More Related Content Similar to Evaluation of the Importance of Multi-objective Particle Swarm Algorithm Parameters in Optimizing the Solutes Rejection of Camel Milk Ultrafiltration Using Partial Least Squares Regression (20) More from Iranian Food Science and Technology Research Journal (14) Evaluation of the Importance of Multi-objective Particle Swarm Algorithm Parameters in Optimizing the Solutes Rejection of Camel Milk Ultrafiltration Using Partial Least Squares Regression1. رضوی
کاشانی و
،نژاد
الگوریتم پارامترهای اهمیت بررسی
ذرات ازدحام
بهینه در هدفه چند
یابی
اجزاء دفع درصد
…
577
Research Article
Vol. 19, No. 5, Dec.-Jan. 2023, p. 577-591
Evaluation of the Importance of Multi-objective Particle Swarm Algorithm
Parameters in Optimizing the Solutes Rejection of Camel Milk Ultrafiltration
Using Partial Least Squares Regression
S.M.A. Razavi 1*
, M. Kashaninejad21
1 and 2- Professor and Ph.D. Graduated Student, Department of Food Science and Technology, Faculty of Agriculture,
Ferdowsi University of Mashhad, Iran, respectively.
(*- Corresponding Author Email: s.razavi@um.ac.ir)
Received: 2021.03.28
Revised: 2021.07.02
Accepted: 2021.07.07
Available Online: 2021.09.15
How to cite this article:
Razavi, S.M.A., & Kashaninejad, M. (2023). Evaluation of the importance of
multi-objective particle swarm algorithm parameters in optimizing the solutes
rejection of camel milk ultrafiltration using partial least squares regression.
Iranian Food Science and Technology Research Journal, 19(5), 577-591. (In
Persian with English abstract). https://doi.org/10.22067/ifstrj.2021.69556.1028
Introduction
Ultrafiltration is one of the most common membrane processes in the dairy industry, especially for condensing and
separating milk components. Using this process, several products can be produced, including milk concentrate used for
cheese production, low-lactose dairy products, milk protein concentrate, and serum proteins for dietary supplements. The
efficiency and cost of a membrane process depend on the percentage of rejection of the soluble components. Therefore,
the use of concentrated milk made by ultrafiltration in the production of various dairy products depends on the efficiency
of the membrane process and the changes in milk components during this process. On the one hand, the physicochemical
properties of camel milk are different from those of cow milk, especially in terms of type and amount of protein. Because
significant differences exist between the physicochemical properties of camel and cow milk, likely, the membrane
processing conditions and the physicochemical properties of their products will be different completely. Although many
studies have been conducted on the efficacy of the ultrafiltration processing of cow milk, there is no information about
the efficacy of camel milk ultrafiltration, and most of the research done regarding optimizing is based on classical
algorithms, Therefore, in this study, the effects of transmembrane pressure and temperature on the solutes rejection
(protein, lactose, ash, and total solids) during camel milk ultrafiltration process were investigated, Then, these properties
were optimized using particle swarm algorithm. Also, because the performance of the particle swarm algorithm is highly
dependent on related parameters such as the number of iterations, the number of particles, accelerate constant, inertia
weight, and velocity of the particles, so before optimization, the effect of these parameters on optimal responses were
examined by partial least squares regression (PLS).
Materials and Methods
In this study, a pilot crossflow ultrafiltration system was used. A UF membrane (Model 3838 HFK-131, Koch
membrane systems, Inc., USA) made of polysulfone amid (PSA) with MWCO of 20 kDa was applied. Camel milk was
purchased from a local market in Mashhad and for camel skim milk production, its fat was separated by a pilot plant milk
fat separator in the Food Research Complex, Ferdowsi University of Mashhad. The weight percentages of protein, fat,
lactose, ash, and total solids of UF permeate samples were measured by ISO 8968-1:2014, ISO 1211: 2010, ISO
26462/IDF 214:2010, ISO 5544:2008, and ISO 6731:2010 at two replications, respectively. the process treatments were
performed in the form of a central composite design (CCD) (5 replications at the central point) for two independent
variables at three levels so that the total number of 13 treatments was obtained. The data were modeled using the statistical
©2023 The author(s). This is an open access article distributed under Creative Commons Attribution 4.0
International License (CC BY 4.0), which permits use, sharing, adaptation, distribution and reproduction in
any medium or format, as long as you give appropriate credit to the original author(s) and the source.
https://doi.org/10.22067/ifstrj.2021.69556.1028
Iranian Food Science and Technology
Research Journal
Homepage: https://ifstrj.um.ac.ir
2. 578
جلد ،ایران غذایی صنایع و علوم پژوهشهای نشریه
19
شماره ،
5
،
آذر
-
دی
1402
software of Design Expert (version 11) based on the response surface methodology and each of the response variables in
the form of a regression model was presented as a function of independent variables.
Results and Discussion
The rejection of total solids and protein of the tested samples varied in the range of 45.4-51.03% and 94.09-97.51%,
respectively. It means that in each TMP and T, more than 45% of the total solids and 94% of the protein of camel milk
were kept by the membrane. The results also showed that none of the linear, quadratic and interactive effects of TMP and
T on the total solids and protein rejections were not significant. According to the results, the RL reduced with increasing
T. Increasing the TMP also led to a reduction at high T and an increase in RL rate of the samples at lover T. Also, the
effect of TMP on RA showed a non-linear trend, so that TMP at high T led to an increase, and at low T, it led to a reduction
in the RA of the samples.
Conclusion
The optimization results with the particle swarm algorithm showed that this algorithm has a high convergence speed
and by recognizing and analyzing its parameters, the optimal conditions can be easily found. The optimum ultrafiltration
conditions in this study with the lowest RL and RA were determined as 80 kPa TMP and 29.85 ͦ C T.
Keywords: Camel milk, Partial least squares regression, Particle swarm algorithm, Solute rejection, Ultrafiltration
3. رضوی
کاشانی و
،نژاد
الگوریتم پارامترهای اهمیت بررسی
ذرات ازدحام
بهینه در هدفه چند
یابی
اجزاء دفع درصد
…
579
پژوهشی مقاله
جلد
19
شماره ،
5
،
آذر
-
دی
1402
.ص
591
-
577
الگوریتم پارامترهای اهمیت بررسی
ذرات ازدحام
بهینه در هدفه چند
یابی
اجزاء دفع درصد
محلول
اولترافیلتراسی
ون
شیر
از استفاده با شتر
رگرس
ی
ون
حداقل
جزئی مربعات
سید
محمد
علی
رضوی
1
*
-
مرتضی
کاشانی
نژاد
2
:دریافت تاریخ
08
/
01
/
1400
:پذیرش تاریخ
16
/
04
/
1400
چکیده
ا در
ی
ن
تحق
ی
ق
،
اهم به توجه با
ی
ت
ش
ی
ر
و و شتر
ی
ژگ
ی
ها
ی
عملکرد
ی
غذا و
یی
پروتئ خاص
ی
ن
ه
ا
ی
آن
تولید فرآیند در
پروتئ کنسانتره
ی
ن
ش
ی
ر
،
ابتدا
اثر
اختالف
( غشاء عرض در فشار
80
،
120
و
160
ک
ی
لو
)پاسکال
دمای و
فرآیند
(
20
،
30
و
۴0
سانتی درجه
گراد
)
بر
درصد
شیر محلول اجزاء دفع
شتر
امالح ،الکتوز ،(پروتئین
طی در )کل جامد مواد و
فرآیند
شیر اولترافیلتراسیون
شتر
مدلسازی مرکزی مرکب روش توسط
و شد
مدل سپس
معنی های
توسط دار
الگور
ی
تم
چند ذرات ازدحام
هدفه
الگوریتم پارامترهای اهمیت بررسی از پس
به
ی
نه
یابی
شد
.ند
که داد نشان نتایج
اختالف افزایش
فشار
معنی افزایش به منجر
دار
افزایش و امالح دفع درصد
م اولترافیلتراسیون دمای
معنی افزایش به نجر
.شد امالح دفع درصد و الکتوز دفع درصد دار
که داد نشان تحقیق نتایج همچنین
ه
ی
چ
خط اثرات از کدام
،ی
دوم درجه
متقابل و
دما و فشار اختالف
بر
پروتئ و کل جامد مواد دفع درصد
ی
ن
نمونه
معنی ها
نبود دار
ضرایب نتایج .ند
استاندارد
شده
برای
متغیرهای
وابسته
(
الکتوز دفع درصد
(
l
R
)
( امالح و
a
R
( الگوریتم اجرا زمان مدت ،))
CPU time
پاسخ تعداد و )
( ارزیابی مورد های
NFE
با )
متغیرهای
مستقل
(
تعداد
( تکرار
Number of Iterations
،)
( ذرات تعداد
Number of particles
)
،
ضر
ی
ب
ا
ی
نرس
ی
(
W1
)
،
ضر
ی
ب
ی
ادگ
ی
ر
ی
شخص
ی
(
C1
)
و
ضر
ی
ب
ی
ادگ
ی
ر
ی
کل
ی
(
C2
)
در )
رگرسیون
PLS
داد نشان نیز
پاسخ همه در ذرات تعداد که
باالترین دارای بررسی مورد های
اهمیت
و بود
ضر
ی
ب
ی
ادگ
ی
ر
ی
شخص
و ی
ضر
ی
ب
ی
ادگ
ی
ر
ی
کل
اجرای زمان مدت بر چندانی اهمیت ی
پاسخ تعداد و الگوریتم
.نداشتند ارزیابی مورد های
بهینه منظور به
نیز تحقیق این در یابی
الکتوز دفع درصد
و
امالح دفع درصد
با که شدند گرفته نظر در حداقل
ت
وجه
به
صفات
،مذکور
فشار اختالف
و
دما
به بهینه ی
ترتیب
80
و پاسکال کیلو
85
/
29
سانتی درجه
گراد
به
دست
الکتوز دفع فرآیندی چنین در .آمد
38
/
13
درصد
و
دفع
امالح
70
/
18
همچنین .بود درصد
اجرای زمان مدت
پاسخ تعداد و الگوریتم
بهینه این در ارزیابی مورد های
نیز یابی
1۴3
/
0
و ثانیه
1000
.بودند
واژه
ها
ی
کلید
ی
:
الگور
ی
تم
ذرات ازدحام
،
محلول اجزاء دفع درصد
،
رگرس
ی
ون
،جزئی مربعات حداقل
شیر
،شتر
فیلتراسیون
مقدمه
1
اولترافیلتراسیون
از
متداول
فرآیند ترین
های
غشایی
د
لبنی صنایع ر
به
ویژه
برا
ی
تغل
ی
ظ
جداساز و
ی
اجزا
ی
ش
ی
ر
فرآی این از استفاده با .است
ند
می
،پنیر برای استفاده مورد شیر جمله از متعددی محصوالت توان
فرآورده
و شیر پروتئینی کنسانتره ،پایین الکتوز با لبنی های
پ
روتئ
ی
ن
ها
ی
سرم
ی
برا
ی
مکمل
های
غذا
کرد تولید یی
(Ng et al., 2017)
.
