Đang tải... (xem toàn văn)
TIỂU LUẬN ỨNG DỤNG TIN HỌC TRONG CÔNG NGHỆ THỰC PHẨM Bài báo cáo tiểu luận này sẽ tiến hành thu thập thông tin từ những nguồn tài liệu đáng tin cậy và sẽ được tiến hành xử lý bằng các phần mềm khác nhau từ Excel, SPSS đến cả JMP. Nội dung chính sẽ bao gồm 4 phần: xử lý số liệu bài toán một yếu tố, xử lý số liệu cho bài toán 2 yếu tố, xử lý số liệu cho bài toán 3 yếu tố và cuối cùng là ứng dụng các phần mềm để xử lý bài toán phối trộn.
Trang 1TRƯỜNG ĐẠI HỌC CÔNG THƯƠNG TP HCM
KHOA CÔNG NGHỆ THỰC PHẨM
TIỂU LUẬN
ỨNG DỤNG TIN HỌC TRONGCÔNG NGHỆ THỰC PHẨM
GVHD: THẦY TRẦN QUYẾT THẮNGSVTH:
TRƯƠNG HOÀI NAMMSSV: 2005208178LỚP: 11DHTP12
TP HỒ CHÍ MINH, 2023
Trang 2TRƯỜNG ĐẠI HỌC CÔNG THƯƠNG TP HCM
KHOA CÔNG NGHỆ THỰC PHẨM
TIỂU LUẬN
ỨNG DỤNG TIN HỌC TRONGCÔNG NGHỆ THỰC PHẨM
GVHD: THẦY TRẦN QUYẾT THẮNGSVTH:
TRƯƠNG HOÀI NAMMSSV: 2005208178LỚP: 11DHTP12
TP HỒ CHÍ MINH, 2023
Trang 3MỤC LỤC
MỤC LỤC IMỤC LỤC HÌNH ẢNH IIMỤC LỤC BẢNG BIỂU IIILỜI CẢM ƠN IVLỜI MỞ ĐẦU V
PHẦN NỘI DUNG 1
1 XỬ LÝ SỐ LIỆU BÀI TOÁN MỘT YẾU TỐ 1
1.1 Giới thiệu tóm tắt về bài báo 1
1.2 Ma trận thực nghiệm và kết quả thực nghiệm 1
1.3 Xử lý số liệu và biểu diễn kết quả 2
2 XỬ LÝ SỐ LIỆU BÀI TOÁN HAI YẾU TỐ 7
2.1 Giới thiệu tóm tắt về bài báo 7
2.2 Ma trận thực nghiệm 7
2.3 Kết quả thực nghiệm 8
2.4 Xử lý số liệu và biểu diễn kết quả 9
3 XỬ LÝ SỐ LIỆU BÀI TOÁN BA YẾU TỐ 16
3.1 Giới thiệu tóm tắt về bài báo 16
3.2 Ma trận thực nghiệm 16
3.3 Kết quả thực nghiệm 17
3.4 Xử lý số liệu và biểu diễn kết quả 18
4 XỬ LÝ SỐ LIỆU BÀI TOÁN PHỐI TRỘN 26
4.1 Giới thiệu tóm tắt về bài báo 26
4.2 Ma trận thực nghiệm 27
4.3 Kết quả thực nghiệm 27
4.4 Xử lý số liệu và biểu diễn kết quả 29
TÀI LIỆU THAM KHẢO 36
Trang 4MỤC LỤC HÌNH ẢNH
Hình 1.1 Biểu đồ Box-plot (Excel)Hinh 1.2 Biểu đồ Histogram (Excel)Hình 1.3 Biểu đồ Box-plot (SPSS)Hình 1.4 Biểu đồ Histogram (SPSS)Hình 2.1 Kết quả Pareto Plot bằng JMP
Hình 2.2 Kết quả Prediction profiler bằng JMPHình 2.3 Surface profiler
Hình 2.4 Contour Plot của Pred formula % yieldHình 2.5 Contour Plot của % yield
Hình 3.1: Kết quả Prediction profiler bằng JMPHình 3.2 Kết quả Pareto Plot bằng JMP
Hình 3.3 Biểu đồ bề mặt đáp ứng của X1 và X2Hình 3.4 Biểu đồ bề mặt đáp ứng của X1 và XHình 3.5 Biểu đồ bề mặt đáp ứng của X2 và X3
Hình 3.6 Contour Plot của X1 và X2 cho Pred Formula Peak areaHình 3.7 Contour Plot của X1 và X3 cho Pred Formula Peak areaHình 3.8 Contour Plot của X2 và X3 cho Pred Formula Peak areaHình 4.1 Kết quả Pareto Plot của hàm mục tiêu Hương vị
Hình 4.2 Kết quả Pareto Plot của hàm mục tiêu Màu sắcHình 4.3 Kết quả Pareto Plot của hàm mục tiêu Độ giòn
Hình 4.4 Kết quả Pareto Plot của hàm mục tiêu Overall preferredHình 4.5 Kết quả Prediction Profiler
Hình 4.6 Contour Plot của X1, X2Hình 4.7 Contour Plot của X1,X3Hình 4.8 Contour Plot của X2, X3
Hình 4.9 Các đường viền ba chiều về tác động của các thành phần hỗn hợp lên
các đặc tính cảm quan của khoai tây chiên được làm bằng bột đậu.
