Nugget buharlı pişme süreç parametrelerinin çok yanıtlı güçlü eniyilenmesi

Yıl 2020, , 1171 - 1186, 07.04.2020

Özlem Kuvat

https://doi.org/10.17341/gazimmfd.598671

Öz

Gıda
ürünlerinin kalitesinin geliştirilmesinde üretim parametrelerinin en iyi
değerlerinin bulunması için deney tasarımı yaygın olarak kullanılmaktadır.
Ancak Taguchi güçlü tasarım ve çok yanıtlı optimizasyon uygulamalarının eşanlı
kullanımı yaygın değildir. Bu çalışmada bir gıda işletmesinde üretilen nugget
kaplamalı ürünlerinin kalitesinin artırılması için üretim parametrelerinin
uygun düzeylerinin bulunması amaçlanmıştır. Üretim kalitesinin
geliştirilmesinde kontrol edilemeyen gürültü faktörlerinin etkilerine karşı
güçlü tasarımın sağlanması için buharlı pişirme fırınındaki süre, sıcaklık ve
fan hızı parametrelerinin en uygun düzeyleri bulunmaya çalışılmış;
mikrobiyolojik yük, merkez sıcaklığı ve ağırlık performans karakteristiklerinin
en iyi değerleri araştırılmıştır. Çok yanıtlı eniyileme probleminin çözümünde
üç performans karakteristiğinin eşzamanlı en iyilenmesi SN oranlarına dayalı
çekicilik fonksiyonu ve çok kriterli karar verme yöntemlerinden MOORA ve
ARAS’ın kullanımıyla gerçekleştirilmiştir. Çekicilik fonksiyonu ile MOORA ve
ARAS’ın kullanımıyla önerilen düzeylerin aynı olduğu görülmüş ve bu düzeyler
için doğrulama deneyleri yapılmıştır. En son olarak elde edilen sonuçlarla
başlangıç üretim koşulları sonuçları karşılaştırılmıştır. 

Anahtar Kelimeler

“Çok yanıtlı güçlü eniyileme”, “Çekicilik fonksiyonu”

