Some Factors in the Effective Amount of Corn Bread Phytic Acid with Response Surface Method Approach
Year 2018,
Volume: 44 Issue: 2, 121 - 134, 11.10.2018
Duygu Kılıç
,
Hülya Bayrak
,
Berrin Özkaya
Abstract
Experimental arrangements are known to be used in scientific researches for
a variety of purposes in areas such as food and health care. In order to be
able to meet the needs of the experimenter in the experiment regulation
methods, it is very important to know the limits of the design in the
development process, to understand the effects of the variables used on the
design, and to find the best solution analytically. However, if an analytical
relationship cannot be expressed between the variables used in defining the
design and the evaluation criterion used to measure the quality of the design,
other methods must be used to achieve the best solution. In such cases, the
response surface method (RSM) is used to experimentally derive the necessary
correlations in the changes that the evaluation measure creates in the design
variables. Consideration of the factors that are thought to be an effect on the
response to the main objective in all testing schemes and to minimize the trial
error. In this study, the effects of phytic acid treatment on corn meal
production were investigated. The use of first-order response surface models
and the application of the results are summarized in a one replicate experiment
in the 3k Central Composite Design (CCD) method of the RSM.
Increasing or decreasing the amount of the substance that affects the CCD assay
will directly reduce the relevant factor. By this method, it is possible to
save both the time and the amount of material by better limiting the area at
certain levels.
References
- Aktaş S, Çiftçi E (2015). Hasta memnuniyetine yanıt yüzeyi yaklaşımı. Europen Journal of Science and Technology 2(4): 128–135.
- Allen TT, Yu L (2002). Low cots response surface methods from simulation optimization. Quality and Engineering 12(4): 583–591.
- Baş D, Boyacı İH (2007). Modelling and optimization ii: comparison of estimation capabilities of response surface methodology with artificial neural networks in a biochemical reaction. Jourmal of Food Engineering 78: 846–854.
- Bayrak H, Özkaya B, Tekindal MA (2010) Productivity in the first degree for the optimum point determination of factorial trials: an application. Türkiye Klinikleri Biyoistatistik Dergisi 2(1): 18–27.
- Cin D, Işık O (2014). hava ulaştırma görevlerinin başarımının tatmini. Havacılık ve Uzay Teknolojileri Dergisi 7(1): 105–111.
Değirmencioğlu A, Yazgı A (2006). Tepki yüzeyleri metodolojisi optimizasyon esaslı çalışmalara ilişkin teorik esaslar ve tarımsal mekanizasyon uygulamaları. Tarım Makineleri Bilimi Dergisi 2(2): 111–115.
- Demir Ö, Aksu B, Özsoy Y (2017). İlaç formülasyonu geliştirilmesinde deney tasarımı seçimi ve kullanımı. Marmara Pharmaceutical Journal 21(2): 211–222.
- Dutta JR, Dutta PK, Banerjee R (2004). Optimization of culture parameters for extracellular protease production from a newly isolated pseudomonas using response surface and artificial neural network models. Process Biochemistry 39: 2193–2198.
- Gomes HM, Awruch AM (2004). Comparison of response surface and neural network with other methods for structural reliability analysis. Structural Safety 26: 49–67.
- Goos P, Donev AN (2006). Blocking response surface designs. Computational Statistics and Data Analysis 51: 1075–1088.
- Hanrahan G, Lu K (2006). Critical application of factorial and response surface methodology in modern experimental design and optimization. Critical Reviews in Analytical Chemistry 36: 141–151.
- Koç B, Ertekin-Kaymak F (2010) Yanıt yüzey yöntemi ve gıda işleme uygulamaları. The Journal of Food 35(1): 1–8.
- Mead R, Pike D (1975). A review of response surface methodology from a biometric viewpoint. Biometrics 31: 803–851.
- Myers RH, Montgomery DC (1995). Response surface methodology, process and product optimization using designed experiments. 2nd edition John Wiley and Sons, New York.
