Διπλωματική Εργασία των φοιτητριών του Τμήματος Ηλεκτρολόγων Μηχανικών και Τεχνολογίας Υπολογιστών της Πολυτεχνικής Σχολής του Πανεπιστημίου Πατρών

Transcript

1 ΠΑΝΕΠΙΣΤΗΜΙΟ ΠΑΤΡΩΝ ΤΜΗΜΑ ΗΛΕΚΤΡΟΛΟΓΩΝ ΜΗΧΑΝΙΚΩΝ ΚΑΙ ΤΕΧΝΟΛΟΓΙΑΣ ΥΠΟΛΟΓΙΣΤΩΝ ΤΟΜΕΑΣ: ΣΥΣΤΗΜΑΤΩΝ ΑΥΤΟΜΑΤΟΥ ΕΛΕΓΧΟΥ ΕΡΓΑΣΤΗΡΙΟ: ΑΥΤΟΜΑΤΙΣΜΟΥ ΚΑΙ ΡΟΜΠΟΤΙΚΗΣ. Διπλωματική Εργασία των φοιτητριών του Τμήματος Ηλεκτρολόγων Μηχανικών και Τεχνολογίας Υπολογιστών της Πολυτεχνικής Σχολής του Πανεπιστημίου Πατρών Γεωργίου Μαρία του Αναστασίου Αριθμός Μητρώου: 6966 & Αθανασούλα Ιφιγένεια του Γεωργίου Αριθμός Μητρώου: 6932 Θέμα «Μοντελοποίηση της διατροφικής αλυσίδας με χρήση Ασαφών Γνωστικών Δικτύων» Επιβλέπων Γρουμπός Πέτρος Αριθμός Διπλωματικής Εργασίας: Πάτρα, Φεβρουάριος 2016

2 ii

3 ΠΙΣΤΟΠΟΙΗΣΗ Πιστοποιείται ότι η Διπλωματική Εργασία με θέμα «Μοντελοποίηση της διατροφικής αλυσίδας με χρήση Ασαφών Γνωστικών Δικτύων» Των φοιτητριών του Τμήματος Ηλεκτρολόγων Μηχανικών και Τεχνολογίας Υπολογιστών Γεωργίου Μαρία του Αναστασίου Αριθμός Μητρώου: 6966 & Αθανασούλα Ιφιγένεια του Γεωργίου Αριθμός Μητρώου: 6932 Παρουσιάστηκε δημόσια και εξετάστηκε στο Τμήμα Ηλεκτρολόγων Μηχανικών και Τεχνολογίας Υπολογιστών στις.../../ Ο Επιβλέπων Γρουμπος Πέτρος Καθηγητής Ο Διευθυντής του Τομέα Κούσουλας Νικόλαος Καθηγητής iii

4 iv

5 Αριθμός Διπλωματικής Εργασίας: Θέμα: «ΜΟΝΤΕΛΟΠΟΙΗΣΗ ΤΗΣ ΔΙΑΤΡΟΦΙΚΗΣ ΑΛΥΣΙΔΑΣ ΜΕ ΧΡΗΣΗ ΑΣΑΦΩΝ ΓΝΩΣΤΙΚΩΝ ΔΙΚΤΥΩΝ» Φοιτήτριες: Αθανασούλα Ιφιγένεια & Γεωργίου Μαρία Επιβλέπων: Γρουμπός Πέτρος v

6 vi

7 Περίληψη O σκοπός της παρούσας διπλωματικής εργασίας είναι η ανάπτυξη ενός Συστήματος Αποφάσεων βασισμένο στα Ασαφή Γνωστικά Δίκτυα (ΑΓΔ), το οποίο θα μπορεί να χρησιμοποιηθεί στον γαλακτοκομικό τομέα για τη διαχείριση της ποιότητας του γάλακτος σε όλα τα στάδια της διαδικασίας παραγωγής. Αρχικά, θα γίνει περιγραφή των ασαφών δικτύων καθώς και του τρόπου υλοποίησης ενός συστήματος λήψης αποφάσεων για την διαχείριση πολύπλοκων διαδικασιών. Στην συνεχεία, θα διεξαχθεί βιβλιογραφική αναζήτηση στις παραμέτρους που επηρεάζουν τη ποιότητα του γάλακτος ενώ στο τέλος θα υλοποιηθεί η σύνθεση του μοντέλου. Τέλος, θα συγκριθούν και θα αναλυθούν τα αποτελέσματα καθώς και τα συμπεράσματα που προκύπτουν από μία τέτοια μελέτη. Λέξεις κλειδιά: Αλυσίδα Γάλακτος, Μελέτη Διαχείρισης Ποιότητας, Ασαφή λογική, Ασαφή Γνωστικά Δίκτυα, Συστήματα Λήψης αποφάσεων, HACCP vii

8 Abstract The purpose of this thesis is to develop a Decision System based on Fuzzy Logic, which can be used in the dairy sector to manage milk quality at all stages of the production process. Initially a concrete description of the fuzzy network and the implementation of a Decision Support System for the management of complex processes are provided. Then a literature search on the definition of parameters affecting the quality of the milk is provided and at the end the composition of the model is delivered. Finally we compare and analyze the results and the conclusions drawn from such a study are further presented. Keywords: Dairy Chain, Quality Management Study, Fuzzy logic, decision support systems, HACCP, Fuzzy Cognitive Maps viii

9 Ευχαριστίες Θα θέλαμε να ευχαριστήσουμε θερμά τον κ. Πέτρο Γρουμπό για την ευκαιρία που μας έδωσε να ασχοληθούμε με το συγκεκριμένο θέμα. Οι πολύτιμες συμβουλές του αλλά και η αμέριστη βοήθεια και στήριξη του ήταν οι βασικοί παράγοντες ώστε να ολοκληρώσουμε την διπλωματική εργασία μας. Επίσης θα θέλαμε να ευχαριστήσουμε την κ. Μ. Συμεοπούλου και την κ. Μ. Λαμπροπούλου οι οποίες μας βοήθησαν να καταλήξουμε στο συγκεκριμένο αντικείμενο μελέτης. Ακόμα ευχαριστούμε την κ. Β. Μπελογιάννη για την βοήθεια της σε κρίσιμες δυσκολίες που παρουσιάστηκαν. Τέλος θα θέλαμε να ευχαριστήσουμε τους γονείς και τα αδέρφια μας για την ηθική τους συμπαράσταση. ix

10 Πίνακας Περιεχομένων Περίληψη... vii Abstract... viii Ευχαριστίες... ix 1 ΕΙΣΑΓΩΓΗ Διατύπωση προβλήματος Μεθοδολογικό πλαίσιο προβλήματος Δομή εργασίας ΜΟΝΤΕΛΟΠΟΙΗΣΗ ΔΙΑΔΙΚΑΣΙΑΣ ΠΑΡΑΓΩΓΗΣ ΚΑΙ ΕΠΕΞΕΡΓΑΣΙΑΣ ΓΑΛΑΚΤΟΣ Εισαγωγή Θρεπτική αξία γάλακτος Καζεϊνη Λακτόζη Πρωτεΐνες Βιταμίνες Ασβέστιο Βήματα Επεξεργασίας Γάλακτος Κατηγορία γαλακτοπαραγωγών αγελάδων Τύποι Εκτροφής Βοοειδών Στην Ελλάδα Διατροφή γαλακτοπαραγωγών αγελάδων Μεταφορά γάλακτος από τις μονάδες παραγωγής Διήθηση νωπού γάλακτος Προσωρινή αποθήκευση σε δεξαμενές Τυποποίηση Ομογενοποίηση Παστεριωση Αποθήκευση Γάλακτος στην Κεντρική Μονάδα Συσκευασία του γάλακτος Διανομή του γάλατος Διαδικασίες ποιοτικού ελέγχου Εισαγωγή στην μέθοδο HACCP Λεπτομερής περιγραφή μεθόδου HACCP Το πρότυπο ISO 9001: ΕΥΦΥΗ ΣΥΣΤΗΜΑΤΑ ΚΑΙ ΑΣΑΦΗΣ ΛΟΓΙΚΗ Εισαγωγή Ευφυής έλεγχος Ασαφή σύνολα - θεωρητική περιγραφή Συναρτήσεις συμμετοχής Ιδιότητες των ασαφών συνόλων Λογικες πραξεις στα ασαφή σύνολα Ασαφείς σχέσεις Ασαφής συλλογιστική Ασαφής συμπερασμός του στοιχειώδους ασαφούς συστήματος ενός κανόνα Ασαφή Γνωστικά Δίκτυα x

11 Εισαγωγή Βασική περιγραφή των Ασαφών Γνωστικών Δικτύων Προσομοίωση Ασαφούς Γνωστικού Δικτύου ΠΕΙΡΑΜΑΤΙΚΗ ΜΟΝΤΕΛΟΠΟΙΗΣΗ ΠΟΙΟΤΗΤΑΣ ΓΑΛΑΚΤΟΣ Εισαγωγή Μοντελοποίηση Παραμέτρων αλυσίδας γάλακτος CCP 1: Διατροφή των ζώων παραγωγής γάλακτος CCP 2: Παραλαβή νωπού γάλακτος CCP 3: Συντήρηση γάλακτος CCP 4: Ομογενοποίηση νωπού γάλακτος CCP 5: Παστερίωση νωπού γάλακτος CCP 6: Αποθήκευση Γάλακτος στην Κεντρική Μονάδα CCP 7: Συσκευασία Γάλακτος για διανομή CCP 8: Διανομή Γάλακτος για τελική κατανάλωση CCP 9: Εργατικό Δυναμικό και επίδραση στο τελικό προϊόν Πειραματική αξιολόγηση Μοντέλου Α Πειραματική αξιολόγηση Μοντέλου Β Συγκριτική αξιολόγηση μοντέλων ΣΥΝΘΕΣΗ ΑΣΑΦΟΥΣ ΓΝΩΣΤΙΚΟΥ ΔΙΚΤΥΟΥ ΕΚΤΙΜΗΣΗΣ ΠΟΙΟΤΗΤΑΣ ΓΑΛΑΚΤΟΣ Εισαγωγή Υλοποίηση συστήματος υποστήριξης αποφάσεων ΣΥΜΠΕΡΑΣΜΑΤΑ Σύνοψη Σημεία εξέτασης και ανάλυσης Θέματα για μελλοντική έρευνα Βιβλιογραφία Ξενόγλωσσες Αναφορές Ελληνόγλωσσες Αναφορές Διαδικτυακές Αναφορές xi

12 Κατάλογος Σχημάτων Σχήμα 1.1: Αλυσίδα γάλακτος Σχήμα 2.1: Αυτόματος πωλητής γάλακτος Σχήμα 2.2: Τυποποίηση ISO Σχήμα 3.1: Βασικά στοιχεία ενός εύκαμπτου συστήματος ελέγχου Σχήμα 3.2: Κλασσική θεωρία συνόλων Σχήμα 3.3: Ασαφή θεωρία συνόλων Σχήμα 3.4: Τριγωνική και τραπεζοειδή συνάρτηση συμμετοχής Σχήμα 3.5: Τυπικές μορφές της γκαουσιανής συνάρτηση συμμετοχής Σχήμα 3.6: Τυπικές μορφές της σιγμοειδής συνάρτηση συμμετοχής Σχήμα 3.7: Τυπικές μορφές της πολυωνυμίας συνάρτηση συμμετοχής Σχήμα 3.8: Τυπικές μορφές σε πίνακες αληθείας Σχήμα 3.9: Πίνακες αληθείας με συνάρτηση συμμετοχής Σχήμα 3.10: Πράξεις μεταξύ ασαφών συνόλων Σχήμα 3.11: Σύστημα πέδησης αυτοκινήτου με δύο εισόδους Σχήμα 3.11: Παράδειγμα σχηματικής αναπαράστασης ΑΓΔ Σχήμα 4.1: Συνάρτηση κατανομής CCP Σχήμα 4.2: Συνάρτηση κατανομής CCP Σχήμα 4.3: Συνάρτηση κατανομής CCP Σχήμα 4.4: Συνάρτηση κατανομής CCP Σχήμα 4.5: Συνάρτηση κατανομής CCP Σχήμα 4.6: Συνάρτηση κατανομής CCP Σχήμα 4.7: Συνάρτηση κατανομής CCP Σχήμα 4.8: Συνάρτηση κατανομής CCP Σχήμα 4.9: Συνάρτηση κατανομής CCP Σχήμα 4.10: Συνάρτηση κατανομής Output Σχήμα 4.11: Rule Editor για μοντέλο Α Σχήμα 4.12: Μοντέλο συστήματος Σχήμα 4.13: Dataset για προσομοίωση Σχήμα 4.14: Αποτελέσματα προσομοίωσης Σχήμα 4.15: Αποτελέσματα προσομοίωσης (ΙΙ) Σχήμα 4.16: Αποτελέσματα δεδομένων μοντέλο Β Σχήμα 4.17: Αποτελέσματα δεδομένων μοντέλο Β (ΙΙ) Σχήμα 4.18: Αποτελέσματα συγκριτικής αξιολόγησης Σχήμα 4.19: Συγκριτική αξιολόγηση αποτελεσμάτων Σχήμα 4.20: Σχηματική αναπαράσταση ΝευροΑσαφούς δικτύου Σχήμα 5.1: Αρχική μορφή Συστήματος Υποστήριξης Αποφάσεων Σχήμα 5.2: Συναρτήσεις συμμετοχής των λεκτικών τιμών των βαρών Σχήμα 5.3: Τιμές των κόμβων μέχρι την ισορροπία Σχήμα 5.4: Τιμές των κόμβων μέχρι την ισορροπία (σύστημα 6 παραμέτρων) xii

13 Κατάλογος Πινάκων Πίνακας 2.1: Θρεπτικά συστατικά γάλακτος Πίνακας 2.2: Μέση κατανάλωση ορισμένων ζωοτροφών για αγελάδες Πίνακας 2.3: Μέση κατανάλωση σε θρεπτικά συστατικά Πίνακας 2.4: Γενικά Προαπαιτούμενα στη Παραγωγή Γάλακτος Πίνακας 3.1: Γενικά Προ απαιτούμενα στη Παραγωγή Γάλακτος Πίνακας 3.2: Χαρακτηριστικά παραδείγματα σ-νορμών Πίνακας 4.1: Ανάλυση τύπου σιτηρεσίου Πίνακας 4.2: Ανάλυση θερμοκρασίας κατά τη μεταφορά Πίνακας 4.3: Ανάλυση παραμονής προϊόντος στις δεξαμενές Πίνακας 4.4: Ανάλυση πίεσης κατά την ομογενοποίηση του προϊόντος Πίνακας 4.5: Ανάλυση θερμοκρασίας κατά τη παστερίωση Πίνακας 4.6: Ανάλυση παραμονής προϊόντος Πίνακας 4.7: Ανάλυση Συσκευασίας Πίνακας 4.8: Ανάλυση προϊόντος στην διανομή Πίνακας 4.9: Ανάλυση Εργατικού Δυναμικού Πίνακας 4.10: Κανόνες εξέτασης μοντέλου Α Πίνακας 4.11: Δεδομένα εξέτασης μοντέλου Α Πίνακας 4.12: Δεδομένα εξέτασης μοντέλου Β Πίνακας 4.13: Πίνακας δεδομένων μοντέλου Β Πίνακας 4.14: Πίνακας δεδομένων σύγκρισης Πίνακας 5.1: Συσχετίσεις κόμβων από τον 1 ο εμπειρογνώμονα Πίνακας 5.2: Συσχετίσεις κόμβων από τον 2 ο εμπειρογνώμονα Πίνακας 5.3: Συσχετίσεις κόμβων από τον 3 ο εμπειρογνώμονα Πίνακας 5.4: Υπολογισμός βαρών διασύνδεσης Πίνακας 5.5: Πίνακας βαρών διασύνδεσης Πίνακας 5.6: Διάνυσμα W δικτύου 6 παραμέτρων xiii

14 1 ΕΙΣΑΓΩΓΗ 1.1 Διατύπωση προβλήματος Στόχος της παρούσας διπλωματικής εργασίας είναι η ανάπτυξη του μεθοδολογικού πλαισίου για την αξιολόγηση της διαχείρισης της ποιότητας του γάλακτος. Πιο συγκεκριμένα, το βασικό αντικείμενο εξέτασης είναι η εξαγωγή όλων των κύριων διαδικασιών που συνθέτουν την πολύπλοκη αυτή διεργασία και παράλληλα η θεώρηση ενός μοντέλου αξιολόγησης της ποιότητας του γάλακτος, λαμβάνοντας υπόψη την μοντελοποίηση της ποιότητας όλων των επιμέρους σταδίων. Για την αξιολόγηση και την εξαγωγή του δείκτη ποιότητας χρησιμοποιείται η τεχνική του ευφυούς ελέγχου, ως μια μη παραμετρική μέθοδος για την διαχείριση των δεδομένων που συνθέτουν την τελική απόφαση. Ο Ευφυής Έλεγχος αποτελεί το αποτέλεσμα εφαρμογής της υπολογιστικής νοημοσύνης στον έλεγχο συστημάτων. Αντιμετωπίζει το πρόβλημα του ελέγχου από μια ξεχωριστή οπτική από αυτή του συμβατικού μοντέλου ελέγχου. Η γνώση και η εμπειρία συνθέτουν τον κορμό της διαδικασίας και αποτελούν τη βάση για τη μέθοδο μάθησης που συνθέτει το μοντέλο του ελέγχου. Στόχος ενός ευφυούς ελεγκτή αποτελεί η λειτουργία του όπως ο άνθρωπος χειριστής, με τους ίδιους κανόνες χωρίς όμως τις αδυναμίες του, αποφεύγοντας παράλληλα την μη συνέπεια ώστε να υπάρχει ένα ενιαίο και τυποποιημένο πλαίσιο διαχείρισης των παραμέτρων που οδηγούν στην τελική λύση του προβλήματος εξέτασης. Πριν την αναλυτική περιγραφή του προβλήματος που είναι και το αντικείμενο εξέτασης της παρούσας μελέτης, παρέχεται μια εισαγωγή στο μεθοδολογικό πλαίσιο που αποτελεί και την δόμηση της συνολικής μελέτης που ακολουθεί. 1.2 Μεθοδολογικό πλαίσιο προβλήματος Το γάλα ξεχωρίζει ανάμεσα στα άλλα ζωικά και φυτικά τρόφιμα διότι είναι η μοναδική τροφή για τον άνθρωπο από το αρχικό στάδιο της ζωής του. Από αυτό εξάγεται το συμπέρασμα ότι το 1

15 γάλα περιέχει όλα τα απαιτούμενα συστατικά (ιδιαίτερα πρωτεΐνες και άλατα) για έναν οργανισμό προκειμένου να αναπτυχθεί. Στο πλαίσιο αυτό τονίζεται η σημασία της τροφής αυτής και κατ επέκταση η ανάγκη για ένα ακριβές και τυποποιημένο πρότυπο αξιολόγησης της ποιότητας του γάλακτος. Πριν την διαμόρφωση της μεθόδου αξιολόγησης πρέπει να καθοριστούν ακριβώς οι παράμετροι που επιδρούν στην ποιότητα του γάλακτος και παράλληλα θα αποτελέσουν και αντικείμενο ανάλυσης. Η όλη παραγωγική διαδικασία χωρίζεται αρχικά σε τρία (3) βασικά βήματα: Συλλογή γάλακτος, όπου το γάλα συλλέγεται από τα ζώα, Επεξεργασία γάλακτος, που περιλαμβάνει όλες τις επιμέρους διαδικασίες που απαιτούνται προς τη ποιοτική αναβάθμιση της πρώτης ύλης, Συσκευασία και διανομή, που είναι η μεταφορά του γάλακτος προς τους τελικούς καταναλωτές. Σχήμα 1.1: Αλυσίδα γάλακτος. Πηγή: ΚΡΙ-ΚΡΙ ΒΙΟΜΗΧΑΝΙΑ ΓΑΛΑΚΤΟΣ ΑΒΕΕ (11/05/2015). 2

16 Μια πιο λεπτομερής ανάλυση των επιμέρους σταδίων ακολουθεί στην συνεχεία της μελέτης, αλλά μια πρώτη απεικόνιση των επιμέρους διαδικασιών κατά το στάδιο της επεξεργασίας του γάλακτος αποτυπώνεται στο Σχήμα 1.1 Η σύνθετη διάρθρωση των επιμέρους σταδίων είναι δεδομένη και καθιστά αναγκαία την εφαρμογή μη παραμετρικών μοντέλων για την ανάλυση της τελικής ποιότητας στο γάλα. Για το λόγο αυτό, ένα μοντέλο ασαφούς λογικής εφαρμόζεται στην κατεύθυνση αυτή. Είναι χρήσιμο σε αρχικό επίπεδο να οριστούν τα χαρακτηριστικά που θα πρέπει να υποστηρίζει μια αρχιτεκτονική ευφυούς συστήματος, όπως είναι αυτό που εξετάζεται: ορθότητα, που είναι η δυνατότητα εκτέλεσης των απαιτήσεων με απόλυτη ασφάλεια, σθεναρότητα, που είναι η δυνατότητα να παραμένει λειτουργικό σε απρόβλεπτες (αντίξοες) συνθήκες, επεκτασιμότητα, που είναι η δυνατότητα να επιτρέπεται η επέκταση του συστήματος, χωρίς επανασχεδιασμό, επαναχρησιμότητα, που είναι η δυνατότητα να χρησιμοποιεί τα ίδια συστήματα σε διαφορετικές αλλά παρόμοιες εφαρμογές. Τα χαρακτηριστικά αυτά αναφέρονται ως βασικά στην διαμόρφωση μιας αρχιτεκτονικής ασαφών δικτύων αλλά έχουν άμεσο αντίκτυπο και στην περίπτωση εξέτασης προς την διαμόρφωση ενός standardized πρότυπου αξιολόγησης. Τα ασαφή γνωστικά δίκτυα (ΑΓΔ) είναι μία μέθοδος που έχουν προταθεί για τη μοντελοποίηση πολύπλοκων συστημάτων. Τα κύρια χαρακτηριστικά γνωρίσματα των δικτύων είναι η απλότητα και παράλληλα η ευελιξία που προσφέρουν στο σχεδιασμό, τη μοντελοποίηση και τον έλεγχο. Τα ασαφή δίκτυα έχουν χρησιμοποιηθεί με θετικά αποτελέσματα σε διάφορα πεδία εφαρμογών (παραγωγή, αναγνώριση προτύπων, ενέργεια κ.α.). Η εξάρτηση όμως των ασαφών συστημάτων από την αρχική γνώση είναι το βασικό μειονέκτημα της εφαρμογής αυτών αφού αποτελεί μη δυναμική μέθοδος μάθησης. Η λεπτομερής ανάλυση των ασαφών γνωστικών δικτύων και παράλληλα η εφαρμογή αυτών στο πρότυπο εξαγωγής ποιότητας του γάλακτος είναι το βασικό αντικείμενο εξέτασης στην παρούσα μελέτη και η όλη διατύπωση αποτυπώνεται στις επόμενες ενότητας της εργασίας. 3

17 1.3 Δομή εργασίας Η συνεισφορά της παρούσας εργασίας έγκειται στην εξέταση των παραμέτρων που πρέπει να λαμβάνονται υπόψη στο μοντέλο αξιολόγησης της ποιότητας του γάλακτος. Η διάρθρωση της εργασίας αποτυπώνεται ακολούθως: 1 ο κεφάλαιο: επισήμανση του σκοπού εκπόνησης της εργασίας, καταγραφή της συνεισφοράς της και συνοπτική παρουσίαση των περιεχόμενων της ανά κεφάλαιο. 2 ο κεφάλαιο: παρουσίαση της βιβλιογραφίας σχετικά με τις διαδικασίες παραγωγής του γάλακτος που συνθέτουν τις παραμέτρους του μοντέλου. 3 ο κεφάλαιο: αλγοριθμική ανασκόπηση στην τεχνική ασαφούς ελέγχου και παραδείγματα χρήσης του μηχανισμού. 4 ο κεφάλαιο: συνολικό μεθοδολογικό πλαίσιο και παρουσίαση παραδειγμάτων εξέτασης οπού εφαρμόζονται στην πράξη οι τεχνικές που αναφέρθηκαν στα προηγούμενα κεφάλαια. Το κεφάλαιο αυτό είναι το πλέον σημαντικό στην μελέτη και λαμβάνει υπόψη τόσο το μεθοδολογικό πλαίσιο όσο και τα αποτελέσματα για την μελέτη περίπτωσης του γάλακτος. 5 ο κεφάλαιο: σύνοψη θεωρίας για τα Ασαφή Γνωστικά Δίκτυα και παραδείγματα εξέτασης με στόχο την αξιολόγηση της ποιότητας γάλακτος. 6 ο κεφάλαιο: σύνοψη των κυριότερων συμπερασμάτων της παρούσας εργασίας, επισήμανση της συνεισφοράς της και ανάδειξη θεμάτων που χρήζουν περαιτέρω μελέτης. Επομένως η συνολική εργασία ακολουθεί μια δομή «Διατύπωση προβλήματος Μοντελοποίηση προβλήματος Επίλυση προβλήματος Συμπεράσματα». Στο πλαίσιο αυτό, η εργασία αυτή θα μπορούσε να επιτελέσει ένα πλήρες εγχειρίδιο για την ποιοτική αξιολόγηση γαλακτοκομικών προϊόντων πέραν του γάλακτος με χρήση ασαφούς λογικής. 4

18 2 ΜΟΝΤΕΛΟΠΟΙΗΣΗ ΔΙΑΔΙΚΑΣΙΑΣ ΠΑΡΑΓΩΓΗΣ ΚΑΙ ΕΠΕΞΕΡΓΑΣΙΑΣ ΓΑΛΑΚΤΟΣ 2.1 Εισαγωγή Ο στόχος της παρούσας ενότητας είναι η εισαγωγή στην διαδικασία επεξεργασίας του γάλακτος και η περιγραφή των επιμέρους βημάτων που συνθέτουν τα αντίστοιχα βήματα για την αξιολόγηση της ποιότητας, που αποτελεί αντικείμενο εξέτασης στην παρούσα εργασία. Παράλληλα με την περιγραφή των επιμέρους βημάτων, υλοποιείται μια αναφορά στον ποιοτικό έλεγχο σε όλα τα βήματα, προκειμένου η όλη προσέγγιση να είναι σύμφωνη με την νομοθεσία και τα τυποποιημένα πρότυπα διασφάλισης της ποιότητας. Πριν όμως γίνει η αναφορά στις επιμέρους διαδικασίες που ορίζουν την επεξεργασία του γάλακτος, παρουσιάζεται η θρεπτική του αξία που είναι άμεσα συνυφασμένη με την τελική του ποιότητα. 2.2 Θρεπτική αξία γάλακτος Το γάλα αποτελεί ιδιαιτέρως πλούσια και υψηλής διατροφικής αξίας τροφή, την οποία χρειάζονται οι άνθρωποι προκειμένου να αναπτύξουν και να διατηρήσουν έναν υγιή οργανισμό, Περιέχει σε υψηλή συγκέντρωση ποικιλία συστατικών όπως πρωτεΐνες, υδατάνθρακες, λίπη, άλατα και βιταμίνες, τα οποία είναι άμεσα διαθέσιμα προς αφομοίωση από τον οργανισμό. Στη συμβολή του γάλατος και των προϊόντων αυτού στην ανάπτυξη και διατήρηση της υγείας, σε όλα τα στάδια της ανθρώπινης ζωής κατατείνουν και οι Διεθνείς Οργανισμοί Υγείας που αναγνωρίζουν τα γαλακτοκομικά ως ξεχωριστή ομάδα τροφίμων, συστήνοντας την κατανάλωση 2 ή 3 μερίδων καθημερινά στο πλαίσιο μιας ισορροπημένης διατροφής. Ακολούθως αποτυπώνονται συνοπτικά τα επιμέρους θρεπτικά συστατικά που εξασφαλίζονται από το γάλα (Ζουμπουρλή, 2014). 5

19 2.2.1 Καζεϊνη Το γάλα συνιστά μοναδικό φυσικό τρόφιμο το οποίο εμπεριέχει καζεΐνη, υψηλής βιολογικής σημασίας πρωτεΐνη. Η διατροφική της αξία υπερβαίνει την κλασσική έννοια της θρεπτικότητας, επεκτείνοντας την λειτουργικότητα και επίδρασή της στη φυσιολογία και στην υγεία του οργανισμού. Τα πεπτίδια που προέρχονται από την καζεΐνη έχουν μεταξύ άλλων τις ακόλουθες ιδιότητες: ενισχύουν τη φυσική άμυνα του οργανισμού, ρυθμίζουν τη σωστή πίεση του αίματος, βοηθούν στην αντιμετώπιση του στρες Λακτόζη Ομοίως το γάλα συνιστά μοναδικό φυσικό τρόφιμο το οποίο εμπεριέχει τον υδατάνθρακα λακτόζη, η οποία διασπάται με αργό ρυθμό στον οργανισμό σε γλυκόζη και γαλακτόζη, αποτελώντας σημαντική πηγή ενέργειας για τον οργανισμό. Η μοναδικότητα της λακτόζης συνίσταται επίσης στα προϊόντα διάσπασής της (γαλακτόζη), τα οποία αποτελούν δομικά στοιχεία σύνθεσης ουσιών που αποτελούν συστατικά του αναπτυσσόμενου εγκεφάλου και των νεύρων των παιδιών Πρωτεΐνες Οι πρωτεΐνες συνιστούν βασικό δομικό συστατικό του οργανισμού, διασφαλίζοντας τη σωστή του λειτουργία. Έχει διαπιστωθεί ότι πρόσληψη 2-3 ποτηριών γάλακτος ανά ημέρα καλύπτει το 25% των αναγκών ενός μέσου ανθρώπου σε πρωτεΐνη Βιταμίνες Το γάλα εμπεριέχει επίσης βιταμίνες και ιδιαίτερα λιποδιαλυτές και υδατοδιαλυτές βιταμίνες. Η πλειονότητα των τροφών, λόγου χάρη τα λαχανικά και τα φρούτα, περιέχουν κυρίως υδατοδιαλυτές βιταμίνες εν αντιθέσει με το ελαιόλαδο που περιέχει μόνο λιποδιαλυτές. 6

