BURSA ULUDAĞ ÜNİVERSİTESİ ZİRAAT FAKÜLTESİ DERGİSİ Journal of Agricultural Faculty of Bursa Uludag University e-ISSN 2651-4044 https://dergipark.org.tr/tr/pub/bursauludagziraat http://www.uludag.edu.tr/ziraatdergi Aralık/2022, 36(2), s. 265-283 ARAŞTIRMA MAKALESİ RESEARCH ARTICLE Geliş Tarihi (Received): 30.12.2021 Kabul Tarihi (Accepted): 04.03.2022 Elma Dilimlerinin Konvektif Kurutulmasında Enerji Özelliklerine Etki Eden Faktörlerin Yanıt Yüzeyi Yöntemi ile DeğerlendirilmesiA Necati ÇETİN1* Öz: Bu çalışmada, konvektif kurutma yönteminin iki farklı elma çeşidinin (Granny Smith ve Red Delicious) kurutulmasında, kurutma sıcaklığı (50, 55 ve 60°C), numune kalınlığı (5, 7 ve 9 mm) ve kuruma süresi (8, 9 ve 10 saat) gibi bağımsız değişkenlerin özgül enerji tüketimi, özgül nem çekme oranı, enerji verimliliği, termal etkinlik ve efektif nem difüzyonu özelliklerine etkisi incelenmiştir. Bulgulara göre, ikinci derece polinom denklemlerinin yanıt değişkenlerini temsil etmede başarılı olduğu tespit edilmiştir. Ayrıca ANOVA sonuçlarına göre bağımsız değişkenlerin yanıt değişkenleri üzerinde istatistiksel olarak önemli seviyede etkili olduğu belirlenmiştir (p<0.05). Tüm kontrol faktörleri dikkate alındığında optimum koşulların, Granny Smith çeşidi için 50ºC, 7.31 mm ve 8.00 saat (arzu edilebilirlik=0.801), Red Delicious için ise 50ºC, 9.00 mm ve 8.00 saat (arzu edilebilirlik=0.847) olduğu belirlenmiştir. Optimizasyon sonuçları, konvektif kurutmanın, elma dilimleri için iyi bir performans gösterdiğini ortaya koymuştur. Anahtar Kelimeler: Efektif nem difüzyonu, elma, enerji, konvektif kurutma, optimizasyon. A Yapılan bu çalışma etik kurul izni gerektirmemektedir. Makale araştırma ve yayın etiğine uygun olarak hazırlanmıştır. * Sorumlu yazar/Corresponding Author: 1 Necati ÇETİN, Erciyes Üniversitesi, Ziraat Fakültesi, Biyosistem Mühendisliği Bölümü, 38039, Kayseri, necaticetin@erciyes.edu.tr, OrcID 0000-0001-8524-8272 Atıf/Citation: Çetin, N., 2021 Elma Dilimlerinin Konvektif Kurutulmasında Enerji Özelliklerine Etki Eden Faktörlerin Yanıt Yüzeyi Yöntemi ile Değerlendirilmesi Bursa Uludag Üniv. Ziraat Fak. Derg., 36(2): 265-283. https://doi.org/10.20479/bursauludagziraat.1051109 265 Bursa Uludağ Üniversitesi Ziraat Fakültesi Dergisi Çetin Journal of Agricultural Faculty of Bursa Uludag University Aralık/2022, 36(2) Evaluation of Factors Affecting Energy Aspects of Apple Slices by Response Surface Methodology in Convective Drying Abstract: In this study, the effects of independent variables in convective drying methods two different apple varieties (Granny Smith and Red Delicious) such as drying temperature (50, 55 and 60°C), sample thickness (5, 7 and 9 mm) and drying time (8, 9 and 10 hours) on specific energy consumption, specific moisture extraction rate, energy efficiency, thermal efficiency, and effective moisture diffusivity were investigated. According to the findings, it was determined that the quadratic polynomial equations were successful in representing the response variables. In addition, according to the ANOVA results, it was determined that the independent variables had a statistically significant effect on the response variables (p<0.05). Considering all control factors, optimum conditions were determined to be 50ºC, 7.31 mm and 8.00 hours (desirability=0.801) for Granny Smith variety, and 50ºC, 9.00 mm and 8.00 hours (desirability=0.847) for Red Delicious variety. Optimization results revealed that convective drying performed very well for apple slices. Keywords: Effective moisture diffusivity, apple, energy, convective drying, optimization. Giriş Elma, meyveler arasında en çok üretilen ve tüketilen ürünlerden birisi olup beslenmede önemli bir yere sahiptir. Dünyada, 2019 yılı verilerine göre elmanın 4.717.384 ha üretim alanında 87.236.221 ton üretimi yapılmaktadır (FAOSTAT, 2021). Yıllık üretim miktarları açısından Çin, ABD ve Türkiye önde gelen üreticiler olarak karşımıza çıkmaktadır. Elmalar mevsimsel olarak hasat edildiği için hasat sonrası bozulmaya karşı oldukça hassastır. Uygun olmayan koşullarda depolandıklarında ve taşındıklarında önemli ürün kayıpları meydana gelmektedir. Bu sorunların çözümü için kurutma işlemi hasat sonrası işlemlerde önemli bir alternatif yöntemdir (Li ve ark., 2018). Kurutma, meyveler için en yaygın muhafaza yöntemlerinin başında gelmektedir (Akpınar ve ark., 2003). Kurutma, ısı ve nem transferinin aynı anda meydana geldiği termal bir işlemdir. Tarım ürünleri veya fonksiyonel gıdaların kurutulması, termal deformasyon, oksidasyon veya enzimatik esmerleşme yoluyla ürünün bozulmasını önlemek için özel yöntemler gerektirmektedir (Marques ve Freire, 2005). Bu ürünlerin kurutulmasında öncelik, ürünlerin nemini uzun süreli güvenli depolamaya olanak sağlayacak düzeye indirmektir. Bununla birlikte kurutulmuş ürünler, düşük ağırlıkları ve hacimleri sebebiyle daha az nakliye maliyetleri ve minimum paketleme gereksinimleri sağlamaktadır (Kaya ve ark., 2011). Sıcak hava ile konvektif kurutma yöntemi en yaygın uygulanan kurutma yöntemlerinden birisidir. Yaygın olarak kullanılmasına rağmen bu kurutma yönteminde optimizasyon eksikliğinden dolayı enerji tüketimi yüksek ve enerji verimliliği düşük olmaktadır (Sahin ve Dincer, 2002). 