Trang 5MỤC LỤC BẢNG BIỂU
Bảng 1.1: Kết quả thực nghiệm của bài toán 1 yếu tốBảng 1.2: Kết quả phân tích Summary bằng ExcelBảng 1.3: Kết quả phân tích Anova bằng ExcelBảng 1.4: Kết quả phân tích Anova bằng SPSSBảng 1.5: Kết quả của phân tích LSD bằng SPSSBảng 2.1: Các biến và mức độ
Bảng 2.2: Ma trận thí nghiệm CCD 2 yếu tốBảng 2.3: Kết quả thực nghiệm
Bảng 2.4: Kết quả Regression Statistics bằng ExcelBảng 2.5: Kết quả phân tích Anova bằng ExcelBảng 2.6: Kết quả Coefficients bằng ExcelBảng 2.7: Kết quả Summary of Fit bằng JMPBảng 2.8: Kết quả phân tích Anova bằng JMP
Bảng 2.9: Kết quả kiểm định hệ số của mô hình bằng JMPBảng 2.10: Kết quả Lack of Fit bằng JMP
Bảng 3.1: Các yếu tố thực nghiệm và mức của chúngBảng 3.2: Ma trận thực nghệm
Bảng 3.3: Kết quả thực nghiệm của 16 thực nghệmBảng 3.4: Kết quả Summary of Fit bằng ExcelBảng 3.5: Kết quả phân tích Anova bằng Excel
Bảng 3.6 Kết quả kiểm định hệ số của mô hình bằng JMPBảng 3.7 Kết quả Summary of Fit bằng JMP
Bảng 3.8 Kết quả phân tích Anova bằng JMP
Bảng 3.9: Kết quả kiểm định hệ số của mô hình bằng JMPBảng 4.1: Ma trận thực nghiệm
Bảng 4.2: Kết quả thực nghiệm về các đặc tính hóa lýBảng 4.3: Kết quả thực nghiệm về đặc tính cảm quan Bảng 4.4 Kết quả Summary of Fit bằng JMP
Bảng 4.5 Kết quả phân tích Anova bằng JMP
Bảng 4.6 Kết quả kiểm định hệ số của mô hình bằng JMP
Trang 6LỜI CẢM ƠN
Thời gian thực hiện tiểu luận là quá trình em rèn luyện, tìm tòi và ứng dụngnhững kiến thức đã học vào việc tính toán xử lý số liệu và lập luận kết quả củahọc phần Ứng dụng tin học trong Công nghệ Thực phẩm Suốt quá trình thựchiện, em đã danh nhiều thời gian để tìm hiểu và thu thập thông tin từ các nguồntài liệu đáng tin cậy, em đã hiểu hơn về cách đọc hiểu một bài báo khoa học,cách thực hiện các phương pháp phù hợp để ứng dụng những phần mềm khácnhau như là Excel, SPSS và JMP vào việc xử lý một bộ số liệu và trình bày kếtquả một cách rõ ràng và logic Vậy nên, em hy vọng bài báo cáo tiểu luận nàysẽ thể hiện được sự nổ lực của bản thân em trong khoảng thời gian thực hiện.Để hoàn thành bài tiểu luận trong khuôn khổ của học phần Ứng dụng tin họctrong Công nghệ Thực phẩm này, em xin gửi lời cảm ơn đến các Quý Thầy côKhoa Công nghệ Thực phẩm, trường Đại học Công Thương TP.HCM đã tạo cơhội cho em được học tập, rèn luyện và tích lũy những kiến thức nền tảng cùngnhững kỹ năng cần thiết để làm cơ sở cho em thực hiện tốt đề cương khóa luậntốt nghiệp sau này.