20 Σημαντικό ποσοστό των ημερήσιων αναγκών σε βιταμίνες Α, Β12, Β1, Β3, Παντοθενικό οξύ δύναται να καλυφθούν με δύο ποτήρια γάλα. Σημειώνεται ότι συγκριτικά με άλλα ζωικά προϊόντα, το γάλα εμπεριέχει και μικρή ποσότητα βιταμίνης C, πολύτιμο αντιοξειδωτικό καθώς και αναγκαία για τον σχηματισμό και τη ανάπτυξη των ιστών Ασβέστιο Η αναγκαία ποσότητα 2 ασβεστίου λαμβάνεται μέσω της κατανάλωσης κυρίως γαλακτοκομικών προϊόντων. Τόσο η περιεκτικότητα του γάλακτος σε ασβέστιο όσο η ευκολία απορρόφησης του από τον οργανισμό συγκριτικά με την χαμηλή απορρόφηση φυτικής προέλευσης ασβεστίου, συνδράμουν στην ανάπτυξη και προστασία του σκελετού από την οστεοπόρωση και στην εξασφάλιση υγειών δοντιών. Το ασβέστιο χρησιμεύει επίσης: στη διατήρηση της κανονικής πίεσης του αίματος, στην μετάδοση των νευρικών ερεθισμάτων και στη σύσπαση των μυών Πίνακας 2.1: Θρεπτικά συστατικά γάλακτος. Συστατικά ΠΕΡΙΕΚΤΙΚΟΤΗΤΑ Συστατικά ΠΕΡΙΕΚΤΙΚΟΤΗΤΑ Κύρια συστατικά Βιταμίνες Νερό (%) 87,3 Βιταμίνη Α (mg/l) 0.4 Λακτόζη (%) 4,60 Βιταμίνη D (mg/l) Λίπος (%) 3,90 Βιταμίνη Ε (mg/l) 0.98 Πρωτεΐνη (%) 3,25 Θειαμίνη - Β1 (mg/l) 0.44 Ανόργανα συστατικά (%) 0,65 Ριβοφλαβίνη - Β2 (mg/l) 1.75 Ανόργανα συστατικά Νιασίνη (mg/l) 0.94 Ασβέστιο (mg/100g) 125 Παντοθενικό οξύ (mg/l) 3.46 Φώσφορος (mg/100g) 100 Βιταμίνη Β6 (mg/l) 0.64 Κάλιο (mg/100g) 150 Βιοτίνη (mg/l) Νάτριο (mg/100g) 44 Φυλλικό οξύ (mg/l) 0.05 Μαγνήσιο (mg/100g) 13 Βιταμίνη Β12 (mg/l) Ψευδάργυρος (μg/kg) 3900 Βιταμίνη C (mg/l) 21.1 Σίδηρος (μg/kg) 200 Πηγή: Ιατρικά Νέα, ποτήρια γάλα καλύπτουν το 75% των ημερήσιων αναγκών σε ασβέστιο 7

21 Στο Πίνακα 2.1 παρουσιάζεται ενδεικτική μέση περιεκτικότητα του αγελαδινού γάλακτος σε σημαντικά κύρια και δευτερεύοντα συστατικά. Το 2001 δημιουργήθηκε από τον Οργανισμό Τροφίμων και Γεωργίας των Ηνωμένων Εθνών (FAO) η Παγκόσμια Ημέρα Γάλακτος 3 προς ανάδειξη της πολύπλευρης αξίας του γάλακτος. Φυσική προέλευση, θρεπτική αξία, ποικιλία παράγωγων γαλακτοκομικών προϊόντων, οικονομική συμβολή τόσο στις αγροτικές περιοχές όσο και την τροφική αλυσίδα γενικότερα αποτελούν χαρακτηριστικά που χρήζουν ευρύτερης αναγνώρισης και εξέλαβαν την αναγνώριση αυτή. 2.3 Βήματα Επεξεργασίας Γάλακτος Μετά την σύντομη εισαγωγική εξέταση, ακολουθεί η ανάλυση των επιμέρους βημάτων της αλυσίδας που συνθέτει την όλη διαδικασία. Η ανάλυση γίνεται από το πρώτο στάδιο που είναι η ανάλυση των τροφών και η διαδικασία της συλλογής γάλακτος ενώ στην συνέχεια έπεται η μεταφορά στην μονάδα επεξεργασίας. Κατόπιν, το δεύτερο στάδιο της επεξεργασίας ακολουθεί πριν τον τρίτο στάδιο, αυτό της αποθήκευσης, συσκευασίας και της διανομής. Η επιμέρους σειριακή ανάλυση των βημάτων παρουσιάζεται προς την συνολική θεώρηση του μοντέλου (Δεμερτζής, 2010) Κατηγορία γαλακτοπαραγωγών αγελάδων Για την πληρότητα του μοντέλου στην παρούσα μελέτη, η κατηγοριοποίηση των γαλακτοπαραγωγών αγελάδων αποτελεί το πρώτο κριτήριο εξέτασης. Η απουσία λεπτομερών δεδομένων για την επίδραση στην θρεπτική αξία, οδήγησε στην απόφαση για την μη θεώρηση αυτού του κριτηρίου στο τελικό μοντέλο, όμως ο αρχικός διαχωρισμός είναι αναγκαίος. Διακρίνονται τρεις (3) κατηγορίες (Δεμερτζής, 2010): Η πρώτη κατηγορία που είναι και η πιο δημοφιλής για την γαλακτοπαραγωγή είναι οι αγελάδες τύπου Φρίζιαν. Το σωματικό βάρος των αγελάδων τύπου Friesian (Φρίζιαν 4 ) 3 σε όλο τον κόσμο εορτάζεται την 1η Ιουνίου 4 8

22 είναι κατά μέσον όρο στους ταύρους 1000Kg και στις αγελάδες 600Kg, ενώ αντίστοιχα των αγελάδων τύπου Χολστάιν-Φρίζιαν 1100Kg και 700Kg για τα θηλυκά ζώα. Τα ζώα αυτά είναι ευαίσθητα και υψηλών θρεπτικών απαιτήσεων. Η γαλακτοπαραγωγή των αγελάδων Φρίζιαν, ανά περίοδο, είναι κατά μέσο όρο 7.000Kg γάλατος (4,1% λίπος και 3,3 % πρωτεΐνες), ενώ των αγελάδων Χολστάιν Φρίζιαν 9000Kg γάλατος (3,7% λίπος και 3,3% πρωτεΐνες). Μια τρίτη κατηγορία είναι αυτή των αγελάδων του τύπου «Ερυθρή Ποικιλόχρωμη». Η γαλακτοπαραγωγή των αγελάδων αυτού του τύπου είναι χαμηλότερη σε σχέση με εκείνη του τύπου Φρίζιαν κατά 500Kg περίπου ανά περίοδο. Σε επιχειρήσεις με αγελάδες Χολστάιν-Φρίζιαν, μερικές φορές εκτρέφονται και αγελάδες τύπου Ζέρσεϊ, σε μικρό αριθμό, με σκοπό την αύξηση της λιπαρής περιεκτικότητας του γάλατος που παράγεται στην επιχείρηση. Η δεύτερη κατηγορία αγελάδων που είναι ευρύτατα διαδεδομένη στις ελληνικές φάρμες είναι αυτή της φυλής «Φαιά των Άλπειων», η οποία αποτελεί φυλή μικτών αποδόσεων (γάλα και κρέας) με προέλευση τις Ελβετικές Άλπεις, αποτελώντας το 45% του πληθυσμού στην Ελλάδα. Επιτυγχάνει εύκολο εγκλιματισμό σε θερμά και ξηρά κλίματα και χρησιμοποιείται στις φυσικές βοσκές. Η μέση γαλακτοπαραγωγή είναι Kg με περιεκτικότητα σε λίπος 3,5-4%. Η τρίτη κατηγορία που είναι διαδεδομένη είναι αυτή της φυλής Σίμμενταλ (Simmental) Γερμανίας. Είναι ορεινή (μικτών αποδόσεων) φυλή με προέλευση την Ελβετία (περιοχή Simmen). Στην Ελλάδα έχει εισαχθεί μικρός αριθμός ζώων της κατηγορίας αυτής. Η γαλακτοπαραγωγή τους είναι περίπου Kg με λιπαρά 3,6 3,8 %. Οι τρεις αυτές κατηγορίες συνθέτουν το σύνολο των τύπων βοοειδών γαλακτοπαραγωγής που συναντώνται στην χώρα μας και αποτελούν την πρώτη παράμετρο εξέτασης στο μοντέλο ποιητικής αξιολόγησης. Η ανάλυση του τύπου δεν αποτελεί αντικείμενο εξέτασης λόγω %A3%CE%A4%CE%97%CE%9C%CE%97%CE%A3%20%CE%96%CE%A9%CE%99%CE%9A%CE%97%CE %A3%20%CE%A0%CE%91%CE%A1%CE%91%CE%93%CE%A9%CE%93%CE%97%CE%A3%20%CE%9A %CE%91%CE%99%20%CE%A5%CE%94%CE%91%CE%A4%CE%9F%CE%9A%CE%91%CE%9B%CE%9B %CE%99%CE%95%CE%A1%CE%93%CE%95%CE%99%CE%A9%CE%9D/%CE%95%CE%99%CE%A3%CE %91%CE%93%CE%A9%CE%93%CE%97%20%CE%A3%CE%A4%CE%97%20%CE%96%CE%A9%CE%9F% CE%A4%CE%95%CE%A7%CE%9D%CE%99%CE%91/pdf_%CE%98%CE%95%CE%A9%CE%A1%CE%99% CE%91/zp_th_800_08, (22/04/2015). 9

23 έλλειψης δεδομένων. Εξάλλου στην παρούσα εξέταση δεν αξιολογούνται παράμετροι που δεν μπορούν να ελεγχτούν παρά μονό τα στάδια της διαδικασίας παραγωγής του γάλακτος Τύποι Εκτροφής Βοοειδών Στην Ελλάδα Το παραγόμενο αγελαδινό γάλα στην Ελλάδα προέρχεται από τους κάτωθι τύπους εκτροφών (Δεμερτζής, 2010): Εκτροφές των ορεινών περιοχών Εκτροφές των ημιορεινών και λοφωδών περιοχών Εκτροφές πεδινών περιοχών Στις πεδινές περιοχές εκτρέφεται το 70% των αγελάδων και προσφέρεται το 76% του αγελαδινού γάλακτος που παράγεται στην Ελλάδα, στις οποίες συστηματικές εκτροφές εδράζεται η όλη εγχώρια βιομηχανία γάλακτος. Αυτές αποτελούν είτε συστηματικές εκτροφές (δηλαδή βουστάσια άνω των 30 αγελάδων) είτε τύπου οικογενειακού (δηλαδή μεταξύ 15 και 30 αγελάδων). Η μηχανική άμελξη είναι δεδομένη, όπως και η ψύξη / αποθήκευση του γάλακτος στη μονάδα. Ως επί των πλείστων, κάθε βιομηχανία γάλακτος παρέχει ψυκτικές δεξαμενές στις σημαντικότερες των μονάδων παραγωγής προκειμένου να εξασφαλίζεται η διαδικασία αυτή. Πέρα όμως από την γεωγραφική θέση της μονάδας σημαντικό ρόλο διαδραματίζει ο τύπος σταβλισμού, αφού τρεις (3) διαφορετικοί τύποι είναι οι πιο διαδεδομένοι στην ελληνική περίπτωση (Μπελιμπασάκης, 1996): περιορισμένος σταβλισμός με ζώα μονίμως δεμένα στο στάβλο. ελεύθερος σταβλισμός με ζώα που έχουν ελεύθερη κίνηση σε ορισμένους χώρους. ελεύθερος σταβλισμός με ατομικές θέσεις ανάπαυσης των ζώων. Η επιλογή του τύπου σταβλισμού είναι άμεσα συνδεδεμένος με την γεωγραφική περιοχή να περιορίζει τις εναλλακτικές επιλογές. Η περίπτωση του ελεύθερου σταβλισμού είναι η πιο διαδεδομένη αφού εφαρμόζεται σε ποσοστό 60%. Στο τύπο αυτό τα ζώα είναι ελεύθερα εντός ορισμένου περιφραγμένου χώρου και διατρέφονται με τροφές αναμεμιγμένες (σε ειδικό μηχάνημα, τον «ενσιροδιανομέα») και διανεμόμενες (σε ειδικά «παχνιά») σε περιοδικά χρονικά διαστήματα. Ο συνδυασμός αυτός επομένως ορίζει την πιο διαδεδομένη μέθοδο εκτροφής των 10

24 αγελάδων στην χώρα μας και αποτελεί την αρχική παράμετρο εξέτασης. Στις άλλες περιπτώσεις σταβλισμού, τα ζώα είτε είναι σε κατάσταση ελευθέρου σταβλισμού αλλά με ένα περιορισμό στις κινήσεις τους είτε είναι μόνιμα κλεισμένα στις μονάδες τους. Σε κάθε περίπτωση ακολουθείται και διαφορετική διατροφική διαδικασία, κάτι που αναλύεται στην επόμενη ενότητα ως βασική παράμετρο επίδρασης στην ποιότητα του γάλακτος (Μπελιμπασάκης, 1996) Διατροφή γαλακτοπαραγωγών αγελάδων Οι αγελάδες λαμβάνουν την απαιτούμενη ενέργεια και παράλληλα πρωτεΐνες, μικροστοιχεία, ιχνοστοιχεία και βιταμίνες από τις ζωοτροφές και τις προσθετικές ουσίες που περιέχονται στην διατροφή τους. Βασικό ζητούμενο πριν τον καθορισμό του πόσο «καλό» και ισορροπημένο είναι ένα σιτηρέσιο συνιστά το γεγονός αν η ποσότητα είναι επαρκής για τον τύπο της αγελάδας που μελετάται. Επομένως, ο υπεύθυνος με τη διατροφή θα πρέπει να γνωρίζει τις βασικές αρχές για τον καθορισμό της ποιότητας και της ποσότητας του σιτηρεσίου. Έτσι, ως πρώτο βήμα λογίζεται ο ποσοτικός προσδιορισμός του σιτηρεσίου που δύναται καταναλώσει μία αγελάδα. Ο όγκος που ορίζει την ποσότητα που επιτρέπεται να καταναλώσει μία αγελάδα πρέπει να είναι συγκεκριμένος, εξαρτάται δε από το μέγεθος του πεπτικού συστήματος του ζώου. Συνήθως ορίζεται ως κιλά ξηρής ουσίας (Ξ.Ο.) που καταναλώνονται κατά τη διάρκεια μίας ημέρας (Μπελιμπασάκης, 1996). Στη πράξη για τις αγελάδες Χολστάιν & Χολσταιν- Φρίζιαν που είναι οι βασικές στην ελληνική μελέτη περίπτωσης, η ποσότητα της ξηρής ουσίας που μπορούν να καταναλώσουν υπολογίζεται ως 3% του σωματικού τους βάρους. Ένας άλλος πρακτικός τύπος υπολογισμού είναι (Κατσαούνης, 2000):.. 0,25 0,1 [2.1] όπου ΣΒ το σωματικό βάρος της αγελάδας και Υ η ποσότητα του παραγόμενου γάλακτος. Για παράδειγμα, μία αγελάδα με σωματικό βάρος 650Kg. που παράγει κατά μέσο ορό 30L γάλακτος θα καταναλώσει με βάση την πρώτη σχέση ξηρή ουσία ίση με το 3% του ΣΒ δηλαδή 0, ,5Kg, και αν εφαρμοστεί η δεύτερη σχέση όπου λαμβάνεται υπόψη και η παραγωγή γάλακτος τότε η ποσότητα ξηρής ουσίας είναι 0, , , 25Kg. Θα πρέπει επίσης να 11

25 τονιστεί ότι οι αγελάδες με υψηλή παραγωγή γάλακτος (πάνω από 40L) μπορούν να καταναλώσουν ποσότητες ξηρής ουσίας έως και 4% του σωματικού τους βάρους. Η εξαγωγή του βέλτιστου σημείου καταναλισκόμενης ξηρής ουσίας από τις αγελάδες θα πρέπει να είναι πάντοτε το ζητούμενο ενός προγράμματος διατροφής, αφού μείωση κατανάλωσης ελλοχεύει πτώση γαλακτοπαραγωγής και επιπλέον αρνητικές επιπτώσεις στην αναπαραγωγική δυνατότητα της αγελάδας με άμεση επίδραση στη μείωση της γονιμότητας. Ιδιαίτερα κρίσιμη είναι η μειωμένη κατανάλωση ξηρής ουσίας κατά το τελευταίο στάδιο της «ξηρής περιόδου», δηλαδή κατά τις τελευταίες 20 μέρες πριν την έναρξη της γαλακτικής περιόδου, αφού μπορεί να οδηγήσει σε σοβαρά προβλήματα ακόμη και για την ζωή του ζώου. Ο Πίνακας 2.2 ορίζει ανά πρώτη ύλη την ποσότητα ζωοτροφής που απαιτείται από ένα ζώο (Κατσαούνης, 2000). Πίνακας 2.2: Μέση κατανάλωση ορισμένων ζωοτροφών για αγελάδες. Πηγή: Δεμερτζής, 2010 Μετά την ανάλυση της ποσότητας της τροφής, αξίζει να γίνει η ανάλυση στον τρόπο σύστασης αυτής της τροφής. Πρακτικά, η ξηρή ουσία αυξάνεται στο σιτηρέσιο όταν στις 12

26 αγελάδες χορηγείται «ολικό σιτηρέσιο (Total Mixed Ration, TMR)». Αντίθετα, παρατηρείται μείωση στην ξηρή ουσία όταν η ποιότητα για παράδειγμα του ενσιρώματος είναι μέτρια έως κακή. Σημειώνεται ότι η ποσότητα της καταναλισκόμενης ξηρής ουσίας κατά τη πρώτη εβδομάδα μετά τον τοκετό είναι στα 2/3 της αναμενόμενης, ενώ απαιτείται να περάσουν περίπου 8-12 εβδομάδες μέχρις ότου οι αγελάδες να επανεκινήσουν τη κατανάλωση της προβλεπόμενης ποσότητας ξηρής ουσίας. Τονίζεται επίσης ότι η ποσότητα της καταναλισκόμενης ξηρής ουσίας εξαρτάται άμεσα από εξωγενείς παράγοντες όπως είναι η θερμοκρασία του περιβάλλοντος της εκτροφής, γεγονός που λαμβάνεται υπόψη στη χώρα μας, εφόσον η ποσότητα στα σιτηρέσια των αγελάδων χρήζουν προσαρμογής ανάλογα με την περίοδο του έτους και των αλλαγών στις περιβαλλοντικές συνθήκες που είναι ιδιαίτερα μεταβλητές (π.χ. υψηλές θερμοκρασίες το καλοκαίρι και χαμηλές το χειμώνα, υψηλές θερμοκρασίες στα πεδινά και χαμηλές θερμοκρασίες στα ορεινά) (Κατσαούνης, 2000). Το δεύτερο στάδιο στο καθορισμό των σιτηρεσίων για τις αγελάδες είναι η διαμόρφωση των ενεργειακών τους αναγκών. Η διαδικασία που περιλαμβάνει το μεταβολισμό της ενέργειας στα ζώα περιγράφεται ώστε να καταδείξει το ποσό της ενεργείας που απαιτείται (Κατσαούνης, 2000): 1. Από τη συνολικά αρχική ενέργεια 100% (Gross energy, GE) ένα μέρος (κυμαίνεται από 10 60%) χάνεται με τα κόπρανα. 2. Τo υπόλοιπο αποτελεί την χρήσιμη ενέργεια (digestible energy, DE), από τη οποία το 8% χάνεται στη παραγωγή μεθανίου και 11-13% στα ούρα. 3. Η ενέργεια που απομένει (μεταβολιστέα ενέργεια - metabolizable energy, ME) είναι αυτή που χρησιμοποιείται από το ζώο για τις ανάγκες συντήρησης, γαλακτοπαραγωγής και αύξησης ενώ επιπλέον ένα μέρος αυτής αποβάλλεται με τη μορφή θερμότητας. Ο υπολογισμός χρήσης της ενέργειας αυτής από το ζώο γίνεται με βάση συντελεστές - δείκτες που είναι οι εξής: a. Km = 0,7 για τις ανάγκες συντήρησης b. Kl = 0,6 για τις ανάγκες γαλακτοπαραγωγής c. Kp = 0,5 για τις ανάγκες κυοφορίας d. Kg = 0,5 για τις ανάγκες αύξησης του όγκου του ζώου 13

27 Στον Πίνακα 2.3, παρατίθενται ενδεικτικές τιμές των ενεργειακών αναγκών των γαλακτοπαραγωγών αγελάδων για συντήρηση και παραγωγή. Πίνακας 2.3: Μέση κατανάλωση σε θρεπτικά συστατικά 5. Πηγή: Δεμερτζής, 2010 Η ποιότητα και ο τύπος της τροφής είναι δεδομένη, συνεπώς η ποσότητα αποτελεί παράμετρο που επιδρά άμεσα στην τελική ποιότητα του γάλακτος. Από την εξέταση της ποσότητας, όπως σημειώνει η έρευνα του Δεμερτζή (2010), μια ποσότητα ανάμεσα στο 1-3% του βάρους του ζώου είναι η ικανοποιητική ποσότητα (Δεμερτζής, 2010) Μεταφορά γάλακτος από τις μονάδες παραγωγής Το γάλα φθάνει στο εργοστάσιο από τα αγροκτήματα και τους σταθμούς συγκέντρωσης όπου έχει συλλεχθεί, με ειδικά βυτιοφόρα οχήματα. Στα βυτιοφόρα οχήματα κατά την μεταφορά του στις κεντρικές μονάδες, το γάλα ψύχεται και μπορεί και διατηρείται σε σταθερή θερμοκρασία ώστε να υπάρχει και η δυνατότητα μεταφοράς του από μεγαλύτερες αποστάσεις. Λόγω των υψηλών θερμοκρασιών που επικρατούν στην χώρα μας, ιδιαίτερα στους καλοκαιρινούς μήνες, η μεταφορά του γάλατος από τις μονάδες και τους σταθμούς συγκέντρωσης προς τις βιομηχανικές 5 (Π.Α.Ο. = Πεπτές Αζωτούχες ουσίες) 14

28 εγκαταστάσεις, πρέπει να γίνεται αποκλειστικά με βυτιοφόρα υπό ψύξη. Κατά την διαδικασία της μεταφοράς πρέπει να διατηρείται η θερμοκρασία εντός του βυτίου σε κατάλληλη τιμή, κάτω από τους 10 ο C. Κατά την προηγούμενη δεκαετία είχε παρατηρηθεί το φαινόμενο της μεταφοράς του γάλακτος για μικρές αποστάσεις χωρίς την χρήση βυτίων αλλά αυτό το φαινόμενο έχει πλέον εξαλειφθεί (Ανυφαντάκης & Καλαντζόπουλος, 1993). Κατά την παραλαβή του γάλακτος στην βιομηχανική μονάδα απαιτούνται πλέον έλεγχοι για την καταλληλότητα της ποιότητας του γάλακτος που εισάγεται. Πριν τον έλεγχο, η ποσότητα που λαμβάνεται μετράται με απλή ζύγιση (αν η παραλαβή γίνεται με ειδικά δοχεία) ή με χρήση δοσομετρικής αντλίας (περίπτωση βυτίων). Οι έλεγχοι αυτοί πραγματοποιούνται σε ορισμένες περιπτώσεις και μετά την συλλογή του γάλακτος στη φάρμα αλλά αυτό συνάγεται από την σχέση εμπιστοσύνης μεταξύ του γαλακτοπαραγωγού και της βιομηχανίας (Μαντής, 1993). Η ποιότητα του νωπού γάλακτος καθορίζεται από παραμέτρους όπως είναι η νωπότητα, η υγιεινή σύσταση, η χημική σύσταση και τα θρεπτικά χαρακτηριστικά. Αν ληφθούν υπόψη όλα αυτά, τότε γίνεται αντιληπτή η ανάγκη διεξαγωγής εκτενούς δειγματοληπτικού ελέγχου πριν την περαιτέρω επεξεργασία του γάλακτος. Οι βασικοί έλεγχοι ποιότητας που γίνονται δειγματοληπτικά στο γάλα ανά βυτίο είναι στο ελάχιστο οι κάτωθι (Sandrou & Arvanitoyiannis, 2000; Tamime & Robinson, 2004): μέτρηση θερμοκρασίας του νωπού γάλακτος με τιμή μικρότερη από 10 ο C. προσδιορισμός της οξύτητας του γάλακτος με ph μέτρο ανά δεξαμενή του βυτίου. Η τιμή του ph στο γάλα είναι μεταξύ 6,4-6,7. Τιμές πιο μικρές από 6,4 δηλώνουν ξίνισμα στο γάλα ενώ πιο μεγάλες από 7 δείχνουν γάλα με μαστίτιδα, είτε προσθήκη ουσίας (σόδας) για μείωση στο ξίνισμα. μικροβιολογικός έλεγχος για τον ορισμό της «Ολικής Μικροβιακής Χλωρίδας». μικροβιολογικός έλεγχος για παρουσία αντιβιοτικών στο γάλα. μικροβιολογικός έλεγχος για την παρουσία τοξινών στο γάλα. μέτρηση αριθμού των σωματικών κυττάρων στο γάλα. Εκτός από τους βασικούς ελέγχους αποδοχής διενεργούνται επιπλέον και συχνοί έλεγχοι για τον υπολογισμό της σύστασης του γάλακτος σε λίπος και πρωτεΐνες. Για την παρουσία στο γάλα άλλων μη χρησίμων ουσιών διενεργούνται περιοδικές εξετάσεις κυρίως σε περιπτώσεις 15

29 υπόνοιας για ύπαρξη αυτών στο γάλα. Οι δειγματοληψίες αυτές που γίνονται συστηματικά για την αξιολόγηση της ποιότητας του γάλακτος εντάσσονται στα πλαίσια προαπαιτούμενων προγραμμάτων και αποτελούν τυποποιημένες διαδικασίας στην βιβλιογραφία (Ali & Fischer, 2005). Όπως φαίνεται και από την ανάλυση που έγινε, η διαδικασία της μεταφοράς του γάλακτος από τις μονάδες στην βιομηχανική εγκατάσταση είναι μια κρίσιμη διαδικασία και πολλοί έλεγχοι επιτελούνται ως μέρος αυτής. Για το λόγο αυτό το βήμα αυτό συνιστά ένα βασικό κριτήριο στο μοντέλο που αναπτύσσεται στην παρούσα μελέτη. Μετά την αναλυτική περιγραφή των επιμέρους βημάτων στο πρώτο στάδιο, ακολουθεί η πιο αναλυτική εξέταση των βημάτων για την επεξεργασία του γάλακτος στην κεντρική μονάδα. Κατά την μεταφορά του γάλακτος, η κρίσιμη μεταβλητή επίδρασης είναι η θερμοκρασία περιβάλλοντος που έχει άμεση επίδραση στην τελική ποιότητα. Έτσι, θερμοκρασία πάνω από 10 ο C κρίνεται απαγορευτική, ενώ όσο πιο χαμηλή τόσο καλύτερη είναι η τελική ποιότητα. Στα πλαίσια αυτά ορίζονται και τα κριτήρια επίδρασης στην τελική ποιότητα Διήθηση νωπού γάλακτος Πριν υποστεί οποιαδήποτε επεξεργασία το νωπό γάλα, θα πρέπει να απομακρυνθούν οι χονδροειδείς ακαθαρσίες, που αποτελούν και βασική πηγή μολύνσεως του γάλακτος. Τέτοιου τύπου ακαθαρσίες είναι συνθέτως σκόνη, κόπρανα από τα ζώα, τρίχες, σπόροι από τις ζωοτροφές και άλλα σώματα. Η διήθηση επομένως είναι η διαδικασία για την απομάκρυνση όλων των ακαθαρσιών και μπορεί να γίνει με μηχανικό καθαρισμό. Θα πρέπει όμως να προηγηθεί μια διαδικασία που ονομάζεται προ-διήθηση και έχει ως στόχο την απομάκρυνση των μεγάλων χονδροειδών ουσιών (Ανυφαντάκης & Καλαντζόπουλος, 1993). Στη φάση αυτή (προ διήθηση) χρησιμοποιούνται διάφοροι τύποι υφασμάτινων ή πλαστικών φίλτρων ώστε να απομακρύνονται οι μεγάλες σε όγκο ουσίες. Η σημασία της φάσης αυτής από μικροβιολογικής πλευράς δεν είναι ξεκάθαρη, διότι πολλοί μικροοργανισμοί που βρίσκονται στις ακαθαρσίες διαπερνούν το φίλτρο και καταλήγουν τελικά γάλα. Βέβαια το αποτέλεσμα εξαρτάται από το είδος του φίλτρου και την ταχύτητα της διαδικασίας. Τονίζεται ότι μια πηγή μόλυνσης συνιστά το ίδιο το φίλτρο (αυτό μπορεί να είναι αποστειρωμένο ή καθαρό ή βρώμικο) (Καλαϊτζής, 2011). 16

