Информационная система оптимального управления процессом выпечки хлебобулочных изделий

Введение: Универсальные MES-системы (Manufacturing Execution System – система управления производственными процессами) не адаптированы под хлебопекарное производство: не обеспечивают гибкую настройку параметров выпечки, не учитывают влияние технологических режимов на качественные характеристики продукции. Интеграция такой системы занимает много времени и требует тщательной настройки или доработки, что подчёркивает необходимость в прикладных решениях с учетом отраслевой специфики.

Цель: Разработать и апробировать систему оптимального управления (ИСОУ) процессом выпечки хлебобулочных изделий при соблюдении заданных стандартов.

Методы: В рамках исследования разработана ИСОУ процессом выпечки хлебобулочных изделий. В основу легла математическая модель оптимизации, построенная с применением корреляционно-регрессионного анализа и метода градиентного спуска. Эмпирическая база состоит из данных, полученных методом экспертного опроса технологов и параметров технологических карт. Апробация проводилась в эмуляционной среде модели.

Результаты: Представлена информационная система оптимального управления процессом выпечки хлебобулочных изделий, реализованная в виде программного модуля с возможностью интеграции в MES-среду. Научная новизна работы заключается в математической постановке задачи оптимизации и математической модели управления процессом выпечки, на основе которой задача решается. В отличие от существующих исследований, сосредоточенных на планировании загрузки линий или оценке качества без интеграции в контуры автоматизированного управления, разработанная модель обеспечивает оптимизацию рецептуры и режимов выпечки в едином контуре управления. Апробация в эмуляционной среде показала снижение средних отклонений по качеству на 15% и сокращение затрат на сырье до 7% (R² от 0,48 до 0,79; MSE от 0,0009 до 7,89 для регрессионных моделей).

Выводы: Разработанная система может быть интегрирована в MES-систему как специализированный модуль оптимального управления процессом выпечки. Представленный подход формализует процессы управления и оптимизации в хлебопекарном производстве и может быть масштабирован для других производств пищевой промышленности.

1. Абрамов, Г. И. (2020). О применении информационно-аналитических систем в условиях развития современных информационно-коммуникационных технологий. STUDNET, 3(4), 632–637.

2. Агапкин, А. М., & Махотина, И. А. (2021). К вопросу о состоянии российского зернового рынка. Международная торговля и торговая политика, 7(3), 133–148. https://doi.org/10.21686/2410-7395-2021-3-133-148

3. Ашмарова, О. В., & Федулова, Е. А. (2016). Возможности применения автоматизированных информационных систем управления предприятиями пищевой промышленности. Техника и технология пищевых производств, 41(2), 170–176.

4. Белова, Ю. Н., Новицкий, В. О., Гарев, К. В., & Дорофеева, А. С. (2020). Автоматизированная система планирования и контроля загрузки производственных линий на хлебокомбинате. Хлебопродукты, (7), 36–42. https://doi.org/10.32462/0235-2508-2020-29-7-36-42

5. Егушова, Е. А., & Позднякова, О. Г. (2018). Технологические аспекты производства хлеба функционального назначения. Достижения науки и техники АПК, 32(12), 90–93. https://doi.org/10.24411/0235-2451-2018-11225

6. Ефремова, Е. Н. (2016). Оценка качества хлебобулочных изделий. Аграрный вестник Северного Кавказа, 3(23), 20–24.

7. Зиновьева, М. А., & Новицкий, В. О. (2025). Анализ MES систем и оптимизация процессов хлебопекарного производства. Информационно-аналитические и интеллектуальные системы для производства и социальной сферы: Сборник статей III Всероссийской межвузовской научно-практической конференции молодых учёных (с. 138-146). Москва: РОСБИОТЕХ.

8. Конева, Д. А. (2019). Современные ERP-системы на российском рынке: сравнительный обзор. Academy, 4(43), 43–46.

9. Котанджян, А. В., & Биндзяр, Д. А. (2023). Анализ современных информационно-аналитических систем. Студент. Наука. Регион, (1), 65–69. https://doi.org/10.24412/cl-37131-2023-1-65-69

10. Мелешкина, Е.П., Жильцова, Н.С., Коломиец, С.Н., & Бундина, О.И. (2019). Сравнение российской оценки хлебопекарных свойств пшеницы и определение качества зерна с использованием миксолаба. Вестник Воронежского государственного университета инженерных технологий, 81(3), 70–80. https://doi.org/10.20914/2310-1202-2019-3-70-80

11. Новицкий, В. О. (2011). Методология общесистемного проектирования автоматизированных систем. Москва: Издательство МГУПП.

12. Новицкий, В. О., & Мерцалов, А. Н. (2008). Автоматизированная система расчета оптимальных рецептов помольных смесей. Хлебопродукты, (2), 66–68.

13. Прахов, А. Д. (2015). Процесс учета и методы автоматизации дозирования муки в рамках производственного цикла хлебозавода. Science Time, 5(17), 365–370.

