Forhåndsscreening av halal-opprinnelse · Veiledning

Forhåndsscreening · FTIR.fun

Veiledning Logg inn

Veiledning

Halal-opprinnelse Forhåndsscreening — Slik bruker du den

En trinn-for-trinn-veiledning for å bygge ditt private referansebibliotek og screene innkommende prøver for tendens til svinopprinnelse. Lesetid: ca. 5 minutter.

Hva denne arbeidsbenken gjør

Opprettholder et privat, per-team referansebibliotek med FTIR-spektre fra kvalifiserte batcher du stoler på.
Sammenligner en ny innkommende prøve mot det biblioteket og rapporterer hvor konsistent den er, med bevis på toppnivåforskjeller.
Fungerer for alle kategorier: proteinbasert (gelatin, kapselskall, kjøtt, surimi, meieriprodukter), fett/oljebasert (spiselig olje, shortenings, smør, ghee), eller blandede bearbeidede produkter.
Gir deg en sporbar rapport du kan skrive ut og oppbevare sammen med batchjournalene.

Hvordan resultatet produseres

Hele spekteret analyseres — litteraturvinduene som vises på siden er leseguider, ikke analysegrenser.
Konklusjonen er en likhetsvurdering: hvor godt samsvarer den innkommende prøven med ditt kvalifiserte referansebibliotek.
Resultatteksten følger bibliotekets merking: et ikke-svine-bibliotek gir ikke-svine-tekst, et svinekontrollbibliotek gir svine-tekst.
Hver etikett er støttet av toppforskjellstabellen du kan se i rapporten.

Arbeidsflyten i fire trinn

1Opprett et referansebibliotekLast opp kvalifiserte historiske FTIR-batcher for ett materiale.

2Merk hver batchMatrixtype og kildeart avgjør hvordan resultatene formuleres.

3Screen en innkommende prøveLast opp FTIR-filen mot det valgte biblioteket.

4Les rapportenTendensetikett, toppforskjeller, diagrammer og AI-tolkning.

Trinn 1 — Opprett et referansebibliotek

Et referansebibliotek er et sett med FTIR-spektre fra batcher du allerede anser som akseptable for dette materialet. Den innkommende prøven sammenlignes mot dette biblioteket, ikke mot noen offentlig database.

Hvilke filer kan du laste opp?

Vanlige eksportformater fra instrumenter aksepteres, inkludert CSV / TXT (bølgetall, absorbans), SPA, DPT, DXD, JWS og andre. Spekteret leses og interpoleres automatisk; du trenger ikke å konvertere det manuelt.

Hvor mange batcher trenger du?

Start med minst 3–5 batcher for ett materiale. Flere batcher gjør sammenligningen mer pålitelig. Siden viser en advarsel når det valgte biblioteket har færre enn 5 batcher.

Ett bibliotek per materiale

Opprett et eget bibliotek for hvert materiale du vil screene (f.eks. ett for biffpølse, ett for matolje). Bibliotekene er private for teamkontoen din og vises i venstre sidefelt.

Matrisetype

Velg Proteinbasert, Fett/oljebasert eller Blandet. Dette endrer bare hvilke litteraturdiskriminantvinduer som vises på siden som leseguider — selve analysen bruker alltid hele spekteret.

Kildeart — påkrevd, og hvorfor

Merk hver batch med dens deklarerte kilde (storfe, fisk, plante, svin, ...). Resultatteksten avhenger av dette: et bibliotek med sertifiserte ikke-svine-batcher gir tekst med «ikke-svine-tendens», mens et bibliotek merket som svinepositiv kontroll gir tekst med «svine-tendens» ved nær treff. Uten artsmerking sier rapporten kun noe om bibliotekkonsistens.

Andre felt

Leverandør, batchnummer, JAKIM/sert-status, skanninger, oppløsning og ATR-krystall registreres på hver referansebatch og vises i rapporter, slik at sporbarhetskjeden forblir intakt.

