作者按：做過(guò)幾個(gè)調(diào)味品廠的數(shù)字化項(xiàng)目，發(fā)酵環(huán)節(jié)的數(shù)據(jù)建模和肉制品、飲料差異很大。這里把踩過(guò)的坑整理一下，供做工業(yè)軟件或 IoT 采集的朋友參考。

一、發(fā)酵工藝的特殊性

調(diào)味品發(fā)酵（醬油、醋、豆瓣醬、腐乳等）和連續(xù)生產(chǎn)最大的區(qū)別是：時(shí)間維度被拉到極致。

· 醬油高鹽稀態(tài)發(fā)酵：3-6 個(gè)月

· 醋固態(tài)發(fā)酵：20-40 天

· 豆瓣醬自然曬露：6-12 個(gè)月

這意味著：

1. 一個(gè)"批次"的生命周期跨越數(shù)月甚至數(shù)年

2. 發(fā)酵過(guò)程中要經(jīng)歷多次"翻醅/攪拌/添料"

3. 環(huán)境參數(shù)（溫度、濕度、光照）直接影響風(fēng)味

4. 最終產(chǎn)品品質(zhì)和中間每一天的狀態(tài)都有關(guān)

傳統(tǒng) MES 的"工單→工序→報(bào)工"模型在這里基本失效。你沒(méi)法讓操作工每天給發(fā)酵罐"報(bào)工"。

二、核心實(shí)體重新設(shè)計(jì)

發(fā)酵場(chǎng)景的核心不是"工序"，而是"發(fā)酵事件"：

-- 發(fā)酵批次主表

fermentation_batch (

  batch_no          VARCHAR(64) PRIMARY KEY,

  product_code      VARCHAR(32),

  starter_lot       VARCHAR(64),    -- 種曲/酵母批號(hào)

  raw_material_lots JSON,           -- 原料批號(hào)列表（大豆/小麥/麩皮）

  start_date        DATE,

  expected_end_date DATE,

  status            SMALLINT       -- 發(fā)酵中/已出池/異常終止

);

關(guān)鍵在 raw_material_lots 用 JSON 存多個(gè)原料批——因?yàn)榘l(fā)酵投料不是一次性完成的，可能分 3-5 批投不同產(chǎn)地的黃豆。

然后是發(fā)酵事件表（記錄每一次翻醅、添料、檢測(cè)）：

-- 發(fā)酵過(guò)程事件

fermentation_event (

  id              BIGINT PRIMARY KEY,

  batch_no        VARCHAR(64),

  event_type      SMALLINT,   -- 1翻醅 2添料 3取樣 4溫控調(diào)整 5異常

  event_time      DATETIME,

  operator        VARCHAR(32),

  params_json     JSON,       -- 溫度/pH/濕度等快照

  notes           TEXT

);

params_json 是靈活字段，因?yàn)椴煌l(fā)酵階段關(guān)注的參數(shù)不同：

· 前期：溫度上升速率、水分含量

· 中期：pH變化、還原糖含量、氨態(tài)氮

· 后期：色率、總酸、氨基酸態(tài)氮

三、CCP 監(jiān)控的難點(diǎn)

發(fā)酵食品的 CCP 不是"殺菌溫度"這種單點(diǎn)參數(shù)，而是趨勢(shì)。

比如醬油發(fā)酵，關(guān)鍵不是某一天的 pH 值，而是 pH 從 6.5 降到 4.2 的速率和曲線(xiàn)形態(tài)。降太快可能是雜菌污染，降太慢可能是酶活性不足。

所以數(shù)據(jù)采集策略要變：

審計(jì)時(shí)需要的不是"某天的快照"，而是連續(xù)曲線(xiàn) + 人工干預(yù)事件疊加顯示——曲線(xiàn)上能標(biāo)出"哪天翻了醅、哪天加了鹽"。

四、風(fēng)味追溯的逆向查詢(xún)

這是最難的?？蛻?hù)投訴"這批醬油有異味"，你要能反查：

成品批號(hào)

 → 發(fā)酵批次號(hào)

 → 發(fā)酵期間所有事件（翻醅頻次/溫控偏差/添料記錄）

 → 原料批號(hào)（黃豆產(chǎn)地/年份/存儲(chǔ)條件）

 → 種曲批號(hào)（酶活性指標(biāo)）

 → 環(huán)境數(shù)據(jù)（雨季/高溫天影響）

這個(gè)鏈路里，發(fā)酵事件表是核心樞紐。沒(méi)有它，你只能查到"用了哪批黃豆"，查不到"發(fā)酵第 45 天是不是溫度超標(biāo)了"。

五、落地建議

1. 先數(shù)字化發(fā)酵事件：讓操作工每天用平板記錄翻醅/添料/取樣，比上傳感器快得多

2. 溫度先上無(wú)線(xiàn)探頭：發(fā)酵池埋 IoT 溫度傳感器，30 分鐘采一次，成本幾千塊

3. pH 和理化指標(biāo)走 LIMS 對(duì)接：別在 MES 里重復(fù)建檢驗(yàn)?zāi)K

4. 追溯展示用時(shí)間軸 UI：把發(fā)酵曲線(xiàn)+人工事件疊加在同一時(shí)間軸上，審計(jì)員一眼能看懂

六、小結(jié)

發(fā)酵食品的數(shù)字化和飲料/肉制品最大的不同：時(shí)間尺度從小時(shí)級(jí)變成月級(jí)，控制對(duì)象從設(shè)備變成微生物群落。

數(shù)據(jù)模型要從"工單驅(qū)動(dòng)"轉(zhuǎn)向"批次+事件驅(qū)動(dòng)"。先跑通發(fā)酵事件記錄和溫度曲線(xiàn)采集，后面的追溯、品質(zhì)分析、工藝優(yōu)化都是水到渠成的事。

本文基于實(shí)際調(diào)味品發(fā)酵項(xiàng)目經(jīng)驗(yàn)整理。相關(guān)數(shù)據(jù)采集方案已在多個(gè)釀造車(chē)間落地運(yùn)行。