ИЗУЧЕНИЕ СТЕПЕНИ ВЛИЯНИЯ ТЕХНОЛОГИЧЕСКИХ ФАКТОРОВ НА ПРОЦЕСС ТЕРМИЧЕСКОЙ ОБРАБОТКИ ПРОМЕЖУТОЧНЫХ ПРОДУКТОВ ДЛЯ ПОЛУЧЕНИЯ АКТИВИРОВАННОГО УГЛЯ С ИСПОЛЬЗОВАНИЕМ ОТХОДОВ ТЕКСТИЛЬНО-ПРЯДИЛЬНОГО ПРОИЗВОДСТВА

АННОТАЦИЯ

В настоящей статье предложены результаты математического планирования экспериментов по термической обработке промежуточных продуктов для получения активированных углей из вторичных сырьевых ресурсов. Для проведения оптимизации использован метод Бокса-Уильсона с четыремя влияющими факторами. В результате выявлены значимость коэффициентов, влияющие на эффективность технологического цикла при проведении процесса карбонизации органического сырья.

ABSTRACT

This article reports the results of mathematical planning of experiments on thermal processing of intermediate products for obtaining activated carbons from secondary raw materials. The Box-Wilson method with four influencing factors was used to conduct optimization. As a result, the significance of the coefficients influencing the efficiency of the technological cycle during the process of carbonization of organic raw materials was revealed.

Ключевые слова: карбонизация, технологические факторы, оптимизация, Бокс-Уильсон, активированный уголь.

Keywords: carbonization, technological factors, optimization, Box-Wilson, activated carbon.

Введение. Как известно, что текстильно-прядильная отрасль промышленности является производственным процессом, которая использует в больших объемах чистых, питьевых водных ресурсов. Вследствие того, сбрасываемые воды данного вида производства являются в основном загрязненными красящими химическими веществами. Для очистки текстильных сточных вод от красящих веществ, предложено множество механических, физических, химических, биологических, физико-химических и прочих технологических приемов. Одним из перечисленных технологических методов очистки воды от красящих веществ является использование в процессе очистки воды адсорбентов, которые являются активированными углями [1]. Учитывая ток факт, что сброс воды, которая загрязнена химическими красителями в естественные водоемы или в природу загрязненной может оказать негативное, а порой необратимое влияние на экологическую обстановку [2]. Исходя из вышеизложенных, разработка новых товарных марок активированного угля на основе местного вторичного сырья является актуальной задачей, которая следует решить специалистами.

Использование математических методов при планировании лабораторных экспериментов и статистической обработки результатов опытов обеспечивает выявить наиболее оптимальные условия технологического цикла. Это даст возможность упрощению в управлении технологическими процессами производственных циклов. Тематика использования активированных углей для экологической безопасности изучено достаточно и имеется множество литературных данных по этим вопросам [3]. Метод Бокса-Уилсона для обработки углей эффективно использован специалистами, работающими над разработкой новых марок активированных углей [4-6].

В данном исследовании в качестве объекта были выбраны короткие хлопковые волокна, являющиеся отходами текстильной промышленности, химический состав которых состоит из целлюлозы. Известно, что адсорбенты на основе целлюлозы хлопкового волокна обладают очень высокими адсорбционными свойствами. [7]. Такие адсорбенты обладают высокими физико-химическими, товарно-химическими, технологическими и другими свойствами. Однако, поскольку хлопковое волокно является дорогостоящим сырьем, производство адсорбентов из такого сырья с технической и экономической точки зрения не считается ресурсосберегающей технологией. Но, при всем этом использование отходов волокон, образующихся в результате переработки хлопка, волокнисто-текстильных, прядельных и других технологических процессов, связанных с переработкой хлопкового волокна, в качестве вторичного сырья можно рассматривать как вариант технико-экономического решения проблемы. Кроме этого, активированные угольные адсорбенты различного назначения могут быть получены путем активации или модификации бурого угля различными методами. В настоящее время в промышленных масштабах разработано множество марок активированного угля для использования в различных областях, которые различаются, главным образом, по своим адсорбционным свойствам [8-10].

Эксперименты, результаты и их обсуждение.

Для исследований были отобраны отходы волокна и обрезки тканей, образующиеся в цехах первичной переработки волокна, прядения пряжи, ткачества тканей и аналогичных цехах текстильных предприятий, действующих на территории Ферганской области, а также порошок бурого угля Ангренского месторождения. Отобранное вторичное сырье – порошковый уголь, отходы хлопкового волокна и обрезки тканей смешивали в лабораторном смесителе со связующим раствором в определенных пропорциях для приготовления массы. Полученные массы подвергались термической обработке в лабораторной пиролизной установке под вакуумом -0,9 кг/см² в течение 1 часа при температуре 450ºС.