Trinn 2 — Screen en innkommende prøve

Velg referansebiblioteket for dette materialet i rullegardinmenyen «Referansebibliotek».
Skriv inn batchnummeret og leverandørens deklarerte art for den innkommende prøven (dette registreres i rapporten, brukes ikke av motoren).
Last opp den innkommende FTIR-filen (samme formater som ovenfor).
Klikk «Kjør Halal-forhåndsscreening». Motoren sammenligner prøven med biblioteket og produserer rapporten.

Punkter: hver forhåndsscreening bruker 10 poeng på en gratis/prøvekonto. VIP-kontoer belastes ikke.

Trinn 3 — Les rapporten

Tendensetiketten

Seglet øverst er konklusjonen fra forhåndsscreeningen. Hva det kan si, avhenger av hva referansebiblioteket ditt er:

Ditt bibliotek	Prøve vs bibliotek	Etikett
Sertifiserte ikke-svinebatcher	Konsistent	Konsistent med ikke-porcine referanser
	Delvis konsistent	Trenger ytterligere bekreftelse
	Inkonsistent	Ikke-porcin opprinnelse ikke bekreftet
Positiv kontroll for svin	Konsistent	Porcin tendens
	Delvis konsistent	Trenger ytterligere bekreftelse
	Inkonsistent	Matcher ikke den porcine kontrollen
Ingen artstagg	Konsistent	Konsistent med referansebiblioteket
	Delvis konsistent	Trenger ytterligere bekreftelse
	Inkonsistent	Inkonsistent med referansebiblioteket

Algoritmen bak etiketten

Motoren velger automatisk analysemodus basert på hvor mange batcher biblioteket har:

Referansebatcher	Modus	Hva som beregnes
19 eller færre	Likhet	Pearson-korrelasjon, cosinuslikhet og de viktigste differansetoppene
20 – 49	PCA	Likhet pluss PCA-projeksjon, Mahalanobis-avstand, Hotelling T²
50 eller mer	Klassemodell	PCA pluss SIMCA: Q-residual, klasse-medlemskapssannsynlighet, konformitetsscore

Diskriminantområdene

Panelet «Diskriminantområder (litteratur)» viser vinduer rapportert i publiserte opprinnelsesscreeningsstudier, tilpasset din matrisetype. Topper i differansetabellen som faller innenfor disse vinduene, merkes med regionnavnet — en nyttig prioritering for din egen gjennomgang:

Amide A 3600–3000 cm⁻¹ N–H/O–H stretch; principal gelatin discriminant window (Hashim 2010).

Amide I 1700–1600 cm⁻¹ C=O stretch; porcine vs bovine/fish gelatin main peak (Sci Rep 2021).

Amide II / III 1550–1240 cm⁻¹ N–H bend + C–N stretch; species-discriminant envelope (Sci Rep 2021).

Porcine-gelatin signature 1475–1470 cm⁻¹ Dominant wavenumber reported for porcine gelatin by c-FACS (Sci Rep 2021); bovine 1444–1450, fish 1496–1500.

DA window 2000–1501 cm⁻¹ Standard ATR + discriminant-analysis window in animal-gelatin studies (Nazri 2024).

C–H stretch 3030–2785 cm⁻¹ Total fat C–H region; SIMCA discriminant region for lard in ghee (Int J Mol Sci 2020).

Ester C=O 1786–1680 cm⁻¹ Triglyceride ester carbonyl; SIMCA region separating lard from other fats (2020 review).

Triglyceride fingerprint 1490–919 cm⁻¹ SIMCA discriminant region (2020 review); lard C–O pair reported near 1117/1097.

Lard in VCO region 3020–3000 · 1120–1000 cm⁻¹ Combined region that quantified lard in virgin coconut oil by PLSR+DA, R²=0.999 (2020 review).

cis / trans markers 3006 · 968 cm⁻¹ cis =C–H near 3006 and trans/CH₂ rocking near 968 support fat-type separation.

Hvor disse vinduene kommer fra

Proteinbaserte vinduer følger Hashim 2010 (Food Chem) og Sci Rep 2021 — sistnevnte rapporterer et dominerende bølgetall for svinegelatin nær 1470–1475 cm⁻¹ (storfe 1444–1450, fisk 1496–1500). Fett/oljebaserte vinduer følger Int J Mol Sci 2020-halalautentifiseringsgjennomgangen: SIMCA-diskriminantområder for fett i ghee (3030–2785 / 1786–1680 / 1490–919 cm⁻¹) og et kombinert område som kvantifiserte fett i jomfru kokosnøttolje med PLSR+DA og R² = 0,999 (3020–3000 / 1120–1000 cm⁻¹).