- Myers RH (1999). Response surface methodology - current status and future directions (with discussion). Journal of Quality Technology 31: 30–44.
- Oon SJ, Lee LH (2006). The impact of ordinal on response surface methodology. Winter Simulation Conference, California, 406–413.
- Özkaya B, Özkaya H, Duran B (2013) Effects of yeast types on phytic acid content of traditional corn bread. The 2. International Symposium on Traditional Foods From Adriatic to Caucasus, 24-17 October, 234, Makedonya.
- Ryan TP (2007). Modern experimental design. New Jersey: John Wiley and Sons 360–410.
- Said KAM, Amin MAM (2015). Overview on the response surface methodology in extraction processes. Journal of Applied Science and Process Enginering 2(1): 8–17.
- Stablein DM, Carter WH, Wampler GL (1983). Survival analysis of drug combinations using a hazards model with time-dependent covariates. Biometrics 36(3): 537–546.
- Tekindal MA, Bayrak H, Özkaya B, Yavuz Y (2014). Second order response surface method: factorial experiments an alternative method in the field on agronomy. Turkish Journal of Field Crops 19(1): 35–45.
- Turan MD, Altundoğan HS (2011). Hidrometalurjik araştırmalarda yanıt yüzey yöntemlerinin kullanımı. Madencilik 50(3): 11–23.
- Vining GG, Myers RH (1990). Combining taguchi and response surface philosophies: dual response approach. Journal of Quality Technology 22(1): 38–45.
Mısır Ekmeğindeki Fitik Asit Miktarını Etkileyen Faktörlerin Belirlenmesinde Yanıt Yüzey Yöntemi Yaklaşımı
Year 2018,
Volume: 44 Issue: 2, 121 - 134, 11.10.2018
Duygu Kılıç
,
Hülya Bayrak
,
Berrin Özkaya
Abstract
Deney düzenleme
yöntemlerinin bilimsel araştırmalarda, gıda ve sağlık gibi alanlarda birçok
farklı amaçla kullanıldığı bilinmektedir. Deney düzenleme yöntemlerinde, deneyi
yapan kişinin ihtiyaçlarına karşılık bulabilmesi için; geliştirme sürecinde
olan tasarımın sınırlarını bilmek, kullanılan değişkenlerinin tasarım
üzerindeki etkilerini anlamak ve analitik olarak en iyi çözümü bulmak oldukça
önemlidir. Ancak tasarımı tanımlarken kullanılan değişkenler ile tasarımın
kalitesini ölçmek için kullanılacak olan değerlendirme ölçütü arasında analitik
bir bağıntı ifade edilememesi durumunda en iyi çözüme ulaşmak için başka
yöntemlerin kullanılmasını gerekir. Bu gibi durumlarda değerlendirme ölçütünün
tasarım değişkenlerinde oluşturduğu değişmelerde gerekli bağıntıları deneysel
yoldan elde etmek için yanıt yüzey yöntemi kullanılır. Bütün deneme
düzenlerinde temel amaç üzerinde durulan yanıt değişkenine etkisi olabileceği
düşünülen faktörlerin dikkate alınması ve deneme hatasının minimuma
indirilmesidir. Bu çalışmada, mısır ekmeği üretimi sırasında uygulanan
işlemlerin fitik asit miktarına etkileri incelenmiştir. Birinci derece yanıt
yüzey modeli kullanılmıştır. Problemin yapısına
3k CCD (Central Composit Design-CCD-Merkezi Bileşik deneme)
düzeni uygundur. Deneme düzeni tek tekrarlıdır. CCD
deneme düzenini etkileyen madde miktarını artırmak ya da azaltmak direkt olarak
ilgili faktörü artıracak ya da azaltacaktır. Bu yöntem sayesinde belirli
düzeylerdeki alanı daha iyi sınırlandırarak hem zamandan hem de madde miktarından
tasarruf yapılması sağlanabilir.