На основе априорной информации, в данном случае результатов однофакторных экспериментов, выбрали все четыре фактора, которые влияют на ход термической обработки, также установили для них основные уровни и интервалы их варьирования (см. Таблицу 1)

Исследованные факторы:

1) Х₁ – доля измельченного бурого угля в составе массы для получения карбонизата, %;

2) Х₂ – доля хлопковых волокон в составе массы для получения карбонизата, %;

3) Х₃ – доля связывающего вещества в составе массы для получения карбонизата, %;

4) Х₄ – размер гранул бурого угля, мм.

Таблица 1.

Факторы и интервалы варьирования

Установлены первый и второй уровни четырех влияющих факторов, что означает полный факторный эксперимент типа 2⁴. В данном случае, следует использовать дробную реплику 2, тому и руководились. Реплики от полного факторного эксперимента 2⁴ с применением планирования типа 2^4-1 с генерирующими соотношениями:

Х₄ = Х₁ · Х₂                                                                          (1)

Матрица планирования экспериментов и полученные результаты приведены в таблице 2. 

Таблица 2.

Матрица планирования экспериментов и их результаты

Поставлено всего 8 опытов, каждый из которых проводили в соответствии с составленной матрицей (табл.2). Процесс термической обработки проводят по Например, в вариациях опыта изменены  При этом использовано выбранные уровни каждого фактора, закодированные в матрице знаками “+1” и “–1”, что соответствует верхнему и нижнему уровней варьирования.

Результаты опытов представлены в виде уравнения регрессии:

Y = b₀ + b₁x₁ + b₂x₂ + b₃x₃ + b₄x₄                                               (2)

где b₀, b₁, b₂, b₃, b₄  – ряд коэффициентов регрессии квадратного уравнения неполного.

Конкретный процесс, исследуемый опытным путем при заданных интервалах варьирования переменных может быть описан линейной зависимостью. Опираясь на метод наименьших квадратов, которая в данном случае является необходимым, определено коэффициенты регрессии по нижеследующей формуле:

                                                           (3)

где  i - номер опыта (от 1 до 8);

j - номер фактора (от 1 до 4);

Х_ij - кодированное значение факторов;

N – число всех опытов в матрице.

На основе формулы 2, рассчитали значения коэффициентов, относящиеся регрессии:

b₀ = 47,02; b₁ = 4,79; b₂ = 3,42; b₃ = 5,53; b₄ = 4,14.

Подставляя рассчитанные значения “b” – коэффициентов в уравнение (по формуле 2), получили нижеследующее уравнение регрессии первого порядка:

Y  = 47,02 + 4,79 X₁  + 3,42 X₂  + 5,53 X₃  + 4,14 X₄

Получена математическая модель, для установления чьи адекватности, следует произвести статистическую обработку полученных экспериментальных данных (см. табл. 3).

Таблица 3.

Статистический анализ

Для того, чтобы определить вариации значений повторных математических опытов использовали дисперсию, вычисленную по формуле:

                                                       (4);

где Y_q - результат отдельно взятого опыта;

Y_cp - среднее арифметическое его значение;

(n – 1) – определяет число степеней свободы, равное количеству повторных опытов и –1.

Для двух повторных опытов формула 4 должно приобрести нижеследующий вид:

                                                           (5)

Расчет однородности дисперсии проводили по критерию Кохрена:

                                                       (6)

Полученный результат соответствует заданным условиям формулы 6, что приведет к выводе об однородности дисперсии.

Для контрольной проверки адекватности полученной математической модели сначала определяли дисперсию самой адекватности,

                                                            (7)

затем находили Y_рас. (табл. 3).

Далее, на основе полученных результатов находили DY'_i , используя формулу:

DY'_i = Y_ср­  – Y_рас                                                                      (8)

Затем определяли дисперсию воспроизводимости модели по формуле:

                                              (9)

где  i =1,2, …, N

q =1,2,…, n

Для двух повторных опытов формула 9 переходит на расширенный вид (формула 10):

                                            (10)

После предыдущих операций, находили дисперсию адекватности по формуле 11:

                                              (11)

где q = K + 1;

K – число коэффициентов регрессии.

Адекватность модели следует проверять по критерию Фишера:

                                                        ( 12)

F_таб (10) = 4,5   для   f₁ = 2,  f₂ = 8

В данном случае,  означает, что модель адекватна.

Для установления значимости коэффициентов регрессии следует найти дисперсию коэффициентов регрессии  по формуле 13:

                                 (13)

Затем определять доверительный интервал ∆b_i = t S_bi ,

где t – значение критерия Стьюдента при числе степеней свободы, с которыми определялась  в выбранном уровне значимости (во многих случаях в пределах 0,05);

S_bi  - квадратичная ошибка коэффициента регрессии.

