（貴州茅臺(tái)酒股份有限公司，貴州仁懷 564501）

茅臺(tái)酒作為傳統(tǒng)工藝的發(fā)酵產(chǎn)品，長(zhǎng)期以來(lái)主要以匠人的經(jīng)驗(yàn)判斷為主，理化檢測(cè)數(shù)據(jù)為輔實(shí)現(xiàn)對(duì)生產(chǎn)過(guò)程的監(jiān)控。隨著人工智能與大數(shù)據(jù)生產(chǎn)模式的發(fā)展，發(fā)酵過(guò)程中理化數(shù)據(jù)在茅臺(tái)酒生產(chǎn)管控中發(fā)揮著越來(lái)越重要的作用。然而，酒醅理化數(shù)據(jù)以酸度、糖分、水分、淀粉為主，存在檢測(cè)耗時(shí)長(zhǎng)、覆蓋率低等問(wèn)題，不能滿足“生產(chǎn)數(shù)據(jù)+經(jīng)驗(yàn)”的需求，常常只能作為事后總結(jié)分析，不能很好地滿足生產(chǎn)管控工作中及時(shí)發(fā)現(xiàn)問(wèn)題、及時(shí)糾偏的需求[1-2]。伴隨著“經(jīng)驗(yàn)+數(shù)據(jù)”生產(chǎn)模式的發(fā)展，如何快速獲得有效數(shù)據(jù)是白酒檢測(cè)行業(yè)的關(guān)鍵痛點(diǎn)。

近紅外光譜分析技術(shù)（near-infrared spectroscopy，NIR）作為一種快速檢測(cè)方法，具有操作便捷、無(wú)化學(xué)藥品消耗、對(duì)檢測(cè)樣品無(wú)污染等優(yōu)點(diǎn)[3-5]，能滿足白酒生產(chǎn)對(duì)酒醅樣品大批量、快速檢測(cè)的需求，同時(shí)減少因采用常規(guī)方法對(duì)環(huán)境造成的污染，是一種理想的檢測(cè)方法[6-8]。盛曉慧等[9]采用近紅外光譜分析技術(shù)結(jié)合特征波長(zhǎng)提取算法建立偏最小二乘模型，實(shí)現(xiàn)了對(duì)菠蘿啤中果汁含量的定量測(cè)定，提高了分析速度和預(yù)測(cè)能力。陳辰等[10]采用可見(jiàn)/近紅外漫反射技術(shù)對(duì)貯藏玫瑰香葡萄果實(shí)進(jìn)行了無(wú)損測(cè)定，并采用改進(jìn)偏最小二乘法建立了以可溶性固形物、總酸為評(píng)價(jià)指標(biāo)的糖酸品質(zhì)數(shù)學(xué)模型。目前近紅外光譜技術(shù)對(duì)茅臺(tái)酒生產(chǎn)過(guò)程中理化指標(biāo)的研究尚少，針對(duì)茅臺(tái)酒的生產(chǎn)工藝特點(diǎn)建立一套適合茅臺(tái)酒生產(chǎn)在制品的檢測(cè)和分析方法尤為重要。該技術(shù)的引入對(duì)實(shí)現(xiàn)白酒生產(chǎn)在制品的大批量、快速檢測(cè)具有極為重要意義[11-12]。近紅外光譜法的測(cè)量過(guò)程分為建模和預(yù)測(cè)兩部分：建模是將樣品光譜信息與其理化數(shù)據(jù)通過(guò)適當(dāng)?shù)幕瘜W(xué)計(jì)量方法建立校正模型；預(yù)測(cè)是通過(guò)校正模型分析未知樣品的近紅外光譜信息，通過(guò)預(yù)測(cè)模型計(jì)算出樣品的各項(xiàng)組分。要保證近紅外檢測(cè)的準(zhǔn)確性，建立一個(gè)穩(wěn)定、可靠的校正模型至關(guān)重要[13-14]。近紅外光譜準(zhǔn)確性取決于建模數(shù)據(jù)的代表性及樣本量等因素，而茅臺(tái)酒酒醅類型多、變化大、性狀差異明顯，決定了建立校正模型存在獲取建模數(shù)據(jù)工作量大、單一模型適用性差、預(yù)測(cè)結(jié)果精確度不理想等困難[15]。因此，必須結(jié)合茅臺(tái)酒生產(chǎn)工藝的特點(diǎn)進(jìn)行建模，并借鑒精益六西格瑪?shù)乃悸罚\(yùn)用抽樣檢驗(yàn)的方法，探索精準(zhǔn)度與實(shí)用性的平衡[16]。

