蒲小春

（美廬生物科技股份有限公司，江西九江 332000）

隨著食品工業(yè)技術(shù)的深入發(fā)展，食品制造的機械化、系統(tǒng)化、智能化程度越來越高，結(jié)合人工智能技術(shù)引領(lǐng)電控技術(shù)、光控技術(shù)、熱敏技術(shù)、視頻技術(shù)、大數(shù)據(jù)運算等技術(shù)的發(fā)展，將人工智能的深度感知、系統(tǒng)學習、綜合計算、交互控制等能力應(yīng)用到食品制程質(zhì)量管理中，從而推動食品質(zhì)量控制技術(shù)的發(fā)展與提升，為廣大消費者提供更安全的食品。

1 人工智能技術(shù)與質(zhì)量管理的概述

人工智能技術(shù)是一項新興的技術(shù)學科[1]，具有較強的人工智能識別、分析、處理能力，其復雜的理論體系，包含了電氣技術(shù)、計算機技術(shù)、通信技術(shù)等多學科、多領(lǐng)域。依托計算機設(shè)備、圖像識別及處理技術(shù)、人工智能算法等，能達到一定的人類意識或行為，理論上可以輔助甚至替代人類完成某些工作，提高工作效率與質(zhì)量[2]。隨著信息技術(shù)的快速發(fā)展，人工智能也將不斷進步，人們也將對人工智能技術(shù)越來越重視，對于人工智能的開發(fā)研究而言也有著相當重要的地位。

質(zhì)量管理發(fā)展經(jīng)歷了質(zhì)量檢驗階段、統(tǒng)計質(zhì)量階段、全面質(zhì)量管理階段及現(xiàn)代質(zhì)量管理[3]，如今質(zhì)量管理正處于全面質(zhì)量管理的高速發(fā)展時期，同時質(zhì)量管理的發(fā)展也不是獨立的，伴隨著檢測技術(shù)、工業(yè)技術(shù)、計算技術(shù)等的發(fā)展，也有了新的定義。其中，在全面質(zhì)量管理階段，其產(chǎn)品是“策劃”出來的、產(chǎn)品是“生產(chǎn)”出來的理念與實踐植根于質(zhì)量管理中，而制程質(zhì)量管理作為質(zhì)量管理的重要環(huán)節(jié)也顯得格外重要，制程質(zhì)量控制（Producing Quality Control）PQC，簡稱制程控制，以人、機、料、法、環(huán)、測為基本要素，有機將各要素依據(jù)標準、規(guī)范、規(guī)程、流程形成最佳組合，最終實現(xiàn)產(chǎn)品質(zhì)量預期目標的質(zhì)量管理措施。制程管控是品質(zhì)管制的核心，其包含的要素、參數(shù)、細節(jié)眾多，如何監(jiān)視、交互控制、預防性控制，對質(zhì)量管理人員提出了更高的要求。本文探討將人工智能強大的識別、運算、控制等技術(shù)能力應(yīng)用于制程質(zhì)量控制中。

2 設(shè)計思路

2.1 產(chǎn)品實現(xiàn)路徑設(shè)計

制程質(zhì)量控制是基于實現(xiàn)達到產(chǎn)品預期質(zhì)量水平質(zhì)量控制。內(nèi)容包括產(chǎn)品的實現(xiàn)過程控制，與實現(xiàn)過程中的人、機、料、法、環(huán)、測等要素管理。①將產(chǎn)品的實現(xiàn)路徑流程化或圖表化，在流程的節(jié)點上標注控制點及屬性，同時需標注控制點的輸入、過程及輸出，其中每個控制點的識別、判定、控制的數(shù)據(jù)點必須量化為數(shù)據(jù)，涉及數(shù)量判定時，其循環(huán)條件一并標注。②開展產(chǎn)品實現(xiàn)建模，將參數(shù)轉(zhuǎn)化為計算機語言，選擇語言時，需考慮識技術(shù)或設(shè)備可通用的語言，或預留接口，便于系統(tǒng)間的交互與控制。③路徑預演，將節(jié)點的輸入數(shù)據(jù)通過其對應(yīng)的節(jié)點，確定節(jié)點識別、判定、執(zhí)行的有效性。在完成路徑預演后，基本確定產(chǎn)品建模的有效性、產(chǎn)品實現(xiàn)的操作規(guī)程有可操作性及產(chǎn)品質(zhì)量監(jiān)測與控制的有效性。

2.2 識別技術(shù)的選擇與應(yīng)用

當路徑與參數(shù)明確后，針對識別的節(jié)點及參數(shù)，找到相適應(yīng)的識別器，將對象轉(zhuǎn)化為信號作為各控制節(jié)點數(shù)據(jù)的輸入。①人員防護控制可通過視頻技術(shù)、智能相機和支持AI的軟件對人員的防護、狀態(tài)、形為進行識別，并創(chuàng)建一個基于規(guī)則的系統(tǒng)，然后通過比對、運算對結(jié)果作出判定。②設(shè)備控制可通過電控技術(shù)、光控技術(shù)、熱敏技術(shù)等，識別并控制設(shè)備步進動作、運行狀態(tài)、偏離趨勢、參數(shù)自糾的主動監(jiān)控，以及將系統(tǒng)預設(shè)參數(shù)通過識別器傳輸給設(shè)備或設(shè)施，設(shè)備的執(zhí)行將按照預定軌跡和參數(shù)進行，實現(xiàn)設(shè)備與系統(tǒng)間的交互控制，確保企業(yè)生產(chǎn)設(shè)備規(guī)范、有序地運行[4]。③物料控制可通過提前預設(shè)基礎(chǔ)數(shù)據(jù)庫，將物料的名稱及屬性數(shù)據(jù)化、物料的流轉(zhuǎn)流程數(shù)據(jù)化、物料的質(zhì)量趨勢數(shù)據(jù)化等；基于數(shù)據(jù)的符合性判定是否滿足質(zhì)量原則可流轉(zhuǎn)至下工序，是否符合物料的平衡規(guī)則以驗證產(chǎn)品的質(zhì)量屬性，同時數(shù)據(jù)流可形成大數(shù)據(jù)，通過建立大數(shù)據(jù)的篩選、運算，提升物料的質(zhì)控水平。④環(huán)境控制可通過光感設(shè)備、熱敏設(shè)備、氣體監(jiān)控設(shè)備等對環(huán)境中的空氣流、氣體成分、空間顆粒物、水氣飽和度等進行監(jiān)控，驗證環(huán)境的潔凈水平與潔凈發(fā)展趨勢。作業(yè)規(guī)程在流程設(shè)計時，將動作流、動作標準嵌套至節(jié)點的設(shè)計中，最終將人、機、料、法、環(huán)、測等基本要素全部采集，并數(shù)據(jù)化。