Đặc biệt em xin gửi lời cảm ơn chân thành đến Giảng viên hướng dẫn học phầnỨng dụng tin học trong Công nghệ Thực phẩm thầy Trần Quyết Thắng đã tậntình chỉ dẫn, theo dõi và đưa ra những lời khuyên, lời góp ý bổ ích để có thểgiúp đỡ em giải quyết được các vấn đề gặp phải trong suốt quá trình nghiêncứu và thực hiện báo cáo tiểu luận một cách tốt nhất.
Do kiến thức của bản thân còn hạn chế và thiếu kinh nghiệm nên nội dung củabài báo cáo tiểu luận này khó tránh khỏi những thiếu sót Em rất mong nhậnđược sự nhận xét, đóng góp và chỉ dạy thêm từ Quý Thầy cô để bài báo cáonày của em được hoàn thiện hơn.
Cuối cùng, em xin chúc Quý Thầy Cô luôn thật nhiều sức khỏe và đạt đượcnhiều thành công trong công việc.
Trân trọng!
LỜI MỞ ĐẦU
Excel, SPSS hay JMP đều là những phần mềm phổ biến và được sử dụng rộng
rãi trong việc xử lý số liệu, phân tích dữ liệu và đưa ra quyết định trong nhiều
Trang 7lĩnh vực Học phần Ứng dụng tin học trong Công nghệ Thực phẩm, sẽ giúp
chúng ta trang bị cho mình những kiến thức và kỹ năng cần thiết để làm việchiệu quả và nâng cao năng suất trong công việc xử lý số liệu liên quan đếnnhiều lĩnh vực nói chúng và ngành công nghệ thực phẩm nói riêng
Excel là một công cụ mạnh mẽ trong việc quản lý dữ liệu, tính toán, tạo biểu đồ
và thực hiện các phân tích cơ bản Chúng ta sẽ học cách tạo bảng tính, áp dụngcác công thức và hàm tính toán, tạo đồ thị và tổ chức dữ liệu một cách hiệuquả.
SPSS (Statistical Package for the Social Sciences) là một phần mềm phân tích
dữ liệu thống kê mạnh mẽ Phần mềm này sẽ giúp khám phá các phương phápthống kê cơ bản và nâng cao, từ việc mô tả dữ liệu, xác định mối quan hệ giữacác biến đến việc thực hiện các phân tích t-test, ANOVA, hồi quy và nhiềuphương pháp phân tích khác.
JMP là một công cụ phân tích dữ liệu và khám phá thông tin mạnh mẽ Hiểu
cách sử dụng JMP sẽ giúp chúng ta dễ thực hiện các phân tích thống kê, môhình hóa và tối ưu hóa số liệu một cách nhanh chóng và dễ dàng.
Học phần Ứng dụng tin học trong Công nghệ Thực phẩm này không chỉ
hướng đến việc cung cấp kiến thức lý thuyết mà còn tập trung vào việc áp dụngthực tế Chúng ta sẽ có cơ hội thực hành trên các tình huống thực tế trong lĩnhvực công nghệ thực phẩm, từ việc xử lý dữ liệu đến việc đưa ra quyết địnhthông qua các bài tập và ví dụ.
Bài báo cáo tiểu luận này sẽ tiến hành thu thập thông tin từ những nguồn tàiliệu đáng tin cậy và sẽ được tiến hành xử lý bằng các phần mềm khác nhau từ
Excel, SPSS đến cả JMP Nội dung chính sẽ bao gồm 4 phần: xử lý số liệu bài
toán một yếu tố, xử lý số liệu cho bài toán 2 yếu tố, xử lý số liệu cho bài toán 3yếu tố và cuối cùng là ứng dụng các phần mềm để xử lý bài toán phối trộn.