1 材料與方法

1.1 儀器設(shè)備

丹麥福斯公司生產(chǎn)的DS2500F 型近紅外光譜儀，波長(zhǎng)范圍850～2500 nm。上海實(shí)驗(yàn)儀器有限公司產(chǎn)的101A-2B 型電熱恒溫鼓風(fēng)干燥箱，梅特勒-托利多PL602E型電子天平。

1.2 酒醅樣品

以五點(diǎn)取樣法從茅臺(tái)酒廠各車間獲得各輪次的堆心、入窖、窖內(nèi)及出窖的酒醅樣品。

1.3 采集數(shù)據(jù)

利用DS2500F 型近紅外光譜儀掃描收集光譜信息，每個(gè)樣品測(cè)量2 次。根據(jù)食品安全國(guó)家標(biāo)準(zhǔn)GB 5009—2016 的常規(guī)方法獲取酸度、糖分、水分、淀粉等指標(biāo)的測(cè)量數(shù)據(jù)[17]。利用WINISI 計(jì)量軟件通過(guò)偏最小二乘法建立光譜信息和理化數(shù)據(jù)之間的映射關(guān)系。

1.4 檢驗(yàn)?zāi)Ｐ?/h3>

模型標(biāo)準(zhǔn)差（Standard error of prediction,SEP）為驗(yàn)證樣品各項(xiàng)指標(biāo)的近紅外光譜法測(cè)定值與常規(guī)方法測(cè)定值之間的標(biāo)準(zhǔn)差，常用于表征模型預(yù)測(cè)的精確度[8，18]。根據(jù)中國(guó)酒業(yè)協(xié)會(huì)相關(guān)標(biāo)準(zhǔn)DB 34/T 2264—2014，使用近紅外光譜法檢測(cè)酒醅各項(xiàng)理化指標(biāo)，其精確性應(yīng)滿足表1要求[17，19]。

1.5 校正模型

精益六西格瑪是精益生產(chǎn)與六西格瑪管理的結(jié)合，其目的是通過(guò)整合精益生產(chǎn)與六西格瑪管理，吸收兩種生產(chǎn)模式的優(yōu)點(diǎn)，彌補(bǔ)單個(gè)生產(chǎn)模式的不足，提高過(guò)程或產(chǎn)品的穩(wěn)健性。抽樣檢驗(yàn)是六西格瑪最常用的統(tǒng)計(jì)分析方法[20]。過(guò)程能力指數(shù)（Process capability index,Cpk）是用于評(píng)判生產(chǎn)能力水平的參數(shù)，可反映產(chǎn)品合格率的高低[21]。

表1 酒醅近紅外分析法的基本要求

2 結(jié)果與分析

2.1 建模與檢驗(yàn)

以輪次進(jìn)行劃分，建立適用于某輪次4 種類型酒醅的校正模型A。以酒醅類型進(jìn)行劃分，建立適用于某個(gè)輪次的堆心、入窖、窖內(nèi)和出窖酒醅的單一類型模型B。根據(jù)酒醅性狀特征劃分，將輪次、類型不同但性狀表現(xiàn)相近的酒醅進(jìn)行適當(dāng)組合，分別建立輪次和類型組合模型C。將各個(gè)輪次、各種類型酒醅的建模數(shù)據(jù)完全整合，建立一個(gè)適用于全年生產(chǎn)過(guò)程酒醅檢測(cè)的校正模型D。

以80 個(gè)未知入窖樣品為例，探究上述4 類模型的適用性。隨機(jī)選取80 個(gè)入窖樣品，使用上述4 類模型進(jìn)行預(yù)測(cè)，同時(shí)通過(guò)常規(guī)方法獲取標(biāo)準(zhǔn)值，最后計(jì)算預(yù)測(cè)值與標(biāo)準(zhǔn)值之間的標(biāo)準(zhǔn)差，結(jié)果如表2所示。輪次、類型組合模型除淀粉指標(biāo)的SEP 值略高于單類型模型外，其余各項(xiàng)指標(biāo)的SEP 值均為最小，且能滿足相關(guān)標(biāo)準(zhǔn)的要求，說(shuō)明該模型能夠?qū)γ┡_(tái)酒酒醅的組分實(shí)現(xiàn)較為準(zhǔn)確的預(yù)測(cè)，因此選用輪次、類型組合建模法作為茅臺(tái)酒生產(chǎn)檢測(cè)的最終建模方法。

