کاربرد شبیه سازی مونت کارلو در صنایع غذایی

سال انتشار: 1390
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 1,765

فایل این مقاله در 11 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

NCFOODI20_402

تاریخ نمایه سازی: 27 خرداد 1391

چکیده مقاله:

روش مونت کارلو یک الگوریتم محاسباتی است که از نمونه گیری تصادفی برای محاسبه نتایج استفاده می کند. -روش های مونت کارلو معمولاً برای شبیه سازی سیستم های فیزیکی، ریاضیاتی و اقتصادی استفاده می شوند. - تغییرپذیری در فرآوری مواد غذایی از نوسانات تصادفی در پارامترهای فرآوری محیطی همچون دما، سرعت های مواد تغذیه شونده و ... و از پراکندگی پارامترهای درونی همچون ضرایب انتقال جرم و حرارت، ثابت های واکنش و خصوصیات فیزیکی و گرمایی ناشی می شود. مورد اخیر بسیار حائز اهمیت است زیرا مواد زیستی بموجب منشا طبیعی شان ذاتا دارای پراکندگی بزرگی در خصوصیات گرمایی و فیزیکی شان می باشند . از اینرو یک روش سیستماتیک و موثر برای ارزیابی عدم قطعیت و بررسی اثرات آن در شبیه سازی فرایند مواد غذایی مورد نیاز است. قلمرو مواد غذایی و به صورت بسیار کلی تر، فرایند زیستی، به تنوع بیشماری از عملیات مرتبط می باشد و نتایج این مطالعه نشان می دهد که تجزیه و تحلیل مونت کارلو در تعداد وسیعی از نمونه ها قابل اجرا است.

نویسندگان

الناز کتابی

دانشجوی کارشناسی ارشد علوم و صنایع غذایی

سیداحمد شهیدی یاساقی

مربی دانشگاه آزاد اسلامی واحد آیت الله آملی

فاطمه کاشانی

مدرس دانشگاه جامع علمی کاربردی

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :
  • Bemrah, N., Bergis, H., Colmin, C., Beaufort, A., Millemann, Y., ...
  • Berthea, R. M. and Rhinehart, R. R., Applied Engineering Statistics, ...
  • Button, N. P. and Reilly, P. M., Uncertainty in incident ...
  • Cassin, M., Lammerding, A., Todd, E., Ross, W., and McColl, ...
  • Cronin, K., A methodology for investigation into alternative packaging methods ...
  • Cronin, K., Fitzpatrick, J., and McCarthy, D., Packaging strategies to ...
  • Demir, A. D., Baucour, P., Cronin, K., and Abodayeh, K., ...
  • Den Aantrekker, E., Beumer, R., Van Gerwen, S., Zwietering, M., ...
  • Devore, J. and Peck, R., Introductory Statistics, 2nd ed., St. ...
  • Elishakoff, I., Essay on the role of the Monte Carlo ...
  • Fumihiko Tanaka a, *, Yoshiharu Maeda b, Toshitaka Uchino a, ...
  • Gentle, J. E., Random Number Generation and Monte Carlo Methods, ...
  • Hanna, S. R., Chang, J. C., and Fernau, J., Monte ...
  • Johns, W. R., Simulation of food processes with uncertain data, ...
  • Law, A. M. and Kelton, W. D., Simulation Modeling and ...
  • Lee, K. L, , Stochastic dynamic simulation of chemical processes ...
  • Lenz, M. and Lund, D. B., The Lethality-Fo urier number ...
  • Lund, D., Statistical analysis of thermal process calculations, Food Technology, ...
  • Marc Regier , Edme H. Hardy, Kai Knoerzer, Claudia V. ...
  • Monte Carlo simulations, 2007 ...
  • Miller, W. M., Non -Parametric Estimation of automated weight-filling machinery ...
  • Moreira, R. and Barrufet, M, Spatial distribution of oil after ...
  • Nicolai, B. M. and De Baerdemaeker, J., A variance propagation ...
  • Nicolai, B. M. and Van Impe, J. F., Predictive food ...
  • Rubinstein, R. Y., Simulation and the Mone Carlo Method, New ...
  • Ross, S. M., Simulation, 2nd ed., San Diego, CA: Academic ...
  • Ripley, B. D., Stochastic Simulation, New York: Wiley, 1987. ...
  • Rajkumar, V., Moreira, R., and Barrufet, M., Modeling the structural ...
  • Smout, C., Van Loey, A., and Hendrick, M, Non- uniformity ...
  • Syposs, Z., Reichart, O., and Meszaros, L., Micro biological risk ...
  • Torvi, H. and Hertzberg, T., Estimation of uncertainty in dynamic ...
  • Van Impe, J. F., Bernaerts, K., Geeraerd, A. H., Poschet, ...
  • Varga, S, Oliveira, J., and Oliveira, F., Influence of the ...
  • نمایش کامل مراجع