3. M AGYAR SZÁRÍTÁSI SZIM PÓZIUM

Hasonló dokumentumok
DOKTORI (PhD) ÉRTEKEZÉS TÉZISEI

Hangfrekvenciás mechanikai rezgések vizsgálata

Őszi búzák (Triticum aestivum) szemméreteinek és sűrűség értékeinek összefüggés-rendszere

Biomatematika 12. Szent István Egyetem Állatorvos-tudományi Kar. Fodor János

BAGME11NNF Munkavédelmi mérnökasszisztens Galla Jánosné, 2011.

SZEMKEMÉNYSÉG VIZSGÁLÓ MÓDSZEREK ÖSSZEHASONLÍTÁSA ŐSZI BÚZÁK ESETÉBEN. Véha Antal Gyimes Ernő JATE Szegedi Élelmiszeripari Főiskolai Kar, Szeged

Nehézségi gyorsulás mérése megfordítható ingával

A mérések általános és alapvető metrológiai fogalmai és definíciói. Mérések, mérési eredmények, mérési bizonytalanság. mérés. mérési elv

2. Rugalmas állandók mérése

y ij = µ + α i + e ij

MÉRÉSI EREDMÉNYEK PONTOSSÁGA, A HIBASZÁMÍTÁS ELEMEI

STATISZTIKA ELŐADÁS ÁTTEKINTÉSE. Matematikai statisztika. Mi a modell? Binomiális eloszlás sűrűségfüggvény. Binomiális eloszlás

Matematikai geodéziai számítások 6.

Fényhullámhossz és diszperzió mérése

Matematikai geodéziai számítások 6.

Tartalomjegyzék I. RÉSZ: KÍSÉRLETEK MEGTERVEZÉSE

Statisztika I. 9. előadás. Előadó: Dr. Ertsey Imre

Biometria az orvosi gyakorlatban. Korrelációszámítás, regresszió

Matematika osztályozó vizsga témakörei 9. évfolyam II. félév:

Feladatok: pontdiagram és dobozdiagram. Hogyan csináltuk?

1/8. Iskolai jelentés. 10.évfolyam matematika

Szárítás során kialakuló hővezetés számítása Excel VBA makróval

Géprajz - gépelemek. Előadó: Németh Szabolcs mérnöktanár. Belső használatú jegyzet 2

Mérési hibák

Statisztika I. 11. előadás. Előadó: Dr. Ertsey Imre

Méréselmélet és mérőrendszerek 2. ELŐADÁS (1. RÉSZ)

Rugalmas állandók mérése

A vizsgálatok eredményei

A mérési eredmény megadása

y ij = µ + α i + e ij STATISZTIKA Sir Ronald Aylmer Fisher Példa Elmélet A variancia-analízis alkalmazásának feltételei Lineáris modell

Biometria gyakorló feladatok BsC hallgatók számára

Statisztika I. 12. előadás. Előadó: Dr. Ertsey Imre

Al-Mg-Si háromalkotós egyensúlyi fázisdiagram közelítő számítása

A kálium-permanganát és az oxálsav közötti reakció vizsgálata 9a. mérés B4.9

1. Adatok kiértékelése. 2. A feltételek megvizsgálása. 3. A hipotézis megfogalmazása

SEGÉDANYAG az országos kompetenciamérések, érettségi és OKTV eredmények kiértékeléséhez

Mérési adatok illesztése, korreláció, regresszió

Korrelációs kapcsolatok elemzése

A II. kategória Fizika OKTV mérési feladatainak megoldása

6. Előadás. Vereb György, DE OEC BSI, október 12.

Véletlen jelenség: okok rendszere hozza létre - nem ismerhetjük mind, ezért sztochasztikus.

