食用油的成分与品管
馊水油在台湾所造成的波澜，不断地扩大中。翻开台湾的“毒油史”，自从1979年第一次发生米糠油多氯联苯中毒事件以来，总是每隔一段时间，这种戏码就得重复上演。无论法规及质量认证制度如何翻新，只要有市场、有需求、有价格竞争、有贪心又黑心的商人，从古至今，我们看到杀头的生意总是有人做！
然而，在这个事件当中，我们也发现多数的食品商、餐厅、摊贩受限于自身对于原料质量的检验能力，即使用了较贵的油品，仍旧冤枉蒙受其害。随着消费者意识的抬头，对食品安全的要求也相对提高，从这次的事件中，那些中大型食品厂，动辄上千万的损失。这个损失的金额，已经足以仿效“义美食品”，建立自家的质量检验制度及设备。如果，原料成本是永远不可能排除的商业考量，消费者难以承受因为国家高规格品检制度而高涨的食品价格。那么，建立起扎实的品管制度，更频繁、更详细地对来料进行进货检验，对于一间具有规模食品厂来说，将是唯一的选项！
或许您的观念，还停留在一群博士研究员，穿着实验衣，穿梭在像医院的专业实验室。其实，随着需求、与科技的进步，目前的检测仪器，已经朝向专业、专用的方向演进。不难想像，仪器市场上将出现，像电子厂用来检验来料质量的专用仪器，使用在食品产业中。以食用油的质量检验来说，不外乎脂肪构成成分、制程残留物质，化学添加物、以及毒物、重金属几项（请参阅势动科技市场部所撰“馊水油与科学检测技术”一文），只要技术上能够检出这些物质，把仪器设备导入食品的制程中，又有何不可？
以现有的光谱仪设备及技术，已经能够很精确地辨识出大多数的化学元素成分。只要我们能够了解那些影响食用油质量及安全的部份，就能够以光谱仪实现食品工厂的品管要求。从食用油的基本组成成分，“甘油三酯”来看，分解开来便是甘油及脂肪酸，不同的油脂，具有不同的脂肪酸组成。以馊水油的成份（地沟油的成份）来说，由于被重复使用过，不饱和脂肪酸的比例会比新油多，脂肪酸的碳(C)、氢(H)、氧(O)元素组成，会跟新油不一样。另外，被重复使用过的食用油，必定经过调味料烹煮，难免残留味精、食盐、调味盐等等的佐料，因此像氮(N)、钠(Na)、钙(Ca)等元素，也是分析食用油质量的重点。
对于食品工厂来说，研究元素的成份多寡，并不是品管要求的重点。当物料质量标准已经制定并确定检验标准，接下来就能够以此一标准作为长期监控的要素。比方说，某个香酥油的供应商突然调涨售价，基于成本考量，食品厂需要替换另外一家价格有竞争力的供应商。为了确定新的供应商提供同样质量的油品，只要将原来的检验标准，套在这个新供应伤的油品上，便能够维持原来的质量水平，达到品管要求。
以仪器（光谱仪）来实现这样的需求，我们可以从标准样品 (Golden Sample) 各项关键光谱线的数值，建立测试项目及测试标准值。以后便可以用这些标准来比对待测油品。以上面的例子来说，当手上握有香酥油标准样品的相关检验数据，以光谱仪检测并比对新供应商的油品，便可以了解质量跟原本供应商的差异。目前光学零组件，拜手机、相机产业的蓬勃发展所赐，一日千里。无论光学镜片、光学感测器、LED光源等等，不但质量功能大幅提升了，价格也越来越便宜。光谱仪的技术，也在近年来不断改进之下，精确度大幅提升。将光谱仪变成制程的一部分，已经指日可待。（像电子制造业在生产线上配备X光检验机器、光学辨识 (AOI) 设备）。
除了前面提到的元素以外，还可以加入其他能够提高辨识率的元素或分子等等的参数，作为质量比对的依据，这些参数，我们称为特征值。而将这些参数量化的过程叫做特征值撷取。不过，经过特征值撷取后的数据，都只是原始资料据 (Raw Data)，还需要经过一些数学的计算过程，提高这些数字相互间的关连性，才能让比对的结果更精确。比方说，将数值经过傅立叶转换到频域再做分析，便是常见的作法。
目前，在分析比对上的技术，也在不断地精进。除了传统的统计方法外，近年来，随着机器人的蓬勃发展，人工智能演算法的研究也在进步中。以往受限于计算机速度限制的演算法，也在电脑处理器速度倍速成长下，有长足的进展。在这些辨识待测物与标准样品差异的应用中，就常见到人工智慧演算法的影子，像人工神经网路 (Artificial Neural Network)演算法、遗传演算法 (Genetic Algorithm) 等等。我们也看到越来越多科学家在食品安全领域，在提高检验辨识率的突破。最近，一些研究论文更指出，对馊水油检测的技术，透过这些先进的演算法，辨识率已经能够超过9成5。
势动科技也将持续跟在仪器科技的浪头上，为您引进最先进的技术，最经济的成本，在性能与价格上达到最佳化，并帮助您避免离因为质量问题造成的钜额损失！
In ACTTR, we act on transition and radiation!