به متنوع محصوالت تولید در فرایند این از استفاده بنابراین
برای ویژه
1
و
2
-
به
دانش و استاد ترتیب
ایران ،مشهد ،فردوسی دانشگاه ،کشاورزی دانشکده ،غذایی صنایع مهندسی و علوم گروه ،دکتری آموخته
*(
-
:مسئول نویسنده
s.razavi@um.ac.ir
Email:
)
https://doi.org/10.22067/ifstrj.2021.69556.1028
شتر شیر
به
یک عنوان
ی
از
من
ا
شیر تولید مهم بع
،
دلیل به
افزا
ی
ش
جمع
ی
ت
تول کاهش و
ی
د
غذا مواد سرانه
یی
کشورها در
ی
توسعه حال در
،
بسی
ار
است اهمیت حائز
(Benmechernene et al., 2014)
.
طرفی از
کاهش اولترافیلتراسیون فرآیندهای عملی کاربرد محدودیت مهمترین
پدیده دلیل به غشاء کارایی
،است گرفتگی و غلظت پالریزاسیون های
ترا جریان شار شدید کاهش موجب ،فرآیند اول دقیقه چند در زیرا
و
،ه
می محلول اجزاء دفع میزان تغییر و گرفتگی توسعه
ن در که شوند
هایت
نهایی محصول فیزیکوشیمیایی خصوصیات اساسی تغییرات به منجر
ایران غذایی صنایع و علوم پژوهشهای نشریه
https://ifstrj.um.ac.ir
4. 580
جلد ،ایران غذایی صنایع و علوم پژوهشهای نشریه
19
شماره ،
5
،
آذر
-
دی
1402
می
گردند
(
Rao, 2002
)
.
دق تعیین بنابراین
م عوامل شرایط یق
ؤ
ب ثر
ر
عوامل جمله از اولترافیلتراسیون فرایند
هیدرودینامیکی
یعنی
اختالف
فشار
اهمیت صرفه به مقرون و کیفیت با محصول یک تولید در دما و
.دارد فراوانی
مورد در
فرآیند کارایی
اولتراف
ی
لتراس
ی
ون
گاو شیر
ت
حق
ی
قات
فراوانی
است شده
(
Grandison et al., 2000; Razavi et al.,
2017; Wang and Chung, 2005; Luo et al., 2015
)
مورد در اما
اجزاء دفع درصد
محلول
شتر شیر
اطالعا
ت
بس
ی
ار
کم
ی
دارد وجود
.
م
هایا
همکاران و
(
Mehaia et al., 1996
)
تغ
یی
رات
پروتئ غلظت
ی
،ن
چرب
ی
،
ش امالح و کل جامد مواد ،الکتوز
ی
ر
شتر
فرآ طول در
ی
ند
تغل
ی
ظ
ت
وسط
اولتراف
ی
لتراس
ی
ون
که داد نشان و داد قرار ارزیابی مورد را
100
درصد
نیتروژن
پروتئ
ی
ن
و ی
چرب
حدود ،ی
13
غیر نیتروژن درصد
پروتئ
ی
ن
و ی
1
درصد
ش الکتوز
ی
ر
شتر
فرآ طول در
ی
ند
تغل
ی
ظ
ش دفع غشاء توسط
.دند
شیر محققین برخی همچنین
اولترافیلتراسیون فرآیند توسط را شتر
تغلیظ
کرده
را شتر شیر پروتئینی ایزوله و پنیر نظیر محصوالتی و اند
کرده تولید
و غشاء کارایی اما اند
اجزاء دفع درصد
محلول
اولتراف
ی
لتراس
ی
ون
نکرده بررسی را آن
اند
(
Hassl et al., 2011;
Mehaia, 1996
.)
اغلب طرفی از
مسائل
بهینه
در یابی
مهندسی
عالوه
بر
غیر
خطی
بودن
دارای
محدودیت
های
زیادی
هستند
.
بنابراین
یافتن
حل راه
های
بهینه
برای
اینگونه
مسائل
غیر
خطی
نیازمند
الگوریتم
های
بهینه
یابی
موثر
و
کارا
می
باشد
.
بسیاری
از
الگوریتم
های
فراابتکاری
مدرن
بر
مبنای
هوش
جمعی
و
الهام
گرفتن
از
طبیعت
گسترش
یافته
این امروزه و اند
الگوریتم
های
فراابتکاری
پیشرفته
با
توجه
به
قدرت
و
کارایی
شان
در
کاربردهای
مختلف
توسعه
یافته
اند
.
الگور
ی
تم
بهینه
ذرات ازدحام یابی
1
ی نیز
ک
ی
مهم از
تر
ی
ن
الگور
ی
تم
ها
ی
بهینه
یابی
د که است هوشمند
حوزه ر
ازدحام هوش
ی
2
جا
ی
م
ی
گ
ی
رد
ا .
ی
ن
الگور
ی
،تم
ج توسط
ی
مز
کند
ی
و
س راسل
ی
سال در ابرهارت
1995
معرف
ی
گرد
ی
رفتار از الهام با و ،د
اجتماع
ی
ح
ی
وانات
ی
ماه چون
ی
گروه در که پرندگان و ها
ها
یی
و کوچک
زندگ هم کنار بزرگ
ی
م
ی
طراح ،کنند
ی
الگور در .است شده
ی
تم
ازدحام
ذرات
ا ،
عضا
ی
جمع
ی
ت
جواب
مستق صورت به ،ها
ی
م
دارند ارتباط هم با
طر از و
ی
ق
با اطالعات تبادل
ی
کد
ی
گر
و
ی
ادآور
ی
گ خوب خاطرات
ذشت
،ه
م مساله حل به
ی
الگور .پردازند
ی
تم
ذرات ازدحام
برا
ی
مسائل انواع
پ
ی
وسته
پاسخ و است مناسب گسسته و
ها
ی
بس
ی
ار
مناسب
ی
برا
ی
مسائل
بهینه
د مختلف یابی
است اده
(
Yang, 2010
)
.
اگرچه
الگور
ی
تم
ازدحام
ذرات
ی
ک
بس روش
ی
ار
سر
ی
ع
برا که است
ی
پ چندان نه مسائل
ی
چ
ی
ده
و
به در آنها شدن دچار احتمال که کم بعد با
ی
نه
محل
ی
مطلوب ،است کم
م
ی
باشد
،
ول
ی
پ و باالتر بعد با مسائل در
ی
چ
ی
ده
دارا که تر
ی
به نقاط
ی
نه
1- Particle Swarm optimization (PSO)
2- Swarm Intelligence
محل
ی
ز
ی
اد
ی
م
ی
همگرا باشند
یی
سر
ی
ع
م
ی
نش تواند
ان
ا دهنده
ی
ن
با
شد
جمع ذرات که
ی
ت
در
ی
ک
به نقطه
ی
نه
محل
ی
شده متوقف
اند
که
ا به
ی
ن
پد
ی
ده
همگرا
یی
زودرس
نیز
م گفته
ی
شو
د
(
Shi and Eberhart,
1998
)
.