Rugalmas állandók mérése

2. Hangfrekvenciás mechanikai rezgések vizsgálata jegyzőkönyv. Zsigmond Anna Fizika Bsc II. Mérés dátuma: Leadás dátuma:

Peltier-elemek vizsgálata

Iskolai jelentés. 10. évfolyam szövegértés

Modern Fizika Labor. 2. Elemi töltés meghatározása

STATISZTIKA. A maradék független a kezelés és blokk hatástól. Maradékok leíró statisztikája. 4. A modell érvényességének ellenőrzése

A kerék-sín között fellépő Hertz-féle érintkezési feszültség vizsgálata

Populációbecslés és monitoring. Eloszlások és alapstatisztikák

A hőterjedés dinamikája vékony szilikon rétegekben. Gambár Katalin, Márkus Ferenc. Tudomány Napja 2012 Gábor Dénes Főiskola

Fázisátalakulások vizsgálata

Térfogati fajlagos felület és (tömegi) fajlagos felület

Andó Mátyás Felületi érdesség matyi.misi.eu. Felületi érdesség. 1. ábra. Felületi érdességi jelek

11. modul: LINEÁRIS FÜGGVÉNYEK

Országos kompetenciamérés eredményeinek kiértékelése 6. és 8. évfolyamokon 2016

Módszertani Intézeti Tanszéki Osztály. A megoldás részletes mellékszámítások hiányában nem értékelhető!

Országos kompetenciamérés eredményeinek kiértékelése 6. és 8. évfolyamokon 2012

Hangfrekvenciás mechanikai rezgések vizsgálata

[Biomatematika 2] Orvosi biometria

Fázisátalakulások vizsgálata

Iskolai jelentés. 10. évfolyam szövegértés

STATISZTIKA. András hármas. Éva ötös. Nóri négyes. 5 4,5 4 3,5 3 2,5 2 1,5 ANNA BÉLA CILI 0,5 MAGY. MAT. TÖRT. KÉM.

Szimulált vadkárok szántóföldi kultúrákban

7. Mágneses szuszceptibilitás mérése

Az ÉTI évben végzett cementvizsgálatainak kiértékelése POPOVICS SÁNDOR és UJHELYI JÁNOS

Hipotézis, sejtés STATISZTIKA. Kétmintás hipotézisek. Tudományos hipotézis. Munkahipotézis (H a ) Nullhipotézis (H 0 ) 11. Előadás

Mágneses szuszceptibilitás mérése

[Biomatematika 2] Orvosi biometria

A hőmérséklet-megoszlás és a közepes hőmérséklet számítása állandósult állapotban

Anyagvizsgálati módszerek Mérési adatok feldolgozása. Anyagvizsgálati módszerek

Méréselmélet és mérőrendszerek

Hipotézis STATISZTIKA. Kétmintás hipotézisek. Munkahipotézis (H a ) Tematika. Tudományos hipotézis. 1. Előadás. Hipotézisvizsgálatok

2. Laboratóriumi gyakorlat A TERMISZTOR. 1. A gyakorlat célja. 2. Elméleti bevezető

Rugalmas állandók mérése (2-es számú mérés) mérési jegyzõkönyv

KÖZPONTI STATISZTIKAI HIVATAL. Szóbeli vizsgatevékenység

7.1. Al2O3 95%+MLG 5% ; 3h; 4000rpm; Etanol; ZrO2 G1 (1312 keverék)

Aprítás Ipari gyógyszertechnológiai laboratórium gyakorlatai I. félév. Az aprítást befolyásoló tényezők GYAKORLATOK

Adatok statisztikai értékelésének főbb lehetőségei

Részletes összefoglaló jelentés

A hosszúhullámú sugárzás stratocumulus felhőben történő terjedésének numerikus modellezése

FEGYVERNEKI SÁNDOR, Valószínűség-sZÁMÍTÁs És MATEMATIKAI

Kísérlettervezés alapfogalmak

Kettőnél több csoport vizsgálata. Makara B. Gábor

Kutatási beszámoló február. Tangens delta mérésére alkalmas mérési összeállítás elkészítése

