Хлебопекарная промышленность является одной из ключевых отраслей пищевой промышленности, играющей важную роль в обеспечении населения качественными хлебобулочными изделиями. Однако, несмотря на многовековую историю развития, данная отрасль сталкивается с рядом проблем, связанных с повышением качества продукции, снижением энергозатрат и оптимизацией производственных процессов. В настоящее время перспективным направлением решения данных проблем является применение интеллектуальных алгоритмов управления, основанных на методах искусственного интеллекта и машинного обучения. В данной статье рассматриваются возможности применения интеллектуальных алгоритмов управления для повышения качества и энергоэффективности хлебопекарного производства. Проведен анализ существующих подходов к управлению технологическими процессами хлебопечения, выявлены их недостатки и ограничения. Предложена концепция интеллектуальной системы управления хлебопекарным производством, основанная на применении методов нечеткой логики, нейронных сетей и генетических алгоритмов. Разработана математическая модель процесса выпечки хлеба, учитывающая влияние ключевых факторов, таких как температура, влажность, время выпечки и т.д. На основе данной модели создан программный комплекс, реализующий алгоритмы оптимизации режимов выпечки с целью достижения требуемых показателей качества готовой продукции при минимизации энергозатрат. Проведены экспериментальные исследования на базе действующего хлебозавода, подтвердившие эффективность предложенного подхода. Применение разработанной системы управления позволило повысить качество выпускаемой продукции на 15%, снизить расход энергоресурсов на 12% и увеличить производительность на 10%. Полученные результаты имеют важное значение для развития хлебопекарной отрасли и могут быть использованы при модернизации действующих и проектировании новых хлебозаводов. Дальнейшие исследования будут направлены на расширение функциональных возможностей разработанной системы, в частности, на реализацию адаптивных алгоритмов управления, учитывающих изменение характеристик сырья и условий внешней среды в реальном времени.
The bakery industry is one of the key branches of the food industry, which plays an important role in providing the population with high-quality bakery products. However, despite the centuries-old history of development, this industry faces a number of problems related to improving product quality, reducing energy costs and optimizing production processes. Currently, a promising direction for solving these problems is the use of intelligent control algorithms based on artificial intelligence and machine learning methods. This article discusses the possibilities of using intelligent control algorithms to improve the quality and energy efficiency of bakery production. The analysis of existing approaches to the management of technological processes of baking is carried out, their disadvantages and limitations are revealed. The concept of an intelligent bakery production management system based on the use of fuzzy logic methods, neural networks and genetic algorithms is proposed. A mathematical model of the bread baking process has been developed, taking into account the influence of key factors such as temperature, humidity, baking time, etc. Based on this model, a software package has been created that implements algorithms for optimizing baking modes in order to achieve the required quality indicators of finished products while minimizing energy consumption. Experimental studies have been conducted on the basis of an existing bakery, which confirmed the effectiveness of the proposed approach. The application of the developed control system has allowed to improve the quality of products by 15%, reduce energy consumption by 12% and increase productivity by 10%. The results obtained are important for the development of the bakery industry and can be used in the modernization of existing and design of new bakeries. Further research will be aimed at expanding the functionality of the developed system, in particular, at implementing adaptive control algorithms that take into account changes in the characteristics of raw materials and environmental conditions in real time.