میان این در
پارامترها رفتار شناخت
ی
ا
ی
ن
الگور
ی
تم
تع و
ی
ی
ن
مقاد
ی
ر
دق
ی
ق
م نظر مورد مسئله به توجه با آنها
ی
ت
بسزا نقش واند
یی
در
کاهش
ی
ا
افزا
ی
ش
همگرا سرعت
یی
گر و
ی
ز
به از
ی
نه
ها
ی
محل
ی
پ در را
ی
.باشد داشته
در
مختلف مطالعات از بسیاری
،
پارامترهای
الگوریتم
ا
زدحام
ذرات
تعیین پیشین مطالعات تجربیات از استفاده با یا و تجربی صورت به
شده
اند
(
Eberhart, Shi, and Kennedy, 2001
)
اما ،
است بدیهی
می هدف تابع نوع به وابسته شدت به الگوریتم پارامترهای که
و باشد
اهمیت حائز بسیار مسئله شرایط اساس بر آنها از یک هر اثر شناخت
.است
تحق تاکنون
ی
ق
چندانی ات
خصوص در
تاثیر
عوامل
هیدرودینامی
کی
بر
درصد
شیر محلول اجزاء دفع
شتر
د
طی ر
فرآیند
اولترافیلتراسی
شیر ون
شتر
صورت
نگرفته
است
و
اکثر
تحقی
قات
زم در شده انجام
ی
نه
ب
ه
ی
نه
ی
اب
ی
اولترافیلتراسیون فرآیند
مبنا بر
ی
الگور
ی
تم
ها
ی
کالس
ی
ک
است بوده
،
لذا
در
ا
ی
ن
اثر ،پژوهش
( غشاء عرض در فشار اختالف
80
،
120
و
160
ک
ی
لو
)پاسکال
دمای و
فرآیند
(
20
،
30
و
۴0
سانتی درجه
گراد
)
بر
درصد
شیر محلول اجزاء دفع
شتر
)کل جامد مواد و امالح ،الکتوز ،(پروتئین
طی در
فرآیند
شیر اولترافیلتراسیون
شتر
مدلسازی
و شد
مدل
معنی های
توسط دار
الگور
ی
تم
به هدفه چند ذرات ازدحام
ی
نه
یابی
شد
چون .ند
الگور عملکرد
ی
تم
ذرات ازدحام
با مرتبط پارامترهای به وابسته شدت به
جمله از آن
تعداد
تکرار
3
،
ذرات تعداد
۴
،
ضر
ی
ب
ا
ی
نرس
،ی
ضر
ی
ب
ی
ادگ
ی
ر
ی
شخص
ی
و
ضر
ی
ب
ی
ادگ
ی
ر
ی
کل
ی
بهینه از قبل لذا ،است
این اثر ،یابی
بر پارامترها
پاسخ
زمان مدت ،)امالح و الکتوز دفع (درصد بهینه های
پاسخ تعداد و الگوریتم اجرای
،ارزیابی مورد های
رگرس توسط
ی
ون
حداقل
( جرئی مربعات
PLS
.گرفت قرار بررسی مورد )
روش و مواد
ها
ن و غشايي سيستم
عمليات حوه
جریان غشایی اولترافیلتراسیون سیستم یک از تحقیق این در
مدل نیز استفاده مورد غشاء .شد استفاده پایلوتی عرضی
3838 HFK-
131
( آمریکا کوچ شرکت ساخت و
Koch membrane Com.,
USA
منافذ اندازه با آمید سولفون پلی جنس از )
(MWCO)
20
اولتراف سیستم .بود کیلودالتون
ت به مجهز استفاده مورد یلتراسیون
انک
دبی ،سانتریفوژی پمپ ،خوراك
نوع از اولترافیلتراسیون مدول ،سنج
لوله حرارتی مبدل ،حلزونی مارپیچ
عقربه سنج فشار دو ،ای
ش دو ،ای
یر
3- Number of Iterations
4- Number of particles
5. رضوی
کاشانی و
،نژاد
الگوریتم پارامترهای اهمیت بررسی
ذرات ازدحام
بهینه در هدفه چند
یابی
اجزاء دفع درصد
…
581
در دما تغییرات از جلوگیری برای .بود دیجیتالی دماسنج یک و جریان
مبدل توسط جریان دمای ،عملیات طی
لوله حرارتی
نظر مورد حد در ای
می تنظیم
گردید
.
ش
ی
ر
ته شتر
ی
ه
محل بازار از شده
ی
خر مشهد
ی
دار
ی
ش
د
چرب و
ی
آموزش مجتمع در آن
ی
-
تحق
ی
قات
ی
صنا
ی
ع
غذا
یی
دانشگاه
فردوس
ی
پ از پس مشهد
ی
ش
( شدن گرم
37
سانت درجه
ی
توسط )گراد
.شد جدا سپراتور
آزمايشات
وزن درصد
ی
پروتئ
ی
،ن
چرب
ی
،
خشک جامد مواد و امالح ،الکتوز
چرب بدون
ی
نمونه
ها
ی
ش
ی
ر
شتر
چرخ پس
و
تراو
ه
به
روش به ترتیب
( های
ISO 8968-1,2014
( ،)
ISO 8968-1,2014
( ،)
ISO 8968-
1,2014
( ،)
ISO 8968-1,2014
( و )
ISO 8968-1,2014
)
دو در
اندازه تکرار
گ
ی
ر
نشان چرخ پس شتر شیر شیمیایی آنالیز .شدند ی
د
که اد
نمونه
دارای ها
6
/
0
،چربی درصد
22
/
3
درصد
،پروتئین
56
/
3
درصد
،الکتوز
90
/
0
درصد
و امالح
25
/
8
درصد
کل جامد مواد
و
1361
میلی
و پتاسیم لیتر در گرم
1176
میلی
،کلسیم لیتر در گرم
656
میلی
در گرم
،فسفر لیتر
6۴5
میلی
،سدیم لیتر در گرم
77
میلی
منیزی لیتر در گرم
و م
5
/
6
میلی
،آلومینیوم لیتر در گرم
55
/
۴
میلی
روی لیتر در گرم
35
/
0
میلی
،آهن لیتر در گرم
55
/
۴
میلی
،روی لیتر در گرم
0۴
/
0
میلی
لیتر در گرم
منگنز
و
pH
برابر
2
/
6
.بودند
امالح ،الکتوز ،(پروتئین محلول اجزاء ظاهری دفع درصد
و
مواد
عملیات طی در )کل خشک جامد
اولتر
از استفاده با نیز افیلتراسیون
ر
ابطه
شد محاسبه زیر
(
1
:)
𝑅𝑎𝑏𝑠 = 1 −
𝐶𝑝
𝐶𝑏
آن در که
Cp
و تراوه در محلول جزء غلظت
Cb
غلظت
جزء
.است )ناتراوه (یا خوراك در محلول
مدلسازی
آماری آناليز و
در
این
،پژوهش
تیمارهای
فرآیند
قال در تصادفی ًالکام روش به
ب
طرح
مرکزی مرکب
(
CCD
)
(
5
مرکزی نقطه در تکرار
)
برای
دو
متغیر
)فشار اختالف و (دما مستقل
در و
سه
به شد انجام سطح
که صورتی
کل تعداد
13
تیمار
(مطابق
جدول
1
آمد دست به )
(
Montgomery,
2017
)
.
نرم از استفاده با پژوهش نتایج
آماری افزار
دیزاین
-
اکسپرت
(
Expert version 10
-
Design
)
پاسخ سطح روش به
1
مدلسازی
شد
پاسخ متغیرهای از یک هر و
(
درصد
الکتوز دفع
و
مدل قالب در )امالح
جمله چند رگرسیون
ارائه مستقل متغیرهای از تابعی صورت به زیر ای
:شدند
1- Response surface methodology
(
1
)
𝑌 = 𝛽0 + ∑ 𝛽𝑖
3
𝑖=1 𝑥𝑖 + ∑ 𝛽𝑖𝑗
3
𝑖=1 𝑥𝑖
2
+
∑ ∑3
𝑗=𝑖+1 𝛽𝑖𝑗
2
𝑖=1 𝑥𝑖𝑥𝑗
آن در که
Y
یا تابع متغیر از است عبارت
پاسخ
،
i
x
شده کدبندی سطوح
مستقل متغیرهای
(
غشاء عرض در فشار اختالف
(
و )کیلوپاسکال
د
ما
سانتی (درجه
)گراد
و )
2
i
x
و دوم درجه اثرات
j
x
i
x
متقابل اثرات ضرایب
می
واریانس آنالیز جدول از استفاده با .باشند
(
ANOVA
)
معنی
بودن دار
مدل ضرایب متقابل و دوم درجه ،خطی اثرات
پاسخ هر برای رگرسیون
سطوح در
احتمال
05
/
0
،
01
/
0
،
001
/
0
گردید بررسی
(Saltelli,
2002)
.