BME Járműgyártás és -javítás Tanszék. Javítási ciklusrend kialakítása

Mikroszkóp vizsgálata Folyadék törésmutatójának mérése

NGB_IN040_1 SZIMULÁCIÓS TECHNIKÁK dr. Pozna Claudio Radu, Horváth Ernő

ÉLELMISZER-IPARI ALAPISMERETEK ÉRETTSÉGI VIZSGA II. A VIZSGA LEÍRÁSA

Osztályozó- és javítóvizsga témakörei MATEMATIKA tantárgyból 2016 / tanév

3. Hangfrekvenciás mechanikai rezgések vizsgálata

7. Mágneses szuszceptibilitás mérése jegyzőkönyv. Zsigmond Anna Fizika Bsc II. Mérés dátuma: Leadás dátuma:

Statisztika 2. Dr Gősi Zsuzsanna Egyetemi adjunktus

Fajhő mérése. (Mérési jegyzőkönyv) Hagymási Imre február 26. (hétfő délelőtti csoport)

Országos kompetenciamérés eredményeinek kiértékelése. 6. és 8. évfolyamokon. 6. és 8. évfolyamokon 2017

Vizsgáljuk elôször, hogy egy embernek mekkora esélye van, hogy a saját

Osztályozó- és javítóvizsga. Matematika tantárgyból

A VÁGÁSI KOR, A VÁGÁSI SÚLY ÉS A ROSTÉLYOS KERESZTMETSZET ALAKULÁSA FEHÉR KÉK BELGA ÉS CHAROLAIS KERESZTEZETT HÍZÓBIKÁK ESETÉBEN

A évi országos kompetenciamérés iskolai eredményeinek elemzése

A mágneses szuszceptibilitás vizsgálata

Országos kompetenciamérés eredményeinek kiértékelése 6. és 8. évfolyamokon 2013

Átírás:

3. M AGYAR SZÁRÍTÁSI SZIM PÓZIUM Nyíregyháza 1999. szeptember 22-23.

110 A szemcseméret és fajlagos felület meghatározás anyag és hőátadási folyamatokhoz Gyimes Ernő Dr. Véha Antal *- Dr. Rajkó Róbert** József Attila Tudományegyetem Szegedi Élelmiszeripari Főiskolai Kar * Élelmiszertechnológia és Környezetgazdálkodási Tanszék **Élelmiszeripari műveletek és Környezettechnika Tanszék Bevezetés, előzmények A bennünket körülvevő világban a különféle anyag- és hőátadási folyamatoknak igen nagy a szerepe. Az élet alapvető folyamatai játszódnak le a fenti transzport folyamatok szerint, kezdve az emésztéstől egészen a hőátadási szárítási feladatokig. A mezőgazdaságban, az élelmiszeriparban e területek közül kiemelten kezelt az aprítási, keverési, alakadó (formázó) és a hőátadási műveletek sokasága. A különböző anyag- illetve hőtranszport folyamatok egymással is sok esetben hasonlóságot mutatnak. Erre az elméleti és gyakorlati irodalmi forrásokban számtalan hivatkozás található, amelyek az ún. hasonlósági elveket és kritériumokat tárgyalják. A hasonlóság egyik fontos eleme a szemcseméretnek, illetve a felületnek, fajlagos felületnek a kitüntetett szerepe. A felületnek elsősorban azért, mert a hő- és anyagátadási műveletek ténylegesen a felületek mentén játszódnak le. Erre utalnak a hő- és anyagátadás fontosabb törvényei. A szemcseméretnek valamint a szemcseméret eloszlásnak hasonlóan fontos szerepe van, részben elméleti, részben gyakorlati - üzemeltetési - szempontból. Szemnagyság vagy szemcseméret alatt az adott szemcse nagyságát kifejező lineáris méretet értjük. Nem szabályos alakú szemcsék esetén - ide sorolható a mezőgazdasági anyagok tekintélyes része - a méret nagyszámú, sok esetben egymástól is eltérő adattal fejezhető ki. Ilyenek a méret szélső értékek és középérték, valamely tulajdonság hasonlóságán alapuló ún. egyenértékű szemcseméret stb. Az eltérő meghatározási módok eltérő értékeket adnak ugyanarra a szemcsenagyság értékre, ami a különféle kísérleteknél, azok reprodukálásánál gondot jelenthet. A granulometriai gyakorlatban leggyakrabban a szitaelemzés alapján meghatározott szemcseméretet használják. Ennek során adott, a szemcseméret tartományhoz

