技術通報 287期_智慧檢測技術研發應用 以食品加工設備為例 2022.06.20

  智慧檢測技術研發應用
以食品加工設備為例
 
  文/智動化與機器人處 嘉創服務部 陳健南  
  ▋ 緒論  
 
  植物基食品風潮在全球擴散,植物奶與植物肉掀起的替代旋風持續的擴大;植物奶泛指以植物為原料,其口感相較茶類、咖啡等其他飲料更近似於牛奶、羊奶。探究植物奶的消費群,從過去偏好素食、有過敏體質與乳糖不耐症的人,逐漸擴及至注重健康營養、肌肉保健、保護動物權益或是環境永續等族群,至今需求主流走向普遍大眾,使得植物奶整體產業鏈呈現創新活躍的趨勢氛圍。據Transparency market research 的研究報告指出,2019 年全球植物奶市場規模達140 億美元,預估年複合成長率為8%。另市調公司MarketsandMarkets 於2017 年的調查報告指出,全球植物奶市場規模為110 億美元,預估至2023 年可達190 億美元,年複合成長率為12%。而亞太地區是植物奶最大市場,依次是北美、歐洲地區;MarketsandMarkets預測亞太地區將是植物奶需求成長率最高的地區,目前臺灣植物奶的市場規模超過新臺幣60 億元,飲品以天然、差異化、高品質、健康導向與便利性等消費者訴求為主要發展方向。
 
  植物奶產品的原料以原型食物與預磨粉料為主,經混合調配設備進行液態化加工程序,該工序即是決定製程效率與產品品質之關鍵。目前混合調配的設備,其設計未考量食品原料的組成,如澱粉、蛋白質、脂肪與纖維,可能會因為水合、流變與懸浮安定性等加工特性,導致溶解不均、攪拌效率低、破碎後粒徑不佳之類的問題,造成植物基飲品常有結塊、浮料、高起泡或沙質口感等現象,產品品質提升空間大。且傳統混合調配設備經常存在機械衛生設計不佳,致使設備不易清洗,產生潛在危害風險和額外增加清洗成本。此外,一般混合調配設備僅能控制機台本身的參數設定,無法即時掌握混合狀態與產品品質以判斷製程終點,須透過實驗室離線檢驗,再進行製程參數調整修正產品品質,實為耗時,亦可能提高產品品質變異風險。
 
  計畫目標  
 
  因此,中心規劃開發混合攪拌桶槽的線上量測模組,主要透過模組監測混合攪拌桶槽內的黏度及溫度,整合「食品製程、機械設計、感測監控、數據串流」領域,投入研發關鍵調配工程、混合與破碎製程確效、混合桶槽線上檢測與品質預測、智慧生產資料處理與匯集等技術,搭配高效能混合桶槽與破碎模組設計,並進行製程軟體與機械硬體優化整合,透過資料正規化處理,以分析求得各項調配製程之最佳化調控參數,期能精進各類食品次產業因應不同規模生產的前段調配製程與設備品質,協助操作人員了解目前桶槽內的混合狀況,並縮短攪拌桶槽內的混合時間。
  本技術模組除了提供混合桶槽內的產品狀況外,還蒐集混合攪拌桶槽的馬達輸出轉速及扭力數據,可幫助操作人員建立及調整參數功能,改善目前混合攪拌桶槽之產品品質檢測即時性不佳的問題。預期可提高混合攪拌的效率及製程參數的可靠度,增加產品品質的穩定度,後續進一步結合雲嘉南地區盛產之原物料,例如芝麻、花生、黑豆、毛豆等,進行高品質植物基飲品開發,藉以驗證技術成果,同時加強展現在地特色。
 
 
 

 
 
  研究方法  
    開發混合桶槽品質量測回授控制系統,利用實驗設計法(Design Of Experiment, DOE),找出可能影響黏度的變數做為控制因子,而因子的設定值則稱為水準,於設計良好的試驗條件下,從可能影響黏度反應變數的因子中,找出真正有影響的因子,並進一步尋找該因子在哪種水準值時,能讓黏度變數更接近期望值,透過DOE 實驗設計法,規劃出快速且有效率的實驗方法,找出影響產品特性之重要參數,達到成本控制、降低製程變異及提升製程良率等功效。本研究採用田口方法的直交表設計及變異數分析法,找出因子影響黏度的權重,如權重過低就不作為控制黏度的參數。  
 
   
 
    本實驗設計選定四個因子,分別為刮刀轉速、上均質頭轉數、下均質頭轉數、溫度做為控制因子,而每個因子皆採用三個水準配置,因此將使用直交表L9(34) 進行因子與水準的配置。  
 
   
 
    飲品濃度5% 及15% 呈現過稀與過稠情況,故研究之植物性飲品濃度設定為10%,攪拌桶槽具有攪拌刮刀( 文後以因子A 代稱)、上均質頭( 代稱因子B) 和下均質頭( 代稱因子C),上下均質頭皆能粉碎粉料,因此注水量需涵蓋上均質頭,攪拌桶內水溫( 代稱因子D)達到因子水準將粉料倒入,依每組實驗設計將馬達轉速調至因子水準,攪拌20 分鐘,每分鐘記錄溶液黏度平均值。  
 
