曲線として使用するため、鉱物油の使用環境に応じて、鉱物油の余寿命を正確に予測することが可能である。
特開２０１９－２１９２８１号公報
　劣化予測の対象となる油脂は、特に、食用油の場合、例えば調理される食材の種類や量、調理が行われる回数などにより、劣化速度が頻繁に変わりやすい。そのため、特許文献１に記載の方法で食用油の劣化予測モデル（未来の劣化曲線）を更新したのでは、ある時点における実際の劣化度と予測される劣化度とのズレしか考慮されておらず、劣化予測の精度としては不十分である。
　そこで、本発明の目的は、油脂の使用環境や使用状況の変化に応じて、精度良く油脂の劣化を予測することが可能な油脂劣化予測装置、油脂劣化予測システム、および油脂劣化予測方法を提供することにある。
［１］本発明は、油脂の劣化を予測する油脂劣化予測装置であって、前記油脂の劣化度合いを示す指標である劣化指標の推移を示す劣化特性モデルおよび前記劣化指標に関する基準を示す劣化基準値をそれぞれ記憶する記憶部と、前記劣化指標の測定値を取得するデータ取得部と、前記データ取得部にて取得された直近の複数の前記測定値に基づいて、前記記憶部に記憶されている前記劣化特性モデルを更新するモデル更新部と、前記データ取得部にて取得された最新の前記測定値と、前記モデル更新部にて更新された更新後の前記劣化特性モデルと、前記記憶部に記憶されている前記劣化基準値と、に基づいて、前記油脂の劣化に関する情報である劣化情報を予測する劣化予測部と、前記劣化予測部にて予測された前記劣化情報の予測結果を出力する結果出力部と、を含むことを特徴とする。
［２］好ましくは、前記［１］に記載の油脂劣化予測装置であって、前記油脂は、調理器具にて食材を調理する場合に用いられる食用油であり、前記劣化情報には、前記食用油が所定の廃油時点に至るまでの残時間を示すデータ、前記調理器具内の前記食用油の一部を抜いて前記食用油とは異なる他の食用油を注入する抜き差しを行うタイミングを示すデータ、前記調理器具内の前記食用油をろ過するタイミングを示すデータ、および、前記食用油が所定の劣化度に至るまでに調理することが可能な残りの食材の量を示すデータのうちの少なくとも一のデータが含まれることを特徴とする。
［３］好ましくは、前記［２］に記載の油脂劣化予測装置であって、前記劣化特性モデルには、前記食用油の加熱時間と前記劣化指標との相関を示すモデル、および、前記食用油で調理することが可能な食材の量と前記劣化指標との相関を示すモデルのうちの少なくとも一のモデルが含まれることを特徴とする。
［４］好ましくは、前記［１］に記載の油脂劣化予測装置であって、前記データ取得部は、前記劣化指標の前記測定値を所定の周期で取得し、前記モデル更新部は、前記データ取得部にて取得された最新の前記測定値を含む、前記油脂を使用する店における直近の２営業日分の前記測定値に基づいて、前記記憶部に記憶されている前記劣化特性モデルを更新することを特徴とする。
［５］また、本発明は、油脂の劣化を予測して予測結果を報知する油脂劣化予測システムであって、前記油脂の劣化度合いを示す指標である劣化指標を測定する測定装置と、前記測定装置で測定された前記劣化指標の測定値を用いて前記油脂の劣化に関する情報である劣化情報を予測する油脂劣化予測装置と、前記油脂劣化予測装置で予測された前記劣化情報の予測結果を報知する報知装置と、を備え、前記油脂劣化予測装置は、前記劣化指標の推移を示す劣化特性モデルおよび前記劣化指標に関する基準を示す劣化基準値をそれぞれ記憶し、前記測定装置で測定された前記劣化指標の前記測定値を取得し、取得した直近の複数の前記測定値に基づいて、記憶している前記劣化特性モデルを更新し、取得した最新の前記測定値と、更新後の前記劣化特性モデルと、記憶している前記劣化基準値と、に基づいて、前記劣化情報を予測し、予測した前記劣化情報の予測結果を前記報知装置に対して出力することを特徴とする。
［６］好ましくは、前記［５］に記載の油脂劣化予測システムであって、前記油脂は、調理器具にて食材を調理する場合に用いられる食用油であり、前記劣化情報には、前記食用油が所定の廃油時点に至るまでの残時間を示すデータ、前記調理器具内の前記食用油の一部を抜いて前記食用油とは異なる他の食用油を注入する抜き差しを行うタイミングを示すデータ、前記調理器具内の前記食用油をろ過するタイミングを示すデータ、および、前記食用油が所定の劣化度に至るまでに調理することが可能な残りの食材の量を示すデータのうちの少なくとも一のデータが含まれることを特徴とする。
［７］好ましくは、前記［６］に記載の油脂劣化予測システムであって、前記劣化特性モデルには、前記食用油の加熱時間と前記劣化指標との相関を示すモデル、および、前記食用油で調理することが可能な食材の量と前記劣化指標との相関を示すモデルのうちの少なくとも一のモデルが含まれることを特徴とする。
［８］好ましくは、前記［５］に記載の油脂劣化予測システムであって、前記油脂劣化予測装置は、前記劣化指標の前記測定値を所定の周期で取得し、取得した最新の前記測定値を含む、前記油脂を使用する店における直近の２営業日分の前記測定値に基づいて、記憶している前記劣化特性モデルを更新することを特徴とする。
［９］また、本発明は、前記油脂の劣化度合いを示す指標である劣化指標を測定する測定装置と、前記測定装置で測定された前記劣化指標の測定値を用いて前記油脂の劣化に関する情報である劣化情報を予測する油脂劣化予測装置と、前記油脂劣化予測装置で予測された前記劣化情報の予測結果を報知する報知装置と、を用いて、前記油脂の劣化を予測して予測結果を報知する油脂劣化予測方法であって、前記油脂劣化予測装置は、前記劣化指標の推移を示す劣化特性モデルおよび前記劣化指標に関する基準を示す劣化基準値をそれぞれ記憶しており、前記測定装置が、前記劣化指標を測定する測定ステップと、前記油脂劣化予測装置が、前記測定ステップにて測定された前記劣化指標の測定値を取得するデータ取得ステップと、前記油脂劣化予測装置が、前記データ取得ステップにて取得された直近の複数の前記測定値に基づいて、記憶している前記劣化指標の推移を示す劣化特性モデルを更新するモデル更新ステップと、前記油脂劣化予測装置が、前記データ取得ステップにて取得された最新の前記測定値と、前記モデル更新ステップにて更新された更新後の前記劣化特性モデルと、記憶している前記劣化指標に関する基準を示す劣化基準値と、に基づいて、前記劣化情報を予測する劣化予測ステップと、前記油脂劣化予測装置が、前記劣化予測ステップにて予測された前記劣化情報の予測結果を前記報知装置に対して出力する結果出力ステップと、前記報知装置が、前記結果出力ステップにて出力された前記劣化情報の前記予測結果を取得して報知する報知ステップと、を含むことを特徴とする。
［１０］好ましくは、前記［９］に記載の油脂劣化予測方法であって、前記油脂は、調理器具にて食材を調理する場合に用いられる食用油であり、前記劣化情報には、前記食用油が所定の廃油時点に至るまでの残時間を示すデータ、前記調理器具内の前記食用油の一部を抜いて前記食用油とは異なる他の食用油を注入する抜き差しを行うタイミングを示すデータ、前記調理器具内の前記食用油をろ過するタイミングを示すデータ、および、前記食用油が所定の劣化度に至るまでに調理することが可能な残りの食材の量を示すデータのうちの少なくとも一のデータが含まれることを特徴とする。
［１１］好ましくは、前記［１０］に記載の油脂劣化予測方法であって、前記劣化特性モデルには、前記食用油の加熱時間と前記劣化指標との相関を示すモデル、および、前記食用油で調理することが可能な食材の量と前記劣化指標との相関を示すモデルのうちの少なくとも一のモデルが含まれることを特徴とする。
［１２］好ましくは、前記［９］に記載の油脂劣化予測方法であって、前記データ取得ステップでは、前記油脂劣化予測装置は、前記劣化指標の前記測定値を所定の周期で取得し、前記モデル更新ステップでは、前記油脂劣化予測装置は、前記データ取得ステップにて取得された最新の前記測定値を含む、前記油脂を使用する店における直近の２営業日分の前記測定値に基づいて、記憶している前記劣化特性モデルを更新することを特徴とする。
　本発明によれば、油脂の使用環境や使用状況の変化に応じて、精度良く油脂の劣化を予測することができる。上記した以外の課題、構成および効果は、以下の実施形態の説明により明らかにされる。
揚げ調理を行う調理場の一部の様子を示す図である。 ある店舗における揚げ油の加熱時間に対する揚げ油の酸価の変化の様子を示すグラフである。 ある店舗における揚げ油の加熱時間に対する揚げ油の色の変化の様子を示すグラフである。 ある店舗における揚げ種の揚げ個数に対する揚げ油の酸価の変化の様子を示すグラフである。 ある店舗における揚げ種の揚げ個数に対する揚げ油の色の変化の様子を示すグラフである。 揚げ油劣化予測システムの一構成例を示すシステム構成図である。 サーバのハードウェア構成の一例を示す図である。 サーバが有する機能を示す機能ブロック図である。 サーバで実行される処理の流れを示すフローチャートである。 揚げ油の加熱時間が４０時間のときにおける劣化特性モデルの一例を示す図である。 揚げ油の加熱時間が４８時間のときにおける劣化特性モデルの更新イメージを示す図である。 揚げ油の加熱時間が５６時間のときにおける劣化特性モデルの更新イメージを示す図である。 揚げ油の加熱時間が６４時間のときにおける劣化特性モデルの更新イメージを示す図である。 あるスーパーマーケットの店舗における揚げ油の加熱時間に対する揚げ油の酸価の変化を示したグラフである。 図１４に示すグラフについて、劣化特性モデルに用いるデータ数、データ数に対応する期間、現時点から廃油時点に到達するまでの到達時間、誤差、および誤差率をそれぞれ示した表である。 あるコンビニエンスストアの店舗における揚げ油の加熱時間に対する揚げ油の酸価の変化を示したグラフである。 図１６に示すグラフについて、劣化特性モデルに用いるデータ数、データ数に対応する期間、現時点から廃油時点に到達するまでの到達時間、誤差、および誤差率をそれぞれ示した表である。 ある店舗の営業日数に対する揚げ油の酸価の変化を示したグラフである。
