基于功能導向搜索在酒體檢測中的應(yīng)用

秦姝悅 馮林 王美霞 孫雪菁 李明波 袁綺晨 趙旭 趙玉平

摘要：該文對TRIZ創(chuàng)新思維方法中一個解決問題的工具——功能導向搜索進行展開探討，這是一種在專利數(shù)據(jù)庫中進行搜索，將先進領(lǐng)域具有相似功能的成熟技術(shù)借鑒移植到當前研究的系統(tǒng)，以找到新問題在當前系統(tǒng)的解決方案。將其與酒體檢測發(fā)展相結(jié)合，對各個領(lǐng)域的檢測技術(shù)與目前已應(yīng)用的酒體檢測方法進行對照總結(jié)，并運用功能導向搜索逐步分析，預測出將先進多維動態(tài)成像技術(shù)引入成品酒檢驗可能是未來的發(fā)展方向。

關(guān)鍵詞：TRIZ? 功能導向搜索 酒 多維動態(tài)成像 檢驗

中圖法分類號：TS262.6; G304? ? ? ? 文獻標識碼：A

Abstract： This paper explores a problem-solving tool in TRIZ's innovative thinking approach— function-oriented search， which is a tool that searches patent database and borrows? mature technologies with similar functions in advanced fields and and migrates them to the current system under research to find solutions to new problems in the current system. This paper combines it with the development of wine body inspection，? compares and summarizes the detection techniques in various fields with the currently applied methods of wine body inspection， and uses the function-oriented search to analyze step by step， predicting that the introduction of advanced multidimensional dynamic imaging technology into the finished wine inspection might be the future development direction.

Key Words： TRIZ; Function-oriented search; Wine; Multidimensional dynamic imaging; Inspection

TRIZ是俄語中“發(fā)明問題解決理論”的首字母縮寫，該理論是解決問題和技術(shù)預測工具的集合。由前蘇聯(lián)發(fā)明家、教育家G.S.Altshuller（根里奇·阿奇舒勒）和他的研究團隊，通過分析大量專利和創(chuàng)新案例總結(jié)出來。TRIZ理論成功地揭示了創(chuàng)造發(fā)明的內(nèi)在規(guī)律和原理，著力于澄清和強調(diào)系統(tǒng)中存在的矛盾，其目標是完全解決矛盾，獲得最終的理想解。它不是采取折中或者妥協(xié)的做法，是基于技術(shù)的發(fā)展演化規(guī)律研究整個設(shè)計與開發(fā)過程，而不再是隨機的行為。實踐證明，運用TRIZ理論，可大大加快人們創(chuàng)造發(fā)明的進程而且能得到高質(zhì)量的創(chuàng)新產(chǎn)品。

ABRAMOV? O等人[1]通過大量實際案例總結(jié)分析得出，基于TRIZ的方法完全適用于分析和解決生物化學、微生物學、食品工業(yè)等中的問題，它技術(shù)演進的模式在各個行業(yè)中重復出現(xiàn)，TRIZ工具通常在這些領(lǐng)域中最有用的是流程分析、因果鏈分析和功能導向搜索。故本文通過功能導向搜索對酒體檢測方式進行展開討論。

1 功能導向搜索

功能導向搜索是TRIZ中一個解決問題的工具[2]，通過對所需要查找的功能進行一般化處理，以改變問題適應(yīng)性，嘗試從先進領(lǐng)域?qū)ふ液徒梃b相似的功能應(yīng)用移植相對成熟的技術(shù)，把現(xiàn)有的解決方案使用功能方法進行工程設(shè)計，形成解決方案來解決當前的問題，如圖1所示。