Kaynakça

• 1. Fowlkes W.Y., Clyde M. C., Engineering Methods For Robust Product Design Using Taguchi Methods In Technology And Product Development, Addison-Wesley Publishing Company, 1995.2. Houng J.Y., Hsu H.f.,, Liu Y.H., Wu J.Y., Applying the Taguchi robust design to the optimization of the asymmetric reduction of ethyl 4-chloro acetoacetate by bakers’ yeast, Journal Of Biotechnology, 100 (3), 239-250, 2003.3. Soh W.; Kim H., Yum B. J., A multivariate loss function approach to robust design of systems with multiple performance characteristics, Quality And Reliability Engineering International, 32 (8), 2685-2700, 2016.4. Gauri S. K., Pal S., Comparison of performances of five prospective approaches for the multi-response optimization, The International Journal Of Advanced Manufacturing Technology, 48 (9-12), 1205-1220, 2010.5. Wang J., He Z., Oh J. H., Park S. H., Multi-Response robust optimization using desirability function. In Advanced Management of Information for Globalized Enterprises, IEEE (AMIGE 2008, 1-3, 2008.6. Dogan S. F., Sahin S., Sumnu G., Effects of soy and rice flour addition on batter rheology and quality of deep-fat fried chicken nuggets, Journal Of Food Engineering, 71, 127–132, 2005.7. Hasgül Ö., Ürün ve süreçlerin geliştirilmesinde deney tasarımı: gıda sektöründe bir uygulama, Yönetim Ve Ekonomi Araştırmaları Dergisi - Akademik Fener, 15, 42-67, 2011.8. Kuvat Ö., Multi response optimization by taguchi parameter design for a package food production company, Uludağ University Journal Of The Faculty Of Engineering, 23 (3), 215-236, 2018.9. Prinyawiwatkul W., Mcwatters K. H., Beuchat L. R., Phillips R. D., Optimizing acceptability of chicken nuggets containing fermented cowpea and peanut flours, Journal Of Food Science, 62 (4), 889-905, 1997.10. Evanuarini H., Purnomo H., Physical and organoleptic quality of chicken nuggets fried at different temperature and time, Journal Of Agriculture And Food Technology, 1 (8), 133-136, 2011.11. Yogesh K., Ahmad T., Manpreet G., Mangesh, K., Das, P., Characteristics of chicken nuggets as affected by added fat and variable salt contents, Journal of food science and technology, 50 (1), 191-196, 2013.12. Luckose F., Pandey M. C., Radhakrishna K, Development of low salt restructured chicken nugget by response surface methodology and its quality evaluation, International Food Research Journal, 22 (6), 2403-2412, 2015.13. Arshad M. S., Imran, A., Nadeem M. T., Sohaib M., Saeed F., Anjum F. M., Kwon J., Hussain S., enhancing the quality and lipid stability of chicken nuggets using natural antioxidants, Lipids in Health and Disease, 16 (108), 1-9, 2017.14. Pathera A. K., Riar, C. S., Yadav S., Sharma D. P., Yadav Y. S., Kumar M., Optimization of dietary fiber enriched chicken nuggets for different cooking methods, Journal of Food Measurement and Characterization, 11 (3), 1386-1397, 2017.15. Ortiz F. J., James R. S., Joseph J. P. J., Alejandro H. L., A genetic algorithm approach to multiple-response optimization, Journal Of Quality Technology, 36 (4), 2004.16. Myers R., Montgomery D.C., Response Surface Methodology Process And Product Optimization Using Designed Experiments, Second Edition, John Wiley & Sons, New York, A.B.D, 2002.17. Tong L. I., Wang C. H., Houng J. Y., Chen J. Y., Optimizing dynamic multiresponse problems using the dual-response-surface method, Quality Engineering, 14 (1), 115-125, 2002.18. Najafi S., Salmasnia A., Kazemzadeh R. B., Optimization of robust design for multiple response problem, Australian Journal Of Basic And Applied Science, 5 (9), 1566-1577, 2011.19. Bashiri M., Amirhossein A., Majid J., Taguchi design optimization using multivariate process capability index, Journal Of Industrial And Systems Engineering, 9 (1), 57-78, 2016.20. Khuri A. I., Conlon M., Simultaneous optimization of multiple responses represented by polynomial regression functions, Technometrics, 23 (4), 363-375, 1981.21. Vining G. G., A compromise approach to multiresponse optimization, Journal of Quality Technology, 30 (4), 309-313, 1998.22. Derringer G., Ronald S., Simultaneous optimization of several response variables, Journal of Quality Technology, 12 (4), 214-219, 1980.23. Aksezer C. S., On the sensitivity of desirability functions for multiresponse optimization”, Journal of Industrial and Management Optimization, 4 (4), 685-696, 2008.24. Tong L. I., Su C. T. Optimizing multi‐response problems in the Taguchi method by fuzzy multiple attribute decision making, Quality and Reliability Engineering International, 13 (1), 25-34, 1997.25. Wang P., Li Y., Wang Y. H., Zhu Z. Q. A new method based on TOPSIS and response surface method for MCDM problems with interval numbers. Mathematical Problems in Engineering, Volume 2015, Article ID 938535, 1-15, 2015. 