بهينه
ازدحام الگوريتم از استفاده با يابي
ذرات
الگور در
یتم
ذرات ازدحام
،
تعداد
ی
آن به که موجودات از
گفته ذره ها
م
ی
فضا در شود
ی
جستجو
ی
ت
ابع
ی
که
به قصد
ینه
کردن
مقدار
آ
را ن
دار
،یم
شده پخش
موقع در را هدف تابع مقدار ذره هر .اند
یتی
که فضا از
،است گرفته قرار آن در
محاسب
ه
م
ی
ترک از استفاده با سپس .کند
یب
فعل محل اطالعات
ی
آن
بهتر و
ین
محل
ی
که
در گذشته در
آن
اس بوده
ت
همچن و
ین
اطالعات
یک
بهتر از ذره
ین
م ذرات
جهت ،درجمع وجود
ی
را
برا
ی
انتخاب حرکت
می
.کند
جهت ذرات همه
ی
برا
ی
م انتخاب حرکت
ی
انجام از پس و کنند
،حرکت
یک
الگور از مرحله
ی
به تم
پایان
م
ی
.رسد
ا
ین
چند مراحل
ین
تک بار
رار
م
ی
ب نظر مورد جواب آنکه تا شوند
ه
دست
آید
.
د
ابتدا مرحله ر
یی
الگور
،یتم
موقع با ذرات
یت
و ها
سرعت
ها
ی
تصادف
ی
ا
یجاد
م
ی
ط در .شوند
ی
اجرا
ی
،الگوریتم
موقع
یت
و
هر سرعت
مرحله در ذره
t
+
1
ام
الگور از
،یتم
از
رو
ی
قبل مرحله اطالعات
ی
ساخته
م
ی
شوند
روابط .
ی
موقع و سرعت که
یت
تغ را ذرات
ییر
م
ی
عبارتند ،دهند
از
:
(
1
)
(
2
)
روابط این در
w
ضر
اینرسی یب
،
1
r
و
2
r
اعداد
تصادف
ی
بازه در
[
1
و
0
]
و
همچن
ین
1
c
و
2
c
یادگیری ضرایب
هستند
.
1
r
و
2
r
باعث
می
جواب در گوناگونی نوعی که شوند
نحو این به و بیاید بوجود ها
جستجوی
کامل
ی
رو
ی
فضا
پذیرد انجام
.
ضریب
یادگیری
1
c
به مربوط
شخص تجارب
ی
ذ هر
است ره
مقابل در و
2
c
ضریب
یادگیری
به مربوط
م جمع کل تجارب
ی
باشد
(
Yang, 2010
)
.
6. 582
جلد ،ایران غذایی صنایع و علوم پژوهشهای نشریه
19
شماره ،
5
،
آذر
-
دی
1402
جدول
1
-
سطوح
متغیرهای
نمونه اولترافیلتراسیون فرآیند مرکزی مرکب طرح مستقل
شیر های
شتر
Table 1- The levels of independent variables of the central composite design of the ultrafiltration process of camel milk
samples
تیمار
Treatment
غشاء عرض در فشار اختالف
Transmembrane Pressure (kPa)
دما
Temperature (°C)
1 80 40
2 120 30
3 120 20
4 80 30
5 120 30
6 160 40
7 120 30
8 160 20
9 120 40
10 160 30
12 80 20
13 120 30
14 120 30
حداقل رگرسيون
مربعات
جزئي
(PLS)
یکی
از
ابزارهای
مهم
برای
پیش
بینی
متغ
یرهای
وابسته
از
روی
متغیرهای
،مستقل
استفاده
از
معادالت
رگرسیون
می
وجود .باشد
برخی
از
معایب
همچون
وجود
هم
خطی
1
متغیر یک گرفتن نظر (در
صورت به
ترک
ی
ب
خط
ی
د از
ی
گر
متغ
ی
رها
بین )
متغیرهای
مستقل
در
برخی
از
مطالعات
باعث
نامعتبر
شدن
مطالعات
مربعات (حداقل رگرسیونی
عم
)ومی
شده
.است
از
این
رو
محققان
روش
های
جدیدی
بنا برای
کردن
معادله
پیش
بینی
ارائه
داده
اند
که
روش
رگرسیونی
موسوم
به
کمترین
مربعات
از جزئی
مهمترین
این
معادالت
می
دراین .باشد
روش
مؤلفه
های
جدید
متعامدی
که
ترکیب
خطی
از
اولیه متغیرهای
،هستند
ایجاد
،شده
سپس
از
ا
ین
مؤلفه
ها
برای
ساختن
رگرسیونی معادله
استفاده
می
در .شود
مدل
رگرسیون
PLS
ضرایب
استاندارد
VIP
(
Variable Importance in Projection
منعکس )
کننده
اثر
تک
تک
x
ها
بر
روی
y
می ها
باشد
و
آسانی به
در
نمودار
PLS
قابل
مشاهده
است
و
به
این
ترتیب
مؤثرترین
متغیرها
و
درجه
اهمیت
آنها
به
سرعت
شناسایی
و
تشخیص
می داده
شوند
(
Tenenhaus et al.,
2005
)
.
در
این
پژوهش
با
استفاده
از
کمترین رگرسیون
مربعات
جزئی
به و
کمک
نرم
افزار
Minitab 18
،
درجه
( متغیرهای اهمیت
x
)
)ذرات ازدحام الگوریتم (پارامترهای
ها
بر
روی
y
الکتوز دفع (درصد ها
پاسخ تعداد و الگوریتم اجرا زمان مدت ،امالح و
)ارزیابی مورد های
.شد بررسی
1- Collinearity
نتای
بحث و ج
مدل تعيين
مناسب های
مدل
به تجربی های
پیش برای آمده دست
با وابسته متغیرهای بینی
معنی متغیرهای برای پاسخ سطح روش از استفاده
در دار
جدول
2
آورده
( تبیین ضریب از مدل صحت بررسی برای .شد
2
R
)
عدم آزمون و
برازش
2
گردید استفاده
در که طور همان .
جدول
2
است شده داده نشان
اندازه صفات کلیه برای تبیین ضریب
از باالتر شده گیری
7
/
0
و بوده
اندازه صفات کلیه برای نیز برازش عدم فاکتور
سطح در شده گیری
اطمینان
95
%
معنی
نمی دار
ضریب نسبی بودن باال بنابراین .باشد
ت
بیین
معنی و
پاسخ تمامی برای برازش عدم نبودن دار
برای را مدل صحت ها
می تأیید اطالعات برازش
کند
(
Montgomery, 2017
)
.
مشاهده برای
سطح نمودارهای ،آزمایش مورد صفات روی مستقل متغیرهای اثر بهتر
.گردید رسم وابسته متغیر هر برای پاسخ
دفع درصد
شير كل جامد مواد
و
پروتئين
ش کل جامد مواد دفع درصد
ی
ر
پروتئ و
ی
ن
نمونه
ها
ی
آزمون مورد
به
بین ترتیب
۴
/
۴5
تا
03
/
51
و
09
/
9۴
تا
51
/
97
درصد
متغیر
بو
دن
د
.
نتایج
آنالیزها
ه که داد نشان
ی
چ
خط اثرات از کدام
،ی
متقابل و دوم درجه
دما و فشار اختالف
بر
ش کل جامد مواد دفع درصد
ی
ر
پروتئ و
ی
ن
ن
مونه
معنی ها
نبود دار
ند
(
05
/
0
<
P
)
همچنین .
پژوهش این در اینکه به توجه با
،اولترافیلتراسیون فرآیند اتمام برای
جامد مواد
کل
ناتراوه
یکس
نظر در ان
که تیمارهایی که گردید مالحظه ،شد گرفته
فشار اختالف
باالت
ری
2- Lack of fit
7. رضوی
کاشانی و
،نژاد
الگوریتم پارامترهای اهمیت بررسی
ذرات ازدحام
بهینه در هدفه چند
یابی
اجزاء دفع درصد
…
583
به کمتری زمان در داشتند
کل جامد مواد
.رسیدند نظر مد ناتراوه
ب
ا
تحقیق این نتایج به توجه
گردید مشخص
هر در که
فشار اختالف
و
دما
یی
ب
ی
ش
از
۴5
ش کل جامد مواد درصد
ی
ر
و
9۴
درصد
پروت
ئ
ی
ن
ش
ی
ر
شتر
شده نگهداشته باز غشاء توسط
اند
.
