In this success story, we discuss how a large dairy foods producer, an existing customer who was using the SpectraStar™ XT NIR technology to analyze dairy powder quality, worked with KPM Analytics to help devise a new application to measure protein, fat, and total sugar in yogurt.

Learn more about this and about how NIR analysis helps dairy foods producers verify quality throughout the production process, and in turn, improve the consistency of final products.

几十年来，近红外光谱（NIR）分析一直用于验证乳制品的质量，包括乳粉、奶酪、冰淇淋混合物等。这些年来， 近红外校准 已开发用于测量乳制品的水分、蛋白质、脂肪和其他关键参数。随着时间的推移，这些校准变得越来越具有可重复性，这要归功于持续的研究和应用定制，所有这些都是为了帮助乳制品生产商在整个生产过程中验证质量，进而提高最终产品的一致性。

发酵乳制品，包括酸奶，是越来越多的乳制品，具有多种健康益处和品种，可以满足大多数消费者的口味。所有培养的乳制品都是通过向牛奶中引入活性培养物来生产的，这反过来又会产生发酵过程。

酸奶的开发包括在发酵过程中将产品在受控的温度下孵育一段时间。在此期限之后，产品将被包装并冷藏。

但是，由于原料和用于制造产品的菌种中的自然变化，维持稳定、高质量的酸奶生产变得复杂。借助在线近红外分析和校准，酸奶制造商可以分析和控制重要的质量参数，减少批次不一致的情况。

针对优质酸奶品种的新型定制近红外校准

每次近红外校准都是从样品中获取的原始近红外数据与相关化学成分或特性之间的数学相关性。用于创建校准的样本应代表未来要在所有潜在变异区域中测量的未知样本，包括成分范围、来源、季节变化等。

采集正确的样品通常是创建近红外校准的最困难的步骤。获得临时校准需要最少数量的样品（大多数产品约为 50 个），但更可靠的校准可能需要成百上千个样品，具体取决于产品类型。此外，并非所有样品在参数质量方面都应是 “理想的” ——值得引入不合格或质量差的样品，以便建立更可靠的最终校准。

最近，一家大型乳制品生产商——该公司已经实现了在线生产 SpectraStar™ XT 近红外技术 分析奶粉质量——联系KPM Analytics，帮助设计一款测量酸奶中蛋白质、脂肪和总糖的新应用程序。生产过程中的快速准确分析有助于确保适当的生产条件，从而提高产品质量并减少浪费。及早发现原材料或制造问题使生产经理有时间修复问题或中止昂贵而耗时的劣质产品的生产。

由于每家酸奶制造商都有专有原料、配方和工艺，因此该特定用户需要针对特定酸奶品种的定制解决方案，然后可以在全国多个地点实施。因此，数十年来为独特应用开发专业校准的经验对于解决该客户的挑战至关重要。

KPM Analytics 应用程序专家团队直接与这家乳制品企业的质量控制经理合作。由于他们已经合作开发了乳粉应用，他们已经准备好了收集数据的仪器和与团队共享校准数据的协议。

SpectraStar XT-R系统的首次实验侧重于低温酸奶，对大约70个样品的初步校准显示出非常好的准确性和可重复性，与参考实验室的性能非常相似。在客户现场对50个样品的进一步验证证实了性能，客户对结果的可重复性和准确性感到满意。

下载 SpectraStar™ XT-3 手册。