نوع مقاله : مقاله پژوهشی

نویسندگان

1 گروه مکانیک بیوسیستم، دانشکده مهندسی زراعی، دانشگاه علوم کشاورزی و منابع طبیعی ساری، ساری، ایران

2 عضو هیئت علمی،گروه مهندسی مکانیک بیوسیستم، دانشکده مهندسی زراعی، دانشگاه علوم کشاورزی و منابع طبیعی ساری، ساری، ایران

چکیده

کنترل پارامترهای عملیات خشک‌کردن طی حذف آب از مواد غذایی از اهمیت بالایی برخوردار است. در این مطالعه، از روش سطح پاسخ برای مطالعه اثر فاکتورهای مهم عملیات خشک‌کردن استفاده شد. ابتدا با کمک داده‌های تجربی مدل‌های تجربی مربوط به خشک‌کردن و چروکیدگی نمونه‌ها به دست آمدند. سپس تیمارهای بهینه‌سازی توسط نرم‌افزار دیزاین اکسپرت در غالب طرح غربالگری فاکتور روش سطح پاسخ طراحی شدند. فاکتورهایی مانند دمای خشک‌کردن (60-40 درجه سلسیوس)، سرعت هوای خشک‌کردن (2.5- 0.5 متر بر ثانیه)، ضخامت نمونه‌ها (7- 3 میلی‌متر)، قطر نمونه‌ها (6- 4 سانتی‌متر) و زمان خشک‌کردن (10000- 6000 ثانیه) در این مرحله مورد بررسی قرار گرفتند. این تیمارها در نرم‌افزار کامسول شبیه‌سازی شدند. اساس این محاسبات، عبور یک جریان آرام در درون یک محیط متخلخل بود. در این مرحله تغییرات مش در ابعاد x، y، و z که برای تعیین میزان چروکیدگی تعریف شده بودند، بر اساس معادلات تجربی انجام شد. نتایج نشان دادند دمای اولیه و برهمکنش‌های آن با سایر فاکتورهای مورد مطالعه، ضخامت نمونه و سرعت هوای ورودی روی دمای متوسط نمونه اثر معنادار داشت. نرخ رطوبت و مقدار رطوبت وابسته به زمان عملیات بودند. همچنین چروکیدگی نمونه یک رابطه لگاریتمی و تابع دمای هوای ورودی، ضخامت و زمان و مجذور ضخامت و زمان عملیات بود. این نشان می‌دهد با یافتن مدلی برای پیش‌گویی وضعیت خشک‌شدن نمونه میوه، امکان کنترل شرایط عملیات برای کاهش میزان چروکیدگی وجود دارد. به طوری که مشخص شد در ضخامت 0.7 سانتی‌متر، قطر 5.45 سانتی‌متر و زمان عملیات 9938 ثانیه، کمترین میزان چروکیدگی در سیب دیده می‌شود.

کلیدواژه‌ها

موضوعات

عنوان مقاله [English]

Numerical Simulation with Comsol and Modeling with Response Surface Method of the Effect of Drying Factors on Dried Apple Shrinkage

نویسندگان [English]

  • Azadeh Ranjbar Nedamani 1
  • Jafar Hashemi 2

1 Department of Farm Machinery- Faculty of Agricultural Engineering- Sari Agricultural Sciences and Natural Resources University- Sari- Mazandaran- Iran.

2 Assistant Professor, Department of Mechanics of Biosystems Engineering, Faculty of Crop Engineering, Sari University of Agricultural Sciences and Natural Resources, Sari, Iran

چکیده [English]

This study aimed to combine the response surface methodology and COMSOL simulation to reduce the number of studied treatments, find the effective factors and their interactions and also the prediction model for final dried orange characteristics, and find the shrinkage model of apple fruit concerning the studied drying process factors. A definitive screen design of response surface methodology was designed by Design-Expert software. Factors such as drying time (A: 20-60 ℃), air velocity (B: 0.5-2.5 m/s), sample thickness (C: 3-7 mm), sample diameter (D: 4-6 cm), and drying time (E: 6000-10000s) were investigated. These treatments were simulated in COMSOL software 5.3a. After finding the treatments in Design Expert software, the simulation starts. Results show apple samples results show, that the air temperature and its interaction with other investigated factors, the sample thickness, and the air velocity are effective on the central temperature of the sample. The moisture rate and moisture content are depending on drying time. Apple shrinkage is a logarithmic model as a function of air temperature, sample thickness, and process time. Apple shrinkage during drying significantly affects the thickness of samples. To control the shrinkage rate during apple drying, controlling the time of process and sample thickness is more effective than other processing factors. This leads to a prediction model for drying apples and process control. The optimization is shown the minimum shrinkage is at 0.7mm thickness, 5.45cm diameter, and 9938s process time.