111 optimálisan illeszkedő szitasorozattal két, esetleg több szitálást kell végezni. A nemzetközi gyakorlatban többféle szitasorozat szabványt használnak, az USA az ún. Tyler és az ASTM sorozatot, míg Európában a Renard-féle sorozat () a jellemző. A szitálás végrehajtása után képződött szitamaradékokat visszamérve megkapható az ún. átlagos szemcseméret, amely a szitált őrlemény (vagy rostaanalízis esetén a szemestermény) méret szerinti eloszlásának leggyakoribb értéke, azaz módusza. A kiértékelést nehezíti a túlzottan széles eloszlási tartomány, amely a szemestermények őrleményeit jellemzi. A tudomány számtalan eloszlás típust ismer, amelyek közül a leggyakrabban a következőket alkalmazzák: a Gaudin-Adrejev- Schuhmann-, a Rosin-Rammler-Sperling-Bennett- és a lognormális eloszlás, vagy másképpen a Kolmogorov-Rényi eloszlás. Hasonlóan problémás a felület, illetve a fajlagos felület mérésének, meghatározásának a kérdése. A közvetlen meghatározásra többfajta módszer ismeretes, ezek közül a turbidimetriás, a gázadszorpciós-folyadékadszorpciós módszer vagy a permeabilitás alapján történő mérés. Mindegyik módszernél azonban oldódás problémájával kell számolni, amely a hibalehetőséget tovább növeli. Ezek mellett a fajlagos felület esetén is számolni kell azzal, hogy ugyanannak az anyagnak a felületértékei, az egyes módszerek között - a metodikai eltérések miatt - nagy szórást mutatnak. Az aprítási kísérletek során általában kielégítő pontosságú és viszonylag kis variáció mellett használható a Rittinger-féle (felületi) aprításelméleti összefüggésnél is alkalmazott, egyszerűsítő kritériumok szerinti képlettel megadott fajlagos felület érték: 6 Fajlagos felület = X ------- pxx cm g 0 ) ahol p az anyag sűrűsége (kg/cm3) x a szemcse élhossza (cm) A módszer egyik előnye, hogy a szitaanalízis értékelése során, a sűrűség ismeretében a fajlagos felület meghatározása is elvégezhető. Fontos megjegyezni, hogy a sűrűség esetén a valódi, azaz a szemcsés halmazra jellemző értékkel kell számolni, ellenkező esetben az intergranuláris tér miatti értékváltozás jelentős hibát okoz. További probléma, hogy a szemestermények eredeti

112 formájukban kévésé hasonlítanak a kocka alakhoz, ezért abban az esetben a tényleges alak szerinti megközelítés a kívánatos. A vizsgálat célkitűzése A vizsgálatok célja hármas volt, egyrészt meghatározni több búzafajta bevonásával azok fontosabb geometriai jellemzőit, másrészt a geometriai méretek ismeretében meghatározni, a méret alakulására ható tényezőt, tényezőket. Harmadrészben arra kerestünk választ, hogy az eltérő alakú és beltartalmú fajok (búza, kukorica, szója) azonos körülmények közötti aprítása során az egyes eloszlástípusok közül melyik bizonyul a legmegbízhatóbbnak. Anyag, eszköz, módszer Kísérleteinket a JATE Szegedi Élelmiszeripari Főiskolai Karán végeztük. A szemcseméret és a felület meghatározásához étkezési búzát (Triticum Aestívum) használtunk, az egyes eloszlás típusok értékeléséhez búza (GK-öthalom), kukorica (Dekalb 524 se) és szója (Bolyi 44) került felhasználásra. Az 1. táblázat tartalmazza a búzavizsgálatok első részének adatait, a szemcseméret meghatározása a rostaelemzés módszerével történt. A táblázatból kitűnik az 1998. évben termett fajták magasabb fajlagos felület értéke, a táblázat végén találhat fajtákból nem állt rendelkezésünkre eltérő évjárat, de hipotézisünk szerint hasonló tendencia lett volna megfigyelhető. A továbbiakban a szemcseméret akkurátusabb mérését részben az 1. táblázatban közölt fajták, részben más búzafajták bevonásával is elvégeztük. A mérés ebben az esetben szemenként történt, a mintaelőkészítés után 100-100 szem mindhárom geometriai méretének meghatározásával. A 2. táblázatban ennek a mérési sornak az adatai láthatók.

