مقاله انگلیسی با ترجمه رویکرد هوش مصنوعی برای مدل‌سازی و بهینه‌سازی تولید بیودیزل از ضایعات روغن خوراکی با استفاده از ارزیابی چرخه عمر و تحلیل پویایی بازار

عنوان فارسی:

رویکرد هوش مصنوعی برای مدل‌سازی و بهینه‌سازی تولید بیودیزل از ضایعات  روغن خوراکی (پخت و پز) با استفاده از ارزیابی چرخه عمر و تحلیل پویایی بازار

عنوان انگلیسی:

An artificial intelligence approach to model and optimize biodiesel production from waste cooking oil using life cycle assessment and market dynamics analysis

کد محصول: M1738

سال نشر: ۲۰۲۴

نام ناشر (پایگاه داده): الزویر

نام مجله: Energy

نوع مقاله: علمی پژوهشی (Research Article)

متغیر : ندارد

فرضیه: ندارد

مدل مفهومی:  ندارد

پرسشنامه : ندارد 

تعداد صفحه انگلیسی:  ۱۰ صفحه PDF

تعداد صفحه ترجمه فارسی:   ۳۲ صفحه WORD

قیمت فایل ترجمه شده:  ۱۱۲۰۰۰ تومان

برای دانلود رایگان مقاله انگلیسی بر روی دکمه ذیل کلیک نمایید

وضعیت ترجمه: این مقاله به صورت کامل ترجمه شده برای خرید ترجمه کامل مقاله بر روی دکمه ذیل کلیک نمایید (لینک دانلود بلافاصله بعد از خرید نمایش داده می شود)

مقالات مرتبط با این موضوع: برای مشاهده سایر مقالات مرتبط با این موضوع (با ترجمه و بدون ترجمه)  بر روی دکمه ذیل کلیک نمایید

چکیده فارسی

۲.۲. طراحی آزمایش ها

طراحی آزمایش ها (DoE) یک رویکرد آماری است که برای بررسی روابط بین چندین پارامتر ورودی و یک یا چند متغیر خروجی (پاسخ) استفاده می شود. این روش به شناسایی متغیرهایی که بیشترین تأثیر را بر خروجی دارند و تعیین مقادیر بهینه آنها کمک می کند. علاوه بر این، هدف DoE به حداقل رساندن تعداد آزمایش‌ها یا نقاط داده مورد نیاز برای به دست آوردن نتایج قابل اعتماد است. یک طرح باکس-بهنکن (BBD) به منظور اعتبارسنجی فرضیه های اولیه با حداقل داده ها استفاده شد. BBD نوعی طراحی فاکتوریل کسری است که امکان ارزیابی اثر چندین متغیر مستقل بر یک متغیر پاسخ یا وابسته را با تعداد نسبتاً کمی آزمایش در مقایسه با یک طرح فاکتوریل کامل فراهم می کند. این امر آن را برای بهینه سازی فرآیندها و کاهش هزینه ها و زمان در آزمایش ایده آل می کند [۳۵]…

۴.نتیجه‌گیری

Abstract  

Biodiesel has emerged as a viable alternative to fuel, offering a more sustainable and environmentally friendly energy option. The current study explores the modeling and optimization of biodiesel production from waste cooking oil using artificial intelligence and genetic algorithms. The study focuses on enhancing five process parameters: methanol-to-oil molar ratio, catalyst concentration, reaction temperature, reaction time, and stirring speed. The optimization of these parameters is complemented by a life cycle assessment to reduce environmental impact. The approach considers biodiesel yield, high heating value, and energy consumption as output variables, thereby advancing sustainable biodiesel production. The findings indicated that, under optimal conditions (methanol-to-oil ratio of 1:6.9, stirring rate of 500 rpm, reaction duration of 20 s, reaction temperature of 30 ◦C and catalyst concentration of 1), the transesterification process achieved the maximum biodiesel yield of 97.76 %. The optimization reached a low environmental impact in the production of biodiesel in an efficient way. Additionally, SWOT analysis helps to develop strategic methods that can enhance efficiency and increase competitiveness. The research suggests that, by optimizing the chemical process in biodiesel production, it is possible to achieve a high yield and high heating value of the biofuel, along with feasible environmental mitigation strategies.

Keywords: Biodiesel, Eco-efficiency, Waste reduction, Genetic algorithms optimization, Life cycle assessment, Market dynamics analysis

۱.Introduction

Energy is a fundamental requirement for the economic progress of any country. Fossil fuels like crude oil and coal serve as the main energy source. However, the extensive use of crude oil has become of significant socioeconomic concern, especially for nations that have limited crude oil reserves. This situation has caused a rise in crude oil prices, causing global economic instability [1]. This prompts a pursuit of alternative, renewable, and cleaner energy sources directed at reducing reliance on fossil fuels and curbing greenhouse gas emissions. Among these alternatives, biodiesel, a type of biofuel, has emerged as particularly noteworthy [2]. One goal of the European Green Deal (EGD) is to cut greenhouse gas emissions. More than 75 percent of greenhouse gas emissions in the EU are caused by the use and production of energy [3]. Therefore, decarbonizing the EU energy system is essential to meet the EU’s long-term plan to achieve carbon neutrality by 2050 and to reach our 2030 climate objectives. Furthermore, the EU strove to have even greater ambition and action in this crucial decade during the 28th UN Climate Change Conference (COP28) climate discussions. It sought to phasing out fossil fuels and boosting the capacity of renewable energy sources and energy efficiency [4]…

۴.Conclusions

This study focuses on multi-objective optimization utilizing Genetic Algorithms (GA) to identify the optimal set of input process parameters for sustainable biodiesel production. Artificial Intelligence (AI) techniques were applied to assess and optimize the effects of five critical factors in biodiesel production: catalyst dose (A), methanol-to-oil molar ratio (B), reaction temperature (C), reaction time (D), and stirring speed (E). The main output variables analyzed were the yield and HHV of the produced biodiesel. The results showed that under ideal conditions— specifically, a reaction temperature of 30 ◦C, a methanol tooil ratio of 1:6.9, a stirring speed of 500.1 rpm, a reaction time of 20 s, and a catalyst concentration of 1—the transesterification process achieved a maximum biodiesel yield of 97.764 %. This demonstrates the high accuracy of the optimized parameters, with a Mean Absolute Error (MAE) and Root Mean Square Error (RMSE) closely matching the experimental results at 0.1678 and 0.1679, respectively. Additionally, a Life Cycle Assessment (LCA) was performed, utilizing both midpoint and endpoint indicators to evaluate the environmental impacts…