Применение технологий больших данных открывает новые возможности для оптимизации рецептур хлебобулочных изделий. Цель данного исследования - разработать методологию анализа больших данных для совершенствования рецептур хлеба и улучшения его потребительских свойств. В работе использованы методы интеллектуального анализа данных (data mining), машинного обучения и статистического моделирования. Эмпирическую базу составили структурированные данные о 2500 образцах хлеба, включающие подробную информацию об ингредиентах, режимах приготовления и результатах лабораторных испытаний. Применение алгоритмов кластеризации позволило выделить 5 устойчивых сочетаний ингредиентов, обеспечивающих оптимальные органолептические и физико-химические показатели готовой продукции. С помощью регрессионного анализа получены математические модели, описывающие влияние ключевых рецептурных факторов на объем и пористость хлеба. Метод опорных векторов использован для прогнозирования реологических характеристик теста в зависимости от состава смеси. Результаты исследования имеют значение для оперативной корректировки параметров технологического процесса и создания инновационных продуктов с заданными свойствами. В перспективе планируется масштабировать разработанную методологию на широкий спектр мучных изделий.
The use of big data technologies opens up new opportunities for optimizing bakery recipes. The purpose of this study is to develop a methodology for analyzing big data to improve bread recipes and improve its consumer properties. The work uses methods of data mining, machine learning and statistical modeling. The empirical base consists of structured data on 2,500 bread samples, including detailed information about ingredients, cooking modes and laboratory test results. The use of clustering algorithms made it possible to identify 5 stable combinations of ingredients that provide optimal organoleptic and physico-chemical parameters of the finished product. Using regression analysis, mathematical models describing the influence of key prescription factors on the volume and porosity of bread were obtained. The support vector machine is used to predict the rheological characteristics of the dough depending on the composition of the mixture. The results of the study are important for the operational adjustment of the parameters of the technological process and the creation of innovative products with specified properties. In the future, it is planned to scale the developed methodology to a wide range of flour products.