266 Bursa Uludağ Üniversitesi Ziraat Fakültesi Dergisi Çetin Journal of Agricultural Faculty of Bursa Uludag University Aralık/2022, 36(2) Ürünlerin kuruma davranışını modellemek, kurutma parametrelerini optimize etmek ve kurutma sürecini kontrol ve simüle etmek için tepki yüzey yöntemi (RSM) bamya (Giri ve Prasad, 2007), zeytin (Erbay ve Icier, 2009), bamya (Kumar ve ark., 2014), kırmızı frenk üzümü (Šumić ark., 2016) ve elma (Majdi ve ark., 2019) gibi ürünlerin kurutma işleminde yaygın olarak uygulanmıştır. RSM, istatistiksel ve matematiksel tekniklerin bir kombinasyonunu temsil etmekte ve genellikle belirli yanıtların çeşitli değişkenlerden etkilendiği süreçlerin geliştirilmesi ve iyileştirilmesi için kullanılmaktadır (Šumić ark., 2016). Bu çalışma ile, tek üniteli konvektif kurutucuda kurutulan elma dilimlerinin kurutma kinetiği, efektif nem difüzyonu, enerji ve termal etkinlik özellikleri belirlenmiştir. Ayrıca, kurutma sıcaklığı, ürün kalınlığı ve kuruma süresine bağlı optimize edilmiş kurutma koşullarını belirlemek için yanıt yüzey yöntemi uygulanmıştır. Materyal ve Yöntem Materyal Çalışmada materyal olarak iki yaygın elma çeşidi Granny Smith ve Red Delicious kullanılmıştır. Elma örnekleri Türkiye'nin Kayseri ilinde (38°17'25.4"K, 35°06'38.0"D) bir meyve bahçesinden temin edilmiştir. Şekilsel olarak benzer ve hasarsız elmalar seçilerek kurutma işlemi süresince +4°C sıcaklıkta muhafaza edilmiştir. Çekirdeklerinin olduğu kısım elma çekirdeği çıkarıcı (Tchibo, Almanya) ile çıkarılmıştır. Ürünler, elektronik dilimleyici (Ritter, Almanya) yardımıyla silindirik olarak dilimlenmiştir. Kurutma işleminden önce örnekler yıkanarak tozdan ve kirden arındırılmış ardından kurutma işlemine tabi tutulmuştur. Kurutma işlemleri, 1500 kg gün-1 kapasiteli tek üniteli konvektif kurutma kabininde (ETHK-20M, TR) gerçekleştirilmiştir. Ortam sıcaklığı, kurutucu üzerinde bulunan PID kontrol sistemi ile 40 ile 280°C arasında ayarlanabilmektedir. Ayrıca bağıl nem, hava hızı ve kurutma süresi de PID ile kontrol edilebilmektedir. Konvektif kurutmada tüm testlerde hava hızı 0.5 ms-1 olarak seçilmiştir. Örneklerin nem kaybı 60 dakikada bir hassas bir teraziyle (±0.001 g) ölçülerek kaydedilmiştir. Granny Smith ve Red Delicious için başlangıç nem içeriği sırasıyla %85.17 ve %86.37 (yaş bazda) olarak tayin edilmiştir. Kurutma işlemlerinde konvektif kurutucu içerisinde bulunan kasa boyutları dikkate alınarak 50±5 gr numune kullanılmıştır. Örnekler konvektif kurutucunun merkezine (fana ve çıkışa eşit uzaklıkta), numune taşıma araçlarının üzerindeki kasalara yerleştirilmiştir. İlk nem içeriğini belirlemek amacıyla örnekler 105ºC'de 24 saat etüvde denge nemine kadar kurutulmuştur. Numuneler yanıt yüzeyi yöntemine göre testlerde 8, 9 ve 10 saat boyunca kurutulmuştur. Yöntem Kurutma Kinetiği ve İnce Tabaka Kurutmanın Modellenmesi İnce tabaka kurutma sırasında elma dilimlerinin nem oranı (MR) aşağıdaki denklem kullanılarak hesaplanmıştır (Yaldiz ve ark., 2001; Halil ve ark., 2019; Pinar ve ark., 2021): 267 Bursa Uludağ Üniversitesi Ziraat Fakültesi Dergisi Çetin Journal of Agricultural Faculty of Bursa Uludag University Aralık/2022, 36(2) MR Mt −M= e (1) M 0 −Me Burada, Mt numunenin t anındaki (kuru bazda) nem içeriği, kg kg-1; M0 başlangıç nem içeriği (kuru bazda), kg kg-1; Me, numunenin denge anındaki nem içeriği (kuru bazda), kg kg-1’dir. Çalışmada tarım ürünlerin kurutulması için yaygın olarak kullanılan dört farklı matematiksel model kullanılmıştır (Çizelge 1). Kurutma eğrilerinin matematiksel modellemesi SigmaPlot yazılımı ile gerçekleştirilmiştir. Modellerin uyum performansını değerlendirmek için kullanılan terimler, belirtme katsayısı (R2), indirgenmiş ki-kare (χ2) ve ortalama karekök hatasıdır (RMSE). En yüksek R2 ve en düşük χ2 ve RMSE değerleri en iyi modeli temsil etmektedir (Kaleta ve Górnicki, 2010). ∑N (MR 2χ 2 = i=1 exp,i −MRpre,i ) N − z (2) N 2(MR −MR ) RMSE = ∑ i=1 pre,i exp,i N (3) Burada, MRexp,i kurutma deneylerinden elde edilen deneysel nem oranı, MRpre,i tahmin edilen nem oranı, N deneysel veri sayısı ve z modeldeki parametre sayısıdır. Çizelge 1. İnce tabaka kurutma matematiksel modelleri Model Model Referans Page MR = exp(−kt n ) Page (1949) Henderson&Pabis MR = a exp(−kt ) Henderson ve Pabis (1961) Newton MR = exp(−kt ) Taşkın (2020) Wang&Singh MR =1 + at + bt 2 Arslan ve Özcan (2010) k kuruma hızı sabiti, a, b ve n modelin eşitlik sabitidir. Efektif Nem Difüzyonu Efektif nem difüzyonu (Deff) değerleri, Fick'in ikinci difüzyon yasası kullanılarak hesaplanmıştır. Nem transferinin sadece difüzyon yoluyla gerçekleştiği, büzülmenin, sabit difüzyon katsayılarının ve sıcaklığın önemsiz olduğu varsayılarak, slab (dilim) geometrisi için denklemin genel çözümü aşağıda sunulmuştur (Crank, 1975): M −M 8 ∞t 1  (2n +1) 2π 2Deff t MR = e = 2 ∑ 2 exp− M −M π  2  (4) o e n=1 (2n −1)  4L  268 Bursa Uludağ Üniversitesi Ziraat Fakültesi Dergisi Çetin Journal of Agricultural Faculty of Bursa Uludag University Aralık/2022, 36(2) Burada; Deff efektif nem difüzyonu (m2sn-1), L elma diliminin yarı kalınlığı (m), t kuruma süresidir. Daha uzun kuruma süreleri için, çözümde yukarıdaki denklemin ilk terimi aşağıdaki şekilde kullanılmaktadır. Kuruma süresi grafiğinin ln (MR)'ye karşı eğimi, aşağıdaki denklemde bulunan k0'ı vermektedir.  