Skip to main content
SUPERVISOR
S.Mohammad Ghoreshi
سیدمحمد قریشی (استاد راهنما)
 
STUDENT
Samira Parse
سمیرا پارسه

FACULTY - DEPARTMENT

دانشکده مهندسی شیمی
DEGREE
Master of Science (MSc)
YEAR
1397

TITLE

Experimental investigation and optimization of supercritical extraction of thymol from Summer Savory using supercritical carbon dioxide and ethanol as auxiliary fluid
Using of the supercritical fluid extraction to extract natural products is one of the methods that has played an important role in the development of the industry. Advantages of SFE are: law solvent consumption, high security, reasonable cost, law and safe wast, suitable for sensitive materials of heat, lack of water and non-corrosive, acceptable extraction time. Summer Savory belongs to lamiace and Thymol is one of its main components. In this study, extraction of Thymol from Summer Savory was performed by using supercritical carbon dioxid. Soxhlet method with ethanol was considered as the base case of 100% recovery of Thymol. Extracted essential was analyzed by High –performance liquid chromatography (HPLC). Supercritical carbon dioxid extreaction was performed by ethanol as co-solvent and particle size with mesh size 20-35 and 30 min as static time. The Design of experiment was carried out with response surface method (RSM) and using Minitab software, and considering four independent parameters temperature (35-75°C), pressure (10-30 MPa), dynamic time (40-120 min) and flow rate (0.8-2.4 ml/min). The response surface analysis showed modeling of recovery with a second order polynomial equation, the linear and quadratics term of temperature, pressure, dynamic time, flow rate and the interaction between temperature- flow rate, dynamic time-flow rate had significant effect on the proposed model of Thymol recovery. R2 and modified R2 of the model are 97.15% and 94.65% respectively. It shows laboratory data was fitted well with prposed model. Optimal values of extraction parameters in this experiment were, temperature 42.67°C, pressure 21.31 MPa, dynamic time 109.49 min and flow rate 1.8 ml/min, that under these conditions, recovery 49.95% was achieved. At the end, the supercritical carbon dioxid extraction data was modeled by artificial neural network method and the result were compared with result of RSM. Its determination coefficient (R2 ) was equal 99.59%. Optimal number of hidden layer neurons was 6 and the BR training algorithm was known as the best performance of the algorithms. With comparing the result of R2 in two methods (RSM ANN) was found ANN performed better than RSM. Keywords Supercritical carbon dioxid extraction, Thymol, Summer Savory, Ethanol, Respons Surface Methodology, Artificial Neural Network
استفاده از سیال فوق بحرانی بهمنظور استخراج محصولات طبیعی، یکی از روشهایی است که نقش مهمی در توسعه صنعت داشته است. از مزایای روش فوق بحرانی میتوان به حجم و اتلاف حلال پایین، امنیت بالا، هزینهی مقرونبهصرفه، پسماند کم و بیخطر، شرایط دمایی نهچندان بالا برای آسیب به مواد حساس به دما، نبود نقش آب و به دنبال آن کاهش خوردگی، زمان استخراج قابلقبول اشاره کرد. گیاه مرزه تابستانی از خانواده گیاهی نعناعیان است و تیمول جزء اصلی عصاره آن است. استخراج به روش سوکسله با حلال اتانول نیز مبنای استخراج صد درصد تیمول در نظر گرفتهو عصارههای استخراجی با دستگاه کروماتوگرافی مایع با کارایی بالا آنالیز شد. استخراج فوق بحرانی همراه با کمک حلال اتانول و اندازه ذرات با مشسایز 35-27 و زمان استاتیک بهینه 37 دقیقه انجام شد. طراحی آزمایش با استفاده از نرمافزار minitab و با روش سطح پاسخ با در )2/3-0/0 ml/min( جریان نرخ و( 02-902 min( دینامیک زمان(، 92-92 MPa( فشار(، 95-55 °C( دما مستقل پارامتر چهار گرفتن نظر صورت گرفت و نتیجه آنالیز سطح پاسخ، مدلسازی میزان بازیابی با معادله درجه دوم بود که نشاندهنده تأثیرترمهای خطی و مربع چهار پارامتر 2 دما، فشار، زمان دینامیک و نرخ جریان و همچنین ترمهای متقابل دما-نرخ جریان و زمان دینامیک-نرخ جریان است. ضریب تشخیص ) R )در 2 مدل برابر با95/15 %و ضریب تشخیص اصلاحشده R (adj (برابر65/10 %میباشد که نشاندهنده دقت مناسب مدل پیشنهادی برای برازش دادههای آزمایشگاهی است. مقادیر بهینه برای این پژوهش دمای C °65/00 ،فشار Mpa 99/09 ،زمان دینامیک min 01/921 و نرخ جریان min/mL 3/9 با میزان بازیابی 15/01 %میباشد. در انتها نیز استخراج فوق بحرانی با کمک شبکه عصبی مدلسازی شده و نتایج مدلسازی با دادههای آزمایشگاهی مقایسه شد. در مدل شبکه عصبی ضریب تشخیص 513/11 %با تعداد بهینه نورونهای لایه مخفی برابر 6 و الگوریتم آموزش Regularization Bayesian بهعنوان بهترین عملکرد مشخص شد. با مقایسه نتایج ضریب تشخیص بهدستآمده از دو روش سطح پاسخ و شبکه عصبی، مشخص شد که شبکه عصبی عملکرد بهتری نسبت به سطح پاسخ داشته است.

ارتقاء امنیت وب با وف بومی