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.