　以下、本発明の実施形態に係る油脂劣化予測システムの一態様として、例えば、コンビニエンスストアやスーパーマーケットなどにおいて、食用油を用いてフライドチキンやコロッケ、唐揚げといった揚げ物の調理を行う場合に適用される劣化予測システムについて説明する。
　また、以下の説明において、揚げ物の調理を「揚げ調理」とし、揚げ調理に用いられる食用油を「揚げ油」とし、揚げ調理される食材を「揚げ種」とする。
（調理場１の構成）
　まず、揚げ調理が行われる環境の一例について、図１を参照して説明する。
　図１は、揚げ調理を行う調理場１の一部の様子を示す図である。
　例えば、コンビニエンスストアやスーパーマーケットなどの小売店では、出来立ての揚げ物を顧客に販売すべく、揚げ調理を行う調理場１が店舗内に設けられている。調理場１内には、揚げ調理を行う場合に使用する調理器具として、例えば、電気式のフライヤー２が設置されている。
　フライヤー２は、揚げ油Ｐを貯留する油槽２１と、油槽２１を収容するハウジング２２と、を有して構成される。ハウジング２２の側面には、揚げ種Ｑの種類別に揚げ油Ｐの温度や揚げ調理の内容を設定するための設定スイッチ２２Ａが複数設けられている。
　揚げ調理を行う場合には、まず、調理者は、取っ手３０を有するフライバスケット３内に揚げ種Ｑを投入し、フライバスケット３内の揚げ種Ｑが揚げ油Ｐに浸かるように取っ手３０をハウジング２２の上端部に引っ掛ける。それと同時あるいは前後して、調理者は、複数の設定スイッチ２２Ａのうち、揚げ調理を行う揚げ種Ｑの種類に対応する設定スイッチ２２Ａを操作する。
　続いて、フライヤー２は、調理者によって操作された設定スイッチ２２Ａを判別し、操作された設定スイッチ２２Ａに対応付けられた揚げ時間が経過すると、調理者に揚げ上がりを報知する。また、同時に、揚げ物（揚げ調理後の揚げ種Ｑ）が入ったフライバスケット３が油槽２１から自動的に上昇して、揚げ物が揚げ油Ｐに浸かった状態から上げられる。
　なお、揚げ物の揚げ上がりを知らせる方法としては、例えば、フライヤー２のスピーカからブザー音を出力する方法や、フライヤー２の付近の壁などに設置されたモニタ５に表示する方法などがある。
　調理者は、揚げ調理が完了したことを感知すると、フライバスケット３を引き上げて揚げ物を取り出す。なお、この場合において、油槽２１からのフライバスケット３の引き上げは、フライヤー２側に駆動機構を設けて自動的に行えるようにしてもよい。
　本実施形態では、調理場１には、油槽２１内の揚げ油Ｐの表面の画像を撮影するカメラ４が、油槽２１の上方の天井に取り付けられている。なお、カメラ４は、必ずしも油槽２１の上方の天井に取り付けられている必要はなく、油槽２１内の揚げ油Ｐの表面の画像を撮影可能な状態で保持されていれば、例えば、フライヤー２の付近の壁などに取り付けられていてもよい。
　このカメラ４は、動画を撮影するビデオカメラや静止画を撮影するスチルカメラであって、揚げ油Ｐの色を測定するために用いられる。具体的には、揚げ油Ｐの色は、カメラ４で撮影された油槽２１内の揚げ油Ｐの表面の画像の輝度値（例えば、ＲＧＢ値など）から測定される。したがって、カメラ４で撮影された画像の中には、少なくとも油槽２１内の揚げ油Ｐの表面の画像が含まれていればよく、その他、揚げ油Ｐの表面以外の画像、例えば、油槽２１の一部や揚げ油Ｐの中に浸かっているもの（具体的には、揚げ種Ｑやフライバスケット３の一部）などが含まれていても構わない。
　揚げ油Ｐの色は、加熱時間が経過するにつれて濃く変化することから、揚げ油Ｐの劣化度合い（以下、単に「劣化度」とする）を示す指標である劣化指標として用いられる。揚げ油Ｐの劣化指標には、揚げ油Ｐの色以外に、例えば、揚げ油Ｐの酸価（ＡＶ）、揚げ油Ｐの極性化合物量（ＰＣ）、揚げ油Ｐの粘度、揚げ油Ｐの粘度上昇率、揚げ油Ｐのアニシジン価、揚げ油Ｐのカルボニル価、揚げ油Ｐの発煙点、揚げ油Ｐのトコフェロール含量、揚げ油Ｐのヨウ素価、揚げ油Ｐの屈折率、揚げ油Ｐの揮発性成分量、揚げ油Ｐの揮発性成分組成、揚げ油Ｐの風味、揚げ油Ｐで揚げた揚げ物の揮発性成分量、揚げ油Ｐで揚げた揚げ物の揮発性成分組成、および揚げ油Ｐで揚げた揚げ物の風味が用いられる。
　揚げ油Ｐを使用するユーザー（例えば、調理者や店舗の従業員など）は、揚げ油Ｐの劣化指標を測定し、測定した揚げ油Ｐの劣化指標の測定値に基づいて揚げ油Ｐの劣化判定や劣化予測を行うことにより、揚げ油Ｐの品質や揚げ油Ｐで揚げた揚げ物の品質を管理している。
　揚げ油Ｐの各劣化指標は、カメラ４や各種センサといった測定装置を用いて測定することが可能である。例えば、揚げ油Ｐの酸価（ＡＶ）の測定には、揚げ油Ｐを滴下した部分の色の変化から酸価を測定する試験紙や、揚げ油Ｐに浸すことで揚げ油Ｐの酸価を直接的に測定することが可能な測定機器などが用いられる。また、例えば、揚げ油Ｐの極性化合物量（ＰＣ）の測定には、揚げ油Ｐに浸すことで揚げ油Ｐに含まれる極性化合物量を直接的に測定することが可能な測定機器などが用いられる。また、例えば、揚げ油Ｐの揮発性成分量や揮発性成分組成、および揚げ油Ｐで揚げた揚げ物の揮発性成分量や揮発性成分組成の測定には、汎用のガスセンサ（例えば、半導体式ガスセンサや水晶振動子式ガスセンサ）などが用いられる。
　その他の各劣化指標の測定方法としては、例えば、カメラ４で撮影された画像から画像認識技術を用いて揚げ油Ｐで揚げられた揚げ物の種類および個数を判別し、揚げ物の種類および個数と各劣化指標との相関に基づいて各劣化指標を推測する方法や、分光計を用いて揚げ油Ｐのスペクトルを測定し、揚げ油Ｐのスペクトルと各劣化指標との相関に基づいて各劣化指標を推測する方法、フライヤー２の設定スイッチ２２Ａが操作された回数（すなわち、揚げ調理が行われた回数）と各劣化指標との相関に基づいて各劣化指標を推測する方法などがある。
　なお、揚げ油Ｐの劣化指標の測定については、必ずしも上記の測定装置や測定方法に限られず、既知の測定装置や既知の測定方法を用いればよい。
（揚げ油Ｐの劣化特性）
　次に、揚げ油Ｐの劣化特性について、図２～５を参照して説明する。
　揚げ油Ｐは、加熱時間あるいは揚げ種Ｑの揚げ個数が増えるほど劣化する方向に進む劣化特性を示す。この揚げ油Ｐの劣化特性は、１つに決まるものではなく、揚げ油Ｐの使用環境や使用状況などによって変わってくる。そのため、例えば、同一店舗内で使用される揚げ油Ｐについても、常に同一の劣化特性を示すとは限らない。
　図２は、ある店舗における揚げ油Ｐの加熱時間に対する揚げ油Ｐの酸価の変化の様子を示すグラフである。図３は、ある店舗における揚げ油Ｐの加熱時間に対する揚げ油Ｐの色の変化の様子を示すグラフである。
　図２には、揚げ油Ｐが新油の状態から廃油されるまでを「１サイクル」とした場合に、ある店舗での１～１２サイクル目までの揚げ油Ｐの加熱時間［ｄａｙ］に対する揚げ油Ｐの酸価の変化の様子がそれぞれ示されている。また、図３には、ある店舗での１～１２サイクル目までの揚げ油Ｐの加熱時間［ｄａｙ］に対する揚げ油Ｐの色の変化の様子がそれぞれ示されている。
　なお、図２および図３ではそれぞれ、揚げ油Ｐの加熱時間が２日分までのみ示されているが、揚げ油Ｐの廃油は必ずしも２日に１回行われるわけではなく、３日目以降もそのまま揚げ油Ｐが継続使用されていることもある。例えば、揚げ油Ｐが４日間継続使用される場合には、図２では、４日間のうちの新油の状態から揚げ油Ｐの加熱時間が２日間分までの揚げ油Ｐの酸価の変化が、図３では、４日間のうちの新油の状態から揚げ油Ｐの加熱時間が２日間分までの揚げ油Ｐの色の変化が、それぞれ示されることになる。
　図２および図３ではそれぞれ、１サイクル目が複数の▲印を点線でつないだグラフで、２サイクル目が複数の●印を破線でつないだグラフで、３サイクル目が複数の▲印を破線でつないだグラフで、４サイクル目が複数の●印を点線でつないだグラフで、５サイクル目が複数の■印を点線でつないだグラフで、６サイクル目が複数の◆印を点線でつないだグラフで、７サイクル目が複数の▲印を点線でつないだグラフで、８サイクル目が複数の◆印を破線でつないだグラフで、９サイクル目が複数の▲印を実線でつないだグラフで、１０サイクル目が複数の●印を実線でつないだグラフで、１１サイクル目が複数の●印を点線でつないだグラフで、１２サイクル目が複数の◆印を実線でつないだグラフで、それぞれ示されている。
　図２に示すように、例えば、６サイクル目の揚げ油Ｐは、新油の状態から１日経過後の酸価が約０．３８となり、新油の状態から２日経過後の酸価が約０．８５となっている一方で、８サイクル目の揚げ油Ｐは、新油の状態から１日経過後の酸価が約０．１９となり、新油の状態から２日経過後の酸価が約０．４１となっている。その他、１～５サイクル目、７サイクル目、および９～１２サイクル目の各揚げ油Ｐについても、加熱時間に対する酸価の上がり方が互いに異なっている。
　また、図３に示すように、例えば、１０サイクル目の揚げ油Ｐは、新油の状態から１日経過後の色が約２３となり、新油の状態から２日経過後の色が約６１となっている一方で、１２サイクル目の揚げ油Ｐは、新油の状態から１日経過後の色が約１６となり、新油の状態から２日経過後の色が約２７となっている。その他、１～９サイクル目および１１サイクル目の各揚げ油Ｐについても、加熱時間に対する色の上がり方が互いに異なっている。
　このように、同一店舗内で使用される揚げ油Ｐであっても、各サイクルで加熱時間に対する劣化指標（図２では酸価、図３では色）の変化の仕方が異なる。
　なお、図２および図３では、揚げ油Ｐの加熱時間に対する揚げ油Ｐの劣化指標の変化の仕方の違いが示されていたが、これに限られず、揚げ油Ｐで揚げ調理可能な揚げ種Ｑの揚げ個数に対する揚げ油Ｐの劣化指標の変化の仕方についても同様に違いがある。
　図４は、ある店舗における揚げ種Ｑの揚げ個数に対する揚げ油Ｐの酸価の変化の様子を示すグラフである。図５は、ある店舗における揚げ種Ｑの揚げ個数に対する揚げ油Ｐの色の変化の様子を示すグラフである。
　図４には、揚げ油Ｐが新油の状態から廃油されるまでを「１サイクル」とした場合に、ある店舗での１～５サイクル目までの揚げ油Ｐで揚げ調理され得る揚げ種Ｑの個数に対する揚げ油Ｐの酸価の変化の様子がそれぞれ示されている。また、図５には、ある店舗での１～５サイクル目までの揚げ油Ｐで揚げ調理され得る揚げ種Ｑの個数に対する揚げ油Ｐの色の変化の様子がそれぞれ示されている。
