In order to investigate the effects

In order to investigate the effects of particle size distribution of crushed feed rice and air temperature on the drying process, Monte Carlo simulations were carried out using Microsoft Excel 2010 software. Figure 4 shows the mean MC and its standard deviation for crushed feed rice during the drying process at 60, 70, and 80 °C using the assumption of a normal distribution of particle size with View the MathML source μm and σDp=250 μm and initial MC as M0 = 25% d.b. The changes in mean MC in a batch could be obtained stochastically using Monte Carlo simulation with around 10,000 runs. However, changes in the MC in a batch could be estimated more simply deterministically by using a Page model, as shown in Eq. (1). Symbols show the changes in the estimated MC of crushed rice with a diameter of 1500 μm using a deterministic model with k = 2.16, 2.40, and 2.64 for 60, 70, and 80 °C, respectively. The drying times based on the Page model estimation were 0.31, 0.22, and 0.17 h for 60, 70, and 80 °C, respectively. Compared with the values of MC estimated by the deterministic and stochastic models, no significant differences for both models were observed for the MC profiles during crushed feed rice drying. A similar result was observed in the thin-layer drying of rough rice ( Tanaka et al., 2008a and Tanaka et al., 2008b). It was concluded that the deterministic model can estimate the mean MC of rice in a batch; however, the Monte Carlo model also provided information on the MC distribution in a batch. Considering the standard deviation of the MC, all standard deviation curves have a maximum for intermediate values of drying time. The maximum standard deviation point appeared earlier with increasing temperature. When the MC reached 11.1% d.b. the standard deviations were 0.39, 0.15, and 0.07% d.b. for 60, 70, and 80 °C, respectively. Operation at high temperatures enables more uniform drying of the crushed rice. The ability of the model to predict variations in MC is important for understanding the damage to quality caused by over-drying.

ผลลัพธ์ (ไทย) 1:

เพื่อตรวจสอบผลของการกระจายขนาดอนุภาคของบดอาหารข้าวและอากาศอุณหภูมิในการอบแห้ง จำลอง Carlo มอนได้ดำเนินการใช้ซอฟต์แวร์ Microsoft Excel 2010 รูปที่ 4 แสดง MC เฉลี่ยและส่วนเบี่ยงเบนมาตรฐานของสำหรับข้าวบดอาหารในระหว่างกระบวนการอบแห้งที่ 60, 70 และ 80 ° C โดยใช้สมมติฐานของการแจกแจงปกติของขนาดอนุภาคมี MathML แหล่ง μm และ σDp = 250 μm และ MC เริ่มเป็น M0 = 25% d.b. สามารถรับการเปลี่ยนแปลงในค่าเฉลี่ยที่ MC ในชุด stochastically ด้วยการจำลอง Carlo มอนทำงานประมาณ 10000 อย่างไรก็ตาม การเปลี่ยนแปลงใน MC ในชุดสามารถจะ deterministically กว่านั้นโดยประมาณแบบหน้า มาก Eq. (1) สัญลักษณ์แสดงการเปลี่ยนแปลงใน MC ประเมินข้าวบดกับเส้นผ่าศูนย์กลางของ μm 1500 ด้วยแบบ deterministic k = 2.16, 2.40 และ 2.64 60, 70 และ 80 ° C ตามลำดับ เวลาอบแห้งโดยใช้การประเมินรูปแบบหน้าได้$ 0.31, $ 0.22 และ h 60, 70 และ 80 ° C, 0.17 ตามลำดับ เปรียบเทียบกับค่าของ MC ที่ประเมิน โดยแบบจำลอง deterministic และสโทแคสติก ไม่แตกต่างกันสำหรับทั้งสองรุ่นถูกสังเกตสำหรับโพรไฟล์ MC ระหว่างข้าวบดอาหารแห้ง ผลคล้ายถูกสังเกตในการอบแห้งชั้นบางของข้าวหยาบ (al. et ทานากะ 2008a และทานากะ et al., 2008b) ได้สรุปได้ว่า แบบ deterministic สามารถประเมินค่าเฉลี่ย MC ของข้าวในชุด อย่างไรก็ตาม จำลอง Carlo มอนยังให้ข้อมูลในการกระจาย MC ในชุด พิจารณาส่วนเบี่ยงเบนมาตรฐานของตัว MC เส้นโค้งทั้งหมดส่วนเบี่ยงเบนมาตรฐานมีค่ากลางของแห้งเวลาได้สูงสุด จุดส่วนเบี่ยงเบนมาตรฐานสูงสุดปรากฏขึ้นก่อนหน้านี้กับการเพิ่มอุณหภูมิ เมื่อ MC หมายถึง 11.1% d.b. ส่วนเบี่ยงเบนมาตรฐานได้ 0.39, 0.15 และ 0.07% d.b. 60, 70 และ 80 ° C ตามลำดับ การดำเนินการที่อุณหภูมิสูงช่วยให้เพิ่มเติมรูปให้แห้งข้าวบด ความสามารถของแบบจำลองเพื่อทำนายการเปลี่ยนแปลงใน MC เป็นสิ่งสำคัญสำหรับการทำความเข้าใจเกี่ยวกับคุณภาพที่เกิดจากการอบแห้งเกินความเสียหาย

