Numéro |
OCL
Volume 25, Numéro 1, January-February 2018
|
|
---|---|---|
Numéro d'article | D107 | |
Nombre de pages | 8 | |
Section | The oil & protein crop supply chain in South America / La filière oléoprotéagineuse en Amérique du Sud | |
DOI | https://doi.org/10.1051/ocl/2017055 | |
Publié en ligne | 17 janvier 2018 |
Research Article
Exploring amazonian fats and oils blends by computational predictions of solid fat content
Exploration de mélanges de graisses et d’huiles amazoniennes par prédiction informatique de la teneur en matières grasses solides
Department of Chemical Engineering, University of São Paulo,
Av. Prof. Luciano Gualberto, 380,
05508-900,
São Paulo, Brazil
* Correspondence: moises.teles@usp.br
Received:
3
August
2017
Accepted:
8
October
2017
The Amazon region has richness of oleaginous plants that have attracted attention due to its unique properties. Integrating local communities in an economic chain of valorization of fats/oils can enhance the social dimension of local oleaginous industry sustainability. Given the large diversity of raw materials and the possibility to mix them in different proportions, an experimental effort must be done to evaluate the physical properties of such feedstocks. In this context, the development of computational tools able to estimate physical properties based on rigorous thermodynamic models can orient the experimental efforts thorough the mixtures of fats and oils most promising. The evaluation of the melting curves of nine Amazonian oils and fats is done by using thermodynamic modeling of the solid-liquid equilibrium and optimization tools. The binary blends of different raw materials were also evaluated. An average absolute error of 4.5 °C was observed for the melting point and an absolute error of 3.8% was observed for the Solid Fat Content predictions over different temperatures and blends composition.
Résumé
La région amazonienne est riche en plantes oléagineuses qui ont attiré l’attention en raison de leurs propriétés uniques. L’intégration des communautés locales dans une chaîne économique de valorisation des graisses / huiles peut renforcer la dimension sociale de la durabilité de l’industrie oléagineuse locale. Compte tenu de la grande diversité des matières premières et de la possibilité de les mélanger dans des proportions différentes, un effort expérimental doit être fait pour évaluer les propriétés physiques de ces matières premières. Dans ce contexte, le développement d’outils informatiques capables d’estimer les propriétés physiques à partir de modèles thermodynamiques rigoureux permet d’orienter les efforts expérimentaux sur les mélanges de graisses et d’huiles les plus prometteurs. L’évaluation des courbes de fusion de neuf huiles et graisses amazoniennes est réalisée en utilisant la modélisation thermodynamique de l’équilibre solide-liquide et des outils d’optimisation. Les mélanges binaires de différentes matières premières ont également été évaluées. Une erreur absolue moyenne de 4,5 °C a été observée pour le point de fusion et une erreur absolue de 3,8 % a été observée pour les prédictions de teneur en matière grasse solide, et ce pour différentes températures et compositions de mélanges.
Key words: thermodynamics / optimization / solid fat content / Amazonian oils / modeling
Mots clés : thermodynamique / optimisation / teneur en matières grasses solides / huiles amazoniennes / modélisation
© M.T.d. Santos et al., Published by EDP Sciences, 2018
This is an Open Access article distributed under the terms of the Creative Commons Attribution License (http://creativecommons.org/licenses/by/4.0), which permits unrestricted use, distribution, and reproduction in any medium, provided the original work is properly cited.
Les statistiques affichées correspondent au cumul d'une part des vues des résumés de l'article et d'autre part des vues et téléchargements de l'article plein-texte (PDF, Full-HTML, ePub... selon les formats disponibles) sur la platefome Vision4Press.
Les statistiques sont disponibles avec un délai de 48 à 96 heures et sont mises à jour quotidiennement en semaine.
Le chargement des statistiques peut être long.