　ここで、図４および図５の横軸のそれぞれに記されている「ｘ」とは、各店舗で予め定められている１セット分の揚げ種Ｑの個数を示している。例えば、コロッケのみを販売している店舗では、コロッケ１０個を１セットとし、また、コロッケおよびフライドチキンの２種類を販売している店舗では、コロッケ４個およびフライドチキン５個を１セットとし、セット数を確認することによって揚げ油Ｐの劣化を管理し得る。
　なお、図４および図５ではそれぞれ、揚げ種Ｑの揚げ個数が３ｘ個（３セット）分までのみ示されているが、揚げ油Ｐの廃油は、必ずしも揚げ種Ｑが３ｘ個揚げ調理されるごとに１回行われるわけではなく、揚げ種Ｑが４ｘ個（４セット）以上揚げ調理される際にそのまま揚げ油Ｐが継続使用されていることもある。例えば、揚げ種Ｑが６ｘ個揚げ調理されるまで揚げ油Ｐが継続使用される場合には、図４では、揚げ個数が６ｘ個となるまでのうちの新油の状態から揚げ種Ｑの揚げ個数が３ｘ個分までの揚げ油Ｐの酸価の変化が、図５では、揚げ個数が６ｘ個となるまでのうちの新油の状態から揚げ種Ｑの揚げ個数が３ｘ個分までの揚げ油Ｐの色の変化が、それぞれ示されることになる。
　図４および図５ではそれぞれ、１サイクル目が複数の●印を破線でつないだグラフで、２サイクル目が複数の◆印を実線でつないだグラフで、３サイクル目が複数の◆印を点線でつないだグラフで、４サイクル目が複数の●印を実線でつないだグラフで、５サイクル目が複数の▲印を破線でつないだグラフで、それぞれ示されている。
　図４に示すように、例えば、１サイクル目の揚げ油Ｐは、新油の状態から揚げ種Ｑがｘ個（１セット）揚げ調理された後の酸価が約０．４１となり、新油の状態から揚げ種Ｑが２ｘ個（２セット）揚げ調理された後の酸価が約０．９９となり、新油の状態から揚げ種Ｑが３ｘ個（３セット）揚げ調理された後の酸価が約１．４８となっている一方で、５サイクル目の揚げ油Ｐは、新油の状態から揚げ種Ｑがｘ個揚げ調理された後の酸価が約０．５８となり、新油の状態から揚げ種Ｑが２ｘ個揚げ調理された後の酸価が約１．２１となり、新油の状態から揚げ種Ｑが３ｘ個揚げ調理された後の酸価が約１．８２となっている。その他、２～４サイクル目の各揚げ油Ｐについても、揚げ種Ｑの揚げ個数に対する酸価の上がり方が互いに異なっている。
　また、図５に示すように、２サイクル目の揚げ油Ｐは、新油の状態から揚げ種Ｑがｘ個揚げ調理された後の色が約１６となり、新油の状態から揚げ種Ｑが２ｘ個揚げ調理された後の色が約４５となり、新油の状態から揚げ種Ｑが３ｘ個揚げ調理された後の色がちょうど１００となっている一方で、５サイクル目の揚げ油Ｐは、新油の状態から揚げ種Ｑがｘ個揚げ調理された後の色が約１９となり、新油の状態から揚げ種Ｑが２ｘ個揚げ調理された後の色が約５０となり、新油の状態から揚げ種Ｑが３ｘ個揚げ調理された後の色が約１３２となっている。その他、１サイクル目、３サイクル目、および４サイクル目の各揚げ油Ｐについても、揚げ種Ｑの揚げ個数に対する色の上がり方が互いに異なっている。
　このように、同一店舗内で使用される揚げ油Ｐであっても、各サイクルで揚げ種Ｑの揚げ個数に対する劣化指標（図４では酸価、図５では色）の変化の仕方が異なる。
（揚げ油劣化予測システム１００の構成）
　次に、揚げ油劣化予測システムとしての揚げ油Ｐの劣化予測システム１００の構成について、図６を参照して説明する。
　図６は、揚げ油Ｐの劣化予測システム１００の一構成例を示すシステム構成図である。
　揚げ油Ｐの劣化予測システム１００は、揚げ油Ｐの劣化を予測して予測結果を報知するシステムであって、例えばコンビニエンスストアチェーンやスーパーマーケットチェーンなどを構成する複数の店舗にそれぞれ設置された店舗端末６と、各店舗で使用されている揚げ油Ｐの劣化を予測するプログラムを実行するサーバ７と、各店舗に設置されているモニタ５（図１参照）と、によって構成されている。各店舗のモニタ５と各店舗の店舗端末６とサーバ７とは、例えばインターネット回線などの通信ネットワークＮを介して、直接的にまたは間接的に互いに情報通信可能に接続されている。
　なお、揚げ油Ｐの劣化予測システム１００においては、複数の店舗それぞれの店舗端末６は全て同様に構成されているため、以下では、任意の店舗の店舗端末６を例に挙げて説明し、その他の各店舗の店舗端末６については説明を割愛する。
　店舗端末６は、店舗で使用中の揚げ油Ｐに係る情報および揚げ種Ｑに係る情報などが入力される入力端末であると共に、店舗で使用中の揚げ油Ｐを管理する管理端末である。店舗端末６には、揚げ油Ｐを管理するためのアプリケーション（以下、「揚げ油管理アプリ」とする）がインストールされている。
　揚げ油Ｐに係る情報には、揚げ油Ｐの劣化指標の測定値（例えば、酸価の測定値や色の測定値）に係るデータが含まれる。揚げ種Ｑに係る情報には、揚げ油Ｐで揚げ調理される揚げ種Ｑの種類および個数に係るデータが含まれる。
　本実施形態では、図６に示すように、店舗端末６は、店舗内の調理場１に設置されたカメラ４に対して通信可能に接続され、カメラ４で撮影された画像のデータを取得し、取得した画像に基づいてフライヤー２の油槽２１内の揚げ油Ｐの色の測定値を取得する。なお、店舗端末６とカメラ４とは、必ずしも通信可能に接続されている必要はない。店舗端末６とカメラ４とが通信可能に接続されていない場合には、カメラ４で撮影された画像のデータは、例えば、外部器機を介して店舗端末６に読み込まれる。店舗端末６における色以外の他の劣化指標の測定値の取得方法についても同様である。
　サーバ７は、揚げ油Ｐの劣化指標の測定値を用いて、揚げ油Ｐの劣化に関する情報である劣化情報を予測する劣化予測装置の一態様である。なお、以下では、サーバ７は、図６に示すように、複数の店舗を管轄する本部センターなどに設置されたサーバ装置により実現されるものとして説明するが、必ずしもサーバ装置により実現されるものでなくともよく、その他、例えば、通信ネットワークＮ上に構築されたクラウドサーバなどにより実現されるものであってもよい。
　劣化情報には、揚げ油Ｐが所定の廃油時点に至るまでの残時間（残りの加熱時間）を示すデータ、フライヤー２内の揚げ油Ｐに対して抜き差しを行うタイミングを示すデータ、フライヤー２内の揚げ油Ｐをろ過するタイミングを示すデータ、および、揚げ油Ｐが所定の劣化度に至るまでに揚げ調理することが可能な残りの揚げ種Ｑの揚げ個数を示すデータのうちの少なくとも一のデータが含まれる。
　ここで、「抜き差し」とは、フライヤー２内の揚げ油Ｐの一部を抜いて揚げ油Ｐとは異なる他の揚げ油Ｐ１を注入する（差し油する）ことである。なお、「他の揚げ油Ｐ１」は、必ずしも新油である必要はなく、例えば、フライヤー２内の揚げ油Ｐよりも劣化が進んでいない揚げ油であってもよい。具体的には、店舗の調理場１にて、天ぷら、パン粉が付けられた総菜、および唐揚げの３種類の料理が３つのフライヤー２でそれぞれ揚げ調理されている場合、各フライヤー２の油槽２１内の揚げ油Ｐの劣化度は、天ぷら槽、パン粉が付けられた総菜槽、唐揚げ槽の順で進んでいるため、例えば、唐揚げ槽に、天ぷら槽の揚げ油Ｐあるいはパン粉が付けられた総菜槽の揚げ油Ｐが差し油される場合がある。
　また、「ろ過」とは、フライヤー２内の揚げ油Ｐをフィルタに通して揚げカスなどを除去したり、フライヤー２内の揚げ油Ｐをろ過剤に通して新油に近い状態に再生したりすることである。
　このように、劣化が進んだ揚げ油Ｐは、廃油時点に至った場合に全て廃油されて新油に交換されるだけでなく、廃油時点に至る前に抜き差しやろ過が行われる場合もある。
　サーバ７は、揚げ油Ｐの劣化指標の測定値と、揚げ油Ｐの劣化指標の推移を示す劣化特性モデルと、揚げ油Ｐの劣化指標に関する基準を示す劣化基準値と、に基づいて、揚げ油Ｐの劣化情報を予測して、予測結果をモニタ５に出力する劣化予測処理を行う。
　揚げ油Ｐの劣化特性モデルには、揚げ油Ｐの加熱時間と揚げ油Ｐの劣化指標との相関を示すモデル、および、揚げ油Ｐで揚げることが可能な揚げ種Ｑの揚げ個数と揚げ油Ｐの劣化指標との相関を示すモデルのうちの少なくとも一のモデルが含まれる。すなわち、揚げ油Ｐの劣化特性モデルは、図２～５に例示された揚げ油Ｐの劣化特性を示すグラフに相当し、揚げ油Ｐの劣化予測を行うことが可能であることから、揚げ油Ｐの「劣化予測モデル」ともいえる。
　前述したように、揚げ油Ｐの劣化特性は、同一店舗内で揚げ油Ｐが使用される場合であっても、使用環境や使用状況に応じて異なってくるため、サーバ７は、予め設定された一の劣化特性モデルを用いて揚げ油Ｐの劣化情報を予測するのではなく、劣化特性モデルを随時更新し、更新後の劣化特性モデルを用いて揚げ油Ｐの劣化情報を予測している。
　揚げ油Ｐの劣化基準値には、所定の廃油時点における揚げ油Ｐの劣化指標の基準となる廃油基準値、フライヤー２内の揚げ油Ｐに対して抜き差しを行う必要がある場合における揚げ油Ｐの劣化指標の基準となる抜き差し基準値、および、フライヤー２内の揚げ油Ｐをろ過する時点における揚げ油Ｐの劣化指標の基準となるろ過基準値のうちの少なくとも一の基準値が含まれる。
　これらの劣化基準値は、店舗で行われる揚げ調理の仕様に合わせた値が設定され、店舗端末６に入力される揚げ調理の内容に係る情報に基づいて設定されてもよいし、また、例えば、店舗の従業員などによって任意の値に設定されてもよい。
　モニタ５は、サーバ７で予測された揚げ油Ｐの劣化情報を報知する報知装置の一態様である。例えば、モニタ５は、サーバ７において揚げ油Ｐが所定の廃油時点に至るまでの残時間が予測された場合には、「廃油まであと〇〇時間です。」といった表示を行う。また、モニタ５は、サーバ７において揚げ油Ｐが廃油時点に至るまでに揚げ調理することが可能な残りの揚げ種Ｑの揚げ個数が予測された場合には、「廃油まであと△△個揚げることが可能です。」といった表示を行う。
　なお、本実施形態では、モニタ５を用いて揚げ油Ｐの劣化情報を報知しているが、これに限られず、店舗端末６を用いて揚げ油Ｐの劣化情報を報知してもよい。また、揚げ油Ｐの劣化情報の報知方法は、文字表示によるもののみならず、その他、例えば、音声によるものであってもよい。
（サーバ７の構成）
　次に、サーバ７の構成について、図７および図８を参照して説明する。
　図７は、サーバ７のハードウェア構成の一例を示す図である。