ผลลัพธ์ (ไทย) 2:

เพื่อที่จะศึกษาผลของการกระจายขนาดอนุภาคข้าวบดอาหารและอุณหภูมิของอากาศในกระบวนการอบแห้ง, การจำลอง Monte Carlo ได้ดำเนินการใช้ Microsoft Excel 2010 ซอฟแวร์ รูปที่ 4 แสดงค่าเฉลี่ย MC และค่าเบี่ยงเบนมาตรฐานของข้าวอาหารบดในระหว่างขั้นตอนการอบแห้งที่ 60, 70, และ 80 องศาเซลเซียสโดยใช้สมมติฐานของการกระจายปกติของขนาดอนุภาคที่มีมุมมองที่มาไมโครเมตร MathML และσDp = 250 ไมโครเมตรและเริ่มต้น MC เป็น M0 = 25% ฐานข้อมูลการเปลี่ยนแปลงในค่าเฉลี่ย MC ในชุดจะได้รับ stochastically โดยใช้สถานการณ์จำลอง Monte Carlo มีประมาณ 10,000 วิ่ง อย่างไรก็ตามการเปลี่ยนแปลงใน MC ในชุดจะได้รับการขึ้นเพียงประมาณ deterministically โดยใช้รูปแบบหน้าดังแสดงในสมการ (1) สัญลักษณ์แสดงการเปลี่ยนแปลงในประมาณ MC ข้าวบดที่มีขนาดเส้นผ่าศูนย์กลาง 1500 ไมโครเมตรโดยใช้แบบจำลองที่กำหนดกับ k = 2.16, 2.40, 2.64 และ 60, 70, และ 80 องศาเซลเซียสตามลำดับ เวลาการอบแห้งขึ้นอยู่กับรูปแบบการประมาณค่าหน้าเป็น 0.31, 0.22 และ 0.17 ชั่วโมงเป็นเวลา 60, 70, และ 80 องศาเซลเซียสตามลำดับ เมื่อเทียบกับค่านิยมของ MC ประมาณโดยกำหนดรูปแบบและสุ่มที่ไม่แตกต่างกันอย่างมีนัยสำคัญสำหรับทั้งสองรุ่นถูกตั้งข้อสังเกตสำหรับโปรไฟล์ MC ระหว่างการอบแห้งข้าวบดอาหาร ผลที่คล้ายกันพบว่าในการอบแห้งบางชั้นของข้าวหยาบ (ทานากะ et al., 2008a และทานากะ et al., 2008b) ก็สรุปได้ว่ารูปแบบที่กำหนดสามารถประเมินค่าเฉลี่ย MC ข้าวในชุด; แต่รูปแบบมอนติคาร์โลยังให้ข้อมูลเกี่ยวกับการกระจาย MC ในชุด พิจารณาค่าเบี่ยงเบนมาตรฐานของ MC ทุกโค้งส่วนเบี่ยงเบนมาตรฐานสูงสุดสำหรับการมีค่ากลางของเวลาการอบแห้ง จุดเบี่ยงเบนมาตรฐานสูงสุดปรากฏก่อนหน้านี้ที่มีอุณหภูมิเพิ่มขึ้น เมื่อพิธีกรถึง 11.1% ฐานข้อมูลค่าเบี่ยงเบนมาตรฐานเป็น 0.39, 0.15 และ 0.07% สำหรับฐานข้อมูลที่ 60, 70 และ 80 องศาเซลเซียสตามลำดับ การดำเนินงานที่อุณหภูมิสูงจะช่วยให้การอบแห้งที่สม่ำเสมอมากขึ้นข้าวบด ความสามารถของรูปแบบที่จะคาดการณ์การเปลี่ยนแปลงใน MC เป็นสิ่งสำคัญสำหรับการทำความเข้าใจความเสียหายให้กับคุณภาพที่เกิดจากการมากกว่าการอบแห้ง