30 Μετά τη φάση της προ διήθησης ακολουθεί ο μηχανικός καθαρισμός του γάλακτος. Ο μηχανικός καθαρισμός γίνεται μέσω μιας μηχανής που κάνει χρήση της φυγόκεντρου, περιστρέφεται με 4000 στροφές ανά λεπτό, ώστε το γάλα διέρχεται απαλλαγμένο όχι μόνο από τις χονδροειδείς μεγάλες ακαθαρσίες αλλά και από μικρόβια και σπόρια αυτών. Όλες αυτές οι ουσίες αποβάλλονται με την μορφή λάσπης (Ανυφαντάκης & Καλαντζόπουλος, 1993) Προσωρινή αποθήκευση σε δεξαμενές Το γάλα, μετά την διαδικασία της διήθησης, αποθηκεύεται σε μεγάλες ανοξείδωτες δεξαμενές και ψύχεται σε θερμοκρασία 4-5 ο C όποτε και διατηρείται. Η διαδικασία αυτή θεωρείται αναγκαία καθώς σε αυτή την θερμοκρασία δεν υπάρχει πολλαπλασιασμός των μικροοργανισμών που μπορεί να έχουν μείνει στο γάλα. Αυτή η θερμοκρασία αποτρέπει τον πολλαπλασιασμό βακτηρίων, όπως είναι το bacillus cereus 6 και listeria monocytogenes 7. Στην φάση αυτή το γάλα παραμένει για ώρες το πολύ. Προωθείται στη συνέχεια για περαιτέρω επεξεργασία, τονίζεται όμως ότι στις ελληνικές βιομηχανίες και με βάση την παρούσα νομοθεσία το γάλα οδηγείται όσο το δυνατόν πιο σύντομα προς επεξεργασία (Christiansson, 1992; Mauropoulos & Arvanitoyannis, 1999). Όπως είναι φανερό, η παράμετρος επίδρασης αποτελεί η ώρα παραμονής όπου ανεκτά όρια είναι οι ώρες με τιμές πάνω από αυτές να είναι περιοριστικές, ενώ το βέλτιστο είναι η όσο το δυνατόν λιγότερη παραμονή Τυποποίηση Με την διαδικασία αυτή γίνεται αναφορά στο διαχωρισμό του μέρους γάλακτος, την απομάκρυνση της κρέμας γάλακτος και την επανακυκλοφορία της κρέμας γάλακτος στην δεξαμενή αποθήκευσης. Το στάδιο της τυποποίησης είναι το πλέον σημαντικό καθώς μέσω αυτού του βήματος ορίζεται και ο τύπος (πλήρες και χαμηλών λιπαρών περιεκτικότητας) και η σύσταση του γάλακτος σε % ΣΥΑΛ (Στερεό Υπόλειμμα Άνευ Λίπους). Με άλλα λόγια, εδώ γίνεται η προετοιμασία του μίγματος, βάση του οποίου θα οριστεί και η σύσταση του προϊόντος. 6 (22/04/2015). 7 (22/04/2015). 17

31 Στη συνέχεια, το γάλα οδηγείται σε δεξαμενές ανάμιξης όπου και ορίζεται η τυποποίηση του σύμφωνα με τους κανονισμούς της νομοθεσία. Στο τέλος αυτού του βήματος βέβαια πραγματοποιείται έλεγχος της σύστασης του μίγματος και αντιστοίχηση του μίγματος με τις προδιαγραφές που έχουν προκαθοριστεί (Law, 1997) Ομογενοποίηση Το γάλα μετά την διαδικασία της τυποποίησης οδηγείται στον ομογενοποιητή για την διαδικασία της ομογενοποίησης. Εκεί πραγματοποιείται μέσω επεξεργασίας η διασπορά και κατανομή του λίπους σε όλη τη ποσότητα του προϊόντος. Μέσα από την διαδικασία της ομογενοποίησης επιτυγχάνεται η διάσπαση των λιπαρών σφαιρίων του γάλακτος σε πολύ μικρότερο μέγεθος από το αρχικό τους και η ταυτόχρονη κατανομή τους σε όλη των μάζα του προϊόντος. Με αυτό τον τρόπο αποφεύγεται ο σχηματισμός μιας στοιβάδας λίπους (πέτσας) στην επιφάνεια του τελικού προϊόντος. Η διαδικασία πραγματοποιείται σε δύο στάδια, το πρώτο σε πίεση 15MPa και το δεύτερο σε 4MPa με χαμηλότερη επίδραση στην ποιότητα (Varnam & Sutherland,1996; Law, 1997;Arvanitoyannis et al., 2001). Συνεπώς, τα δυο όρια που χαρακτηρίζουν την ποιότητα είναι οι βαθμοί πίεσης, ως εκ τούτου αυτοί πρέπει να λαμβάνονται υπόψη κατά την διαδικασία της αξιολόγησης αυτής Παστεριωση Το συγκεκριμένο στάδιο θεωρείται ένα από τα πιο σημαντικά στην παραγωγική διαδικασία του γάλακτος για διάφορους λόγους. Μέσα από την διαδικασία της θερμικής επεξεργασίας (παστερίωσης) επιτυγχάνεται η καταστροφή των παθογόνων μικροοργανισμών που έχουν απομένει στο τελικό προϊόν. Η θερμική επεξεργασία είναι επίσης αναγκαία για τη δομή και την υφή του τελικού προϊόντος. Πρόσθετα μέσω της παστερίωσης παρέχεται η δυνατότητα στους χρήσιμους μικροοργανισμούς να αναπτυχθούν σε ένα ευνοϊκότερο για αυτούς περιβάλλον, βελτιώνοντας τις θρεπτικές ιδιότητες του γιαουρτιού. Το γάλα από τον ομογενοποιητή όπως αναφέρθηκε στο προηγούμενο βήμα κατευθύνεται στο σύστημα παστερίωσης όπου και θερμαίνεται στους 85 ο C για 30 λεπτά. Εναλλακτικά αυτής της διαδικασίας δύναται να γίνει θέρμανση στους ο C για 5 λεπτά, το οποίο συνηθίζεται από αρκετές βιομηχανίες για μείωση 18

32 του χρόνου της διαδικασίας. Όπως γίνεται κατανοητό, οι θερμοκρασίες είναι υψηλότερες από αυτές που ορίζονται στη νομοθεσία και οι οποίες είναι 63 ο C για 30 λεπτά (θερμοκρασία χαμηλής παστερίωσης) ή 72 ο C για 15sec (υψηλή παστερίωση). Κάτω από τις θερμοκρασίες που ακολουθούνται στην πράξη καταστρέφονται όλες οι μορφές παθογόνων και μη μικροοργανισμών και σε μερικές περιπτώσεις ακόμη και σπόρια και ένζυμα. Κατά τη διάρκεια της διαδικασίας της παστερίωσης μέσω ειδικών αντλιών ροής επιτυγχάνεται η εξασφάλιση σταθερής ροής γάλακτος προς μια κατεύθυνση ώστε να αποφευχθεί η αντίστροφη διαδικασία της ανάμιξης του παστεριωμένου γάλακτος με απαστερίωτο (Varnam & Sutherland, 1996). Διαπιστώνεται ότι η παράμετρος αυτή είναι η πλέον συζητημένη αναφορικά με την επίδραση της στην τελική ποιότητα. Το βέλτιστο είναι η διαδικασία να γίνεται σε χαμηλή θερμοκρασία (72 ο C) για περισσότερο χρόνο, αλλά οι γαλακτοβιομηχανίες προτιμούν την υψηλή θερμοκρασία για μια πιο γρήγορη διαδικασία Αποθήκευση Γάλακτος στην Κεντρική Μονάδα Αποτελεί ένα ενδιάμεσο στάδιο στην διαδικασία όπου η αποθήκευση του ψυχρού γάλακτος μετά από την παστερίωση γίνεται για χρονικό διάστημα έως 12 ωρών. Καμία περαιτέρω επεξεργασία δεν παρατηρείται πριν την συσκευάσει του γάλακτος που αποτελεί το επόμενο βήμα εξέτασης. Όποτε η διαδικασία αυτή αποτελεί μόνο ένα ενδιάμεσο στάδιο και δεν χρήζει περαιτέρω εξέτασης ως μέρος ενός σύνθετου μοντέλου αξιολόγησης της ποιότητας (Dijkers et al., 1995). Ο χρόνος παραμονής είναι ο παράγοντας επίδρασης στην τελική ποιότητα του προϊόντος. Μετά από 12 ώρες η ποιότητα χαρακτηρίζεται ως χαμηλή, ενώ όσο πιο σύντομος είναι ο χρόνος παραμονής τόσο μικρότερη η επίδραση στην τελική ποιότητα Συσκευασία του γάλακτος Η συσκευασία εξετάζεται σε συνδυασμό με την διακίνηση των διαφόρων προϊόντων. Η παραγωγή κάποιου προϊόντος, όπως γεωργικά, ποτά κ.λπ., εξαρτάται σε μεγάλο βαθμό από τη μέθοδο συσκευασίας που υιοθετείται. Από την άλλη μεριά, η τεχνική της διακίνησης και κυρίως η μεταφορά του τελικού προϊόντος, από το μέρος παραγωγής στο τόπο κατανάλωσης, προϋποθέτει την βέλτιστη «μονοδοποίηση» των συσκευασμένων προϊόντων. Η παραγωγή των 19

33 μονάδων συσκευασίας (χαρτί, χαρτόνι, πλαστικό, γυαλί, λευκοσίδηρο και αλουμίνιο) αποτελεί μια από τις βασικές δραστηριότητες της Ελληνικής βιομηχανίας και η συμβολή τους είναι σημαντική για την συσκευασία του γάλακτος σαν τελικό προϊόν (Μέγα, 2012). Διάφορα προϊόντα όπως γάλα, λάδι, χυμοί κ.λπ. οφείλουν την αύξηση της παραγωγής τους στην ανάπτυξη και εξέλιξη της τεχνολογίας της συσκευασίας. Σημαντική επομένως είναι η συμμετοχή της συσκευασίας ως τεχνολογία στον τριτογενή τομέα της οικονομίας, δηλαδή σε αυτόν τον τομέα της παροχής υπηρεσιών. Από την περίοδο τα ποσοστά διάκρισης των υλικών συσκευασίας στη συνολική παραγωγή δεν παρουσιάζουν σημαντικές τροποποιήσεις εκτός των ποσοστών του χαρτιού, του λευκοσιδήρου και αλουμινίου, τα οποία σημείωσαν μια αξιοπρόσεκτη διακύμανση. Αντίθετα, τα ποσοστά συσκευασίας από γυαλί και πλαστικό παραμένουν σχεδόν αμετάβλητα. Πιο συγκεκριμένα, τα ποσοστά της συσκευασίας από χαρτί από 40,7% αυξήθηκε σε 43,9%, της συσκευασίας από λευκοσίδηρο από 25% μειώθηκε σε 19% και της συσκευασίας από αλουμίνιο αυξήθηκε από 0,5% σε 4,7% (Μέγα, 2012). Αναφορικά με την κατηγορία του γάλακτος στην Ελλάδα, η δημοφιλέστερη συσκευασία φρέσκου γάλακτος είναι η χάρτινη και συγκεκριμένα η «σύνθετη χάρτινη συσκευασία». Η σύνθετη χάρτινη συσκευασία είναι ένα κουτί φτιαγμένο από ειδικό χαρτί το οποίο ορίζεται ως composite 8 ή laminate 9. Το χαρτί αυτό αποτελεί μια σύνθετη χάρτινη συσκευασία και περιλαμβάνει χαρτόνι υψηλής ποιότητας (μη ανακυκλωμένο), φύλλα αλουμινίου και πλαστικού, τα οποία είναι ενωμένα μεταξύ τους υπό πίεση. Όλα αυτά τα υλικά συνδυασμένα προσδίδουν πολλά πλεονεκτήματα σε αυτού του είδους τη συσκευασία. Η συσκευασία αυτή χρησιμοποιείται για το φρέσκο παστεριωμένο γάλα και είναι ανθεκτικό για τρεις μέρες σε καλή κατάσταση. Η τελική διαμόρφωση της συσκευασίας αποτελείται από δύο στάδια. Το πρώτο στάδιο είναι η σύνθεση και παραγωγή του χαρτιού και το δεύτερο στάδιο είναι η τεχνολογία που χρησιμοποιείται για την μορφοποίηση του σύνθετου χαρτιού σε κουτί ως μέρος του τελικού προϊόντος. Σε αυτή τη φάση δύναται να πραγματοποιηθεί και η γέμιση του κουτιού με το φρέσκο γάλα. Σε γενικές γραμμές αυτή διαδικασία ακολουθείται αν και κάθε εταιρεία μεταβάλλει την τεχνολογία συσκευασίας ανάλογα με τα διαθέσιμα μηχανήματα (Μέγα, 2012). 8 σύνθετα υλικά προκύπτουν συνδυάζοντας δύο ή περισσότερα φυσικά ή τεχνητά υλικά χρήσιμα για να μεγιστοποιήσουν τις ιδιότητές τους και να ελαχιστοποιήσουν τις αδυναμίες τους 9 δύο ή περισσότερα φύλλα του υλικού μαζί σε ένα φύλλο πλαστικού, το οποίο είναι ουσιαστικά μόνο ένα υλικό που αποτελείται από στρώσεις 20

34 Τα τελευταία χρόνια παρατηρείται μια στροφή των ελληνικών γαλακτοβιομηχανιών προς την πλαστική συσκευασία και για το φρέσκο γάλα ενώ αρχικά η προσέγγιση αυτή έγινε με τα φρέσκα σοκολατούχα γάλατα. Τα βασικά πλεονεκτήματα της νέας αυτής συσκευασίας είναι ότι η πλαστική συσκευασία είναι πιο ανθεκτική, δεν σπάει εύκολα και δεν εμφανίζονται διαρροές στο τελικό προϊόν. Επίσης, είναι προτιμότερη και για αισθητικούς λογούς αφού η πλαστική συσκευασία με το σταθερό σχήμα είναι ελκυστική για τον καταναλωτή και μπορεί να χρησιμοποιηθεί αφού τελειώσει το προϊόν, για τη φύλαξη άλλων υγρών. Παράλληλα, με την πλαστική συσκευασία υπάρχει δυνατότητα σημαντικής ανάκτησης σε ενέργεια. Στα βασικά μειονεκτήματα να τονίσουμε το σχήμα μπουκαλιού που καταλαμβάνει πολύ χώρο και δυσκολεύει τη μεταφορά ενώ παράλληλα οι μεγάλες ποσότητες πλαστικών προϊόντων επιβαρύνουν το περιβάλλον με αρνητικό αντίκτυπο για αυτό (Παρλιάρου, 2005). Δεν υπάρχουν δεδομένα επίδρασης στη ποιότητα από την συσκευασία. Επομένως, για την εξαγωγή του ποιοτικού κριτήριου λαμβάνονται υπόψη οι προτιμήσεις των κατάλαλων από δημοκοπικές προσεγγίσεις. Με βάση τις προτιμήσεις των τελικών καταναλωτών, η γυάλινη συσκευασία είναι η προτιμητέα με την χάρτινη και την πλαστική να έπονται (Παρλιάρου, 2005; Μυλωνά, 2006) Διανομή του γάλακτος Οι εταιρίες οι οποίες δραστηριοποιούνται στον κλάδο των προϊόντων γάλακτος παρουσιάζουν σημαντική ανομοιογένεια ως προς το μέγεθος τους και κατ επέκταση ως προς τον τρόπο οργάνωσης του δικτύου διανομής. Τα προϊόντα διατίθενται στην ελληνική αγορά μέσω διαφόρων καναλιών διανομής, τα οποία διαφοροποιούνται ως προς το μέγεθος και τη δομή. Τα κανάλια αυτά διακρίνονται εταιρίες διανομών, σε τοπικούς αντιπροσώπους, σε αλυσίδες σούπερ-μάρκετ και καταστημάτων, καθώς και σε μικρά σημεία πώλησης. Συγκεκριμένα για το παστεριωμένο γάλα, οι μεγάλες εταιρίες παραγωγής γάλακτος εξασφαλίζουν αναγκαστικά την συνεργασία με μικρότερες μονάδες για να καλύψουν ολόκληρη σχεδόν την ελληνική αγορά. Οι συνεργασίες αυτές καθίστανται αναγκαίες για την κάλυψη περιοχών που απέχουν σημαντικά από τις κεντρικές μονάδες παραγωγής, καθώς το παστεριωμένο γάλα αποτελεί ευπαθές προϊόν και η μεταφορά του χρήζει υλοποίησης εντός συγκεκριμένου χρονικού πλαισίου. Από την άλλη μεριά, τα κανάλια διανομής των προϊόντων γάλακτος των μικρότερου μεγέθους επιχειρήσεων 21

35 και των αντιστοίχων συνεταιριστικών ενώσεων καλύπτουν μόνο σχεδόν τις τοπικές αγορές στις οποίες είναι η έδρα τους (Παρλιάρου, 2005). Ένα μεγάλο μέρος των πωλήσεων γαλακτοκομικών προϊόντων συντελούνται μέσω των αλυσίδων σούπερ-μάρκετ. Το γεγονός αυτό οφείλεται στη ποικιλία προϊόντων που διαθέτουν, καθώς και στις τιμές στις οποίες προσφέρονται τα προϊόντα γάλακτος. Ένα ποσοστό της τάξης του 45%-50% των πωλήσεων παστεριωμένου γάλακτος προέρχεται από τα σούπερ-μάρκετ, σύμφωνα με εκτιμήσεις στις μεγαλύτερες εταιρίες του κλάδου. Τα μικρά σημεία πώλησης συγκεντρώνουν πιο μικρά ποσοστά στις συνολικές πωλήσεις προϊόντων, απαιτούν μια βασική επένδυση κεφαλαίου από τις εταιρίες (ψυγεία διατήρησης) αλλά εξασφαλίζουν άμεση είσπραξη από μικρά σημεία διανομής. Ο ανταγωνισμός ανάμεσα στην διανομή των προϊόντων είναι τόσο μεγάλος, ώστε ένα βασικό μέσο προώθησης των προϊόντων είναι η τοποθέτηση των προϊόντων τους στα ράφιαψυγεία των καταστημάτων τους. Οι εκπτώσεις που παρέχουν οι μεγάλες επιχειρήσεις του γαλακτοκομικού κλάδου στα καταστήματα λιανικής διαφέρουν ανάλογα με το είδος της συμφωνίας αλλά το εύρος κυμαίνεται μεταξύ 20%-25% επί της χονδρικής τιμής για τις αλυσίδες σούπερ-μάρκετ, και μεταξύ του 10%-30% για τα μικρά σημεία πώλησης. Σχήμα 2.1: Αυτόματος πωλητής γάλακτος. Πηγή: 22

36 Μια μεγάλη καινοτομία που έχει κάνει την εμφάνιση της στην Ελλάδα είναι οι αυτόματοι πωλητές γάλακτος που αποτελεί ένα τελείως διαφορετικό κανάλι διάθεσης του προϊόντος. Στην περίπτωση αυτή που ξεκίνησε από την περιοχή της Λάρισας, τοπικοί παραγωγοί διαθέτουν τα προϊόντα τους σε ειδικούς χώρους. Το γάλα παρέχεται χύμα και όχι σε συσκευασία, οπότε ο καταναλωτής δύναται είτε να γεμίσει γυάλινη ή πλαστική φιάλη που διατίθεται σε μηχάνημα παραπλεύρως του αυτόματου πωλητή είτε να τοποθετήσει το γάλα σε δικό του μπουκάλι. Σε μικρές διάστασης (80x100cm) ορίζεται μια δεξαμενή 300L. Το σύστημα ελέγχου που διαθέτει κάνει την διαφορά και το καθιστά αξιόπιστο. Το Σχήμα 2.1 παρουσιάζει μια ενδεικτική διάταξη αυτομάτου πωλητή. Σε ότι αφορά τις τιμές, αναφέρεται ότι το 1L στοιχίζει 1 και το μισό λίτρο 0,5, ενώ με τη χρήση προπληρωμένης κάρτας το 1L στοιχίζει 0,9. Οι τιμές των μπουκαλιών είναι 0,20 το πλαστικό μιας χρήσης και 0,50 το γυάλινο, πολλών χρήσεων μπουκάλι 10. Με τον τρόπο αυτό επομένως δίνεται η δυνατότητα περιορισμού του κόστους αφού τόσο το κόστος συσκευασίας όσο και αυτό της διανομής περιορίζεται σημαντικά. Ο χρόνος λοιπόν είναι η βασική παράμετρος επίδρασης της ποιότητας που σχετίζεται με την τελική ποιότητα. Η άμεση διανομή (1-2 ημέρες) είναι η βέλτιστη, ενώ μετά τις 4 ημέρες η ποιότητα του γάλακτος είναι χαμηλότερη. 2.4 Διαδικασίες ποιοτικού ελέγχου Μετά την αναλυτική περιγραφή των επιμέρους στοιχείων που συνθέτουν τη συνολική αλυσίδα για την παραγωγή του γάλακτος, γίνεται η αναφορά στις διαδικασίες ποιοτικού ελέγχου που εφαρμόζονται στην γαλακτοβιομηχανία. Η αναφορά στην παρούσα μελέτη γίνεται στις βασικές τυποποιημένες διαδικασίες που είναι υποχρεωμένες να τηρούν οι μεγάλες εταιρίες. Αρχικά, γίνεται αναφορά στην ευρύτατα διαδεδομένη τεχνική ποιοτικής εξέτασης τροφίμων HACCP ενώ στην συνέχεια γίνεται η αναφορά στο ISO 9001 για την διασφάλιση της ποιότητας των τροφίμων (Κατσαμπάνης, 2003) (11/05/2015). 23

37 2.4.1 Εισαγωγή στην μέθοδο HACCP Το HACCP (Hazard analysis and critical control points) αποτελεί μια προσέγγιση στην αναγνώριση, εκτίμηση και έλεγχο των υγειονομικών κινδύνων που συνδέονται με την παραγωγή τροφίμων. Είναι μια μέθοδος που επικεντρώνεται στον έλεγχο της αιτίας του προβλήματος ασφαλείας των τροφίμων. Το σύστημα αυτό προτείνεται για επιχειρήσεις που δραστηριοποιούνται σε τομείς όπως παρασκευή, παραγωγή, συσκευασία, αποθήκευση, μεταφορά, διανομή και προσφορά προς πώληση μεταξύ άλλων βασικών τροφίμων (Αρβανιτογιάννης, 2001). Το νέο πρότυπο για την ασφάλεια των τροφίμων ISO που εισήχθη το 2005 εισαγάγει τις βασικές αρχές και την ολική μεθοδολογία του HACCP συστήματος ώστε να ορίζεται μια standardized μεθοδολογία αξιολόγησης της ποιότητας. Πρόκειται για το πρότυπο ISO 22000:2005 το οποίο είναι το πρότυπο σε διεθνές επίπεδο για συστήματα διαχείρισης της ασφάλειας των τροφίμων. Στην Ελλάδα ο Ελληνικός Οργανισμός Τυποποίησης (ΕΛΟΤ), έχει εκδώσει το πρότυπο 1416 για την τήρηση του HACCP πρότυπου από τις επιχειρήσεις που δραστηριοποιούνται στο κλάδο των τροφίμων (Τσαρουχας, 2005) Λεπτομερής περιγραφή μεθόδου HACCP Με βάση τη λογική της μεθόδου ISO 22000:2005, η συνεργασία σε μήκος της αλυσίδας των επιχειρήσεων που δραστηριοποιούνται στο χώρο των τροφίμων καθίσταται απαραίτητη προκειμένου να υπάρξει η δυνατότητα καθορισμού των πιθανών κινδύνων που απειλούν την ασφάλεια στα τρόφιμα. Έτσι, με βάση την διασύνδεση αυτή, όλοι οι ενδιάμεσοι από τους παραγωγούς ως τους τελικούς διανομείς θα πρέπει να ακολουθούν το ενιαίο πρότυπο. Μια σημαντική καινοτομία στο ISO θεωρείται και η παρουσία των προαπαιτούμενων προγραμμάτων (PRP s) ως βασικό στοιχείο στην εφαρμογή του HACCP. Οι κατηγορίες των προαπαιτούμενων προγραμμάτων περιγράφονται στην συνέχεια ενώ σε κάθε σημείο τονίζεται η από κοινού συμμετοχή τους με το HACCP στην επιτυχή ανάπτυξη ασφαλών τροφίμων και προϊόντων. Να σημειωθεί ότι απαίτηση του νέου προτύπου είναι η παρακολούθηση της αποτελεσματικότητας των εφαρμοζόμενων προαπαιτούμενων προγραμμάτων και του σχεδίου HACCP. Οπότε η συνολική προσέγγιση αποτυπώνεται στο Σχήμα 2.2 (Cullor, 1997). 24

38 Σχήμα 2.2: Τυποποίηση ISO Πηγή: Τσαρούχας, 2006 Διαφαίνεται ότι η εφαρμογή ενός συστήματος υγιεινής και ασφάλειας (HACCP) δεν είναι δυνατόν από μόνη της να δώσει αποτελέσματα αναφορικά με την αντιμετώπιση των διαφόρων κατηγοριών κινδύνων που απειλούν την ασφάλεια των τροφίμων. Απαιτείται η εξέταση ορισμένων PRP s με σκοπό τη προετοιμασία του εδάφους και την ενίσχυση του βαθμού επιτυχίας ενός σχεδίου HACCP (Wallace & Williams, 2001). Στο σημείο αυτό παρατίθεται μια καταγραφή των κατηγοριών των PRP s, που δύνανται να εφαρμοστούν σε μια βιομηχανία παραγωγής γάλακτος. Τα συγκεκριμένα προγράμματα ορίζουν τις απαιτήσεις που πρέπει να προϋπάρχουν προς αποτελεσματική λειτουργία του συστήματος HACCP. Η ορθή χρήση αυτών των προγραμμάτων πρέπει να εξασφαλίζεται μέσω τακτικών ελέγχων ενώ σε περίπτωση αστοχιών είναι αναγκαίο να εκτελούνται διορθωτικές ενέργειες. Τα PRP s πρέπει να επιθεωρούνται μαζί με τα Critical control points (που συνθέτουν την καρδιά της HACCP μεθοδολογίας) κατά τη διενέργεια εσωτερικών ή εξωτερικών επιθεωρήσεων. Η αναλυτική περιγραφή των προγραμμάτων PRP s εμφανίζονται στον Πίνακα που ακολουθεί (Ζερφυρίδης & Λιτοπούλου-Τζανετάκη, 1988). Μετά την αναφορά στα προαπαιτούμενα γίνεται ανάλυση στο HACCP που αποτελεί την βάση της διαδικασίας αξιόλογης. Το πρόγραμμα HACCP αποτελεί μια προσέγγιση αναγνώρισης, εκτίμησης της επικινδυνότητας, καθώς και ελέγχου των βιολογικών, φυσικών και χημικών κινδύνων σε όλα τα στάδια παραγωγής ενός τροφίμου, από τη συλλογή των πρώτων υλών έως την τελική κατανάλωση. Το HACCP είναι ένα σύστημα διασφάλισης της ποιότητας στα τρόφιμα, που ανιχνεύει κινδύνους και εντοπίζει τα Κρίσιμα Σημεία Ελέγχου (CCPs) τα οποία χρήζουν ελέγχου (Τσαρουχας, 2005). 25

39 Πίνακας 2.4: Γενικά Προαπαιτούμενα στη Παραγωγή Γάλακτος. # Περιγραφή 1 Κανόνες Ορθής Βιομηχανικής Πρακτικής (GMP) και Ορθής Υγιεινής Πρακτικής (GHP) 2 Εγκαταστάσεις Γαλακτοβιομηχανίας 3 Εξοπλισμός 4 Παροχή Νερού 5 Παραλαβή και χειρισμός πρώτων υλών-υλικών συσκευασίας 6 Διαδικασία Ανακλήσεων Προϊόντων 7 Υγιεινή και Εκπαίδευση του προσωπικού 8 Πρόληψη διασταυρούμενης μόλυνσης (cross contamination) 9 Μεταφορά και Αποθήκευση 10 Καθαρισμός και Εξυγίανση 11 Έλεγχος παράσιτων και τρωκτικών 12 Διαχείριση Αποβλήτων Πηγή: HACCP, 2001 Το σύστημα HACCP τονίζει επομένως τη σημασία που έχει η συνεχή πρόγνωση και επίλυση προβλημάτων, και πως δεν πρέπει ο έλεγχος να περιορίζεται στις επιθεωρήσεις από τις κρατικές υπηρεσίες για τη διαπίστωση της απώλειας ελέγχου. Ολοένα και περισσότερο το HACCP γίνεται μέρος των σχεδίων διασφάλισης της ασφάλειας των εταιριών τροφίμων σε όλο τον κόσμο επικεντρώνοντας την προσοχή στα CCPs. Αν και το HACCP εφαρμόζεται στο μέρος της παραγωγικής διαδικασίας, είναι απαραίτητη η επέκταση της εφαρμογής σε όλα τα επιμέρους τμήματα της βιομηχανίας τροφίμων, από την ανάπτυξη, τη προ-κατεργασία, τη διανομή και την αποθήκευση των τελικών προϊόντων. Η εφαρμογή προγραμμάτων HACCP συμβάλει παράλληλα στην αξιοποίηση των οικονομικών πόρων μιας εταιρίας δεδομένης της γρηγορότερης ανταπόκρισης σε προβλήματα. Επιπλέον, μπορεί να βοηθήσει τη διαδικασία των επιθεωρήσεων από κρατικές υπηρεσίες λόγω της τυποποίησης στις διαδικασίες ελέγχου. Οι αρχές της HACCP αποτυπώνονται κάτωθι βάσει της έκδοσης της NACMCF (Van Schothorst, 1994) προς κατανόηση της σύνθεσης του τελικού πρότυπου: 26

