İlaç endüstrisinde kullanılan akışkan yataklı kurutucunun yapay sinir ağı ile modellenmesi ve kurutma süresinin tahmini
Artifical neural network modeling of a fluidizied bed dryer in pharmaceutical industry and drying time estimation
- Tez No: 169077
- Danışmanlar: PROF.DR. ERDOĞAN ALPER
- Tez Türü: Doktora
- Konular: Kimya Mühendisliği, Chemical Engineering
- Anahtar Kelimeler: Yapay sinir ağları, akışkan yataklı kurutucu, kurutma süresi, ilaç endüstrisi, yaş granülasyon
- Yıl: 2005
- Dil: Türkçe
- Üniversite: Hacettepe Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Kimya Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 142
Özet
İLAÇ ENDÜSTRİSİNDE KULLANILAN AKIŞKAN YATAKLI KURUTUCUNUN YAPAY SİNİR AĞI İLE MODELLENMESİ VE KURUTMA SÜRESİNİN TAHMİNİ Olgaç Bavbek ÖZ Bu çalışmada ilaç endüstrisinde katı dozaj formlarının üretiminde kullanılan akışkan yataklı kurutucuda kurutma prosesi incelenmiş, proses şartları ve proses parametreleri ile kurutma süresinin tahmin edilmesi amaçlanmıştır. Bu anlamda endüstriyel boyutta 19 farklı örnek değişik kurutma şartlarında incelenmiştir. Akışkan yataklı kurutucuya kurutma amaçlı giren havanın sıcaklığı, relatif nemi, akış hızı, kurutulan kütlenin içerdiği nem ve kütlenin kuru haldeki ağırlığının kurutma süresi üzerine etkisi araştırılmıştır. Sistemin modellenemebilmesi amacıyla öncelikle geleneksek kütle ve enerji denklikleri ile matematiksel modelleme yoluna gidilmiştir. Oluşturulan matematiksel modellemede kurutma işlemi sabit hız periyodu ve azalan hız periyodu olmak üzere iki farklı evrede incelenmiş ve azalan hız periyodunda da uzaklaştırılmak istenen sıvının hareketinin difüzyon veya kapiler akış ile olabileceği üzerine bir model oluşturulmuştur. Bu matematiksel modellemede toplam kurutma süresi çok sayıda bilinmeyen taşınım parametreleri içerdiğinden kurutma süresinin tahmini matematiksel modelleme ile yapılamamıştır. Ayrıca, deney sonuçlarının teorik modelden beklenen davranıştan farklılıklar gösterdiği ve modele göre daha karmaşık mekanizmalardan oluştuğu izlenimi elde edilmiştir. Bunun üzerine deneysel olarak elde edilen veriler için ileri beslemeli geri yayınımlı tek gizli katmanlı bir yapay sinir ağı modeli geliştirilmiştir. Deneysel verilerin % 70' i sinir ağının eğitiminde kullanılmıştır. Verilerin kalan % 30' u ise modelin test edilmesinde kullanılmıştır. Geliştirilen yapay sinir ağı modelinin, girdi parametrelerinden kurutma süresi değerlerini kabul kriterleri içerisinde tahmin ettiği belirlenmiştir. Deneysel veriler aynı zamanda istatistiksel olarak da incelenmiş ve bu amaçla çoklu regresyon kullanılarak önerilen bir lineer İolmayan eşitlikle kurutma süresi tahmin edilmiştir. Yapay sinir ağı ve çoklu regresyon metodu ile elde edilen kurutma süresi sonuçları gerçek değerler ile karşılaştırıldığında yapay sinir ağı ile üretilen sonuçların gerçek sonuçlara çok daha yakın olduğu görülmüş ve yapay sinir ağı ile sistemin başarıyla modellendiği ispatlanmıştır. Yapay sinir ağı öğrenme basamağında farklı nem yüzdelerinde %2.09 - 6.62 arası ortalama mutlak hata verirken test aşamasında da %4.44 - 10.41 arasında ortalama mutlak hata vermiştir. Hesaplanan bu hata değerleri kabul edilebilecek seviyededir. Geliştirilen YSA endüstride kullanılabilir ve işletmede verim sağlayabilir.