113 l.táblázat A vizsgált búzafajták fontosabb fizikai mutatói Fajta, évjárat Nedvesség - tartalom Ezerszem tömeg Sűrűség Átlag szemméret Fajlagos felület Acélosság (%) (g) (g/cm3) (mm) (cm2/g) (%) GK-Csűrös 1997 11,7 47,2 1,3133 3,38 12,11 79,1 GK-Csűrös 1998 11,63 44,2 1,3580 3,33 13,27 52,87 GK-Duna 1996 8,6 40,2 1,3726 3 3 7 11,99 76,2 GK-Duna 1998 11,67 35,1 1,3107 2,95 15,54 53,89 GK-Kata 1995 11,4 44,6 1,3106 3,40 11,92 80,2 GK-Kata 1997 10,5 41,0 1,2695 3,39 12,16 60,9 GK-Kata 1998 11,98 35,8 1,3038 3,22 14,30 46,15 G K-öthalom 1995 11,4 44,6 1,3519 3,38 11,91 80,2 G K-öthalom 1997 11,3 43,9 1,2656 3,37 11,90 79,2 GK-Öthalom 1998 11,86 40,2 1,3077 3,21 14,29 65,13 Jubilejnaja-50 11,5 48,7 1,3449 3,40 11,85 81,0 1996 MV-15 1994 11,70 37,6 1,3678 3,16 13,88 79,8 MV-16 1994 12,37 39,4 1,3586 3,18 13,89 82,1 MV-17 1995 12,91 41,8 1,3464 3,55 12,55 77,1 M V -2 1 1995 12,04 37,9 1,2978 3,25 14,23 77,7 MV-22 1997 12,19 32,7 1,3594 3,11 14,19 69,9 MV-23 1997 12,10 40,0 1,3434 3,44 12,98 53,3 M V Fatima 1998 11,94 45,0 1,3668 3,52 13,03 56,2 M V Magvas 1998 11,84 40,0 1,3339 3,30 13,61 63,0 M V Pálma 1998 12,28 38,0 1,3690 3,36 12,77 62,1 MV Summa 1998 12,28 37,0 1,4285 3,35 12,51 41,0 A három jellemző méret közül a szélességi méret alakulását az 1. ábrán mutatjuk be. Az ábrán jól nyomonkövethető az évjárati hatás szerepe. Az 1998. évben termett fajták szélességi méretei jelentősen eltérnek az egyéb évjáratoktól. Különösen szembetűnő a Kata és öthalom fajtáknál, ahol három éven tartó vizsgálat adta az értékelés alapját, és mindkét fajta esetében az 1995 és 1997-es év adatai között nem volt lényeges eltérés, szemben az 1998-as év adataival. Megállapítható a fajtánkénti eltérés a Duna és a Csűrös fajta esetén is, bár ebben az esetben két évjáratot vizsgáltunk.