把這種先進領(lǐng)域成熟應(yīng)用的解決方案移植到食品行業(yè)系統(tǒng)中來解決食品工程系統(tǒng)的問題，這些方案一般已被專業(yè)技術(shù)人員和市場環(huán)境所檢驗，是低風險低成本的，將其適當轉(zhuǎn)化為我所用，值得應(yīng)用推廣。同時，食品行業(yè)建有行業(yè)知識庫，從知識庫搜索找到成熟的解決方法，即用老辦法解決新問題。這種解決方案就既是全新的，又是成熟的，并且能夠更容易、更快速、更高效、更安全地規(guī)避部分專利，解決現(xiàn)有問題。

2 技術(shù)遷移事例

通過查閱相關(guān)文獻發(fā)現(xiàn)，這種將先進領(lǐng)域已成熟應(yīng)用的解決方案移植到酒體檢測系統(tǒng)中解決工程系統(tǒng)問題的方式見表1[3-12]。

3 功能導向搜索預測酒體檢測發(fā)展方向

目前已廣泛應(yīng)用于酒體檢驗方式為品酒師感官品評[13]以及提取檢測[14]，通過品評進行總體評定、等級劃分的方式個人的主觀性較強，較易受各方面影響，不能科學、準確地證實酒體品質(zhì)。所以一般采用提取檢測的方式判斷酒體質(zhì)量安全及物質(zhì)含量，但目前應(yīng)用的各提取檢測技術(shù)、檢測過程依舊較為繁瑣，為了尋找更高效準確的檢測方式。通過TRIZ理論中功能導向搜索進行分析[15]，總結(jié)酒體檢測應(yīng)用思路，對未來新型檢測方法進行預測。

功能導向搜索通過分析組件與功能對象間的作用，而后在領(lǐng)先的領(lǐng)域內(nèi)進行搜索，其具體步驟見圖2。

利用功能導向搜索解決成品酒直觀判斷其品質(zhì)的主要步驟如圖3所示。

（1）問題識別，簡潔明確描述需要解決問題的定義——如何直觀判斷成品酒品質(zhì)。

（2）用功能性的語言描述關(guān)鍵問題，從技術(shù)進化的系統(tǒng)中辨析出功能載體、功能對象和功能作用，將系統(tǒng)功能作用和功能對象進行一般化描述，明確其特定功能，將其轉(zhuǎn)化為功能化模型[16]，闡明將要改善的具體功能——對于如何使成品酒內(nèi)部物質(zhì)呈現(xiàn)，進給系統(tǒng)的功能為——不破壞酒瓶不提取酒體，區(qū)分呈現(xiàn)酒體物質(zhì)分類及相應(yīng)含量，讓人們能直觀進行判斷。

（3）確定所需要的參數(shù)，對于該問題不僅僅需要酒的各項參數(shù)匯總，所含物質(zhì)分類與含量多少分布情況，因所需成像物質(zhì)是液態(tài)，其物質(zhì)運動較為劇烈且分散較快，可能影響數(shù)據(jù)結(jié)果，故需要考慮解決方法。

（4）將功能進行一般化處理，明確行為和對象，使用一般的術(shù)語表示，例如：特定的動作詞“判斷”更改為“呈現(xiàn)”，特定的對象“酒體”更改為“液體”。把握技術(shù)系統(tǒng)的關(guān)鍵功能，限定實際問題的范圍，進一步明確問題——清晰、直觀的看到物體內(nèi)部各個組分，該問題需要解決的動詞是“看、呈現(xiàn)”，要“保持物質(zhì)原狀識別物質(zhì)內(nèi)部動態(tài)組分”；目前進給系統(tǒng)需要實現(xiàn)快速準確形成物質(zhì)區(qū)分呈現(xiàn)且不用提取物質(zhì)，通過技術(shù)進化法則預測出進給系統(tǒng)的發(fā)展趨勢可向掃描物質(zhì)形成動態(tài)全面成像發(fā)展，需要在不提取出酒液，不開封包裝的基礎(chǔ)上使其進行一個準確成像。

