Excel में ब्रूहाउस दक्षता और यील्ड समाधान

संक्षिप्त उत्तर: दक्षता एक ही भाग है जो तीन तरीकों से किया जाता है। ब्रूहाउस दक्षता = एकत्रित पॉइंट ÷ संभावित पॉइंट; कन्वर्ज़न दक्षता = कितना स्टार्च शर्करा बना; और लॉटर दक्षता = एकत्रित ÷ परिवर्तित। चूँकि ब्रूहाउस = कन्वर्ज़न × लॉटर, इन्हें Excel में बाँटना आपको बताता है कि एक कम OG एक मैश समस्या है या एक स्पार्ज समस्या — आपको अनुमान लगाने के लिए छोड़ने के बजाय।

यह Excel में 20 ब्रूइंग गणनाएँ पिलर से उपयोग-केस 2 और 3 पर गहरी डुबकी है: केवल दक्षता मापना नहीं, बल्कि रिसाव खोजने के लिए उसे विघटित करना। यह ब्रूहाउस यील्ड-हानि एनालिटिक्स का हाथ-पर-हाथ साथी है और सीधे मैश दक्षता और एक्सट्रैक्ट यील्ड से जुड़ता है।

चरण 1 — संभावित और एकत्रित पॉइंट

अधिकतम एक्सट्रैक्ट अनाज बिल की संभावना है: प्रत्येक माल्ट का वज़न गुणा उसके points-per-pound-per-gallon। एकत्रित एक्सट्रैक्ट वह है जो आपने वास्तव में पाया, मापी गई OG और आयतन से:

potential =SUMPRODUCT(weights,PPGs) (10 lb pale × 37 = 370) collected =(OG-1)*1000*gallons (50 × 5.5 = 275) brewhouse_eff =collected/potential (275 / 370 = 74%)

वह 74% मुख्य आँकड़ा है — पर यह नहीं कहता कि गायब 26% कहाँ गया।

चरण 2 — कन्वर्ज़न को लॉटर से अलग करें

कन्वर्ज़न दक्षता यह है कि मैश ने कितनी पूर्णता से स्टार्च को शर्करा में बदला (एक महीन-क्रश, अच्छी तरह विश्राम किया हुआ, सही-pH मैश ~95% पर पहुँचता है)। लॉटर दक्षता यह है कि उस शर्करा का कितना आपने धोया। वे शृंखलाबद्ध होते हैं:

after_conversion =potential*conv_eff (370 × 0.95 = 351.5) lauter_eff =collected/after_conversion (275 / 351.5 = 78%)

तो हमारी 74% ब्रूहाउस दक्षता 95% कन्वर्ज़न × 78% लॉटर है। वॉटरफ़ॉल दोनों हानियों को अगल-बगल दृश्यमान बनाता है।

मैश मुश्किल से कुछ खोता है (95% कन्वर्ज़न); असली रिसाव लॉटर है — अनाज अवशोषण और डेड स्पेस में छूटी शर्करा।

चरण 3 — मिलान करें और निदान करें

अपनी अपेक्षित ब्रूहाउस दक्षता से एक “predicted OG” सेल जोड़ें और वास्तविक से तुलना करें:

predicted_OG =1+(potential*expected_eff)/(gallons*1000)

जब वास्तविक कम पड़ता है, तो विभाजन आपको बताता है कि कहाँ देखना है। कम कन्वर्ज़न (मैश ने उतनी शर्करा बनाई जितनी उसे बनानी चाहिए थी, उससे कम) क्रश की मोटाई, मैश pH, रेस्ट तापमान या समय की ओर इंगित करता है। कम लॉटर (आपने शर्करा बनाई पर उसे एकत्र नहीं किया) स्पार्ज तकनीक, अनाज अवशोषण, या केटल/टन डेड स्पेस की ओर इंगित करता है — वही हानियाँ जिन्हें आपने मैश वॉटर कैलकुलेटर में आकार दिया। एक शीट, और एक छूटी OG एक नामित कारण बन जाती है।

विघटन कहाँ धुँधला हो जाता है

दो ईमानदार चेतावनियाँ। पहली, कन्वर्ज़न दक्षता को सीधे मापना कठिन है बिना एक महीन-पीस लैब परीक्षण या एक फ़र्स्ट-वोर्ट ग्रैविटी पठन के, इसलिए अधिकांश ब्रूअर ~95% मानते हैं और बाकी को लॉटर को आरोपित करते हैं; यदि आपका असली कन्वर्ज़न खराब है, तो शीट गलत तरीके से स्पार्ज को दोष देगी। एक फ़र्स्ट-रनिंग्स ग्रैविटी पठन सस्ता समाधान है — यह दोनों को वास्तव में बाँट देता है। दूसरी, PPG मान नाममात्र हैं — माल्टस्टर लैब स्थितियों के तहत संभावना प्रकाशित करते हैं, और आपका वास्तविक एक्सट्रैक्ट विशिष्ट लॉट पर निर्भर करता है, इसलिए दक्षता आँकड़े को एक सार्वभौमिक ग्रेड के बजाय स्वयं-के-सापेक्ष-सुसंगत मानें। इसे ब्रू में ट्रैक करें और प्रवृत्ति ही वह है जो एक बहकती मिल या एक थकी हुई मैश टन को पकड़ती है।

निचली पंक्ति

दक्षता एक ही भाग है, पर इसे तीन तरीकों से करना — ब्रूहाउस, कन्वर्ज़न, लॉटर — “मेरी OG फिर कम थी” को “मेरी लॉटर दक्षता गिरी, क्रश गैप जाँचें” में बदल देता है। हर ब्रू में पूर्वानुमानित को वास्तविक के विरुद्ध मिलाएं, और शीट एक स्कोरकार्ड होना बंद कर देती है और एक निदान बनना शुरू कर देती है।

अक्सर पूछे जाने वाले प्रश्न

मैं Excel में ब्रूहाउस दक्षता की गणना कैसे करूँ? ब्रूहाउस दक्षता = एकत्रित ग्रैविटी पॉइंट ÷ अधिकतम संभव पॉइंट। Excel में: =((OG-1)1000gallons)/SUMPRODUCT(weights,PPGs)। 370 संभावित पॉइंट के विरुद्ध OG 1.050 पर 5.5 गैलन के लिए वह (50×5.5)/370 ≈ 74% है।

कन्वर्ज़न और लॉटर दक्षता में क्या अंतर है? कन्वर्ज़न दक्षता यह है कि मैश ने अनाज के स्टार्च का कितना शर्करा में बदला (आमतौर पर ~95%)। लॉटर दक्षता यह है कि उस शर्करा का कितना आपने वास्तव में केटल में धोया। ब्रूहाउस दक्षता दोनों को आपस में गुणा करके है, इसलिए एक कम आँकड़ा आपको बताता है कि किस चरण को ठीक करना है।

मेरी ओरिजिनल ग्रैविटी कम क्यों आई? चूक को बाँटें: यदि कन्वर्ज़न दक्षता कम है, तो क्रश, मैश pH, या रेस्ट समय पर संदेह करें; यदि लॉटर दक्षता कम है, तो स्पार्जिंग, अनाज अवशोषण, या डेड स्पेस पर संदेह करें। एक शीट में पूर्वानुमानित को वास्तविक पॉइंट के विरुद्ध मिलाना आपको अनुमान लगाने के बजाय सही कारण की ओर इंगित करता है।

Brewing Science & AI ट्रैक का हिस्सा।