3.2. Class II foodsTable 2 shows th

3.2. Class II foods
Table 2 shows the differences between the model predictions
and experimental data for the same selection of foods (data from
Willix et al., 1998); however, this time the temperature is 20 C.
The Parallel model no longer provides sufficient accuracy; however,
the Co-continuous and Geometric models, as well as the multi-step
procedure (i.e. using the Parallel model for the thermal conductivity
of the non-ice components, followed by Levy's model to account
for the ice fraction) all provide predictions within, on
average, ±20%.
3.3. Class III foods
Suitable data for testing the predictions for porous non-frozen
foods were difficult to obtain, since very often only minimal
composition data are provided. In particular, bulk or apparent
density or porosity data is often not available in the literature. Many
of the data for which composition and temperature data were
supplied were highly questionable, since they lay outside the Series
and Parallel model bounds. Table 3 shows the differences between
the model predictions and experimental data for four different
Class III foods where all of the following data were provided:
porosity (or bulk density), moisture content, measurement temperature.
Where these data were not supplied, the solids contents
were assumed based on typical compositions for the particular food
in question (Rahman, 2009). Table 3 shows that the multi-step
procedure (i.e. using the Parallel model for the thermal conductivity
of the non-ice components, followed by the EMT model to
account for porosity) and the single-step CC and EMT equations on
average provide predictions of sufficient accuracy for first approximations,
with the multi-step procedure providing the greatest
accuracy.
However, differences from individual measurements were
sometimes greater than 20%, which highlights the greater uncertainty
involved in thermal conductivity prediction once porosity is
introduced.
3.4. Class IV foods
The number of examples of Class IV foods is relatively small, and
the group is mainly comprised of frozen desserts. Of these, ice
cream is probably the most widely studied in the food engineering
literature, and the data from Cogne et al. (2003)
were used since all
the necessary data (composition, temperature, initial freezing
temperature) were available. Table 4 shows the differences between
the model predictions and experimental data at two
different temperatures (15 C, and 30 C). In this instance the
multi-step procedure (i.e. using the Parallel model for the thermal
conductivity of the non-ice components, followed by Levy's model
to account for the ice fraction, and the EMT model to account for
porosity) has the clear advantage over the single-step models, and
none of the single-step procedures provided predictions which are
accurate to within ±30%.
Note that while the average difference between the thermal
conductivities predicted by the standard Multi-step procedure is
F

ผลลัพธ์ (ไทย) 1:

3.2. ระดับ II อาหารตารางที่ 2 แสดงความแตกต่างระหว่างการคาดการณ์ของแบบจำลองและเลือกเดียวของอาหาร (ข้อมูลจากข้อมูลทดลองWillix et al. 1998); อย่างไรก็ตาม เวลานี้อุณหภูมิเป็น 20 เซลเซียสแบบขนานไม่มีความแม่นยำเพียงพอ อย่างไรก็ตามรุ่น Co อย่างต่อเนื่องและเรขาคณิต เป็นหลายขั้นตอนกระบวนการ (เช่นการใช้แบบขนานสำหรับการนำความร้อนส่วนประกอบไม่ใช่น้ำแข็ง ตาม ด้วยรุ่นของเลวีบัญชีส่วนน้ำแข็ง) ทั้งหมดให้การคาดการณ์ภายใน การเฉลี่ย, ± 20%3.3. ระดับ III อาหารข้อมูลที่เหมาะสมสำหรับการทดสอบการคาดคะเนสำหรับรูพรุนไม่แช่แข็งอาหารเป็นเรื่องยากรับ ตั้งแต่น้อยที่สุดเท่านั้นบ่อยมากองค์ประกอบข้อมูลไว้ เฉพาะ หรือชัดเจน เป็นกลุ่มมักจะไม่มีข้อมูลความหนาแน่นหรือความพรุนในวรรณคดี หลายข้อมูลซึ่งองค์ประกอบและอุณหภูมิของ ข้อมูลได้จัดได้น่าสงสัย เนื่องจากพวกเขาวางนอกชุดและขนานขอบเขตแบบ ตารางที่ 3 แสดงความแตกต่างระหว่างแบบจำลองการคาดการณ์และข้อมูลทดลองสำหรับสี่ระดับ III อาหารที่ทั้งหมดของข้อมูลต่อไปนี้ไว้:พรุน (หรือความหนาแน่น), ความชื้นเนื้อหา วัดอุณหภูมิซึ่งข้อมูลเหล่านี้ได้มา เนื้อหาของแข็งแทบตามองค์ประกอบทั่วไปสำหรับอาหารเฉพาะคำถาม (ราแมน 2009) ตารางที่ 3 แสดงให้เห็นว่าหลายขั้นตอนกระบวนการ (เช่นการใช้แบบขนานสำหรับการนำความร้อนส่วนประกอบไม่ใช่น้ำแข็ง ตาม ด้วยรุ่น EMT เพื่อบัญชีสำหรับพรุน) ขั้นตอนเดียว CC และ EMT สมการบนเฉลี่ยให้คาดคะเนความแม่นยำเพียงพอสำหรับเพียงการประมาณครั้งแรกมีขั้นตอนหลายขั้นตอนให้ยิ่งใหญ่ที่สุดความถูกต้องอย่างไรก็ตาม ความแตกต่างจากการวัดแต่ละตัวได้บางครั้งมากกว่า 20% ซึ่งความไม่แน่นอนมากขึ้นเกี่ยวข้องในการนำความร้อนการคาดเดาเมื่อพรุนแนะนำ3.4. อาหารคลาส IVจำนวนตัวอย่างอาหารที่ระดับ IV ค่อน และส่วนใหญ่มีการประกอบด้วยกลุ่มของหวานแช่แข็ง น้ำแข็งเหล่านี้ครีมจะคงมากที่สุดการศึกษาอย่างกว้างขวางในวิศวกรรมอาหารวรรณคดี และข้อมูลจากคอกเน่ et al. (2003) ใช้ทั้งหมดตั้งแต่ข้อมูลจำเป็น (องค์ประกอบ อุณหภูมิ เริ่มต้นการแช่แข็งอุณหภูมิ) มีการ ตารางที่ 4 แสดงความแตกต่างระหว่างแบบจำลองการคาดการณ์และข้อมูลทดลองที่สองอุณหภูมิแตกต่างกัน (15 C และ 30 C) ในกรณีนี้การขั้นตอนหลายขั้นตอน (เช่นการใช้แบบขนานสำหรับความร้อนนำส่วนประกอบไม่ใช่น้ำแข็ง ตาม ด้วยรุ่นของเลวีการบัญชีสำหรับเศษน้ำแข็ง และรุ่น EMT การพรุน) มีประโยชน์ชัดเจนมากกว่ารูปแบบขั้นตอนเดียว และไม่มีกระบวนการขั้นตอนเดียวให้คาดคะเนซึ่งจะที่ต้องการภายใน± 30%หมายเหตุว่า ในขณะที่ความแตกต่างเฉลี่ยระหว่างความร้อนเป็นค่าตามกระบวนการหลายขั้นตอนมาตรฐานF

ผลลัพธ์ (ไทย) 2:

3.2 ระดับอาหารครั้งที่สอง
ตารางที่ 2 แสดงให้เห็นความแตกต่างระหว่างการคาดการณ์แบบจำลอง
และข้อมูลการทดลองสำหรับการเลือกเดียวของอาหาร (ข้อมูลจาก
Willix et al, 1998.); ?. แต่เวลานี้อุณหภูมิอยู่ที่ 20 องศาเซลเซียส
รูปแบบคู่ขนานไม่ให้ความถูกต้องเพียงพอ แต่
รูปแบบการร่วมอย่างต่อเนื่องและเรขาคณิตเช่นเดียวกับหลายขั้นตอน
ขั้นตอน (เช่นโดยใช้รูปแบบขนานสำหรับการนำความร้อน
ของส่วนประกอบน้ำแข็งไม่ใช่ตามด้วยรูปแบบการจัดเก็บไปยังบัญชี
สำหรับส่วนน้ำแข็ง) ทั้งหมดให้การคาดการณ์ภายใน บน
เฉลี่ย± 20%.
3.3 Class III อาหาร
ข้อมูลที่เหมาะสมสำหรับการทดสอบการคาดการณ์สำหรับการไม่แช่แข็งที่มีรูพรุน
อาหารเป็นเรื่องยากที่จะได้รับตั้งแต่มากมักจะเพียงเล็กน้อยเท่านั้น
ข้อมูลองค์ประกอบที่มีให้ โดยเฉพาะอย่างยิ่งกลุ่มหรือที่เห็นได้ชัด
ความหนาแน่นหรือข้อมูลพรุนมักจะไม่สามารถใช้ได้ในวรรณคดี หลาย
ของข้อมูลที่องค์ประกอบและอุณหภูมิข้อมูล
ที่ให้มาก็สงสัยอย่างมากเนื่องจากพวกเขาวางนอกซีรีส์
และขอบเขตรูปแบบขนาน ตารางที่ 3 แสดงให้เห็นถึงความแตกต่างระหว่าง
การคาดการณ์แบบจำลองและข้อมูลการทดลองสำหรับการที่แตกต่างกันสี่
ชั้นอาหาร III ที่ข้อมูลทั้งหมดดังต่อไปนี้ให้:
พรุน (หรือความหนาแน่น) ความชื้นอุณหภูมิวัด.
มีข้อมูลเหล่านี้ไม่ได้จัดของแข็งเนื้อหา
สันนิษฐานว่าขึ้นอยู่กับองค์ประกอบโดยทั่วไปสำหรับอาหารโดยเฉพาะอย่างยิ่ง
ในคำถาม (เราะห์มาน 2009) ตารางที่ 3 แสดงให้เห็นว่าหลายขั้นตอน
ขั้นตอน (เช่นโดยใช้รูปแบบขนานสำหรับการนำความร้อน
ของส่วนประกอบน้ำแข็งบุหรี่, ตามด้วยรุ่น EMT เพื่อ
บัญชีสำหรับพรุน) และ CC ขั้นตอนเดียวและสมการกู้ภัยบน
เฉลี่ยให้การคาดการณ์ของ ความถูกต้องเพียงพอสำหรับการประมาณครั้งแรก
กับขั้นตอนหลายขั้นตอนการให้ที่ยิ่งใหญ่ที่สุด
ความถูกต้อง.
อย่างไรก็ตามความแตกต่างจากการวัดของแต่ละบุคคลเป็น
บางครั้งมากกว่า 20% ซึ่งไฮไลท์ความไม่แน่นอนมากขึ้น
มีส่วนร่วมในการทำนายการนำความร้อนที่ครั้งหนึ่งเคยเป็นรูพรุนจะ
แนะนำ.
3.4 ระดับ IV อาหาร
จำนวนตัวอย่างของอาหารชั้นที่สี่มีขนาดค่อนข้างเล็กและ
กลุ่มส่วนใหญ่เป็นขนมหวานแช่แข็ง ของเหล่านี้, ไอศ
ครีมน่าจะเป็นการศึกษาอย่างกว้างขวางมากที่สุดในสาขาวิศวกรรมอาหาร
วรรณกรรมและข้อมูลจาก Cogne et al, (2003)? ถูกนำมาใช้เนื่องจากทุก
ข้อมูลที่จำเป็น (องค์ประกอบอุณหภูมิแช่แข็งเริ่มต้น
อุณหภูมิ) ที่มีอยู่ ตารางที่ 4 แสดงให้เห็นถึงความแตกต่างระหว่าง
การคาดการณ์แบบจำลองและข้อมูลการทดลองที่สอง
อุณหภูมิที่แตกต่างกัน (15 องศาเซลเซียสและ 30 องศาเซลเซียส) ในกรณีนี้
ขั้นตอนหลายขั้นตอน (เช่นโดยใช้รูปแบบขนานสำหรับการระบายความร้อน
การนำของส่วนประกอบน้ำแข็งไม่ใช่ตามด้วยรูปแบบการจัดเก็บของ
บัญชีสำหรับส่วนน้ำแข็งและรุ่น EMT บัญชีสำหรับ
พรุน) มีข้อได้เปรียบที่ชัดเจนกว่า รูปแบบขั้นตอนเดียวและ
ไม่มีขั้นตอนขั้นตอนเดียวมีให้การคาดการณ์ที่มีความ
ถูกต้องภายใน± 30%.
โปรดทราบว่าในขณะที่ความแตกต่างเฉลี่ยระหว่างความร้อน
การนำคาดการณ์โดยขั้นตอนมาตรฐานหลายขั้นตอนคือ
F

ผลลัพธ์ (ไทย) 3:

3.2 . ชั้น 2 อาหารตารางที่ 2 แสดงให้เห็นความแตกต่างระหว่างรุ่นที่คาดคะเนและข้อมูลการทดลองสำหรับการเดียวกันของอาหาร ( ข้อมูลจากwillix et al . , 1998 ) ; อย่างไรก็ตาม , เวลาที่อุณหภูมิ 20 Cแบบจำลองขนานไม่มีความแม่นยำเพียงพอ อย่างไรก็ตามรุ่น Co อย่างต่อเนื่องและเรขาคณิต รวมทั้งปรับขั้นตอน ( เช่นใช้แบบขนานสำหรับการนำความร้อนของไม่แข็งองค์ประกอบตามรูปแบบการจัดเก็บของบัญชีสำหรับน้ำแข็งเศษส่วน ) ทั้งหมดให้คาดคะเนภายในบนเฉลี่ย ± 20%3.3 . ชั้น 3 อาหารข้อมูลที่เหมาะสมสำหรับการทดสอบทำนายไม่แข็งที่มีรูพรุนอาหารก็ยากที่จะได้รับตั้งแต่มักจะน้อยข้อมูลประกอบให้ โดยเฉพาะกลุ่ม หรือ ปรากฏความหนาแน่นของข้อมูลหรือความพรุนมักจะไม่สามารถใช้ได้ในวรรณคดี หลายซึ่งองค์ประกอบของข้อมูลและข้อมูลอุณหภูมิให้มีที่น่าสงสัยอย่างมาก เนื่องจากพวกเขาวางนอกชุดและขอบเขตแบบขนาน ตารางที่ 3 แสดงให้เห็นความแตกต่างระหว่างแบบจำลองการคาดการณ์และข้อมูลสำหรับสี่แตกต่างกันชั้น 3 อาหารที่ทั้งหมดของข้อมูลต่อไปนี้ให้ :มีความพรุน ( หรือความหนาแน่น ) , เนื้อหา , เครื่องตรวจวัดอุณหภูมิความชื้นซึ่งข้อมูลเหล่านี้ไม่ได้ให้เนื้อหา , ของแข็งสมมติขึ้นอยู่กับองค์ประกอบทั่วไปสำหรับอาหารโดยเฉพาะในคำถาม ( Rahman , 2009 ) ตารางที่ 3 แสดงให้เห็นว่าต้นทุนขั้นตอน ( เช่นใช้แบบขนานสำหรับการนำความร้อนของไม่แข็งองค์ประกอบตามรูปแบบไฟบัญชีมีรูพรุน ) และในขั้นตอนเดียว CC และสมการ EMT บนเฉลี่ยให้คาดคะเนของความถูกต้องเพียงพอสำหรับการ แรกด้วยการปรับกระบวนการให้มากที่สุดความถูกต้องอย่างไรก็ตาม แต่ละบุคคลมีความแตกต่างจากการวัดบางครั้งมากกว่า 20% ซึ่งเน้นความไม่แน่นอนมากขึ้นที่เกี่ยวข้องในการทำนายค่าการนำความร้อนเมื่อความพรุน คือแนะนำ3.4 . ชั้น 4 อาหารจำนวนตัวอย่างของคลาส 4 อาหารค่อนข้างน้อย และกลุ่มหลัก ประกอบด้วย ของหวานแช่แข็ง . ของเหล่านี้ , น้ำแข็งเป็นครีมที่อาจจะมากที่สุดการศึกษาอย่างกว้างขวางในวิศวกรรมอาหารวรรณกรรมและข้อมูลจากคอกเน่ et al . ( 2003 ) ใช้ตั้งแต่ ทั้งหมดข้อมูลที่จำเป็น ( การเริ่มต้นแช่แข็งอุณหภูมิอุณหภูมิ ) มี ตารางที่ 4 แสดงให้เห็นความแตกต่างระหว่างแบบจำลองการคาดคะเน และการทดลองที่ 2อุณหภูมิที่แตกต่างกัน ( 15 C และ 30 องศาเซลเซียส ) ในตัวอย่างนี้กระบวนการหลายขั้นตอน ( เช่นใช้แบบขนานสำหรับความร้อนนำส่วนประกอบที่ไม่แข็งตามแบบของเลวีบัญชีสำหรับน้ำแข็งเศษส่วน และหน่วยกู้ภัยแบบบัญชีมีรูพรุน ) มีข้อดีกว่าแบบใสในขั้นตอนเดียว และหนึ่งในขั้นตอนเดียวให้คาดคะเนซึ่งเป็นถูกต้องภายใน± 30%โปรดทราบว่าในขณะที่ค่าเฉลี่ยความแตกต่างระหว่างความร้อนconductivities ทำนายโดยมาตรฐานหลายขั้นตอนขั้นตอนเอฟ