114 2. táblázat A vizsgált búzafajták szemgeometriai méretei Fajta neve Szélesség Vastagság Hosszúság Átlag Szórás Átlag Szórás Átlag Szórás Durum 1998 2,976 0,164 2,912 0,144 6,501 0,257 GK-Bétadur 1997 3,137 0,159 2,987 0,153 8,110 0,461 GK-Csörnöc 1995 3,548 0,226 3,100 0,224 7,031 0,317 GK-Csűrös 1997 3,593 0,162 2,903 0,137 6,329 0,286 GK-Csűrös 1998 3,329 0,164 2,832 0,123 6,755 0,256 GK-Duna 1996 3,231 0,184 2,886 0,165 6,455 0,307 GK-Duna 1998 2,945 0,153 2,887 0,125 6,466 0,293 GK-Kata 1995 3,552 0,162 2,953 0,156 6,271 0,216 GK-Kata 1997 3,545 0,191 2,917 0,157 6,374 0,230 GK-Kata 1998 3,218 0,184 2,692 0,158 6,046 0,234 GK-Öthalom 1995 3,429 0,152 3,001 0,187 6,503 0,338 GK-Öthalom 1997 3,408 0,242 3,102 0,173 6,469 0,279 GK-Öthalom 1998 3,209 0,207 2,916 0,176 6,730 0,293 GK-Pinka 1995 3,525 0,220 2,923 0,184 7,010 0,389 JubiIejnaja-50 1996 3,360 0,154 2,932 0,115 6,954 0,320 Tambor (A) 1998 3,304 0,242 2,916 0,206 6,222 0,362 1 szélesség (mm) 1. ábra A szélességi méretek átlagértékeinek konfidencia sávjai a vizsgált búzafajták esetén

115 Az egyes eloszlás típusok összehasonlítása szintén figyelemre méltó eredményt hozott. A részletes adatok bemutatását mellőzve a 3. táblázatban mutatjuk be a vizsgált eloszlástípusok lineáris közelítését, azok egyenletével és a determinációs együtthatóval. A determinációs együttható a mért és számított értékek közötti kapcsolat szorosságát mutatja. Vizsgált faj RRSB GAS Kolm ogorov-rényi Egyenlet R Egyenlet R Egyenlet R Búza Y =2,7514x+l,2211 0,9304 Y=2,7322x+0,6404 0,7955 Y=l,715x+1,2635 0,9711 Kukorica Y=3,1791x+1,4446 0,8708 Y=2,3 836x+0,4846 0,8755 Y=l,906x+1,3445 0,9740 Szója Y=2,9181x+l,3841 0,8934 Y=2,5328+0,6135 0,8284 Y =l,648x+1,1682 0,9754 Megjegyzés: RRSB: Rosin-Rammler-Sperling-Bennett GAS: Gaudin-Andrejev-Schuhmann A táblázatból látható, hogy a Kolmogorov-Rényi eloszlás minden esetben jobb értéket adott, bár az RRSB egyenlet és a GAS eloszlás is szoros korrelációt feltételez. Itt kell felhívni a figyelmet arra, hogy csak a korreláció erősségét mérlegelve akár téves következtetéshez is juthatunk, hiszen transzformált koordináta rendszerben ábrázolva az adatokat jól látható törést figyelhetünk meg az RRSB és GAS eloszlás esetében. Összefoglalás Az általunk mért és közölt geometriai méret-meghatározásoknak és a fajlagos felület megállapításának nagy szerepe van a különféle anyag- és hőtranszport folyamatoknál. Az aprítástechnikai vizsgálatoknál alkalmazott fajlagos felület számítási mód - egyszerűsítő feltételezésekkel - alkalmasnak látszik egyes szárítási és egyéb hőátadási illetőleg anyagátadási feladatok megoldásánál, elsősorban őrlemények esetén. A felület kiszámításának pontossága kielégítőnek tűnik. A szemestermények eredeti formájukban eltérő számítási metódust igényelnek, amelynek lényeges eleme a valóságos alakot legjobban megközelítő geometriai alak leírása. A szemcseméret meghatározás során a táblázatokból és az ábráról is jól látható, hogy a geometriai (szélességi) méret a fajtától erősen függő, noha nem szignifikánsan változó, valamint az évjárati hatásnak nagy szerepe van a méret alakulására. Az eloszlástípusok összehasonlításának eredménye arra enged következtetni, hogy a Kolmogorov-Rényi féle lognormális eloszlás mindhárom fajnál pontosabban közelítette meg a mért értékeket.