　サーバ７は、サーバ装置のハードウェア構成として、ＣＰＵ（Ｃｅｎｔｒａｌ　Ｐｒｏｃｅｓｓｉｎｇ　Ｕｎｉｔ）７０Ａと、ＲＡＭ（Ｒａｎｄｏｍ　Ａｃｃｅｓｓ　Ｍｅｍｏｒｙ）７０Ｂと、ＲＯＭ（Ｒｅａｄ　Ｏｎｌｙ　Ｍｅｍｏｒｙ）７０Ｃと、ＨＤＤ（Ｈａｒｄ　Ｄｉｓｋ　Ｄｒｉｖｅ）７０Ｄと、Ｉ／Ｆ（Ｉｎｔｅｒｆａｃｅ）７０Ｅと、を備える。これらの各構成は、共通バス７０Ｆを介してそれぞれ接続されている。
　ＣＰＵ７０Ａは、演算手段であり、サーバ７全体の動作を制御する。
　ＲＡＭ７０Ｂは、情報の高速な読み書きが可能な揮発性の記憶媒体であり、例えばＣＰＵ７０Ａが画像情報を処理する際の作業領域として用いられる。
　ＲＯＭ７０Ｃは、読み出し専用の不揮発性の記憶媒体であり、ファームウェアなどのプログラムが格納されている。
　ＨＤＤ７０Ｄは、情報の読み書きが可能であって記憶容量が大きい不揮発性の記憶媒体であり、ＯＳ（Ｏｐｅｒａｔｉｎｇ　Ｓｙｓｔｅｍ）や後述する各種の情報処理を実行するための制御プログラムおよびアプリケーションプログラムなどが格納される。
　なお、ＨＤＤ７０Ｄは、不揮発性の記憶媒体として情報の格納および管理の機能を実現するものであれば、デバイスの種類は問わず、例えばＳＳＤ（Ｓｏｌｉｄ　Ｓｔａｔｅ　Ｄｒｉｖｅ）などで代用することも可能である。
　Ｉ／Ｆ７０Ｅは、通信ネットワークＮとの接続インターフェースであって、各店舗のモニタ５および店舗端末６などが接続されている。
　このようなハードウェア構成を備えるサーバ７は、ＲＯＭ７０Ｃに格納された制御プログラムや、ＨＤＤ７０Ｄなどの記憶媒体からＲＡＭ７０Ｂにロードされた制御プログラムおよびアプリケーションプログラムを、ＣＰＵ７０Ａが備える演算機能によって処理機能を実現する情報処理装置である。
　これら情報処理の実行によって、サーバ７における種々の機能モジュールを含むソフトウェア制御部が構成される。このようにして構成されたソフトウェア制御部と、上記の構成を含むハードウェア資源との組み合わせによって、サーバ７の機能を実現する機能ブロックが構成される。
　なお、サーバ７がクラウドサーバである場合には、クラウドサーバを実現するコンピュータ（例えば、クラウドシステムを提供する会社などが所有するコンピュータ）が、上記のハードウェア構成を備えることとなる。
　図８は、サーバ７が有する機能を示す機能ブロック図である。
　サーバ７は、データ取得部７１と、記憶部７２と、モデル更新部７３と、劣化予測部７４と、結果出力部７５と、を含む。
　データ取得部７１は、店舗端末６から出力された揚げ油Ｐの劣化指標の測定値に係るデータを取得する。ここで、一般に、店舗では、例えば、営業終了後など、１日のうちの所定のタイミングで、使用中の揚げ油Ｐの劣化指標を測定することが多い。したがって、データ取得部７１は、揚げ油Ｐの劣化指標の測定値を所定の周期（例えば、１２時間に１回あるいは２４時間に１回など）で取得する。
　なお、本実施形態では、データ取得部７１にて取得される揚げ油Ｐの劣化指標の測定値は、店舗端末６からサーバ７に対して出力されたデータであるが、これに限られず、例えば、揚げ油Ｐの劣化指標を測定する測定装置からサーバ７に対して出力されたデータであってもよい。
　記憶部７２には、揚げ油Ｐの劣化特性モデルと、揚げ油Ｐの劣化基準値と、が記憶されている。また、記憶部７２は、データ取得部７１にて揚げ油Ｐの劣化指標の測定値が取得されると、当該測定値を記憶する。すなわち、記憶部７２には、過去分の揚げ油Ｐの劣化指標の測定値が記憶されている。
　モデル更新部７３は、データ取得部７１にて取得された最新の揚げ油Ｐの劣化指標の測定値を含む直近の複数の揚げ油Ｐの劣化指標の測定値に基づいて、記憶部７２に記憶されている揚げ油Ｐの劣化特性モデルを更新する。
　具体的には、モデル更新部７３は、データ取得部７１にて取得された最新の揚げ油Ｐの劣化指標の測定値を含む、店舗（揚げ油Ｐを使用する店）における直近の２営業日分の揚げ油Ｐの劣化指標の測定値に基づいて、記憶部７２に記憶されている揚げ油Ｐの劣化特性モデルを更新することが望ましい。
　したがって、記憶部７２には、常に、モデル更新部７３にて更新された更新後の揚げ油Ｐの劣化特性モデルが記憶されている。
　劣化予測部７４は、データ取得部７１にて取得された最新の揚げ油Ｐの劣化指標の測定値と、モデル更新部７３にて更新された更新後の揚げ油Ｐの劣化特性モデルと、記憶部７２に記憶されている揚げ油Ｐの劣化基準値と、に基づいて、揚げ油Ｐが所定の廃油時点に至るまでの残加熱時間、フライヤー２内の揚げ油Ｐに対して抜き差しを行うタイミング、フライヤー２内の揚げ油Ｐをろ過するタイミング、および、揚げ油Ｐが所定の劣化度に至るまでに揚げ調理することが可能な残りの揚げ種Ｑの揚げ個数のうちの少なくともいずれかを予測する。
　結果出力部７５は、劣化予測部７４にて予測された揚げ油Ｐの劣化情報の予測結果をモニタ５に対して出力する。
（サーバ７内で実行される処理）
　次に、サーバ７内で実行される処理について、図９を参照して説明する。
　図９は、サーバ７で実行される処理の流れを示すフローチャートである。
　サーバ７では、図９に示すように、まず、データ取得部７１が、測定装置（例えば、劣化指標が色の場合には、カメラ４）により測定されて（測定ステップ）店舗端末６から出力された揚げ油Ｐの劣化指標の測定値を所定の周期で取得する（データ取得ステップ）。また、記憶部７２は、データ取得部７１にて揚げ油Ｐの劣化指標の測定値が取得される度に、当該測定値を記憶する（ステップＳ７０１）。
　次に、モデル更新部７３は、ステップＳ７０１において取得された直近の複数の揚げ油Ｐの劣化指標の測定値（望ましくは、最新の測定値を含む、店舗における直近の２営業日分の測定値）に基づいて、記憶部７２に記憶されている揚げ油Ｐの劣化特性モデルを更新する（ステップＳ７０２；モデル更新ステップ）。
　次に、劣化予測部７４は、ステップＳ７０１において取得された最新の揚げ油Ｐの劣化指標の測定値と、ステップＳ７０２において更新された更新後の揚げ油Ｐの劣化特性モデルと、記憶部７２に記憶されている揚げ油Ｐの劣化基準値と、に基づいて、揚げ油Ｐの劣化情報を予測する（ステップＳ７０３；劣化予測ステップ）。
　そして、結果出力部７５は、ステップＳ７０３にて予測された揚げ油Ｐの劣化情報の予測結果をモニタ５に対して出力し（ステップＳ７０４；結果出力ステップ）、サーバ７内における処理が終了する。モニタ５は、結果出力部７５（サーバ７）から揚げ油Ｐの劣化情報の予測結果が出力されると、その情報（例えば、「廃油まであと〇〇時間です。」や「廃油まであと△△個揚げることが可能です。」、「◇◇時間後に抜き差しを行って下さい。」など）を画面表示あるいは音声などを用いて店舗の従業員に報知する（報知ステップ）。
（揚げ油Ｐの劣化特性モデルの更新および劣化予測について）
　次に、サーバ７で行われる揚げ油Ｐの劣化特性モデルの更新および劣化予測の具体的な方法について、図１０～１８を参照して説明する。
　図１０は、揚げ油Ｐの加熱時間が４０時間のときにおける劣化特性モデルの一例を示す図である。図１１は、揚げ油Ｐの加熱時間が４８時間のときにおける劣化特性モデルの更新イメージを示す図である。図１２は、揚げ油Ｐの加熱時間が５６時間のときにおける劣化特性モデルの更新イメージを示す図である。図１３は、揚げ油Ｐの加熱時間が６４時間のときにおける劣化特性モデルの更新イメージを示す図である。
　なお、図１０～１３ではそれぞれ、揚げ油Ｐの酸価を８時間に１回測定する店舗における揚げ油Ｐの加熱時間と揚げ油Ｐの酸価の測定値との関係を例に挙げて示している。
　図１０に示すように、例えば、揚げ油Ｐの加熱時間が４０時間の時点において、揚げ油Ｐの劣化特性モデルＭ１（図１０において点線で示す）は、揚げ油Ｐの加熱時間が４０時間のときの揚げ油Ｐの酸価の測定値、すなわち最新の揚げ油Ｐの酸価の測定値（＝約０．６）と、揚げ油Ｐの加熱時間が３２時間のときの揚げ油Ｐの酸価の測定値（＝約０．４）と、揚げ油Ｐの加熱時間が２４時間のときの揚げ油Ｐの酸価の測定値（＝約０．２５）と、に基づいた単回帰のモデルで表される。
　なお、以下では、モデル更新部７３によって劣化特性モデルＭ１が更新された後の劣化特性モデルＭ２，Ｍ３，Ｍ４との混同を避けるため、説明の便宜上、揚げ油Ｐの加熱時間が４０時間の時点における揚げ油Ｐの劣化特性モデルＭ１を「第１劣化特性モデルＭ１」とする。
　ここで、揚げ油Ｐの廃油基準値を２．５とした場合、劣化予測部７４は、第１劣化特性モデルＭ１に廃油基準値２．５を適用することにより、廃油基準値２．５における揚げ油Ｐの加熱時間が約１１０時間であると算出する。そして、劣化予測部７４は、廃油基準値２．５における揚げ油Ｐの加熱時間（＝約１１０時間）から現時点における揚げ油Ｐの加熱時間（＝４０時間）を減算することにより（約１１０時間－４０時間）、揚げ油Ｐの廃油時点に至るまでの残時間が約７０時間であると予測する。
　なお、店舗における揚げ油Ｐの劣化指標の測定は必ずしも定期的に（図１０～１３では８時間に１回の周期）行われるとは限られないため、劣化予測部７４は、データ取得部７１にて取得された揚げ油Ｐの劣化指標の測定値を揚げ油Ｐの劣化特性モデルに適用することにより、現時点での揚げ油Ｐの加熱時間を算出している。
　続いて、図１１に示すように、揚げ油Ｐの加熱時間が４８時間の時点において、揚げ油Ｐが廃油時点に至るまでの残時間を予測する場合、劣化予測部７４は、記憶部７２に記憶されている第１劣化特性モデルＭ１（図１１において点線で示す）ではなく、モデル更新部７３が第１劣化特性モデルＭ１を更新した更新後の劣化特性モデルＭ２（図１１において破線で示す）を用いる。
　なお、以下では、モデル更新部７３によって第１劣化特性モデルＭ１が更新された後の劣化特性モデルＭ２を、説明の便宜上、「第２劣化特性モデルＭ２」とする。
　第２劣化特性モデルＭ２は、揚げ油Ｐの加熱時間が４８時間のときの揚げ油Ｐの酸価の測定値、すなわち最新の揚げ油Ｐの酸価の測定値（＝約０．９）と、揚げ油Ｐの加熱時間が４０時間のときの揚げ油Ｐの酸価の測定値（＝約０．６）と、揚げ油Ｐの加熱時間が３２時間のときの揚げ油Ｐの酸価の測定値（＝約０．４）と、に基づいた単回帰のモデルで表される。