Trang 8PHẦN NỘI DUNG
1 XỬ LÝ SỐ LIỆU BÀI TOÁN MỘT YẾU TỐ
1.1 Giới thiệu tóm tắt về bài báo
Đây là một dự án nằm trong khuôn khổ của luận văn thạc sĩ đến từ khoa Tàinguyên và khoa học Nông nghiệp của trường đại học Khoa học và Nôngnghiệp Thụy Điển.
Mục đích của dự án là phát triển và triển khai phương pháp có thể sử dụng đểđánh giá cảm quan quy mô nhỏ của các sản phẩm thực phẩm, để xem chúngđược cảm nhận như thế nào theo quan điểm cảm quan khi so với các sản phẩmcủa đối thủ cạnh tranh
Báo cáo này đóng vai trò là bước đầu tiên trong quá trình khởi động dự án đánhgiá cảm quan mới tại Unilever Nghiên cứu này chủ yếu tập trung vào các thửnghiệm của đối thủ cạnh tranh
Đánh giá được thực hiện ở Thụy Điển và Phần Lan Số lượng sản phẩm/nhãnhiệu thực phẩm được đánh giá tại mỗi lần thử giao động từ hai đến năm và sốlượng người thử dao động từ 8 - 25 Ba loại thực phẩm khác nhau đã đượcnghiên cứu, bao gồm: bơ thực vật, món mặn, súp, nước sốt và nước dùng vàtrà Sau 16 đánh giá của 23 thương hiệu Unilever so với các sản phẩm tươngứng của đối thủ cạnh tranh
Bộ số liệu được trọn để sử dụng trong bài tiểu luận này là sản phẩm Margarine4 (4 thương hiệu) - Phần Lan Số người tham gia là n = 17.
Phương pháp đánh giá cảm quan được sử dụng để đánh giá trong các thửnghiệm của đối thử cạnh tranh sản phẩm margarine 4 là kiểm tra chấp nhận đểđo lượng mức độ thích hoặc không thích bằng cách sử dụng thang điểm 9 đểđánh giá và bài kiểm tra xếp hạng với 4 thứ tự từ 1 đến 4 tương ứng với 4thương hiệu Margarine (Trong đó, 1= được ưa thích nhất và 4 = ít được ưathích nhất)
Kết quả Margarine B có số phiếu ưa thích lớn nhất và loại A có số phiếu ítđược ưa thích là nhiều nhất Thử nghiệm Friedman cho thấy có sự khác biệtđáng kể có ý nghĩa thống kê về mức độ ưa thích giữa các nhãn hiệu và LSDcho thấy rằng nhãn hiệu riêng (Margarine A) ít được ưa thích hơn đáng kể sovới Margarine B và D.
1.2 Ma trận thực nghiệm và kết quả thực nghiệm
Yếu tố: Margarine A (Unilever), Margarine B, Margarine C và Margarine D.
Trang 9Hàm mục tiêu: Thứ hạng về mức độ ưa thích của người tiêu dùng.
Bảng 1.1: Kết quả thực nghiệm của bài toán 1 yếu tố
1.3 Xử lý số liệu và biểu diễn kết quả
1.3.1 Xử lý số liệu bằng phần mềm Excel
1.3.1.1 Phân tích Anova
Bảng 1.2: Kết quả phân tích Summary bằng Excel
Trang 10Bảng 1.3: Kết quả phân tích Anova bằng Excel
Source of
Between Groups 21.82353 3 7.27451 7.36934 0.000257 2.748191Within Groups 63.17647 64 0.98713
Nhận xét: Vì giá trị P-value (=0.000257) < α (= 0.05), nên có sự ảnh hưởng
của các thương hiệu margarine khác nhau đến sự ưa thích của người tiêu dùngtại mức ý nghĩa α = 0.05
Trang 111.3.1.3 Histogram
Hinh 1.2 Biểu đồ Histogram (Excel)
Nhận xét: Margarine B có số phiếu ưa thích lớn nhất với 10 phiếu và margarine A có
số phiếu ít ưa thích nhiều nhất với 10 phiếu (Hình 1.2)
1.3.2 Xử lý số liệu bằng phần mềm SPSS
1.4.2.1 One way ANOVA
Bảng 1.4: Kết quả phân tích Anova bằng SPSS
Sum of SquaresdfMean SquareFSig.