 

 
 
    以溫度、刮刀與均質頭之馬達轉速作為調控因子,透過DOE 實驗設計,找出黏度重要控制因子關係式,透過數據擷取模組接收關鍵數據資料作為輸入端,建立機器學習訓練演算法,開發攪拌桶槽黏度預測模型,並將預測黏度回授至攪拌桶槽控制系統。  
 
   
 
    於實驗過程中發現刮刀、均質頭轉速及溫度高低參數調整,在桶槽攪拌20 分鐘後溶液中仍有粉料結塊的情況產生,如圖四;此外,結塊粉料也會黏在攪拌刮刀及上均質頭機構上,經拉長攪拌時間還是有部分殘留,上述兩項情況多少會影響到最後的黏度量測結果。  
  研究成果  
  【DOE 實驗數據分析】  
 
(1) 信號雜音比分析
  信號雜音(SN) 比是用來衡量產品品質的一種統計方式,SN 比可衡量品質的穩定性,SN 比越高表示損失越少,依本研究測試時黏度的趨勢變化將會越來越大直到穩定,因此採用望大特性,其公式如下:
 
 

 
 
  因子的品質特性SN 比反應表,將計算出各因子的平均水準回應值,而水準的差異則由最大平均SN 比減最小平均SN 比即可算出,如下表所示,可看出因子C 下均值轉速差異最大,表示其對於大豆蛋白的黏度影響最大,其次為因子A 刮刀轉速。
 
   
 
 
(2) 變異數分析(ANOVA)
ANOVA 分析與田口式SN 比值分析法的分別在於,ANOVA 係應用統計檢定的方法來辨別各控制因子的影響效果,且應用貢獻度比來彌補田口式方法無法研判各實驗對整體製程影響能力及誤差程度等方面的不足,由實驗所得到的S/N 比值來進行變異數分析,其結果如下表所示,可看出貢獻度最高的為因子C 佔40.6%,其次為因子A 佔27.74%。
 
 
   
 
 
【模糊回授控制】  
 
 
    由於攪拌桶槽內的黏度需要更長的時間來調整,因此像模糊(Fuzzy) 控制這樣較簡單的控制邏輯之響應速度,比PID 控制更快及更受歡迎。故開發用於攪拌桶槽黏度回饋控制之模糊邏輯控制器,其中回饋黏度值用來更新誤差值,然後傳遞給模糊控制器,進而更新攪拌桶槽馬達轉速。  
 
   
 
    在模糊控制系統中,模糊控制器的設計是一大重點,其包含了知識庫、輸出變量、輸入變量和模糊邏輯,而關於上述模糊控制器各部分說明及定義如下。  
 
   
 
  知識庫:
關於輸入變量定義為黏度差e= 目標黏度- 目前量測黏度,而當
0<e<1 時定義為N1
1 ≦ e<2 時定義為N2
2 ≦ e<3 時定義為N3
 
 
 





 
 
 
  模糊邏輯是透過IF-THEN 邏輯方式將輸入及輸出變量進行鏈結,接著透過模糊集合的變化,進行解模糊計算求出最後輸出,而本次研究的模糊邏輯如下:
IF N1 THEN A1
IF N1 THEN B2
IF N1 THEN C1
IF N2 THEN A3
IF N2 THEN B3
IF N2 THEN C2
IF N3 THEN A3
IF N3 THEN B3
IF N3 THEN C3
 
 
【訊號擷取系統軟體界面】  
 
 
  即時攪拌桶槽線上品質量測系統顯示主要頁面如下,區分為攪拌桶槽和馬達兩個部分,其中攪拌桶槽可即時顯示壓力、桶槽溫度、重量、流量、黏度、混合物溫度等量測數值,馬達部分,則可選擇上剪切馬達、下剪切馬達、攪拌馬達,其分別會顯示馬達之消耗功率、轉速、目標頻率、電流、葉片型式等資訊。
 
 
   
 
    即時攪拌桶槽線上品質量測系統之控制頁面如下所示,主要用於回授控制,能自行設定攪拌時間、最大轉速,目標黏度值及控制方法等。  
 
   
 
    攪拌桶槽線上品質量測系統之圖形化介面如下所示,左邊上圖呈現三顆馬達的轉速數值圖形,左邊下圖顯示目前黏度數值,右邊上圖顯示目前三顆馬達的電流大小,右邊下圖顯示目前攪拌桶槽內之混合物溫度。  
 
   
 
  結論  
 
  藉由開發混合攪拌桶槽之線上品質量測及控制技術,即時掌握混合物的黏度和溫度狀態,以及桶槽與馬達等裝置的各項運轉參數資訊,有助於操作人員判斷桶槽內狀況或修改製程參數,使食品混合經驗數位化,達到提升攪拌桶槽製程參數可靠度之價值;此外,透過模糊回授控制方法,根據桶槽內的即時黏度數據,來調控適合的攪拌馬達轉速,使桶槽內混合物達到目標黏度,縮短桶槽的攪拌混合時間,將有效提高製程效率。藉由智慧檢測技術的導入應用,使攪拌桶槽資訊可視化、可分析判斷,預期對於未來的國內食品產業之數位品質管理會有實質幫助。