（5）識別領(lǐng)先領(lǐng)域，搜索其他相關(guān)或者不相關(guān)領(lǐng)域中，執(zhí)行有關(guān)準確全面成像的先進領(lǐng)域技術(shù)方案功能的技術(shù)，通過與不同專業(yè)的技術(shù)人員進行充分交流，了解各行業(yè)可能存在的類似功能。確定這些領(lǐng)域中可以適應(yīng)目標應(yīng)用的技術(shù)或解決方案。目前已有報道在醫(yī)學上為了更好地進行治療，無法從人體的外觀判斷內(nèi)部問題。在成熟應(yīng)用三維重建影像可視化技術(shù)[17]的基礎(chǔ)上也有了四維動態(tài)成像[18]。

（6）領(lǐng)先領(lǐng)域解決方案，先對該領(lǐng)域進行文獻和專利查詢，對查詢到的專利進行整理，得到功能導向搜索最終結(jié)果。在領(lǐng)先領(lǐng)域中選擇最合適的能夠改善這個功能的技術(shù)，解決方案。目前醫(yī)學上已開展3D-slicer醫(yī)學影像處理分析[19]及四維多幀重建技術(shù)[20]，前者可以透過腦顱對腦內(nèi)部的物質(zhì)進行3D成像，后者可將運動的物質(zhì)進行對應(yīng)動態(tài)化呈現(xiàn)，對此可以推測不久的將來隨著相應(yīng)血液組織液等的液體檢測也會迅速發(fā)展成熟，即可將醫(yī)學領(lǐng)域?qū)?yīng)液體掃描檢測技術(shù)遷移到酒體檢測中。

（7）引入這種技術(shù)所帶來的次級問題，例如：其掃描技術(shù)的輻射掃描可能會使酒中物質(zhì)受到改變，對酒的品質(zhì)帶來影響等。

這種方式就是把非該領(lǐng)域的技術(shù)移植過來，完成對該領(lǐng)域問題的解決，由于并非照搬專利技術(shù)，且適用范圍不同，因此，這是專利規(guī)避[21]中的主要模式。對功能導向搜索得到的解決方案進行功能分析，得出基本原理、所需組件，該方案遷移到該領(lǐng)域所需解決的問題，最終得出初始解。功能導向搜索通過借鑒其他行業(yè)現(xiàn)有的成熟解決方案，進行不同應(yīng)用領(lǐng)域的遷移，在概念開發(fā)階段具有一定的作用[22]。在后期進行實際技術(shù)遷移，并運用到功能裁剪[23]，這不僅能規(guī)避其他專利，避免專利侵權(quán)，在概念解開發(fā)階段也可以用來規(guī)避自身，提高最終解決方案的價值，防止被其他專利規(guī)避。

4 多維動態(tài)成像在醫(yī)學中的應(yīng)用

具有強大的建模、影像配準等功能的多維成像技術(shù)，能夠做到精確定位，還能用于精確估算同等物質(zhì)的體積，并且可將不同物質(zhì)用不同顏色進行標記，又因計算機進行操作[24]具有可拓展性，操作者通過選擇和添加功能模塊，可對圖像進行通透的深層次的處理[25]。經(jīng)過全方位掃描，通過利用影像學數(shù)據(jù)進行計算機模擬影像融合，對物質(zhì)分子運動及分布情況進行生動直觀的多維度動態(tài)重現(xiàn)[26]，強化變質(zhì)部分，進而將圖像數(shù)據(jù)擬合為直觀、易懂的立體成像，還可對于有害物質(zhì)進行清除，對其效果進行評估。多維呈現(xiàn)的應(yīng)用，改善了以往檢測的不可視性和精度差的缺點，耗時長的不足。多維動態(tài)成像利用掃描識別不同物質(zhì)范圍，并且進行多重建，利用計算機系統(tǒng)計算求和得到各類物質(zhì)體積，同時此方法不受區(qū)域部位物質(zhì)含量不同的影響。未來若對酒體使用多維成像技術(shù)進行可視化檢測能讓人們更好地識別以及了解抽象的復雜的酒體，讓研究者們能夠更好地進行目標性抽取以及分析辨別物質(zhì)。

