Wiesz więcej dzięki analizie NIR

Zmienna jakość surowca, stała jakoś produktu. Zasadnicze wyzwanie, z jakim wiąże się obsługa zbóż jeszcze nigdy nie było tak oczywiste jak obecnie, gdy branża stara się zapewnić dostawy zgodne z wymaganiami, jednocześnie jak najlepiej wykorzystując zasoby surowca zagrożone przez skrajne warunki pogodowe oraz bieżącą sytuację geopolityczną. 

Analiza NIR została wynaleziona w latach osiemdziesiątych ubiegłego wieku i wciąż dowodzi swojej wartości w branży zbożowej. W kontekście rozliczeń za dostawy, przygotowywania mieszanek zgodnie ze specyfikacją klienta, załadunku do transportu, odbioru do przemiału lub słodowania oraz handlu na globalnych rynkach towarowych, łatwość stosowania oraz niezawodność analizy NIR pozwala dostarczać produkty wyższej jakości nawet przy ograniczonym dostępie do ziarna z pól. 

Co sprawia, że analiza ziarna w bliskiej podczerwieni stała się tak potężnym narzędziem i na co powinniśmy zwracać uwagę podejmując decyzje o stosowanych rozwiązaniach analitycznych? 

Spojrzenie wgłąb ziarna – ewolucja transmitancji w bliskiej podczerwieni

Zmieniające się oblicze analizy NIR z punktu widzenia popularnego analizatora do ziarna Infratec™

Zbiory danych otwierają drogę do coraz szerszego zakresu aplikacji
Pierwsze zastosowania (czyli aplikacje) analizatorów ziarna opartych na transmitancji w bliskiej podczerwieni związane były z oznaczaniem parametrów takich jak wilgotność, czy zawartość białka i oleju w pszenicy, kukurydzy, jęczmieniu, soi i ryżu. 

Technologia ta szybko uzyskała zatwierdzenie przez organizacje takie jak na przykład amerykańska Federalna Służba Inspekcji Zbożowej. W tym samym czasie rozwijały się kolejne modele aplikacyjne. Warto wspomnieć, że modele te często określane są również mianem kalibracji, a w odniesieniu do rozwiązań firmy FOSS znamy je obecnie jako "pakiety analityczne".

Innymi słowy model aplikacyjny przekształca widmo podczerwieni zarejestrowane przez analizator na wartości użyteczne dla końcowego użytkownika.  Krytycznym aspektem tego procesu jest dostęp do wystarczającej ilości danych o odpowiednim poziomie różnorodności, w oparciu o które można stworzyć funkcjonalny model aplikacyjny, który będzie w stanie uwzględnić naturalne różnice w charakterystyce próbek ziarna pochodzącego z różnych regionów i sezonów żniw. Zróżnicowanie w zakresie miejsc uprawy zbóż jest ogromne w skali globalnej, a kolejne sezony upraw wciąż zaskakują nas coraz bardziej ekstremalnymi zjawiskami pogodowymi. W skrócie, im większą liczbę danych wprowadzimy do modelu, tym lepiej, ponieważ będziemy mogli bardziej precyzyjnie opisać zróżnicowanie, którego można oczekiwać w pojedycznej próbce ziarna. 

W 1996 roku wprowadzono potężną formę modelowania aplikacji pod nazwą Sztuczne Sieci Neuronowe (ANN), która miała stanowić odpowiedź na problem różnorodności i złożoności danych. Modele ANN przyczyniły się do uzyskania wysokiej stabilności działania analizatorów niezależnie od warunków pogodowych i regionu. Taką wydajność potwierdzono przez lata badań wieloośrodkowych, w których wyniki były porównywane z wynikami z laboratoriów referencyjnych. Obecnie dobrze ugruntowane modele danych dla najnowszej generacji instrumentów Infratec obejmują nawet 50 000 próbek (lub więcej), co odpowiada ponad 35 latom sezonowych zmian. Zakres aplikacji wciąż się rozszerza, co przedstawia poniższa tabela: 

Floty analizatorów o wysokiej efektywności
Wraz z rozwojem stabilności i zakresu aplikacji dla pojedynczych analizatorów, wiele organizacji odkryło, że połączenie urządzeń analitycznych w sieć podłączoną do centrum sterowania umożliwia gromadzenie danych z wielu analizatorów w jednym, centralnym miejscu. Wkrótce potem opracowano oprogramowanie sieciowe, które nie tylko pozwoliło podmiotom obracającym zbożem zdalnie gromadzić dane, ale także zdalnie konfigurować urządzenia. Na przykład, gdy pojawiały się aktualizacje modeli aplikacyjnych uwzględniające ostatni sezon upraw można je było wprowadzić do wielu urządzeń w tym samym czasie. 

