فهرست مقالات . Design of experiments

• دسترسی آزاد مقاله
  • صفحه چکیده
  • متن کامل
  
  1 - تصفیه پساب صنایع لبنی با روش ازناسیون: طراحی آزمایش به روش سطح پاسخ
  علی مهری زاد اکبر حاجی پور فهیمه درخشان فرد لیلا امیرخانی
  صنایع ﻟﺒﻨﻲ ﻳﻜﻲ از ﺻﻨﺎﻳﻊ ﻣﺼﺮف‌ﻛﻨﻨﺪه ﻋﻤﺪه آب و ﺑﺎﻟﻄﺒﻊ ﺗﻮﻟﻴﺪﻛﻨﻨﺪه ﻓﺎﺿﻼب ﻫﺴﺘﻨﺪ که به دلیل حضور ترکیبات آلی آروماتیکی در فاضلاب چنین صنایعی، در صورتی که بدون تصفیه وارد محیط‌زیست شوند، اکوسیستم آبی را به طور نامطلوبی تحت تأثیر قرار می-دهند. ﺑﻨﺎﺑﺮاﻳﻦ ﺗﺼﻔﻴﻪ و استفاده ﻣﺠﺪد از ﭘ چکیده کامل

  صنایع ﻟﺒﻨﻲ ﻳﻜﻲ از ﺻﻨﺎﻳﻊ ﻣﺼﺮف‌ﻛﻨﻨﺪه ﻋﻤﺪه آب و ﺑﺎﻟﻄﺒﻊ ﺗﻮﻟﻴﺪﻛﻨﻨﺪه ﻓﺎﺿﻼب ﻫﺴﺘﻨﺪ که به دلیل حضور ترکیبات آلی آروماتیکی در فاضلاب چنین صنایعی، در صورتی که بدون تصفیه وارد محیط‌زیست شوند، اکوسیستم آبی را به طور نامطلوبی تحت تأثیر قرار می-دهند. ﺑﻨﺎﺑﺮاﻳﻦ ﺗﺼﻔﻴﻪ و استفاده ﻣﺠﺪد از ﭘﺴﺎب ﺗﻮﻟﻴﺪی اﻳﻨﮕﻮﻧﻪ ﺻﻨﺎﻳﻊ ﻳﻜﻲ از اوﻟﻮﻳﺖﻫﺎی زﻳﺴﺖ ﻣﺤﻴﻄﻲ اﺳﺖ. در تحقیق حاضر، نقش ازن به عنوان یک عامل اکسیدکننده قوی در جهت تخریب ترکیبات آلی موجود در پساب صنایع لبنی مورد ارزیابی قرار گرفت. آزمایشها در یک سیستم ناپیوسته با در نظر گرفتن نقش سه متغیر کلیدی در فرآیند ازناسیون (دوز ازن، pH اولیه و مدت زمان) دنبال شدند. جهت کاهش وقت و هزینه‌ها و نیز یافتن آثار اصلی و متقابل متغیرهای تأثیرگذار بر میزان کاهش COD از طراحی آزمایش به روش سطح پاسخ (RSM) بهره برده شد. نتایج نشان داد که حداکثر میزان کاهش COD در شرایط بهینه برابر 95/55 % بود و مشخص شد که مکانسیم غالب در تخریب ترکیبات آلی موجود در پساب لبنی از طریق حمله مستقیم مولکولهای ازن در محیطهای اسیدی می-باشد. پرونده مقاله
• دسترسی آزاد مقاله
  • صفحه چکیده
  • متن کامل
  
  2 - Armentum: a hybrid direct search optimization methodology
  Francisco Zorrilla Briones Jaime Sa´nchez Leal Inocente Yuliana Mele´ndez Pastrana
  Design of experiments (DOE) offers a great deal of benefits to any manufacturing organization, such as characterization of variables and sets the path for the optimization of the levels of these variables (settings) trough the Response surface methodology, leading to pr چکیده کامل

  Design of experiments (DOE) offers a great deal of benefits to any manufacturing organization, such as characterization of variables and sets the path for the optimization of the levels of these variables (settings) trough the Response surface methodology, leading to process capability improvement, efficiency increase, cost reduction. Unfortunately, the use of these methodologies is very limited due to various situations. Some of these situations involve the investment on production time, materials, personnel, equipment; most of organizations are not willing to invest in these resources or are not capable because of production demands, besides the fact that they will produce non-conformant product (scrap) during the process of experimentation. Other methodologies, in the form of algorithms, may be used to optimize a process. Known as direct search methods, these algorithms search for an optimum on an unknown function, trough the search of the best combination of the levels on the variables considered in the analysis. These methods have a very different application strategy, they search on the best combination of parameters, during the normal production run, calculating the change in the input variables and evaluating the results in small steps until an optimum is reached. These algorithms are very sensible to internal noise (variation of the input variables), among other disadvantages. In this paper it is made a comparison between the classical experimental design and one of these direct search methods, developed by Nelder and Mead (1965), known as the Nelder Mead simplex (NMS), trying to overcome the disadvantages and maximize the advantages of both approaches, trough a proposed combination of the two methodologies. پرونده مقاله