México
El proceso de densificación mecánica ofrece la posibilidad de utilizar residuos agrícolas en la elaboración de alimento para ganado.
La densificación tiene ventajas en el manejo, almacenamiento y transporte de los residuos agrícolas fibrosos. Con el propósito de encontrar factores importantes y determinar las mejores condiciones de operación en este proceso, se realizaron dos experimentos.
En ambos, las respuestas medidas o monitoreadas fueron la densidad, la durabilidad y el consumo de energía. En el primero se usó un diseño factorial fraccionado con seis factores (26-1) en el que cuatro de ellos resultaron significativos. Con esta información se llevó a cabo el segundo experimento: un diseño de composición central. Posteriormente se modeló cada respuesta, y se encontró el óptimo común aplicando un método gráfico. En este trabajo se presentan los análisis estadísticos de los experimentos y el método que se siguió para optimizar las tres respuestas simultáneamente. Debido a que los modelos de las respuestas presentaron inconsistencias en la suposición clásica acerca de la homogeneidad de las varianzas en el análisis estadístico, éstos se reajustaron utilizando el método de mínimos cuadrados ponderados. Este procedimiento permitió alcanzar mayor precisión en la determinación del punto óptimo.
The process of mechanical densification offers the possibility of using agricultural crop residues to produce livestock feed.
Densification provides advantages for the handling, storage and transport of the fibrous agricultural residues. In order to find the significant factors and determine the best operating conditions for the densification process, two experiments were carried out. In both cases, the responses measured or monitored were: density, durability and energy consumption. In the first experiment a fractional factorial design with six factors (26-1) was used, in which four factors were significant. With this information a second experiment was undertaken: a central composite design with seven center points. Afterwards each response was modeled and the optimum point was determined by applying a graphical method. This paper presents the statistical analysis of the experiments and the method used to optimize simultaneously the three responses. Since the response models showed inconsistencies with respect to the classical assumption of homoscedasticity in the statistical analysis, these were fitted again using weighted least squares. This procedure allowed for greater precision in the calculation of the optimum point
© 2001-2024 Fundación Dialnet · Todos los derechos reservados