　この第２劣化特性モデルＭ２は、図１１に示すように、最新の揚げ油Ｐの酸価の測定値（＝約０．９）が反映されることによって、傾きが第１劣化特性モデルＭ１の傾きよりも急になり、現時点（揚げ油Ｐの加熱時間が４８時間の時点）における実際の揚げ油Ｐの劣化の進行状況に整合したモデルとなっている。
　劣化予測部７４は、データ取得部７１にて取得された最新の揚げ油Ｐの酸価の測定値（＝約０．９）および記憶部７２に記憶されている廃油基準値２．５をそれぞれ、モデル更新部７３で更新された更新後の第２劣化特性モデルＭ２に適用して、揚げ油Ｐの廃油時点に至るまでの残時間が約５０時間であると予測する。
　ここで、仮に、劣化予測部７４が、データ取得部７１にて取得された最新の揚げ油Ｐの酸価の測定値（＝約０．９）および記憶部７２に記憶されている廃油基準値２．５をそれぞれ、更新前の劣化特性モデルである第１劣化特性モデルＭ１に適用すると、揚げ油Ｐの廃油時点に至るまでの残時間は約６２時間となり、第２劣化特性モデルＭ２に適用した場合との間で予測結果に差が生じる。
　続いて、図１２に示すように、揚げ油Ｐの加熱時間が５６時間の時点において、揚げ油Ｐが廃油時点に至るまでの残時間を予測する場合、劣化予測部７４は、記憶部７２に記憶されている第２劣化特性モデルＭ２（図１２において破線で示す）ではなく、モデル更新部７３が第２劣化特性モデルＭ２を更新した更新後の劣化特性モデルＭ３（図１２において一点鎖線で示す）を用いる。
　なお、以下では、モデル更新部７３によって第２劣化特性モデルＭ２が更新された後の劣化特性モデルＭ３を、説明の便宜上、「第３劣化特性モデルＭ３」とする。
　第３劣化特性モデルＭ３は、揚げ油Ｐの加熱時間が５６時間のときの揚げ油Ｐの酸価の測定値、すなわち最新の揚げ油Ｐの酸価の測定値（＝約１．３）と、揚げ油Ｐの加熱時間が４８時間のときの揚げ油Ｐの酸価の測定値（＝約０．９）と、揚げ油Ｐの加熱時間が４０時間のときの揚げ油Ｐの酸価の測定値（＝約０．６）と、に基づいた単回帰のモデルで表される。
　この第３劣化特性モデルＭ３は、図１２に示すように、最新の揚げ油Ｐの酸価の測定値（＝約１．３）が反映されることによって、傾きが第１劣化特性モデルＭ１および第２劣化特性モデルＭ２のそれぞれの傾きよりも急になり、現時点（揚げ油Ｐの加熱時間が５６時間の時点）における実際の揚げ油Ｐの劣化の進行状況に整合したモデルとなっている。
　劣化予測部７４は、データ取得部７１にて取得された最新の揚げ油Ｐの酸価の測定値（＝約１．３）および記憶部７２に記憶されている廃油基準値２．５をそれぞれ、モデル更新部７３で更新された更新後の第３劣化特性モデルＭ３に適用して、揚げ油Ｐの廃油時点に至るまでの残時間が約３０時間であると予測する。
　ここで、仮に、劣化予測部７４が、データ取得部７１にて取得された最新の揚げ油Ｐの酸価の測定値（＝約１．３）および記憶部７２に記憶されている廃油基準値２．５をそれぞれ、更新前の劣化特性モデルである第２劣化特性モデルＭ２に適用すると、揚げ油Ｐの廃油時点に至るまでの残時間は約４２時間となり、第３劣化特性モデルＭ３に適用した場合との間で予測結果に差が生じる。
　また、劣化予測部７４が、データ取得部７１にて取得された最新の揚げ油Ｐの酸価の測定値（＝約１．３）および記憶部７２に記憶されている廃油基準値２．５をそれぞれ、揚げ油Ｐの加熱時間が４０時間の時点におけるモデルである第１劣化特性モデルＭ１に適用した場合には、揚げ油Ｐの廃油時点に至るまでの残時間は約５４時間となり、第３劣化特性モデルＭ３に適用した場合との間でさらに予測結果の差が広がる。
　続いて、図１３に示すように、揚げ油Ｐの加熱時間が６４時間の時点において、揚げ油Ｐが廃油時点に至るまでの残時間を予測する場合、劣化予測部７４は、記憶部７２に記憶されている第３劣化特性モデルＭ３（図１３において一点鎖線で示す）ではなく、モデル更新部７３が第３劣化特性モデルＭ３を更新した更新後の劣化特性モデルＭ４（図１３において二点鎖線で示す）を用いる。
　なお、以下では、モデル更新部７３によって第３劣化特性モデルＭ３が更新された後の劣化特性モデルＭ４を、説明の便宜上、「第４劣化特性モデルＭ４」とする。
　第４劣化特性モデルＭ４は、揚げ油Ｐの加熱時間が６４時間のときの揚げ油Ｐの酸価の測定値、すなわち最新の揚げ油Ｐの酸価の測定値（＝約１．７）と、揚げ油Ｐの加熱時間が５６時間のときの揚げ油Ｐの酸価の測定値（＝約１．３）と、揚げ油Ｐの加熱時間が４８時間のときの揚げ油Ｐの酸価の測定値（＝約０．９）と、に基づいた単回帰のモデルで表される。
　この第４劣化特性モデルＭ４は、図１３に示すように、最新の揚げ油Ｐの酸価の測定値（＝約１．７）が反映されることによって、傾きが第１劣化特性モデルＭ１、第２劣化特性モデルＭ２、および第３劣化特性モデルＭ３のそれぞれの傾きよりも急になり、現時点（揚げ油Ｐの加熱時間が６４時間の時点）における実際の揚げ油Ｐの劣化の進行状況に整合したモデルとなっている。
　劣化予測部７４は、データ取得部７１にて取得された最新の揚げ油Ｐの酸価の測定値（＝約１．７）および記憶部７２に記憶されている廃油基準値２．５をそれぞれ、モデル更新部７３で更新された更新後の第４劣化特性モデルＭ４に適用して、揚げ油Ｐの廃油時点に至るまでの残時間が約２０時間であると予測する。
　ここで、仮に、劣化予測部７４が、データ取得部７１にて取得された最新の揚げ油Ｐの酸価の測定値（＝約１．７）および記憶部７２に記憶されている廃油基準値２．５をそれぞれ、更新前の劣化特性モデルである第３劣化特性モデルＭ３に適用すると、揚げ油Ｐの廃油時点に至るまでの残時間は約２２時間となり、第４劣化特性モデルＭ４に適用した場合との間で予測結果に差が生じる。
　また、劣化予測部７４が、データ取得部７１にて取得された最新の揚げ油Ｐの酸価の測定値（＝約１．７）および記憶部７２に記憶されている廃油基準値２．５をそれぞれ、揚げ油Ｐの加熱時間が４８時間の時点におけるモデルである第２劣化特性モデルＭ２に適用した場合には、揚げ油Ｐの廃油時点に至るまでの残時間は約２６時間となり、第４劣化特性モデルＭ４に適用した場合との間でさらに予測結果の差が広がる。
　またさらに、劣化予測部７４が、データ取得部７１にて取得された最新の揚げ油Ｐの酸価の測定値（＝約１．７）および記憶部７２に記憶されている廃油基準値２．５をそれぞれ、揚げ油Ｐの加熱時間が４０時間の時点におけるモデルである第１劣化特性モデルＭ１に適用した場合には、揚げ油Ｐの廃油時点に至るまでの残時間は約３０時間となり、第４劣化特性モデルＭ４に適用した場合との間でさらに予測結果の差が広がる。
　このように、サーバ７が、最新の揚げ油Ｐの劣化指標の測定値を含む直近の複数の劣化指標の測定値に基づいて、揚げ油Ｐの劣化特性モデルを更新し、更新後の劣化特性モデルを用いて揚げ油Ｐの劣化情報を予測するため、揚げ油Ｐの使用環境や使用状況が変化した場合であっても、実際の揚げ油Ｐの劣化の進行状況に即した予測結果を得ることができる。したがって、サーバ７では、予め決められた劣化特性モデルを用いて揚げ油Ｐの劣化予測を行う場合よりも、精度の良い予測結果を得ることができる。
　これにより、揚げ油Ｐを使用する店舗は、本来ならばまだ使用することが可能な揚げ油Ｐを無駄に廃棄したり、すでに廃油時点が過ぎた揚げ油Ｐを継続して使用したりするといった事態を回避し、持続可能な開発目標（Ｓｕｓｔａｉｎａｂｌｅ　Ｄｅｖｅｌｏｐｍｅｎｔ　Ｇｏａｌｓ、持続可能な開発のための２０３０アジェンダ、平成２７（２０１５）年９月２５日国連サミット採択、以下「ＳＤＧｓ」という）の推進に向けた取り組みに寄与することが可能である。
　なお、サーバ７における揚げ油Ｐの劣化予測方法は、フライヤー２内の揚げ油Ｐに対して抜き差しを行うタイミングの予測、フライヤー２内の揚げ油Ｐをろ過するタイミングの予測、および、揚げ油Ｐが所定の劣化度に至るまでに揚げ調理することが可能な残りの揚げ個数の予測においても同様である。
　また、上記では、説明の便宜上、揚げ油Ｐの劣化特性モデルとして、第１劣化特性モデルＭ１、第２劣化特性モデルＭ２、第３劣化特性モデルＭ３、および第４劣化特性モデルＭ４を示したが、サーバ７は、記憶部７２に複数の劣化特性モデル（第１劣化特性モデルＭ１、第２劣化特性モデルＭ２、第３劣化特性モデルＭ３、および第４劣化特性モデルＭ４）を記憶し、それらの中から一の劣化特性モデルを選択して揚げ油Ｐの劣化情報の予測に用いているわけではなく、一の劣化特性モデルを随時更新し、更新した劣化特性モデルを揚げ油Ｐの劣化情報の予測に用いている点に留意すべきである。
　次に、サーバ７は、揚げ油Ｐの劣化特性モデルを更新する際に、取得した最新の揚げ油Ｐの劣化指標の測定値を含む、店舗における直近の２営業日分の揚げ油Ｐの劣化指標の測定値を用いることが望ましいが、その作用および効果について、図１４～１８を参照して説明する。
　図１４は、あるスーパーマーケットの店舗における揚げ油Ｐの加熱時間に対する揚げ油Ｐの酸価の変化を示したグラフである。図１５は、図１４に示すグラフについて、劣化特性モデルに用いるデータ数、データ数に対応する期間、現時点から廃油時点に到達するまでの到達時間、誤差、および誤差率をそれぞれ示した表である。
　このスーパーマーケットの店舗は、１日の営業時間が１２時間であり、従業員が１日（１営業日）に１回揚げ油Ｐの酸価（劣化指標）の測定を行う。したがって、図１４では、隣り合う２つのプロットの間が１営業日分となる。
　ここでは、サーバ７が、揚げ油Ｐの加熱時間が１２０時間の時点において、図１４に示す揚げ油Ｐの酸価の測定値のうち、揚げ油Ｐの加熱時間が１２０時間のときの揚げ油Ｐの酸価の測定値１．６９（図１４においてＸ１で示すプロット）までの揚げ油Ｐの酸価の測定値それぞれに基づいて、揚げ油Ｐが廃油基準値２．５８（図１４においてＹ１で示すプロット）に至るまでの残時間を予測する場合を例に挙げる。
　図１５に示すように、まず、サーバ７が、最新の揚げ油Ｐの酸価の測定値（＝１．６９）を含む、直近の１営業日分の揚げ油Ｐの酸価の測定値（すなわち、揚げ油Ｐの加熱時間が１０８時間目および１２０時間目における２データ）に基づいた揚げ油Ｐの劣化特性モデルを用いた場合、揚げ油Ｐの廃油時点に到達するまでの残時間（以下、単に「到達時間」とする）は１５１時間となり、実際の到達時間との間における誤差率は３％（誤差は－４時間）となる。