ผลลัพธ์ (ไทย) 3:

เพื่อศึกษาผลของขนาดของอนุภาค การกระจายของอาหาร ข้าวบด อุณหภูมิอากาศและอุณหภูมิในการอบแห้ง , มอนติคาร์โลจำลองทดลองการใช้ Microsoft Excel 2010 ซอฟต์แวร์ รูปที่ 4 แสดงหมายถึงพิธีกรและส่วนเบี่ยงเบนมาตรฐานสําหรับบดข้าวอาหารในระหว่างกระบวนการอบแห้งที่ 60 , 70 ,และ 80 องศา C โดยใช้สมมติฐานของการแจกแจงแบบปกติของขนาดอนุภาคด้วยมุมมองแหล่ง MathML μ M และσ DP = 250 μ M และเริ่มต้น MC เป็น m0 = 25 เปอร์เซ็นต์การเปลี่ยนแปลงหมายถึงพิธีกรในชุดจะได้ stochastically โดยใช้เทคนิคมอนติคาร์โล มีประมาณ 10 , 000 วิ่ง อย่างไรก็ตามการเปลี่ยนแปลงในพิธีกรในชุดสามารถประมาณได้มากกว่าเพียงแค่ deterministically โดยใช้หน้ารุ่นตามที่แสดงในอีคิว ( 1 ) สัญลักษณ์แสดงการเปลี่ยนแปลงในประมาณการ MC บดข้าว มีเส้นผ่าศูนย์กลาง 1 , 500 μใช้รูปแบบ deterministic กับ K = 2.16 , 2.40 และ 2.64 60 , 70 และ 80 องศาองศาเซลเซียส ตามลำดับ การอบแห้งครั้งที่ตามรูปแบบหน้าประมาณจำนวน 0.31 , 0.22 และ 0.17 H 60 , 70 และ 80 องศาองศาเซลเซียส ตามลำดับเมื่อเทียบกับค่าของ MC ( แบบ deterministic Stochastic และ ไม่มีความแตกต่างของทั้งสองรุ่นเป็นสังเกตสำหรับ MC โปรไฟล์ในระหว่างการอบแห้งข้าวบดอาหารสัตว์ ผลที่คล้ายกันพบว่าในข้าว 1 แห้งหยาบ ( ทานากะ et al . , 2008a และทานากะ et al . , 2008b )สรุปได้ว่ารูปแบบ deterministic สามารถประมาณการ MC หมายถึงข้าวในชุด อย่างไรก็ตาม แบบจำลอง Monte Carlo ยังให้ข้อมูลเกี่ยวกับ MC กระจายในชุด เมื่อพิจารณาจากค่าส่วนเบี่ยงเบนมาตรฐานของ MC เส้นโค้งส่วนเบี่ยงเบนมาตรฐานได้สูงสุดสำหรับค่ากลางของเวลาการอบแห้ง ส่วนเบี่ยงเบนมาตรฐานสูงสุดจุดปรากฏมาก่อนกับการเพิ่มอุณหภูมิเมื่อพิธีกรถึง 11.1 เปอร์เซ็นต์ส่วนเบี่ยงเบนมาตรฐาน 0.39 , 0.15 และ 0.07 เปอร์เซ็นต์ 60 , 70 และ 80 องศาองศาเซลเซียส ตามลำดับ การทำงานที่อุณหภูมิสูงจะช่วยให้มากกว่าชุดของการอบแห้งบดข้าว ความสามารถของแบบจำลองทำนายการเปลี่ยนแปลงใน MC เป็นสิ่งสำคัญเพื่อความเข้าใจจะเกิดความเสียหายมากกว่าคุณภาพที่เกิดจากการอบแห้ง