Özet (Çeviri)
ARTIFICIAL NEURAL NETVVORK MODELING OF A FLUIDIZIED BED DRYER İN PHARMACEUTICAL INDUSTRY AND DRYING TİME ESTIMATION Olgaç Bavbek ABSTRACT in this study, the drying process in a fluidizied bed dryer, vvhich is used for production of solid dosage forms in pharmaceutical industry, was investigated and the goal was to estimate the drying time according to process conditions and parameters. Thus 19 different samples at industrial scale were investigated at different drying conditions. The effects of temperature of inlet air vvhich was used for drying in the fluidizied bed dryer, relative humidity, flow rate, moisture content of the dried material and the initial vveight of the dried content as povvder on drying time were investigated. in order to model the system, first a mathematical model based on traditional mass and energy balances was constructed. in this mathematical modeling, drying process vvas envisaged in two different phases called as constant rate period and falling rate period. Falling rate period vvas then considered to follovv two different mechanisms called as diffusion ör capillary flow according to the liquid transfer. This mathematical modeling consisted of many unknovvn transport parameters, hence the drying time estimation could not be estimated theoretically. Addition, it vvas observed that experimental results shovved somehovv different behaviour than those expected from the theoretical modeling and studies gave the impression that the mechanisms were more complicated than the model. As a result, a feed fon/vard backpropagation artificial neural netvvork architecture with öne hidden layer vvas developed for the experimental data. 70% of the experimantal data were used to train the neural netvvork and the remaining 30% were used for testing the model, it vvas observed that the developed artificial neural netvvork model could estimate the drying time from the input parameters vvithin the acceptable criteria. Experimental data were also üinvestigated by statistical means and the drying time was estimated by a nonlinear multiple regression. The drying time values calculated by artificial neural network and by multiple regression method were compared with the experimental drying time values. it was observed that the results calculated by the artificial neural netvvork were closer to the experimental values and it was therefore shown that the system was successfuly modeled by the artificial neural netvvork. Artificial neural netvvork had an average absolute error in a range of 2.09 - 6.62% in training section for different granule moisture content percentages and the average absolute error range in testing was 4.44 - 10.41%. These calculated error values were considered to be at an acceptable level. Therefore the developed artificial neural netvvork can be used in industry and it can enhance the productivity in plant operations. Keyvvords: Artificial neural netvvorks, fluidizied bed dryer, drying time, pharmaceutical industry, wet granulation. Advisor: Prof. Dr. Erdoğan ALPER, Hacettepe University, Department of Chemical Engineering, Chemical Engineering Section iv
Benzer Tezler
- Süperkritik akışkan ortamında dijitoksin ve glimepridin tanecik büyüklüğünün incelenmesi
Particle size design of digitoxin and glimepiride in supercritical fluids
CEREN ATİLA
Yüksek Lisans
Türkçe
2009
Kimya MühendisliğiAnkara ÜniversitesiKimya Mühendisliği Ana Bilim Dalı
PROF. DR. AYLA ÇALIMLI
- Apiterapi karışımlarında kullanılan arı sütünde 10-HDA'nın termal degradasyonunun belirlenmesi ve arı sütünün fonksiyonel gıda üretiminde kullanımı
Determination of thermal degradation of 10-HDA in royal jelly used in apitherapy mixtures and use of royal jelly in functional food production
İBRAHİM YAVUZ
Doktora
Türkçe
2021
Gıda MühendisliğiAkdeniz ÜniversitesiGıda Mühendisliği Ana Bilim Dalı
PROF. DR. MUSTAFA KARHAN
- Akışkan modernite tartışmaları ışığında dijital emek süreçlerinin kavramsal bir incelemesi
A conceptual analysis of the digital labor process from the perspective of discussions on liquid modernity
MEHMET ÖZKAN YILDIRIM
Yüksek Lisans
Türkçe
2020
SosyolojiGalatasaray Üniversitesiİletişim Ana Bilim Dalı
PROF. DR. NİLGÜN TUTAL CHEVIRON
- Süperkritik akışkan ortamında farmasötik maddelerin tanecik oluşumunun incelenmesi
Investigation of particle size of pharmaceutical agents in supercritical fluids
ŞEBNEM TUNA
Yüksek Lisans
Türkçe
2006
Kimya MühendisliğiAnkara ÜniversitesiKimya Mühendisliği Ana Bilim Dalı
DOÇ.DR. NURAY YILDIZ
- İlaç endüstrisinde kullanılan bazı analitik metodların geliştirilmesi
The development of some analytical methods used in drug industry
ÖZLEM BAYRAM BAŞDAĞ