π 2D t  ln (MR) = ln  8  − eff 2    (5)  π   4L 2   Deffπ 2 k0 = 2 (6) 4L Enerji ve Termal Etkinlik Analizleri Konvektif kurutucuda, enerji tüketimi (Ec) değerleri aşağıdaki denklem kullanılarak hesaplanmıştır (Horuz ve ark., 2017): Ec = Av ραCα ∆Tt (7) Burada; Ec, her bir kurutma koşulu için toplam enerji tüketimi (kWh), A, numunelerin yerleştirildiği plakanın kesit alanı (m2), v hava akış hızı (ms-1), ρα hava yoğunluğu (kg m-3), Cα havanın özgül ısısı (kJ kg-1 °C), ΔT sıcaklık farkı (°C), t toplam kuruma süresidir (h). Özgül enerji tüketimi (SEC), numuneden bir birim suyu buharlaştırmak için gereken enerjiyi göstermektedir. Özgül nem çekme oranı (SMER), kWh enerji başına net nem çekme miktarını (kg) ifade etmektedir. Enerji verimliliği (ηen), numunedeki suyu buharlaştırmak için kullanılan ısı enerjisinin kurutucu tarafından sağlanan ısıya oranı olup bu özellikler Denklem 8-10 kullanılarak hesaplanmıştır. Ayrıca, “malzemenin gizli ve özgül ısı kapasitesi” Denklem 11 kullanılarak hesaplanmıştır (Motevali ve ark., 2016; Taşkın, 2020). SEC E= c (8) mw SMER m= w (9) Ec m η = w λwp en (10) Ec λwp = 1 + 23exp(−0.4X ) (11) λw Burada, mw buharlaşan suyun kütlesini (kg), X numunenin nem içeriğini (kg water kg dry matter-1), λw suyun gizli ısısını (J kg-1) and λwp ürünün gizli ısısını (J kg-1) temsil etmektedir. Termal etkinlik, termal enerji kullanan bir cihazda enerji dönüşümü veya taşıma işleminin ne kadar iyi gerçekleştiğini göstermektedir. Kurutmada termal verim, numunenin nemini buharlaştırma gizli ısısının, serbest sudan nemi buharlaştırmak için gereken enerji miktarına oranı olarak tanımlanmaktadır. Denklem 12 kullanılarak termal etkinlik değerleri hesaplanmıştır (Beigi, 2016a): 269 Bursa Uludağ Üniversitesi Ziraat Fakültesi Dergisi Çetin Journal of Agricultural Faculty of Bursa Uludag University Aralık/2022, 36(2) P A λw (Mη o − Me )th = (12) F t (100 − Me ) Burada, P, A, λw, mw, F ve t sırasıyla sistemdeki ürün miktarını (kg m-2), tepsi alanını (m2), suyun buharlaşma gizli ısısını (kJ kg-1), üründen buharlaşan su miktarını (kg), kurutucunun ısıtma kapasite kullanımını (kW) ve kurutma süresini temsil etmektedir. Numunelerin gizli buharlaşma ısısı, konvektif kurutucu için ortam basıncındaki gizli ısıya eşit kabul edilmiş olup aşağıdaki denklemler ile hesaplanmıştır (Aghbashlo ve ark., 2012). λ 6 3w = 2.503×10 − 2.386×10 (T − 273.16) (13) 273.16 ≤T ( oK ) ≤ 338.72 λ = (7.33×1012w −1.60×10 7T 2 )0.5 (14) 338.72 ≤T ( oK ) ≤ 533.16 Yanıt Yüzeyi Yöntemi ve İstatistiksel Analiz Yanıt yüzeyi yöntemi (RSM), çok değişkenli problemlerin optimizasyonu için kullanılan istatistiksel bir prosedürdür. RSM, bir veya daha fazla ölçülen yanıt ile çoklu girdi değişkenleri arasındaki ilişkileri ortaya çıkarmaktadır. RSM ayrıca daha az sayıda deneme ile güvenilir istatistiksel sonuçlar sunabilmektedir (Kaur ve ark., 2009). Bu çalışmada, incelenen parametrelerde ikinci dereceden bir polinom denklemine dayalı tahmin modelleri geliştirmek için merkez noktasında üç tekrarlı 3 faktörlü ve 3 seviyeli Box-Behnken deneysel tasarımı (Box ve Behnken, 1960) kullanılmıştır (Karaman ve Sağdıç, 2019). Kurutma sıcaklığı (50, 55, 60 ºC), örnek kalınlığı (5, 7, 9 mm) ve kurutma süresi (8, 9, 10 saat) bağımsız değişkenleri ile Box-Behnken tasarımı gerçekleştirilmiştir (Çizelge 2). N N Y = β0 +∑βi x i +∑βii x 2i +∑ ∑ βij x i x j + ε (15) i =1 i =1 ii =1j j =i +1< Burada, Y tahmin edilen yanıt değerini, β0 kesişme terimi, βi doğrusal terimi, βii ikinci dereceden terimi, bij etkileşim terimi, xi ve xj bağımsız değişkenlerin kodlanmış seviyelerini, N girdi değişkenlerinin sayısını ve ε standart rastgele hatayı göstermektedir. Kuadratik terimlerinin regresyon katsayıları, her bir çıktı parametresi için Design-Expert® yazılımı (Design Expert, 2021) kullanılarak belirlenmiştir. Arzu Edilebilirlik (Desirability) Fonksiyonu Yaklaşımı Arzu edilebilirlik (Desirability) fonksiyonu, tüm yanıtların, boyutsuz arzu edilebilirlik skalasını içeren “desirability fonksiyonu” olarak ifade edilen bir fonksiyon altında birleşmesini içermektedir. Ayrıca bu fonksiyonun arzu edilen sonuçları verecek şekilde maksimize edilmesini kapsamaktadır. Bu yöntemin avantajları, farklı skalaya sahip yanıtların beraber ele alınabilmesi, yanıtların bir fonksiyona dönüştürülebilmesi, kalitatif ve kantitatif yanıtların kullanılabilmesidir. Her bir yanıt değişkeni için arzu edilebilirlik fonksiyonu d 270 Bursa Uludağ Üniversitesi Ziraat Fakültesi Dergisi Çetin Journal of Agricultural Faculty of Bursa Uludag University Aralık/2022, 36(2) ile temsil edilir. Arzu edilebilirlik fonksiyonu, tüm yanıtların bir araya toplandığı, 0 ile 1 arasında tek bir yanıt indeksidir. Bu değerin 1’e yaklaşması çalışmada belirlenen kriterlerin sağlandığını belirtmektedir. Eğer 0 değerini almış ise yanıt değişkeninin belirlenen bölgenin dışında bir değer aldığına karar verilir. Optimizasyon çalışmalarında her bir yanıt için seçilen kritere (minimum, maksimum, belli bir aralıkta olması) bağlı olarak farklı arzu edilebilirlik fonksiyonları uygulanmaktadır (Montgomery, 2001; Koç ve Kaymak-Ertekin, 2010). Amaç yanıt değişkeninin maksimum olduğu noktaya ulaşmaksa Denklem 16 ile;  0 y < L   r  d =  y − L   L ≤ y ≤T   (16) T − L     1 y >T  Amaç yanıt değişkeninin minimum olduğu noktaya ulaşmaksa Denklem 17 ile;  0 y < L    d U y r − =    T ≤ y ≤U  (17) U −T      1 y >U  Amaç yanıt değişkeninin belirli bir aralıkta olduğu noktaya ulaşmaksa Denklem 18 ile hesaplanmaktadır;  I y < L     y − L r  1   L ≤ y ≤T   d = T − L    (18) U r  − y  2   T ≤ y ≤U   U −T     0 y >U  Bu fonksiyonlarda L alt sınır değerini, U üst sınır değerini, T hedef değerini gösterir. Ayrıca r, r1 ve r2 hedef değere ulaşmanın ne kadar önemli olduğunu ve bu yanıtın ürünün toplam arzu edilebilirliğindeki rolünü belirleyen ağırlık sabitleridir. Her bir yanıt için arzu edilebilirlik fonksiyonları tanımlandıktan sonra geometrik ortalamaları alınarak hepsi için tek bir toplu arzu edilebilirlik fonksiyonu (D) elde edilir. Ağırlık katsayılarına ilave olarak her bir yanıtın optimizasyondaki önemliliğini belirten 1’den 5’e kadar önemlilik derecesi (νi) verilmektedir. Son toplu arzu edilebilirlik fonksiyonu i adet yanıt için aşağıdaki Denklem 19 ile elde edilir (Montgomery, 2001; Myers ve Montgomery, 2002).  