مدل سازی ریاضی و کاربردهای آن در فرایندهای غذایی

صنایع غذایی عرصه ی رقابتی فزاینده و پویا در زمینه ی پارامترهای کیفی و ایمنی مواد غذایی به شمار می رود. مدل نمادی از واقعیت است که مهمترین ویژگی های دنیای واقعی را به صورتی ساده و کلی بیان می کند. مدل های ریاضی در تمام فازهای مهندسی صنایع غذایی، از عملیات واحد تا رویکردهای تحقیق و توسعه، و حتی در حوزه ی تجارت و اقتصاد نیز مورد استفاده می باشند. مدل های بنیادی یا مدل هایی که بر پایه ی تیوری هستند، نیازمند اطلاعات مبتنی بر اصول و قواعد، مکانسیم ها و روابط متغیرها هستند و قوانین بنیادین فیزیک مانند قانون بقای جرم و انرژی و قوانین مومنتوم را دنبال می کنند. در حالیکه مدل های تجربی براساس داده های حاصل از آزمایشات تجربی ساخته می شوند. روش سطح پاسخ (RSM) و تکنیک های هوش مصنوعی ( همانند منطق فازی (FL)، شبکه های عصبی مصنوعی (ANNs) و الگوریتم ژنتیک (GAs)) مدل های مبتنی بر تجربه هستند که با در نظر گرفتن پیچیدگی واکنش ها و ساختار ناهمگون محصولات غذایی، به طور گسترده ای در مدل کردن فرایندهای غذایی مورد استفاده قرار می گیرند. یک مدل ریاضی قابل قبول مدلی است که بتواند با شرایط واقعی فرایند تطبیق داشته باشد و با دقت تغییرات مورد نظر را تحلیل کند. ممکن است مدل یک سیستم برای یک تجربه معتبر و برای دیگری نامعتبر باشد. اعتبارسنجی مدل فرایندی است که میزان ارایه ی صحیح مدل و داده های مرتبط با آن را از جهان واقعی مشخص می کند و بایستی انجام شود. در این مقاله شیوه های گوناگون مدل سازی کاربردی در صنایع غذایی و توسعه ی آنها را مورد مطالعه قرار خواهیم داد.

کلیدواژه ها:

مدل های فیزیکی ، مدل های مشاهده ای ، روش سطح پاسخ ، شبکه ی عصبی مصنوعی ، اعتبارسنجی