Każdy, kto kiedykolwiek musiał nadzorować pracę grupy analizatorów nieposiadających takich udogodnień potwierdzi, że utrzymywanie ich w odpowiednim stanie i pilnowanie aktualizacji, szczególnie gdy znajdują się w różnych miejscach, może być bardzo czasochłonnym zadaniem. Można bez wahania stwierdzić, że funkcja obsługi licznych urządzeń z poziomu pojedynczego komputera pozwoliła już przedsiębiorstwom na całym świecie zaoszczędzić tysiące roboczogodzin.

Niezawodność to suma wielu składników  
Oprócz osiągnięć w dziedzinie rozwiązań sieciowych, również wiarygodność wyników wszystkich analizatorów w grupie uległa istotnej poprawie w późnych latach 90 ubiegłego wieku. Tym sposobem dotarliśmy do ostatniego pojęcia, które trzeba znać, czy odtwarzalności. 

Odtwarzalność oznacza, że pomiary tej samej próbki wykonane przy użyciu różnych urządzeń dają identyczne wyniki Parametr odtwarzalności pozwala użytkownikom urządzeń analitycznych NIR określić poziom wiarygodności pomiarów pojawiających się na ekranach urządzeń stosowanych na przestrzeni całej organizacji. 

Wpływ na odtwarzalność mają zarówno czynniki związane z samym urządzeniem, jak i modelem aplikacyjnym.

Na poziomie urządzenia istotna jest powtarzalność pomiarów, dokładność pomiaru oraz odniesienia do innych analizatorów. Na poziomie modeli aplikacyjnych zmienne mogą obejmować czynniki takie jak liczba i źródło pomiarów NIR wykorzystanych do stworzenia modelu, a także liczba testów referencyjnych i potencjalne odchylenia od wartości wyników takich testów referencyjnych. 

Model aplikacyjny "przewiduje" wynik w oparciu o dane, na podstawie których go zbudowano. Pojęcie "błąd standardowy przewidywania" (ang. standard error of prediction - SEP) określa potencjalną wartość błędu względem wyników testów referencyjnych określonych na podstawie rzeczywistych właściwości chemicznych próbki. Wartość SEP jest zwykle określona w dokumentacji technicznej, takiej jak np. noty aplikacyjne Innym przydatnym narzędziem dostępnym w notach aplikacyjnych jest wykres przedstawiający wyniki pomiaru urządzeniem NIR w odniesieniu do odpowiadających im wyników testów referencyjnych dla różnych próbek. Jest to dobre źródło danych statystycznych określających efektywność urządzenia, w tym SEP, jak pokazano na rysunku 2.                   

Chociaż SEP to zagadnienie, o którym można by opowiadać bardzo szczegółowo, z punktu widzenia Państwa działalności najistotniejsze jest prawidłowe i wiarygodne określenie wartości potencjalnego błędu statystycznego. Wyobraźmy sobie na przykład, że pracują Państwo z flotą analizatorów w różnych lokalizacjach i oceniają zboże w celu ustalenia wartości rozliczeniowej, przy założeniu docelowej zawartości białka wynoszącej 10,5%. Po pierwsze, ważne jest, aby wiedzieć, że urządzenie działa poprawnie, pomiar jest prawidłowy, a potencjalna wartość błędu jest niska Po drugie, niezbędne jest zachowanie stałej efektywności analitycznej niezależnie od czasu i miejsca pomiaru. Tylko w ten sposób można zagwarantować, że testy przeprowadzane na potrzeby rozliczeń będą wiarygodne we wszystkich lokalizacjach.