جدول
2
-
مدل
آمده دست به تجربی های
روش از استفاده با
پیش برای مرکزی مرکب
متغیر بینی
وابسته های
فرآ
ی
ند
اولتراف
ی
لتراس
ی
ون
شیر
شتر
Table 2- Experimental models obtained using the central composite method for predicting the dependent variables of the
camel milk ultrafiltration process
عدم
برازش
Lack of
fit
تغییرات ضریب
Coefficient of
variation
تبیین ضریب
Coefficient of
determination
p-value
Prob >
F
F
Value
معادله
Eq
های متغیر
وابسته
Dependent
variables
n.s
15
0.74
0.0028
6.95
𝑌1 =6.20 + 0.13A + 0.19B -
0.004AB
الکتوز دفع درصد
Lactose
rejection
n.s
0.01
0.99
0.0001
0.18
𝑌2 = 105.83 + 0.96𝐴 − 8.92𝐵
− 0.022𝐴𝐵
− 0.001𝐴²
+ 0.181𝐵²
امالح دفع درصد
Ash rejection
همکاران و مهایا
(
Mehaia et al., 1996
)
تغ
یی
رات
غلظت
پروتئ
ی
،ن
چرب
ی
،
ش امالح و کل جامد مواد ،الکتوز
ی
ر
شتر
ف طول در
رآ
ی
ند
تغل
ی
ظ
اولتراف توسط
ی
لتراس
ی
ون
که داد نشان و داد قرار ارزیابی مورد را
100
نیتروژن درصد
پروتئ
ی
ن
و ی
چرب
حدود ،ی
13
غیر نیتروژن درصد
پروتئ
ی
ن
و ی
1
شیر الکتوز درصد
شتر
فرآ طول در
ی
ند
تغل
ی
ظ
توس
غشاء ط
اولتراف
ی
لتراس
ی
ون
.شدند دفع
ماتسونو و نابتنی ،کائوتک
(
Kautake,
Nabetani, and Matsuno, 1986
)
ب
ی
ان
معن اثر دما که نمود
ی
دار
ی
چرب دفع درصد بر
و ی
پروتئ
ی
ن
شیر
اولترافیلتراسیو فرآیند در گاو
ن
.نداشت
ال دفع درصد
و كتوز
امالح
امالح و الکتوز دفع درصد
نمونه
ها
ی
آزمون مورد
به
بین ترتیب
99
/
۴
تا
73
/
1۴
و
۴8
/
17
تا
07
/
3۴
درصد
متغیر
بو
دن
د
.
موسوی ،رضوی
مرتضوی و
(
Razavi, Mousavi, and Mortazavi, 2003
)
بیان نیز
کرد
در
گاو شیر اولترافیلتراسیون فرآیند
حدود در متوسط طور به
15
و الکتوز درصد
۴5
از امالح درصد
توسط
غشاء
شده داشته باز
ا
ند
مدل .
چند
جمله
ای
درجه
دو
4
y
نشان
دما خطی اثر فقط که داد
سطح در
99
بر درصد
الکتوز دفع درصد
معنی
بو دار
و د
فشار اختالف
هیچگونه
ا
ثر
معنی
نمونه الکتوز دفع درصد بر داری
مدل همچنین .نداشت ها
چند
جمله
ای
درجه
دو
5
y
نیز
نشان
و دما خطی اثرات که داد
فشار اختالف
دما متقابل اثر و
-
سطح در فشار اختالف
99
بر درصد
دفع درصد
امالح
معنی
بو دار
شکل .د
های
1
و
2
به
تأثیر ترتیب
دما و فشار اختالف
ب را
ر
امالح و الکتوز دفع درصد
نمونه
مدل ضرایب به توجه با را ها
های
4
y
و
5
y
می نشان
.دهند
به توجه با
شکل
1
می
دریافت توان
افزا با
ی
ش
دما
ی
اولتراف
ی
لتراس
ی
ون
نمونه الکتوز دفع درصد
ها
کاهش
م
ی
ی
ابد
.
افزایش اما
دما در فشار اختالف
منجر باال دماهای در و افزایش به منجر پایین های
کاهش به
نمونه الکتوز دفع درصد
ها
.شد
شکل
2
می نشان نیز
دهد
با
افزایش
دما
ی
اولتراف
ی
لتراس
ی
ون
از
20
تا
30
سانتی درجه
،گراد
دفع درصد
نمونه امالح
ها
مالحظه قابل بطور
کاهش ای
م
ی
ی
ابد
بیشتر افزایش و
( دما
30
تا
۴0
سانتی درجه
،)گراد
افزایش بر ناچیزی تاثیر
دفع درصد
نمونه امالح
ها
بر فشار اختالف اثر همچنین .داشت
امالح دفع درصد
به دارد خطی غیر روند
طوری
باال دماهای در فشار اختالف افزایش که
افزایش به منجر پایین دماهای در و کاهش به منجر
درصد
امالح دفع
نمونه
.گردید
همکاران و رضوی
(
Razavi et al., 2003
)
بیان نیز
که کردند
افزا
ی
ش
،فشار اختالف
جزئ بطور
ی
الکتوز دفع درصد
و
امالح
افزا را
ی
ش
می
.دهد
ال که است شده ثابت
ی
ه
مس
ی
ل
ی
مس از متشکل
ی
ل
ها
ی
کازئ
ی
ن
عنوان به
ی
ک
د غشاء
ی
نام
ی
ک
م عمل
ی
کند
حفرات اندازه که
است غشاء حفرات اندازه برابر آن
(
Krstić et al., 2002
)
.
لذا
افزا با
ی
ش
فشار
،
ترک مهاجرت سرعت
ی
بات
جر اثر در
ی
ان
همرفت
ی
شار
تراوه
ب
ه
ز غشاء سطح طرف
ی
ادتر
م
ی
بنابرا و شود
ی
ن
محلول اجزاء رسوب و جذب
ال به
ی
ه
م
ی
سل
ی
ب غشاء سطح
ی
شتر
گرد
ی
ده
نت در و
ی
جه
مؤ اندازه
حفرات ثر
کاهش
م
ی
ی
ابد
هم به .
ی
ن
دل
ی
ل
محلول اجزای دفع درصد
با
افزایش
فشار اختالف
افزا
ی
ش
می
.یابد
پروکساسری و لیمساوات
(
Limsawat
and Pruksasri, 2010
)
داد نشان نیز
ند
فشار اختالف افزایش که
کاهش به منجر اولترافیلتراسیون فرآیند
درصد
دفع
الکتوز
شیر
UHT
.شد چرب کم
8. 584
جلد ،ایران غذایی صنایع و علوم پژوهشهای نشریه
19
شماره ،
5
،
آذر
-
دی
1402
شکل
1
-
تأثیر
دما و فشار اختالف
در الکتوز دفع درصد بر
فرآ
ی
ند
اولتراف
ی
لتراس
ی
ون
ش
ی
ر
شتر
Fig. 1- The effect of temperature and transmembrane pressure on
lactose rejection of camel milk ultrafiltration
شکل
2
-
تأثیر
دما و فشار اختالف
دفع درصد بر
امالح
در
فرآ
ی
ند
اولتراف
ی
لتراس
ی
ون
ش
ی
ر
شتر
Fig. 2- The effect of temperature and transmembrane pressure on
ash rejection of camel milk ultrafiltration
م نظر به
ی
علت رسد
کاهش
درصد
الکتوز دفع
و
افزا با امالح
ی
ش
دما
ی
اولتراف
ی
لتراس
ی
ون
،
ضر شدن بزرگتر
ی
ب
افزا با آنها نفوذ
ی
ش
دما
.باشد
مقاومت کاهش به منجر دما افزایش که انجایی از همچنین
گرفتگ
ی
برگشت
ناپذ
ی
ر
می
می شود
که کرد بیان توان
افزا
ی
ش
گرفتگ
ی
برگشت
ناپذ
ی
ر
دم با
بستگ ا
ی
ش محلول اجزاء دفع درصد به
ی
ر
ندار
بلکه ،د
تشک امکان احتماال
ی
ل
پ
ی
وند
ها
ی
قو
ی
ب تر
ی
ن
مولکول
در ها
مجاور الیه
غشا سطح
ن و
ی
ز
مولکول
نت در و غشاء با ها
ی
جه
سطح جذب
ی
شد
ی
د
تر
باشد
.
