食品加工过程的抽样试验及检查方法

食品加工过程控制的抽样试验按生产环节分为：原料试验、中间过程试验和产品试验。抽样试验中的基本术语和以上提到的几个概念有相近之处，主要包括如下几个。

单位产品：是组成产品总体的基本单位，如一听罐头、一袋牛乳等，也称为检验单位。

生产批（批次）：在一定的条件下生产出来的一定数量的单位产品所构成的总体称为生产批，简称批。

批量：批中所含单位产品的个数，记作N。

检验批：为判别质量而检验的，在同一条件下生产出来的一批单位产品称检验批，又称交验批、受验批，有时混称为生产批，简称批。批的形式有稳定批和流动批两种。前者是将整批产品贮放在一起，同时提交检验；后者的单位产品是在形成批之前逐个从检验点通过，由检验员直接进行检验（曾红节等，1999）。一般说来成品的检验采用稳定批的形式，过程及工序检验采用流动批的形式。

其实食品质量控制活动是在原料交付的过程中就已开始进行，如交付控制就是针对原料试验的控制方法。交付控制的目的是根据原料是否合格来决定是否接受某一批次的原料。食品工业中常使用的检查方法包括抽样检查、百分百检查（又称为全数检查）和进料抽样试验。

1. 抽样检查

抽样检查又称为随机抽样检查，是指固定从一批原料产品中抽取一定比例的样品进行检查（肖熙，2012）。在每次抽取样本时，总体中所有的个体都有被抽取的同等机会的抽样方法叫随机抽样（祖绍虎，2009）。随机抽样的方式很多，有简单随机抽样、分层随机取样、整群随机抽样和系统随机抽样。例如，每一批次中抽取10%的样品进行检查，或是有规律性地选取各批次中第8个产品进行检查。这一方法由于没有统计学依据，在不同产品中并不清楚这一使用方法得到错误的决定的风险有多大。通常在对数量性原料（如对来自包装材料厂包装材料的数量）样品检查时采取抽样检查，但这种抽样检查方法并不能成为质量认证的决定性手段。

2. 百分百检查

百分百检查就是对全部产品逐个地进行试验与测定，从而判定每个产品合格与否的检验。百分百检查又称全数检查和全面检查，它的检查对象是每个产品，这是一种沿用已久的检查方法。实际过程中百分百检查其实是一种筛选方法，是对某一批次中所有的产品从理论上剔除所有不合格品。这一检查方法通常适用于对农产品的检查，通常可以根据大小或形状进行分级。当检验费用较低而且产品的合格与否容易鉴别时，百分百检查是一种理想的检验方法。另外，百分百检查还常应用于对产品安全要求非常苛刻的情况或成本非常高的产品。但百分百检查有以下缺点。

（1）准确度通常只有85%，检查精度有时比抽样检查更低。

（2）只能用于无损的检查。

（3）通常成本较高而且不实用。

（4）工作量大，费用高，耗时多。因为单调和不断重复的工作会造成检查人员的厌烦和懈怠。

在选择究竟应用何种检查方法时，应该考虑检查方法的成本和由于误检所付出的代价。代价主要取决于两个方面，即将不合格的产品提供给消费者的可能性和误检发生的概率。

3. 进料抽样试验

进料抽样试验通常是在交付进货的过程中使用，也可以用在进行比较昂贵的操作、处理或加工步骤之前的检验。这一方法主要基于统计学原理，目的是对所要采取的决定进行风险判定。在这里风险的含义一方面是生产者风险（α），就是在某一批次的产品质量合格的情况下被判定为不合格的可能性；另一方面是顾客风险（β），就是在某一批次产品质量并没有达标的情况下被判定合格的可能性。

进料抽样试验包括以下几个步骤：

① 检查人员根据统计学方法在某一批次货物（N）中随机抽取样品（n），即取样；

② 确定需要经过目测、仪器测量或分析来确定不合格产品的项目（数量或水平等）；

③ 将检查结果与标准（c）进行比较；

④ 决定是否接收某一批次的产品，即批次判定。

进料抽样试验和全检不同，它的处理对象是批而不是个体，进料抽样试验的应用必须考虑以下几个方面。

（1）数据的采集类型和位置 数据是反映事物性质的一种量度，全面质量管理的基本观点之一就是 “一切用数据说话”。企业、车间、班组都会碰到很多与质量有关的数据，例如生产过程中的工序控制记录，半成品、成品质量的检测结果等。这些数据按性质基本上可以分为两类：计量值数据和计数值数据。