∆t_кр = 3,182

∆b_i = 3,182 · 0,7957 = 2,532

Коэффициент является значимым, если его абсолютная величина больше величины доверительного интервала (см. табл. 4).

Таблица 4.

 Значимость коэффициентов регрессии

Как видно из таблицы 4, значимыми оказались все факторы, т.к. любое отклонение от выбранного режима может повлиять на конечный результат технологического цикла.

Заключение. На основании результатов исследований выявлена возможность использования математического метода Бокса-Уилсона при оптимизации технологических процессов при разработке новой марки активированного углеродного адсорбента для адсорбционной очистки сточных вод текстильной промышленности от красящих веществ. Это, в свою очередь, позволяет производить адсорбент в соответствии со стандартами, а также использовать его при идеальном планировании технологических процессов. В результате была разработана новая марка адсорбента на основе активированного угля для адсорбционной очистки окрашенных сточных вод в текстильной промышленности.

Список литературы:

1. Asif Ahmad, Tauseef Azam, 4 - Water Purification Technologies, Editor(s): Alexandru Mihai Grumezescu, Alina Maria Holban, Bottled and Packaged Water, Woodhead Publishing, 2019, Pages 83-120, ISBN 9780128152720, https://doi.org/10.1016/B978-0-12-815272-0.00004-0.
2. Ani, J.U., Akpomie, K.G., Okoro, U.C. et al. Potentials of activated carbon produced from biomass materials for sequestration of dyes, heavy metals, and crude oil components from aqueous environment. Appl Water Sci 10, 69 (2020). https://doi.org/10.1007/s13201-020-1149-8
3. Muttil, Nitin, Saranya Jagadeesan, Arnab Chanda, Mikel Duke, and Swadesh Kumar Singh. 2023. "Production, Types, and Applications of Activated Carbon Derived from Waste Tyres: An Overview" Applied Sciences 13, no. 1: 257. https://doi.org/10.3390/app13010257
4. Yakup Cebeci, İbrahim Sönmez, Application of the Box-Wilson experimental design method for the spherical oil agglomeration of coal, Fuel, Volume 85, Issue 3, 2006, Pages 289-297, ISSN 0016-2361, https://doi.org/10.1016/j.fuel.2005.07.017.
5. Sadeu Christian, Ngakou, Ngomo Horace Manga, Tchuifon Tchuifon Donald Raoul, and Anagho Solomon Gabche. 2017. “Optimisation of Activated Carbon Preparation by Chemical Activation of Ayous Sawdust, Cucurbitaceae Peelings and Hen Egg Shells Using Response Surface Methodology”. International Research Journal of Pure and Applied Chemistry 14 (4):1-12. https://doi.org/10.9734/IRJPAC/2017/36021.
6. Fernandez, Rubie Mae D., Renz John R. Estrada, Tomas Ralph B. Tomon, Roger G. Dingcong, Jr., Ruben F. Amparado, Jr., Rey Y. Capangpangan, Roberto M. Malaluan, Gerard G. Dumancas, Alona A. Lubguban, Arnold C. Alguno, and et al. 2023. "Experimental Design and Breakthrough Curve Modeling of Fixed-Bed Columns Utilizing a Novel 3D Coconut-Based Polyurethane-Activated Carbon Composite Adsorbent for Lead Sequestration" Sustainability 15, no. 19: 14344. https://doi.org/10.3390/su151914344
7. Д.П.Елизаров, А.И.Елькин, В.А.Даванков. Экспериментальное изучение сорбционной активности распространенных адсорбентов // Эфферентная терапия,–2003. –Т. 9, № 3. –С. 58-61.
8. G.N.Begmatova, N.V.Valiyev. G‘.M.Ochilov. Turli markalardagi faollantirilgan ko‘mirlar va ularning tovar-kimyoviy tavsiflari. I // Q‘oqon DPI. Ilmiy xabarlar. 3(11)-2023. 88-92 b.
9. G.N.Begmatova, N.V.Valiyev. G‘.M.Ochilov. Turli markalardagi faollantirilgan ko‘mirlar va ularning tovar-kimyoviy tavsiflari. II // Q‘oqon DPI. Ilmiy xabarlar. 4(12)-2023. 51-59 b.
10. G.N.Begmatova, N.V.Valiyev. G‘.M.Ochilov. Turli markalardagi faollantirilgan ko‘mirlar va ularning tovar-kimyoviy tavsiflari. III // Q‘oqon DPI. Ilmiy xabarlar. 1(13)-2024. 67-75 b.