26. Şimşek B., Uygunoğlu T., Multi-response optimization of polymer blended concrete: A TOPSIS based Taguchi application, Construction and Building Materials, 117, 251-262, 2016.27. İç, Y. T., Yildirim S., Improvement of a product design using multi criteria decision making methods with Taguchi method, Journal of the Faculty of Engineering and Architecture of Gazi University, 27 (2). 447-458, 2012.28. İç, Y., T., Yıldırım S., MOORA-based Taguchi optimisation for improving product or process quality, International Journal of Production Research, 51 (11), 3321-3341, 2013.29. Basha S. K., Raju M. J., Kolli, M., Multi response optimization of edm process parameters for ınconel x-750 using Moora, Journal of Mechanical Engineering Research & Developments (JMERD), 42 (1), 30-40, 2019.30. Del Castillo E., Montgomery D.C., Mccarville D. R., Modified desirability functions for multiple response optimization, Journal Of Quality Technology, 28 (3), 337-345, 1996.31. Özler, C., Çekicilik (desirability) fonksiyonları üzerine bir inceleme, Dokuz Eylül Üniversitesi İ.İ.B.F. Dergisi, 14 (2), 111-121, 1999.32. Yoon H.‐S.; Yum B.‐J.. Robust design of communication systems: the case of expedited forwarding of voice traffic ın differentiated services networks, International Journal Of Communication Systems, 20 (10), 1131-1154, 2007.33. Byun J. H., Kim, K. J. On Robust Design For Multiple Quality Characteristics. In Quality Improvement Through Statistical Methods, 289-297, Birkhäuser, Boston, MA, 1998.33. Byun J. H., Kim, K. J., A desirability function approach to the robust design for multiple quality characteristics, Journal of The Korean Institute of Industrial Engineers, 24 (2), 287-296, 1998.34. Derringer G.C., A balancing act: optimizing a product’s properties, Quality Progress, 27 (6), 51-58, 1994.35. Arizaa J.L. G´Omez T. Garc´Ia-Barreraa F. Lorenzoa A. Gustavo Gonz´Alez, Optimisation of a pressurised liquid extraction method for haloanisoles in cork stoppers, Analytica Chimica Acta, 540 (1), 17-24, 2005.36. Nelder J. A., Mead R., A simplex method for function minimization, The Computer Journal, 7 (4), 308-313, 1965.37. Brauers W. K., Zavadskas E. K. The MOORA method and its application to privatization in a transition economy, Control and Cybernetics, 35, 445-469. 2006.38. Paksoy S., Çok Kriterli Karar Vermede Güncel Yaklaşımlar, Karahan Kitabevi, Adana, 2017.39. Kecek G., Demirağ F. A, Comparative analysis of TOPSIS And MOORA in laptop selection. Research On Humanities And Social Sciences, 6, 1-9, 2016.40. Zavadskas E. K, Turskis, Z., A new additive ratio assessment (ARAS) method in multicriteria decision‐making, Technological and Economic Development of Economy, 16 (2), 159-172, 2010.41. Ertuğrul İ, Sarı, G., Özçil A., Öztaş, T., Evaluating of countries’ global financial development criterias based onARAS and COPRAS methods that countries in BSEC, UMTEB-I, April 8-10, Batumi – Georgia, 226-252, 2017.41. Özbek A., Çok Kriterli Karar Verme Yöntemleri ve Excel ile Problem Çözümü, Seçkin Yayıncılık, Ankara, 2017.42. Karabašević, D. M., Maksimović, M. V., Stanujkić, D. M., Jocić, G. B., Rajčević, D. P., Selection of software testing method by using ARAS method, Tehnika, 73 (5), 724-729, 2018.43. TMMOB Gıda Mühendisleri Odası, Türk Gıda Kodeksi Et Ve Et Ürünleri Tebliği (Tebliğ No: 2012/74) http://www.resmigazete.gov.tr/eskiler/2012/12/20121205-12.htm Erişim tarihi 29.01.1844. Hasgül Ö., Üretim Parametrelerinin Güçlü Tasarımı Ve Bir Gıda İşletmesinde Uygulanması, İstanbul Üniversitesi Sosyal Bilimler Enstitüsü İşletme Anabilim Dalı Sayısal Yöntemler Bilim Dalı, Phd Thesis, İstanbul, 2010. 45. Phadke, M. S., Quality Engineering Using Robust Design, Prentice Hall PTR, Englewood Cliffs New Jersey 07632, 1989.46. Stat-Ease Inc. (Design-Expert ®), Minneapolis, MN. http://www.statease.com/Docs/V11/Contents/Optimization/Numerical-Optimization-Algorithm.html Erişim tarihi 30. 01.2018