n 1/  ∑v iD = ∏d v i1  (19)  i  271 Bursa Uludağ Üniversitesi Ziraat Fakültesi Dergisi Çetin Journal of Agricultural Faculty of Bursa Uludag University Aralık/2022, 36(2) Belirsizlik Analizi Belirsizlik analizi, hata analizi için hassas bir yöntem olarak kabul edilir. Deneysel çalışmalarda elde edilen veriler için ölçülen değerlerin doğruluğunun test edilmesi önemlidir. Deneyler sırasında oluşabilecek hatalar doğruluğu etkileyen en önemli faktörlerdir. Bu çalışmada, bir parametrenin ölçümündeki toplam hata sabit, rastgele ve süreç hataları dikkate alınarak Denklem 20 kullanılarak hesaplanmıştır (Akpınar, 2010). 1/2  2 2 2 2 W  ∂R w   ∂R   ∂R   ∂R   = R  ∂x 1  +  w2  +  w3  + ......... +∂x ∂x  wn    1   2   3   ∂x n   (20) Burada, R ölçülecek büyüklüğü, x1, x2, x3 ve …xn bu büyüklüğü etkileyen n sayıda bağımsız değişkeni, w1, w2, w3, …wn her bağımsız değişken için hata oranlarını ve WR, R büyüklüğünün toplam belirsizliğini temsil etmektedir. Çizelge 2. Box-Behnken tasarımı bağımsız değişkenleri ve seviyeleri Seviye 1 Seviye 2 Seviye 3 Bağımsız değişkenler Birim Sembol Düşük Orta Yüksek (-1) (0) (1) Sıcaklık ºC T 50 55 60 Ürün kalınlığı mm ST 5 7 9 Kurutma süresi h DT 8 9 10 Box–Behnken tasarımı No Sıcaklık Ürün kalınlığı Kurutma süresi 1 50 5 9 2 50 7 8 3 50 7 10 4 50 9 9 5 55 9 10 6 55 5 8 7 55 7 9 8 55 7 9 9 55 7 9 10 55 9 8 11 55 5 10 12 60 7 8 13 60 7 10 14 60 5 9 15 60 9 9 Bulgular ve Tartışma Kurutma Kinetiği ve Matematiksel Modelleme Farklı kurutma sıcaklıklarında, ürün kalınlıklarında ve sürelerde elma dilimleri konvektif kurutma yöntemi ile kurutulmuştur. Elma dilimlerinin kurutulması için deneysel veriler nem oranına dönüştürülmüş ve dört farklı matematiksel model ile değerlendirilmiştir. Çizelge 3, kurutma süresi ile nem oranı için eğri uydurma hesaplamalarından elde edilen R2, RMSE ve χ2 değerlerini göstermektedir. Elma dilimlerinin kuruma davranışını 272 Bursa Uludağ Üniversitesi Ziraat Fakültesi Dergisi Çetin Journal of Agricultural Faculty of Bursa Uludag University Aralık/2022, 36(2) tanımlayan en iyi model, en yüksek R2, en düşük RMSE ve χ2 değerlerine göre seçilmiştir. Buna göre, mevcut çalışmada kurutmayı en başarılı şekilde açıklayan model Wang&Singh olmuştur. Wang&Singh modelinin Granny Smith çeşidi için R2, RMSE ve χ2 değerleri sırasıyla 0.9959 ile 0.9998, 0.0040 ile 0.0194 ve 2.05×10-6 ile 4.58×10-4 arasında değişmiştir. Red Delicious çeşidi için Wang&Singh modelinin R2, RMSE ve χ2 değerleri ise sırasıyla 0.9927 ile 0.9999, 0.0023 ile 0.0257 ve 6.57×10-6 ile 8.06×10-4 arasında değişmiştir. Kurutma kinetiğine iyi uyan Wang & Singh modeli, tüm kurutma davranışını açıklamak için kullanılabilir. Konvektif kurutucuda elma dilimlerinin RSM uygulamalarına göre farklı sıcaklıklarda nem oranına karşı kuruma süresi eğrileri Şekil 1'de sunulmuştur. Eğrilerin ortak eğilimi, tipik bir kuruma eğrisine benzer olarak elde edilmiştir. Kurutmanın ısınmadan sonraki aşamasında elmalardan nemin uzaklaştırılması hızlı meydana gelmiştir. Bu koşullar, ürünlerin merkezi ve yüzeyi arasında büyük bir buhar basıncı farkı oluşturarak daha hızlı su buharı difüzyonuna neden olabilir (Horuz ve ark., 2018). Granny Smith (a) (b) (c) Red Delicious (d) (e) (f) Şekil 1. Elma dilimlerinin farklı sıcaklıklardaki RSM uygulamalarına göre kurutma eğrileri; Granny Smith için 50 ºC (a), 55 ºC (b), 60 ºC (c) ve Red Delicious için 50 ºC (d), 55 ºC (e), 60 ºC (f) Horuz ve ark. (2018), 50, 60 70ºC konvektif kurutucuda elma dilimlerinin kuruma davranışını Page, Henderson&Pabis ve Newton modelleriyle tanımlamış ve mevcut çalışmayla benzer sonuçlar elde etmiştir. Cruz ve ark. (2015), 30, 40, 50 ve 60ºC konvektif kurutucuda kuruttukları Granny Smith çeşidi elmaların kuruma davranışını modellemişler, Page ve Henderson&Pabis modellerinin başarılı sonuçlar verdiğini bildirmişlerdir. Contreras ve ark. (2008), 50°C sıcaklıkta konvektif yöntemle kurutulmuş elma dilimleri için Page modelini kullanarak kuruma davranışını modellemişlerdir. Sonuçların çalışmamızla uyumlu olduğu tespit edilmiştir. 273 Bursa Uludağ Üniversitesi Ziraat Fakültesi Dergisi Çetin Journal of Agricultural Faculty of Bursa Uludag University Aralık/2022, 36(2) Çizelge 3. İnce tabaka kurutma modellerinden elde edilen istatiksel analiz sonuçları Model Page Henderson&Pabis Newton Wang&Singh No Çeşit Granny Red Granny Red Granny Red Granny Red R2 0.9928 0.9903 0.9708 0.9684 0.9657 0.9629 0.9995 0.9996 1 RMSE 0.0268 0.0301 0.0541 0.0514 0.0587 0.0588 0.0067 0.0061 χ2 8.98x10-4 1.13x10-3 3.66x10-3 3.30x10-3 3.83x10-3 3.84x10-3 5.66x10-5 4.72x10-5 R2 0.9854 0.9947 0.9518 0.9733 0.9450 0.9678 0.9982 0.9999 2 RMSE 0.0380 0.0226 0.0690 0.0473 0.0737 0.0558 0.0131 0.0023 χ2 1.86x10-3 6.58x10-4 6.11x10-3 2.87x10-3 6.11x10-3 3.50x10-3 2.22x10-4 6.57x10-6 R2 0.9933 0.9939 0.9762 0.9648 0.9714 0.9567 0.9995 0.9986 3 RMSE 0.0250 0.0249 0.0472 0.0556 0.0517 0.0662 0.0066 0.0120 χ2 7.65x10-4 7.56x10-4 2.72x10-3 3.78x10-3 2.94x10-3 4.82x10-3 5.31x10-5 1.77x10-4 R2 0.9848 0.9964 0.9380 0.9766 0.9272 0.9712 0.9981 0.9989 4 RMSE 0.0389 0.0192 0.0786 0.0449 0.0852 0.0539 0.0138 0.0104 χ2 1.89x10-3 4.59x10-4 7.73x10-3 2.52x10-3 8.07x10-3 3.23x10-3 2.39x10-4 1.36x10-4 R2 0.9859 0.9944 0.9590 0.9733 0.9524 0.9672 0.9991 0.9997 5 RMSE 0.0368 0.0233 0.0628 0.0475 0.0676 0.0565 0.0091 0.0051 χ2 1.65x10-3 6.65x10-4 4.82x10-3 2.76x10-3 5.03x10-3 3.51x10-3 1.02x10-4 3.16x10-5 R2 0.9905 0.9904 0.9633 0.9724 0.9564 0.9686 0.9998 0.9986 6 RMSE 