2.3 數(shù)據(jù)運算設(shè)計與部署

節(jié)點及配套數(shù)據(jù)實現(xiàn)采集后，基于大系統(tǒng)、大數(shù)據(jù)的基礎(chǔ)，運用系統(tǒng)思維，智能交互、監(jiān)視與控制。設(shè)計中充分考慮節(jié)點的輸入條件、運行條件、輸出條件以及緊急處置條件、趨勢分析、預判等的數(shù)據(jù)運算，在實現(xiàn)大數(shù)據(jù)計算的基礎(chǔ)上，同時避免出現(xiàn)參數(shù)漏項，以及重復運算而偏離控制的冗余。

設(shè)計過程分階段實施，以節(jié)點為模塊基點，進行數(shù)據(jù)標注、測試和驗證后，再系統(tǒng)驗證、規(guī)模部署與正式部署。在整個項目的部署過程中，QA團隊應(yīng)執(zhí)行各種檢查、確認和評審，將數(shù)據(jù)模型指標、預定義值或閾值進行比較，監(jiān)控驗證數(shù)據(jù)質(zhì)量，驗證AI模型滿足參數(shù)配置的能力、運行處置、推理能力，確保模塊質(zhì)量可靠，流程通暢安全。

2.4 數(shù)據(jù)運算驗證

2.4.1 確定數(shù)據(jù)質(zhì)量范圍

（1）基于節(jié)點的控制限值、趨勢限值，選擇一些重要的表和數(shù)據(jù)項進行數(shù)據(jù)質(zhì)量核查，驗證節(jié)點的識別與判定能力是否符合預期。

（2）在制程質(zhì)量控制中，工藝往往會設(shè)置CCP點，基于CCP點的OLCL值，可優(yōu)化驗證邏輯運算效果、容差范圍、偏離控制措施的有效性，以及趨勢數(shù)據(jù)預判能力。

（3）在數(shù)據(jù)運算設(shè)計中，可能存在多重嵌套循環(huán)運算的條件，為提升運行效率，需充分考慮數(shù)據(jù)冗余、節(jié)點迂回現(xiàn)象。

2.4.2 數(shù)據(jù)質(zhì)量檢查規(guī)則

（1）針對少量核心檢查規(guī)則，從大數(shù)據(jù)中選取訓練數(shù)據(jù)樣本，利用機器學習進行深度分析，提取公共特征和模型，可以用來定位數(shù)據(jù)質(zhì)量原因，進行數(shù)據(jù)質(zhì)量問題的預測，并進一步形成知識庫，進而增強數(shù)據(jù)質(zhì)量管理能力。

（2）基于正態(tài)分布，確定數(shù)據(jù)閾值，判斷數(shù)據(jù)是否為異常數(shù)據(jù)，可做事前研判、事后監(jiān)控。

2.4.3 數(shù)據(jù)問題發(fā)現(xiàn)

定位具體的數(shù)據(jù)環(huán)節(jié)，進行試錯測試與驗證，確認數(shù)據(jù)運算能力能滿足正?；虍惓Ｇ闆r下的數(shù)據(jù)判定能力。

為確保訓練數(shù)據(jù)適合模型，必須對數(shù)據(jù)本身的質(zhì)量、完整性、可靠性和有效性進行反復測試。這包括識別和消除任何形式的人為偏見。在現(xiàn)實場景中，AI模型處理的數(shù)據(jù)可能與其訓練數(shù)據(jù)有所出入。因此，在人工智能技術(shù)的實際運用上，可以通過專家系統(tǒng)、神經(jīng)網(wǎng)絡(luò)等控制系統(tǒng)，對電氣設(shè)備關(guān)鍵部件進行控制，基于當時情況進行操作判斷決策，盡可能模擬人為操作，提高效率[5]。

3 結(jié)語

食品安全事關(guān)廣大人民群眾的身體健康和生命安全，事關(guān)經(jīng)濟健康發(fā)展和社會穩(wěn)定大局，事關(guān)政府和國家形象[6]。為進一步提升食品質(zhì)量制程控制水平，充分運用人工智能技術(shù)背景下的大數(shù)據(jù)、大系統(tǒng)的數(shù)據(jù)運算能力與交互智控技術(shù)，實現(xiàn)更加安全、穩(wěn)定、可靠的質(zhì)量控制，在食品質(zhì)量高要求的今天顯得更加重要。作為質(zhì)量管理人員，在人工智能高速發(fā)展的今天，需進一步將多學科、多領(lǐng)域融合發(fā)展，發(fā)揮多家之長，讓技術(shù)服務(wù)于質(zhì)量，讓質(zhì)量滿足于人民。