عنوان پایان‌نامه
مدل سازی و بهینه سازی میزان مصرف انرژی و انتشار آلاینده ها در فرآیند تولید صفحات فشرده چوبی در ایران
- رشته تحصیلی
- مهندسی کشاورزی - مکانیزاسیون کشاورزی
- مقطع تحصیلی
- کارشناسی ارشد
- محل دفاع
- کتابخانه مرکزی -تالار اطلاع رسانی شماره ثبت: 69967;کتابخانه مرکزی پردیس کشاورزی و منابع طبیعی شماره ثبت: 6481
- تاریخ دفاع
- ۲۵ شهریور ۱۳۹۴
- دانشجو
- حامد کوچکی پنچاه
- استاد راهنما
- محمد شریفی
- چکیده
- مطالعه حاضر ضمن سیاهه برداری از چرخه زندگی دو فرآورده مهم تخته خرده‌چوب و تخته فیبر نیمه‌سنگین به ارزیابی الگوی مصرف انرژی و بارهای زیست‌محیطی ناشی از مصرف نهاده‌ها پرداخته است. روش ارزیابی چرخه زندگی تحلیل پوششی داده‌ها به‌ترتیب به‌منظور شناسایی اثرات زیست‌محیطی و بهینه‌سازی مصرف نهاده‌ها به کار گرفته شده‌اند. جهت مدل‌سازی عملکرد فرآورده‌ها نیز از تابع تولید کاب-داگلاس استفاده شده است. نتایج حاصل از این پژوهش نشان داد که میزان کل انرژی نهاده‌ها در تولید فرآورده‌های تخته خرده‌چوب و تخته فیبر نیمه‌سنگین به ترتیب 44/39 و 4/54 گیگاژول بر مترمکعب می‌باشد. مواد خام چوبی از جمله چوب‌های باغی بیشترین میزان مصرف انرژی با 61/28 و 67/23 درصد را به ترتیب برای تولید تخته خرده چوب و تخته فیبر نیمه‌سنگین، به خود اختصاص دادند. همچنین رزین اوره-فرمالدئید و گاز طبیعی از دیگر نهاده‌های انرژی‌بر شناخته شدند. فرآورده تخته خرده چوب به سبب مقدار مصرف انرژی کمتر در واحد مترمکعب دارای مقدار بهره‌وری انرژی بیشتر و به‌تبع آن مقدار شدت انرژی کمتری نسبت به تخته فیبر نیمه‌سنگین بود. استفاده خشک کن در زیرسامانه تهیه خرده‌چوب/فبیر اصلی ترین عامل در انتشار آلاینده‌های خطرناک شناخته شد. نتایج ارزیابی چرخه زندگی فرآورده تخته خرده چوب حاکی از آن بود که زیرسامانه تشکیل تخته بیشترین سهم از گروه های اثر را به خود اختصاص داد (به¬جز در گروه¬های اثر گرمایش جهانی و نقصان لایه ازن که زیرسامانه تهیه خرده چوب عامل اصلی انتشار بود). در ارزیابی چرخه زندگی فرآورده تخته فیبر نیمه سنگین، زیرسامانه تهیه فیبر و عملیات نهایی تخته به ترتیب بالاترین سهم در گروه‌های اثر را داشتند. رزین اوره-فرمالدئید نیز به عنوان اثرگذارترین بخش در اکثر گروه‌های اثر زیست محیطی فرآیند تولید هردو فرآورده معرفی شد. نتایج مدل رگرسیونی برای فرآورده های مورد مطالعه ضریب تبیین بیش از 9/0 را در برداشت. در تمامی مدل‌ها نیز مقادیر دوربین - واتسون بین 5/1 تا 5/2 بود که نشان‌دهنده عدم خودهمبستگی در سطح %¬5 بین داده‌ها بود. همچنین نتایج تحلیل حساسیت نشان داد سوخت دیزل و گاز طبیعی به‌ترتیب بالاترین میزان حساسیت بر عملکرد تخته خرده چوب و تخته فیبر نیمه‌سنگین را داشتند. نتایج بهینه‌سازی مصرف انرژی و کاهش اثرات زیست محیطی با استفاده از تحلیل پوششی داد
- Abstract
- This study evaluated energy use pattern and environmental burdens caused by consumption of inputs in the production process with providing a comprehensive inventory data of two major products including particleboard (PB) and medium-density fiberboard (MDF). Life cycle assessment methodology and data envelopment analysis (DEA) were applied to identify environmental impacts and optimize input materials consumption, respectively. The yield of products was modelled using Cobb-Douglas production function. The results of this research revealed that the total amount of input energy for PB and MDF were calculated as 39.44 and 54.4 GJ m-3, respectively. Wooden raw material such as branches and woods from garden pruning allocated the most energy consumption with 28.61% and 23.67% for PB and MDF production, respectively. Urea-formaldehyde resin and natural gas were identified as other high energy consumer inputs. PB had a higher energy productivity due to lower energy consumption per cubic meter and hence energy intensity value was lower compared with MDF production. Use of tube dryer in the chips/fiber preparation subsystem was identified as the main reason for hazardous pollutant emission. The result of the life cycle assessment of PB production indicated that board shaping subsystem allocated the highest share in the impact categories (except GW and OLD, in which chips preparation subsystem was the main contributor). The subsystems of fiber preparation and board finishing in medium-density fiberboard production were the major contributor to the environmental impacts. Furthermore urea-formaldehyde resin production was identified as the main hotspot in the most of impact categories. Result of regression models for products had coefficient of determination more than 0.9. In all models the amount of Durbin- Watson was evaluated between 1.5 and 2.5 that represented lack of auto-correlation in 0.05% level. Moreover, the results of the sensitivity analysis showed that diesel fuel