0.0308 0.0316 0.0604 0.0509 0.0659 0.0571 0.0040 0.0119 χ2 1.22x10-3 1.28x10-3 4.69x10-3 3.33x10-3 4.88x10-3 3.67x10-3 2.05x10-5 1.83x10-4 R2 0.9854 0.9916 0.9549 0.9781 0.9478 0.9749 0.9993 0.9985 7 RMSE 0.0375 0.0286 0.0658 0.0439 0.0708 0.0493 0.0083 0.0120 χ2 1.76x10-3 1.02x10-3 5.41x10-3 2.40x10-3 5.57x10-3 2.70x10-3 8.59x10-5 1.79x10-4 R2 0.9935 0.9963 0.9779 0.9798 0.9732 0.9754 0.9985 0.9997 8 RMSE 0.0247 0.0197 0.0456 0.0425 0.0502 0.0505 0.0118 0.0060 χ2 7.61x10-4 4.87x10-4 2.60x10-3 2.26x10-3 2.80x10-3 2.84x10-3 1.74x10-4 4.48x10-5 R2 0.9905 0.9961 0.9716 0.9792 0.9664 0.9749 0.9989 0.9998 9 RMSE 0.0298 0.0200 0.0514 0.0430 0.0559 0.0506 0.0099 0.0040 χ2 1.11x10-3 5.02x10-4 3.31x10-3 2.31x10-3 3.47x10-3 2.85x10-3 1.23x10-4 2.03x10-5 R2 0.9841 0.9978 0.9538 0.9791 0.9469 0.9744 0.9990 0.9987 10 RMSE 0.0394 0.0154 0.0672 0.0435 0.0720 0.0524 0.0100 0.0116 χ2 1.99x10-3 3.04x10-4 5.80x10-3 2.44x10-3 5.83x10-3 3.09x10-3 1.29x10-4 1.73x10-4 R2 0.9856 0.9843 0.9602 0.9520 0.9519 0.9434 0.9984 0.9977 11 RMSE 0.0362 0.0395 0.0602 0.0655 0.0662 0.0750 0.0122 0.0153 χ2 1.60x10-3 1.90x10-3 4.43x10-3 5.24x10-3 4.82x10-3 6.18x10-3 1.81x10-4 2.85x10-4 R2 0.9895 0.9966 0.9692 0.9820 0.9645 0.9789 0.9992 0.9998 12 RMSE 0.0320 0.0188 0.0547 0.0403 0.0588 0.0465 0.0089 0.0041 χ2 1.31x10-3 4.54x10-4 3.85x10-3 2.08x10-3 3.89x10-3 2.43x10-3 1.02x10-4 2.15x10-5 R2 0.9971 0.9834 0.9930 0.9757 0.9918 0.9747 0.9959 0.9927 13 RMSE 0.0162 0.0388 0.0253 0.0464 0.0192 0.0479 0.0194 0.0257 χ2 3.19x10-4 1.84x10-3 7.81x10-4 2.63x10-3 4.07x10-4 2.52x10-3 4.58x10-4 8.06x10-4 R2 0.9893 0.9893 0.9747 0.9779 0.9712 0.9757 0.9981 0.9973 14 RMSE 0.0314 0.0322 0.0483 0.0448 0.0515 0.0486 0.0132 0.0161 χ2 1.24x10-3 1.30x10-3 2.91x10-3 2.51x10-3 2.94x10-3 2.62x10-3 2.18x10-4 3.25x10-4 R2 0.9962 0.9955 0.9810 0.9770 0.9770 0.9726 0.9996 0.9996 15 RMSE 0.0194 0.0213 0.0435 0.0453 0.0479 0.0527 0.0064 0.0061 χ2 4.71x10-4 5.69x10-4 2.37x10-3 2.56x10-3 2.55x10-3 3.09x10-3 5.17x10-5 4.61x10-5 *Kalın rakamlar en iyi sonuçları temsil etmektedir. 274 Bursa Uludağ Üniversitesi Ziraat Fakültesi Dergisi Çetin Journal of Agricultural Faculty of Bursa Uludag University Aralık/2022, 36(2) Efektif Nem Difüzyon Katsayısı Elma örneklerinin efektif nem difüzyon katsayısı belirlemek amacıyla deneysel veriler kullanılarak Ln (MR) grafikleri çizdirilmiştir. Difüzyonlar, grafiklerin eğimlerinden hesaplanmıştır. Bu çalışmada Granny Smith için Deff değerlerinde 8.86×10−10 ve 2.00×10−10 m2s-1, Red Delicious için ise 8.54×10−10 ve 1.03×10−10 m2s-1 arasında değişiklik göstermiştir (Çizelge 4). Her iki çeşitte de numuneler daha yüksek kalınlıklarda kurutulduğunda daha düşük efektif nem difüzyonuna neden olmuştur (p<0.05, Çizelge 5). Yüksek sıcaklık, iç nemin buharlaşmasını tetikleyerek basıncı ve etkili nem difüzyonunu artırmaktadır. Ayrıca hava sıcaklığındaki artış ve ürüne ısı penetrasyonun, su moleküllerini harekete geçirerek ve su hareketini hızlandırarak nem difüzyonunu artırmaktadır (Chayjan ve ark., 2017). Bu çalışmadan elde edilen Deff değerlerinin literatür ile uyumlu olduğu belirlenmiştir. Tepe ve Tepe (2020), 50, 60 ve 70 ºC’de konvektif yöntemle kuruttukları elma dilimleri için Deff değerlerinin 3.38×10−10 ile 6.25×10−10 m2s-1 arasında değiştiğini bildirmişlerdir. Artan hava sıcaklığının Deff’i artırdığını bildirmişlerdir. Beigi (2016b), 50, 60 ve 70 ºC’de konvektif yöntemle kuruttukları elma dilimlerinin Deff değerlerini sırasıyla 7.03×10−10, 8.48×10−10 and 1.08×10−9 m2 s−1 olarak belirlemişlerdir. Obajemihi ve ark. (2021), konvektif yöntemle domates kurutmada farklı çeşit (Hausa, Tiwantiwa, ve Roma VFN), kalınlık (5, 7.5, 10 mm) ve kurutma sıcaklıkları (45, 55 ve 65 °C) için RSM uygulamışlardır. Deff değerlerinin kurutma sıcaklığının 45°C'den 65°C'ye artmasıyla 1.5×10–8'den 2.0×10–8 m2s-1’e arttığını bildirmişlerdir. Çalışmada sıcaklığın ve çeşidin istatistiksel olarak çok önemli (P<0.0001) olduğu, dilim kalınlığının ise önemli (P>0.05) olmadığı sonucunu bildirmişlerdir. Bununla birlikte modelin R2 değerini 0.7150 olarak belirlemişlerdir. Çizelge 4. Enerji analizi sonuçları Ec SEC SMER ηen ηth Deff No (kWh) (kWh kg-1) (kg kWh-1) (%) (%) (×10−10 m2s-1) Ortak değer Granny Red Granny Red Granny Red Granny Red Granny Red 1 9.91 294.82 383.95 0.0034 0.0026 8.08 6.20 8.34 7.94 2.58 2.20 2 8.81 208.65 249.79 0.0048 0.0040 11.42 9.54 9.05 8.72 5.06 4.28 3 11.01 236.70 228.11 0.0042 0.0044 10.06 10.44 7.45 7.49 4.17 4.52 4 9.91 185.68 217.71 0.0054 0.0046 12.83 10.94 8.30 8.06 7.71 8.04 5 13.54 258.97 316.45 0.0039 0.0032 9.15 7.49 7.58 7.51 8.12 7.22 6 10.84 288.17 360.58 0.0035 0.0028 8.22 6.57 9.48 9.88 2.79 3.34 7 12.19 283.48 328.12 0.0035 0.0030 8.36 7.22 8.36 8.60 4.67 5.21 8 12.19 325.93 300.24 0.0031 0.0033 7.27 7.89 8.27 8.81 4.57 5.91 9 12.19 248.01 303.23 0.0040 0.0033 9.56 7.82 8.37 8.74 4.57 5.61 10 10.84 222.22 307.82 0.0045 0.0032 10.66 7.70 9.24 9.68 8.86 1.03 11 13.54 335.67 426.59 0.0030 0.0023 7.06 5.56 7.43 7.57 2.00 2.33 12 12.82 243.53 313.11 0.0041 0.0032 9.68 7.53 9.34 9.30 5.36 5.81 13 16.03 281.43 426.82 0.0036 0.0023 8.38 5.52 7.49 7.72 4.32 4.62 14 14.42 378.10 463.07 0.0026 0.0022 6.24 5.09 8.38 8.61 2.36 2.79 15 14.42 294.98 317.72 0.0034 0.0031 7.99 7.42 8.17 8.30 8.12 8.54 275 Bursa Uludağ Üniversitesi Ziraat Fakültesi Dergisi Çetin Journal of Agricultural Faculty of Bursa Uludag University Aralık/2022, 36(2) Çizelge 5. İkinci dereceden polinom modelinin varyans analizi (ANOVA) sonuçları Granny Smith Red Delicious Kaynak sd SEC SMER Deff ηen ηth SEC SMER Deff ηen ηth Model 5 3.51 4.70* 