logo

Modelos GAMLSS para analizar el grado secado de calcio dihidratado

10.24050/reia.v18i35.1439
Publicado 2021-01-19
Artículos

Resumen

Transportar y secar materiales son dos actividades usuales en diferentes procesos productivos y los tornillos transportadores sirven para realizar estas dos actividades simultáneamente. Las condiciones de operación de un tornillo transportador son importantes porque influyen directamente en características finales como son el grado de secado del producto y la eficiencia térmica del proceso. En este artículo se emplearon los modelos GAMLSS para estudiar la influencia de tres variables operacionales, velocidad rotacional del tornillo, temperatura y flujo de alimentación, sobre el grado de secado del acetato de calcio dihidratado al ser transportado y secado en un tornillo. En este artículo se encontró que el modelo de regresión beta permite explicar el grado de secado mejor que otros modelos de regresión como el normal, exponencial, gamma, Weibull y logit-normal. Adicionalmente se encontró que, la operación del tornillo a una temperatura de 45°C, velocidad rotacional de 3 rpm y una velocidad de flujo de 6 L/min permiten obtener el máximo grado de secado 35,46%.

Palabras clave

Categorías

Autores/as

  • Freddy Hernández Barajas

    Universidad Nacional de Colombia sede Medellín

    http://orcid.org/0000-0001-7459-3329 (no autenticado)

  • Brahian Cano Urrego

    Universidad Nacional de Colombia sede Medellín

  • Edwin Alexander Caicedo Chamorro

    Universidad Nacional de Colombia sede Medellín

Referencias

Akaike, H. (1974). A new look at the statistical model identification. IEEE Transactions on Automatic Control, 19(6), pp. 716-723. http://dx.doi.org/10.1109/TAC.1974.1100705.

Bai, J.W.; Xiao, H.W.; Ma, H.L.; Zhou, C.S. (2018). Artificial Neural Network Modeling of Drying Kinetics and Color Changes of Ginkgo Biloba Seeds during Microwave Drying Process. J. Food Quality. https://doi.org/10.1155/2018/3278595.

Farzad, M.; Yagoobi, J. (2020). Drying of moist cookie doughs with innovative slot jet reattachment nozzle. Drying Technology, in press. https://doi.org/10.1080/07373937.2020.1729173.

Gauss, C.F. (1809). Theoria Motus Corporum Coelestium in Sectionibus Conicis Solem Ambientum.

Jafari, A.; Zare, D. (2017). Ultrasound-assisted fluidized bed drying of paddy: Energy consumption and rice quality aspects, Drying Technology, 35(7), 893-902. https://doi.org/10.1080/07373937.2016.1230742.

Jumah, R.Y.; Mujumdar, A.S. (1995). Dryer feeding systems. In Handbook of Industrial Drying, 2nd Ed; Mujumdar, A.S., Ed.; Marcel Dekker, Inc.:New York; Vol. 2, 1151–1178.

Legendre, A. M. (1805). Nouvelles méthodes pour la détermination des orbites des comètes. Paris: Courcier.

Li, K.; Zhang, M.; Mujumdar, A.S.; Chitrakar, B. (2019). Recent developments in physical field-based drying techniques for fruits and vegetables, Drying Technology, 37(15) 1954-1973. https://doi.org/10.1080/07373937.2018.1546733.

Mustaffar, A.; Phan, A.; Boodhoo, K. (2018). Hybrid heat pipe screw dryer: A novel, continuous and highly energy-efficient drying technology. Chemical Engineering and Processing - Process Intensification, 128, 199-215.

Taruna, I.; Jindal, V.K. (2002). DRYING OF SOY PULP (OKARA) IN A BED OF INERT PARTICLES, Drying Technology, 20(4-5), 1035-1051. https://doi.org/10.1081/DRT-120004012.

Triana, M.A.; Ayala, M.A.; De la Puente, F.; Camargo-Amado, R. (2009). Grado de secado y eficiencia térmica de un secador de tornillo transportador drying. DYNA, 78(165), pp. 196-206.

R Core Team (2020). R: A language and environment for statistical computing. R Foundation for Statistical Computing, Vienna, Austria. URL: https://www.R-project.org/.

Reyes, A.; Vega, R.; García, G. (2008). Drying Sawdust in a Pulsed Fluidized Bed, Drying Technology, 26(4), 476-486. https://doi.org/10.1080/07373930801929508.

Rigby, R.A.; Stasinopoulos, D.M. (2005). Generalized additive models for location scale and shape. Applied Statistics Series C, 54(3), pp. 507-554. https://www.jstor.org/stable/3592732.

Stasinopoulos, M; Rigby, R.; Heller, G.; Voudouris, V.; De Bastiani, F. (2017). Flexible Regression and Smoothing: Using GAMLSS in R. Chapman & Hall/CRC.

Estadísticas

Resumen
0
Accesos al PDF
0

Dimensions

PlumX

Descargas

Los datos de descarga aún no están disponibles.