Mathematical Modeling of Drying Pattern of Ogi Produced From Two Types of Maize Grain
Notice bibliographique
Résumé
<p>This paper presents thin layer modeling of <em>ogi</em> produced from yellow and white maize at varying soaking period and dried in the cabinet and oven at 50 ºC. The moisture decrease for cabinet dried o<em>gi</em> produced from white maize from 49.0 11.5%, 49.5 to 11.32%, 46.5 to 12.33% and 46.12.29%. The drying rate for both oven and cabinet dried <em>ogi</em> produced from yellow maize decreased from 4.6 to 0.0525 kg/min, 4.5 to 0.0513 kg/min, 4.35 to 0.049 kg/min and 4.4 to 0.047 kg/min while for oven dried <em>ogi</em> followed a similar trend. The experimental data obtained were fitted to five thin layer models: Newton, Page, Herderson and Pabis, Two term and Wingh and Singh models. The values obtained for <em>ogi</em> produced from white maize and dried in the cabinet and oven at 50 ºC for Newton model gave a lower R<sup>2</sup>, ?<sup>2</sup>, RMSE compared with respective values obtained from Page, Herderson and Pabis, two term, Wing and Singh models. The two terms model appear to be the best model among the five models used in this work and had higher R<sup>2</sup>, lower ?<sup>2</sup>, and RMSE. The <em>ogi</em> produced from yellow maize at varying soaking period of 24, 48, 72 and 96 hours and dried in cabinet dryer and fitted with two term showed model constants a, K<sub>0,</sub> b, K<sub>1</sub> 0.04315, 0.0388995, 0.919, 2.2 × 10<sup>-3</sup> while the R<sup>2</sup>, ?<sup>2 </sup>RMSE were 0.9933, 5.85 × 10<sup>-4</sup> and 4.85 × 10<sup>5 </sup>for <em>ogi</em> produced for 24 hours soaking, respectively. The soaking period does not seem to affect the moisture ratio and the thin layer drying model. However, the initial moisture and equipment seems to affect significantly.</p>
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».