Modelling and Multi-Objective Optimization of Wheat Milling Process Parameters by the Taguchi-Grey Relational Analysis : 타구치-회색 관계 분석을 활용한 밀가루 제분 공정 매개변수의 모델링 및 다중 목표 최적화

국문 초록 (Abstract)

밀(Triticum aestivum)은 제품 품질 향상과 자원 관리를 위해 효율적인 제분 공정이 필수적인 주요 작물입니다. 본 연구에서는 밀 제분 공정에서 공급 속도(F), 체 크기(S), 수분 함량(M), 템퍼링 시간(T)과 같은 매개변수를 최적화하기 위해 타구치-회색 관계 분석(Taguchi-grey relational analysis)을 적용했습니다. 이를 위해 실험은 타구치 L9 직교배열(Taguchi L9 orthogonal array)을 사용하여 설계되었습니다. 제분 과정에서 밀가루 수율(Fy), 전분 함량(Sc), 단백질 함량(Pc), 회분 함량(As)과 같은 성능 매개변수를 평가했습니다. 수분 함량, 공급 속도, 체 크기, 템퍼링 시간이 성능에 미치는 영향을 분석하고, 다중 목표 최적화를 위해 타구치-회색 관계 분석 방법을 활용하여 최적화했습니다. 타구치 신호 대 잡음(SN) 비율 분석은 "큰 값이 더 나은 경우(larger-the-better)"와 "작은 값이 더 나은 경우(smaller-the-better)" 기준을 적용하여 Fy, Sc, Pc를 최대화하고 As를 최소화하는 최적의 매개변수 조합을 도출하는 데 사용되었습니다. 또한, 공정 매개변수가 성능에 미치는 유의미한 영향을 평가하기 위해 분산 분석(ANOVA)을 수행했습니다. Fy, Sc, Pc, As에 대해 1차 선형 회귀 모델을 개발하고 검증했습니다. 최적 설정은 회색 관계 등급(GRG)의 가장 높은 SN 비율에 기반하여 결정되었습니다. 연구 결과, 다중 목표 최적화를 위한 최적 매개변수 설정은 공급 속도 14.58 kg/hr, 체 크기 200 µm, 수분 함량 16.10%, 템퍼링 시간 30시간으로 나타났습니다. ANOVA 결과, 응답에 가장 큰 영향을 미치는 요인은 체 크기 (71.01%) 로 확인되었으며, 이어서 수분 함량 (13.08%), 템퍼링 시간 (1.72%), 공급 속도 (1.07%) 의 순으로 기여도가 나타났습니다.

목차 (Table of Contents)

• 1. INTRODUCTION 1
• 1.1 Background of the study 1
• 1.2 Objectives of the Research 6
• 2. LITERATURE REVIEW 7
• 2.1 Wheat milling 7
• 2.1.1 Wheat Milling Process 7
• 2.1.2 Hammer Mills 7
• 2.2 Process parameters in wheat milling 8
• 2.2.1 Moisture content 8
• 2.2.2 Feed Rate 9
• 2.2.3 Screen Size 9
• 2.2.4 Tempering Time: 10
• 2.3 Optimization Techniques in Milling 11
• 2.3.1 Optimization Methods in Process Engineering 11
• 2.3.2 Suitability of the Taguchi-grey Relational Analysis Method for Optimization . 12
• 3. MATERIALS AND METHODS 14
• 3.1 Materials 14
• 3.2 Methods 14
• 3.2.1 Milling Process Parameters 14
• 3.2.2 Response Variables 15
• 3.2.3 Experimental Design 16
• 3.2.4 Step by Step Experimental Procedure 17
• 3.3 Optimization Methodology 19
• 3.3.1 Taguchi Signal-to-Noise ratio (SN) 19
• 3.3.2 Grey Relations Analysis (GRA) 23
• 3.4 ANOVA and Regression Model 25
• 4. RESULTS AND DISCUSSION 27
• 4.1 Analysis of Variance 27
• 4.2 Normal Probability Distribution of Responses 29
• 4.3 Mathematical Modelling 31
• 4.4 Main Effects of Parameters on Individual Responses 33
• 4.5 Single-objective optimization 35
• 4.6 Multi-objective optimization 39
• 5. CONCLUSION AND SUMMARY 44
• REFERENCES 48
• (초 록) 61