40 Αρχή 1 η : Προσδιορισμός των πιθανών κινδύνων που σχετίζονται με την παραγωγή των προϊόντων σε όλα τα στάδια της διαδικασίας. Αξιολόγηση της πιθανότητας εμφάνισης του κίνδυνου και της σοβαρότητας αυτού και προσδιορισμός προληπτικών μέτρων. Αρχή 2 η : Προσδιορισμός των φάσεων λειτουργίας, που δύναται να ελεγχθούν, για να εξαφανίσουν έναν κίνδυνο ή να μειώσουν την πιθανότητα εμφάνισης του. Αρχή 3 η : Ορισμός των κρίσιμων ορίων, που πρέπει να ικανοποιούνται, προς εξασφάλιση κάθε CCP βρίσκεται υπό έλεγχο. Τα κρίσιμα όρια είναι η βασική παράμετρος εξέτασης στο HACCP σύστημα αφού ορίζει ακριβώς τα κρίσιμα όρια εξέτασης στην διαδικασία. Αρχή 4 η : Εγκατάσταση του συστήματος monitoring των CCPs προς ρύθμιση της παραγωγής και διατήρηση αυτής υπό έλεγχο. Είναι απαραίτητη η διαμόρφωση ενός προγράμματος για την παρακολούθηση κάθε CCP χωριστά παρά το γεγονός ότι μια παράμετρος έχει άμεση επίδραση σε κάποια άλλη. Αρχή 5 η : Ορισμός των διορθωτικών ενεργειών που πρέπει να πραγματοποιούνται όταν το σύστημα παρακολούθησης δείχνει ότι κάποιο CCP βρίσκεται εκτός ελέγχου, δηλαδή αποκλίνει από ένα κρίσιμο όριο. Οι διορθωτικές ενέργειες προσδιορίζονται σαφώς κατά την ανάπτυξη του σχεδίου HACCP και ορίζονται παράλληλα οι υποχρεώσεις του προσωπικού. Αρχή 6 η : Εγκατάσταση συστήματος αρχειοθέτησης και καταγραφής του HACCP σχεδίου. Είναι σημαντική η αρχειοθέτηση από τη βιομηχανία ώστε να διευκολύνεται η διαδικασία ανίχνευσης στη περίπτωση που αυτό κριθεί απαραίτητο. Με τον τρόπο αυτό παράλληλα διευκολύνεται η διεξαγωγή επιθεωρήσεων από κρατικές υπηρεσίες. Αρχή 7 η : Η επαλήθευση και ο έλεγχος είναι ένα βήμα για την αξιολόγηση της διαδικασίας. Ο προσδιορισμός των διαδικασιών επαλήθευσης επιβεβαιώνει ότι το σύστημα λειτουργεί σωστά. Η διαδικασία της επαλήθευσης περιλαμβάνει τον έλεγχο των αρχείων, και των φυσικών και χημικών αναλύσεων. Το δυσκολότερο στάδιο της μελέτης είναι ο προσδιορισμός της επικινδυνότητας των κινδύνων και ο καθορισμός των CCPs που είναι οι βασικές παράμετροι εξέτασης στο σύστημα HACPP. Για τον λόγο αυτό μια λεπτομερής ανάλυση των δυνητικών CCPs ορίζεται στην συνέχεια. 27

41 Σύμφωνα με τη NACMCF (1994) ένα Κρίσιμο Σημείο Ελέγχου (CCP) ορίζεται «το σημείο στο οποίο μπορεί να εφαρμοστεί έλεγχος και να προληφθεί, να εξαφανιστεί ή να μειωθεί σε αποδεκτά όρια ένας κίνδυνος της ασφάλειας τροφίμων». Η απώλεια ελέγχου σε ένα CCP μπορεί να οδηγήσει σε επικινδυνότητα για την ασφάλεια της υγείας. Τα CCPs ορίζονται σε κάθε σημείο της ροής διαδικασιών της παραγωγής, όπου πρέπει να εξαφανίζονται ή να μειώνονται σε επιτρεπτά όρια οι διάφοροι κίνδυνοι της ασφάλειας του τροφίμου. Ο προσδιορισμός των CCPs επομένως σε μια βιομηχανία τροφίμων πρέπει να γίνεται με μεγάλη προσοχή. Τα CCPs πρέπει να ορίζονται μόνο με στόχο την ασφάλεια τροφίμων και δεν πρέπει να συγχέονται με τα Σημεία Ελέγχου που δεν σχετίζονται με την ασφάλεια και κατά συνέπεια δεν συμπεριλαμβάνονται σε ένα πρότυπο HACCP (Τσαρουχας, 2005). Ο αριθμός των CCPs σε ένα προϊόν εξαρτάται από την πολυπλοκότητα της παραγωγικής διαδικασίας. Έτσι, εγκαταστάσεις που παράγουν το ίδιο τρόφιμο μπορεί να έχουν διαφορές τόσο στις επικινδυνότητες και κατ επέκταση στον ορισμό στα CCPs. Για τον προσδιορισμό των CCPs σε κάθε εγκατάσταση γίνεται χρήση του διαγράμματος αποφάσεων που ορίζει αν μια διεργασία είναι κρίσιμη για τη παραγωγή του προϊόντος. Η διαδικασία αυτή πραγματοποιείται για όλες τις διεργασίες και κινδύνους και εξασφαλίζει τον προσδιορισμό του minimum αριθμού CCPs που χρειάζονται για την εξαγωγή ενός ασφαλούς προϊόντος. Η ελαχιστοποίηση του αριθμού CCPs έχει ιδιαίτερη έχει ιδιαίτερη σημασία για τη κατασκευή ενός σχεδίου HACCP, ώστε να μην είναι περίπλοκο και δύσκολο στη εφαρμογή του, αλλά ταυτόχρονα να εξασφαλίζει την ασφάλεια του τελικού προϊόντος. Το περισσότερο επιθυμητό στοιχειό ενός κρίσιμου ορίου CCPs είναι να είναι εύκολα μετρήσιμο. Στις περισσότερες περιπτώσεις οι μετρήσεις μπορούν να πραγματοποιηθούν με χρήση μηχανημάτων τα οποία εξασφαλίζουν την 100% ακρίβεια στην αξιολόγηση της παραγωγής. Για ένα πρόγραμμα HACCP η παρακολούθηση των CCPs διασφαλίζει ότι όλο το προϊόν βρίσκεται μέσα σε καθορισμένα όρια ασφάλειας και κατά συνέπεια ότι το παραγόμενο είναι ασφαλές για τους τελικούς καταναλωτές (Τσαρουχας, 2005). Όπως είναι εύκολα κατανοητό, η εκτίμηση των παραμέτρων είναι βασικό σημείο στην θεώρηση και της παρούσας μελέτης. Προφανώς η γενική κατηγοριοποίηση είναι ιδιαίτερα δύσκολη διαδικασία αλλά μια υψηλού επιπέδου κατάτμηση των βημάτων ορίζεται. Τα κρίσιμα όρια διακρίνονται σε κατηγορίες ανάλογα με τους κινδύνους που ελέγχουν: 1. κρίσιμα όρια μικροβιολογικού κινδύνου 28

42 2. κρίσιμα όρια φυσικών κινδύνων 3. κρίσιμα όρια χημικών κινδύνων Τα CCPs σχετίζονται με κινδύνους μικροβιολογικής φύσης και επομένως παρακολουθούνται για να διασφαλίζεται η ασφάλεια του προϊόντος. Μολαταύτα, οι μικροβιολογικές αναλύσεις δεν αποτελούν την πιο εύκολη μέθοδο διότι: απαιτούν μεγάλο χρόνο για την εξαγωγή συμπερασμάτων η πιθανότητα ανίχνευσης των παθογόνων μικροοργανισμών στα χαμηλά επίπεδα <1% είναι εξαιρετικά μικρή οι αναλύσεις που απαιτούνται για την αύξηση της πιθανότητας ανίχνευσης της μόλυνσης αυξάνουν το κόστος της μεθόδου. Έτσι, αντί των μικροβιολογικών αναλύσεων πραγματοποιείται έλεγχος διαφόρων χημικών και φυσικών παραμέτρων για τον έμμεσο έλεγχο της ασφάλειας του τροφίμου. Στη συνέχεια ορίζεται η ανάλυση των επιμέρους CCP. Οι σημαντικότεροι φυσικοί κίνδυνοι είναι η παρουσία φυσικών συστατικών στα τρόφιμα. Τα κρίσιμα όρια είναι το μηδέν ή η μη ανίχνευση. Για την ανίχνευση αυτών χρησιμοποιούνται ανιχνευτές μετάλλων και κόσκινα. Αποτελεί σπάνια περίπτωση στο προϊόν εξέτασης της παρούσης μελέτης. Οι χημικοί κίνδυνοι διακρίνονται σε δύο επιμέρους κατηγορίες: στις φυσικά χημικές ουσίες και στις πρόσθετες χημικές ουσίες. Για μερικούς χημικούς κινδύνους έχουν θεσπιστεί κρίσιμα όρια (ανώτατα επίπεδα ασφάλειας) ενώ για χημικές ουσίες, η παρουσία των οποίων απαγορεύεται στο τρόφιμο, καθορίζονται μηδενικές ανοχές και όχι ανώτατα επίπεδα ασφάλειας (Sandrou, 2000). Από την όλη προσέγγιση και θεώρηση του HACCP συστήματος με έμφαση στην ανάλυση των CCP διαφαίνεται ότι αυτό το σημείο, δηλαδή ο καθορισμός των CCP αποτελεί το αντικείμενο εξέτασης στην παρούσα μελέτη. Η ανάλυση αυτή γίνεται στο Κεφάλαιο 4 που ορίζει το σύνολο του μεθοδολογικού πλαισίου εξέτασης. Στην συνέχεια, αν και το σύστημα HACCP είναι πλέον η βάση για την αξιολόγηση της ποιότητας των τροφίμων, ένα άλλο πρότυπο αναφέρεται για την πληρότητα της ανάλυσης των μεθόδων αξιολόγησης. 29

43 2.4.3 Το πρότυπο ISO 9001:2000 Το πρότυπο ISO 9001 είναι ένα γενικό πρότυπο διασφάλισης ποιότητας και για τον λόγο αυτό οι βασικές αρχές παρέχονται στη μελέτη. Αρχικά, ορίζεται ο ISO, ως ο Διεθνής Οργανισμός Τυποποίησης που έχει σκοπό τη δημιουργία προτύπων σε παγκόσμιο επίπεδο. Η λέξη «ISO» δεν προέρχεται από τα αρχικά του International Organization for Standardization, αλλά από την λέξη «ίσος», η οποία αποσκοπεί στο να δείξει ότι τα πρότυπα έχουν την ίδια εφαρμογή παντού. Ο διεθνής Οργανισμός ISO ιδρύθηκε το 1947 στην Γενεύη και έχει μέλη του όλους τους Εθνικούς Οργανισμούς Τυποποίησης όλων των χωρών. Τα κύρια πρότυπα της σειράς ISO 9000 σήμερα είναι τα εξής (ΕΛΟΤ, 2000): ISO 9000: Συστήματα διαχείρισης της ποιότητας Βασικές αρχές και λεξιλόγιο ISO 9001: Συστήματα διαχείρισης της ποιότητας Απαιτήσεις ISO 9004: Συστήματα διαχείρισης της ποιότητας Οδηγίες για συνεχή βελτίωση ISO 19011: Οδηγίες για επιθεώρηση περιβαλλοντικών συστημάτων ή/και συστημάτων ποιότητας. Η πλειονότητα των προτύπων ISO ορίζουν απαιτήσεις ώστε να διασφαλίσουν ότι συγκεκριμένα προϊόντα, πρώτες ύλες ή υπηρεσίες διαθέτουν κάποια συγκεκριμένα χαρακτηριστικά και ιδιότητες, σε συγκεκριμένο βαθμό. Τα πρότυπα της σειράς ISO 9000, αντίθετα με τα υπόλοιπα που ορίζουν χαρακτηριστικά των τελικών προϊόντων, αφορούν απαιτήσεις για συστήματα διαχείρισης της ποιότητας. Δηλαδή θέτουν απαιτήσεις σχετικά με την σωστή οργάνωση των λειτουργιών που σχετίζονται με την ποιότητα των επιχειρήσεων. Τις απαιτήσεις του προτύπου ISO 9001 μπορούν να καλύψουν οι ίδιες οι επιχειρήσεις (ΕΛΟΤ, 2000). Τα πρότυπα της σειράς ISO 9000 είναι γενικού χαρακτήρα, δηλαδή μπορούν να εφαρμοστούν σε οποιαδήποτε βιομηχανία ανεξάρτητα από το είδος των προϊόντων ή των υπηρεσιών και στο πλαίσιο αυτό γίνεται η ανάλυση στην παρούσα μελέτη. Μπορούν, επίσης, εφαρμοστούν όχι μόνο σε επιχειρήσεις, αλλά και σε κάθε κατηγορία ή τύπο Οργανισμού π.χ. σε μη κερδοσκοπικούς Οργανισμούς, Δημόσιες Υπηρεσίες κλπ. Οι απαιτήσεις του προτύπου ISO 9001:2000, επιγραμματικά ορίζονται ως ακολούθως (Κατσαμπάνης, 2003): Προσδιορίζονται οι ανάγκες και οι απαιτήσεις που έχουν οι πελάτες. 30

44 Προσδιορίζεται η πολιτική για τη ποιότητα καθώς και οι αντικειμενικοί στόχοι για αυτή. Προσδιορίζεται με ποιες εργασίες (διεργασίες) παράγονται τα προϊόντα και οι υπηρεσίες και με ποια κριτήρια μετρώνται οι διεργασίες. Ξεκαθαρίζεται και περιγράφεται το πώς εκτελούνται ορισμένες διεργασίες (τεκμηριωμένες διαδικασίες), όπως και το πώς αποδεσμεύονται τα προϊόντα που εμφανίζουν προβλήματα. Ορίζονται διορθωτικές ενέργειες ώστε να βελτιώνεται συνεχώς η ποιότητα των προϊόντων, καθώς και η απόδοση του συστήματος. Τηρούνται αποδείξεις και αρχεία ότι εφαρμόζονται όλα τα ανωτέρω. Προσδιορίζεται αν και κατά πόσο είναι ευχαριστημένοι οι πελάτες. Το πρότυπο ISO 9001:2000 περιλαμβάνει λιγότερες απαιτήσεις στο Εγχειρίδιο Ποιότητας από εκείνες που επέβαλλε το πρότυπο ISO 9001:1994. Η παρουσίαση του τμήματος διαχείρισης της ποιότητας στο εγχειρίδιο δεν περιορίζεται μόνο στην αναλυτική περιγραφή με τεκμηριωμένες διαδικασίες ή οδηγίες εργασίας αλλά παραθέτει ένα τυποποιημένο πρότυπο διασφάλισης της ποιότητας στις επιχειρήσεις. Το πρότυπο μειώνει τον αριθμό των διαδικασιών σε έξι και, παράλληλα, δίνει ιδιαίτερη έμφαση στην ύπαρξη αντικειμενικών αποδείξεων από τις οποίες να προκύπτει ότι η επιχείρηση εφαρμόζει τις απαιτήσεις του. Η τεκμηρίωση των αναγκαίων διαδικασιών που επιβάλλει το ISO 9001:2000 πρότυπο σε μία επιχείρηση δεν σημαίνει ότι δεν πρέπει να τεκμηριώνονται και άλλες διαδικασίες, αν αυτό είναι αναγκαίο από τις ανάγκες της βιομηχανίας. 31

45 3 ΕΥΦΥΗ ΣΥΣΤΗΜΑΤΑ ΚΑΙ ΑΣΑΦΗΣ ΛΟΓΙΚΗ 3.1 Εισαγωγή Κατόπιν της αναλυτικής περιγραφής των βημάτων της διαδικασίας, έπεται η εισαγωγή στα ευφυή συστήματα και τις μεθόδους ασαφούς λογικής. Οι λεπτομέρειες της τεχνικής αυτής παρουσιάζεται αναλυτικά ενώ στην συνέχεια τονίζεται η χρήση σε επιμέρους εφαρμογές. Ο στόχος του παρόντος κεφαλαίου είναι η πλήρης περιγραφή του μαθηματικού πλαισίου που θα αποτελέσει την βάση για την πειραματική εφαρμογή που θα αναπτυχτεί στην επόμενη ενότητα. Προηγείται όμως μια αναφορά στα ευφυή συστήματα. 3.2 Ευφυής έλεγχος O ευφυής (ή νοήμων) έλεγχος (intelligent control) προσεγγίζει το πρόβλημα του ελέγχου μιας διεργασίας με εντελώς διαφορετικό του συμβατικού ελέγχου τρόπο. Βασίζεται στη γνώση και την σωρευμένη εμπειρία του ανθρώπου (χειριστή) και δεν χρήζει της εξειδικευμένης γνώσης της ελεγχόμενης διεργασίας. Δύναται, συνεπώς, να θεωρηθεί η καινοτόμος τεχνική αυτή ως έλεγχος άνευ προτύπου (model free control). Το γεγονός ότι ο ευφυής έλεγχος επιδιώκει λύσεις στο πρόβλημα του ελέγχου μιας διεργασίας από την πλευρά του ανθρώπου (χειριστή) της διεργασίας συνεπάγεται ότι η τεχνική αυτή στοχεύει στην προτυποποίηση του χειριστή της διεργασίας και όχι της υπό έλεγχο φυσικής διεργασίας. Η απλότητα της προσέγγισης αυτής ήταν μη εφικτή κατά το παρελθόν βάσει της υφιστάμενης θεωρίας αλλά και των διαθέσιμων υπολογιστικών μέσων. Στις μέρες μας η Υπολογιστική Νοημοσύνη (Computational Intelligence) παρέχει όλα τα εργαλεία για να γίνει πραγματικότητα αυτή η προσέγγιση (Κινγκ, 2003). Οι ευφυείς ελεγκτές χρησιμοποιούν εμπειρικά πρότυπα που παράγουν ένα πλαίσιο για το πώς και όχι γιατί η ελεγχόμενη διεργασία συμπεριφέρεται με το συγκεκριμένο τρόπο αντί να βασίζονται σε μαθηματικό πρότυπο της φυσικής διεργασίας. Το βασικό πρόβλημα στο σχεδιασμό ενός ευφυούς ελεγκτή συνεπώς είναι η απόκτηση και αναπαράσταση της γνώσης και εμπειρίας του ανθρώπου-χειριστή με τρόπο περιεκτικό και υπολογιστικά αποδοτικό. Τα ευφυή συστήματα χρησιμοποιούν κατά κανόνα μια συλλογή από εμπειρικά και μη γεγονότα κοινής 32

46 λογικής καθώς και άλλους τύπους γνώσης σε συνδυασμό με μεθόδους συλλογισμού για να συνάγουν συμπεράσματα σχετικά με τις απαιτούμενες δράσεις ελέγχου στην ελεγχόμενη διεργασία. Βασικό χαρακτηριστικό των συστημάτων αυτών είναι ότι είναι ικανά να συνάγουν αποφάσεις από ελλιπή, ανακριβή και αβέβαια δεδομένα και έχουν εφαρμογή (Κινγκ, 2003): εκτός-γραμμής για το σχεδιασμό συστημάτων, τη διαχείριση και διάγνωση βλαβών εντός-γραμμής για τη διάγνωση βλαβών και τον έλεγχο και διαχείριση βιομηχανικών διεργασιών. Σχήμα 3.1: Βασικά στοιχεία ενός εύκαμπτου συστήματος ελέγχου. Ακολούθως δίνονται μερικά πλεονεκτήματα των ευφυών συστημάτων στην παραγωγή. Συμπερασματικά, η χρήση τους επιδιώκει την εξοικονόμηση ενέργειας, την αύξηση παραγωγικότητας, τη μείωση κόστους παραγωγής και την αύξηση του χρόνου μεταξύ επισκευών βιομηχανικού εξοπλισμού της ελεγχόμενης διεργασίας λόγω μειωμένης καταπόνησής του, την εξοικονόμηση του χρόνου και την απομείωση του φορτίου εργασίας των χειριστών της διεργασίας αλλά και την συνδρομή λήψης ορθότερων αποφάσεων και σε αυξημένη αξιοπιστία ελέγχου, ιδιαίτερα σε καταστάσεις που οι χειριστές δεν έχουν αντιμετωπίσει ξανά ή αντιμετωπίζουν σπάνια. 3.3 Ασαφή σύνολα - θεωρητική περιγραφή Το 1965 θεμελιώθηκε η θεωρία των ασαφών συνόλων ως μια μεθοδολογία διαχείρισης της μη ακρίβειας που αντιμετωπίζεται σε πολλά φυσικά προβλήματα. Η μη βεβαιότητα ή ασάφεια είναι ο βασικός κορμός των ασαφών συνόλων και της ασαφούς λογικής. Τα ασαφή δίκτυα αποτελούν 33

47 μια γενίκευση των κλασσικών συνόλων και από τη δεκαετία του 1980 έχουν πολλές εφαρμογές, κυρίως σε συστήματα ελέγχου (Zadeh, 1965). Αποτελεί τη συνηθέστερη πρακτική ο συλλογισμός να γίνεται όχι με όρους κλασσικών συμβόλων ή αριθμών αλλά με ασαφείς συνθήκες. Αυτή η ασάφεια προσδιορίζει κατηγορίες μη ξεκάθαρα διαχωρισμένες και σαφώς καθορισμένες. Η μετάβαση από τη μια κατηγορία στην άλλη γίνεται σταδιακά, και με κάποιο βαθμό ασάφειας ως προς την διαδικασία. Ο μαθηματικός Zadeh εισηγείται την ιδέα των ασαφών συνόλων βάσει της συνήθους πρακτικής των ανθρώπων να χρησιμοποιούν μη στατικά σύνολα ως προς τη λήψη αποφάσεων. Με βάση λοιπόν τον τυπικό ορισμό τα ασαφή σύνολα είναι «συναρτήσεις που απεικονίζουν μια τιμή, η οποία μπορεί να είναι μέλος του συνόλου, σε έναν αριθμό από το 0 έως το 1. O αριθμός αυτός δηλώνει το βαθμό συσχέτισης της τιμής με το ασαφές σύνολο. Όταν ο βαθμός αυτός είναι 0 τότε αυτό υποδηλώνει ότι η τιμή δεν ανήκει στο σύνολο, ενώ όταν είναι 1 τότε αυτό σημαίνει ότι η τιμή αυτή αντιπροσωπεύει πλήρως το ασαφές σύνολο». Ο βαθμός αυτός επομένως ορίζεται από τη συνάρτηση συμμετοχής του συνόλου που αποτελεί την βασική πτυχή στα ασαφή σύνολα. Ακολούθως γίνεται μια πιο λεπτομερής παρουσίαση για τις συναρτήσεις συμμετοχής. Ο βαθμός αυτός επομένως ορίζεται από τη συνάρτηση συμμετοχής του συνόλου που αποτελεί την βασική πτυχή στα ασαφή σύνολα. Ακολούθως, γίνεται μια πιο λεπτομερής παρουσίαση για τις συναρτήσεις συμμετοχής που διέπουν τα ασαφή σύνολα (Zadeh, 1973). 3.4 Συναρτήσεις συμμετοχής Ένα ασαφές σύνολο A ορίζεται ως ένα σύνολο ζευγών (x, μα(x) όπου x X και μα(x) [0,1]). Το σύνολο Χ αποτελεί σύνολο αναφοράς 11 που εμπεριέχει όλα τα αντικείμενα εξέτασης. Η τιμή μα(x) ονομάζεται βαθμός αλήθειας 12, συμβολίζοντας το βαθμό συσχέτισης του x στο Α, και λαμβάνει τιμές στο διάστημα [0,1]. Τέλος, η συνάρτηση μα καλείται συνάρτηση συμμετοχής 13 και συνήθως ορίζεται με βάση (Κινγκ, 2003): Υποκειμενικές εκτιμήσεις 11 universe of discourse 12 membership value 13 membership function 34

48 Διαδικασίες μάθησης και προσαρμογής (π.χ. με νευρωνικά δίκτυα) Συχνότητες εμφανίσεων και υπολογισμός σε αντίστοιχες πιθανότητες Προκαθορισμένες απλοποιημένες μορφές Φυσικές παρατηρήσεις Η βασική διαφορά των ασαφών δικτύων σε σχέση με την κλασσική προσέγγιση είναι ότι στην κλασσική θεωρία ισχύει μα(x) {0,1}, δηλαδή το x είτε δεν ανήκει στο Α (μα(x) = 0 ) είτε ανήκει (μα(x) = 1). Άρα, στην ασαφή θεωρία οι δυνατές τιμές της συνάρτησης συμμετοχής δεν είναι μόνο 0 ή 1. Κάτωθι ορίζεται ένα τυπικό παράδειγμα με το οποίο μπορεί να γίνει πιο κατανοητή η λογική της συνάρτησης συμμετοχής (Fuzzy Logic Toolbox, 2009). Ας υποτεθεί ότι ο χώρος αναφοράς X είναι το σύνολο όλου του πληθυσμού. Ένα υποσύνολο αυτού είναι οι ψηλοί άνθρωποι. Τα πιθανά ύψη έστω ότι κυμαίνονται από 1.40m μέχρι 2.40m. Ο όρος «ψηλός» δύναται να συσχετισθεί με μια καμπύλη που απεικονίζει κατά πόσο ένας άνθρωπος είναι ψηλός. Αν ακολουθηθούν οι αρχές των κλασσικών συνόλων, τότε θα οριστεί το υποσύνολο των ψηλών ανθρώπων με ένα συγκεκριμένο όριο-τιμή, η οποία θα ξεχωρίζει τους ψηλούς από τους κοντούς ανθρώπους. Αν υποτεθεί ότι η τιμή αυτού του ύψους είναι 1.80m, τότε ένας άνθρωπος με ύψος 1.75m θα χαρακτηρίζεται αυτόματα κοντός ενώ ένας άνθρωπος με ύψος 1.85m θα χαρακτηρίζεται ως ψηλός. Ο διαχωρισμός αυτός φαίνεται μη λογικός αφού έχουν αντιστοιχηθεί δύο άνθρωποι με μικρή διαφορά ύψους σε δύο αντίθετες ομάδες μεταξύ τους. Σχήμα 3.2: Κλασσική θεωρία συνόλων. Πηγή: Mathwork Tutorial,

49 Κατά συνέπεια, ένας τρόπος ορισμού της έννοιας ψηλός είναι μέσω της καμπύλης που έχει μια τυπική διακύμανση κατά την μετάβαση από την έννοια ψηλός στην έννοια κοντός. Αυτή η καμπύλη θεωρείται ως η συνάρτηση συμμετοχής του συνόλου των ψηλών ανθρώπων. Συνοψίζοντας, γίνεται αποδεκτό ότι όλοι οι άνθρωποι είναι σε κάποιο βαθμό ψηλοί, άλλα δεν είναι όλοι στον ίδιο βαθμό ψηλοί. Σχήμα 3.3: Ασαφή θεωρία συνόλων. Πηγή: Mathwork Tutorial, 2009 Διαπιστώνεται ότι ενυπάρχουν παράγοντες που καθορίζουν τα χαρακτηριστικά της δομής ενός συνόλου. Η μορφή της καμπύλης δεν δύναται να είναι η ίδια για όλα τα παραδείγματα εξέτασης. Η μόνη προϋπόθεση που πρέπει να ικανοποιείται είναι η συνάρτηση συμμετοχής να βρίσκεται στο διάστημα τιμών [0 1], όπου 0 είναι η ελάχιστη τιμή του συνόλου και 1 η αναγομένη μέγιστη τιμή αυτού. Το σχήμα της συνάρτησης συμμετοχής επιλέγεται αυθαίρετα αλλά και με τρόπο ώστε να εξασφαλίζει την απλότητα. Οι πιο απλές συναρτήσεις συμμετοχής είναι αυτές που ορίζονται από ευθείες γραμμές. Η πιο απλή είναι η τριγωνική συνάρτηση συμμετοχής, που δεν είναι κάτι περισσότερο από ένα τρίγωνο. Στην ίδια ομάδα ανήκει και η συνάρτηση συμμετοχής σχήματος τραπεζοειδούς, που είναι η βάση και για το μοντέλο που προτείνεται στη επόμενη ενότητα. Αυτές οι δύο συναρτήσεις ορίζονται για απλές προσεγγίσεις και παρουσιάζονται στο Σχήμα 3.4. Η μαθηματική έκφραση της τριγωνικής συνάρτησης συμμετοχής ορίζεται ως: 36

50 0, x a x a, x a, b b a A c x, x b, c c b 0, x c [3.1] Σχήμα 3.4: Τριγωνική και τραπεζοειδή συνάρτηση συμμετοχής. Πηγή: Mathwork Tutorial, 2009 Παράλληλα ορίζεται και η μαθηματική έκφραση της τραπεζοειδούς συνάρτησης συμμετοχής με τον ίδιο τρόπο: 0, x a x a, x a, b b a A 1, x b, c d x, x c, d d c [3.2] Δύο επιπλέον συναρτήσεις συμμετοχής που είναι δομημένες πάνω στη μορφή της Gauss κατανομής (ως μιας συνάρτηση για την ερμηνεία των φυσικών φαινομένων) είναι η απλή γκαουσιανή και μια σύνθεση δύο γκαουσιανών. Πλέον, η γενικευμένη συνάρτηση συμμετοχής με μορφή «καμπάνας» έχει τρεις παραμέτρους, μια πρόσθετη από την απλή γκαουσιανή. Η γκαουσιανή συνάρτηση συμμετοχής και η σχήματος καμπάνα χρησιμοποιούνται συχνά στην ασαφή θεωρία λόγω της ομαλής κατανομής που έχουν. Στο Σχήμα 3.5 εμφανίζονται τυπικές μορφές της γκαουσιανής συνάρτησης. 37

51 Παρά το γεγονός ότι η γκαουσιανή συνάρτηση συμμετοχής ορίζει ομαλή διακύμανση, δεν μπορεί να ορίσει ασύμμετρες συναρτήσεις που είναι χρήσιμες σε πολλά φυσικά προβλήματα. Για τον λόγο αυτό ορίζεται η σιγμοειδής (sigmoid) συνάρτηση, η οποία είναι ασύμμετρη και ανοικτή είτε προς τα δεξιά είτε προς τα αριστερά. Στο Σχήμα 3.6 εμφανίζονται τυπικές μορφές της σιγμοειδής συνάρτηση συμμετοχής. Σχήμα 3.5: Τυπικές μορφές της γκαουσιανής συνάρτηση συμμετοχής. Πηγή: Mathwork Tutorial, 2009 Σχήμα 3.6: Τυπικές μορφές της σιγμοειδής συνάρτηση συμμετοχής. Πηγή: Mathwork Tutorial, 2009 Πέρα από τις ανωτέρω κατηγορίες, υπάρχουν επίσης πολυωνυμικές καμπύλες που χρησιμοποιούνται σαν συναρτήσεις συμμετοχής. Τρεις από αυτές είναι η Ζ η S και η Π οι οποίες έχουν ονομασθεί έτσι εξαιτίας του σχήματός που εμφανίζουν. Η Ζ είναι μια ασύμμετρη πολυωνυμική καμπύλη που είναι ανοικτή προς τα αριστερά, η S είναι η αντιπαραβολή της Z και η Π είναι μια ασύμμετρη κλειστή καμπύλη σχήματος Π. Τα αντίστοιχα σχήματα των πολυωνυμικών συναρτήσεων παρουσιάζονται στο Σχήμα