5? 進行技術(shù)遷移存在的問題

因目前已有的多維成像技術(shù)鑒別物質(zhì)含量存在如下問題。（1）成像需要這些物質(zhì)密度差異較大才能鑒別。（2）掃描過程中床面要從靜止到快速運動會造成酒中液體晃動檢測數(shù)據(jù)不準確。（3）酒中礦物質(zhì)和重金屬密度比其他物質(zhì)大，在不晃動的情況下可以進行區(qū)分，但其他化合物較難區(qū)分。（4）目前能鑒別聚集程度比較高的物質(zhì)，但互溶性化合物鑒別效果不理想。（5）目前可用CT雙能模式掃描看物質(zhì)成像的能譜曲線。

故可針對以上等問題進行后續(xù)研究，改善存在的技術(shù)問題，使檢測更為完善。

6? 結(jié)語

隨著食品質(zhì)量監(jiān)管要求的提高，以及消費者對食品安全的透明化的追求，優(yōu)化、更新檢測方式勢在必行。該文通過對已有的相關(guān)應(yīng)用進行舉例，證明功能導向搜索這一工具對酒體檢測技術(shù)的發(fā)展有很大幫助，為了推進酒體檢測新技術(shù)的發(fā)展，基于TRIZ思維創(chuàng)新方法展開探討，通過TRIZ創(chuàng)新方法中功能導向搜索的系統(tǒng)改進設(shè)計方法，基于TRIZ的系統(tǒng)問題的求解流程進行分析，提出了對酒體使用多維成像技術(shù)進行可視化檢測的創(chuàng)新研究思路。推測未來使用這種新型的演示模式，以科學的視角，能透明、直觀地幫助人們拉近與食品安全的距離。

參考文獻

[1]ABRAMOV O，KOGAN S，MITNIK-GANKIN L，et al.TRIZ-Based Approach for Accelerating Innovation in Chemical Engineering[J].Chemical Engineering Research & Design，2015，103：25-31.

[2]劉寧，李艷，金琳，等.基于功能導向搜索和功能裁剪的專利規(guī)避設(shè)計[J].北京印刷學院學報，2015，23（2）：48-51.

[3]康俊杰，李艷.HPLC檢測葡萄酒中有效成分的研究進展[J].釀酒科技，2009（9）：112-115.

[4]李廣，王清剛，王義明，等.高效液相色譜串聯(lián)質(zhì)譜法測定血清中內(nèi)美通[J].分析化學，2001（7）：745-749.

[5]馮峰，程甲，粟有志，等.高效液相色譜-串聯(lián)質(zhì)譜法檢測紅葡萄酒中功效成分[J].色譜，2017，35（2）：178-184.

[6]柳艷，傅博強，李磊，等.植物多酚抗氧化活性高通量標識和篩選技術(shù)研究[C]//第四屆第二次中國毒理學會食品毒理學專業(yè)委員會與營養(yǎng)食品所毒理室聯(lián)合學術(shù)會議論文集.2008：112-117.

[7]邢航，張媛婷，魯雪峰，等.高效液相色譜-二苯基三硝基苯肼在線檢測葡萄酒中抗氧化活性成分[J].中國實驗方劑學雜志，2013，19（21）：127-131.

[8]李江波，饒秀勤，應(yīng)義斌.農(nóng)產(chǎn)品外部品質(zhì)無損檢測中高光譜成像技術(shù)的應(yīng)用研究進展[J].光譜學與光譜分析，2011，31（8）：2021-2026.

[9]房盟盟，劉貴珊，何建國，等.紅葡萄酒中白藜蘆醇含量的高光譜快速檢測算法優(yōu)化[J].食品科學，2017，38（24）：87-93.

[10]王昊，王曉寧，廖青.靜態(tài)頂空-氣相色譜-質(zhì)譜聯(lián)用法同時檢測涂層織物中的6種異味物質(zhì)[J].北京服裝學院學報（自然科學版），2010，30（2）：54-60.