Nhận xét: Vì giá trị Sig (=0.000) < α (= 0.05), nên có sự ảnh hưởng của các
thương hiệu margarine khác nhau đến sự ưa thích của người tiêu dùng tại mứcý nghĩa α = 0.05.
Trang 121.4.2.2 Post Hoc Test
Bảng 1.5: Kết quả của phân tích LSD bằng SPSS
(J) Margarine
95% ConfidenceIntervalLowerBound
Margarine A
Margarine B 1.52941* 34078 000 8486 2.2102Margarine C 47059 34078 172 -.2102 1.1514Margarine D 94118* 34078 007 2604 1.6220Margarine B
Margarine A -1.52941* 34078 000 -2.2102 -.8486Margarine C -1.05882* 34078 003 -1.7396 -.3780Margarine D -.58824 34078 089 -1.2690 0926Margarine C
Margarine A -.47059 34078 172 -1.1514 2102Margarine B 1.05882* 34078 003 3780 1.7396Margarine D 47059 34078 172 -.2102 1.1514Margarine D
Margarine A -.94118* 34078 007 -1.6220 -.2604Margarine B 58824 34078 089 -.0926 1.2690Margarine C -.47059 34078 172 -1.1514 2102* The mean difference is significant at the 0.05 level.
Margarine A - B: Vì Sig (= 0.000) < α (= 0.05), nên tồn tại sự khác biệt có ý
nghĩa thống kê giữa Margarine A và B tại mức ý α = 0.05.
Margarine A - D: Vì Sig (= 0.007) < α (= 0.05), nên tồn tại sự khác biệt có ý
nghĩa thống kê giữa Margarine A và D tại mức ý α = 0.05.
Margarine B - C: Vì Sig (= 0.003) < α (= 0.05), nên tồn tại sự khác biệt có ý
nghĩa thống kê giữa Margarine B và C tại mức ý α = 0.05.
Nhận xét: Nhãn hiệu riêng (Margarine A) có sự khác biệt đáng kể có ý nghĩa
thống kê so với 2 nhãn hiệu Margarine B và D tại mức ý α = 0.05.
Trang 131.4.2.3 Box-plot
Hình 1.3: Biểu đồ Box-plot (SPSS)
1.4.2.4 Histogram
Hình 1.4 Biểu đồ Histogram (SPSS)
Nhận xét: Margarine B có số phiếu ưa thích lớn nhất với 10 phiếu và margarine A có
số phiếu ít ưa thích nhiều nhất với 10 phiếu (Hình 1.2)
1.3.3 Kết luận
Có sự khác biệt đáng kể có ý nghĩa thống kê về sự ưa thích người thử về cácnhãn hiệu margarine khác nhau Trong đó, nhãn hiệu B có số phiếu ưa thích lớnnhất (average = 1.71), nhãn hiệu A (Unilever) có số phiếu ưa thích là ít nhất(average = 3.23).
Từ kiểm định LSD cho thấy rằng tồn tại sự khác biệt có ý nghĩa thống kê vềmức độ ưa thích giữa nhãn hiệu riêng (margarine A) so với nhãn hiệu B và D.
Trang 142 XỬ LÝ SỐ LIỆU BÀI TOÁN HAI YẾU TỐ
2.1 Giới thiệu tóm tắt về bài báo
Bài báo khoa học có tên là Tối ưu hóa thông số quy trình chiết xuất protein côđặc từ cám gạo và công dụng của nó trong công thức bánh quy giàu protein.Bài báo đến từ Khoa Công nghệ Thực phẩm và Khoa học Dinh dưỡng, đại họcKhoa học và Công nghệ Mawlana Bhashani, Bangladesh Khoa vi sinh, Đạihọc Trung hoa Hồng Kông, giám sát viên IYCF, Bangladesh.