52 Υπάρχουν πολλαπλές μαθηματικές συναρτήσεις που ορίζουν την κατανομή, συνεπώς η επιλογή γίνεται με βάση το εκάστοτε πρόβλημα εξέτασης. Μετά την ανάλυση στις συναρτήσεις συμμετοχής που ορίζουν την μορφή των παραμέτρων μια ανάλυση στις ιδιότητες των ασαφών συνόλων ορίζεται ως προς την σύνθεση σε μαθηματικά σχήματα. Σχήμα 3.7: Τυπικές μορφές της πολυωνυμίας συνάρτηση συμμετοχής. Πηγή: Mathwork Tutorial, Ιδιότητες των ασαφών συνόλων Έστω Χ ένα σύνολο, του οποίου τα στοιχεία/τιμές συμβολίζονται με το γράμμα x. Η συμμετοχή σε ένα υποσύνολο Α του συνόλου Χ εκφράζεται με μια συνάρτηση συμμετοχής μα από το Χ στο διάστημα [0 1]. Το Α είναι ένα (ασαφές υποσύνολο) του συνόλου Χ, το οποίο όμως δεν έχει αυστηρά καθορισμένα σύνορα ενώ ως μα ορίζεται ο βαθμός συμμετοχής του στοιχείου x στο Α. Όσο πιο κοντά είναι το μα στο 1, τόσο πιο πολύ ανήκει το x στο Α. Το σύνολο Α μπορεί να προσδιοριστεί επομένως από το σύνολο των παρακάτω ζευγών (Κινγκ, 2003):, A, [3.3] A x x x X Κάθε ζευγάρι (x,μα(x)) ονομάζεται μονοσύνολο. Επομένως, ορίζεται ως χώρος αναφοράς του (ασαφούς συνόλου) Α είναι το σύνολο των στοιχείων του Χ που έχουν μη μηδενικό βαθμό συμμετοχής στο Α. Το σύνολο Α μπορεί να εκφραστεί και ως: SuppA x X x 0 [3.4] A A x i [3.5] i 39

53 Στο συνεχή χώρο εξέτασης η σχέση αυτή ορίζεται και ως: A ( x) / x [3.6] Μετά τον ορισμό των ασαφών συνόλων, μιαια σειρά από βασικές πράξεις ορίζεται προκειμένου να γίνει κατανοητή η θεωρία των συνόλων. 1. Ασαφές δυναμοσύνολο Ως ασαφές δυναμοσύνολο, F(x), του συνόλου αναφοράς Χ, ονομάζεται το σύνολο όλων των ασαφών υποσυνόλων του Χ 2. Υποσύνολο Το σύνολο Α είναι υποσύνολο του Β A B αν και μόνο αν ( x) B( x), x X [3.7] Αν ταυτόχρονα τα Α και Β δεν είναι ίσα, τότε το Α θα ονομάζεται γνήσιο υποσύνολο του Β 3. Ασαφής διαμέριση Μια οικογένεια ασαφών υποσυνόλων του Χ, θα λέγεται ασαφής διαμέριση P n (X) του Χ τάξης n n (n N) και θα συμβολίζεται με,,...,, αν και μόνο αν: A A1 A2 A n x A A, i, j N ( i j) j i n m 0 Ai ( xk ) m, i N [3.8] n k i Τα στοιχεία Αi i Nn της Αn θα λέγονται κλάσεις της ασαφούς διαμέρισης 4. Κενό ασαφές σύνολο Ένα ασαφές σύνολο με χώρο αναφοράς τον Χ, λέγεται κενό αν για κάθε στοιχείο x που ανήκει στον Χ, η συνάρτηση συμμετοχής του Α είναι μηδέν. A 0 αν ( x) 0 x X [3.9] 40

54 5. Κανονικό υποσύνολο Ένα ασαφές σύνολο Α που ορίζεται στο χώρο αναφοράς Χ, λέγεται κανονικό αν υπάρχει τουλάχιστον ένα στοιχείο x του Χ για το οποίο η συνάρτηση συμμετοχής να παίρνει τιμή ίση με τη μονάδα. 6. Ισότητα ασαφών συνόλων Α= κανονικό αν x1 : ( x1 ) 1 [3.10] Δύο ασαφή σύνολα Α και Β που ορίζονται στο χώρο αναφοράς Χ, λέγονται ίσα αν για κάθε στοιχείο x του Χ οι συναρτήσεις συμμετοχής των Α και Β είναι ίσες. Δηλαδή: 7. Συστολή ασαφών συνόλων Α=Β αν ( x) ( x) x X [3.11] Έστω ασαφές σύνολο Α που ορίζεται στο χώρο αναφοράς Χ. Η συστολή, CON(A) του συνόλου αυτού είναι ένα νέο ασαφές σύνολο με συνάρτηση συμμετοχής που ορίζεται ως εξής: ( ) ( ( )) CON ( ) x x 2 [3.12] Η συστολή του ασαφούς συνόλου αντιστοιχεί στην προσθήκη του όρου πολύ, μπροστά από τη λεκτική μεταβλητή που περιγράφει το ασαφές σύνολο. Δηλαδή η συστολή του ασαφούς συνόλου ψηλός είναι ένα νέο ασαφές σύνολο που αντιστοιχεί στην έννοια πολύ ψηλός. 8. Διαστολή ασαφών συνόλων Αντιστοίχως η διαστολή ενός ασαφούς συνόλου Α, είναι ένα νέο ασαφές σύνολο που συμβολίζεται με DIL(A) και έχει συνάρτηση συμμετοχής που περιγράφεται από την παρακάτω σχέση: ( x) ( x) DIL( A) [3.13] Η διαστολή του ασαφούς συνόλου αντιστοιχεί στην προσθήκη του όρου λίγο, μπροστά από τη λεκτική μεταβλητή που περιγράφει το ασαφές σύνολο. Δηλαδή η διαστολή του ασαφούς συνόλου ψηλός είναι ένα νέο ασαφές σύνολο που αντιστοιχεί στην έννοια λίγο ψηλός. 41

55 Οι ορισμοί αυτοί που παρουσιάστηκαν ανωτέρω αναφέρονται ως οι ενδεικτικοί για την εξέταση της θεωρίας των συνόλων. Μετά την ανάλυση αυτή παρουσιάζονται οι πράξεις μεταξύ των συνόλων. 3.6 Λογικές πράξεις στα ασαφή σύνολα Μέχρι τώρα έχει γίνει αναφορά στα ασαφή σύνολα και καθόλου στην ασαφή λογική ως την θεωρία που διέπει τις πράξεις μεταξύ των συνόλων. Η ασαφής λογική παρουσιάζεται ως υπερσύνολο της λογικής Boolean. Στο πλαίσιο αυτό, παρατίθενται οι κάτωθι πίνακες αληθείας (Fuzzy Logic Toolbox, 2009). Σχήμα 3.8: Τυπικές μορφές σε πίνακες αληθείας. Πηγή: Mathwork Tutorial, 2009 Με την μετάβαση στον χώρο της ασαφούς θεωρίας από την θεωρία Boolean απαιτείται η γνώση των εννοιών αληθές και ψευδές. Επομένως, ο πίνακας αυτός δύναται εύκολα να μετατραπεί προκειμένου να λάβει υπόψη την έννοια του βαθμού συμμετοχής. Οι τιμές των εισόδων Α και Β είναι αριθμοί από το 0 ως το 1. Πρέπει να οριστεί μια συνάρτηση που να διατηρεί τις ιδιότητες της συνάρτησης KAI και να μπορεί να επεκτείνεται σε πραγματικούς αριθμούς. Μια προσέγγιση είναι ο τελεστής min(a,b), η ελάχιστη δηλαδή τιμή των εισόδων Α και Β. Με βάση την ίδια προσέγγιση μια συνάρτηση που αντικαταστεί τον τελεστή OR της λογικής Boolean είναι ο τελεστής max(a,b). Επίσης ο τελεστής ΝΟΤ μιας τιμής Α μπορεί να αντικατασταθεί με την πράξη 1-Α. Με βάση την προσέγγιση αυτή, ο πίνακας αληθείας φαίνεται ότι παραμένει αμετάβλητος με τις ανωτέρω αντικαταστάσεις. 42

56 Σχήμα 3.9: Πίνακες αληθείας με συνάρτηση συμμετοχής. Πηγή: Mathwork Tutorial, 2009 Οι τελεστές (operators) min (για minimum ή ελάχιστος) και max (για maximum ή μέγιστος) δύναται να χρησιμοποιηθούν δυαδικά ή ενιαία ανάλογα με τα συμφραζόμενα (context). Επίσης, μπορούν να εφαρμοστούν σε ανεξάρτητα στοιχεία καθώς και σε σύνολα και πίνακες για κάθε στοιχείο τους ξεχωριστά (Κινγκ, 2003). Αφού έχουν καθοριστεί οι συναρτήσεις που ορίζουν τους πίνακες αληθείας, δύναται πλέον να γίνει εξέταση και στην περίπτωση συνεχούς συνόλου πραγματικών τιμών. Στο σχήμα έχει αντικατασταθεί ο πίνακας αληθείας με το γράφημα δύο συνεχών συναρτήσεων. Στο άνω μέρος υπάρχουν τα σύνολα με δύο τιμές ενώ στο κάτω ορίζεται ο τρόπος που λειτουργούν οι αντίστοιχοι τελεστές στην περίπτωση που οι μεταβάλλονται συνεχώς οι τιμές από το 0 στο 1. Σχήμα 3.10: Πράξεις μεταξύ ασαφών συνόλων. Πηγή: Mathwork Tutorial,

57 Με δεδομένες τις συναρτήσεις που έχουν αναφερθεί δύναται να κατασκευαστούν συνθέσεις με βάση τα ασαφή σύνολα και τις πράξεις KAI, Η και ΟΧΙ. Βέβαια οι συναρτήσεις που επεκτείνουν τους τελεστές αυτούς (από το πεδίο της λογικής Boolean στο πεδίο της ασαφούς λογικής) δε σημαίνει ότι οι συναρτήσεις αυτές είναι και οι μοναδικές. Μέχρι στιγμής έχει οριστεί η πράξη της τομής, της ένωσης και το συμπλήρωμα ενός συνόλου με χρήση των τελεστών min, max και 1-Α αντίστοιχα. Ωστόσο, δύναται να χρησιμοποιηθούν και άλλες συναρτήσεις για την προσέγγιση αυτή. Γενικά, η τομή δύο συνόλων μπορεί να οριστεί με μια απεικόνιση που αθροίζει τις δύο συναρτήσεις συμμετοχής ως: T( ( x), ( x)) [3.14] Έτσι, ο τελεστής Τ μπορεί να αντιπροσωπεύει τον πολλαπλασιασμό των ( x) και ( x). Αυτού του είδους οι τελεστές συνήθως ονομάζονται σαν τ-νόρμες και ικανοποιούν τις παρακάτω υποθέσεις: Οριακές συνθήκες: T(0, 0) = 0, T(a, 1) = T(1, a) = a Μονοτονία: T(a, b) <= T(c, d) αν a <= c και b <= d Αντιμεταθετικότητα: T(a, b) = T(b, a) Προσεταιριστικότητα: T(a, T(b, c)) = T(T(a, b), c) Η πρώτη υπόθεση επιβάλει τη χρήση σε σύνολα διακριτών περιοχών. Η δεύτερη υπόθεση ορίζει ότι μια μείωση στο Α ή Β δεν μπορεί να οδηγήσει σε αύξηση του βαθμού συμμετοχής στην τομή αυτών των συνόλων. Η τρίτη υπόθεση δείχνει ότι ο τελεστής είναι ανεξάρτητος στον τρόπο που τέμνονται τα αντίστοιχα σύνολα Α και Β. Επιπλέον η τέταρτη υπόθεση επιτρέπει να λαμβάνεται η τομή κάθε αριθμού συνόλων σε κάθε διάταξη ανά δυάδες. Χαρακτηριστικά παραδείγματα των τ-νορμών παρουσιάζονται συνοπτικά στην συνέχεια: 44

58 Πίνακας 3.1: Γενικά προαπαιτούμενα στη Παραγωγή Γάλακτος. Συνήθης τομή Αλγεβρικό γινόμενο Φραγμένη διαφορά Συνάρτηση Hamacher T(a,b)=min(a,b) T(a,b)=ab T(a,b)=max(0,a+b-1) Η συνάρτηση Hamacher δίνεται από τη σχέση: ab t( a, b) r (1 r)( a b ab) Όπως ορίστηκε η περίπτωση της ασαφούς τομής έτσι και η περίπτωση της ασαφούς ένωσης ορίζεται με την δυαδική απεικόνιση S. ( x) S( ( x), ( x)) [3.15] Έτσι, ο τελεστής S ορίζεται να είναι το άθροισμα των ( x) και ( x) οι τελεστές ένωσης αναφέρονται ως σ-νόρμες και καλύπτουν τις κάτωθι προϋποθέσεις: Οριακές συνθήκες: S(1, 1) = 1, S(a, 0) = S(0, a) = a Mονοτονία: S(a, b) <= S(c, d) αν a <= c καιb <= d Αντιμεταθετικότητα: S(a, b) = S(b, a) Προσεταιριστικότητα: S(a, S(b, c)) = S(S(a, b), c). Κατά αντιστοιχία Κατά αντιστοιχία με τις t-νόρμες, τα παραδείγματα των σ-νορμών παρουσιάζονται χαρακτηριστικά: Πίνακας 3.2: Χαρακτηριστικά παραδείγματα σ-νορμών. Συνήθης ένωση Αλγεβρικό άθροισμα Φραγμένο άθροισμα s(a,b)=max(a,b) s(a,b)=a+b-ab s(a,b)=min(1,a+b) Μετά την ανάλυση της τομής και της ένωσης, το συμπλήρωμα Α -1 ενός ασαφούς συνόλου Α δίνεται από τη σχέση: ( x ) c ( ( x )) A [3.16] 45

59 που κατά αντιστοιχία η συνάρτηση του συμπληρώματος πρέπει να ικανοποιεί τις παρακάτω συνθήκες; Οριακές συνθήκες: c(0)=1 και c(1)=0 Μονοτονία: ab, [0,1], αν a b c( a) c( b) Συνέχεια: c συνεχής στο [0,1] Εναγωγή a [0,1] είναι c(c(a))=a Το σύνηθες συμπλήρωμα δίνεται από τη σχέση: ( x) 1 ( x) [3.17] Έως τώρα έγινε μνεία στις απλές πράξεις μεταξύ των συνόλων. Ακολούθως παρουσιάζονται οι συνθέτες πράξεις που διέπουν τα σύνολα. 3.7 Ασαφείς σχέσεις Οι ασαφείς σχέσεις (fuzzy relations) ορίζονται ως σύνολα σε πεδία αναφοράς μεγαλύτερης διάστασης (π.χ. Χ*X, X*Y*Z κλπ.). Δηλαδή, μια ασαφής σχέση θα μπορούσε να είναι μια έκφραση της μορφής «είναι βαρύτερο από» και η οποία θα συνδέει τα στοιχεία δύο διαφορετικών συνόλων (Fuzzy Logic Toolbox, 2009): R= «το σύνολο x είναι βαρύτερο από το σύνολο y» x X, y Υ και R X x Y [3.18] Οι ασαφείς σχέσεις ορίζονται με αναφορά των ζευγών (τιμή, βαθμός συμμετοχής), δηλαδή ζευγών της μορφής ((x,y), μr(x,y)). Ένας τρόπος αναπαράστασης της συνάρτησης συμμετοχής είναι σε μορφή πίνακα: R( x1, y1) R( x1, y2) R( x1, yn) R( x2, y1) R( x2, y2) R( x2, yn) R R( xm, y1) R( xm, y2) R( xm, yn) [3.18] Οι ασαφείς σχέσεις δύναται να συνδυαστούν μεταξύ τους μέσω της πράξης της σύνθεσης (composition). Έτσι, αν συνδυαστεί η σχέση R1(x,y) ορισμένη στο διάστημα X*Y με την σχέση 46

60 R2(y,z) ορισμένη στο Y*Z τότε θα οριστεί μία σχέση της μορφής R(x,z), η οποία θα ορίζεται στο πεδίο X*Z και θα συσχετίσει στοιχεία των αντίστοιχων συνόλων Χ και Ζ. Βέβαια, είναι αναγκαίο να καθοριστεί ακριβώς η συνάρτηση συμμετοχής μr(x,z) με χρήση των συναρτήσεων συμμετοχής R1 και R2. Οι βασικές πράξεις που αναφέρονται μεταξύ των ασαφών σχέσεων είναι η αντιστροφή και η σύνθεση. Η αντιστροφή της R(X,Y) είναι η σχέση που ορίζεται ως R -1 (Y,X) με τον αντίστοιχο τύπο: R -1 (y,x)=r(x,y) [3.19] για κάθε x που ανήκει στον χώρο Χ και για κάθε y που ανήκει στον χώρο Y. Ο πίνακας συμμετοχής που παριστάνει την R -1 είναι ο ανάστροφος του R. Από την άλλη πλευρά, η σύνθεση σαν τεχνική είναι σημαντική καθώς, όπως θα φανεί και παρακάτω στην υλοποίηση του προβλήματος, οι κανόνες της μορφής «if-then» αντιστοιχούν σε ασαφείς σχέσεις και το αντίστοιχο πρόβλημα συλλογιστικής είναι ισοδύναμο μαθηματικά με τη πράξη της σύνθεσης. Πιο συγκεκριμένα, αν R1(x,y) και R2(y,z) είναι δύο ασαφείς σχέσεις που ορίζονται για τα σύνολα X*Y και Y*Z αντίστοιχα, τότε η σύνθεση είναι η σχέση που δίνει μια νέα μορφή R1 R 2. Η sup-t σύνθεση R: X * Y [0,1] δύο επιμέρους ασαφών σχέσεων R1: X * Y [0,1] και R2: X*Y [0,1] ορίζεται από την αντίστοιχη εξίσωση: t [3.20] R( x, y) R R ( x, y) sup t R ( x, y), R ( y, z) Οι πιο γνωστές τεχνικές σύνθεσης συνόλων είναι η «σύνθεση max-min» και η «maxproduct» σύνθεση. Για την περίπτωση της σύνθεσης max-min η συνάρτηση συμμετοχής δίνεται από τη σχέση: y Y ( x, z) ( x, y) ( y, z) [3.21] R1 R2 R1 R y 2 Από την άλλη πλευρά, για την περίπτωση της σύνθεσης max-product λαμβάνεται η σχέση: ( x, z) ( x, y) ( y, z) [3.22] R1 R2 R1 R y 2 47

61 Όπως είναι προφανές, οι υπολογισμοί στο δεξιό μέρος των σχέσεων που αναφέρονται είναι αντίστοιχοι με τις πράξεις πολλαπλασιασμού σε πίνακες. Οι ασαφείς σχέσεις αποτελούν την βάση για την ασαφή συλλογιστική που ακολουθεί. 3.8 Ασαφής συλλογιστική Η βάση επάνω στην οποία εδράζεται η λήψη αποφάσεων είναι η παραγωγή συλλογιστικής. Η ασαφής λογική ασχολείται με «την παραγωγή συλλογιστικής σε περιβάλλον αβεβαιότητας». Στο πλαίσιο αυτό, θεμελιώνεται η αναπαράσταση ενός ασαφούς γεγονότος με τον αντίστοιχο ορισμό των ασαφών συνόλων και καθορίζεται η μέθοδος με την οποία συνδυάζονται τα γεγονότα για τη παραγωγή των προσθέτων λογικών προτάσεων ή κανόνων και συνεπώς των αντίστοιχων συμπερασμάτων. Οι συλλογιστικοί τρόποι που χρησιμοποιούνται κυρίως είναι οι κάτωθι (Κινγκ, 2003): Ο modus ponens (MP) modus tolens (MT) υποθετικός συλλογισμός (HS) O πρώτος συλλογισμός modus ponens παράγει συμπεράσματα από ένα σύνολο υποθέσεων σύμφωνα με τη σχέση: A B) A B [3.23] όπου Α και Β είναι τα οριζόμενα γεγονότα. Ο ανωτέρω κανόνας ερμηνεύεται και ως «Αν το γεγονός Α συνεπάγεται το γεγονός Β και επιπλέον έχουμε ως υπόθεση ότι ισχύει το Α, τότε το συμπέρασμα που παίρνουμε είναι ότι ισχύει και το Β.» Όμως σε ένα περιβάλλον ασάφειας, τα γεγονότα ισχύουν σε μερικό βαθμό και όχι απόλυτα. Έτσι, ο κανόνας πρέπει να αλλάξει για να συμπεριλάβει και την ασάφεια. Λαμβάνεται έτσι ο γενικευμένος κανόνας modus ponens (generalized modus ponens), ο οποίος έχει την παρακάτω μορφή (Κινγκ, 2003): ' ' ( A B) A B [3.24] Αντίστοιχα, ο δεύτερος κανόνας modus tolens (generalized modus tolens) επίσης γενικευμένος διατυπώνεται ως εξής: 48

62 ' ' ( A B) B A [3.25] Εξετάζοντας τώρα την λογική των παραπάνω κανόνων, ο γενικευμένος κανόνας modus ponens ερμηνεύεται ως εξής: «Αν το γεγονός Α συνεπάγεται το γεγονός Β και έχουμε ως υπόθεση ότι ισχύει το Α σε κάποιο βαθμό, τότε θα ισχύει και το Β σε κάποιο βαθμό». Χρήζει λοιπόν ορισμού ο βαθμός στον οποίο καλύπτεται το γεγονός Β. Αυτός εξαρτάται από το βαθμό στον οποίο καλύπτεται το γεγονός Α και από το είδος της συνεπαγωγής που εφαρμόζεται. Η πράξη της ασαφούς συνεπαγωγής υλοποιεί τη μαθηματική σχέση Α Β, όταν τα Α και Β είναι ασαφή γεγονότα (Κινγκ, 2003). Η συνεπαγωγή Mamdani είναι μια απλούστευση της συνεπαγωγής του Zadeh, χρησιμοποιεί μόνο τον τελεστή min και ορίζεται ως (Κίνγκ, 2003): RΜamdani = AxB [3.26] Η συνεπαγωγή OR είναι η βάση για την συσχέτιση αυτή και ορίζεται ως η βάση για την εξέταση στην παρούσα μελέτη. 3.9 Ασαφής συμπερασμός του στοιχειώδους ασαφούς συστήματος ενός κανόνα Μετά την ανάλυση σε θεωρητικό επίπεδο για τα ασαφή δίκτυα, ακολουθεί μια απλή εφαρμογή των ασαφών γνωσιακών δικτύων προκειμένου να καταστεί πιο κατανοητή η μεθοδολογία. Το ζητούμενο είναι ο τρόπος λειτουργίας (operation) του ασαφούς κανόνα. Για ευκολία θα οριστεί ένα σύστημα με ένα μονό κανόνα. Ο τρόπος λειτουργίας αυτού διασπάται σε τρεις διαδοχικές φάσεις (Fuzzy Logic Toolbox, 2009): Ασαφοποίηση (fuzzification) Ασαφής συνεπαγωγή (fuzzy implication) Αποασαφοποίηση (defuzzyfication) Προς καλύτερη κατανόηση των τριών αυτών φάσεων πρέπει να μελετηθούν οι χρήσεις που καθορίζουν. Γίνεται η υπόθεση εργασίας ότι υπάρχει ένα φυσικό σύστημα με δύο εισόδους και μια έξοδο, η λειτουργία του συστήματος διέπεται από ένα μοναδικό κανόνα. Μια απλή 49

63 προσέγγιση είναι να θεωρηθεί ότι επιδιώκεται η κατασκευή ενός συστήματος το οποίο να σταματήσει ένα αυτοκίνητο όταν έχουν επιλεγεί δύο είσοδοι ux= ταχύτητα αυτοκινήτου και uy=απόσταση από το εμπόδιο. Σχήμα 3.11: Σύστημα πέδησης αυτοκινήτου με δύο εισόδους. Πηγή: Matlab, Fuzzy Inference Ο ορισμός του κλασσικού κανόνα είναι «Αν η ταχύτητα είναι μεγάλη και η απόσταση μικρή τότε δύναμη πέδησης μεγάλη». Εξετάζεται όμως πως θα δοθεί η απάντηση μέσω της ασαφούς λογικής. Η ανάλυση που παρουσιάζεται γίνεται μέσα από διαδοχικά βήματα που αντιστοιχούν στις αντίστοιχες πράξεις που αναφέρθηκαν (Κινγκ, 2003): Λεκτικός καθορισμός των εισόδων, όπου πρέπει να ορίσει τις μεταβλητές εισόδου και εξόδου με λεκτικούς όρους. Αυτές οι συναρτήσεις περιέχουν ασάφεια, οπότε ορίζουν ασαφή σύνολα κατά την πρώτη φάση της διαδικασίας (fuzzyfication). Καθορισμός του τύπου της ασαφούς συνεπαγωγής (fuzzy implication): Μετά τον ορισμό των κλασσικών κανόνων που διέπουν τα σύνολα έπεται ο ορισμός των παραμέτρων της ασαφούς συνεπαγωγής. Αυτό γίνεται με την χρήση των πράξεων KAI, Η και OXI όπως έχουν αναφερθεί στην ενότητα με τις πράξεις μεταξύ συνόλων. Μέθοδος αποασαφοποίησης (defuzzyfication). Η διαδικασία της αποασαφοποίησης είναι η αντίθετη με αυτή της ασαφοποίησης και παράγει την κλασσική αριθμητική τιμή από ένα ασαφές πεδίο. Είναι μια απεικόνιση σε ένα πραγματικό αριθμό. Υπάρχουν διαφορετικές τεχνικές αποασαφοποίησης (Κίνγκ, 2003): 50

64 o Αποασαφοποίηση κεντρικής τιμής (centroid defuzzyfication or center of area): Σύμφωνα με τη μέθοδο αυτή, υπολογίζεται ότι το κέντρο βάρους της κατανομής του ασαφούς συνόλου δίνεται από τη σχέση: x (x)dx x* [3.27] (x)dx Ο υπολογισμός της κεντρικής τιμής του ασαφούς συνόλου δίνει τον πραγματικό αριθμό. o Αποασαφοποίηση μέσου όρου των μεγίστων (mean of maxima ή mom): σύμφωνα με τη μέθοδο αυτή υπολογίζεται ο μέσος όρος των μέγιστων τιμών του ασαφούς συνόλου της εξόδου. o Αποασαφοποίηση άθροισης των μεγίστων (sum of maxima ή som): Η μέθοδος αυτή υπολογίζει το άθροισμα των μέγιστων τιμών. Η αλληλουχία των πράξεων αυτών καθορίζει την δομή που θα ακολουθηθεί στο συγκεκριμένο πρόβλημα μελέτης της παρούσας εργασίας Ασαφή Γνωστικά Δίκτυα Εισαγωγή Τα σύγχρονα συστήματα χαρακτηρίζονται ως συστήματα με πολλές διαστάσεις και ποικίλους παράγοντες. Για τα σύνθετα συστήματα, οι τυπικές μέθοδοι έχουν περιορισμένη συμβολή στη διαμόρφωση και απαιτούνται νέες τεχνικές προκειμένου να επιτευχθεί η ανάλυση των συστημάτων αυτών. Οι νέες μέθοδοι που έχουν ελεγχθεί για τα πολυσύνθετα συστήματα δύναται να χρησιμοποιήσουν την ανθρώπινη εμπειρία και γνώση και έχουν τη δυνατότητα μάθησης μέσα από πλήθος ιστορικών δεδομένων που είναι διαθέσιμα στο εκάστοτε υπό μελέτη πρόβλημα. Σε αυτήν την μελέτη τα ΑΓΔ αναφέρονται προς διαμόρφωση των πολυσύνθετων συστημάτων. Ένα ΑΓΔ ορίζει μια εικόνα για τη συμπεριφορά του συστήματος. Οι έννοιες ενός ΑΓΔ αλληλεπιδρούν σύμφωνα με μη ακριβείς κανόνες και τα βήματα των σύνθετων συστημάτων προσομοιώνονται με βάση αυτούς τους κανόνες. Ο ορισμός των ΑΓΔ όπως δίνεται από τους Kosko και Dickerson (Kosko & Dickerson, 2010) αντίστοιχα παρατίθεται κάτωθι: 51

65 «Τα ΑΓΔ είναι μια συμβολική αντιπροσώπευση για την περιγραφή και διαμόρφωση ενός συστήματος. Αποτελούνται από έννοιες, οι οποίες επεξηγούν τις διαφορετικές πτυχές στη συμπεριφορά ενός συστήματος και αυτές οι έννοιες αλληλεπιδρούν η μια με την άλλη όπως υπαγορεύει η δυναμική του συστήματος. Η ανθρώπινη εμπειρία και η γνώση σχετικά με τη λειτουργία ενός συστήματος βρίσκονται πίσω απ την ανάπτυξη ενός ασαφούς γνωστικού δικτύου, ως αποτέλεσμα της μεθόδου με την οποία κατασκευάζεται, χρησιμοποιώντας δηλαδή ανθρώπινους εμπειρογνώμονες που ξέρουν τη λειτουργία του συστήματος και της συμπεριφοράς του στις διάφορες περιπτώσεις. Ένα ΑΓΔ περιγράφει τη συμπεριφορά ενός συστήματος από την άποψη των εννοιών, όπου κάθε έννοια αντιπροσωπεύει μια κατάσταση, μια μεταβλητή ή ένα χαρακτηριστικό του συστήματος.» Συμπερασματικά, ένα ΑΓΔ απεικονίζει το σύστημα με μια γραφική παράσταση δείχνοντας την αιτία και το αιτιατό, και είναι ένας τρόπος περιγραφής της συμπεριφοράς του συστήματος, εκμεταλλευόμενος τη γνώση του συστήματος. Τα ΑΓΔ έχουν χρησιμοποιηθεί σε ένα εύρος εφαρμογών καλύπτοντας διαφορετικά πεδία στην ιατρική, βιοτεχνολογία, ενέργεια κ.α Βασική περιγραφή των Ασαφών Γνωστικών Δικτύων Τα ΑΓΔ δύναται να μοντελοποιήσουν ένα σύστημα καθώς και τη συμπεριφορά αυτού μέσω διακριτών καταστάσεων, μεταβλητών, διαδικασιών, γεγονότων τιμών και εισόδων σύμφωνα με τις σχέσεις αιτίας-αποτελέσματος. Σχηματικά η απεικόνιση ΑΓΔ είναι ένα δίκτυο που αποτελείται από διασυνδεδεμένους μεταξύ τους κόμβους, η κάθε δε σύνδεση φέρει συγκεκριμένο βάρος διασύνδεσης. Οι κόμβοι ενός δικτύου αντιπροσωπεύουν τις έννοιεςμεταβλητές που χρησιμοποιούνται προς περιγραφή της συμπεριφοράς του συστήματος και συνδέονται μεταξύ τους προκειμένου να αντιπροσωπεύουν τις διασυνδέσεις που υπάρχουν μεταξύ των κόμβων-εννοιών. Παράδειγμα σχηματικής αναπαράστασης ΑΓΔ παρατίθεται στο Σχήμα 3.11 (Stylios & Groumpos, 2004). 52