[11]祁新春，張會寧，衛(wèi)磊鵬，等.靜態(tài)頂空-氣質(zhì)聯(lián)用法檢測葡萄酒中香氣成分條件的優(yōu)化[J].中國釀造，2017，36（9）：168-172.

[12]王子坤，韓愛芝，張璐，等.液質(zhì)聯(lián)用技術(shù)在慕薩萊思葡萄酒非揮發(fā)性成分檢測中的應(yīng)用[J].食品研究與開發(fā)，2019，40（9）：165-171.

[13]袁曄，趙國敢，陳誠，等.原酒品評定級過程質(zhì)量控制方法研究[J].釀酒，2018，45（3）：29-32.

[14]屈陽.配制酒檢測中應(yīng)注意的問題與對策研究[J].釀酒科技，2021（12）：61-64.

[15]姚莉娟.基于TRIZ理論的產(chǎn)品創(chuàng)新設(shè)計研究及應(yīng)用[D].廣州：廣東工業(yè)大學，2015.

[16]左斌，黃海洋，陶宇.基于TRIZ的數(shù)控機床進給系統(tǒng)改進創(chuàng)新設(shè)計[J].機械設(shè)計與研究，2021，37（1）：139-143.

[17]尹哲.醫(yī)學圖像三維重建系統(tǒng)的設(shè)計與實現(xiàn)[D].成都：電子科技大學，2018.

[18]孫長建.醫(yī)學影像的四維重建和分割中的關(guān)鍵技術(shù)研究[D].長春：吉林大學，2019.

[19]師忠杰，高鑫，范超凡，等.3D Slicer三維重建影像在微血管減壓術(shù)治療原發(fā)性三叉神經(jīng)痛中的應(yīng)用[J].中國臨床神經(jīng)外科雜志，2021，26（11）：827-829.

[20]徐春園，曾曉天，宋澤雨，等.4D時空縱向分析在生物醫(yī)學領(lǐng)域中的應(yīng)用現(xiàn)狀與趨勢[J].中國圖象圖形學報，2020，25（10）：2100-2109.

[21]江屏，張瑞紅，孫建廣，等.基于TRIZ的專利規(guī)避設(shè)計方法與應(yīng)用[J].計算機集成制造系統(tǒng)，2015，21（4）：914-923.

[22]姜小圩. 科學學習進階研究：概念、開發(fā)與案例[D].寧波：寧波大學，2015.

[23]江屏，羅平亞，孫建廣，等.基于功能裁剪的專利規(guī)避設(shè)計[J].機械工程學報，2012，48（11）：46-54.

[24]NORTON I，ESSAYED? W I，ZHANG F，et al.SlicerDMRI：Open Source Diffusion MRI Software for Brain Cancer Research[J].Cancer Res，2017，77（21）：e101-e103.

[25]王文舉，蔡強，李知陽，等.3D-slicer輔助在高血壓性基底節(jié)區(qū)腦出血手術(shù)中應(yīng)用的研究進展[J].中國醫(yī)藥，2021，16（11）：1740-1743.

[26]ZHOU S，CHI Y，WANG J，et al.General Simultaneous Motion Estimation and Image Reconstruction （G-SMEIR）[J].Biomed Phys Eng Express，2021，7（5）：10.

基金項目：2020年科技部創(chuàng)新方法專項《創(chuàng)新方法高等教育人才培養(yǎng)研究與示范》（項目編號：2020IM030100）；煙臺大學教材建設(shè)重大基金項目《食品科學與工程類創(chuàng)新方法學》（項目編號：JC-2022-0102）。

作者簡介：秦姝悅（1999—），女，碩士在讀，研究方向為葡萄酒釀造。

通信作者：趙玉平（1964—），男，博士，教授，研究方向為發(fā)酵與食品飲料。E-mail：water15689@163.com。