157.70* 4.81* 91.24* 9.19* 7.40* 1.91 7.19* 157.70* Sıcaklık(A) 1 9.28* 13.31* 1.04 14.37* 0.91 29.46* 28.51* 0.31 28.37* 1.04 Kalınlık(B) 1 14.05* 17.49* 1351.36* 17.13* 1.82 34.08* 21.83* 8.30* 21.78* 1351.36* Süre(C) 2.83 3.83 30.37* 4.00 805.73* 4.20 1.24 0.74 1.15 30.37* AxB 1 0.17 2.28 2.01 2.54 0.91 0.13 3.00 0.01 2.47 2.01 AxC 0.02 0.016 0.11 0.01 1.96 5.55 4.18 0.17 3.60 0.11 BxC 0.03 0.016 0.01 0.03 4.78 1.00 0.62 4.28 0.27 0.01 A2 1 0.89 2.22 0.30 2.34 2.14 0.20 2.52 0.40 2.24 0.30 B2 1 1.22 0.47 31.86* 0.55 0.48 7.79* 4.16 0.70 4.31 31.86* C2 2.84 2.60 2.62 2.27 2.09 0.01 0.01 2.19 0.01 2.62 Kalıntı 7 Uyum eks. 3 0.43 0.63 23.97* 0.46 3.70 5.21 4.94 40.22* 6.57 23.97* Hata 4 Toplam 12 R2 0.8633 0.8942 0.9965 0.8964 0.9939 0.9430 0.9302 0.7743 0.9283 0.9965 (a) (b) (c) (d) 276 Bursa Uludağ Üniversitesi Ziraat Fakültesi Dergisi Çetin Journal of Agricultural Faculty of Bursa Uludag University Aralık/2022, 36(2) (e) (f) (g) (h) (i) (j) Şekil 2. Ürün kalınlığının (ST) ve sıcaklığın (T) yanıt değişkenleri üzerine etkisi; Granny Smith için SEC (a), SMER (b), Deff (c), ηen (d), ηth (e) ve Red Delicious için SEC (f), SMER (g), Deff (h), ηen (i), ηth (j) 277 Bursa Uludağ Üniversitesi Ziraat Fakültesi Dergisi Çetin Journal of Agricultural Faculty of Bursa Uludag University Aralık/2022, 36(2) Enerji ve Termal Etkinlik Analizleri Enerji tüketimi, özgül enerji tüketimi, özgül nem çekme oranı, enerji etkinliği ve termal etkinlik değerleri Çizelge 4'te verilmiştir. Her iki çeşit için de enerji tüketimi değerleri 8.81 ile 16.03 kWh arasında değişmiştir. En yüksek SEC değerleri Granny Smith ve Red Delicious için 14. RSM uygulamasında sırasıyla 378.10 ve 463.07 kWh kg-1 olarak gerçekleşmiştir. Bununla birlikte en düşük SMER değerleri ise yine aynı uygulamada sırasıyla 0.0026 ve 0.0022 kg kWh-1 olarak belirlenmiştir. Enerji verimliliği açısından en etkili uygulama 4. RSM uygulaması olurken değerler Granny Smith için %12,83, Red Delicious için %10.94 olmuştur. Granny Smith ve Red Delicious için en yüksek termal etkinlik değerleri 6. RSM uygulamasında sırasıyla %9.48 ve %9.88 olarak belirlenmiştir. Çizelge 5'te görüldüğü gibi her iki çeşit için sıcaklık ve ürün kalınlığı, özgül enerji tüketimi, özgül nem çekme oranı ve enerji etkinliği üzerinde önemli bir etki göstermiştir (p<0.05). Bununla birlikte her iki çeşitte de kurutma süresinin termal etkinlik üzerinde önemli bir etkiye sahip olduğu tespit edilmiştir (p<0.05). Her iki çeşit için elma örneklerinin özgül nem çekme oranı ve enerji etkinliği için R2 değerleri, Granny Smith için sırasıyla 0.8942 ve 0.8964, Red Delicious için sırasıyla 0.9302 ve 0.9283 olarak ortaya konulmuştur. Ayrıca elma örneklerinin özgül nem çekme oranı değişimi ikinci dereceden modele iyi bir uyum yeteneği göstermiştir (p<0.05, Çizelge 5). Şekil 2’de görüldüğü gibi ürün kalınlığının artmasıyla özgül nem çekme oranında (SMER) bir artış gözlenmiştir. Buna ilaveten sıcaklıklardaki artış özgül enerji tüketiminde önemli bir azalma sağlamıştır. Taheri-Garavand ve ark. (2018), konvektif yöntemle muz dilimlerinin kurutulmasında farklı kurutma sıcaklıkları (60, 70 ve 80°C), hava hızları (0.5, 1.0 ve 1.5 ms-1) ve farklı kurutma sürelerinde (40, 100, 160, 220 ve 280 dk.) RSM uygulamışlardır. Çalışmada enerji etkinliği değerlerinin 0.536 ile 0.930 arasında değiştiğini bildirmişlerdir. Bunun yanı sıra RSM için tüm faktörleri istatistiksel olarak çok önemli bulmuşlardır (p<0.0001). Modelin R2 değerini ise 0.9680 olarak bildirmişlerdir. Farklı kurutma koşulları ve farklı ürün sebebiyle araştırmanın enerji etkinliği bulguları çalışmamızla uyumlu olmamasına rağmen RSM’nin ANOVA sonuçları çalışmamızla benzerlik göstermiştir. Abbaspour-Gilandeh ve ark. (2020), farklı kurutma sıcaklıkları 65 °C’de konvektif kuruttukları havuç dilimleri için özgül enerji tüketimi değerini 297.29 MJ kg-1 olarak tespit etmişlerdir. Liu ve ark. (2021), sarımsak dilimleri için birinci ve ikinci aşama baypas hava oranları (0.2, 0.4 ve 0.6) ve hava sıcaklıları (45, 50 ve 55 ºC) için RSM uygulamışlardır. Çalışmada özgül nem çekme oranlarının 1.924 ile 2.232 kg kWh-1 arasında değiştiğini bildirmişlerdir. SMER için tüm faktörlerin önemli (p<0.05) olduğunu ve modelin R2 değerinin 0.9999 olduğunu belirtmişlerdir. Beigi (2016a), elmalar için 1 m s-1 hava hızında 50 ve 60 ºC hava konvektif kurutma yönteminde termal etkinlik değerlerini sırasıyla %6.57 ve %8.06 olarak belirlemiştir. Optimizasyon Analizi Bu çalışmada optimizasyon analizi sonuçları detaylı olarak açıklanmış ve tartışılmıştır. Kontrol faktörlerinin, tepki değişkenlerinin ve birleşik optimizasyonun bireysel arzu edilebilirlik değerleri belirlenmiştir. Kontrol faktörleri (T, ST ve DT) için arzu edilebilirlik fonksiyonu optimizasyon aralığında olacak şekilde düzenlendiğinde değer 1'e eşit olmalıdır (Karaman ve Sağdıç, 2019). Granny Smith ve Red Delicious çeşitleri için SEC ve Deff minimum, SMER, nen, nth maksimum seviyelerde olacak şekilde optimize edilmiştir. Buna göre Granny Smith çeşidi için minimum SEC ve Deff optimizasyon koşulları 50.08 ºC, 8.90 mm ve 8.02 saat ve 59.88 278 Bursa Uludağ Üniversitesi Ziraat Fakültesi Dergisi Çetin Journal of Agricultural Faculty of Bursa Uludag University Aralık/2022, 36(2) ºC, 5.03 mm ve 9.89 saat olarak belirlenmiştir. Maksimum SMER, nen ve nth optimizasyon koşulları ise sırasıyla 50.03 ºC, 8.94 mm ve 8.26 saat, 50.61 ºC, 8.91 mm ve 8.02 saat ve 57.38 ºC, 5.26 mm ve 8.00 saat olarak saptanmıştır. Red Delicious çeşidi için minimum SEC ve Deff optimizasyon koşulları 50.02 ºC, 8.94 mm ve 9.60 saat