HÜSEYİN NAİL AKGÜL, FİLİZ YILDIZ AKGÜL, TUNA DOĞAN

Bulanık Mantık ile Kefir Üretiminin Modellenmesi

Endüstriyel kefir üretiminde fermentasyon pH 4,6 ile sonlandırılmaktadır. Çalışmada kefir değişken parametreleri olarak inkübasyon sıcaklığı, kültür inokülüm oranı ve inkübasyon süresi seçilmiştir. pH değeri, geleneksel kontrol sistemlerinde deneme yöntemi ile bulunabilmektedir. Bu sistemlerde eğer girdi parametrelerinin sayısı fazla ise deneme yanılma yöntemi hem zahmetli hem de kişiye bağımlı bir sistem oluşturmaktadır. Bu gibi durumlarda bulanık mantık kullanılabilmektedir. Bu modelleme çalışmasında bulanık mantık ile kontrol, iki kısım halinde incelenmiştir. Birinci kısım bulanık kurallar ve üyelik fonksiyonları, ikinci kısım ise berraklaştırmadan oluşmaktadır. Kefirin optimum üretim koşulları için inkübasyon sıcaklığı 20 ile 25°C, inkübasyon süresi 18-22 saat ve kültür inokülüm oranı %1-5 arası seçilmiştir. İnkübasyon sıcaklığı, inkübasyon süresi ve kültür inokülüm oranı değerlerini bulanıklaştırmak için 3 ayrı bulanık küme (üçgen üyelik fonksiyonu) kullanılmıştır. Giriş parametrelerine ait üyelik fonksiyonlarının sayıları 3er tane olduğu için bu sayılarının çarpılmasıyla 3x3x3=27 kural satırı elde edilmiştir. Bulanık kurallar tablosu Mamdani yöntemi kullanılarak elde edilmiştir. Berraklaştırma için oluşturulan üyelik fonksiyonlarından üç yamuk alanı kullanılarak, ağırlık ortalamaları yöntemi ile üyelik fonksiyonlarının değerleri bulunmuştur. Sistemin başarısı, olması gereken pH değerleri ile elde edilen sayısal değerlerin karşılaştırılmasıyla bulunacaktır. Sonuçta kefir üretiminde istenen 4,6 pH değerine ulaşmak için bulanık mantık yönteminin kullanılması ile insan iş yükü azaltılarak iş prodüktivitesi artırılabilecektir. Bu durumda hem maliyetten hem de zamandan tasarruf edilmesini sağlayabilecektir.

Modeling of Kefir Production with Fuzzy Logic

The fermentation is ended with pH 4.6 values in industrial production of kefir. In this study, the incubation temperature, the incubation time and inoculums of culture were chose as variable parameters of kefir. In conventional control systems, the value of pH can be found by trial method. In these systems, if the number of input parameters is greater, the method of trial and error creates a system dependent on the person as well as troublesome. Fuzzy logic can be used in such cases. Modeling studies with this fuzzy logic control are examined in two portions. The first part consists of fuzzy rules and membership functions, while the second part consists of clarify. Kefir incubation temperature between 20 and 25°C, the incubation period between 18 to 22 hours and the inoculum ratio of culture between 1-5% are selected for optimum production conditions. Three separate fuzzy sets (triangular membership function) are used to blur the incubation temperature, the incubation time and the inoculum ratio of culture. Because the membership function numbers belonging to the the input parameters are 3 units, 3x3x3=27 line rule is obtained by multiplying these numbers. The table of fuzzy rules was obtained using the method of Mamdani. The membership function values were determined by the method of average weight using three trapezoidal area of membership functions created for clarification. The success of the system will be found, comparing the numerical values obtained with pH values that should be. Eventually, to achieve the desired pH value of 4.6 in the production of kefir, with the using of fuzzy logic, the workload of people will be decreased and the productivity of business can be increased. In this case, it can be provided savings in both cost and time.

PDF

___

Akgül HN. 2006. Bulanık mantık yardımıyla doğal havalandırma yapılan bir serada sıcaklık ve bağıl nem kontrolünün modellenmesi. Çanakkale Onsekiz Mart Üniversitesi Fen Bilimleri Enstitüsü, Tarım Makinaları Anabilim Dalı, Yüksek Lisans Tezi, s 45, Çanakkale.
Akgül HN, Kavdır İ, Dayıoğlu MA. 2006. Bulanık mantık yardımıyla doğal havalandırma yapılan bir serada sıcaklık ve bağıl nem kontrolünün modellenmesi. Tarım Makinaları Bilimi Dergisi, 2 (1); 57-63.
Akgül HN, Şimşek E. 2008. Seralarda bulanık mantık uygulamaları. Bilimde Modern Yöntemler Sempozyumu (BMYS2008), 1:183-190.
Boullart L.1988. Artifical intelligence and expert systems: Next generation tools. IFAC Industrial Processes Control Systems, p.45-51, Belgium.
Dirim SN. 2010. Adaptif kontrol sistemleri ve gıda endüstrisindeki bazı uygulamaları. Akademik Gıda, 8 (3): 43-46.
Görgülü Ö. 2007. Bulanık mantık (fuzzy logic) teorisi ve tarımda kullanım olanakları üzerine bir araştırma. M. K. Ü. Fen Bilimleri Enstitüsü, Doktora Tezi, s. 33-34, Hatay.
Hafliger M, Spillmann H, Puhan Z. 1993. Kefir- a fascinating cultured milk product. Lebensmittelindustrie und Milchwirtschaft, 112 (13): 370-375.
Halavati R, Shouraki SB. 2005. Fuzzy learning in zamin artificial World. Fuzzy Sets and Systems, 152 (3): 603-615.
Huang LJ, Tomizuka M. 1990. A self-paced fuzzy tracking controller for two-dimensional motion control. IEEE Trans. on Systems, Man and Cybernetics, 20 (5): 1115-1124.
Karagözlü N, Karagözlü C, Ergönül B. 2007. Survival characteristic of E. Coli O157:H7, S. typhimurium and Stap. aureus during kefir fermentation. Czech Journal of Food Science, 25 (4): 202-207.
Kavdır İ, Guyer DE. 2003. Apple grading using fuzzy logic. Turk J. Agric. For, 27: 375-382.
Lee CC. 1990. Fuzzy logic in control systems: Fuzzy logic controller-part II. IEEE Trans. on Systems, Man and Cybernetics, 20 (2): 419-432.
Linko S. 1998. Expert systems-what can they do for the food industry? Trends in Food Science and Technology, 9: 3-12.
Puhan Z. 1988. Resultats of questionnaire 1785B fermented milks. Bulletin of IDF, 227: 138-164.
Salehi F, Lacroix R, Wade KM. 2000. Development of neurofuzzifiers for qualitative analyses of milk yield. Computers and Electronics in Agriculture, 28: 171186.
Tamime A.Y, Robinson, RK. 1999. Yoghurt: Science and Technology, Second Edition, Woodhead Publishing Ltd. and CRS pres LLC, England, p 619.
Yıldız, F. 2009. Farklı yağ oranlarının ve farklı starter kültürlerin kefirin nitelikleri üzerine etkisi. Ankara Üniversitesi Fen Bilimleri Enstitüsü Doktora Tezi, 200 s. Ankara.
Zadeh LA.1965. Fuzzy sets. Information and Control, 8 (3): 338-353.