Preliminary Establishment Of Data Analysis Model For Traditional Shaoxing Huangjiu Brewing Detection

　　　　　　　　　　　　毛青鐘

　　　　　　　　　　Mao Qingzhong

　　摘要：為了建立傳統(tǒng)紹興黃酒釀造過程檢測數(shù)據(jù)分析模型，對早期傳統(tǒng)紹興黃酒釀造某一年的檢測數(shù)據(jù)進(jìn)行分析，實(shí)現(xiàn)對釀造過程關(guān)鍵指標(biāo)的動態(tài)監(jiān)測、異常預(yù)警與工藝優(yōu)化，本研究選取早期某一特定年份的傳統(tǒng)黃酒釀造過程中的原始檢測數(shù)據(jù)為研究對象，通過對發(fā)酵過程發(fā)酵醪、成品理化指標(biāo)等多維度數(shù)據(jù)的系統(tǒng)性收集、清理、整合與深度挖掘，開展多維度的數(shù)據(jù)分析與模型構(gòu)建；模型驗(yàn)證結(jié)果表明，該模型可有效挖掘釀造過程中各檢測指標(biāo)間的內(nèi)在關(guān)聯(lián)，實(shí)現(xiàn)對關(guān)鍵工藝參數(shù)的初步預(yù)判與質(zhì)量趨勢分析，能夠?yàn)閭鹘y(tǒng)紹興黃酒釀造工藝的規(guī)范化調(diào)整、異常工況預(yù)警提供數(shù)據(jù)支撐與科學(xué)依據(jù)。以期揭示傳統(tǒng)黃酒釀造過程中各環(huán)節(jié)的內(nèi)在規(guī)律，為傳統(tǒng)黃酒釀造工藝的標(biāo)準(zhǔn)化、智能化升級提供科學(xué)依據(jù)與數(shù)據(jù)支撐。

Abstract: In order to establish the traditional Shaoxing Huangjiu brewing process detection data analysis model, analyze the detection data of the early traditional Shaoxing Huangjiu brewing in a certain year, and realize the dynamic monitoring, abnormal early warning and process optimization of the key indicators of the brewing process, this study selects the original detection data in the early fermentation process of a specific year as the research object, through the systematic collection, cleaning, integration and deep mining of multidimensional data such as fermentation mash and finished product physical and chemical indicators, to carry out multi-dimensional data analysis and model construction; The model validation results show that the model can effectively mine the internal relationship between the detection indicators in the brewing process, achieve the preliminary prediction of key process parameters and quality trend analysis, and provide data support and scientific basis for the standardization of traditional Shaoxing rice wine brewing process and abnormal condition early warning. In order to reveal the inherent law of each link in the process of traditional Shaoxing Huangjiu brewing, and provide scientific basis and data support for the standardization and intelligent upgrading of traditional Shaoxing Huangjiu brewing technology.

關(guān)鍵詞：傳統(tǒng)紹興黃酒　　 檢測數(shù)據(jù)　　分析模型　　支撐

key word: Traditional Shaoxing Huangjiu Test data Analysis model 支撐

　　傳統(tǒng)紹興黃酒作為我國特色發(fā)酵飲品，其釀造過程依賴傳統(tǒng)經(jīng)驗(yàn)傳承，存在工藝參數(shù)波動大、質(zhì)量管控主觀性強(qiáng)、關(guān)鍵指標(biāo)關(guān)聯(lián)規(guī)律不明確等問題，制約了產(chǎn)業(yè)標(biāo)準(zhǔn)化與智能化發(fā)展。為了構(gòu)建一套適用于傳統(tǒng)黃酒釀造全流程質(zhì)量管控的檢測數(shù)據(jù)分析模型，為實(shí)現(xiàn)紹興黃酒釀造過程的精準(zhǔn)管控、工藝優(yōu)化及質(zhì)量提升，本研究以傳統(tǒng)紹興黃酒釀造全流程檢測數(shù)據(jù)為核心研究對象，系統(tǒng)收集釀造過程的關(guān)鍵檢測指標(biāo)數(shù)據(jù)，包括發(fā)酵半成品及成品質(zhì)量指標(biāo)等。通過數(shù)據(jù)清理、異常值剔除、標(biāo)準(zhǔn)化處理等預(yù)處理步驟，整合多維度檢測數(shù)據(jù)，采用多元統(tǒng)計(jì)分析與機(jī)器學(xué)習(xí)算法相結(jié)合的方式，初步構(gòu)建傳統(tǒng)紹興黃酒釀造檢測數(shù)據(jù)分析模型。本研究搭建的數(shù)據(jù)分析模型框架，為后續(xù)模型的優(yōu)化完善、適配更多釀造場景及推動紹興黃酒產(chǎn)業(yè)數(shù)字化升級奠定了基礎(chǔ)，同時(shí)也為同類傳統(tǒng)發(fā)酵食品的檢測數(shù)據(jù)分析與質(zhì)量管控提供了參考思路。

