بهینه سازی پارامترهای فرآیندی در بسته بندی های آسان بازشو با رویکرد شبکه عصبی و الگوریتم ژنتیک

در این پژوهش، به منظور بهینه سازی پارامترهای فرآیندی موثر بر عملکرد بسته بندی های آسان بازشو در صنعت مواد غذایی، تاثیر متغیرهای فشار (۴.۴-۶ بار)، دما (۱۸۵-۲۲۵ درجه سانتی گراد) و زمان سیل (۰.۵-۱.۵ ثانیه) بر نیروی بازشوندگی مورد بررسی قرار گرفت. آزمایش ها با استفاده از طراحی فاکتوریل کامل انجام شده و نتایج با دو دستگاه آنالیزور Stable MicroSystems و Gothec مورد ارزیابی قرار گرفت. نتایج حاصل از تحلیل واریانس نشان داد که دما و زمان سیل، تاثیر معنی داری بر نیروی بیشینه اولیه (p < ۰.۰۰۰۱) دارند، در حالی که تاثیر فشار در محدوده مورد مطالعه قابل توجه نبود. مدل سازی با استفاده از روش سطح پاسخ و شبکه عصبی مصنوعی انجام شد و نتایج نشان داد که شبکه عصبی با خطای آموزش کمتر از ۲ درصد و خطای تست کمتر از ۱۰ درصد، دقت بالاتری نسبت به مدل رگرسیونی دارد. بهینه سازی با الگوریتم ژنتیک نشان داد که برای دستیابی به نیروی بیشینه اولیه مطلوب (حدود ۸ نیوتن)، شرایط بهینه شامل فشار حدود ۵ بار، دمای حدود ۱۹۰-۱۹۵ درجه سانتی گراد و زمان حدود ۰.۵-۰.۷۵ ثانیه می باشد. اعتبارسنجی نتایج با آزمایش های تکمیلی، دقت مدل های توسعه یافته را تایید کرد.

کلیدواژه ها:

بسته بندی آسان بازشو ، سیل حرارتی ، شبکه عصبی مصنوعی ، الگوریتم ژنتیک ، نیروی بازشوندگی