بهینه سازی انرژی مصرفی و کاهش انتشارات محیط زیستی در تولید کیک با استفاده از تحلیل پوششی داده ها و الگوریتم ژنتیک

نوع مقاله : مقاله پژوهشی

نویسندگان

گروه مهندسی ماشین های کشاورزی، دانشکده مهندسی و فناوری کشاورزی، پردیس کشاورزی و منابع طبیعی دانشگاه تهران، کرج، ایران

چکیده

سابقه و هدف:
توسعه پایدار ایجاب می­ کند که تأمین انرژی مورد نیاز بصورت پایدار، با هزینه ­ای قابل قبول و با کمترین اثر­های منفی اجتماعی و محیط زیستی صورت گیرد. بنابراین بهینه‌سازی مصرف انرژی و در نتیجه کاهش انتشار آلاینده­ های محیط زیستی از اهمیت ویژه‌ای برخوردار می‌باشد. هدف از این پژوهش بررسی میزان مصرف انرژی و انتشار آلاینده­ ها و در نهایت بهینه ­سازی مصرف انرژی با استفاده از روش ­های مرسوم بهینه ­سازی از جمله تحلیل پوششی داده­ ها و الگوریتم ژنتیک با هدف کاهش انتشارات محیط زیستی در صنعت تولید کیک در استان گیلان بود.
مواد و روش ­ها:
با استفاده از مدل ­های تحلیل پوششی داده ­ها، واحدهای کارا و ناکارا در مصرف انرژی شناسایی شدند. براساس الگوی مصرف انرژی واحدهای کارا، الگوی مصرف بهینه انرژی برای دیگر واحدها بیان شد و ارزیابی محیط زیستی براساس الگوی بهینه انجام شد. در­نهایت، با استفاده از روش الگوریتم ژنتیک و با در نظر گرفتن دو تابع هدف بمنظور افزایش عملکرد و کاهش شاخص گرمایش­ جهانی، الگوی بهینه مصرف انرژی در دیگر واحدهای تولید کیک بیان شد.   
نتایج و بحث:
نتایج این پژوهش نشان داد که میزان 260532.25 مگاژول انرژی برای تولید روزانه 4157.14 کیلوگرم کیک مصرف شده است. بیشترین سهم انرژی مصرفی به گاز طبیعی با 128582.1مگاژول اختصاص داشت. همچنین سنجه گرمایش جهانی برای تولید هر تن کیک  kg CO2 eq.13099.49 تعیین شد. بر اساس نتایج تحلیل پوششی داده­ ها، از مجموع 21 واحد تولیدی کیک، 17 واحد براساس مدل بازگشت به مقیاس متغیر کارا شناخته شدند. براساس نتایج مدل­ های تحلیل پوششی داده­ها، میزان کل انرژی موردنیاز در حالت مصرف بهینه نهاده ­ها، درصد صرفه‌جویی انرژی و کاهش سنجه گرمایش جهانی بترتیب برابر 254929.28 مگاژول در روز، 2.15 درصد و kg CO2 eq. 550.18 به ازای تولید یک تن کیک تعیین شدند. همچنین الگوی مصرف انرژی بیان شده توسط الگوریتم ژنتیک چند هدفه منجر به کاهش 36.30 درصدی در مصرف انرژی شد که بیشترین درصد صرفه ­جویی در انرژی مربوط به نیروی کارگری بود. بر اساس نتایج بهینه ­سازی چندهدفه، میزان گرمایش جهانی به ازای تولید یک تن کیک برابر kg CO2 eq. 10038.44 تعیین شد.
نتیجه ­گیری:
بهینه‌سازی چند­هدفه با الگوریتم ژنتیک در مقایسه با بهینه­ سازی با تحلیل پوششی داده­ ها، منجر به کاهش بیشتر انرژی مصرفی، گرمایش ­جهانی، هزینه ­های تولید و بارهای محیط زیستی و همچنین افزایش بیشتر درآمد شد. بنابراین استفاده از روش الگوریتم ژنتیک، راه را برای رسیدن به توسعه پایدار در صنعت تولید کیک و باقی­ماندن در عرصه رقابت با دیگر صنایع غذایی هموار خواهد کرد.

کلیدواژه‌ها

عنوان مقاله [English]

Optimization of energy consumption and reduction of environmental emissions in cake production using data envelopment analysis and genetic algorithm

نویسندگان [English]

  • Asadollah Akram
  • Majid Khanali
  • Mahdieh Mohammadnia Galeshklamei
  • Homa Hosseinzadeh-Bandbafha
Department of Agricultural Machinery Engineering, Faculty of Agricultural Engineering and Technology, University of Tehran, Karaj, Iran
چکیده [English]