2.2 模型修正

近紅外光譜法作為二級(jí)分析方法，通過(guò)組合建模的方法提高了其在茅臺(tái)酒生產(chǎn)過(guò)程檢測(cè)中的適應(yīng)性，但是其準(zhǔn)確性取決于建模數(shù)據(jù)的代表性及樣本量等因素，穩(wěn)定性有所欠缺。因此借鑒了“精益六西格瑪”的思路，將近紅外檢測(cè)數(shù)據(jù)視作“產(chǎn)品”，并用“數(shù)據(jù)偏差”來(lái)評(píng)價(jià)“產(chǎn)品質(zhì)量”，進(jìn)而運(yùn)用抽樣檢驗(yàn)的方法，來(lái)判斷近紅外數(shù)據(jù)的“合格率”[22]。

根據(jù)GB/T 2828.1—2012《計(jì)數(shù)抽樣檢驗(yàn)程序》標(biāo)準(zhǔn)，在使用近紅外光譜法檢測(cè)過(guò)的300 個(gè)樣品中，隨機(jī)抽取50 個(gè)進(jìn)行常規(guī)檢測(cè)，并將該50 個(gè)樣品的近紅外檢測(cè)及常規(guī)檢測(cè)的水分?jǐn)?shù)據(jù)進(jìn)行比對(duì)，其過(guò)程能力指數(shù)的相關(guān)參數(shù)和結(jié)果見(jiàn)表3，部分樣品比對(duì)結(jié)果如表4 所示。由表3 可知，樣品的平均偏差為0.19，說(shuō)明整體數(shù)據(jù)較規(guī)格中心（0.00）偏移0.19。對(duì)近紅外數(shù)據(jù)輔以修正值-0.19，使其平均偏差歸為0。修正后的水分?jǐn)?shù)據(jù)及偏差情況見(jiàn)表3 修正后數(shù)值。過(guò)程能力指數(shù)（Cpk）與產(chǎn)品不良率可進(jìn)行相應(yīng)轉(zhuǎn)換[16-18]，部分對(duì)應(yīng)關(guān)系如表5 所示。可知，當(dāng)Cpk 值為0.63 時(shí)，產(chǎn)品不良率為58758 PPM，換算成合格率為94.124%。由表3 還可知，修正后能力指數(shù)Cpk為0.67，高于修正前的0.63，換算成合格率為95.557 %，較修正前提升1.433 個(gè)百分點(diǎn)。通過(guò)抽樣檢測(cè)和數(shù)據(jù)修正，提高了近紅外光譜預(yù)測(cè)模型的準(zhǔn)確性。

表2 近紅外模型預(yù)測(cè)值與常規(guī)方法測(cè)定值之間標(biāo)準(zhǔn)差

表3 過(guò)程能力指數(shù)相關(guān)參數(shù)及計(jì)算結(jié)果

表4 部分抽樣檢驗(yàn)數(shù)據(jù)

表5 過(guò)程能力指數(shù)與不良率對(duì)照表

3 結(jié)論

本文利用近紅外光譜技術(shù)結(jié)合茅臺(tái)酒的生產(chǎn)工藝，以酒醅的輪次和類型為劃分依據(jù)建立了4 類模型。通過(guò)比較4 類預(yù)測(cè)模型適應(yīng)性得知，利用輪次和類型組合建立的預(yù)測(cè)模型對(duì)各項(xiàng)指標(biāo)的預(yù)測(cè)標(biāo)準(zhǔn)差小于中國(guó)酒業(yè)協(xié)會(huì)標(biāo)準(zhǔn)DB 34/T 2264—2014 的要求，在實(shí)現(xiàn)快速檢測(cè)的同時(shí)保證了精確性。此外，通過(guò)借鑒“精益六西格瑪”和“抽樣檢驗(yàn)”的思路，通過(guò)抽樣檢驗(yàn)和數(shù)據(jù)修正，近紅外預(yù)測(cè)模型合格率提高至95.557 %，預(yù)測(cè)準(zhǔn)確度提高了1.433 個(gè)百分點(diǎn)。本文提供的近紅外光譜預(yù)測(cè)模型能提高樣品覆蓋率，預(yù)測(cè)茅臺(tái)酒發(fā)酵過(guò)程中酒醅基質(zhì)的理化指標(biāo)，實(shí)現(xiàn)了近紅外光譜在茅臺(tái)酒生產(chǎn)過(guò)程線上的數(shù)據(jù)監(jiān)測(cè)，對(duì)于指導(dǎo)實(shí)際生產(chǎn)調(diào)整工藝方向具有十分重要的支撐，并為近紅外光譜在白酒生產(chǎn)檢測(cè)中的應(yīng)用奠定了基礎(chǔ)。