بهينه سازي فرايند گرانول كردن ذره هاي سديم پركربنات در بسترسيال مخروطي با افشانه بالا

Optimization of Sodium Percarbonate Granulation Process in a Top Spray Conical Fluidized Bed

هدف اين مطالعه، بهينه سازي فرايند گرانول كردن ذره هاي سديم پركربنات در يك بسترسيال مخروطي با افشانه از بالا بود. ذره هاي گرانول با اتصال ذره هاي سيال شده توسط محلول آبي سديم پركربنات، به دست مي آيند و ويژگي هاي فيزيكي گرانول مانند اندازه ذره ها و توزيع اندازه آن ها بهبود مي يابند. عامل هاي مورد بررسي در طراحي آزمايش، دماي هواي سيال كننده (T)، فشار پاشش (P)، مقدار محلول اتصال دهنده (M) و غلظت محلول اتصال دهنده (C) بودند. طرح آزمايش به روش پاسخ سطح (RSM) انجام شد و از نرم افزار Design Expert نسخه 7 استفاده شد. نتيجه ها نشان دادند كه با افزايش دماي هواي سيال كننده و فشار پاشش، اندازه ذره كاهش و با افزايش مقدار محلول و غلظت اتصال دهنده، اندازه ذره افزايش يافت. روش RSM توانايي تعيين بازه اي براي بهترين شرايط توليد اندازه قابل پذيرش گرانول دارد. در اين مطالعه، رابطه اي تجربي براي اندازه گرانول، بر حسب متغيرها ارايه شد

The purpose of this study was to optimize the granulation process of sodium percarbonate in a top spray conical fluidized bed. Granular particles are obtained by coupling fluidized particles with a solution of sodium percarbonate, and the physical properties of the granules, such as particle size and their distribution, can be increased. The variables studied in
the design of experiment were the fluidization air temperature (T), the spraying pressure (P), the amount of soluble solvent (M), and the concentration of the binding solution (C). Response surface methodology (RSM) was carried out using Design Expert 7 software. The results showed that by increasing the fluidization air temperature and the spraying pressure, the particle size decreased and the particle size increased with increasing solubility and binding concentration. RSM method is able to determine the range for the best production conditions for an acceptable granule size. In this study, an experimental correlation was presented for the size of the granule, in terms of the variables