پری و ریزمینی ،پومپئی
(
Pompei, Resmini, and Peri,
1973
)
نت
ی
جه
دما در گرفت
ی
5
سانتی درجه
گراد
م
ی
زان
بازدار
ی
اجزاء
به نسبت محلول
50
سانتی درجه
گراد
ب
ی
شتر
.است
زاتوال و اکنر
(
Eckner and Zottola, 1992
)
دماها که نمود عنوان
ی
پا
یی
ن
تر
بازدار
ی
ترک
ی
بات
ش
ی
ر
م بهبود را )امالح و (الکتوز
ی
.بخشد
9. رضوی
کاشانی و
،نژاد
الگوریتم پارامترهای اهمیت بررسی
ذرات ازدحام
بهینه در هدفه چند
یابی
اجزاء دفع درصد
…
585
پارامترهای اهميت بررسي
الگوريتم
ذرات ازدحام
بهینه منظور به پژوهش این در
برای اولترافیلتراسیون کارایی یابی
که بود این بر تالش شتر شیر از شده تغلیظ پروتئینی محصوالت تولید
د
امالح و الکتوز دفع رصد
داده .یابند کاهش هدف توابع عنوان به
های
به شده داده اولیه
الگور
ی
تم
ذرات ازدحام
داده حقیقت در
مدل های
های
پیش
از شده بینی
مرکز مرکب طرح
( ی
جدول
2
آنجایی از اما .هستند )
که
الگور عملکرد
ی
تم
ذرات ازدحام
ش به
مرتبط پارامترهای به وابسته دت
جمله از آن با
تعداد
( تکرار
Ni
،)
ذرات تعداد
(
Np
،)
ضر
ی
ب
ا
ی
نرس
ی
(
W1
)
،
ضر
ی
ب
ی
ادگ
ی
ر
ی
شخص
ی
(
C1
)
و
ضر
ی
ب
ی
ادگ
ی
ر
ی
کل
ی
(
C2
)
مورد اولیه هدف توابع بر پارامترها این اثر ابتدا است الزم لذا است
لذا .گیرند قرار ارزیابی
در
این
از قبل نیز پژوهش
بهینه
توابع نهایی یابی
،هدف
برای
مشخص
نمودن
ضریب
اهمیت
و
تأثیر
پارامترهای
،الگوریتم
تیمارهای عنوان به الگوریتم پارامترهای ابتدا
فرآیند
روش به
برای تصادفی ًالکام
پنج
متغیر
مستقل
در و
پنج
سطح
(مطابق
جدول
3
پاسخ و اجرا )
ب های
زمان مدت ،)امالح و الکتوز دفع (درصد هینه
پاسخ تعداد و الگوریتم اجرای
ارزیابی مورد های
(
NFE
)
توسط
رگرس
ی
ون
PLS
.گرفتند قرار بررسی مورد
شکل
3
نمودار
ضرایب
استاندارد
شده
برای
متغیرهای
وابسته
(
زمان مدت ،)امالح و الکتوز دفع درصد
پاسخ تعداد و الگوریتم اجرا
ارزیابی مورد های
با را )
تک
تک
متغیرهای
مستقل
(تعداد
،تکرار
ت
عداد
ذرات
،
ضر
ی
ب
ا
ی
نرس
،ی
ضر
ی
ب
ی
ادگ
ی
ر
ی
شخص
ی
و
ضر
ی
ب
ی
ادگ
ی
ر
ی
کل
ی
در
رگرسیون
PLS
می نشان
در .دهد
اشکال این
هر
چه
فاصله
اثر
به
عدد
یک
نزدیک
تر
و
یا
بیشتر
باشد
باالتری اهمیت
پی
دا
می
کنند
.
تعداد
و تکرار
ذرات
مطابق
شکل
3
تعداد و الگوریتم اجرای زمان مدت در تکرار تعداد ،
تعداد اصوال .هستند برخوردار باالیی ًانسبت اهمیت از ارزیابی مورد پاسخ
است وابسته مسئله نوع به شدت به مناسب جواب به رسیدن در تکرار
(
Juneja and Nagar, 2016
)
فرایند است ممکن کم تکرارهای .
بی را جستجو
می نیز زیاد تکرارهای تعداد همچنین .دهد خاتمه نتیجه
افزایش نهایتا و محاسباتی پیچیدگی ضروری غیر افزایش به منجر تواند
همانطور همچنین .گردد الگوریتم اجرای زمان
که
در
شکل
3
مشاهده
می
گردد
پاسخ همه در ذرات تعداد
باالترین دارای بررسی مورد های
اهمیت
( مثبت الکتوز دفع درصد در اهمیت این که است
82
/
0
در و )+
( منفی امالح دفع درصد
۴8
/
0
-
.است )
جدول
3
-
متغیرهای سطوح
پارامترها
ی
الگور
ی
تم
ذرات ازدحام
Table 3- Variable levels of particle swarm algorithm parameters
متغیر سطوح
Variable levels
متغیر نام
Variable name
5
25
50
75
100
تعداد
تکرار
Number of iterations
(
Ni
)
5
25
50
75
100
ذرات تعداد
Number of particles
(
Np
)
0
0.5
1
1.5
2
ضر
ی
ب
ا
ی
نرس
ی
Coefficient of inertia
(
W1
)
0
1
2
3
4
ضر
ی
ب
ی
ادگ
ی
ر
ی
شخص
ی
Personal learning factor
(
C1
)
0
1
2
3
4
ضر
ی
ب
ی
ادگ
ی
ر
ی
کل
ی
Social learning factor
(
C2
)
10. 586
جلد ،ایران غذایی صنایع و علوم پژوهشهای نشریه
19
شماره ،
5
،
آذر
-
دی
1402
شکل
3
-
ضریب
اهمیت
تخمین
زده
شده
بوسیله
رگرسیون
PLS
بین
متغیرهای
مستقل
با
متغیرهای
وابسته
Fig. 3- The coefficient of importance estimated by PLS regression between independent and dependent variables
هر
ب گروه در ذرات تعداد چه
ی
شتر
اول جواب تنوع باشد
ی
ه
ن
ی
ز
ب
ی
شتر
.بود خواهد
ی
ک
قسمت به بزرگ گروه
ها
ی
ب
ی
شتر
ی
فضا از
ی
جست
م اجازه وجو
ی
دهد
شوند داده پوشش تکرار هر در تا
چه اگر ،
ب تعداد
ی
ش
تر
پ را محاسبات ،ذرات
ی
چ
ی
ده
م تر
ی
کند
و
اجرای زمان افزایش به منجر
می الگوریتم
.شود
بعض در
ی
ب ذرات تعداد موارد
ی
،شتر
را تکرارها تعداد
برا
ی
رس
ی
دن
به
جواب
به
ی
نه
م کم
ی
کند
.
انگلبرت و برگ
(
Bergh and
Engelbrecht, 2001
)
دادن نشان خود مطالعه در
د
حضو که
بین ر
10
تا
30
الگوریتم در ذره
ازدحام
ذرات
مورد تابع بهینه مقدار تعیین جهت
.بود مناسب هدفشان
ضر
ي
ب
ا
ي
نرس
ي
(
W1
)
همانطور
که
در
شکل
3
مشاهده
می
گردد
ضر
ی
ب
ا
ی
نرس
همه در ی
پاسخ
اهمیت دارای بررسی مورد های
ا البته که نیست زیادی چندان
ی
ن
( امالح دفع درصد در اهمیت
12
/
0
-
الکتوز دفع درصد از بیشتر )
(
01
/
0
-
.است )
ضر
ی
ب
ا
ی
نرس
ی
رو بر
ی
همگرا
یی
الگور
ی
تم
ذر ازدحام
ات
تاث
ی
ر
مستق
ی
م
م واقع در .دارد
ی
ضر واسطه به توان
ی
ب
ا
ی
نرس
ی
،
تأث
ی
ر
سرعت
ها
ی
سرعت بر را گذشته
ها
ی
م .کرد کنترل حال زمان
ی
توان
برا
ی
برقرار
ی
م
م بهتر وازنه
ی
ان
وجو جست
ی
سراسر
ی
وجو جست و
ی
محل
،ی
ضر مقدار
ی
ب
ا
ی
نرس
ی
تغ را
یی
ر
ز مقدار .داد
ی
اد
ضر
ی
ب
ا
ی
نر
س
ی
م باعث
ی
الگور در موجود ذرات شود
ی
،تم
وجو جست به
ی
جد مناطق
ی
دت
ر
رو
ی
و آورند
ی
ک
جست
و
جو
ی
سراسر
ی
مقدار ،مقابل در .دهند انجام را
ضر کم
ی
ب
ا
ی
نرس
ی
م باعث
ی
شود
ذ
محدود منطقه در رات
ی
در و بمانند
وجو جست واقع
ی
محل
ی
جست .دهند انجام
وجو
ی
محل
ی
برا
ی
دق
ی
ق
تر
جواب کردن
ها
ی
فعل
ی
جست و است مناسب
وجو
ی
سراسر
ی
برا
ی
ی
افتن
جواب
ها
ی
بهتر
ی
جاها در احتماال که
ی
فضا از ناشناخته
ی
جست
م کار به ،دارند وجود وجو
ی
رو
د
(
Kennedy and Eberhart, 1995
)
.