1 數(shù)據(jù)概況

1.1 數(shù)據(jù)基本信息

基于某黃酒企業(yè)早期整年8個(gè)傳統(tǒng)釀造車間的傳統(tǒng)紹興黃酒釀造發(fā)酵過程和成品檢測數(shù)據(jù)進(jìn)行深入分析，數(shù)據(jù)涵蓋以下關(guān)鍵信息：數(shù)據(jù)規(guī)模：共 676 條有效記錄，涵蓋 8 個(gè)生產(chǎn)車間、85 個(gè)生產(chǎn)批次。產(chǎn)品類型：包含 "加飯酒" 和 "特加飯酒" 兩種主要產(chǎn)品。監(jiān)測階段：完整記錄了黃酒釀造的 6 個(gè)關(guān)鍵階段（8 天、15 天、30 天、榨前、清酒、成品）。成品檢測指標(biāo)：涵蓋酒精度、酸度、糖度、氨基酸態(tài)氮、色率、pH 值、揮發(fā)酯等8項(xiàng)關(guān)鍵質(zhì)量理化指標(biāo)。

1.2 數(shù)據(jù)分布特征

車間分布：8 個(gè)車間數(shù)據(jù)分布相對均勻，每個(gè)車間約 83-85 條記錄；

批次分布：85 個(gè)生產(chǎn)批次，每個(gè)批次包含 8 個(gè)車間的平行試驗(yàn)數(shù)據(jù)；

產(chǎn)品結(jié)構(gòu)：以加飯酒為主，特加飯酒為貯存陳釀酒，產(chǎn)品結(jié)構(gòu)合理；

數(shù)據(jù)質(zhì)量：關(guān)鍵指標(biāo)缺失率低，數(shù)據(jù)完整性和準(zhǔn)確性良好；

2 發(fā)酵過程關(guān)鍵指標(biāo)變化分析

2.1 酒精度變化趨勢如圖1。

黃酒釀造過程中酒精度呈現(xiàn)持續(xù)上升的趨勢，具體變化如下：

8 天發(fā)酵期：平均酒精度 12.95% vol，發(fā)酵速率快，糖分轉(zhuǎn)化活躍；

15 天發(fā)酵期：平均酒精度 13.69% vol；

30 天發(fā)酵期：平均酒精度 14.74% vol；

榨前階段：平均酒精度 17.70% vol，后發(fā)酵階段酒精度顯著提升；

清酒階段：平均酒精度 18.81% vol；

成品階段：平均酒精度 17.46% vol；

清酒階段到成品階段酒精度下降約 1.35% vol，主要原因是過濾和煎酒過程中的微量揮發(fā)，屬于正常工藝現(xiàn)象。

2.2 酸度變化特征

酸度變化呈現(xiàn)穩(wěn)步上升趨勢，反映了黃酒釀造過程中有機(jī)酸的生成規(guī)律：

發(fā)酵初期（8 天）：平均酸度約 6.2g/L；

發(fā)酵中期（30 天）：平均酸度約 6.7g/L；

成品階段：平均酸度 6.05g/L，控制在理想范圍內(nèi)；

工藝意義：適當(dāng)?shù)乃岫炔粌H是黃酒風(fēng)味的重要組成部分，還能抑制雜菌生長，保證產(chǎn)品穩(wěn)定性。

2.3 糖度變化規(guī)律

糖度變化呈現(xiàn)持續(xù)下降趨勢，體現(xiàn)了糖分向酒精的轉(zhuǎn)化過程：

8 天發(fā)酵期：平均糖度約 35g/L，原料糖分充足；

15 天發(fā)酵期：平均糖度約 30g/L，糖分快速消耗；

30 天發(fā)酵期：平均糖度約 18g/L，發(fā)酵基本平穩(wěn)；

成品階段：平均糖度 24.63g/L，保持適當(dāng)殘?zhí)?，賦予黃酒獨(dú)特口感；

3 產(chǎn)品類型對比分析