Trong nghiên cứu này, protein cô đặc trong cám gạo (RBPC) được chiết xuấttừ cám gạo đã khử chất béo Protein cô đặc chiết xuất được sử dụng trong sảnphẩm bánh quy
Protein cô đặc được chiết xuất từ cám gạo ở các tỷ lệ nước khác nhau (25.86 54.14) và pH dung dịch (8.09 - 10.91) Thí nghiệm được thiết kế theo phươngpháp Central Composite Design theo bảng 2.2.
-Phân tích thống kế được thực hiện bằng SPSS Sự khác biệt về các thông số vậtlý, thành phần và đặc điểm cảm quan được phân tích bằng phân tích phương saiAnova Mức ý nghĩa 0.05 đã được sử dụng cho nghiên cứu Các thí nghiệmđược thực hiện bằng cách lặp lại và phân tích giá trinh trung bình và độ lệchchuẩn thông qua Excel.
Các thông số trích xuất được tối ưu bằng phương pháp bề mặt đáp ứng Điềukiện tối ưu cho tỷ lệ chiết protein cô đặc là 1:40,77 cám/nước và pH dung dịchlà 9.55 Ở điều kiện tối ưu hiệu suất chiết của protein cô đặc là 11.76% và hàmlượng protein là 36,29%.
2.2 Ma trận thực nghiệm
Yếu tố thí nghiệm: là tỷ lệ đung môi (X1) và pH dung dịch (X2) Mỗi yếu tố
bao gồm có 5 mức được thể hiện trong bảng 2.1.
Hàm mục tiêu: hiệu suất chiết protein.
Trang 15α = 2k / 4 = 22 /4 = 1.14
Số thí nghiệm (N) = 2k + 2k + n0 = 22 + 2.2 + 5 = 13 thí nghiệm.
Bảng 2.2: Ma trận thí nghiệm CCD 2 yếu tố
RunPatternIndependent variable
X1X2Solvent : solid (X1)Solvent pH (X2)
Trang 16Standard Error 1.6034248
Nhận xét: Hệ số tương quan R Square = 0.93, do đó mức độ phù hợp của mô
hình với dữ liệu là 93% Mô hình giải thích được 93% sự biến thiên trong biếnphụ thuộc.
Bảng 2.5: Kết quả phân tích Anova bằng Excel
Regression 5 258.6485 51.72970512 20.12068741 0.000504141Residual 7 17.9968 2.570971065
Total 12 276.6453
Nhận xét: Vì hệ số Sig.F (=0.0005) < α (= 0.05), nên có sự ảnh hưởng của hai
yếu tố tỷ lệ nước và pH dung dịch đến hiệu suất thu hồi protein tại mức ý nghĩaα = 0.05
Bảng 2.6: Kết quả Coefficients bằng Excel
CoefficientsStandard Errort StatP-value
Intercept 11.72288 0.717068 16.34834575 7.8076E-07
Trang 17X1 0.8053083 0.567741 1.418442039 0.199011756X2 0.2396881 0.567741 0.42217824 0.685559234X1X2 0.915 0.801712 1.141307038 0.291277736X1X1 -5.5293421 0.610533 -9.056587683 4.09522E-05X2X2 -3.0571324 0.610533 -5.007320484 0.00155243P- value (intercept) = 7.8E-07 < α (=0.05) Nên hệ số B0 có ý nghĩa đến môhình Và giá trị B0 = 11.72
P- value (X1X1) = 4.10E-05 < α (=0.05) Nên hệ số B11 có ý nghĩa đến môhình Và giá trị B11 = -5.53
P- value (X2X2) = 0.0016 < α (=0.05) Nên hệ số B22 có ý nghĩa đến mô hình.Và giá trị B22 = -3.06
Nhận xét: Hệ số tự do B0, B11 và B22 có ý nghĩa đến mô hình do có giá trị
P-value < 0.05 Hệ tố tự do B1, B2 và B12 không có ý nghĩa do giá trị P-P-value >0.05 B0 ảnh hưởng cùng chiều đến hàm mục tiêu, còn B11 và B22 ảnh hưởngnghịch chiều đến hàm mục tiêu B0 có ảnh hưởng lớn nhất do 11.72 > 5.53 >3.06 Từ kết quả phân tích ta có mô hình sau:
Observations (or Sum Wgts) 13
Nhận xét: Hệ số tương quan R Square = 0.93, do đó mức độ phù hợp của mô
hình với dữ liệu là 93% Mô hình giải thích được 93% sự biến thiên trong biếnphụ thuộc.