زومایا و اوالریو
(
Olariu and Zomaya, 2005
)
و
بلک و کندی ،پلی
ول
(
Poli, Kennedy, and Blackwell, 2007
)
که کردند بیان
مقدار
برا مناسب
ی
ضر
ی
ب
ا
ی
نرس
ی
باعث ،
ا
ی
جاد
ب تعادل
ی
ن
جست
وجو
ی
ها
ی
محل
ی
سراسر و
ی
م
ی
ب در و شود
ی
شتر
تکرارها تعداد مواقع
ی
برا الزم
ی
همگرا
یی
به
ی
ک
م کاهش را مناسب جواب
ی
.دهد
انگلبرت و برگ
(
Bergh and Engelbrecht, 2001
)
که کردند بیان نیز
است بهتر
11. رضوی
کاشانی و
،نژاد
الگوریتم پارامترهای اهمیت بررسی
ذرات ازدحام
بهینه در هدفه چند
یابی
اجزاء دفع درصد
…
587
ضر مقدار
ی
ب
ا
ی
نرس
ی
ابتدا مراحل در
یی
،
ی
ک
گرفت درنظر بزرگ مقدار
ه
تا شود
ی
ک
جست
وجو
ی
سراسر و کامل
ی
فضا از
ی
جست
صورت وجو
گ
ی
رد
،
ط در سپس
ی
اجرا مراحل
ی
الگور
ی
،تم
ضر مقدار
ی
ب
ا
ی
نرس
ی
به
تدر
ی
ج
م داده کاهش
ی
الگور تا شود
ی
تم
هم مرز به
گرا
یی
نزد
ی
ک
و شود
جواب
ها
ی
دق
ی
ق
تر
ی
دهد دست به
.
کندی و شی ،ابرهارت
(
Eberhart,
Shi, and Kennedy, 2001
)
که دادند نشان نیز
ضر انتخاب
ی
ب
ا
ی
نرس
ی
صورت به
ی
ک
تصادف عدد
ی
توز با
ی
ع
ی
کنواخت
بازه در
(
1
-
5
/
0
)
بهینه در را خوبی نتایج نیز
.است داشته هدف توابع یابی
ضر
ي
ب
ي
ادگ
ي
ر
ی
شخص
ي
(
C1
)
و
ضر
ي
ب
ي
ادگ
ي
ر
ی
كل
ي
(
C2
)
مطابق
شکل
3
،
ضر
ی
ب
ی
ادگ
ی
ر
ی
شخص
و ی
ضر
ی
ب
ی
ادگ
ی
ر
ی
ک
ل
ی
باالیی ًانسبت اهمیت از امالح دفع درصد در و الکتوز دفع درصد در
البته که هستند برخوردار
ضر
ی
ب
ی
ادگ
ی
ر
ی
شخص
ی
الکت دفع در
و وز
ضر
ی
ب
ی
ادگ
ی
ر
ی
کل
برخوردار بیشتری اهمیت از امالح دفع درصد در ی
اج زمان مدت بر چندانی اهمیت ضرایب این همچنین .هستند
رای
پاسخ تعداد و الگوریتم
ندارند ارزیابی مورد های
.
کندی
(
Kennedy,
1999
)
تحق ضمن
ی
قات
در خود
ی
افت
که
برا
ی
بعد تک ذرات
ی
ب که
ه
غ صورت
ی
ر
تصادف
ی
م حرکت
ی
مقدار اگر ،کنند
C2
+
C1
ب
ی
ن
و صفر
۴
مس ،باشد
ی
رها
یی
ط ذرات که
ی
م
ی
پذ کنند
ی
رفتن
ی
.است تر
کندی ،پلی
بلک و
ول
(
Poli, Kennedy, and Blackwell, 2007
)
و
شی ،ابرهات
( کندی و
Eberhart, Shi, and Kennedy, 2001
(
)
نیز
تحل با
ی
ل
ها
یی
رو که
ی
س
ی
ستم
انجام ذرات حرکت
دادند
راهبرد ،
ی
برا
ی
تع
یی
ن
ض
را
ی
ب
ی
ادگ
ی
ر
ی
کلی و شخصی
ا
ی
جاد
کردند
و
داشت ادعا
راهبرد این ند
از
ناپا
ی
دار
س شدن
ی
ستم
حرکت
ی
جلوگ ذرات
ی
ر
ی
م
ی
کند
،
هم
گرا
یی
تضم را ذرات
ی
ن
م
ی
کند
و
ن
ی
از
ی
تعر به
ی
ف
.ندارد پارامترها
کندی و کلرك
(
Clerc and
Kennedy, 2002
)
و یادگیری ضرایب تعیین برای را زیر روابط نیز
:دادند پیشنهاد اینرسی
𝑊1 = 𝛸 (
1
)
𝐶1 = 𝛸𝜑1 (
2
)
𝐶2 = 𝛸𝜑2 (
3
)
روابط این در که
φ1
و
φ1
انتخاب نوی به و هستند مثبت اعدادی
می
که شوند
φ=φ1+ φ2≥4
.باشد
X
می تعیین زیر رابطه از نیز
.شود
𝑋 =
2
𝜑−2+√𝜑2−4𝜑
(
۴
)
شده انجام تحقیقات بیشتر در امروزه البته
ضر
ی
ب
ی
ادگ
ی
ر
ی
شخص
ی
و
ضر
ی
ب
ی
ادگ
ی
ر
ی
کل
ی
2
شده گرفته نظر در
بخشی رضایت نتایج که اند
است داشته نیز
(
Poli, Kennedy and Blackwell, 2007
)
.
بهينه
يابي
عددی
پارامترهای اهمیت شناخت و بررسی از پس
الگور
ی
تم
ذرات ازدحام
،
بهینه
یابی
دفع درصد
های
امالح و الکتوز
به شتر شیر اولترافیلتراسیون
این در است ذکر به الزم .شد انجام هدف توابع عنوان
هدف پژوهش
کاهش
امالح و الکتوز دفع درصد
شتر شیر اولترافیلتراسیون فرایند در
.بود
پارامترها
ی
دقیق
الگور
ی
تم
در
جدول
۴
است شده خالصه
:
با
توجه
به
صفات
،مذکور
فشار اختالف
و
دما
به بهینه ی
ترتیب
80
و کیلوپاسکال
85
/
29
سانتی درجه
گراد
به
دست
چنین در که آمد
فرآیندی
الکتوز دفع
38
/
3
درصد
و
خاکستر دفع
70
/
18
خواهد درصد
همچنین .بود
پاسخ تعداد و الگوریتم اجرا زمان مدت
ارزیابی مورد های
بهینه این در
نیز یابی
1۴3
/
0
و ثانیه
1000
.بودند
شکل
۴
نمودار نیز
همگرایی
الگو
ر
ی
تم
ذرات ازدحام
در
بهینه
یابی
و الکتوز دفع درصد
درصد
می نشان را شتر شیر اولترافیلتراسیون امالح دفع
.دهد
12. 588
جلد ،ایران غذایی صنایع و علوم پژوهشهای نشریه
19
شماره ،
5
،
آذر
-
دی
1402
جدول
۴
-
پارامترهای
به
ی
نه
ی
اب
ی
و الکتوز دفع درصد
امالح دفع درصد
اولتراف
ی
لتراس
ی
ون
ش
ی
ر
شتر
الگوریتم از استفاده با
ذرات ازدحام
Table 4- Optimization parameters of lactose and ash rejections of camel milk ultrafiltration using particle swarm algorithm
پارامترها
ی
اولتراف
(اختالف یلتراسیون
فشار
)فرایند دمای و
Ultrafiltration parameters (transmembrane pressure and temperature)
عامل نام
Factor name
منتخب مدل
مرکزی مرکب طرح از
Selected model of the central composite design (Table 2)
هدف تابع
Target function
متغیر دو
Two variables
1
اختالف .
عرض در فشار
غشاء
Transmembrane pressure (x1)
2
.
دما
ی
فرآ
یند
Temperature (x2)
متغیرها تعداد
Number of variables
1
x
=
80
-
0
16
2
x
=
20
-
40
متغیره تغییر بازه
ا
Change interval of the variables
همگرایی به توجه با
Due to convergence 50
تکرارها تعداد ماکزیمم
Maximum number of iteration
(
Max. Ni
)
مدل به توجه با
موجود های
According to the available models 20
ذرات تعداد
Number of particles
(
Np
)
0.5
اینرسی ضریب
Coefficient of inertia
(
W1
)
2
شخصی یادگیری ضریب
Personal learning factor
(
C1
)
2
کلی یادگیری ضریب
Social learning factor
(
C2
)
گاوسی جهش بر مبتنی
بهینه الگوریتم نوع
سازی
Type of optimization algorithm
م تعداد شدن سپری
نتیجه در خاصی بهبود مشاهده بدون تکرارها از عینی
خاتمه شرط
Ending condition
13. رضوی
کاشانی و
،نژاد
الگوریتم پارامترهای اهمیت بررسی
ذرات ازدحام
بهینه در هدفه چند
یابی
اجزاء دفع درصد
…
589
شکل
۴
-
همگرایی نمودار
الگور
ی
تم
ذرات ازدحام
در
بهینه
یابی
و الکتوز دفع درصد
شتر شیر اولترافیلتراسیون امالح
Fig. 4- Convergence diagram of the particle swarm algorithm in optimizing the lactose and ash rejections in camel milk
ultrafiltration
در که همانطور
شکل
۴
می مشاهده
ارزیابی از پس نمودار شود
حدود
100
است رسیده همگرایی به پاسخ
.