References
- Aktaş S, Çiftçi E (2015). Hasta memnuniyetine yanıt yüzeyi yaklaşımı. Europen Journal of Science and Technology 2(4): 128–135.
- Allen TT, Yu L (2002). Low cots response surface methods from simulation optimization. Quality and Engineering 12(4): 583–591.
- Baş D, Boyacı İH (2007). Modelling and optimization ii: comparison of estimation capabilities of response surface methodology with artificial neural networks in a biochemical reaction. Jourmal of Food Engineering 78: 846–854.
- Bayrak H, Özkaya B, Tekindal MA (2010) Productivity in the first degree for the optimum point determination of factorial trials: an application. Türkiye Klinikleri Biyoistatistik Dergisi 2(1): 18–27.
- Cin D, Işık O (2014). hava ulaştırma görevlerinin başarımının tatmini. Havacılık ve Uzay Teknolojileri Dergisi 7(1): 105–111.
Değirmencioğlu A, Yazgı A (2006). Tepki yüzeyleri metodolojisi optimizasyon esaslı çalışmalara ilişkin teorik esaslar ve tarımsal mekanizasyon uygulamaları. Tarım Makineleri Bilimi Dergisi 2(2): 111–115.
- Demir Ö, Aksu B, Özsoy Y (2017). İlaç formülasyonu geliştirilmesinde deney tasarımı seçimi ve kullanımı. Marmara Pharmaceutical Journal 21(2): 211–222.
- Dutta JR, Dutta PK, Banerjee R (2004). Optimization of culture parameters for extracellular protease production from a newly isolated pseudomonas using response surface and artificial neural network models. Process Biochemistry 39: 2193–2198.
- Gomes HM, Awruch AM (2004). Comparison of response surface and neural network with other methods for structural reliability analysis. Structural Safety 26: 49–67.
- Goos P, Donev AN (2006). Blocking response surface designs. Computational Statistics and Data Analysis 51: 1075–1088.
- Hanrahan G, Lu K (2006). Critical application of factorial and response surface methodology in modern experimental design and optimization. Critical Reviews in Analytical Chemistry 36: 141–151.
- Koç B, Ertekin-Kaymak F (2010) Yanıt yüzey yöntemi ve gıda işleme uygulamaları. The Journal of Food 35(1): 1–8.
- Mead R, Pike D (1975). A review of response surface methodology from a biometric viewpoint. Biometrics 31: 803–851.
- Myers RH, Montgomery DC (1995). Response surface methodology, process and product optimization using designed experiments. 2nd edition John Wiley and Sons, New York.
- Myers RH (1999). Response surface methodology - current status and future directions (with discussion). Journal of Quality Technology 31: 30–44.
- Oon SJ, Lee LH (2006). The impact of ordinal on response surface methodology. Winter Simulation Conference, California, 406–413.
- Özkaya B, Özkaya H, Duran B (2013) Effects of yeast types on phytic acid content of traditional corn bread. The 2. International Symposium on Traditional Foods From Adriatic to Caucasus, 24-17 October, 234, Makedonya.
- Ryan TP (2007). Modern experimental design. New Jersey: John Wiley and Sons 360–410.
- Said KAM, Amin MAM (2015). Overview on the response surface methodology in extraction processes. Journal of Applied Science and Process Enginering 2(1): 8–17.
- Stablein DM, Carter WH, Wampler GL (1983). Survival analysis of drug combinations using a hazards model with time-dependent covariates. Biometrics 36(3): 537–546.
- Tekindal MA, Bayrak H, Özkaya B, Yavuz Y (2014). Second order response surface method: factorial experiments an alternative method in the field on agronomy. Turkish Journal of Field Crops 19(1): 35–45.
- Turan MD, Altundoğan HS (2011). Hidrometalurjik araştırmalarda yanıt yüzey yöntemlerinin kullanımı. Madencilik 50(3): 11–23.
- Vining GG, Myers RH (1990). Combining taguchi and response surface philosophies: dual response approach. Journal of Quality Technology 22(1): 38–45.