Introduction:
Sustainable development necessitates the supply of energy resources in a sustainable manner, with a reasonable cost and with minimum negative social and environmental impacts. Thus the optimization of energy consumption, and as a result, the reduction of environmental emissions is of particular importance. The purpose of this study was to assess the amounts of consumed energy and pollutant emissions, optimization of energy consumption, and reduction in environmental emissions in the cake production industry in Guilan Province using data envelopment analysis (DEA) and genetic algorithm (GA).
Material and methods:
The efficient and inefficient units considering energy consumption were identified using DEA models. The optimal energy consumption pattern based on efficient units was presented for other cake production units, and the environmental assessment was performed based on the optimal pattern. Finally, using the multi-objective genetic algorithm (MOGA) and considering two objective functions aiming at increasing the yield and reducing the global warming (GW) index, the optimal energy consumption pattern in cake production units was presented.
Results and discussion:
The results of this study showed that 260532.25 MJ of energy was consumed for a daily production of 4157.14 kg of cake. The highest share of energy consumption was allocated to natural gas with 128582.1 MJ. Also, GW index was calculated 13099.49 kg CO2 eq. per ton of produced cake.According to DEA results, from a total of 21 cake production units, 17 units were recognized efficient based on variable returns to scale model. Based on DEA results, the total energy consumption for optimum consumption of inputs, the energy saving percentage, and the reduction of GW index were determined 254929.28 MJ day-1, 2.15%, and 550.18 kg CO2 eq. per ton of produced cake, respectively. Also, the energy use pattern proposed by the MOGA resulted in 36.3% reduction of energy consumption, in which the highest percentage of energy savings was associated with human labor. Based on the optimization results of MOGA, GW index for production of one ton of cake was calculated 10038.44 kg CO2 eq.
Conclusion:
MOGA optimization method in comparison to DEA, resulted in more reduction of energy consumption, GW index, production costs, and environmental burdens as well as higher income. Thus, the use of MOGA will pave the way for achieving sustainable development in cake production industry and staying in competition with other food industries.

کلیدواژه‌ها [English]

  • Genetic algorithm
  • Energy
  • Data Envelopment Analysis
  • Cake
  • Global warming

