مدلسازي شار تراوه فرآيند اولترافيلتراسيون شير تحت شرايط عملياتي و خصوصيات فيزيكو شيميايي مختلف به روش نرو-فازي

Modeling of milk ultrafiltration permeate flux under various operating conditions and physicochemical properties using Nero–Fuzzy method

در اين تحقيق از سيستم استنتاج فازي (ANFIS) جهت پيشگويي شار تراوه به عنوان تابعي از عوامل فيزيكوشيميايي و پارامتر‌هاي عملياتي در طي اولترافيلتراسيون شير استفاده شده است. براي انجام آزمايشات از يك سيستم پايلوتي اولترافيلتراسيون مجهز به مدول فيبر توخالي با غشا پلي‌اترسولفون و MWCO حدود 10 كيلو ‌دالتون استفاده شد و شير با خصوصيات فيزيكو‌شيميايي مختلف شامل pH در پنج سطح (6/5، 6، 6/6، 9/6 و 6/7) و غلظت كلريد ‌سديم در سه سطح (03/0، 06/0 و 12/0) و تحت شرايط عملياتي مختلف شامل فشار در عرض غشا (TMP) در سه سطح (3/0 ، 6/0 و 1 اتمسفر)، دماي فرايند در سه سطح (30 ، 40 و50 درجه سانتي‌گراد)، و سرعت جريان در سه سطح (10 ، 30 و46 متر بر ثانيه) توسط اين غشا فراوري گرديد. براي مدلسازي اثر پارامترهاي عملياتي و خصوصيات فيزيكوشيميايي شير بر شار تراوه اولترافيلتراسيون ابتدا داده‌هاي تجربي تصادفي شد. سپس 30 درصد داده‌ها براي يادگيري، 30 درصد داده‌ها براي ارزيابي و 40 درصد داده‌ها براي آزمون مدل مورد استفاده قرار گرفت. نتايج مدلسازي شار تراوه اولترافيلتراسيون شير نشان داد كه روش مدلسازي نروفازي به خوبي قادر است شار تراوه را در شرايط عملياتي و خصوصيات فيزيكوشيميايي مختلف پيش‌بيني نمايد و نتايج مدلسازي نشان داد كه همبستگي خوبي (به طور متوسطR=0.93 ) بين داده‌هاي پيشگويي شده و داده‌هاي تجربي وجود دارد.

In this study, an adaptive neuro-fuzzy inference system (ANFIS) used for the prediction of permeate flux as a function of the physico-chemical and operating parameters during ultrafiltration of milk. An ultrafiltration pilot plant equipped with hollow fiber module and polyethersulfone membrane (MWCO 10 kDa) was used to do the milk ultrafiltration with various physico-chemical properties, consists of five levels of pH (5.6 , 6, 6.6, 6.9 and 7.6) and three levels of ionic strength (0.03, 0.06 and 0.12) and under different operating conditions including transmembrane pressure (TMP) at three levels (0.1, 0.3 and 1 atm), temperature at three levels ( 30 , 40 and 50 ° C ) and the flow rate at three levels (10, 30 and 46 m/s). In order to model the effects of operating parameters and physicochemical properties of milk on permeate flux, the experimental data was randomized. 30 % of the data for learning, 30% of the data for evaluation and 40 % of the data was used to test the model. The results showed that the Nero–Fuzzy modeling approach is capable to predict the permeate flux under various operating conditions and physiochemical characteristics of milk, and modeling results represented there was an excellent correlation (average R = 0.93) between the predicted data and experimental data