计量值数据是指用测量工具可以连续测取的数据，即通常可以用测量工具具体测出小数点以下数值的数据，例如产品的长度、电压、重量、温度、时间、硬度等。

计数值数据是不能连续取值的、只能以个数计算的数据，或者说即使使用测量工具也得不到小数点以下的数值，而只能得到整数的数据。如合格品与不合格品件数、质量检测的项目数、疵点数、故障次数等，它们都是以整数出现，都属于计数值数据。

必须注意，当数据以百分率表示时，要判断它是计数值数据还是计量值数据，取决于给出数据计算公式的分子、分母，当分子、分母是计数值数据时，即使得到的百分率不是整数，它也属于计数值数据。

计量值数据和计数值数据的性质不同，它们的分布也不同，所用的控制图和抽样方案也不同，所以必须正确区分。

在质量控制管理工作中常会遇到一些难以用定量的数据来表示的事件或因素，一般可以用优劣值法、顺序值法、评分法等，使之转换成数据。

在进料抽样试验时，首先应该确定进行进料抽样试验的位置。除交付控制外，进料抽样试验还可以用于其它方面，例如在反应变化之后或者在进行高附加值的加工之前。其次，对于用做可接收标准的数据类型应该进行评估，这些标准可以是品质数据（计数值数据），即用合格（符合标准）或不合格（不符合标准）来衡量产品的质量，或者变量数据（计量值数据），即对一些参数进行测量，得到并记录数值，用做评估的基础。

（2）取样设计和操作特征曲线（OC curve）取样计划的设计是进料抽样试验的另一个重要的方面。它包括两个关键的部分，即应该取多少样品和样品中允许存在多少次品。可以根据分配表（例如改良的Thorndike图表）或者根据国家或国际标准（ISO 2859）表来设计取样方案。改良Thorndike图表是为了反映不同的可接收数量（c），次品的平均数量（x轴）和次品率（y轴）之间的关系。取样方案的设计可以影响可接收的概率。对于特定的样品量（n）和可接收数量（c或A_C ），改良Thorndike图表可以用于在已知次品所占的比例范围情况下决定接收这一批次产品的概率。如图4-3所示，对这一关系作图就可以得到典型的操作特征（OC）曲线。抽样方案与操作特征（OC）曲线之间一一对应，根据操作特征（OC）曲线，可查知采用该曲线所对应的抽样方案验收产品批时，相应于某一质量水平的接受概率（P_A ）。如图4-3所示的操作特征（OC）曲线表明在一个小样本（n=5）、高标准（c=2）的取样方案中接收某一批次（例如30%次品）的概率要大于一个大样本（n=20）、更加严格的标准（c=0）的取样方案。换而言之，在第一个取样方案中接收一批不合格产品的概率要大于第二个取样方案。

图4-3 不同取样方案的特征曲线图(www.xing528.com)

（3）质量水平 决定是否接收一批产品的另一个方面就是质量水平。质量水平包含两个常见类型：

① 可接收质量水平（acceptable quality level，AQL），指消费者所能接收的整批产品中存在的最大次品数量。政府可以评估AQL（如法定水平），但实际上原料的供需双方就AQL水平可以达成协议。

② 限制质量水平（LQ）或者批次可耐受次品比例（lot tolerance percent defective，LTPD），指消费者无法接收的整批产品中的次品水平。这个指标可以由政府或购买方评定，但是通常在这一水平的产品是不被接收的。次品量达到LQ水平的批次产品而被接收的概率一定不能超过0.1。

如果得到了可接收质量水平（AQL）、限制质量水平（LQ）、生产者风险（α）和消费者风险（β），就可以使用Thorndike图表绘制完整的操作特征（OC）曲线。图4-4说明了操作特征（OC）曲线中的AQL和操作特征水平，如需要进一步了解操作特征（OC）曲线的统计学特点请参照其它相关文献。

