مدل‌سازی و بهینه‌سازی بازده استخراج آنتول از اسانس رازیانه با روش‌ پاسخ سطح و شبکه عصبی مصنوعی

نوع مقاله : علمی-پژوهشی

نویسندگان

دانشکده مهندسی شیمی، پردیس دانشکده های فنی، دانشگاه تهران، تهران، ایران

چکیده

در پژوهش حاضر، داده‌های آزمایشگاهی حاصل از بازده عملیات استخراج جامد-مایع به دو روش پاسخ سطح و شبکه عصبی مصنوعی مدل‌سازی و شبیه ‌‌سازی شده است. در این عملیات، آنتول به عنوان اصلی‌ترین ماده موثره دارویی موجود در اسانس دانه‌های گیاه رازیانه در تماس با حلال اتانول 70% استخراج شد و بازده عملیات به عنوان تابع هدف قرار داده شد. این عملیات با تغییر در طراحی ستون‌ استخراج مایع-مایع RDC و به کار گیری سینی‌های سوراخ‌دار و طراحی قیف در خروجی انتهای برج برای خروج جامد صورت گرفته است. به کمک ستون طراحی شده، اثر سه متغیر اندازه ذرات رازیانه، سرعت روتور و نسبت حلال به جامد بر بازده استخراج آنتول مورد بررسی قرار گرفت. آزمایش‌ها با ذرات ریز شده رازیانه در اندازه‌های 7/1، 1 و 3/0 میلی‌متر، سرعت روتور در محدوده‌های 90، 135 و 180 دور در دقیقه و نسبت حلال به جامد 10، 15 و 20 برابر انجام شد و نحوه تغییر پارامترها در آزمایش‌ها با استفاده از نرم افزار Design Expert، به روش پاسخ سطح و نیز با نرم افزار MATLAB به روش شبکه عصبی مصنوعی مدل‌سازی و بهینه سازی گردید. نتایج حاصل از آنالیزهای GC-MS و GC به عنوان اطلاعات بازده استخراج و مقایسه با نتایج شبیه‌سازی نرم افزاری نشان می‌دهد که با ریزتر شدن اندازه دانه‌های جامد رازیانه، افزایش نسبت حلال به جامد و نیز افزایش سرعت روتور، بازده استخراج آنتول افزایش می‌یابد. همچنین داده‌های طراحی آزمایش توسط شبکه عصبی مصنوعی مدل‌سازی شد که ضریب همبستگی برای روش RSM و شبکه عصبی به ترتیب 9604/0 و 9955/0 به دست آمد. لذا نتایج نشان دهنده دقت بالای مدل‌سازی شبکه عصبی مصنوعی نسبت به داده‌های واقعی در قیاس با روش پاسخ سطح می‌باشد.

کلیدواژه‌ها

موضوعات