3.1 加飯酒與特加飯酒品質(zhì)差異如圖2。

兩種產(chǎn)品在關(guān)鍵品質(zhì)指標(biāo)上存在顯著差異，體現(xiàn)了不同的產(chǎn)品定位如圖3：

3.2 產(chǎn)品特色定位

　　加飯酒：酒精度高、酸度適中、風(fēng)味濃郁，適合大眾消費(fèi)、資深消費(fèi)者和即時(shí)飲用，適合長期儲存；特加飯酒：糖度高、口感甘甜、顏色較深，風(fēng)味濃郁，更適合長期儲存，為生產(chǎn)高端黃酒打下基礎(chǔ)；兩種產(chǎn)品形成了良好的產(chǎn)品梯隊(duì)，滿足不同消費(fèi)群體的需求。

4 車間工藝穩(wěn)定性分析

4.1 各車間生產(chǎn)水平對比如圖4。

4.1.1 酒精度控制能力

最佳車間：車間 1（17.70% vol）和車間 2（17.69% vol），酒精度最高且穩(wěn)定；

穩(wěn)定性最佳：車間 7（變異系數(shù) 1.44%）和車間 8（變異系數(shù) 1.71%），生產(chǎn)一致性最好；

需改進(jìn)車間：車間 3（變異系數(shù) 3.45%）和車間 6（變異系數(shù) 3.19%），波動較大；

4.1.2 總糖控制水平

最低波動：車間 4（變異系數(shù) 4.22%）和車間 7（變異系數(shù) 4.27%），工藝控制最精準(zhǔn)；

最高波動：車間 6（變異系數(shù) 11.80%）和車間 3（變異系數(shù) 10.91%）；

4.1.3 氨基酸態(tài)氮含量

最高含量：車間 3（0.82g/L）；最低含量：車間 8（0.74g/L）。

4.2 車間工藝優(yōu)化建議

穩(wěn)定性提升：車間 3、6 需加強(qiáng)制曲、制酒母、發(fā)酵溫度和時(shí)間控制，減少批次間差異；

標(biāo)準(zhǔn)化生產(chǎn)：推廣車間 7、4 的優(yōu)秀工藝參數(shù)，建立統(tǒng)一的操作規(guī)范；

質(zhì)量均衡：各車間應(yīng)在保持自身特色的基礎(chǔ)上，縮小質(zhì)量差距。

5 質(zhì)量控制與相關(guān)性分析

5.1 成品質(zhì)量控制水平如圖5。

5.2 關(guān)鍵指標(biāo)相關(guān)性分析如圖6。

6 主要結(jié)論與建議

6.1 質(zhì)量控制改進(jìn)

建立預(yù)測模型：基于發(fā)酵階段指標(biāo)建立成品質(zhì)量預(yù)測模型，實(shí)現(xiàn)提前預(yù)警；

完善檢測體系：增加中間產(chǎn)品的檢測頻次，及時(shí)發(fā)現(xiàn)和糾正工藝偏差。

6.2 車間管理提升

開展技術(shù)交流：組織車間間的技術(shù)交流，推廣優(yōu)秀工藝經(jīng)驗(yàn)；

建立考核機(jī)制：將工藝穩(wěn)定性指標(biāo)納入車間考核體系，激勵質(zhì)量提升；

加強(qiáng)人員培訓(xùn)：定期開展操作人員培訓(xùn)，提高工藝控制水平；

6.3 后續(xù)研究方向

深入研究原料配比、酒母、曲與成品質(zhì)量的關(guān)系，優(yōu)化原料結(jié)構(gòu)；探索發(fā)酵微生物群落變化與風(fēng)味物質(zhì)生成的關(guān)聯(lián)機(jī)制；建立全產(chǎn)業(yè)鏈的質(zhì)量追溯體系，實(shí)現(xiàn)從原料到成品的全程管控。