این سایت در حال حاضر پشتیبانی نمی شود و امکان دارد داده های نشریات بروز نباشند
مهندسی بیوسیستم ایران، جلد ۴۹، شماره ۲، صفحات ۲۴۹-۲۵۹
عنوان فارسی ارزیابی و مدلسازی جریان انرژی و اثرات زیست‌محیطی تولید کلوچه با رویکرد ارزیابی چرخه زندگی
چکیده فارسی مقاله در این تحقیق، مصرف انرژی و انتشار آلاینده­های زیست­محیطی تولید کلوچه در استان گیلان مورد بررسی قرار گرفت. داده­های لازم از طریق پرسش­نامه و مصاحبه­ حضوری از 30 کارخانه تولید کلوچه جمع­آوری شد. نتایج این پژوهش نشان داد که مقدار 50/30 مگاژول انرژی برای تولید هر کیلوگرم کلوچه مصرف شده­ است که بیشترین سهم انرژی مصرفی به گاز طبیعی با 09/17 مگاژول بر کیلوگرم اختصاص داشت. بر­اساس نتایج ارزیابی چرخه زندگی، شاخص گرمایش جهانی برای تولید هر کیلوگرم کلوچه kg CO2 eq. 73/3 تعیین گردید که در حدود 51 درصد آن مربوط به احتراق گاز طبیعی جهت فرآیند پخت است. در نهایت، مدل­سازی میزان عملکرد و اثرات زیست­محیطی بر­اساس دو مدل شبکه­های عصبی مصنوعی و سامانه استنتاج فازی- عصبی تطبیقی (انفیس) انجام شد. مقایسه نتایج نشان داد مدل انفیس چند لایه قادر است تا با دقت بیشتر و خطای کمتر عملکرد محصول را برآورد کند.
کلیدواژه‌های فارسی مقاله
عنوان انگلیسی Assessment and modeling of energy flow and environmental impacts of cookie production by life cycle assessment approach
چکیده انگلیسی مقاله In this study, energy consumption and environmental emissions of cookie production in Guilan Province of Iran was investigated. The required information was collected using questionnaires and interviews from 30 factories of cookie production. Equivalent energies of inputs and outputs were calculated based on the standardized energy coefficients. The results of this study showed that 30.50 MJ of energy was consumed for production of one kilogram of cookie in which the highest share of energy consumption was allocated to natural gas with 17.09 MJ kg-1. Based on life cycle assessment (LCA) results, global warming (GW) index was calculated as 3.73 kg CO2 eq. per kilogram of produced cookie which about 51 percent of that was related to combustion of natural gas consumed in cooking process. Finally, the modeling of amount of yield and environmental impacts was conducted based on two models of artificial neural network (ANN) and adaptive neuro-fuzzy inference system (ANFIS). The results showed that ANFIS was capable of predicting yield with more accuracy and less error.
کلیدواژه‌های انگلیسی مقاله
نویسندگان مقاله مجید خانعلی |
دانشگاه تهران

اسداله اکرم |
هیئت علمی دانشگاه تهران

مهدیه محمدنیا |
گروه مهندسی ماشین‌های کشاورزی، دانشکده مهندسی و فناوری کشاورزی، پردیس کشاورزی و منابع طبیعی، دانشگاه تهران

هما حسین زاده بندبافها |
گروه مهندسی ماشین های کشاورزی،دانشکده مهندسی و فناوری کشاورزی، پردیس کشاورزی و منابع طبیعی، دانشگاه تهران

نشانی اینترنتی https://ijbse.ut.ac.ir/article_66828_572e5061d3ffb077f460cb7cd6dbf98e.pdf
فایل مقاله اشکال در دسترسی به فایل - ./files/site1/rds_journals/1228/article-1228-713599.pdf
کد مقاله (doi)
زبان مقاله منتشر شده fa
موضوعات مقاله منتشر شده
نوع مقاله منتشر شده
برگشت به: صفحه اول پایگاه   |   نسخه مرتبط   |   نشریه مرتبط   |   فهرست نشریات