نوع مقاله : مقاله پژوهشی
نویسندگان
1 دانشگاه
2 پژوهشگاه پلیمر و پتروشیمی
3 -
چکیده
جذب ترکیبات معطر در بسته بندیهای پلاستیکی و انتشار این ترکیبات سبب کاهش غلظت این ترکیبات در ماده غذایی می شود و بدنبال آن ماندگاری و بازارپسندی مواد غذایی را کاهش می دهد که این امر موجب زیانهای اقتصادی فراوانی می شود بنابراین بررسی عوامل موثر بر پدیده انتشار این ترکیبات در پلیمرها جهت به حداقل رساندن اثرات منفی این پدیده اهمیت فراوانی دارد. در پژوهش حاضر از مدلسازی به روش شبکه عصبی جهت پدیده انتشار پلیمرها در ترکیبات معطر استفاده شده است. مدل مذکور تاثیر عوامل موثر براین پدیده شامل عوامل محیطی، ساختار ترکیبات معطر وساختارپلیمرها را در نظر می گیرد وقادر به ارائه ضریب انتشار است. این مدل قابلیت پیش بینی ضریب انتشار ترکیبات معطر در بسته بندی های پلی اتیلن با دانسیته بالا را دارد. عصاره های نوشابه ها، عرقیات، کنسانتره های میوه جات و بسیاری فراورده های غلیظ دیگر در بسته های پلی اتیلن با دانسیته بالا عرضه می شوند. مدل ارائه شده قادر به محاسبه ماندگاری و شرایط بهینه نگهداری این محصولات می باشد ضمن اینکه از پرداخت هزینه های گزاف جهت اندازه گیری تجربی ضریب انتشار جلوگیری می شود. دامنه کاربری این مدل در محدوده دسته ترکیبات معطر مورد استفاده عالی است که از ویژگی های مدلسازی با استفاده از شبکه های عصبی مصنوعی می باشد.
واژههای کلیدی: بسته بندی پلاستیکی، ترکیبات معطر، شبکه های عصبی مصنوعی، ضریب انتشار، مدلسازی، نفوذ پذیری
عنوان مقاله [English]
Modeling of aroma compounds diffusion coefficient in polymeric films using artificial neural networks
نویسندگان [English]
- Behdad Bolouri
- Seyed Mohammad Ali Ebrahimzadeh Mousavi 1
- Abdulrasoul Oromiehie 2
- Hassan Lame 3
1
2
3 -
چکیده [English]
Sorption of flavor compounds to inner layer of polymer packages and subsequent diffusion results in loss of food flavor and consequently decreases shelf life and consumer acceptance of food stuffs which in turn causes major economic losses, so it is of utmost importance to research on diffusivity of these compounds in polymers to minimize negative effects of this phenomenon. In current research work, artificial neural networks have been applied to model polymer diffusivity to aroma molecules. The model considers all the factors that play a major role in diffusion including environmental factors, aroma molecule structure and polymer structure and is able to provide diffusion coefficient.This model could be used to predict diffusion coefficient of aroma compounds in high density polyethylene packages. Soft drinks extracts, essential oils, fruit concentrates and many other concentrated products are distributed in high density polyethylene packages. The model is able to calculate shelf life and optimum storage conditions of these products. Meanwhile it eliminates high costs involved in measuring diffusion coefficients of aroma compounds. This model at the range of aroma compounds used in this study functions excellent which is the characteristic of modeling using artificial neural networks.
Keywords: Aroma compounds, Artificial Neural Networks, Diffusion Coefficient, Modeling, Permeability, Plastic Packaging
ارسال نظر در مورد این مقاله