می بنابراین
کرد بیان توان
شده انتخاب درستی به الگوریتم پارامترهای که
ا
تعیین بهینه نقاط و ند
.هستند اعتماد قابل نیز شده
نتیجه
گیری
تولید
فرآورده
اولترافیلتراسیون فرآیند از حاصل های
شیر
شت
به ر
شرط
مناسب هزینه و راندمان
،فرآیند
بازار
خ
وبی
را
برای
تولیدکن
ندگان
فراهم
خواهد
محصوالت اهمیت به توجه با .کرد
فرآیند از حاصل
اولترافی
نبود و شتر شیر لتراسیون
اطالعات
درمورد
اجز دفع درصد
اء
شیر محلول
،شتر
تاثیر تحقیق این در
عرض در فشار اختالف و دما
غشاء
برهم و
گرفت قرار بررسی مورد ها ویژگی این بر آنها کنش
و
این
گردید بهینه ذرات ازدحام فراابتکاری الگوریتم از استفاده با شرایط
ب
ه
طوری
دف درصد
حداقل امالح دفع درصد و الکتوز ع
باشند
ب توجه با .
ه
ویژگی
های
دما ،مذکور
به فرآیند بهینه فشار اختالف و
ترتیب
85
/
29
سانتی درجه
و گراد
80
ک
ی
لو
.آمد دست به پاسکال
ب نتایج این تشابه از
ا
پژوهش
می گاو شیر روی بر شده انجام مشابه های
توان
به
کلی طور
اگ که گرفت نتیجه
ویژگی نظر از شتر شیر رچه
فیزیکوشیمیایی های
تفاوت
کلی روند اما ،دارد گاو شیر با بسیاری های
اجزاء دفع درصد
محلول
نتایج .است مشابه گاو شیر با اولترافیلتراسیون فرآیند در آن
الگوریتم با یابی بهینه
ذرات ازدحام
نیز
داد نشان
الگوری این که
تم
عالوه
همگرا سرعت بر
یی
ب
پارامترها تعداد ،اال
ی
اندک
ی
برا
ی
عملک بهبود
رد
خود
نیاز
گونه به دارد
ا
ی
با که
و شناخت
تحل
ی
ل
پارامترها
ی
آن
راحت به
ی
م
ی
به جواب توان
ی
نه
پ را
ی
دا
کر
.د
منابع
1. Benmechernene, Z., et al. (2014). Genomic and proteomic characterization of bacteriocin-producing
leuconostoc mesenteroides strains isolated from raw camel milk in two southwest algerian arid zones.
BioMed Research International, 2014, 853238. https://doi.org/10.1155/2014/853238
2. Bergh, F.V.D., & Engelbrecht, A.P. (2001). Effects of swarm size on cooperative particle swarm
optimisers. Paper presented at the Proceedings of the 3rd annual conference on genetic and evolutionary
computation .
3. Clerc, M., & Kennedy, J. (2002). The particle swarm-explosion, stability, and convergence in a
multidimensional complex space. IEEE transactions on Evolutionary Computation, 6(1), 58-73.
4. Eberhart, R.C., Shi, Y., & Kennedy, J. (2001). Swarm intelligence: Elsevier .
14. 590
جلد ،ایران غذایی صنایع و علوم پژوهشهای نشریه
19
شماره ،
5
،
آذر
-
دی
1402
5. Eckner, K., & Zottola, E. (1992). Partitioning of skim milk components as a function of ph, acidulant, and
temperature during membrane processing. Journal of Dairy Science, 75(8), 2092-2097.
https://doi.org/10.3168/jds.S0022-0302(92)77967-3
6. Grandison, A.S., Youravong, W., & Lewis, M.J. (2000). Hydrodynamic factors affecting flux and fouling
during ultrafiltration of skimmed milk. Le Lait, 80(1), 165-174 .https://doi.org/10.1051/lait:2000116
7. Hassl, M., JØrgensen, B., & Janhøj, T. (2011). Rennet gelation properties of ultrafiltration retentates from
camel milk. Milchwissenschaft, 66(1), 80-84 .
8. Juneja, M., & Nagar, S. (2016). Particle swarm optimization algorithm and its parameters: A review.
Paper presented at the 2016 International Conference on Control, Computing, Communication and
Materials (ICCCCM) .
9. Kautake, M., Nabetani, H., & Matsuno, I. (1986). Influence of operation parameters on permeate flux in
ultrafiltration of milks, technical research institute, snow brand milk products co. Ltd. Retrieved from
10. Kennedy, J. (1999). Small worlds and mega-minds: Effects of neighborhood topology on particle swarm
performance. Paper presented at the Proceedings of the 1999 congress on evolutionary computation-
CEC99 (Cat. No. 99TH8406) .
11. Kennedy, J., & Eberhart, R. (1995). Particle swarm optimization. Paper presented at the Proceedings of
ICNN'95-international conference on neural networks .
12. Krstić, D. M., et al. (2002). The effect of turbulence promoter on cross-flow microfiltration of skim milk.
Journal of Membrane Science, 208(1-2), 303-314. https://doi.org/10.1016/S0376-7388(02)00308-3
13. Limsawat, P., & Pruksasri, S. (2010). Separation of lactose from milk by ultrafiltration. Asian Journal of
Food and Agro-Industry, 3(2), 236-243. https://doi.org/ 10.1007/s12393-022-09330-2
14. Luo, X., Ramchandran, L., & Vasiljevic, T. (2015). Lower ultrafiltration temperature improves membrane
performance and emulsifying properties of milk protein concentrates. Dairy science & technology, 95(1),
15-31. https://doi.org/ 10.1007/s13594-014-0192-3
15. Mehaia, M.A. (1996). Chemical composition of camel skim milk concentrated by ultrafiltration.
International Dairy Journal, 6(7), 741-752. https://doi.org/10.1016/0958-6946(95)00063-1
16. Montgomery, D.C. (2017). Design and analysis of experiments: John wiley & sons .
17. Ng, K.S., et al. (2017). Mechanisms of flux decline in skim milk ultrafiltration: A review. Journal of
Membrane Science, 523, 144-162. https://doi.org/10.1016/j.memsci.2016.09.036
18. Olariu, S., & Zomaya, A.Y. (2005). Handbook of bioinspired algorithms and applications: CRC Press .
19. Poli, R., Kennedy, J & ,.Blackwell, T. (2007). Particle swarm optimization. Swarm Intelligence, 1(1), 33-
57 .
20. Pompei, C., Resmini, P., & Peri, C. (1973). Skim milk protein recovery and purification by ultrafiltration
influence of temperature on permeation rate and retention. Journal of Food Science, 38(5), 867-870.
21. Rao, H.R. (2002). Mechanisms of flux decline during ultrafiltration of dairy products and influence of ph
on flux rates of whey and buttermilk. Desalination, 144(1-3), 319-324. https://doi.org/10.1016/S0011-
9164(02)00336-3
22. Razavi, S.M., Alghooneh, A., & Behrouzian, F. (2017). Kinetic modelling of hydraulic resistance in
colloidal system ultrafltration: Effect of physiochemical and hydrodynamic parameters. Journal of
Membrane Science and Research, 3(4), 296-302. https://doi.org/10.22079/JMSR.2017.47339.1097
23. Razavi, S.M.A., Mousavi, S.M., & Mortazavi, S.A. (2003). Dynamic prediction of milk ultrafiltration
performance: A neural network approach. Chemical Engineering Science, 58(18), 4185-4195 .
https://doi.org/10.1016/S0009-2509(03)00301-4
24. Saltelli, A. (2002). Sensitivity analysis for importance assessment. Risk analysis, 22(3), 579-590.
https://doi.org/10.1111/0272-4332.00040
25. Shi, Y,. & Eberhart, R.C. (1998). Parameter selection in particle swarm optimization. Paper presented at
the International conference on evolutionary programming .
26. Tenenhaus, M., et al. (2005). Pls methodology to study relationships between hedonic judgements and
product characteristics. Food Quality and Preference, 16(4), 315-325.
https://doi.org/10.1016/j.foodqual.2004.05.013
15. رضوی
کاشانی و
،نژاد
الگوریتم پارامترهای اهمیت بررسی
ذرات ازدحام
بهینه در هدفه چند
یابی
اجزاء دفع درصد
…
591
27. Wang, K.Y., & Chung, T.-S. (2005). The characterization of flat composite nanofiltration membranes and
their applications in the separation of cephalexin. Journal of Membrane Science, 247(1-2), 37-50.
https://doi.org/10.1016/j.memsci.2004.09.007
28. Yang, X.-S. (2010). Engineering optimization: An introduction with metaheuristic applications: John
Wiley & Sons .