Dette er leseguider for din egen gjennomgang — motoren analyserer hele spekteret, ikke bare disse vinduene. Det finnes ikke ett enkelt sett med vinduer som er gyldig for alle materialer; ulike matriser har ulike litteraturbaserte diskriminantbånd.

Tabellen over toppforskjeller

“Main Difference Peaks” lister de sterkeste forskjellene mellom prøven og referansegjennomsnittet, med retningen (prøven høyere/lav) og om toppen er avvikende. Dette er beviset bak etiketten — gjennomgå det når etiketten ikke er “konsistent”.

Diagrammer

Spektraloverlegget tegner prøve mot referansemiddel. PCA-spredningsplottet (når biblioteket har 20+ batcher) viser hvor prøven ligger i forhold til den historiske batchskyen.

AI-tolkning

Når tilgjengelig, oppsummerer AI-panelet forskjellene, lister opp plausible årsaker og foreslår neste trinn. Det er kun beslutningsstøtte: behandle de kjemiske påstandene og formuleringene som et utgangspunkt, og verifiser før du handler.

FAQ

Prøven min fikk resultatet «ikke-bekreftet svineopprinnelse». Betyr det at den inneholder svinekjøtt?: Nei. Det betyr at prøven avviker fra ditt ikke-svinebaserte referansebibliotek. Forskjeller kan komme fra en annen leverandør, fuktighet, tilsetningsstoffer, instrumentinnstillinger eller normal variasjon mellom batcher. Behandle det som et flagg for undersøkelse — ikke som en påvisning av svin. Hvis tilstedeværelse av svin må fastslås, bruk DNA/PCR.
Kan jeg screene oljer og fett med dette?: Ja. Velg «Fett / oljebasert» som matrisetype. Litteraturpanelene viser da båndene rapportert for screening av fettforfalskning (cis C–H nær 3006, ester C=O nær 1743, triglyserid C–O-paret nær 1117/1097, trans nær 968), og AI-tolkningen gir fettspesifikk leseveiledning.
Hvorfor advarer siden om at resultatene er utforskende med færre enn 5 batcher?: En sammenligning mot 1–4 spektre har begrenset statistisk betydning. Motoren fungerer fortsatt, men behandle utdataene som retningsgivende, ikke kvantitative. Legg til batcher etter hvert som du kvalifiserer dem.
Deles spektraldataene mine?: Referansebibliotek er private for kontoen din og brukes ikke som testreferanser for andre. Du kan fjerne batcher eller hele bibliotek når som helst.
Må jeg opprette ett bibliotek per leverandør eller per materiale?: Per materiale er minimum. Hvis leverandørene dine varierer mye, gir separate biblioteker per leverandør per materiale den reneste sammenligningen.
Hvordan skiller dette seg fra et likhetssøk i et stort spektralbibliotek?: Her er sammenligningssettet dine egne kvalifiserte batcher, beviset er toppnivåforskjeller med litteraturvinduer, og rapporten beholder leverandør/batch/sert-sporet. Et søk i offentlig bibliotek kan svare på «hva ligner dette spekteret på»; denne arbeidsbenken svarer på «hvor godt matcher denne batchen min kvalifiserte basislinje».
Kan jeg gjøre en screenet prøve om til en referansebatch?: Ja — på arbeidsbenken har hver tidligere screening en «Legg til»-knapp som fremmer den til referansebiblioteket når du godtar batchen. Poster beholder historikken sin.
Hva betyr «JAKIM-status» for brukere utenfor Malaysia?: Feltet er fritekst og merket «JAKIM / halal-sertstatus». Laboratorier utenfor Malaysia kan registrere sitt eget sertifiseringsorgan, eller la det stå som «Ukjent».

Åpne Halal-arbeidsbenken Logg inn