图4-4 AQL和LQ的操作特征（OC）曲线

当α、β较小时，两种风险的可能性降低，显然这样可以提高批的实际水平，但这却使抽样量增大，增加了抽样成本。所以α和β是实际客观存在的，只能控制，不可避免。

（4）其它类型的取样方法 上述的操作特征（OC）曲线仅适用于使用品质数据的单重（独）取样，并且样品数需要量大。然而，在许多实际情况下，降低进料抽样试验的成本是非常必要的。例如，某一受到监控的生产过程过去的检查结果认为其生产的产品质量一直低于AQL或不在LQ之中。并且，操作特征（OC）曲线只适用于品质数据，而不适用于变量数据。在这种情况下，需要采取其它类型的取样方法，这一取样方法只需要较小的样本量或者适用于变量数据。另外还有几种常见的取样方法，如多重取样、连续取样等。

多重取样是一种常见的小样本取样方法，这一方法最多可以抽取7个样本。在这一取样方案中：

① 选择多而更小的样本量（n）进行分析；

② 确定起始样本中的次品数量，并将之与可接收数量（A_c）相比较；

③ 如果少于A_c，则可以直接接收整批产品（比单重取样中的取样量少，因此减少了产品消耗）；

④ 如果次品数量超过了拒绝数量（不合格判定数R_e），则立即拒绝整批产品；

⑤ 如果处于两者之间，即A_c＜次品数量＜R_e，则选取一个新样本进行分析；

⑥ 第一个样本和第二个样本的次品数量相加后，将总数与第二个样本的A_c和R_e相比；

⑦ 根据这一比值，决定是否接收整批产品，或者再另取一个样本；

⑧ 在分析最后一个（最多是第7个）样本时，根据在所有样本中累计得到的次品数量决定是否接收该批产品。

另一个降低成本的取样方案是连续取样。这是监控生产过程中质量的一个重要的方法，具体步骤如下：

① 选取一个样品（n=1），立即进行分析；

② 随后再选取一个新的样品再进行分析；

③ 累计2次取样的结果，如图4-5所示判断是否接收；

图4-5 连续取样

④ 如果累计得到的次品数量达到了接收区域，则接收这批产品。通过这一界限所需的最小样品数量即接收最小样本量；

⑤ 如果累计得到的次品数量达到了拒绝区域，则拒绝这批产品；

⑥ 如果累计得到的次品数量介于接收线和拒绝线之间，则无法做出判断，需要采取多重取样方法；

⑦ 可以根据（α，AQL）和（β，LQ）两个数值或者根据国家或国际标准（如BS 6001）构建接收线和拒绝线（取样模式）；

以上讨论的都仅仅适用于品质数据，也就是合格/不合格。然而，对于变量数据（假定是正态分布的数据），则应该采用其它的统计方法：

x表示正态分布的变量；μ表示随机变量x的平均值；σ²表示x的方差（已知）；x₁…x_n表示选取的样品，平均值为。

x表示正态分布的变量；μ表示随机变量x的平均值；σ²表示x的方差（已知）；x₁…x_n表示选取的样品，平均值为。

与品质数据相同，对变量数据也可以采用单独、多重和连续取样的方法。例如，在单独取样方法中，样本量（n）、接收标准（c）和样本平均值即可代表样本的特性性质，将这些性质与接受标准相比较，在μ值越低表示质量越好的前提下，如食品中的腐败菌指标，如果样本平均值小于接受标准c值，则表示可以接受这一批次产品，反之则应该拒绝这批产品。在有些情况下μ值越高表示质量越好，如番茄酱中的茄红素指标，牛乳中的蛋白质指标，那么接受和拒绝的条件正好和上面相反。单独取样方法的优点是：方案的设计、培训和管理容易；抽样数是常数；有关批质量的信息能最大程度的被利用。其缺点是：抽样量比二次或多次抽样大，特别是在批不合格品率（p）极小或极大时，更为突出。

与品质数据相同，对变量数据也可以采用单独、多重和连续取样的方法。例如，在单独取样方法中，样本量（n）、接收标准（c）和样本平均值即可代表样本的特性性质，将这些性质与接受标准相比较，在μ值越低表示质量越好的前提下，如食品中的腐败菌指标，如果样本平均值小于接受标准c值，则表示可以接受这一批次产品，反之则应该拒绝这批产品。在有些情况下μ值越高表示质量越好，如番茄酱中的茄红素指标，牛乳中的蛋白质指标，那么接受和拒绝的条件正好和上面相反。单独取样方法的优点是：方案的设计、培训和管理容易；抽样数是常数；有关批质量的信息能最大程度的被利用。其缺点是：抽样量比二次或多次抽样大，特别是在批不合格品率（p）极小或极大时，更为突出。