Thermal conductivity data are impor

Thermal conductivity data are important for food process modelling and design. Where reliable thermal conductivity data are not available, they need to be predicted. The most accurate ‘first approximation’ methodology for predicting the isotropic thermal conductivity of foods based only on data for composition, initial freezing temperature and temperature dependent thermal conductivity of the major food components was sought. A key feature of the methodology was that no experimental measurements were to be required. A multi-step prediction procedure employing the Parallel, Levy

ผลลัพธ์ (ไทย) 1:

ข้อมูลการนำความร้อนเป็นสิ่งสำคัญสำหรับการออกแบบและสร้างแบบจำลองกระบวนการอาหาร ไม่มีข้อมูลที่เชื่อถือได้ในการนำความร้อน พวกเขาต้องคาดการณ์ มากที่สุดถูกต้อง 'แรกประมาณ' วิธีการประเมินการนำความร้อน isotropic อาหารจากข้อมูลสำหรับองค์ประกอบ ต้นแช่แข็งอุณหภูมิและอุณหภูมิที่ขึ้นอยู่กับการนำความร้อนส่วนใหญ่อาหารที่ต้องการ คุณลักษณะที่สำคัญของวิธีการถูกประเมินทดลองไม่ถูกต้อง กระบวนการคาดเดาหลายขั้นตอนที่ใช้ขนาน เลวี

ผลลัพธ์ (ไทย) 2:

ข้อมูลการนำความร้อนที่มีความสำคัญสำหรับการสร้างแบบจำลองกระบวนการอาหารและการออกแบบ ที่มีข้อมูลการนำความร้อนที่น่าเชื่อถือได้ที่พวกเขาจะต้องมีการคาดการณ์ไว้ ถูกต้องมากที่สุด 'ครั้งแรกประมาณ' วิธีการในการทำนายการนำความร้อนของอาหาร isotropic ขึ้นอยู่เฉพาะในข้อมูลสำหรับองค์ประกอบอุณหภูมิเริ่มและอุณหภูมิการนำความร้อนขึ้นอยู่กับส่วนประกอบอาหารที่สำคัญได้ขอ คุณลักษณะที่สำคัญของวิธีการก็คือการที่ไม่มีการทดลองวัดจะถูกต้อง ขั้นตอนการทำนายหลายขั้นตอนการจ้างขนานประกาศ

ผลลัพธ์ (ไทย) 3:

ข้อมูลสำคัญสำหรับแบบจำลองการนำความร้อน กระบวนการผลิตอาหารและการออกแบบ ซึ่งข้อมูลที่นำความร้อนที่เชื่อถือได้จะไม่สามารถใช้ได้ ก็ต้องคิดไว้ ถูกต้องที่สุดก่อนประมาณ " วิธีการทำนายแบบค่าการนำความร้อนของอาหารโดยเฉพาะในข้อมูลสำหรับการเริ่มต้นขึ้นอยู่กับอุณหภูมิแช่แข็ง อุณหภูมิ และค่าการนำความร้อนของอาหาร ส่วนประกอบหลักคือค้นหา คุณลักษณะที่สำคัญของวิธีการที่ไม่มีการวัดทดลองที่จะต้อง เป็นขั้นตอนการปรับการคาดการณ์ขนาน เลวี