Введение. Актуальность обусловлена необходимостью обоснования эффективности локализации производства высокобелковых молочных продуктов, устойчивых к однократному воздействию отрицательных температур при транспортировке потребителю.

Цель. Разработать сбалансированную математическую модель сырьевых потоков технологии получения криостабильного творожного сыра из молока, обеспечивающей научно обоснованный выбор рецептурно-технологических параметров для производства в приарктических регионах Дальнего Востока. 

Материалы и методы. В работе использованы классические уравнения материального баланса сепарирования молока и закономерности перехода белка при производстве творога. На основе закона сохранения массы, второго закона Рауля (Raoult) с поправкой Вант-Гоффа (van't Hoff ), метода линейного программирования, степенного закона Оствальда - де Вейла (Ostwald - de Waele) и системы Атуотера (Atwater) разработана инвариантная математическая модель, реализованная в виде программного обеспечения в среде Wolfram Mathematica 10.2. 

Результаты. Рассмотрены два сценария использования сливок, получаемых при сепарировании: частичное (сценарий а) и полное (сценарий б), при варьировании доли творога в бинарной системе «творог – сливки» (T) 65…85 %) и жирности сливок ()  10…85 %. Установлены нелинейные закономерности влияния факторов T и на выход творожного сыра, сыворотки и вторичных сливок, массовые доли белка и жира, криоскопическую депрессию и динамическую вязкость продукта; определена фундаментальная граница перехода между сценариями (T = 65 % при = 44,48 %) и терминальная область, в которой решения по сценарию б) не существуют без внесения молочно-белкового концентрата. 

Выводы: ключевым лимитирующим фактором технологии является доля творога в бинарной смеси, тогда как жирность сливок выступает дополняющим фактором. Разработанная модель и программное обеспечение позволяют целенаправленно проектировать рецептуру и режимы производства творожного сыра с заданными выходом, составом и криостабильностью.

Введение. В связи с заметным повышением интереса потребителей к винам с защищенным географическим указанием (ЗГУ) и защищенным наименованием места происхождения (ЗНМП) особую актуальность приобретает разработка надежных методов подтверждения их географического происхождения. Несмотря на широкое применение в мировой практике комплексного анализа изотопных отношений, элементного профиля и методов машинного обучения, для российских вин отсутствуют научно обоснованные модели классификации, учитывающие особенности основных виноградо-винодельческих зон страны.

Цель. Установить возможность классификации образцов отечественный вин по месту их географического происхождения на основе комплексного анализа изотопных отношений углерода, кислорода и водорода этанола и элементного профиля с использованием методов машинного обучения.

Материалы и методы. Были отобраны 63 образца вин, произведенных в основных виноградо-винодельческих зонах России. Из них 20 образцов из Краснодарского края, 32 образца из Крыма, 7 образцов из Дагестана, 4 образца из Долины Дона. В данных образцах были измерены изотопные отношения δ13С, δ18O и δD выделенного этанола, а также 71 показатель массовых концентраций макро-, микроэлементов и редкоземельных металлов. В исследовании использовали модель Random Forest, в качестве метрик применяли precision, recall и f1-score, для получения доверительных интервалов метрик была использована стратифицированная k-fold кросс-валидация c 100 повторениями.

Результаты. После обучения и валидации модели, ее средняя точность составила 0,92 для Дагестана, 0,99 для Долины Дона, 0,82 для Краснодарского Края и 0,90 для Крыма. Наиболее важными для модели параметрами являлись показатели изотопных отношений элементов в составе молекул этанола, а также массовые концентрации Li, B, Cs, Sr, W, Ni, Sn. Среди редкоземельных металлов наиболее важными для модели являлись концентрации Dy, Lu, Yb, Tm, Ho, Y, La. 

Выводы. Полученные результаты показывают перспективность применения методов машинного обучения для задач аутентификации отечественной винодельческой продукции. Данная модель является основой для проведения классификации вин, произведенных в более ограниченных географических зонах, в том числе в виноградо-винодельческих районах и конкретных терруарах.