ve 50.74 ºC, 5.02 mm ve 9.98 saat olarak bulunmuştur. Maksimum SMER, nen ve nth optimizasyon koşulları ise sırasıyla 50.07 ºC, 8.62 mm ve 9.48 saat, 50.05 ºC, 8.36 mm ve 9.93 saat ve 58.76 ºC, 8.99 mm ve 8.01 saat olarak tespit edilmiştir. Ayrıca, her iki çeşit için çalışılan parametrelerde çoklu yanıt optimizasyonu yapılmış minimum SEC ve Deff, maksimum SMER, nen, nth değerleri dikkate alındığında Granny Smith için optimum koşulların 50.00 ºC, 7.31 mm ve 8.00 saat (arzu edilebilirlik=0.801) olacağı sonucuna varılmıştır. Red Delicious için ise optimum koşullar 50.00 ºC, 9.00 mm ve 8.00 saat (arzu edilebilirlik=0.847) olarak belirlenmiştir. Belirsizlik Analizi Sonuçları Çalışmada nem içeriği, Ec, SEC, SMER, ηen, ηth ve Deff hesaplamalarındaki ölçülen parametrelerin ve toplam belirsizlik değerleri Çizelge 6'da verilmiştir. Elma dilimlerinin kurutma analizi için belirlenen mevcut belirsizlik değerleri, kabul edilebilir %5'lik sınırın oldukça altında bulunmuştur (Salehi ve ark., 2017). Çizelge 6. Deneylerin belirsizlik analiz sonuçları Parametre Birim Değer Sıcaklık ölçümü °C ±0.1 Ürün kalınlığı ölçümü mm ±0.1 Kurutma süresi ölçümü h ±0.1 Ağırlık ölçümü g ±0.01 Kütle ölçümü g ±0.01 Nem içeriği % ±%0.21 Ec için toplam belirsizlik kWh ±%4.23 SEC için toplam belirsizlik kWh kg-1 ±%3.49 SMER için toplam belirsizlik kg kWh-1 ±%3.27 ηen için toplam belirsizlik % ±%3.27 ηth için toplam belirsizlik % ±%0.24 D için toplam belirsizlik m2s-1eff ±%0.94 Sonuç Bu çalışmada Granny Smith ve Red Delicious elma çeşitleri konvektif kurutma işlemine tabi tutulmuştur. Deneyler, arzu edilebilirlik fonksiyonu kullanılarak Box-Behnken tasarımında 50, 55 ve 60 °C kurutma sıcaklıklarında, 5, 7 ve 9 mm ürün kalınlıklarında, 8, 9 ve 10 saat kurutma sürelerinde gerçekleştirilmiştir. Wang&Singh modeli deneysel verilere en uygun model olarak belirlenmiştir. SEC, SMER, Deff, nen ve nth özellikleri optimize edilmiş yanıtlardır. Ürün kalınlığı, Granny Smith çeşidine ait termal etkinlik özelliği dışında 279 Bursa Uludağ Üniversitesi Ziraat Fakültesi Dergisi Çetin Journal of Agricultural Faculty of Bursa Uludag University Aralık/2022, 36(2) tüm tepkiler üzerinde önemli etkilere sahip olmuştur (p≤0.05). Buna ilaveten sıcaklık değeri her iki çeşitte de efektif nem difüzyonu ve termal etkinlik özellikleri hariç tüm özelliklerde önemli bir etkiye sahip olmuştur (p≤0.05). Mevcut bulguların, konvektif elma kurutma endüstrisinde sıcaklık, örnek kalınlığı ve kurutma süresine bağlı optimum koşulları sağlamada yardımcı olacağı düşünülmektedir. Teşekkür Yapılan bu çalışma etik kurul izni gerektirmemektedir. Makale araştırma ve yayın etiğine uygun olarak hazırlanmıştır. Necati ÇETİN materyal temini, yöntem geliştirilmesi, deneylerin planlanması-kurulması, istatistiksel analizlerin yapılması ve makale yazımı ve düzeltilmesi süreçlerinin tamamında tek başına görev almıştır. Kaynakça Abbaspour-Gilandeh, Y., Kaveh, M. and Aziz, M. 2020. Ultrasonic-microwave and infrared assisted convective drying of carrot: Drying kinetic, quality and energy consumption. Applied Sciences, 10(18): 6309. Aghbashlo, M., Mobli, H., Rafiee, S. and Madadlou, A. 2012. Energy and exergy analyses of the spray drying process of fish oil microencapsulation. Biosystems Engineering, 111: 229–41. Akpinar, E. K., Midilli, A. and Biçer, Y. 2003. Single layer drying behaviour of potato slices in a convective cyclone dryer and mathematical modeling. Energy Conversion and Management, 44: 1689–1705. Akpinar, E. K. 2010. Drying of mint leaves in a solar dryer and under open sun: modelling performance analyses. Energy Conversion and Management, 51: 2407-2418. Arslan, D. and Özcan, M. M. 2010. Study the effect of sun, oven and microwave drying on quality of onion slices. LWT-Food Science and Technology, 43(7): 1121-1127. Beigi, M. 2016a. Influence of drying air parameters on mass transfer characteristics of apple slices. Heat Mass Transfer, 52: 2213-2221. Beigi, M. 2016b. Hot air drying of apple slices: dehydration characteristics and quality assessment. Heat and Mass Transfer, 52(8): 1435-1442. Box, G. E. P. and Behnken, D. W. 1960. Some new three level designs for the study of quantitative variables. Technometrics, 2: 455-475. Chayjan, R. A., Kaveh, M., Dibagar, N. and Nejad, M. Z. 2017. Optimization of pistachio nut drying in a fluidized bed dryer with microwave pretreatment applying response surface methodology. Chemical Product and Process Modeling, 12: 20160048. 280 Bursa Uludağ Üniversitesi Ziraat Fakültesi Dergisi Çetin Journal of Agricultural Faculty of Bursa Uludag University Aralık/2022, 36(2) Contreras, C., Martín-Esparza, M. E., Chiralt, A. and Martínez-Navarrete, N. 2008. Influence of microwave application on convective drying: Effects on drying kinetics, and optical and mechanical properties of apple and strawberry. Journal of Food Engineering, 88(1): 55-64. Crank, J. 1975. Mathematics of Diffusion. 