2.4.2.2 Anova
Bảng 2.8: Kết quả phân tích Anova bằng JMP
Trang 18SourceDFSum of SquaresMean SquareF Ratio
Nhận xét: Vì hệ số Sig.F (=0.0005) < α (= 0.05), nên có sự ảnh hưởng của hai
yếu tố tỷ lệ nước và pH dung dịch đến hiệu suất thu hồi protein tại mức ý nghĩaα = 0.05
2.4.2.3 Parameter Estimate
Bảng 2.9: Kết quả kiểm định hệ số của mô hình bằng JMP
TermEstimatet RatioOrthogCoded
Intercept 11.7200 16.2223 6.45462 14.4059 <.0001*Solvent : solid
(30,50) 0.8030 1.4059 0.62991 1.4059 0.2026Solvent pH
(8.5,10.5) 0.2379 0.4165 0.18663 0.4165 0.6895Solvent :
solid*Solvent pH 0.9150 1.1328 0.50755 1.1328 0.2946Solvent : solid *
Solvent : solid -5.5069 -8.9908 -3.76962 -8.4133 <.0001*Solvent pH *
Nhận xét: Hệ số tự do B0, B11 và B22 có ý nghĩa đến mô hình do có giá trị
P-value < 0.05 Hệ tố tự do B1, B2 và B12 không có ý nghĩa do giá trị P-P-value >
Trang 190.05 B0 ảnh hưởng cùng chiều đến hàm mục tiêu, còn B11 và B22 ảnh hưởngnghịch chiều đến hàm mục tiêu B0 có ảnh hưởng lớn nhất do 11.72 > 5.53 >3.06 Từ kết quả phân tích ta có mô hình sau:
Y = 11.72 - 5.51X1X1 - 3.05X2X2
2.4.2.4 Lack of Fit
Bảng 2.10: Kết quả Lack of Fit bằng JMP
SourceDFSum of SquaresMean SquareF Ratio
Nhận xét: Hệ số giá trị của hệ số lack of fit nhỏ, điều đó cho thấy rằng mô hình
tuyến tính phù hợp với dữ liệu và không có sự thiếu khớp đáng kể Do MaxRSq = 0.9882, nên sự phù hợp của mô hình với dữ liệu là khá thấp.
2.4.2.5 Pareto Plot
Hình 2.1: Kết quả Pareto Plot bằng JMP
Nhận xét: Từ biểu đồ Pareto Plot ta có thể thấy được X1X1 có sự ảnh hưởng
lớn nhất, sau đó là X2X2 và cuối cùng là X1 X12 và X2 không có sự ảnhhưởng đáng kể ở mức ý nghĩa α = 0.05.
Trang 202.4.2.6 Prediction profiler
Hình 2.2: Kết quả Prediction profiler bằng JMP
Nhận xét: Quan sát hình ảnh 2.2 ta có thể thấy được, hiệu suất thu hồi protein
có thể đạt được ở mức tối đa là 11.76 khi Solvent:Solid = 40.77 và Solvent pH= 9.55 với Desirability ở mức 0.89.
2.4.2.7 Surface profiler
Trang 21Hình 2.3: Surface profiler
Nhận xét: Biểu đồ bề mặt đáp ứng có thấy tác động bậc hai của tỷ lệ chất
rắn/dung môi và độ pH đối với quá trình chiết cô đặc protein Đường cong hình2.3 cho thấy sự gia tăng đáng kể của hiệu suất thu hồi protein với độ pH và tỷlệ cám/dung môi tăng dần Mục tiêu của phân tích này là xác định thông số quytrình tốt nhất để đạt được hiệu suất tối đa của protein Tỷ lệ dung rắn/dung môivà pH lần lượt là 40.77 và 9.55 Giá trị dự đoán tối ưu cho hiệu suất cô đặc là11.76% và rất gần với giá trị thực nghiệm là 11.71
2.4.2.8 Contour Plot
Hình 2.4: Contour Plot của Pred formula % yield