66 Σχήμα 3.11: Παράδειγμα σχηματικής αναπαράστασης ΑΓΔ. Πηγή: Stylios & Groumpos, 2004 Η σχέση μεταξύ κάθε ζεύγους κόμβων αποδίδεται μέσω λεκτικών μεταβλητών, που ακολούθως μετατρέπονται σε αριθμητικές τιμές στο διάστημα [-1,1] και διαμορφώνει και το είδος της συσχέτισης, το οποίο περιγράφει αν η συσχέτιση είναι θετική, αρνητική ή δεν υφίσταται. Τρεις τύποι συσχέτισης δύναται να υπάρξουν μεταξύ κόμβων (Groumpos & Stylios, 2012): Wij > 0, θετική αιτιότητα. Αύξηση της τιμής του κόμβου Ci αυξάνει και τη τιμή του κόμβου Cj. Μείωση της τιμής του κόμβου Ci μειώνει και τη τιμή του κόμβου Cj. Wij < 0, αρνητική αιτιότητα. Αύξηση της τιμής του κόμβου Ci μειώνει τη τιμή του κόμβου Cj. Μείωση της τιμής Ci αυξάνεται και αυξάνει τη τιμή του κόμβου Cj, Cj. Wij = 0 μηδενική αιτιότητα. Δεν υφίσταται σχέση μεταξύ κόμβου Ci και Cj. Το βάρος διασύνδεσης Wij, ως αριθμητική τιμή, μεταξύ κόμβων Ci και Cj απεικονίζει το βαθμό συσχέτισης της τιμής της μεταβλητής ενός κόμβου με την μεταβλητή του συνδεόμενου κόμβου και ανήκει στο διάστημα [-1,1]. Δεν δύναται να υπάρχει διασύνδεση μεταξύ ενός κόμβου και του εαυτού του, και συνεπώς Wii = 0 (Groumpos & Stylios, 2012). Η σχεδίαση και η ανάπτυξη του ΑΓΔ υλοποιείται από εμπειρογνώμονες που είναι γνώστες στη πράξη του εξεταζόμενου συστήματος και της λειτουργίας του. Οι εμπειρογνώμονες περιγράφουν τις λεκτικές μεταβλητές, που ακολούθως μετασχηματίζονται σε αριθμητικές τιμές. 53

67 Έτσι, οι κόμβοι λαμβάνουν τιμές μεταξύ [0,1] και τα βάρη των διασυνδέσεων βρίσκονται στο διάστημα [-1,1] Προσομοίωση Ασαφούς Γνωστικού Δικτύου Μετά την περιγραφή του ΑΓΔ δύναται να χρησιμοποιηθεί προς περιγραφή και προσομοίωση του προς μοντελοποίηση συστήματος. Υπάρχουν δύο μέθοδοι υπολογισμού σε κάθε βήμα προσομοίωσης της νέας τιμής της μεταβλητής εκάστοτε κόμβου. Η πρώτη λαμβάνει υπόψη μόνο τις αλληλεπιδράσεις μεταξύ των διασυνδεμένων κόμβων ενώ η δεύτερη συμπεριλαμβάνει και την προηγούμενη τιμή της μεταβλητής του υπολογιζόμενου κόμβου επιδιώκοντας τη συμμετοχή στον καθορισμό της νέας τιμής. Σύμφωνα με την πρώτη μέθοδο, που περιγράφεται από την σχέση (Groumpos & Stylios, 2012): N t t 1 Ai f Aj W ji [3.28] j 1 j 1 όπου παρατηρείται ότι η τιμή του κόμβου Ci τη χρονική στιγμή t θα είναι t A i και εξαρτάται από τις τιμές των μεταβλητών των διασυνδεδεμένων κόμβων τη στιγμή t-1 πολλαπλασιασμένες με το αντίστοιχο βάρος Wji. Το αποτέλεσμα του πολλαπλασιασμού αθροίζεται και στη συνέχεια μια συνάρτηση συμπίεσης f το επεξεργάζεται και το μετατρέπει σε μια τιμή που ανήκει στο διάστημα [0,1], μέσα στο οποίο λαμβάνουν τιμές οι μεταβλητές των N κόμβων του ΑΓΔ. Η δεύτερη μέθοδος υπολογισμού χρησιμοποιεί έναν επιπλέον όρο, που περιλαμβάνει την προηγούμενη τιμή της μεταβλητής του υπολογιζόμενου κόμβου με σκοπό να συμμετέχει στον καθορισμό της νέας τιμής. Αυτό έχει σαν αποτέλεσμα το ΑΓΔ να οδηγείται πιο ομαλά στο επιθυμητό σημείο ισορροπίας και άρα επιτυγχάνεται πιο ομαλή μετάβαση από μια τιμή στην άλλη, αφού εκάστοτε κόμβος χαρακτηρίζεται από μνήμη ενός βήματος. Η μέθοδος αυτή περιγράφεται από την σχέση (Groumpos & Stylios, 2012): N t t 1 t 1 Ai f Aj Wji A i [3.29] j 1 j 1 54

68 Το t 1 A i είναι η τιμή του κόμβου Ci τη χρονική στιγμή t-1, και χρονική στιγμή t. t A i είναι η τιμή του κόμβου Ci τη Συναρτήσεις Συμπίεσης Η συνάρτηση συμπίεσης f που θα επιλεγεί, εξαρτάται από τη μέθοδο που θα χρησιμοποιηθεί για να περιγράψει τους κόμβους. Συνήθως στα ΑΓΔ χρησιμοποιούνται δύο ειδών συναρτήσεις συμπίεσης. Η πιο συνηθισμένη συνάρτηση συμπίεσης είναι η σιγμοειδής που έχει την παρακάτω μορφή: [3.30] όπου το λ καθορίζει την κύρτωση της σιγμοειδούς συνάρτησης f και είναι πάντα θετικό. Μια δεύτερη συνάρτηση συμπίεσης που χρησιμοποιείται σε κάποιες εφαρμογές των ΑΓΔ είναι η: η οποία μετασχηματίζει το περιεχόμενο της στο διάστημα [-1,1]. f (x) = tanh(x) [3.31] Κατόπιν της σύντομης αναφοράς στα ΑΓΔ, έπεται η πειραματική αξιολόγηση. Η αναφορά στα ΑΓΔ γίνεται επίσης στο πέμπτο κεφάλαιο με μια εφαρμοσμένη υλοποίηση της θεωρίας στο παράδειγμα εξέτασης (ποιότητα γάλακτος). 55

69 4 ΠΕΙΡΑΜΑΤΙΚΗ ΜΟΝΤΕΛΟΠΟΙΗΣΗ ΠΟΙΟΤΗΤΑΣ ΓΑΛΑΚΤΟΣ 4.1 Εισαγωγή Κατόπιν της περιγραφής του θεωρητικού πλαισίου, έπεται η αναλυτική μοντελοποίηση και περαιτέρω εφαρμογή του μοντέλου στη πράξη. Πριν την υλοποίηση της τελικής εφαρμογής, ορίζονται οι βασικές παράμετροι του μοντέλου ανά παράμετρο εξέτασης με βάση το πρότυπο που αναπτύχτηκε και παρουσιάστηκε ανωτέρω 14. Ο καθορισμός των συναρτήσεων βαρών ανά παράμετρο εξέτασης είναι ο πυρήνας του συστήματος και ο ορθός ορισμός αυτών αποτελεί το βασικό ζητούμενο στο πρώτο τμήμα του παρόντος κεφαλαίου. 4.2 Μοντελοποίηση Παραμέτρων αλυσίδας γάλακτος Η ανάλυση της παρούσας ενότητας γίνεται με βάση τις βασικές διαδικασίες που παρουσιαστήκαν παραπάνω 15. Η ανάλυση γίνεται σειριακά και σε κάθε διεργασία χωριστά ώστε να γίνει η σύνθεση των παραμέτρων που θα είναι το αντικείμενο εξέτασης στην παρούσα μελέτη. Βάση του διαγράμματος ροής στο οποίο έχουν οριστεί τα κρίσιμα σημεία ελέγχου (CCP s) της διαδικασίας παράγωγης γάλακτος, η ανάλυση αυτή θα πραγματοποιηθεί σύμφωνα με τις επτά (7) διαδικασίες του συστήματος που έχουν επιλεγεί. Στη συνέχεια, ακολουθεί η περιγραφή των CCP s για την παράγωγη γάλακτος σε συνδυασμό με την συνάρτηση ασαφοποίησης που ορίζεται σαν παράμετρο εισόδου στο μοντέλο που αναπτύσσεται. Αυτή η γνώση αποτελεί την βάση για το μοντέλο που ορίζεται εν συνεχεία CCP 1: Διατροφή των ζώων παραγωγής γάλακτος Βασικό ζητούμενο για την διατροφή των ζώων γαλακτοπαραγωγής είναι το πόσο «καλό» και ισορροπημένο είναι ένα σιτηρέσιο. Η ποσότητα του σιτηρεσίου θεωρείται παράμετρος εξέτασης 14 Κεφάλαιο 2 της παρούσας εργασίας. 15 ό.π. 56

70 δεδομένης της διαθεσιμότητας στο παράδειγμα εξέτασης. Επομένως, πρώτο βήμα θα πρέπει να είναι ο καθορισμός του τύπου του σιτηρεσίου που μπορεί να καταναλώσει μία αγελάδα. Η ανάλυση γίνεται με βάση τον Πίνακα 4.1 όπου η λεπτομερής ανάλυση του τύπου σιτηρεσίου ακολουθεί ανά ποσότητα. Ο χαρακτηρισμός γίνεται ως συνάρτηση της επαρκείας στη ποσότητα σιτηρεσίου. Πίνακας 4.1: Ανάλυση τύπου σιτηρεσίου. Ποσότητα (πρώτη ύλη την ποσότητα ζωοτροφής kg/100 kg ζώου) Χαρακτηρισμός Ποσότητας 0-1 Χαμηλή 1-3 Μέση 3-4 Υψηλή Η αντίστοιχη συνάρτηση κατανομής ορίζεται στο Σχήμα 4.1. Σχήμα 4.1: Συνάρτηση κατανομής CCP1. 57

71 4.2.2 CCP 2: Παραλαβή νωπού γάλακτος Κατά την παραλαβή του γάλακτος οι κίνδυνοι που απειλούν την ασφάλεια του προϊόντος είναι μικροβιολογικοί, χημικοί αλλά και φυσικοί όπως έχει αναφερθεί ανωτέρω. Η βασική παράμετρος εξέτασης κατά την μεταφορά του γάλακτος είναι η θερμοκρασία κατά την διαδικασία μεταφοράς. Στα πρότυπα αυτά η τυποποίηση της θερμοκρασίας σε κλίμακα ορίζεται ώστε να καταδείξει την επίδραση της θερμοκρασίας ως κρίσιμη παράμετρος κατά την μεταφορά της πρώτης ύλης. Με βάση την νομοθεσία αμέσως μετά την άμελξη, το γάλα και το πρωτόγαλα πρέπει να διατηρείται σε καθαρό χώρο, διαρρυθμισμένο και εξοπλισμένο έτσι, προκειμένου να αποφεύγεται η μόλυνσή του. Το γάλα πρέπει να ψύχεται αμέσως σε θερμοκρασία 8 o C σε περίπτωση καθημερινής συλλογής, ή 6 o C το ανώτατο εάν η συλλογή δεν γίνεται καθημερινά. Κατά τη μεταφορά, πρέπει να διατηρείται η ψυκτική αλυσίδα και, κατά την άφιξη στην εγκατάσταση προορισμού, η θερμοκρασία του γάλακτος και του πρωτογάλακτος δεν πρέπει να υπερβαίνει τους 10 o C. Με βάση τα ανωτέρω η κατανομή παρέχεται στο Πίνακα 4.2. Πίνακας 4.2: Ανάλυση θερμοκρασίας κατά τη μεταφορά. Δείκτης θερμοκρασίας κατά τη μεταφορά του προϊόντος Χαρακτηρισμός Θερμοκρασίας <6 Χαμηλή 6-8 Μέση >8 Υψηλή Η αντίστοιχη συνάρτηση κατανομής ορίζεται στο Σχήμα

72 Σχήμα 4.2: Συνάρτηση κατανομής CCP CCP 3: Συντήρηση γάλακτος Το γάλα, μετά την διαδικασία της παραλαβής, αποθηκεύεται σε μεγάλες ανοξείδωτες δεξαμενές και ψύχεται σε θερμοκρασία 4-5 ο C όποτε και διατηρείται. Η διαδικασία αυτή θεωρείται αναγκαία καθώς σε αυτή την θερμοκρασία δεν παρατηρείται πολλαπλασιασμός των μικροοργανισμών που ενδεχομένως να έχουν απομείνει στο γάλα. Στην φάση αυτή, το γάλα παραμένει για ώρες το πολύ και ακολούθως προωθείται για περαιτέρω για επεξεργασία. Οπότε φαίνεται ότι η μεταβλητή παράμετρος στο μοντέλο είναι ο χρόνος παραμονής στις δεξαμενές και αυτή είναι η παράμετρος που μοντελοποιείται. Πίνακας 4.3: Ανάλυση παραμονής προϊόντος στις δεξαμενές. Μονάδα/Ώρες παραμονής προϊόντος στις δεξαμενές Χαρακτηρισμός παραμονής προϊόντος στις δεξαμενές <48 Χαμηλή Μέση >72 Υψηλή 59

73 Σχήμα 4.3: Συνάρτηση κατανομής CCP CCP 4: Ομογενοποίηση νωπού γάλακτος Μέσα από την διαδικασία της ομογενοποίησης επιτυγχάνεται η διάσπαση των λιπαρών ουσιών του γάλακτος σε πολύ μικρότερο μέγεθος από το αρχικό τους και η ταυτόχρονη κατανομή τους σε όλη των μάζα του προϊόντος. Η διαδικασία δύναται να πραγματοποιηθεί σε δύο στάδια, το πρώτο σε πίεση 15MPa και το δεύτερο σε 4MPa, οπότε δεδομένης της διαδικασίας που γίνεται με χρήση της φυγόκεντρου δύναμης, η πίεση που ασκείται είναι η παράμετρος που καθορίζει την διάκριση των διαδικασιών ανά περίπτωση. Στον Πίνακα 4.4 παρουσιάζονται τα αποτελέσματα από την εν λόγω διαδικασία. Πίνακας 4.4: Ανάλυση πίεσης κατά την ομογενοποίηση του προϊόντος. Δείκτης πίεσης κατά τη ομογενοποίηση του προϊόντος Χαρακτηρισμός Πίεσης κατά την διαδικασία <4 Χαμηλή 4-15 Μέση >15 Υψηλή Η αντίστοιχη συνάρτηση κατανομής ορίζεται στο Σχήμα

74 Σχήμα 4.4: Συνάρτηση κατανομής CCP CCP 5: Παστερίωση νωπού γάλακτος Το γάλα από τον ομογενοποιητή όπως αναφέρθηκε και ανωτέρω, κατευθύνεται στο σύστημα παστερίωσης όπου και θερμαίνεται στους 85 ο C για 30 λεπτά. Εναλλακτικά αυτής της διαδικασίας μπορεί να γίνει θέρμανση στους ο C για 5 λεπτά, το οποίο συνηθίζεται από αρκετές βιομηχανίες. Όπως είναι εύκολα κατανοητό, η θερμοκρασία αποτελεί παράμετρο που διέπει την διεργασία αυτή και τα όρια καθορίζονται εκ νέου στον Πίνακα 4.5 για τον χαρακτηρισμό της διαδικασίας παστερίωσης. Πίνακας 4.5: Ανάλυση θερμοκρασίας κατά τη παστερίωση. Μονάδα θερμοκρασίας κατά τη παστερίωση του προϊόντος Χαρακτηρισμός Θερμοκρασίας παστερίωσης <85 Χαμηλή Μέση >95 Υψηλή Η αντίστοιχη συνάρτηση κατανομής ορίζεται στο Σχήμα

75 Σχήμα 4.5: Συνάρτηση κατανομής CCP CCP 6: Αποθήκευση Γάλακτος στην Κεντρική Μονάδα Αποτελεί το ενδιάμεσο βήμα στην διαδικασία όπου η αποθήκευση του ψυχρού γάλακτος μετά από την παστερίωση γίνεται για χρονικό διάστημα έως 12 ωρών. Καμία περαιτέρω επεξεργασία δεν παρατηρείται πριν την συσκευασία του γάλακτος που αποτελεί το επόμενο βήμα εξέτασης. Στην περίπτωση αυτή ο χρόνος παραμονής λαμβάνεται σαν η κρίσιμη παράμετρος εξέτασης οπότε εξάγεται και η αντίστοιχη μοντελοποίηση. Πίνακας 4.6: Ανάλυση παραμονής προϊόντος. Μονάδα/ Ώρες παραμονής προϊόντος στις δεξαμενές Χαρακτηρισμός παραμονής προϊόντος στις δεξαμενές <8 Χαμηλή 8-12 Μέση >12 Υψηλή Η αντίστοιχη συνάρτηση κατανομής ορίζεται στο Σχήμα

76 Σχήμα 4.6: Συνάρτηση κατανομής CCP CCP 7: Συσκευασία Γάλακτος για διανομή Ο τύπος συσκευασίας είναι επίσης μια παράμετρος εξέτασης αλλά η τιμή που λαμβάνει είναι ποιοτική ώστε να οριστεί η επίδραση στην τελική ποιότητα του προϊόντος. Στα πλαίσια αυτά ο διαχωρισμός γίνεται περισσότερο για την συμπλήρωση της διαδικασίας, καθώς δεδομένα για την επίδραση της συσκευασίας στην τελική ποιότητα δεν έχουν καθοριστεί. Για την κατηγορία του γάλακτος στην Ελλάδα, πιο δημοφιλής συσκευασία φρέσκου γάλακτος είναι η χάρτινη και συγκεκριμένα η «σύνθετη χάρτινη συσκευασία». Επίσης, πλαστική συσκευασία και γυάλινη συσκευασία ορίζονται δυο επιπλέον τύποι για τον καθορισμό του μοντέλου. Πίνακας 4.7: Ανάλυση Συσκευασίας. Τύπος Συσκευασίας Πλαστικό (1) Χάρτινο (2) Γυάλινο (3) Ποιότητα συσκευασίας Χαμηλή Μέση Υψηλή Η αντίστοιχη συνάρτηση κατανομής ορίζεται στο Σχήμα

77 Σχήμα 4.7: Συνάρτηση κατανομής CCP CCP 8: Διανομή Γάλακτος για τελική κατανάλωση Οι εταιρίες οι οποίες δραστηριοποιούνται στον κλάδο των προϊόντων γάλακτος παρουσιάζουν σημαντική ανομοιογένεια ως προς τον τρόπο οργάνωσης του δικτύου διανομής και αυτό διαφαίνεται και στην περίοδο διατήρησης του κάθε γάλακτος. Έτσι, ανάλογα με τον αριθμό των ημερών καθορίζεται και ο τύπος του γάλακτος που έχει άμεση επίδραση στην ποιότητα του τελικού προϊόντος. Πίνακας 4.8: Ανάλυση προϊόντος στην διανομή. Μονάδα/ Ημέρες παραμονής προϊόντος στην διανομή Χαρακτηρισμός παραμονής προϊόντος στην διανομή <1 Χαμηλή 1-3 Μέση >3 Υψηλή Η αντίστοιχη συνάρτηση κατανομής ορίζεται στο Σχήμα

78 Σχήμα 4.8: Συνάρτηση κατανομής CCP CCP 9: Εργατικό Δυναμικό και επίδραση στο τελικό προϊόν Με την ανάλυση της μεθόδου HACCP έγινε φανερή η διάκριση των CCP και των PRP ως προς την βαρύτητα στη διαδικασία της αξιολόγησης. Στα πλαίσια αυτά ορίζεται η παράμετρος εκείνη η οποία χαρακτηρίζει το εργατικό δυναμικό ως μια μεταβλητή στο μοντέλο που ορίζεται. Δεδομένα που να συσχετίζουν την επίδραση του εργατικού δυναμικού στο τελικό προϊόν δεν είναι διαθέσιμα οπότε ο ρόλος της παραμέτρου αυτής δεν είναι ξεκάθαρος παρά την ανάλυση στην παρούσα μελέτη. Για λόγους πληρότητας παρουσιάζεται η συσχέτιση με την ποσότητα του προσωπικού που ασχολείται με τις διαδικασίες της αξιολόγησης. Πίνακας 4.9: Ανάλυση Εργατικού Δυναμικού. Ποσότητα Εργατικού Δυναμικού Περιορισμένο Επαρκές Πλήρες Χαρακτηρισμός Αξιολόγησης προϊόντος Χαμηλή Μέση Υψηλή Η αντίστοιχη συνάρτηση κατανομής ορίζεται στο Σχήμα

79 Σχήμα 4.9: Συνάρτηση κατανομής CCP9. Στο συγκεκριμένο σύστημα διάγνωσης της ποιότητας του γάλακτος θα υπάρχει μία έξοδος η οποία θα είναι το πιθανό στάδιο ποιότητας για τον τελικό χαρακτηρισμό του γάλακτος. Γίνεται κάτωθι αναφορά στις τιμές που ορίζονται για τον χαρακτηρισμό αυτού. στάδιο_0: Ποιότητα γάλακτος πολύ χαμηλή στάδιο_1: Ποιότητα γάλακτος χαμηλή στάδιο_2: Ποιότητα γάλακτος μέτρια στάδιο_3: Ποιότητα γάλακτος υψηλή στάδιο_4: Ποιότητα γάλακτος αρίστη. Το αντίστοιχο σύνολο δεν χαρακτηρίζεται από κάποια τομή στα σημεία δεδομένου του διακριτού χαρακτηρισμού ανά στάθμη. 66

80 Σχήμα 4.10: Συνάρτηση κατανομής Output. Μετά την αναλυτική περιγραφή ασαφών συνόλων, οι κανόνες ορίζονται προκειμένου να τεθούν οι βάσεις για το ασαφές δίκτυο που είναι αντικείμενο της όλης παρούσας μελέτης. Ο καθορισμός αυτός συνθέτει το δεύτερο βήμα της μεθοδολογίας όπως περιγράφηκε αναλυτικά ανωτέρω 16. Επομένως, το επόμενο βήμα είναι η εισαγωγή κανόνων 17. Με βάση την ανάλυση των μεταβλητών εισόδου και εξόδου όπως έχουν οριστεί, το γραφικό περιβάλλον επιτρέπει την κατασκευή κανόνων αυτόματα. Πρώτα πρέπει να γίνει η επιλογή μιας λεκτικής μεταβλητής από κάθε είσοδο, και μίας λεκτικής μεταβλητής από την έξοδο, ώστε να σχηματίζεται ένας κανόνας. Οι κανόνες επομένως είναι της μορφής: ΕΑΝ η είσοδος 1 είναι MF1 (η πρώτη συνάρτηση συμμετοχής της εισόδου 1) ή η είσοδος 2 είναι MF2, ΤΟΤΕ η έξοδος 1 θα είναι MF1 (η πρώτη συνάρτηση συμμετοχής της εξόδου 1) με βάρος 1 Για το συγκεκριμένο σύστημα με βάση όλες τις πληροφορίες που συλλέχθηκαν από την βιβλιογραφική ανασκόπηση αλλά και επιτόπιο έλεγχο σε εταιρίες, οι βασικές αρχές είναι οι παρακάτω. 16 Κεφάλαιο 3 της παρούσας εργασίας. 17 μέσα από το παράθυρο Rule Editor. 67

81 Πρέπει να τονιστεί ότι στην χρήση της ασαφούς λογικής χρησιμοποιείται η πράξη AND για την διατύπωση των αντίστοιχων σχέσεων ως την τομή των συνόλων για τον χαρακτηρισμό της ποιότητας. Με βάση την ανάλυση των δεδομένων σχετικά με την διατύπωση των σχέσεων, ορίζονται βάρη στους παραμέτρους που καθορίζουν την τελική ποιότητα. Έτσι, οι παράμετροι της: Συντήρησης, Ομογενοποίησης, Παστερίωσης, Διανομής ορίζονται ως οι πιο κρίσιμοι για τον χαρακτηρισμό της ποιότητας και αυτό αποτυπώνεται στις παρακάτω σχέσεις. Λόγω της έλλειψης δεδομένων σχετικά με την διατύπωση των σχέσεων, μια παραμετρική ανάλυση ορίζεται στην παρούσα εργασία. Έτσι, στο σημείο αυτό διατυπώνεται το ευρύ σύνολο των παραμέτρων και των σχέσεων που συνθέτουν το πρώτο μοντέλο εξέτασης (Μοντέλο Α) το όποιο αναλύεται στην επόμενη ενότητα. Μια πιο απλοποιημένη εκδοχή του μοντέλου ορίζει το δεύτερο παράδειγμα εξέτασης (Μοντέλο Β) το όποιο παρουσιάζεται στην συνεχεία αναλυτικά. Οι σχέσεις επομένως για το Μοντέλο Α ορίζονται: ΕΑΝ η CCP3 (Συντήρηση) είναι Υψηλή Η η CCP 4 (Ομογενοποίηση) είναι Υψηλή Η η CCP5 (Παστερίωση) είναι Υψηλή Η η CCP8 (Διανομή) είναι Υψηλή ΤΟΤΕ η έξοδος (Ποιότητα) θα είναι Πολύ_Χαμηλή ΕΑΝ η CCP1 (Διατροφή) είναι Μέση Η η CCP2 (Παραλαβή) είναι Μέση Η η CCP3 ( Συντήρηση) είναι Υψηλή Η η CCP 4 (Ομογενοποίηση) είναι Υψηλή Η η CCP5 (Παστερίωση) είναι Υψηλή Η η CC6 (Αποθήκευση) είναι Υψηλή ΚΗ η CCP 7 (Συσκευασία) είναι Μέση Η η CCP8 (Διανομή) είναι Υψηλή Η η CC9 (Δυναμικό) είναι Μέση ΤΟΤΕ η έξοδος (Ποιότητα) θα είναι Πολύ_Χαμηλή ΕΑΝ η CCP1 (Διατροφή) είναι Χαμηλή Η η CCP2 (Παραλαβή) είναι Μέση Η η CCP3 ( Συντήρηση) είναι Υψηλή Η η CCP 4 (Ομογενοποίηση) είναι Υψηλή Η η CCP5 (Παστερίωση) είναι Υψηλή Η η CC6 (Αποθήκευση) είναι Μέση ΚΗ η CCP 7 (Συσκευασία) είναι Μέση Η η CCP8 (Διανομή) είναι Υψηλή Η η CC9 (Δυναμικό) είναι Μέση ΤΟΤΕ η έξοδος (Ποιότητα) θα είναι Πολύ_Χαμηλή 68

