Use este identificador para citar ou linkar para este item:
http://hdl.handle.net/123456789/3480
Título: | Utilização dos modelos de camada fina e redes neurais artificiais para estudo da cinética de secagem do sarnambi (Anomalocardia brasiliana) |
Título(s) alternativo(s): | Use of thin layer models and artificial neural networks to study the drying kinetics of sarnambi (Anomalocardia brasiliana) |
Autor(es): | SOUSA, Thiago Sousa e |
Palavras-chave: | Sarnambi Cinéticas de secagem Modelos de camada fina Modelo difusivo Redes neurais artificiais Sarnambi Drying kinetics Thin layer models Diffusive model Artificial neural networks |
Data do documento: | 2018 |
Editor: | Universidade Federal do Maranhão |
Resumo: | O sarnambi é um molusco bivalve facilmente encontrado em regiões areno-lodosas ou sob rochas próximas ao mangue. Sua captura é feita de maneira artesanal e sua venda é realizada em feiras livres sem beneficiamento prévio, contribuindo para o seu curto tempo de prateleira, o qual pode ser prolongado aplicando-se a técnica de secagem, cujo um dos objetivos é diminuir a atividade de água inviabilizando as reações de deteriorações e consequentemente aumentando a estabilidade do produto. A operação de secagem é dividida em duas: secagem natural e artificial. Dentre as artificiais, a secagem convectiva combinada com sistemas espumantes vem ganhando destaque, uma vez que é muito utilizada quando se quer obter produtos em pó, visto que necessita de menores temperaturas e tempo de desidratação, Assim, o objetivo do presente trabalho foi aplicar os modelos de camada fina de Henderson-Pabis, Lewis, Page, Aproximação por difusão, Dois termos, Weilbull, Peleg, Logarítmico, Wang e Sing, Midilli, modelo difusivo e redes neurais artificiais na secagem do sarnambi com sistema espumante utilizando um desidratador de alimentos nas temperaturas de 30, 45 e 60 °C. A umidade diminui com o incremento do tempo para todas as temperaturas estudadas. Dentre os modelos de camada fina o que melhor se ajustou aos dados experimentais foi Midilli com Radj2 maiores que 0,99. Os coeficientes difusivos foram de 1,225×10-10, 1,865×10-10 e 2,99×10-10 m2/s para as temperaturas de 30, 45 e 60°C, respectivamente e, a energia de ativação foi de 24,891 kJ/mol. Os resultados foram semelhantes aos encontrados por estudos já realizados por outros autores. Para as redes neurais as arquiteturas feed-forward e cascade-forward modelaram de forma adequada o sistema com R2adj iguais a 0,998 e MSE menor que 0,029, utilizando funções de transferências como sigmoide, radial e hiperbólica, com sete e oito neurônios. |
Descrição: | ABSTRACT Sarnambi is a bivalve mollusk easily found in sandy-muddy places or under rocks close to mangrove area, its fishing is done artisanal way and its sale is done at fairs having no previous processing contribuing to its short shelf-life, that may be increased applying drying technique, whose aim is to decrease activity water preventing deteriorations reactions and consequently increasing stability of product. The drying process is branched in two: natural and artificial. Among artificial ones, convective drying combined with foam systems has been gaining prominence, since it is widely used when one wants to obtain powdered products, since it requires lowers dehydration temperatures and time. Wherefore, the aim of this present study was to apply thin layer models of Henderson-Pabis, Lewis, Page, Approximation of diffusion model, Two Terms, Weilbull, Peleg, Logarithmic, Wang e Sing, Midilli, Diffusion model and artificial neural network on foam mat drying of sarnambi using a food dehydration at temperatures 30, 45 and 60 °C. The moistures content of the material decreased with increasing the time for all temperatures studied. Among thin layer models Midilli’s model presented best fitting with Radj2 higher than 0.99 for all temperatures. The diffusive coefficients were equal to 1.225×10-10, 1.865×10-10 and 2.99×10-10 m2/s respectively and activation energy equals to 24.891 kJ/mol. The results found were similar to studies already carried out by other authors. About Artificial Neural Network, the architecture feed-forward and cascade-forward fitted satisfactorily the system with R2adj equal to 0.998 and MSE of less than 0.029 applying transfer functions like sigmoid, radial and hyperbolic with seven and eight neurons |
URI: | http://hdl.handle.net/123456789/3480 |
Aparece nas coleções: | TCCs de Graduação em Engenharia Química do Campus do Bacanga |
Arquivos associados a este item:
Arquivo | Descrição | Tamanho | Formato | |
---|---|---|---|---|
ThiagoSousaeSousa.pdf | Trabalho de Conclusão de Curso | 1,1 MB | Adobe PDF | Visualizar/Abrir |
Os itens no repositório estão protegidos por copyright, com todos os direitos reservados, salvo quando é indicado o contrário.