　続いて、サーバ７が、最新の揚げ油Ｐの酸価の測定値（＝１．６９）を含む、直近の２営業日分の揚げ油Ｐの酸価の測定値（すなわち、揚げ油Ｐの加熱時間が９６時間目、１０８時間目、および１２０時間目における３データ）に基づいた揚げ油Ｐの劣化特性モデルを用いた場合、到達時間は１５８時間となり、実際の到達時間との間における誤差率は２％（誤差は３時間）となる。
　そして、サーバ７が、最新の揚げ油Ｐの酸価の測定値（＝１．６９）を含む、直近の３営業日分の揚げ油Ｐの酸価の測定値（すなわち、揚げ油Ｐの加熱時間が８４時間、９６時間目、１０８時間目、および１２０時間目における４データ）に基づいた揚げ油Ｐの劣化特性モデルを用いた場合、到達時間は１６９時間となり、実際の到達時間との間における誤差率は９％（誤差は１４時間）となる。
　このように、揚げ油Ｐの劣化特性モデルが、直近の３営業日分の揚げ油Ｐの酸価の測定値に基づいたものである場合、直近の１営業日分の揚げ油Ｐの酸価の測定値および直近の２営業日分の揚げ油Ｐの酸価の測定値に基づいたものである場合と比べて、サーバ７において予測される到達時間と実際の到達時間との間の誤差率が急に大きくなっている。
　そして、揚げ油Ｐの劣化特性モデルの基となる揚げ油Ｐの酸価の測定値のデータ数を増やしていった場合（図１５に示すデータ数が４以降、すなわち３営業日以降の場合）には、サーバ７において予測される到達時間と実際の到達時間との間の誤差率が徐々に増加する傾向にある。
　したがって、このスーパーマーケットの店舗の場合には、サーバ７は、データ取得部７１で取得された直近の１営業日分または２営業日分の揚げ油Ｐの酸価の測定値に基づいて更新した揚げ油Ｐの劣化特性モデルを用いて揚げ油Ｐの劣化情報を予測する場合が、精度が良いといえる。
　次に、揚げ油Ｐの酸価の測定間隔が、図１４および図１５に示す場合と異なる場合の例を挙げる。
　図１６は、あるコンビニエンスストアの店舗における揚げ油Ｐの加熱時間に対する揚げ油Ｐの酸価の変化を示したグラフである。図１７は、図１６に示すグラフについて、劣化特性モデルに用いるデータ数、データ数に対応する期間、現時点から廃油時点に到達するまでの到達時間、誤差、および誤差率をそれぞれ示した表である。
　このコンビニエンスストアの店舗は、１日の営業時間が２４時間であり、従業員が１日（１営業日）に２回揚げ油Ｐの酸価の測定を行う。したがって、図１６では、連続する３つのプロットの両端の間が１営業日分、すなわち隣り合う２つのプロットの間が０．５営業日分となる。
　さらに、このコンビニエンスストアの店舗では、１営業日の中で、揚げ調理を行っていることが多い時間帯（例えば、図１６においてαで示す時間帯）と、空加熱を行っていることが多い時間帯（例えば、図１６においてβで示す時間帯）と、に分かれている。ここで、「空加熱」とは、揚げ種Ｑ（食材）を調理せずに揚げ油Ｐのみを加熱することをいう。揚げ油Ｐは、図１６に示すように、空加熱を行っている間は、揚げ調理を行っている間よりも劣化しにくい。
　ここでは、サーバ７が、揚げ油Ｐの加熱時間が７２時間の時点において、図１６に示す揚げ油Ｐの酸価の測定値のうち、揚げ油Ｐの加熱時間が７２時間のときの揚げ油Ｐの酸価の測定値１．６４（図１６においてＸ２で示すプロット）までの揚げ油Ｐの酸価の測定値それぞれに基づいて、揚げ油Ｐが廃油基準値３．３２（図１６においてＹ２で示すプロット）に至るまでの残時間を予測する場合を例に挙げる。
　図１７に示すように、サーバ７が、最新の揚げ油Ｐの酸価の測定値（＝１．６４）を含む、直近の０．５営業日分の揚げ油Ｐの酸価の測定値（すなわち、揚げ油Ｐの加熱時間が６０時間目および７２時間目における２データ）に基づいた揚げ油Ｐの劣化特性モデルを用いた場合、到達時間は１２６８時間となり、実際の到達時間との間における誤差率は１０７４％（誤差は１１６０時間）となる。
　この場合、揚げ油Ｐの劣化特性モデルの基となる２データの間において揚げ調理が行われておらず、揚げ油Ｐの劣化特性モデルは、空加熱の影響のみが反映されたものとなっていることから、サーバ７において予測される到達時間と実際の到達時間との間の誤差率が非常に大きくなってしまっている。
　他方、サーバ７が、最新の揚げ油Ｐの酸価の測定値（＝１．６４）を含む、直近の１営業日分の揚げ油Ｐの酸価の測定値（すなわち、揚げ油Ｐの加熱時間が４８時間目、６０時間目、および７２時間目における３データ）に基づいた揚げ油Ｐの劣化特性モデルを用いた場合、到達時間は１２３時間となり、実際の到達時間との間における誤差率は１４％（誤差は１５時間）となる。
　この場合には、揚げ油Ｐの劣化特性モデルは、揚げ調理の影響および空加熱の影響の両方が反映されたものとなっているため、サーバ７において予測される到達時間と実際の到達時間との間の誤差率が抑えられ、サーバ７での予測精度が向上している。
　続いて、サーバ７が、最新の揚げ油Ｐの酸価の測定値（＝１．６４）を含む、直近の１．５営業日分の揚げ油Ｐの酸価の測定値（すなわち、揚げ油Ｐの加熱時間が３６時間、４８時間目、６０時間目、および７２時間目における４データ）に基づいた揚げ油Ｐの劣化特性モデルを用いた場合、到達時間は１３７時間となり、実際の到達時間との間における誤差率は２７％（誤差は２９時間）となる。
　以降、スーパーマーケットの店舗の場合と同様に、揚げ油Ｐの劣化特性モデルの基となる揚げ油Ｐの酸価の測定値のデータ数を増やしていった場合には、サーバ７において予測される到達時間と実際の到達時間との間の誤差率が徐々に増加する傾向にある。
　したがって、このコンビニエンスストアの店舗の場合には、サーバ７は、データ取得部７１で取得された直近の１営業日分の揚げ油Ｐの酸価の測定値に基づいて更新した揚げ油Ｐの劣化特性モデルを用いて揚げ油Ｐの劣化情報を予測する場合が、最も精度が良いといえる。
　以上、図１５および図１７に示す内容を参照すると、サーバ７は、データ取得部７１で取得された直近の１営業日分の揚げ油Ｐの酸価の測定値に基づいて更新した揚げ油Ｐの劣化特性モデルを用いて揚げ油Ｐの劣化情報を予測する場合が、最も精度が良いと考え得る。
　ここで、図１８は、ある店舗の営業日数に対する揚げ油Ｐの酸価の変化を示したグラフである。
　図１８に示すように、ある店舗において、新油の状態の揚げ油Ｐを使用し始めて１営業日が経過すると、揚げ油Ｐの酸価の測定値は約０．２となり、２営業日が経過すると、揚げ油Ｐの酸価の測定値は約０．４となり、揚げ油Ｐは徐々に劣化が進んでいる。以降、３営業日、４営業日、５営業日、６営業日と経過した場合、通常では、揚げ油Ｐの酸価の測定値は所定の増加率で大きくなる。
　しかしながら、図１８では、新油の状態の揚げ油Ｐを使用し始めて３営業日が経過したところで、揚げ油Ｐの酸価の測定値が約０．４５となり、２営業日が経過した時点での揚げ油Ｐの酸価の測定値（＝約０．４）と比べてさほど変わらない測定結果となっている（図１８において〇印で示す）。これは、３営業日目の揚げ物の売上げが他の営業日と比べて少なく、揚げ油Ｐの劣化がほとんど進まなかったからである。
　ここで、サーバ７が、データ取得部７１で取得された直近の１営業日分の揚げ油Ｐの酸価の測定値に基づいて更新した揚げ油Ｐの劣化特性モデルを用いて揚げ油Ｐの劣化情報を予測する場合に、図１８に示す３営業日目の１日分の揚げ油Ｐの酸価の測定値を用いると、その日（図１８に示す３営業日目）の揚げ油Ｐの劣化の影響のみを受けることになることから、図１８に示す他の営業日の１日分の揚げ油Ｐの酸価の測定値を用いた場合との間で、揚げ油Ｐの劣化情報の予測結果に差が生じる。
　したがって、揚げ油Ｐの劣化特性モデルが、データ取得部７１で取得された直近の１営業日分の揚げ油Ｐの酸価の測定値に基づいたものであると、その日が偶然にも揚げ物の売上げが少なく揚げ油Ｐの劣化が進まなかった場合には、サーバ７における揚げ油Ｐの劣化情報の予測精度が大きく低下する可能性がある。
　以上より、サーバ７は、このような店舗における揚げ物の売上げのバラツキによる予測精度の低下を避けるべく、データ取得部７１で取得された最新の揚げ油Ｐの劣化指標の測定値を含む、店舗における直近の２営業日分の揚げ油Ｐの劣化指標の測定値に基づいて、揚げ油Ｐの劣化特性モデルを更新することが望ましいといえる。
　以上、本発明の実施形態について説明した。なお、本発明は上記した実施形態に限定されるものではなく、様々な変形例が含まれる。例えば、上記した実施形態は本発明を分かりやすく説明するために詳細に説明したものであり、必ずしも説明した全ての構成を備えるものに限定されるものではない。また、本実施形態の構成の一部を他の実施形態の構成に置き換えることが可能であり、また、本実施形態の構成に他の実施形態の構成を加えることも可能である。またさらに、本実施形態の構成の一部について、他の構成の追加・削除・置換をすることが可能である。
　例えば、上記の実施形態では、サーバ７が揚げ油Ｐの劣化予測装置の一態様として説明されていたが、これに限られず、揚げ油Ｐの劣化予測装置の機能は、店舗端末６内の揚げ油管理アプリが担っていてもよい。
　また、上記の実施形態では、揚げ油Ｐの劣化指標として、主に、色および酸価を例に挙げて説明したが、これに限られず、本発明は、色および酸価以外の劣化指標を用いた場合であっても成立する。
　また、上記の実施形態では、揚げ油Ｐの劣化特性モデルは、一次方程式の形で表される単回帰のモデルであったが、劣化特性モデルの種類については特に制限はなく、その他、例えば、重回帰といった単回帰以外の線形回帰のモデルや、機械学習を行うことによって生成されたモデルなどであってもよい。
　また、上記の実施形態では、油脂が揚げ油Ｐである場合を例に挙げて説明したが、本発明が適用される油脂は、必ずしも揚げ調理に使用される食用油である必要はなく、他の調理に使用される食用油や、その他の油脂（工業油など）であってもよい。
　４：カメラ（測定装置）
　５：モニタ（報知装置）
　６：店舗端末（報知装置、油脂劣化予測装置）
　７：サーバ（油脂劣化予測装置）
　７１：データ取得部
　７２：記憶部
　７３：モデル更新部
　７４：劣化予測部
　７５：結果出力部
　１００：揚げ油劣化予測システム（油脂劣化予測システム）
　Ｐ：揚げ油（食用油）
　Ｑ：揚げ種（食材）