کلیدواژه‌ها [English]

  • Shrinkage
  • Apple drying
  • Modeling
  • Response surface
  • Simulation
Abbasnia, A., Jafari, M., and Rohani, A. 2021. A novel method for estimation of stress concentration factor of central cutouts located in orthotropic plate. Journal of the Brazilian Society of Mechanical Sciences and Engineering. 43(7): 348.
Aprajeeta, J., Gopirajah, R., and Anandharamakrishnan, C. 2015. Shrinkage and porosity effects on heat and mass transfer during potato drying. Journal of Food Engineering. 144, 119-128.
Aral, S., and Bese, A. V. 2016. Convective drying of hawthorn fruit (Crataegus spp.): Effect of experimental parameters on drying kinetics, color, shrinkage, and rehydration capacity. Food Chemistry, 210, 577-584.
Białobrzewski, I. 2007. Simultaneous heat and mass transfer in shrinkable apple slab during drying. Drying Technology. 24(5): 551-559.
Brasiello, A., Adiletta, G., Russo, P., Crescitelli, S., Albanese, D., and Di Matteo, M. 2013. Mathematical modeling of eggplant drying: shrinkage effect. Journal of Food Engineering. 114(1): 99-105.
Curcio, S., and Aversa, M. 2014. Influence of shrinkage on convective drying of fresh vegetables: A theoretical model. Journal of Food Engineering. 123, 36-49.
Golestani, R., Raisi, A., and Aroujalian, A. 2013. Mathematical modeling on air drying of apples considering shrinkage and variable diffusion coefficient. Drying Technology. 31(1): 40-51.
Hussain, T., Kamal, M. A., and Hafiz, A. 2021. Comparative analysis of apple and orange during forced convection cooling: experimental and numerical investigation. AIMS Energy. 9(2): 193-212.
Kurozawa, L. E., Hubinger, M. D., and Park, K. J. 2012. Glass transition phenomenon on shrinkage of papaya during convective drying. Journal of Food Engineering. 108(1): 43-50.
Moreira, R., Figueiredo, A., and Sereno, A. 2000. Shrinkage of apple disks during drying by warm air convection and freeze drying. Drying Technology. 18(1-2): 279-294.
Nguyen, T. K., Khalloufi, S., Mondor, M., and Ratti, C. 2018. Shrinkage and porosity evolution during air-drying of non-cellular food systems: Experimental data versus mathematical modelling. Food Research International. 103, 215-225.
Onwude, D. I., Hashim, N., Abdan, K., Janius, R., and Chen, G. 2018. The potential of computer vision, optical backscattering parameters and artificial neural network modelling in monitoring the shrinkage of sweet potato (Ipomoea batatas L.) during drying. Journal of the Science of Food and Agriculture. 98(4): 1310-1324.
Onwude, D. I., Hashim, N., Abdan, K., Janius, R., and Chen, G. 2018. The potential of computer vision, optical backscattering parameters and artificial neural network modelling in monitoring the shrinkage of sweet potato (Ipomoea batatas L.) during drying. Journal of the Science of Food and Agriculture. 98(4): 1310-1324.‏
Prado, M. E. T., Alonso, L. F. T., and Park, K. J. 2000. Shrinkage of Dates (Phoenix Dactilyfera L.) during Drying. Drying Technology. 18(1-2): 295-310.
Rafiee, S., Sharifi, M., Keyhani, A., Omid, M., Jafari, A., Mohtasebi, S. S., and Mobli, H. 2010. Modeling effective moisture diffusivity of orange slice (Thompson Cv.). International Journal of Food Properties. 13(1): 32-40.
Senadeera, W., Adiletta, G., Önal, B., Di Matteo, M., and Russo, P. 2020. Influence of different hot air drying temperatures on drying kinetics, shrinkage, and colour of persimmon slices. Foods. 9(1): 101.
Yuan, Y., Tan, L., Xu, Y., Yuan, Y., and Dong, J. 2019. Numerical and experimental study on drying shrinkage-deformation of apple slices during process of heat-mass transfer. International Journal of Thermal Sciences, 136, 539-548.