مراجع

  1. Abolshikhi, M., 2014. Study of life cycle of bread production - Case Study: Ray County, Tehran. MS.c. Thesis. University of Tehran, Tehran, Iran.
  2. Adler, N., Friedman, L. and Sinuany-Stern, Z., 2002. Review of ranking methods in the data envelopment analysis context. European Journal of Operational Research. 140(2), 249-265.
  3. Andersson, K. and Ohlsson, T., 1999. Life cycle assessment of bread produced on different scales. The International Journal of Life Cycle Assessment. 4(1), 25-40.
  4. Anonymous, 2014. Results of the survey design from industrial workshops of 10-49 employees. National Statistics Organization. (In Persian with English abstract). https://www.amar.org.ir
  5. Baum, A.W., Patzek, T., Bender, M., Renich, S. and Jackson, W., 2009. The visible, sustainable farm: A comprehensive energy analysis of a Midwestern farm. Critical Reviews in Plant Sciences. 28(4), 218-239.
  6. Bimpeh, M., Djokoto, E., Doe, H. and Jequier, R., 2006. Life Cycle Assessment (LCA) of the Production of Homemade and Industrial Bread in Sweden. KTH, Life Cycle Assessment Course (1N1800).
  7. Braschkat, J., Patyk, A., Quirin, M. and Reinhardt, G.A., 2004. Life cycle assessment of bread production-a comparison of eight different scenarios. DIAS report, 293 p.
  8. Canakci, M., Topakci, M., Akinci, I. and Ozmerzi, A., 2005. Energy use pattern of some field crops and vegetable production: Case study for Antalya region, Turkey. Energy Conversion and Management. 46(4), 655-666.
  9. Charnes, A., Cooper, W.W. and Rhodes, E., 1979. Measuring the efficiency of decision-making units. European Journal of Operational Research. 3(4), 338-339.
  10. Cooper, W.W., Ruiz, J.L. and Sirvent, I., 2007. Choosing weights from alternative optimal solutions of dual multiplier models in DEA. European Journal of Operational Research. 180(1), 443-458.
  11. Erdal, G., Esengün, K., Erdal, H. and Gündüz, O., 2007. Energy use and economical analysis of sugar beet production in Tokat province of Turkey. Energy. 32(1), 35-41.
  12. Espinoza-Orias, N., Stichnothe, H. and Azapagic, A., 2011. The carbon footprint of bread. The International Journal of Life Cycle Assessment. 16(4), 351-365.
  13. Geerken, T.H., Scholliers, D., De Vooght, C., Spirinckx, V., Van Holderbeke, M. and Vercalsteren, A., 2006. Analysis of the 4 Cases 1/5. Case Study: Bread, Sustainability Developments of Product Systems, 1800-2000. The Belgian Science Policy. 29-43.
  14. Guinee, J., and Heijungs, R., 2017. Introduction to life cycle assessment. In Sustainable Supply Chains (pp. 15-41). Springer, Cham.
  15. Hosseinzadeh-Bandbafha, H., Safarzadeh, D., Ahmadi, E., Nabavi-Pelesaraei, A. and Hosseinzadeh-Bandbafha, E., 2017. Applying data envelopment analysis to evaluation of energy efficiency and decreasing of greenhouse gas emissions of fattening farms. Energy. 120, 652-662.
  16. Hosseinzadeh-Bandbafha, H., Tabatabaei, M., Aghbashlo, M., Khanali, M., and Demirbas, A., 2018. A comprehensive review on the environmental impacts of diesel/biodiesel additives. Energy Conversion and Management, 174, 579-614.
  17. ISO, 2006. Environmental Management- Life Cycle Assessment- Principles and Framework- ISO 14040.
  18. Karakaya, A. and Özilgen, M., 2011. Energy utilization and carbon dioxide emission in the fresh, paste, whole-peeled, diced, and juiced tomato production processes. Energy. 36(8), 5101-5110.
  19. Khanali, M., Mohammadnia Galeshklamei, M., Akram, A., and Hosseinzadeh-Bandbafha, H., 2019. Optimization of energy consumption and reduction of environmental emissions in cookie production using data envelopment analysis and genetic algorithm techniques. Agricultural Mechanization and Systems Research. (In Persian with English abstract). https://dx.doi.org/10.22092/erams.2018.115061.1215.
  20. Khatir, Z., Taherkhani, A. R., Paton, J., Thompson, H., Kapur, N. and Toropov, V., 2015. Energy thermal management in commercial bread-baking using a multi-objective optimisation framework. Applied Thermal Engineering. 80, 141-149.
  21. Kitani, O., 1999. CIGR handbook of agricultural engineering. Energy and biomass engineering, ASAE Publications, St Joseph, MI. 351 p.
  22. Konak, A., Coit, D. W. and Smith, A. E., 2006. Multi-objective optimization using genetic algorithms: A tutorial. Reliability Engineering & System Safety. 91(9), 992-1007.
  23. Kulak, M., Nemecek, T., Frossard, E., Chable, V. and Gaillard, G., 2015. Life cycle assessment of bread from several alternative food networks in Europe. Journal of Cleaner Production. 90, 104-113.
  24. Maupu, P., Berthoud, A., Negri, O., Leguereau, B., Gely, B. and Poupart, A., 2012. traceability of environmental information all along the cereal industry: from the wheat field to the bakery. in proceedings 2nd LCA conference. 6-7 November. Lille France.
  25. Mirjalili, S., 2019. Genetic Algorithm. In Evolutionary Algorithms and Neural Networks (pp. 43-55). Springer, Cham.
  26. Nabavi-Pelesaraei, A., Rafiee, S., Mohtasebi, S. S., Hosseinzadeh-Bandbafha, H., and Chau, K. W., 2019. Assessment of optimized pattern in milling factories of rice production based on energy, environmental and economic objectives. Energy, 169, 1259-1273.
  27. Namdari, M., 2015. Optimization of sugar beet production using colonial competition algorithm and life cycle assessment of sugar production. Ph.D. Thesis. University of Tehran, Tehran, Iran.
  28. Notarnicola, B., Tassielli, G., Renzulli, P. A. and Monforti, F., 2017. Energy flows and greenhouses gases of EU (European Union) national breads using an LCA (Life Cycle Assessment) approach. Journal of Cleaner Production. 140, 455-469.
  29. Perez-Uresti, S. I., Ponce-Ortega, J. M., and Jimenez-Gutierrez, A., 2019. A multi-objective optimization approach for sustainable water management for places with over-exploited water resources. Computers & Chemical Engineering, 121, 158-173.
  30. Qaseri, K., Mehrno, H. and Jafari, A., 2007. Introduction to Fuzzy Data Envelopment Analysis. Islamic Azad University, Qazvin Branch. Iran. (In Persian with English abstract).
  31. Shamshirband, S., Khoshnevisan, B., Yousefi, M., Bolandnazar, E., Anuar, N.B., Wahab, A. W. A., and Khan, S. U. R., 2015. A multi-objective evolutionary algorithm for energy management of agricultural systems—a case study in Iran. Renewable and Sustainable Energy Reviews, 44, 457-465.
  32. Therkelsen, P., Masanet, E. and Worrell, E., 2014. Energy efficiency opportunities in the US commercial baking industry. Journal of Food Engineering. 130, 14-22.
  33. Valaei, N., Rezaei, S., Ho, R. C., and Okumus, F., 2019. Beyond Structural Equation Modelling in Tourism Research: Fuzzy Set/Qualitative Comparative Analysis (fs/QCA) and Data Envelopment Analysis (DEA). In Quantitative Tourism Research in Asia (pp. 297-309). Springer, Singapore.
  34. Vares, S., Häkkinen, T., Ketomäki, J., Shemeikka, J., and Jung, N., 2019. Impact of renewable energy technologies on the embodied and operational GHG emissions of a nearly zero energy building. Journal of Building Engineering, 22, 439-450.
فصلنامه علوم محیطی
دوره 17، شماره 2
تیر 1398
صفحه 103-124

فایل ها

هم رسانی

ارجاع به این مقاله

آمار