Claims (12)

  1. 　油脂の劣化を予測する油脂劣化予測装置であって、
    　前記油脂の劣化度合いを示す指標である劣化指標の推移を示す劣化特性モデルおよび前記劣化指標に関する基準を示す劣化基準値をそれぞれ記憶する記憶部と、
    　前記劣化指標の測定値を取得するデータ取得部と、
    　前記データ取得部にて取得された直近の複数の前記測定値に基づいて、前記記憶部に記憶されている前記劣化特性モデルを更新するモデル更新部と、
    　前記データ取得部にて取得された最新の前記測定値と、前記モデル更新部にて更新された更新後の前記劣化特性モデルと、前記記憶部に記憶されている前記劣化基準値と、に基づいて、前記油脂の劣化に関する情報である劣化情報を予測する劣化予測部と、
    　前記劣化予測部にて予測された前記劣化情報の予測結果を出力する結果出力部と、を含むことを特徴とする油脂劣化予測装置。
  2. 　請求項１に記載の油脂劣化予測装置であって、
    　前記油脂は、調理器具にて食材を調理する場合に用いられる食用油であり、
    　前記劣化情報には、
    　前記食用油が所定の廃油時点に至るまでの残時間を示すデータ、前記調理器具内の前記食用油の一部を抜いて前記食用油とは異なる他の食用油を注入する抜き差しを行うタイミングを示すデータ、前記調理器具内の前記食用油をろ過するタイミングを示すデータ、および、前記食用油が所定の劣化度に至るまでに調理することが可能な残りの食材の量を示すデータのうちの少なくとも一のデータが含まれることを特徴とする油脂劣化予測装置。
  3. 　請求項２に記載の油脂劣化予測装置であって、
    　前記劣化特性モデルには、
    　前記食用油の加熱時間と前記劣化指標との相関を示すモデル、および、前記食用油で調理することが可能な食材の量と前記劣化指標との相関を示すモデルのうちの少なくとも一のモデルが含まれることを特徴とする油脂劣化予測装置。
  4. 　請求項１に記載の油脂劣化予測装置であって、
    　前記データ取得部は、
    　前記劣化指標の前記測定値を所定の周期で取得し、
    　前記モデル更新部は、
    　前記データ取得部にて取得された最新の前記測定値を含む、前記油脂を使用する店における直近の２営業日分の前記測定値に基づいて、前記記憶部に記憶されている前記劣化特性モデルを更新することを特徴とする油脂劣化予測装置。
  5. 　油脂の劣化を予測して予測結果を報知する油脂劣化予測システムであって、
    　前記油脂の劣化度合いを示す指標である劣化指標を測定する測定装置と、
    　前記測定装置で測定された前記劣化指標の測定値を用いて前記油脂の劣化に関する情報である劣化情報を予測する油脂劣化予測装置と、
    　前記油脂劣化予測装置で予測された前記劣化情報の前記予測結果を報知する報知装置と、を備え、
    　前記油脂劣化予測装置は、
    　前記劣化指標の推移を示す劣化特性モデルおよび前記劣化指標に関する基準を示す劣化基準値をそれぞれ記憶し、
    　前記測定装置で測定された前記劣化指標の前記測定値を取得し、
    　取得した直近の複数の前記測定値に基づいて、記憶している前記劣化特性モデルを更新し、
    　取得した最新の前記測定値と、更新後の前記劣化特性モデルと、記憶している前記劣化基準値と、に基づいて、前記劣化情報を予測し、
    　予測した前記劣化情報の前記予測結果を前記報知装置に対して出力することを特徴とする油脂劣化予測システム。
  6. 　請求項５に記載の油脂劣化予測システムであって、
    　前記油脂は、調理器具にて食材を調理する場合に用いられる食用油であり、
    　前記劣化情報には、
    　前記食用油が所定の廃油時点に至るまでの残時間を示すデータ、前記調理器具内の前記食用油の一部を抜いて前記食用油とは異なる他の食用油を注入する抜き差しを行うタイミングを示すデータ、前記調理器具内の前記食用油をろ過するタイミングを示すデータ、および、前記食用油が所定の劣化度に至るまでに調理することが可能な残りの食材の量を示すデータのうちの少なくとも一のデータが含まれることを特徴とする油脂劣化予測システム。
  7. 　請求項６に記載の油脂劣化予測システムであって、
    　前記劣化特性モデルには、
    　前記食用油の加熱時間と前記劣化指標との相関を示すモデル、および、前記食用油で調理することが可能な食材の量と前記劣化指標との相関を示すモデルのうちの少なくとも一のモデルが含まれることを特徴とする油脂劣化予測システム。
  8. 　請求項５に記載の油脂劣化予測システムであって、
    　前記油脂劣化予測装置は、
    　前記劣化指標の前記測定値を所定の周期で取得し、
    　取得した最新の前記測定値を含む、前記油脂を使用する店における直近の２営業日分の前記測定値に基づいて、記憶している前記劣化特性モデルを更新することを特徴とする油脂劣化予測システム。
  9. 　油脂の劣化度合いを示す指標である劣化指標を測定する測定装置と、前記測定装置で測定された前記劣化指標の測定値を用いて前記油脂の劣化に関する情報である劣化情報を予測する油脂劣化予測装置と、前記油脂劣化予測装置で予測された前記劣化情報の予測結果を報知する報知装置と、を用いて、前記油脂の劣化を予測して前記予測結果を報知する油脂劣化予測方法であって、
    　前記油脂劣化予測装置は、
    　前記劣化指標の推移を示す劣化特性モデルおよび前記劣化指標に関する基準を示す劣化基準値をそれぞれ記憶しており、
    　前記測定装置が、前記劣化指標を測定する測定ステップと、
    　前記油脂劣化予測装置が、前記測定ステップにて測定された前記測定値を取得するデータ取得ステップと、
    　前記油脂劣化予測装置が、前記データ取得ステップにて取得された直近の複数の前記測定値に基づいて、記憶している前記劣化特性モデルを更新するモデル更新ステップと、
    　前記油脂劣化予測装置が、前記データ取得ステップにて取得された最新の前記測定値と、前記モデル更新ステップにて更新された更新後の前記劣化特性モデルと、記憶している前記劣化基準値と、に基づいて、前記劣化情報を予測する劣化予測ステップと、
    　前記油脂劣化予測装置が、前記劣化予測ステップにて予測された前記予測結果を前記報知装置に対して出力する結果出力ステップと、
    　前記報知装置が、前記結果出力ステップにて出力された前記劣化情報の前記予測結果を取得して報知する報知ステップと、を含むことを特徴とする油脂劣化予測方法。
  10. 　請求項９に記載の油脂劣化予測方法であって、
    　前記油脂は、調理器具にて食材を調理する場合に用いられる食用油であり、
    　前記劣化情報には、
    　前記食用油が所定の廃油時点に至るまでの残時間を示すデータ、前記調理器具内の前記食用油の一部を抜いて前記食用油とは異なる他の食用油を注入する抜き差しを行うタイミングを示すデータ、前記調理器具内の前記食用油をろ過するタイミングを示すデータ、および、前記食用油が所定の劣化度に至るまでに調理することが可能な残りの食材の量を示すデータのうちの少なくとも一のデータが含まれることを特徴とする油脂劣化予測方法。
  11. 　請求項１０に記載の油脂劣化予測方法であって、
    　前記劣化特性モデルには、
    　前記食用油の加熱時間と前記劣化指標との相関を示すモデル、および、前記食用油で調理することが可能な食材の量と前記劣化指標との相関を示すモデルのうちの少なくとも一のモデルが含まれることを特徴とする油脂劣化予測方法。
  12. 　請求項９に記載の油脂劣化予測方法であって、
    　前記データ取得ステップでは、
    　前記油脂劣化予測装置は、前記劣化指標の前記測定値を所定の周期で取得し、
    　前記モデル更新ステップでは、
    　前記油脂劣化予測装置は、前記データ取得ステップにて取得された最新の前記測定値を含む、前記油脂を使用する店における直近の２営業日分の前記測定値に基づいて、記憶している前記劣化特性モデルを更新することを特徴とする油脂劣化予測方法。
PCT/JP2023/044062 2023-01-17 2023-12-08 油脂劣化予測装置、油脂劣化予測システム、および油脂劣化予測方法 Ceased WO2024154473A1 (ja)

