ПОВЫШЕНИЕ ЭФФЕКТИВНОСТИ ОЦЕНКИ

ПОВЫШЕНИЕ ЭФФЕКТИВНОСТИ ОЦЕНКИ ПОТРЕБИТЕЛЬСКИХ
КАЧЕСТВ ЗЕРНА ПШЕНИЦЫ И ПРОДУКТОВ ЕГО ПЕРЕРАБОТКИ
Федотов В.А.
«ОРЕНБУРГСКИЙ ГОСУДАРСТВЕННЫЙ УНИВЕРСИТЕТ» г. Оренбург
На сегодняшний день в предприятиях отрасли для оценки
потребительского качества зерна пользуются следующими основными
показателями: натура, количество и качество клейковины, стекловидность,
влажность. Однако даже комплексный учет этих показателей ввиду
недостаточной своей информативности не может однозначно охарактеризовать
достоинства зерна, влияющие на качество производимой из него продукции. В
предлагаемой модели использованы следующие показатели: твердозерность,
микробиологическая контаминация зерна, содержание тяжелых металлов,
содержание поврежденных зерен, засоренность зерна.
Для оценки повышения эффективности определения потребительских
качеств зерна и продуктов его переработки за счет определения показателя
твердозерности и учета показателей безопасности зерна воспользовались одним
из методов принятия решений – методом экспертных оценок. Сущность
методов экспертных оценок заключается в том, что в его основу закладывается
мнение специалиста или коллектива специалистов, основанное на профессиональном, научном и практическом опыте. Мнения обычно выражены
частично в количественной, частично в качественной форме. При выполнении
своей роли в процессе управления эксперты производят две основные функции:
формируют объекты - показатели качества и производят измерение их
характеристик - коэффициенты значимости (весомости).
Для оценки эффективности определения потребительских качеств зерна и
продуктов его переработки в описанных двух моделях вычислены так
называемые весовые коэффициенты каждого показателя. Для их нахождения
пользовались частным случаем метода экспертных оценок - методом
ранжирования. При формирования мнения о порядке приоритета показателей
качества зерна и продуктов его переработки опирались также на данные
формализации и визуализации информации методом графа.
Структура совокупности показателей качества зерна и продуктов его
переработки могут быть представлены графом - совокупностью непустого
множества вершин и связей между вершинами, в котором вершины (узлы) - это
показатели качества, а ребра (грани) – связи между этими показателями [1]. Для
визуализации графов в топологии пользуются различными способами.
Визуализация данных проводилась средствами программного обеспечения с
открытым исходным кодом: The Open Graph Viz Platform – Gephi 0.8.1-beta.
Построение графа осуществили по алгоритму равномерного распределения
вершин по квадрату. Все ребра – неориентированные, при этом каждое
отдельное ребро имеет свой вес [2]. Вес ребра представляет собой степень связи
(коэффициент корреляции) между двумя вершинами – показателями качества.
Ранжирование узлов проводилось по показателю его степени
промежуточности (betweenness) – характеристики, описываемой числом
присутствия узла в кратчайших путях между любыми другими узлами
(количество ребер графа, инцидентных узлу).
Высокая степень
промежуточности узла говорит о его высокой значимости в процессе
формирования потребительского качества зерна и продуктов его переработки
[3]. Рядом с каждым узлом помещена метка (label) с именем узла. Размер метки
дифференцируется в зависимости от присвоенного узлу ранга: чем выше ранг,
тем больше в пунктах размер шрифта метки (рисунок 1). Это позволяет
визуально разделить показатели качества по их значимости в модели. Также
ранжирование велось по весам узлов, при этом каждому узлу присвоен вес,
исходя из средневзвешенного веса инцидентных ему ребер. В данном случае
рангу узла соответствует размер его визуального представления (рисунок 2).
Рисунок 1 – Структура графа показателей качества зерна и продуктов его
переработки с учетом ранжирования узлов по степени промежуточности
Рисунок 2 – Структура графа показателей качества зерна и продуктов его
переработки с учетом ранжирования узлов по весу
При обработке результатов экспертного
эффективность аддитивной статической модели W :
оценивания
находили
n
W    i  xi ,
(1)
i 1
где
 i - весовой коэффициент для i-того показателя;
xi - текущее значение i-того безразмерного показателя.
При этом должно выполняться условие нормирования:
n
 i
 1.
(2)
i 1
Отсюда, с учетом ранжирования, показателям качества присвоены
следующие весовые коэффициенты:
1 
1
2
3
4
5
 0,067; 2   0,134; 3   0,200; 4   0,267; 5   0,334 .
15
15
15
15
15
В стандартном случае для оценки качества зерна пользуются
следующими показателями (расположены с учетом ранжирования их веса):
x1
x2
x3
x4
x5
- влажность;
- натура;
- стекловидность;
- качество клейковины;
- количество клейковины.
Значения показателей качества получены в результате зернового анализа
выборки образцов зерна пшеницы Исследованию подверглось 70 образцов
зерна пшеницы. Если монотонное повышение качества зерна и продуктов его
переработки происходит при увеличении значения показателя, текущее
значение x определяли, исходя из максимального (базового) значения x max в
выборке как:
x
где
xj
xmax
,
(3)
x j - значение показателя для j-того образца в выборке.
Данное свойство характерно для следующих показателей качества:
натура, стекловидность, количество и качество клейковины, твердозерность. В
случае монотонного повышения качества зерна и продуктов его переработки
при уменьшении значения показателя, текущее значение x определяли исходя
из минимального (базового) значения x min в выборке как:
x
xmin
.
xj
(4)
Данное свойство характерно для следующих показателей качества:
влажность, засоренность и поврежденность зерна, содержание тяжелых
металлов, микробиологическая контаминация зерна. При обработке результатов
ранжирования получено следующее значение эффективности модели:
W
1
2
3
4
5
 0,81   0,78   0,62   0,85   0,52 ,
15
15
15
15
15
W  0,682 .
В предлагаемой модели для оценки качества зерна использованы
следующие показатели (расположены с учетом ранжирования их веса):
x1
x2
x3
x4
x5
- засоренность зерна;
- содержание поврежденных зерен;
- содержание тяжелых металлов;
- микробиологическая контаминация;
- твердозерность.
При обработке результатов ранжирования получено следующее значение
эффективности модели:
W
1
2
3
4
5
 0,75   0,84   0,71   0,92   0,95 ,
15
15
15
15
15
W  0,866 .
Неравенство 0,682  0,866
наглядно демонстрирует повышение
эффективности модели в случае определения потребительских качеств зерна и
продуктов его переработки за счет определения показателя твердозерности и
учета показателей безопасности зерна. Прибавка эффективности составляет
0,184, что в приводит к ее повышению на 26,98 %. В потенциале существует
возможность усиления, за счет указания количества повторных измерений
каждого показателя для обеспечения необходимой метрологической точности.
Список литературы
1. Уилсон, Р. Введение в теорию графов. - М.: Мир, 1977. – 208 с.
2. Оре, О. Теория графов. - М.: Наука, 1968. – 336 с.
3. Кирсанов, М. Н. Графы в Maple. - М.: Физматлит, 2007. - 168 с.