14. Рязанцева, Е. А. (2023). Применение корреляционно-регрессионного инструментария для анализа социально-значимых факторов. ЭФО: Экономика. Финансы. Общество, 1(5), 65–74. https://doi.org/10.24412/2782-4845-2023-5-65-74

15. Ташматова, Ш. С. (2024). Алгоритмы, оптимизированные для эффективного создания нейронных сетей. Science and Innovation, 3(33), 531–535. https://doi.org/10.5281/zenodo.11192924

16. Шибалова, К. А., & Новицкий, В. О. (2021). Автоматизированная система планирования отгрузки продукции на хлебокомбинате. Информационно-аналитические и интеллектуальные системы для производства и социальной сферы: Сборник статей Всероссийской межвузовской конференции молодых учёных (c. 145-154). Москва: МГУПП.

17. Alonso, M., Pérez, J., & Rodríguez, L. (2024). Thermal characterization of a high-temperature industrial bread-baking oven: A comprehensive experimental and numerical study. Applied Thermal Engineering, 231, 121467. https://doi.org/10.1016/j.applthermaleng.2023.121467

18. Babor, M., & Hitzmann, B. (2022). Application of nature-inspired multi-objective optimization algorithms to improve the bakery production efficiency. Engineering Proceedings, 19(1), 31. https://doi.org/10.3390/ECP2022-12630

19. Babor, M., Paquet-Durand, O., Kohlus, R., & Hitzmann, B. (2023). Modeling and optimization of bakery production scheduling to minimize makespan and oven idle time. Scientific Reports, 13, 235. https://doi.org/10.1038/s41598-022-26866-9

20. Čechura, L., & Jaghdani, T. J. (2021). Market imperfections within the european wheat value chain: The case of France and the United Kingdom. Agriculture, 11(9), 838. https://doi.org/10.3390/agriculture11090838

21. El-Kholany, M., Ali, R., & Gebser, M. (2023). Hybrid ASP-based multi-objective scheduling of semiconductor manufacturing processes. Cornell University. https://doi.org/10.48550/arXiv.2307.14799

22. Fu, B., Bi, M., Umeda, S., Nakano, T., Nonaka, Y., Zhou, Q., Matsui, T., Tilbury, D. M., & Barton, K. (2025). Digital twin-based smart manufacturing: Dynamic line reconfiguration for disturbance handling. IEEE Transactions on Automation Science and Engineering, 22, 14892-14905. https://doi.org/10.1109/TASE.2025.3563320

23. Lee, J., Kim, Y., & Kim, S. (2023). The study of an adaptive bread maker using machine learning. Foods, 12(22), 4160. https://doi.org/10.3390/foods12224160

24. Li, H., Pangborn, H. C., & Kovalenko, I. (2023, August). A system-level energy-efficient digital twin framework for runtime control of batch manufacturing processes. In 2023 IEEE 19th International Conference on Automation Science and Engineering. IEEE. https://doi.org/10.48550/arXiv.2309.10151

25. Luo, Z., Yang, W., Xu, K., Long, L., & Ye, H. (2025). Study on moisture phase changes in bread baking using a coupling model. Foods, 14(9), 1649. https://doi.org/10.3390/foods14091649

26. Marinho, L. M., Barreto, S. M., Barreto, M. A., Ferreira, R. M., Ferreira, M. S., Carvalho, C. W., & Takeiti, C. Y. (2025). Exploring the role of baking process on technological, functional, and α-Amylase inhibition properties of pearl millet bread. ACS Food Science & Technology, 5(3), 1132-1144. https://doi.org/10.1021/acsfoodscitech.4c00987

27. Melesse, T. Y., Peer, M. S., Ramasamy, S., Sivasubramaniyam, V., Braggio, M., & Orrù, P. F. (2025). Digital twin for energy-intelligent bakery operations: Сoncepts and applications. Energies, 18(14), 3660-3678. https://doi.org/10.3390/en18143660

28. Rossit, D., Rossit, D., & Nesmachnow, S. (2024). Enhancing mass customization manufacturing: multiobjective metaheuristic algorithms for flow shop production in smart industry. SN COMPUTER SCIENCE, 5, 782-806. https://doi.org/10.48550/arXiv.2407.15802

29. Serpa, N. P., Silva, D. J. C., Wegner, R. D. S., & Stertz, E. D. S. (2022). Quality and sustainability in the production process: A study of bakeries using an integrated multi-criteria method based on fuzzy AHP and fuzzy TOPSIS. Environmental Quality Management, 1(1), 251-262. https://doi.org/10.1002/tqem.21906

30. Timar, A. V., Teusdea, A. C., Purcarea, C., Vuscan, A. N., Memete, A. R., & Vicas, S. I. (2023). Chemometric analysis-based sustainable use of different current baking wheat lots from romania and hungary. Sustainability, 15(17), 12756. https://doi.org/10.3390/su151712756

31. Wu, Y., Zhang, J., Li, Q., & Tan, H. (2023). Research on real-time robust optimization of perishable supply-chain systems based on digital twins. Sensors, 23(4), 1850. https://doi.org/10.3390/s23041850

32. Yin, Y., Wang, L., Hoang, D. T., Wang, W., & Niyato, D. (2024). Sparse attention-driven quality prediction for production process optimization in digital twins. IEEE Internet of Things Journal. https://doi.org/10.48550/arXiv.2405.11895