82 ΕΑΝ η CCP1 (Διατροφή) είναι Μέση Η η CCP2 (Παραλαβή) είναι Μέση Η η CCP3 ( Συντήρηση) είναι Υψηλή Η η CCP 4 (Ομογενοποίηση) είναι Υψηλή Η η CCP5 (Παστερίωση) είναι Υψηλή Η η CC6 (Αποθήκευση) είναι Μέση ΚΗ η CCP 7 (Συσκευασία) είναι Χαμηλή Η η CCP8 (Διανομή) είναι Υψηλή Η η CC9 (Δυναμικό) είναι Μέση ΤΟΤΕ η έξοδος (Ποιότητα) θα είναι Πολύ_Χαμηλή ΕΑΝ η CCP1 (Διατροφή) είναι Χαμηλή ΚΑΙ η CCP2 (Παραλαβή) είναι Υψηλή ΚΑΙ η CCP3 ( Συντήρηση) είναι Μέση ΚΑΙ η CCP 4 (Ομογενοποίηση) είναι Μέση ΚΑΙ η CCP5 (Παστερίωση) είναι Μέση ΚΑΙ η CC6 (Αποθήκευση) είναι Υψηλή ΚΚΑΙ η CCP 7 (Συσκευασία) είναι Χαμηλή ΚΑΙ η CCP8 (Διανομή) είναι Μέση ΚΑΙ η CC9 (Δυναμικό) είναι Χαμηλή ΤΟΤΕ η έξοδος (Ποιότητα) θα είναι Χαμηλή ΕΑΝ η CCP1 (Διατροφή) είναι Μέση ΚΑΙ η CCP2 (Παραλαβή) είναι Υψηλή ΚΑΙ η CCP3 ( Συντήρηση) είναι Μέση ΚΑΙ η CCP 4 (Ομογενοποίηση) είναι Μέση ΚΑΙ η CCP5 (Παστερίωση) είναι Μέση ΚΑΙ η CC6 (Αποθήκευση) είναι Μέση ΚΚΑΙ η CCP 7 (Συσκευασία) είναι Μέση ΚΑΙ η CCP8 (Διανομή) είναι Μέση ΚΑΙ η CC9 (Δυναμικό) είναι Χαμηλή ΤΟΤΕ η έξοδος (Ποιότητα) θα είναι Χαμηλή ΕΑΝ η CCP1 (Διατροφή) είναι Χαμηλή ΚΑΙ η CCP2 (Παραλαβή) είναι Μέση ΚΑΙ η CCP3 ( Συντήρηση) είναι Μέση ΚΑΙ η CCP 4 (Ομογενοποίηση) είναι Μέση ΚΑΙ η CCP5 (Παστερίωση) είναι Μέση ΚΑΙ η CC6 (Αποθήκευση) είναι Υψηλή ΚΚΑΙ η CCP 7 (Συσκευασία) είναι Χαμηλή ΚΑΙ η CCP8 (Διανομή) είναι Μέση ΚΑΙ η CC9 (Δυναμικό) είναι Μέση ΤΟΤΕ η έξοδος (Ποιότητα) θα είναι Χαμηλή ΕΑΝ η CCP1 (Διατροφή) είναι Μέση ΚΑΙ η CCP2 (Παραλαβή) είναι Υψηλή ΚΑΙ η CCP3 ( Συντήρηση) είναι Μέση ΚΑΙ η CCP 4 (Ομογενοποίηση) είναι Μέση ΚΑΙ η CCP5 (Παστερίωση) είναι Μέση ΚΑΙ η CC6 (Αποθήκευση) είναι Μέση ΚΚΑΙ η CCP 7 (Συσκευασία) είναι Μέση ΚΑΙ η CCP8 (Διανομή) είναι Μέση ΚΑΙ η CC9 (Δυναμικό) είναι Μέση ΤΟΤΕ η έξοδος (Ποιότητα) θα είναι Χαμηλή ΕΑΝ η CCP1 (Διατροφή) είναι Χαμηλή ΚΑΙ η CCP2 (Παραλαβή) είναι Μέση ΚΑΙ η CCP3 ( Συντήρηση) είναι Μέση ΚΑΙ η CCP 4 (Ομογενοποίηση) είναι Μέση ΚΑΙ η CCP5 (Παστερίωση) είναι Μέση ΚΑΙ η CC6 (Αποθήκευση) είναι Υψηλή ΚΚΑΙ η CCP 7 (Συσκευασία) είναι Χαμηλή ΚΑΙ η CCP8 (Διανομή) είναι Μέση ΚΑΙ η CC9 (Δυναμικό) είναι Χαμηλή ΤΟΤΕ η έξοδος (Ποιότητα) θα είναι Χαμηλή 69

83 ΕΑΝ η CCP1 (Διατροφή) είναι Μέση ΚΑΙ η CCP2 (Παραλαβή) είναι Μέση ΚΑΙ η CCP3 ( Συντήρηση) είναι Μέση ΚΑΙ η CCP 4 (Ομογενοποίηση) είναι Μέση ΚΑΙ η CCP5 (Παστερίωση) είναι Μέση ΚΑΙ η CC6 (Αποθήκευση) είναι Μέση ΚΚΑΙ η CCP 7 (Συσκευασία) είναι Μέση ΚΑΙ η CCP8 (Διανομή) είναι Μέση ΚΑΙ η CC9 (Δυναμικό) είναι Μέση ΤΟΤΕ η έξοδος (Ποιότητα) θα είναι Μέση ΕΑΝ η CCP1 (Διατροφή) είναι Μέση ΚΑΙ η CCP2 (Παραλαβή) είναι Μέση ΚΑΙ η CCP3 ( Συντήρηση) είναι Μέση ΚΑΙ η CCP 4 (Ομογενοποίηση) είναι Χαμηλή ΚΑΙ η CCP5 (Παστερίωση) είναι Μέση ΚΑΙ η CC6 (Αποθήκευση) είναι Μέση ΚΚΑΙ η CCP 7 (Συσκευασία) είναι Μέση ΚΑΙ η CCP8 (Διανομή) είναι Μέση ΚΑΙ η CC9 (Δυναμικό) είναι Μέση ΤΟΤΕ η έξοδος (Ποιότητα) θα είναι Μέση ΕΑΝ η CCP1 (Διατροφή) είναι Χαμηλή ΚΑΙ η CCP2 (Παραλαβή) είναι Υψηλή ΚΑΙ η CCP3 ( Συντήρηση) είναι Μέση ΚΑΙ η CCP 4 (Ομογενοποίηση) είναι Μέση ΚΑΙ η CCP5 (Παστερίωση) είναι Χαμηλή ΚΑΙ η CC6 (Αποθήκευση) είναι Μέση ΚΚΑΙ η CCP 7 (Συσκευασία) είναι Μέση ΚΑΙ η CCP8 (Διανομή) είναι Μέση ΚΑΙ η CC9 (Δυναμικό) είναι Μέση ΤΟΤΕ η έξοδος (Ποιότητα) θα είναι Μέση ΕΑΝ η CCP1 (Διατροφή) είναι Μέση ΚΑΙ η CCP2 (Παραλαβή) είναι Μέση ΚΑΙ η CCP3 ( Συντήρηση) είναι Χαμηλή ΚΑΙ η CCP 4 (Ομογενοποίηση) είναι Μέση ΚΑΙ η CCP5 (Παστερίωση) είναι Μέση ΚΑΙ η CC6 (Αποθήκευση) είναι Υψηλή ΚΚΑΙ η CCP 7 (Συσκευασία) είναι Χαμηλή ΚΑΙ η CCP8 (Διανομή) είναι Μέση ΚΑΙ η CC9 (Δυναμικό) είναι Μέση ΤΟΤΕ η έξοδος (Ποιότητα) θα είναι Μέση ΕΑΝ η CCP1 (Διατροφή) είναι Χαμηλή ΚΑΙ η CCP2 (Παραλαβή) είναι Μέση ΚΑΙ η CCP3 ( Συντήρηση) είναι Μέση ΚΑΙ η CCP 4 (Ομογενοποίηση) είναι Μέση ΚΑΙ η CCP5 (Παστερίωση) είναι Μέση ΚΑΙ η CC6 (Αποθήκευση) είναι Μέση ΚΚΑΙ η CCP 7 (Συσκευασία) είναι Μέση ΚΑΙ η CCP8 (Διανομή) είναι Χαμηλή ΚΑΙ η CC9 (Δυναμικό) είναι Μέση ΤΟΤΕ η έξοδος (Ποιότητα) θα είναι Μέση ΕΑΝ η CCP1 (Διατροφή) είναι Μέση ΚΑΙ η CCP2 (Παραλαβή) είναι Μέση ΚΑΙ η CCP3 ( Συντήρηση) είναι Χαμηλή ΚΑΙ η CCP 4 (Ομογενοποίηση) είναι Μέση ΚΑΙ η CCP5 (Παστερίωση) είναι Μέση ΚΑΙ η CC6 (Αποθήκευση) είναι Χαμηλή ΚΚΑΙ η CCP 7 (Συσκευασία) είναι Υψηλή ΚΑΙ η CCP8 (Διανομή) είναι Χαμηλή ΚΑΙ η CC9 (Δυναμικό) είναι Μέση ΤΟΤΕ η έξοδος (Ποιότητα) θα είναι Υψηλή 70

84 ΕΑΝ η CCP1 (Διατροφή) είναι Υψηλή ΚΑΙ η CCP2 (Παραλαβή) είναι Χαμηλή ΚΑΙ η CCP3 ( Συντήρηση) είναι Μέση ΚΑΙ η CCP 4 (Ομογενοποίηση) είναι Χαμηλή ΚΑΙ η CCP5 (Παστερίωση) είναι Μέση ΚΑΙ η CC6 (Αποθήκευση) είναι Μέση ΚΚΑΙ η CCP 7 (Συσκευασία) είναι Μέση ΚΑΙ η CCP8 (Διανομή) είναι Χαμηλή ΚΑΙ η CC9 (Δυναμικό) είναι Υψηλή ΤΟΤΕ η έξοδος (Ποιότητα) θα είναι Υψηλή ΕΑΝ η CCP1 (Διατροφή) είναι Μέση ΚΑΙ η CCP2 (Παραλαβή) είναι Μέση ΚΑΙ η CCP3 ( Συντήρηση) είναι Μέση ΚΑΙ η CCP 4 (Ομογενοποίηση) είναι Μέση ΚΑΙ η CCP5 (Παστερίωση) είναι Χαμηλή ΚΑΙ η CC6 (Αποθήκευση) είναι Μέση ΚΚΑΙ η CCP 7 (Συσκευασία) είναι Μέση ΚΑΙ η CCP8 (Διανομή) είναι Χαμηλή ΚΑΙ η CC9 (Δυναμικό) είναι Μέση ΤΟΤΕ η έξοδος (Ποιότητα) θα είναι Υψηλή ΕΑΝ η CCP1 (Διατροφή) είναι Υψηλή ΚΑΙ η CCP2 (Παραλαβή) είναι Μέση ΚΑΙ η CCP3 ( Συντήρηση) είναι Χαμηλή ΚΑΙ η CCP 4 (Ομογενοποίηση) είναι Χαμηλή ΚΑΙ η CCP5 (Παστερίωση) είναι Μέση ΚΑΙ η CC6 (Αποθήκευση) είναι Χαμηλή ΚΚΑΙ η CCP 7 (Συσκευασία) είναι Μέση ΚΑΙ η CCP8 (Διανομή) είναι Μέση ΚΑΙ η CC9 (Δυναμικό) είναι Υψηλή ΤΟΤΕ η έξοδος (Ποιότητα) θα είναι Υψηλή ΕΑΝ η CCP1 (Διατροφή) είναι Μέση ΚΑΙ η CCP2 (Παραλαβή) είναι Χαμηλή ΚΑΙ η CCP3 ( Συντήρηση) είναι Χαμηλή ΚΑΙ η CCP 4 (Ομογενοποίηση) είναι Μέση ΚΑΙ η CCP5 (Παστερίωση) είναι Χαμηλή ΚΑΙ η CC6 (Αποθήκευση) είναι Μέση ΚΚΑΙ η CCP 7 (Συσκευασία) είναι Μέση ΚΑΙ η CCP8 (Διανομή) είναι Μέση ΚΑΙ η CC9 (Δυναμικό) είναι Μέση ΤΟΤΕ η έξοδος (Ποιότητα) θα είναι Υψηλή ΕΑΝ η CCP1 (Διατροφή) είναι Μέση ΚΑΙ η CCP2 (Παραλαβή) είναι Μέση ΚΑΙ η CCP3 ( Συντήρηση) είναι Χαμηλή ΚΑΙ η CCP 4 (Ομογενοποίηση) είναι Χαμηλή ΚΑΙ η CCP5 (Παστερίωση) είναι Χαμηλή ΚΑΙ η CC6 (Αποθήκευση) είναι Μέση ΚΚΑΙ η CCP 7 (Συσκευασία) είναι Μέση ΚΑΙ η CCP8 (Διανομή) είναι Χαμηλή ΚΑΙ η CC9 (Δυναμικό) είναι Μέση ΤΟΤΕ η έξοδος (Ποιότητα) θα είναι Πολύ_Υψηλή ΕΑΝ η CCP1 (Διατροφή) είναι Μέση ΚΑΙ η CCP2 (Παραλαβή) είναι Μέση ΚΑΙ η CCP3 ( Συντήρηση) είναι Χαμηλή ΚΑΙ η CCP 4 (Ομογενοποίηση) είναι Χαμηλή ΚΑΙ η CCP5 (Παστερίωση) είναι Χαμηλή ΚΑΙ η CC6 (Αποθήκευση) είναι Μέση ΚΚΑΙ η CCP 7 (Συσκευασία) είναι Υψηλή ΚΑΙ η CCP8 (Διανομή) είναι Χαμηλή ΚΑΙ η CC9 (Δυναμικό) είναι Υψηλή ΤΟΤΕ η έξοδος (Ποιότητα) θα είναι Πολύ_Υψηλή 71

85 ΕΑΝ η CCP1 (Διατροφή) είναι Υψηλή ΚΑΙ η CCP2 (Παραλαβή) είναι Χαμηλή ΚΑΙ η CCP3 ( Συντήρηση) είναι Χαμηλή ΚΑΙ η CCP 4 (Ομογενοποίηση) είναι Χαμηλή ΚΑΙ η CCP5 (Παστερίωση) είναι Χαμηλή ΚΑΙ η CC6 (Αποθήκευση) είναι Χαμηλή ΚΚΑΙ η CCP 7 (Συσκευασία) είναι Μέση ΚΑΙ η CCP8 (Διανομή) είναι Χαμηλή ΚΑΙ η CC9 (Δυναμικό) είναι Μέση ΤΟΤΕ η έξοδος (Ποιότητα) θα είναι Πολύ_Υψηλή ΕΑΝ η CCP1 (Διατροφή) είναι Υψηλή ΚΑΙ η CCP2 (Παραλαβή) είναι Χαμηλή ΚΑΙ η CCP3 ( Συντήρηση) είναι Χαμηλή ΚΑΙ η CCP 4 (Ομογενοποίηση) είναι Χαμηλή ΚΑΙ η CCP5 (Παστερίωση) είναι Χαμηλή ΚΑΙ η CC6 (Αποθήκευση) είναι Χαμηλή ΚΚΑΙ η CCP 7 (Συσκευασία) είναι Υψηλή ΚΑΙ η CCP8 (Διανομή) είναι Χαμηλή ΚΑΙ η CC9 (Δυναμικό) είναι Υψηλή ΤΟΤΕ η έξοδος (Ποιότητα) θα είναι Πολύ_Υψηλή Ο Πίνακας 4.10 παρουσιάζει συγκεντρωτικά τις σχέσεις προκειμένου να είναι πιο άμεση η εξέταση της φύσεως του προβλήματος. Στον πίνακα αυτό αναφέρονται οι παράμετροι εισόδου εξόδου και οι τιμές που ορίζονται για τις παραμέτρους ανά κανόνα αναφοράς. 72

86 Πίνακας 4.10: Κανόνες εξέτασης μοντέλου Α. CCP1 (Διατροφή) CCP2 (Παραλαβή) CCP3 (Συντήρηση) CCP 4 (Ομογενοποίηση) CCP5 (Παστερίωση) CC6 (Αποθήκευση) CCP 7 (Συσκευασία) CCP8 (Διανομή) CC9 (Δυναμικό) Κανόνας 1 Χαμηλή Υψηλή Υψηλή Υψηλή Υψηλή Υψηλή Χαμηλή Υψηλή Χαμηλή Πολύ_Χαμηλή Κανόνας 2 Μέση Μέση Υψηλή Υψηλή Υψηλή Υψηλή Μέση Υψηλή Μέση Πολύ_Χαμηλή Κανόνας 3 Χαμηλή Μέση Υψηλή Υψηλή Υψηλή Μέση Μέση Υψηλή Μέση Πολύ_Χαμηλή Κανόνας 4 Μέση Μέση Υψηλή Υψηλή Υψηλή Μέση Χαμηλή Υψηλή Μέση Πολύ_Χαμηλή Κανόνας 5 Χαμηλή Υψηλή Μέση Μέση Μέση Υψηλή Χαμηλή Μέση Χαμηλή Χαμηλή Κανόνας 6 Μέση Υψηλή Μέση Μέση Μέση Μέση Μέση Μέση Χαμηλή Χαμηλή Κανόνας 7 Χαμηλή Μέση Μέση Μέση Μέση Υψηλή Χαμηλή Μέση Μέση Χαμηλή Κανόνας 8 Μέση Υψηλή Μέση Μέση Μέση Μέση Μέση Μέση Μέση Χαμηλή Κανόνας 9 Χαμηλή Μέση Μέση Μέση Μέση Υψηλή Χαμηλή Μέση Χαμηλή Χαμηλή Κανόνας 10 Μέση Μέση Μέση Μέση Μέση Μέση Μέση Μέση Μέση Μέση Κανόνας 11 Μέση Μέση Μέση Χαμηλή Μέση Μέση Μέση Μέση Μέση Μέση Κανόνας 12 Χαμηλή Υψηλή Μέση Μέση Χαμηλή Μέση Μέση Μέση Μέση Μέση Κανόνας 13 Μέση Μέση Χαμηλή Μέση Μέση Υψηλή Χαμηλή Μέση Μέση Μέση Κανόνας 14 Χαμηλή Μέση Μέση Μέση Μέση Μέση Μέση Χαμηλή Μέση Μέση Κανόνας 15 Μέση Μέση Χαμηλή Μέση Μέση Χαμηλή Υψηλή Χαμηλή Μέση Υψηλή Κανόνας 16 Υψηλή Χαμηλή Μέση Χαμηλή Μέση Μέση Μέση Χαμηλή Υψηλή Υψηλή Κανόνας 17 Μέση Μέση Μέση Μέση Χαμηλή Μέση Μέση Χαμηλή Μέση Υψηλή Κανόνας 18 Υψηλή Μέση Χαμηλή Χαμηλή Μέση Χαμηλή Μέση Μέση Υψηλή Υψηλή Κανόνας 19 Μέση Χαμηλή Χαμηλή Μέση Χαμηλή Μέση Μέση Μέση Μέση Υψηλή Κανόνας 20 Μέση Μέση Χαμηλή Χαμηλή Χαμηλή Μέση Μέση Χαμηλή Μέση Πολύ_Υψηλή Κανόνας 21 Μέση Μέση Χαμηλή Χαμηλή Χαμηλή Μέση Υψηλή Χαμηλή Υψηλή Πολύ_Υψηλή Κανόνας 22 Υψηλή Χαμηλή Χαμηλή Χαμηλή Χαμηλή Χαμηλή Μέση Χαμηλή Μέση Πολύ_Υψηλή Κανόνας 23 Υψηλή Χαμηλή Χαμηλή Χαμηλή Χαμηλή Χαμηλή Υψηλή Χαμηλή Υψηλή Πολύ_Υψηλή Τελικό 73

87 Πρέπει να τονιστεί ότι οι κανόνες χαρακτηρίζονται με ποιοτικά κριτήρια και στο πλαίσιο αυτό επιλέγεται βάρος ίσο με την μονάδα για όλες τις περιπτώσεις εξέτασης. Με γνώμονα το πλήθος των παραμέτρων εξέτασης (9 παράμετροι εισόδου) μια σειρά από 23 κανόνες ορίζονται ώστε να καθορίσουν την δομή του προβλήματος. Σχήμα 4.11: Rule Editor για μοντέλο Α. Στο Σχήμα 4.12 αποτυπώνεται το σύστημα που μοντελοποιεί το πρόβλημα αναφοράς. 74

88 Σχήμα 4.12: Μοντέλο συστήματος. Μετά την ανάλυση αυτή, έπεται η πειραματική αξιολόγηση του πρώτου μοντέλου στην ενότητα που ακολουθεί. 4.3 Πειραματική αξιολόγηση Μοντέλου Α Με την αναλυτική διαμόρφωση του προβλήματος όπως καθορίστηκε στην προηγούμενη ενότητα, έπεται η αξιολόγηση αυτού. Για την διαδικασία αυτή ορίζεται το αρχικό σενάριο με τις παραμέτρους εισόδου που λαμβάνονται προς εξαγωγή του αποτελέσματος από το μοντέλο που 75

89 έχει διαμορφωθεί. Στο Σχήμα 4.13 παρουσιάζονται συνοπτικά οι παράμετροι εισόδου για το Μοντέλο Α. Σχήμα 4.13: Dataset για προσομοίωση. Οι τιμές αυτές είναι μέσα στα όρια που έχουν καθοριστεί στην αρχική ενότητα αυτού του Κεφαλαίου με βάση τις τιμές της βιβλιογραφίας όπως καθοριστήκαν στο βιβλιογραφικό μέρος της μελέτης. Επειδή το συνολικό δείγμα είναι ν! το πλήθος, για την πληρέστερη εξέταση του μοντέλου η μέθοδος της διακριτοποίησης των τιμών επιλέγεται προς ορισμό ενός πεπερασμένου πλήθους από παραδείγματα εξέτασης. Για τις ανωτέρω τιμές εισόδου, οι τιμές εξόδου από το μοντέλο Α παρουσιάζονται αρχικά για τιμές του δείγματος που είναι κοντά στα όρια των κανόνων. Πιο συγκεκριμένα, επιλέχθηκε ένα δείγμα αντιπροσωπευτικό προς επαλήθευση της συμπεριφοράς των κανόνων και του συστήματος. Τα αποτελέσματα για τη προσομοίωση παρουσιάζονται μαζί με το εξαγόμενο αποτέλεσμα. 76

90 CCP1 (Διατροφή) CCP2 (Παραλαβή) Πίνακας 4.11: Δεδομένα εξέτασης μοντέλου Α. CCP3 (Συντήρηση) CCP 4 (Ομογενοποίηση) CCP5 (Παστερίωση) CC6 (Αποθήκευση) CCP 7 (Συσκευασία) CCP8 (Διανομή) Κανόνας Κανόνας Κανόνας Κανόνας Κανόνας Κανόνας Κανόνας Κανόνας Κανόνας Κανόνας Κανόνας Κανόνας Κανόνας Κανόνας Κανόνας Κανόνας Κανόνας Κανόνας Κανόνας Κανόνας Κανόνας Κανόνας Κανόνας CC9 (Δυναμικό) 77

91 Για τα δεδομένα εισόδου λαμβάνονται τα αποτελέσματα του Σχήματος Σχήμα 4.14: Αποτελέσματα προσομοίωσης. Από τα αποτελέσματα διαφαίνεται η ακρίβεια του μοντέλου για τον χαρακτηρισμό της ποιότητας του γάλακτος. Με βάση τις τιμές των παραμέτρων εισόδου λαμβάνεται ο χαρακτηρισμός για την ποιότητα του γάλακτος που είναι το αντικείμενο εξόδου. Στο ανωτέρω σχήμα φαίνονται τα 5 clusters που χαρακτηρίζουν την ποιότητα του γάλακτος. Στην συνέχεια, στο Σχήμα 4.15 παρουσιάζονται τα αντίστοιχα αποτελέσματα για το τυχαίο δείγμα που έχει οριστεί ανωτέρω. Ο αυστηρός κανόνας που έχει οριστεί για τη χαμηλή ποιότητα όταν έστω και μια από τις κρίσιμες διαδικασίες έχει χαμηλή ποιότητα είναι αυτός που καθορίζει τα αποτελέσματα. Αντίθετα, η απαίτηση όλες οι διαδικασίες να είναι ικανοποιητικές (ώστε το τελικό αποτέλεσμα να είναι και αυτό βέλτιστο) ορίζει το πλήθος όπου η ποιότητα χαρακτηρίζεται ως βέλτιστη. Το τελικό αποτέλεσμα είναι απόρροια των συναρτήσεων εισόδου και των κανόνων που διέπουν το σύστημα. Ο όγκος των κανόνων αλλά κυρίως των μεταβλητών δρα ως ανασταλτικός παράγοντας για την ανάπτυξη μιας ευελιξίας στο σύστημα. Σε κάθε περίπτωση οι βασικές αρχές διατυπώνονται στο σύστημα και κατά συνέπεια ο χαρακτηρισμός στα τελικά αποτελέσματα είναι 78

92 σε συνέπεια με τους κανόνες που έχουν οριστεί. Πιο συγκεκριμένα, διαφαίνονται τα 5 scales που ορίζουν την ποιότητα του γάλακτος. Κυριαρχεί ο χαρακτηρισμός της ποιότητας γάλακτος ως πολύ χαμηλός όμως παράλληλα δείγματα εμφανίζονται και για τις λοιπές κατηγορίες ποιότητας. Σχήμα 4.15: Αποτελέσματα προσομοίωσης (ΙΙ). 4.4 Πειραματική αξιολόγηση Μοντέλου Β Μετά την αναλυτική περιγραφή που επί του μοντέλου Α, μια πιο συνοπτική περιγραφή ορίζεται για την δεύτερη περίπτωση εξέτασης. Στο στάδιο αυτό, η διαφοροποίηση έγκειται στην έλλειψη πληροφορίας για όλες τις παραμέτρους εξέτασης όποτε στην περίπτωση αυτή ορίζεται ένα απλοποιημένο μοντέλο. Οι παράμετροι εισόδου που ορίζονται ως βασικές για την περίπτωση εξέτασης είναι πέντε (5) στο πλήθος και επιλέγονται ως υποσύνολο των ανωτέρω. Αυτές είναι: Παραλαβή Συντήρηση Ομογενοποίηση Παστερίωση 79

93 Αποθήκευση Επομένως επιλέγονται εκείνες οι παράμετροι που σχετίζονται με την βασική λειτουργία της μονάδας επεξεργασίας του γάλακτος, χωρίς να γίνεται εξέταση στις εξίσου βασικές παραμέτρους της μεταφοράς και διανομής αυτού. Επίσης, οι τιμές που λαμβάνουν οι παράμετροι εξέτασης παραμένουν οι ίδιες αφού η όλη εξέταση έχει συγκριτικό χαρακτήρα και επομένως όλες οι συνιστώσες παραμένουν οι ίδιες. Άρα, οι πιθανές τιμές που λαμβάνονται είναι τρεις (3) ανά κατηγορία όπως έγινε στο μοντέλο Α. Η παράμετρος εξόδου που σχετίζεται με την ποιότητα του γάλακτος παραμένει η ιδία τόσο ως προς τη μοντελοποίηση της όσο και ως προς τις τιμές που λαμβάνει. Είναι επομένως: στάδιο_0: Ποιότητα γάλακτος πολύ χαμηλή στάδιο_1: Ποιότητα γάλακτος χαμηλή στάδιο_2: Ποιότητα γάλακτος μέτρια στάδιο_3: Ποιότητα γάλακτος υψηλή στάδιο_4: Ποιότητα γάλακτος αρίστη. Μετά την διαμόρφωση των input-output του προβλήματος ορίζονται εκ νέου οι απλοποιημένοι κανόνες που διέπουν το νέο σύστημα. Έτσι, στην περίπτωση αυτή λαμβάνονται οι αρχικοί κανόνες, ομαδοποιημένοι πλέον εξαιτίας της περιορισμένης πληροφορίας. CCP2 (Παραλαβή) Πίνακας 4.12: Δεδομένα εξέτασης μοντέλου Β. CCP3 (Συντήρηση) CCP 4 (Ομογενοποίηση) CCP5 (Παστερίωση) CC6 (Αποθήκευση) Τελικό Κανόνας Πολύ_Χαμηλή Κανόνας Χαμηλή Κανόνας Χαμηλή Κανόνας Μέση Κανόνας Μέση Κανόνας Μέση Κανόνας Υψηλή Κανόνας Υψηλή Κανόνας Υψηλή Κανόνας Πολύ_Υψηλή 80

94 Πλέον ορίζονται συνολικά 10 κανόνες, απόρροια της έλλειψης πληροφορίας. Ο στόχος πλέον είναι ο περιορισμός των κανόνων προκειμένου να δοθεί μια μεγαλύτερη ευελιξία στο σύστημα χωρίς παράλληλα να είναι ελλιπής η γνώση με την οποία τροφοδοτείται. ΕΑΝ η CCP3 (Συντήρηση) είναι Υψηλή Η η CCP 4 (Ομογενοποίηση) είναι Υψηλή ΤΟΤΕ η έξοδος (Ποιότητα) θα είναι Πολύ_Χαμηλή ΕΑΝ η CCP2 (Παραλαβή) Υψηλή ΚΑΙ η CCP3 (Συντήρηση) είναι Μέση ΚΑΙ η CCP 4 (Ομογενοποίηση) είναι Μέση ΚΑΙ η CCP5 (Παστερίωση) είναι Μέση ΚΑΙ η CC6 (Αποθήκευση) είναι Μέση ΤΟΤΕ η έξοδος (Ποιότητα) θα είναι Χαμηλή ΕΑΝ η CCP2 (Παραλαβή) Μέση ΚΑΙ η CCP3 (Συντήρηση) είναι Μέση ΚΑΙ η CCP 4 (Ομογενοποίηση) είναι Μέση ΚΑΙ η CCP5 (Παστερίωση) είναι Μέση ΚΑΙ η CC6 (Αποθήκευση) είναι Υψηλή ΤΟΤΕ η έξοδος (Ποιότητα) θα είναι Χαμηλή ΕΑΝ η CCP2 (Παραλαβή) Μέση ΚΑΙ η CCP3 (Συντήρηση) είναι Μέση ΚΑΙ η CCP 4 (Ομογενοποίηση) είναι Μέση ΚΑΙ η CCP5 (Παστερίωση) είναι Μέση ΚΑΙ η CC6 (Αποθήκευση) είναι Μέση ΤΟΤΕ η έξοδος (Ποιότητα) θα είναι Μέση ΕΑΝ η CCP2 (Παραλαβή) Μέση ΚΑΙ η CCP3 (Συντήρηση) είναι Μέση ΚΑΙ η CCP 4 (Ομογενοποίηση) είναι Χαμηλή ΚΑΙ η CCP5 (Παστερίωση) είναι Μέση ΚΑΙ η CC6 (Αποθήκευση) είναι Μέση ΤΟΤΕ η έξοδος (Ποιότητα) θα είναι Μέση ΕΑΝ η CCP2 (Παραλαβή) Μέση ΚΑΙ η CCP3 (Συντήρηση) είναι Χαμηλή ΚΑΙ η CCP 4 (Ομογενοποίηση) είναι Μέση ΚΑΙ η CCP5 (Παστερίωση) είναι Μέση ΚΑΙ η CC6 (Αποθήκευση) είναι Μέση ΤΟΤΕ η έξοδος (Ποιότητα) θα είναι Μέση ΕΑΝ η CCP2 (Παραλαβή) Μέση ΚΑΙ η CCP3 (Συντήρηση) είναι Μέση ΚΑΙ η CCP 4 (Ομογενοποίηση) είναι Μέση ΚΑΙ η CCP5 (Παστερίωση) είναι Χαμηλή ΚΑΙ η CC6 (Αποθήκευση) είναι Μέση ΤΟΤΕ η έξοδος (Ποιότητα) θα είναι Υψηλή ΕΑΝ η CCP2 (Παραλαβή) Μέση ΚΑΙ η CCP3 (Συντήρηση) είναι Χαμηλή ΚΑΙ η CCP 4 (Ομογενοποίηση) είναι Χαμηλή ΚΑΙ η CCP5 (Παστερίωση) είναι Μέση ΚΑΙ η CC6 (Αποθήκευση) είναι Χαμηλή ΤΟΤΕ η έξοδος (Ποιότητα) θα είναι Υψηλή ΕΑΝ η CCP2 (Παραλαβή) Χαμηλή ΚΑΙ η CCP3 (Συντήρηση) είναι Χαμηλή ΚΑΙ η CCP 4 (Ομογενοποίηση) είναι Μέση ΚΑΙ η CCP5 (Παστερίωση) είναι Χαμηλή ΚΑΙ η CC6 (Αποθήκευση) είναι Μέση ΤΟΤΕ η έξοδος (Ποιότητα) θα είναι Υψηλή 81