Priority Applications (1)

Application Number Priority Date Filing Date Title
JP2024571650A JPWO2024154473A1 (ja) 2023-01-17 2023-12-08

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
JP2023-005156 2023-01-17
JP2023005156 2023-01-17

Publications (1)

Publication Number Publication Date
WO2024154473A1 true WO2024154473A1 (ja) 2024-07-25

Family

ID=91955727

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/JP2023/044062 Ceased WO2024154473A1 (ja) 2023-01-17 2023-12-08 油脂劣化予測装置、油脂劣化予測システム、および油脂劣化予測方法

Country Status (2)

Country Link
JP (1) JPWO2024154473A1 (ja)
WO (1) WO2024154473A1 (ja)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN120929772A (zh) * 2025-10-11 2025-11-11 南通昶昊机电制造有限公司 方便面油炸过程中油劣化程度在线检测方法及系统

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2007178144A (ja) * 2005-12-27 2007-07-12 Advanced Mask Inspection Technology Kk パターン検査装置、パターン検査方法、検査対象試料、及び検査対象試料の管理方法
JP2011094982A (ja) * 2009-10-27 2011-05-12 Sharp Corp ネットワークシステム、精度管理方法、成分分析装置、および管理サーバ
WO2021079692A1 (ja) * 2019-10-24 2021-04-29 株式会社Ｊ－オイルミルズ 油脂の劣化予測装置、劣化予測システム、劣化予測方法、油脂交換システム及びフライヤーシステム
JP6997362B1 (ja) * 2020-03-31 2022-01-17 株式会社Ｊ－オイルミルズ 食用油の劣化度判定装置、食用油の劣化度判定システム、食用油の劣化度判定方法、食用油の劣化度判定プログラム、食用油の劣化度学習装置、食用油の劣化度判定に用いられる学習済モデル、及び食用油の交換システム
JP7171970B1 (ja) * 2021-03-25 2022-11-15 株式会社Ｊ－オイルミルズ 判定装置、学習装置、判定システム、判定方法、学習方法、及び、プログラム

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2007178144A (ja) * 2005-12-27 2007-07-12 Advanced Mask Inspection Technology Kk パターン検査装置、パターン検査方法、検査対象試料、及び検査対象試料の管理方法
JP2011094982A (ja) * 2009-10-27 2011-05-12 Sharp Corp ネットワークシステム、精度管理方法、成分分析装置、および管理サーバ
WO2021079692A1 (ja) * 2019-10-24 2021-04-29 株式会社Ｊ－オイルミルズ 油脂の劣化予測装置、劣化予測システム、劣化予測方法、油脂交換システム及びフライヤーシステム
JP6997362B1 (ja) * 2020-03-31 2022-01-17 株式会社Ｊ－オイルミルズ 食用油の劣化度判定装置、食用油の劣化度判定システム、食用油の劣化度判定方法、食用油の劣化度判定プログラム、食用油の劣化度学習装置、食用油の劣化度判定に用いられる学習済モデル、及び食用油の交換システム
JP7171970B1 (ja) * 2021-03-25 2022-11-15 株式会社Ｊ－オイルミルズ 判定装置、学習装置、判定システム、判定方法、学習方法、及び、プログラム

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN120929772A (zh) * 2025-10-11 2025-11-11 南通昶昊机电制造有限公司 方便面油炸过程中油劣化程度在线检测方法及系统

Also Published As

Publication number Publication date
JPWO2024154473A1 (ja) 2024-07-25

Similar Documents

Publication Publication Date Title
US12596112B2 (en) Edible oil deterioration level determination device, edible oil deterioration level determination system, edible oil deterioration level determination method, edible oil deterioration level determination program, edible oil deterioration level learning device, learned model for use in edible oil deterioration level determination, and edible oil exchange system
TWI574004B (zh) 油劣化度計及油劣化度評價方法
WO2021053992A1 (ja) フライ油劣化判定装置及びフライ油劣化判定方法
US20240386538A1 (en) Edible oil deterioration degree determination device, edible oil deterioration degree determination system, edible oil deterioration degree determination method, edible oil deterioration degree learning device, and learned model for use in edible oil deterioration degree determination
WO2024154473A1 (ja) 油脂劣化予測装置、油脂劣化予測システム、および油脂劣化予測方法
WO2015084044A1 (ko) 튀김유의 실시간 산가 측정 및 산가 정보 제공 시스템 및 방법
KR102465314B1 (ko) 튀김유 관리 시스템 및 방법
JP7759339B2 (ja) 食用油劣化度判定装置、食用油劣化度判定処理装置、食用油劣化度判定方法、およびフライヤー
JP2023021124A (ja) 揚げ物廃棄時期管理装置、揚げ物廃棄時期管理システム、および揚げ物廃棄時期管理方法
US20250166148A1 (en) Learning device, prediction device, learning method, program, and learning system
JP6829347B1 (ja) フライ油劣化判定装置及びフライ油劣化判定方法
CA3213612A1 (en) Determination device, learning device, determination system, determination method, learning method, and program
JP7224547B2 (ja) 食品廃棄時期管理装置、食品廃棄時期管理システム、および食品廃棄時期管理方法
JP7688241B1 (ja) 油脂管理装置および油脂管理方法
WO2024101072A1 (ja) 食用油の劣化情報処理装置、食用油の劣化情報処理システム、および食用油の劣化情報処理方法
WO2025169664A1 (ja) 油脂管理装置および油脂管理方法
JP7525757B1 (ja) 油脂管理装置、油脂管理システム、油脂管理方法、および油脂管理表示装置
JP2024103323A (ja) 揚げ油管理装置及び揚げ油管理方法
WO2024111554A1 (ja) 油脂劣化度検出装置、油脂劣化度検出システム、油脂劣化度検出方法、および油脂劣化度検出プログラム
WO2024185247A1 (ja) 油脂管理装置、油脂管理システム、油脂管理方法、および油脂管理表示装置
JP7583210B1 (ja) 油劣化判定システム、油劣化判定方法およびプログラム
JP2024141537A (ja) 分析システム、分析方法及び、コンピュータプログラム
JP2025147293A (ja) 商品管理装置、商品管理方法、及び、プログラム
WO2023106034A1 (ja) 食品販売促進制御装置、食品販売促進システム、および食品販売促進方法

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 23917684

Country of ref document: EP

Kind code of ref document: A1

ENP Entry into the national phase

Ref document number: 2024571650

Country of ref document: JP

Kind code of ref document: A

WWE Wipo information: entry into national phase

Ref document number: 2024571650

Country of ref document: JP

NENP Non-entry into the national phase

Ref country code: DE

122 Ep: pct application non-entry in european phase

Ref document number: 23917684

Country of ref document: EP

Kind code of ref document: A1