2nd ed; Oxford University Press: London UK p 414. Cruz, A. C., Guiné, R. P. and Gonçalves, J. C. 2015. Drying kinetics and product quality for convective drying of apples (cvs. Golden Delicious and Granny Smith). International Journal of Fruit Science, 15(1): 54-78. Design Expert 1305, 2021. Software for design of experiments Stat-Ease Inc Minneapolis USA. Erbay, Z. and Icier, F. 2009. Optimization of hot air drying of olive leaves using response surface methodology. Journal of Food Engineering, 91(4): 533-541. Food and Agriculture Organization (FAO) 2021. FAOSTAT Birleşmiş Milletler Gıda ve Tarım Örgütü (FAO) İstatistik Veritabanı. Erişim tarihi: Kasım 2021). Giri, S. K. and Prasad, S. 2007. Optimization of microwave-vacuum drying of button mushrooms using response-surface methodology. Drying Technology, 25(5), 901-911. Halil, T., Tamer, C. E. and Karabacak, A. Ö. 2019. Farklı yöntemlerle kurutulan yeşil zeytin katkılı cipslerin kurutma kinetiği ve bazı kalite parametrelerinin incelenmesi. Bursa Uludag Üniv. Ziraat Fak. Derg., 33(1): 123-142. Henderson, S. M. and Pabis, S. 1961. Grain drying theory. I. Temperature effect on drying coefficient. Journal of Agricultural Engineering Research, 6: 169–174. Horuz, E., Bozkurt, H., Karataş, H. and Maskan, M. 2017. Effects of hybrid (microwave-convectional) and convectional drying on drying kinetics total phenolics antioxidant capacity vitamin C color and rehydration capacity of sour cherries. Food Chemistry, 230: 295-305. Horuz, E., Bozkurt, H., Karataş, H. and Maskan, M. 2018. Simultaneous application of microwave energy and hot air to whole drying process of apple slices: drying kinetics modeling temperature profile and energy aspect. Heat Mass Transfer, 54: 425-436. Kaleta, A. and Gornicki, K. 2010. Evaluation of drying models of apple (var McIntosh) dried in a convective dryer. International Journal Food Science Technology, 45: 891-898. Karaman, K. and Sagdic, O. 2019. Zygosaccharomyces bailii and Z rouxii induced ethanol formation in apple juice supplemented with different natural preservatives: A response surface methodology approach. Journal of Microbiological Methods, 163: 105659. Kaur, S., Sarkar, B. C., Sharma, H. K. and Singh, C. 2009. Optimization of enzymatic hydrolysis pretreatment conditions for enhanced juice recovery from guava fruit using response surface methodology. Food Bioprocess Technology, 2: 96-100. Kaya, A., Aydin, O. and Akgun, M. 2011. Drying kinetics and moisture transfer parameters of hazelnut. Journal Food Process Preservation, 35: 714–721. Koç, B. and Kaymak-Ertekin, F. 2010. Yanıt yüzey yöntemi ve gıda işleme uygulamaları. Gıda, 35(1), 1-8. 281 Bursa Uludağ Üniversitesi Ziraat Fakültesi Dergisi Çetin Journal of Agricultural Faculty of Bursa Uludag University Aralık/2022, 36(2) Kumar, D., Prasad, S. and Murthy, G. S. 2014. Optimization of microwave-assisted hot air drying conditions of okra using response surface methodology. Journal of Food Science and Technology, 51(2): 221-232. Li, L., Zhang, M., Bhandari, B. and Zhou, L. 2018. LF-NMR online detection of water dynamics in apple cubes during microwave vacuum drying. Drying Technology, 36: 2006-2015. Liu, H., Yousaf, K., Yu, Z., Riaz, A., Nyalala, I., Chattha, M. W. A. and Chen, K. 2021. Drying process optimization of garlic slices in closed‐loop heat pump drying system by Box‐Behnken design. Journal of Food Processing and Preservation, e16190. Majdi, H., Esfahani, J. A. and Mohebbi, M. 2019. Optimization of convective drying by response surface methodology. Computers and Electronics in Agriculture, 156: 574-584. Marques, L. G. and Freire, J. T. 2005. Analysis of freeze-drying of tropical fruits. Drying Technology, 23: 2169- 2184. Montgomery, D.C. 2001. Design and analysis of experiments, John Wiley and Sons, 427-510. Motevali, A., Minaei, S., Banakar, A., Ghobadian, B. and Darvishi, H. 2016. Energy analyses and drying kinetics of chamomile leaves in microwave-convective dryer. Journal Saudi Society Agricultural Sciences, 15: 179-187. Myers, R. H. and Montgomery D.C. 2002. Response surface methodology process and product optimization using designed experiments, John Wiley and Sons, 17-85, 203-303. Obajemihi, O. I., Olaoye, J. O., Cheng, J. H., Ojediran, J. O. and Sun, D. W. 2021. Optimization of process conditions for moisture ratio and effective moisture diffusivity of tomato during convective hot‐air drying using response surface methodology. Journal of Food Processing and Preservation, 45(4): e15287. Page, G. 1949. Factors influencing the maximum rates of air-drying shelled corn in thin layer. M.S. Thesis. Purdue University West Lafayette, Indiana: USA. Pinar, H., Çetin, N., Ciftci, B., Karaman, K. and Kaplan, M. 2021. Biochemical composition, drying kinetics and chromatic parameters of red pepper as affected by cultivars and drying methods. Journal of Food Composition and Analysis, 102: 103976. Sahin, A. Z. and Dincer, I. 2002. Graphical determination of drying process and moisture transfer parameters for solids drying. International Journal of Heat Mass Transfer, 45: 3267-3273. Salehi, F., Kashaninejad, M. and Jafarianlari, A. 2017. Drying kinetics and characteristics of combined infrared- vacuum drying of button mushroom slices. Heat Mass Transfer, 53: 1751-1759. Šumić, Z., Vakula, A., Tepić, A., Čakarević, J., Vitas, J. and Pavlić, B. 2016. Modeling and optimization of red currants vacuum drying process by response surface methodology (RSM). Food Chemistry, 203: 465-475. Taheri-Garavand, A., Karimi, F., Karimi, M., Lotfi, V. and Khoobbakht, G. 2018. Hybrid response surface methodology–artificial neural network optimization of drying process of banana slices in a forced convective dryer. Food Science and Technology International, 24(4): 277-291. 282 Bursa Uludağ Üniversitesi Ziraat Fakültesi Dergisi Çetin Journal of Agricultural Faculty of Bursa Uludag University Aralık/2022, 36(2) Taskin, O. 2020. Evaluation of freeze drying for whole, half cut and puree black chokeberry (Aronia melanocarpa L.). Heat and Mass Transfer, 56(8): 2503-2513. Yaldiz, O., Ertekin, C. and Uzun, H. I. 2001. Mathematical modeling of thin layer solar drying of Sultana grapes. Energy, 26: 457–465. 283