95 ΕΑΝ η CCP2 (Παραλαβή) Χαμηλή ΚΑΙ η CCP3 (Συντήρηση) είναι Χαμηλή ΚΑΙ η CCP 4 (Ομογενοποίηση) είναι Χαμηλή ΚΑΙ η CCP5 (Παστερίωση) είναι Χαμηλή ΚΑΙ η CC6 (Αποθήκευση) είναι Χαμηλή ΤΟΤΕ η έξοδος (Ποιότητα) θα είναι Πολύ_Υψηλή Μετά την διαμόρφωση του προβλήματος, η ιδία διαδικασία ορίζεται για την εκτέλεση του πειραματικού σκέλους. Πρέπει να τονιστεί ότι για την ορθότητα της αξιολόγησης, τα ίδια παραδείγματα εξέτασης υλοποιούνται ώστε να υπάρχει η κοινή βάση κατά την συγκριτική αξιολόγηση. Στο πλαίσιο αυτό ο Πίνακας 4.13 ορίζει το περιβάλλον εξέτασης για το μοντέλο Β. Πίνακας 4.13: Πίνακας δεδομένων μοντέλου Β. CCP2 (Παραλαβή) CCP3 (Συντήρηση) CCP 4 (Ομογενοποίηση) CCP5 (Παστερίωση) CC6 (Αποθήκευση) Κανόνας Κανόνας Κανόνας Κανόνας Κανόνας Κανόνας Κανόνας Κανόνας Κανόνας Κανόνας Τα αντίστοιχα αποτελέσματα για τις τιμές εισόδου παρουσιάζονται στα Σχήματα Πρέπει να τονιστεί ότι στο απλοποιημένο μοντέλο, ασφαλώς οι τιμές εισόδου είναι περιορισμένες στις νέες παραμέτρους, οπότε παρουσιάζεται μια διαφοροποίηση στα τελικά αποτελέσματα. Πιο συγκεκριμένα, αρχικά παρουσιάζονται τα αποτελέσματα του δικτύου για ένα μικρό δείγμα δεδομένων εισόδου. Κατά αντιστοιχία στο επόμενο διάγραμμα παρουσιάζονται τα αποτελέσματα για το μεγάλο δείγμα δεδομένων. Η κατάτμηση των αποτελεσμάτων σε κλάσεις είναι σε αντιστοιχία με τις τιμές εξόδου που έχουν οριστεί για το ασαφές δίκτυο (5 τιμές εξόδου που αντιστοιχούν στην ποιότητα του γάλακτος με κυρίαρχη κατηγορία στην πολύ χαμηλή και ικανοποιητική ποιότητα). 82

96 Σχήμα 4.16: Αποτελέσματα δεδομένων μοντέλο Β. Σχήμα 4.17: Αποτελέσματα δεδομένων μοντέλο Β (ΙΙ). Με την παρουσίαση των αποτελεσμάτων και για το μοντέλο Β, ακολουθεί η συγκριτική αξιολόγηση της μεθοδολογίας στην επόμενη ενότητα. 83

97 4.5 Συγκριτική αξιολόγηση μοντέλων Ο στόχος της ενότητας αυτής είναι να παρουσιάσει τα συγκριτικά αποτελέσματα από τα δυο μοντέλα που εξεταστήκαν στην παρούσα εργασία. Σημειώνεται ότι οι παράμετροι εξέτασης και οι τιμές που λαμβάνουν παραμένουν κατά το πλήθος σταθερές, αφού ο στόχος είναι η σύγκριση με βάση το πλήθος των παραμέτρων που επιλέγονται. Επομένως, όλες οι άλλες παράμετροι που θέτουν την βάση της αξιολόγησης παραμένουν σταθερές. Με βάση λοιπόν τα αποτελέσματα αρχικά, γίνεται η συγκριτική αξιολόγηση ανάμεσα στο αρχικό δείγμα στα δυο διαφορετικά μοντέλα (Σχήμα 4.18). Σχήμα 4.18: Αποτελέσματα συγκριτικής αξιολόγησης. Παρατηρείται ότι για το ίδιο σύνολο δεδομένων και τις ίδιες συναρτήσεις μεταφοράς, τα αποτελέσματα είναι διαφορετικά. Αυτό οφείλεται στο γεγονός ότι το πλήθος των παραμέτρων έχει περιοριστεί. Μάλιστα, στο Μοντέλο Β απουσιάζει η κρίσιμη παράμετρος της διανομής που έχει σημαντικό ρολό στον χαρακτηρισμό της ποιότητας του τελικού προϊόντος. Σε δεύτερη φάση και με μια πιο προσεκτική εξέταση φαίνεται ότι το Μοντέλο Α είναι πιο αυστηρό ως προς τα τελικά αποτελέσματα σε σχέση με το Μοντέλο Β. Αυτό είναι απόρροια των επιπροσθέτων παραμέτρων και κανόνων που προστέθηκαν στο σύστημα. Μάλιστα, οι 84

98 πρόσθετοι κανόνες έχουν αρνητική χροιά ως προς τον χαρακτηρισμό της ποιότητας του τελικού προϊόντος και στα πλαίσια αυτά εξάγονται τα τελικά αποτελέσματα. Αυτή η αρνητική επίδραση είναι συνάρτηση και των προσθέτων κανόνων που ορίστηκαν για τον χαρακτηρισμό της τελικής ποιότητας. Ένα πιο χαρακτηριστικό παράδειγμα με επιλεγμένες παραμέτρους εισόδου παρουσιάζεται στην συνέχεια (Πίνακας 4.14), ώστε να γίνει πιο κατανοητό το παραπάνω παράδειγμα. Ο πίνακας αυτός παρουσιάζει συνοπτικά τα δεδομένα που τροφοδοτούν τα δυο επιμέρους μοντέλα. Με έντονο συμβολισμό αναφέρονται τα δεδομένα που είναι παράμετροι εισόδου στο απλοποιημένο μοντέλο. Με βάση τα δεδομένα, η 1 προς 1 αξιολόγηση των μοντέλων παρουσιάζεται στο παρακάτω Σχήμα Σχήμα 4.19: Συγκριτική αξιολόγηση αποτελεσμάτων. 85

99 CCP1 (Διατροφή) CCP2 (Παραλαβή) CCP3 (Συντήρηση) Πίνακας 4.14: Πίνακας δεδομένων σύγκρισης. CCP 4 (Ομογενοποίηση) CCP5 (Παστερίωση) CC6 (Αποθήκευση) CCP 7 (Συσκευασία) CCP8 (Διανομή) CC9 (Δυναμικό) 86

100 Το Σχήμα 4.19 επαληθεύει την αρχική θεώρηση οπότε και εξάγεται το γενικό συμπέρασμα: Στα ασαφή συστήματα, όπως είναι αυτό που εξετάζεται, η πλήρης γνώση του συστήματος είναι το βασικό ζητούμενο για ένα ακριβές μοντέλο. Όσο πιο πλήρης είναι η πληροφορία, τόσο πιο ακριβές είναι το μοντέλο που συντίθεται και κατά συνέπεια τόσο πιο ακριβής είναι η εξαγωγή του σωστού αποτελέσματος. Η έλλειψη παραμέτρων ή και κανόνων μπορεί να οδηγήσει σε ελλιπή και λανθασμένα δεδομένα που δεν χαρακτηρίζουν πλήρως τη μεταβλητή εξέτασης. Από την άλλη μεριά, η παρουσία πλήθους δεδομένων ή και κανόνων δεν είναι το ζητούμενο, διότι δύναται να οριστούν βάρη ή και συνθήκες που θα οδηγήσουν σε λανθασμένη μάθηση στο μοντέλο και κατά επέκταση σε μη ορθά αποτελέσματα. Το βασικό κριτήριο επομένως κατά την αξιολόγηση ενός ασαφούς συστήματος είναι ο ορισμός των δεδομένων και κανόνων και όχι το μοντέλο καθ εαυτό. Ο ορισμός των δεδομένων του προβλήματος θα πρέπει να γίνεται λαμβάνοντας υπόψη τον στόχο κα τις συνθήκες που διέπουν το πρόβλημα χωρίς έλλειψη ή περαιτέρω προσθήκη συνθηκών. Στο πλαίσιο αυτό πρέπει να τονιστεί η εναλλακτική της χρήσης των νευρο-ασαφων δικτύων για την εξέταση των συστημάτων εισόδου-εξόδου. Στην περίπτωση αυτή, η εξαγωγή των κανόνων δεν είναι το ζητούμενο, αφού οι κανόνες εξάγονται δυναμικά από τα δεδομένα. Όμως απαιτείται μεγάλο πλήθος από δεδομένα, ώστε κατόπιν να γίνεται η συσχέτιση δεδομένων εισόδου-εξόδου κάτω από το πλαίσιο. Οι κανόνες επομένως δεν ορίζονται στατικά αλλά εξάγονται δυναμικά από τα δεδομένα. Ένα μειονέκτημα όμως της προσέγγισης αυτής, πέρα από την ανάγκη για πολλά δεδομένα, είναι η πιθανότητα overfitting επί των δεδομένων. Έτσι, η τροφοδότηση μη ακριβών δεδομένων οδηγεί σε λανθασμένη μάθηση και κατά συνέπεια λανθασμένη εξαγωγή των αποτελεσμάτων κατά το testing. Για λογούς πληρότητας παρέχεται το σχηματικό των νεύρο ασαφών δικτύων στο Σχήμα Οι παράμετροι X, Y είναι γνωστοί και στόχος είναι η εξαγωγή του ενδιάμεσου μη παραμετρικού δικτύου που ορίζεται με βάση τα δεδομένα. 87

101 Σχήμα 4.20: Σχηματική αναπαράσταση ΝευροΑσαφούς δικτύου. Πηγή: Κινγκ, 2003 Με την συγκριτική αξιολόγηση ολοκληρώνεται η συνολική εξέταση του συστήματος για την εξαγωγή της ποιότητας του γάλακτος. Η ίδια προσέγγιση δύναται να οριστεί για κάθε παρόμοιο σύστημα, όπως αναφέρεται και στα τελικά συμπεράσματα που παρατίθενται στην επόμενη ενότητα. 88

102 5 ΣΥΝΘΕΣΗ ΑΣΑΦΟΥΣ ΓΝΩΣΤΙΚΟΥ ΔΙΚΤΥΟΥ ΕΚΤΙΜΗΣΗΣ ΠΟΙΟΤΗΤΑΣ ΓΑΛΑΚΤΟΣ 5.1 Εισαγωγή Στο κεφάλαιο αυτό γίνεται η κατασκευή ενός Ασαφούς Γνωστικού Δικτύου (ΑΓΔ) προκειμένου να αξιολογείται η ποιότητα του γάλακτος. Το σύστημα υποστήριξης αποφάσεων (DSS - Decision Support System) ως σύστημα βασίζεται σε υπολογιστή, παρέχοντας βοήθεια σε άτομα που καλούνται να λάβουν αποφάσεις καθοριστικής σημασίας σε οποιοδήποτε τομέα της ζωής τους χρειαστεί. Το DSS σύστημα εδράζεται στην κρίση και στην εμπειρία ειδικών στην εφαρμογή που θα δημιουργηθεί (εμπειρογνωμόνων) και συνδράμει στη λήψη αποφάσεων, χωρίς αυτό να σημαίνει ότι λαμβάνει από μόνο του αποφάσεις, χωρίς δηλαδή την εκ των προτέρων καθοδήγηση-μάθηση. Στο Σχήμα 5.1 απεικονίζεται η μορφή ενός συστήματος υποστήριξης αποφάσεων και η σχέση του με το περιβάλλον (Παπαγεωργίου, 2007). Σχήμα 5.1: Αρχική μορφή Συστήματος Υποστήριξης Αποφάσεων. 89

103 Ένα Σύστημα Υποστήριξης Αποφάσεων αποτελείται από δύο βασικά συστατικά στοιχεία: τη βάση γνώσης (knowledge base) και το μηχανισμό λήψης αποφάσεων (reasoner). Η βάση γνώσης περιλαμβάνει τα σήματα εισόδου και σε αυτήν φυλάσσονται τα δεδομένα, ενώ τα σήματα εξόδου περιλαμβάνονται στο μηχανισμό λήψης αποφάσεων, που επιδιώκει την επίτευξη αποτελεσμάτων με βάση κανόνες. Προκειμένου η βάση γνώσης να αποφαίνεται ορθά, απαιτείται το σύστημα να εμπεριέχει την επιθυμητή γνώση αναφορικά με τα καθήκοντα και τις αποφάσεις που καθορίζουν ποια συμβουλή - απόφαση είναι η απαιτούμενη βάσει του επιπέδου της λεπτομέρειας που χρειάζεται την εκάστοτε στιγμή. Πρέπει να περιλαμβάνει ολοκληρωτικά τις οντότητες και τους συσχετισμούς που απαιτούνται, να είναι ενημερωμένη χρονικά με καινούρια δεδομένα, συνεπής και σωστή. Για να μπορέσει το σύστημα DSS να καταστεί κατάλληλο προς χρήση χωρίς την συνεχή παρουσία εμπειρογνώμονα, που θα επέμβει αν υπάρξουν οι συνθήκες λήψης μιας λανθασμένης απόφασης, απαιτείται να προηγηθεί μια περίοδος ελέγχου και βελτίωσης του με βάση την αλληλεπίδραση του με τους ειδικούς (Παπαγεωργίου, 2007). Η βάση γνώσης αλληλεπιδρά με το μηχανισμό λήψης αποφάσεων προκειμένου να συναχθεί ένα συμπέρασμα για τις λύσεις που πρέπει να προταθούν. Το ζευγάρι της βάσης γνώσης και του μηχανισμού συμπερασμού είναι ικανό να παρέχει συμπερασμό για την ποιότητα του γάλακτος με βάση τις τιμές των παραμέτρων που είναι αντικείμενο εξέτασης της παρούσας μελέτης. Μετά την λεπτομερή ανάλυση σε θεωρητικό επίπεδο στα DSS συστήματα, η εφαρμογή αυτού στο παράδειγμα εξέτασης είναι ο στόχος της επόμενης ενότητας (Παπαγεωργίου, 2007). 5.2 Υλοποίηση συστήματος υποστήριξης αποφάσεων Στη συνέχεια γίνεται μια προσπάθεια υλοποίησης ενός συστήματος με εισόδους τα στοιχεία που σχετίζονται με τις παραμέτρους που επιδρούν στην ποιότητα του γάλακτος και σαν έξοδος θα δίνεται η τιμή της ποιότητας του τελικού προϊόντος. Τα συμπεράσματα για το πώς επηρεάζει ο συνδυασμός των διαφόρων εισόδων την ποιότητας του τελικού προϊόντος προέκυψαν μετά από προσεκτική μελέτη της που περιγράφηκε στο προηγούμενο κεφάλαιο. Ωστόσο, αυτά 90

104 εκφράζονται ως γνώση από τους εμπειρογνώμονές ώστε να καταδειχθεί η λογική των DSS συστημάτων. Το πρώτο βήμα στο πρόβλημα είναι ο ορισμός των εννοιών. Ως έννοιες (concepts) οι οποίες θα αποτελούν και τους κόμβους του συστήματος είναι οι παράμετροι που εξετάστηκαν στην προηγουμένη ενότητα: CCP1 (Διατροφή) CCP2 (Παραλαβή) CCP3 (Συντήρηση) CCP 4 (Ομογενοποίηση) CCP5 (Παστερίωση) CC6 (Αποθήκευση) CCP 7 (Συσκευασία) CCP8 (Διανομή) CC9 (Δυναμικό) CC10: OUT (Ποιότητα γάλακτος) Στη συνέχεια θα ακολουθήσει ο καθορισμός των σχέσεων, δηλαδή των βαρών διασύνδεσης που υπάρχουν μεταξύ των κόμβων. Αυτή τη διαδικασία την αναλαμβάνουν εμπειρογνώμονες, με βάση τη μεθοδολογία που αναπτύχθηκε παραπάνω, ώστε να ποριστούν τα βάρη διασύνδεσης. Στα πλαίσια αυτής της εργασίας θα θεωρηθούν τρεις εμπειρογνώμονες και οι σχέσεις μεταξύ των κόμβων που θα δηλώσει ο καθένας έχουν προκύψει από την μελέτη που προηγήθηκε στην προηγουμένη ενότητα. Οι τρεις εμπειρογνώμονες που συμμετείχαν στην έρευνα, έλαβαν υπόψη όλες τις κρίσιμες παραμέτρους που επηρεάζουν την ποιότητα του γάλακτος δίνοντας τις κατάλληλες λεκτικές μεταβλητές για να περιγράψουν τις σχέσεις, που υπάρχουν μεταξύ των κόμβων του ΑΓΔ σύμφωνα με τις γνώσεις και την εμπειρία τους. 91

105 Πίνακας 5.1: Συσχετίσεις κόμβων από τον 1 ο εμπειρογνώμονα. C1 C2 C3 C4 C5 C6 C7 C8 C9 C10 C1 - VS 0 W W VS VS C2 W - VS M M S 0 VS S W C3 VS S - M M S S W 0 S C4 S W S - VS S W 0 0 S C5 S W VS VS - S W 0 0 VS C6 0 W S VS VS - W 0 0 M C7 0 W W VS S S C8 0 S S W - M M C9 0 S W 0 0 W VS S - W C Πίνακας 5.2: Συσχετίσεις κόμβων από τον 2 ο εμπειρογνώμονα. C1 C2 C3 C4 C5 C6 C7 C8 C9 C10 C1 - S 0 W W VS S C2 W - VS S M S 0 VS S W C3 S S - M M M S 0 0 S C4 S W S - VS S W 0 0 S C5 S M VS VS - S W 0 W VS C6 0 W S S VS - W 0 0 M C7 0 W W VS S S C8 0 S 0 0 W S M - M W C9 0 S W W 0 W VS S - W C

106 Πίνακας 5.3: Συσχετίσεις κόμβων από τον 3 ο εμπειρογνώμονα. C1 C2 C3 C4 C5 C6 C7 C8 C9 C10 C1 - S 0 W M S VS C2 W - S S M S 0 S VS W C3 M S - M M S S W 0 S C4 S W S - S S M 0 0 S C5 S M VS S - S M 0 M VS C6 0 W S S VS S C7 0 0 M VS S S C8 0 VS 0 0 W S M - M M C9 0 S M W 0 M VS VS - M C όπου W:= Weak η σχέση μεταξύ των κόμβων Ci, Cj, M:= Medium η σχέση μεταξύ των κόμβων Ci, Cj, S:= Strong η σχέση μεταξύ των κόμβων Ci, Cj και VS := Very strong η σχέση μεταξύ των κόμβων Ci, Cj. Με τη μέθοδο αποασαφοποίησης προκύπτει ο πίνακας που δείχνει τις τελικές σχέσεις μεταξύ των κόμβων Η μέθοδος αποασαφοποίησης που θα χρησιμοποιηθεί είναι η τεχνική κεντρώου COA. Στο επόμενο σχήμα φαίνονται οι συναρτήσεις συμμετοχής των λεκτικών μεταβλητών όπως έχουν οριστεί και σε θεωρητικό επίπεδο. Σχήμα 5.2: Συναρτήσεις συμμετοχής των λεκτικών τιμών των βαρών. 93

107 Με την αποασαφοποίηση θα υπολογιστούν τα βάρη διασύνδεσης μεταξύ όλων των κόμβων. Ως τιμή απόκλισης μεταξύ των αποτελεσμάτων που θα προκύψουν από την αποασαφοποίηση έχει οριστεί ω=0.3. Τα συνολικά αποτελέσματα αναφέρονται κάτωθι: C1 - - > C1: 0 C1- - > C2: Από τα τρίγωνα, για τον πρώτο εμπειρογνώμονα ισχύει: 1 0,75 0,875 [5.1] 2 ενώ για το δεύτερο και τρίτο εμπειρογνώμονα ισχύει: 0,5 0,75 0,75 1,0 0,625, 0,875 [5.2] 2 2 0,875 0,875 0,875 0,625 0,625 0,775 [5.3] 5 Επειδή οι τιμές και των τριών εμπειρογνωμόνων δεν έχουν κατά απόλυτη τιμή διαφορά μεγαλύτερη του ω όταν αφαιρεθούν από το μέσον όρο γίνονται όλες δεκτές. Δηλαδή η επιρροή του κόμβου C1 στον κόμβο C2 είναι: 0,775. Με τον ίδιο ακριβώς τρόπο υπολογίζονται όλα τα βάρη διασύνδεσης. Πίνακας 5.4: Υπολογισμός βαρών διασύνδεσης. C1 C2 C3 C4 C5 C6 C7 C8 C9 C10 C C C C C C C C C C

108 Πίνακας 5.5: Πίνακας βαρών διασύνδεσης Με την ολοκλήρωση των υπολογισμών, στο Πίνακα 5.5 παρατίθεται ο πίνακας βαρών που διαμορφώνεται. Το αρχικό διάνυσμα =[C1 C2 C3 C4 C5 C6 C7 C8 C9 C10] είναι αυτό που θα δοθεί μετά την ανάλυση των κρίσιμων σημείων ελέγχου (concepts) της διαδικασίας από τους ειδικούς. Οι ειδικοί οι οποίοι θα δώσουν τις εισόδους στο σύστημα θα τις αναφέρουν σε μία κλίμακα από 0 4. Αυτό σημαίνει ότι για κάθε μία από τις έννοιες (concepts) C1 C9 θα δοθούν κάποιες αρχικές τιμές οι οποίες θα μεταφραστούν στο διάστημα 0 1 με βάση την εξής λογική: Αν στον κόμβο Ci δοθεί σαν είσοδος η τιμή 0 σημαίνει ότι οι συγκεκριμένες συνθήκες είναι εντελώς ακατάλληλες για την παραγωγή ενός ποιοτικού γάλακτος και ο κόμβος Ci θα πάρει την τιμή 0. Αν στον κόμβο Ci δοθεί η τιμή 1 τότε οι συγκεκριμένες συνθήκες που επικρατούν στο ανάλογο στάδιο της παραγωγικής διαδικασίας έχουν παρουσιάσει μια μικρή βελτίωση και ο κόμβος Ci θα πάρει την τιμή Αν στον κόμβο Ci δοθεί η τιμή 2 σημαίνει ότι οι συγκεκριμένες συνθήκες είναι μέτριες για να εξασφαλιστεί υψηλή ποιότητα του γάλακτος και ο κόμβος Ci θα πάρει την τιμή 0.5. Αν στον κόμβο Ci δοθεί η τιμή 3 σημαίνει ότι οι συγκεκριμένες συνθήκες που επικρατούν στο ανάλογο στάδιο της παραγωγικής διαδικασίας είναι σχεδόν 95

109 ικανοποιητικές, έχουν παρουσιάσει μια μεγάλη βελτίωση και ο κόμβος Ci θα πάρει την τιμή Αν στον κόμβο Ci δοθεί η τιμή 4 σημαίνει ότι οι συγκεκριμένες συνθήκες είναι ιδανικές για την παραγωγή ενός απόλυτα ποιοτικού γάλακτος και ο κόμβος Ci θα πάρει την τιμή 1. Για τον υπολογισμό της τιμής του κόμβου C10 δηλαδή της εξόδου θα πρέπει να ληφθούν υπόψη οι τιμές όλων των εννοιών (concepts, C1 C9). Οι δυνατές λεκτικές μεταβλητές της εξόδου είναι: Το γάλα είναι κακής ποιότητας Επίπεδο_1 -- Κακό (Poor) Επίπεδο_2 -- Μέτριο (Average) Επίπεδο_3 -- Καλό (Good) Επίπεδο_4 -- Πολύ Καλό (Very Good) Επίπεδο_5 -- Άριστο (Excellent) Συνεπώς, πρέπει πρώτα να γίνει έλεγχος των κρίσιμων σημείων C1 C9 για να προκύψει η αριθμητική τιμή που θα αντιστοιχεί σε μία από τις λεκτικές τιμές της εξόδου. Οι κανόνες που θα χρησιμοποιηθούν στο Matlab για να βρεθεί η τιμή της εξόδου θα είναι: if 0<=C1<=0.25 && 0<=C2<=0.25 && 0<=C3<=0.25 && 0<=C4<=0.25 && 0<=C5<=0.25 && 0<=C6<=0.25&& 0<=C7<=0.25&& 0<=C8<=0.25&& 0<=C9<=0.25; OUT=0; elseif 0.25<=C1<=0.5 && 0<=C2<=0.25 && 0.25<=C3<=0.5 && 0.25<=C4<=0.5 && 0.25<=C5<=0.5 && 0.25<=C6<=0.5&& 0<=C7<=0.25 && 0.25<=C8<=0.5 && 0<=C9<=0.25; OUT=0.2; elseif 0.25<=C1<=0.5 && 0.25<=C2<=0.5 && 0.25<=C3<=0.5 && 0.5<=C4<=0.75 && 0.5<=C5<=0.75 && 0.5<=C6<=0.75&& 0.25<=C7<=0.5 && 0.25<=C8<=0.5 && 0.25<=C9<=0.5; OUT=0.4; elseif 0.25<=C1<=0.5 && 0.5<=C2<=0.75 && 0.5<=C3<=0.75 && 0.5<=C4<=0.75 && 0.5<=C5<=0.75 && 0.5<=C6<=0.75&& 0.25<=C7<=0.5 && 0.25<=C8<=0.5 && 0.5<=C9<=0.75; 96

110 OUT=0.6; elseif 0.5<=C1<=0.75 && 0.75<=C2<=1 && 0.5<=C3<=0.75 && 0.5<=C4<=0.75 && 0.75<=C5<=1 && 0.75<=C6<=1&& 0.5<=C7<=0.75 && 0.5<=C8<=0.75 && 0.75<=C9<=1; OUT=0.8; elseif 0.75<=C1<=1 && 0.75<=C2<=1 && 0.75<=C3<=1 && 0.75<=C4<=1 && 0.75<=C5<=1 && 0.75<=C6<=1&& 0.75<=C7<=1&& 0.75<=C8<=1&& 0.75<=C9<=1; end OUT=1; Η διαμόρφωση των τιμών αυτών γίνεται με βάση και τις σχέσεις εξάρτησης που έχουν παρουσιαστεί στην προηγουμένη ενότητα, στο κεφάλαιο της ασαφούς λογικής. Οι αρχικές τιμές που θα πάρει το σύστημα είναι ελεύθερες να αλληλοεπιδράσουν μεταξύ τους. Η αλληλεπίδραση αυτή συνεχίζεται μέχρι να επιτευχθεί ισορροπία σε ένα σταθερό σημείο. Στο συγκεκριμένο σύστημα θα θεωρηθεί ότι το σύστημα έρχεται σε ισορροπία αν οι τιμές του διανύσματος Α παραμείνουν σταθερές μετά από κάποιο αριθμό επαναλήψεων. Η εξίσωση που θα υπολογίζει τις νέες τιμές όλων των κόμβων σε κάθε βήμα περιγράφεται από τη σχέση: N t t 1 t 1 Ai f Aj Wji Ai [5.4] j 1, Κάθε φορά θα υπολογίζεται ένα νέο διάνυσμα Α σύμφωνα με τον παραπάνω τύπο, χρησιμοποιώντας τις τιμές του διανύσματος Α που υπολογίστηκαν στο προηγούμενο βήμα. Όταν όλο το διάνυσμα Α, διατηρηθεί σταθερό για ένα N αριθμό επαναλήψεων, τότε θα σταματήσουν οι επαναλήψεις και η τιμή που θα προκύψει για το C10 θα είναι η τελική τιμή της εξόδου για τις συγκεκριμένες εισόδους που ορίστηκαν. Έτσι για παράδειγμα αν σαν αρχικές τιμές του συστήματος δοθούν οι: C1: 1 C2: 2 C3: 3 C4: 2 C5: 3 C6: 2 97

111 C7: 1 C8: 2 C9: 3 τότε μετά από μερικές επαναλήψεις το σύστημα φτάνει στο σημείο ισορροπίας: Σχήμα 5.3: Τιμές των κόμβων μέχρι την ισορροπία. δηλαδή η έξοδος θα είναι OUT= και ο τρόπος που η έξοδος φτάνει στο σημείο ισορροπίας παρουσιάζεται στο παραπάνω σχήμα με κόκκινη γραμμή. Όπως φαίνεται από την γραφική παράσταση, το πλήθος των 5 επαναλήψεων είναι αρκετό ώστε οι τιμές εισόδου και εξόδου να έρθουν σε ισορροπία προς την τελική τιμή του ασαφούς δικτύου. Το ΑΓΔ που αναπτύχθηκε απλοποιεί αρκετά τη μελέτη του συστήματος ποιότητας του γάλακτος. Ωστόσο ο τεχνικός που το διαμορφώνει πρέπει να δώσει έμφαση στο πίνακα βαρών προς τη διαμόρφωση του αποτελέσματος. Στη συγκεκριμένη περίπτωση οι πίνακες βαρών επειδή διαμορφώθηκαν από το ίδιο άτομο (χρήση εικονικών εμπειρογνωμόνων) έχουν μικρές αποκλίσεις μεταξύ τους. Επίσης παρατηρείται ότι ο αριθμός των επαναλήψεων που είναι 98