PL EN


Preferencje help
Widoczny [Schowaj] Abstrakt
Liczba wyników
2011 | 42 | 231--242
Tytuł artykułu

Application of Fuzzy Spread Regression to Analysis of Biotechnological Process Efficiency

Treść / Zawartość
Warianty tytułu
Zastosowanie pasmowej regresji rozmytej do analizy wydajności procesu biotechnologicznego
Języki publikacji
EN
Abstrakty
Proces biotransformacji jest jednym z procesów biotechnologicznych stosowanych w laboratoriach i przemyśle. Polega on na wykorzystaniu tkanek roślinnych hodowanych w kulturach in vitro do przetwarzania substratów w pożądane produkty. Wydajność procesu jest bardzo zmienna w czasie i można zazwyczaj określić optymalny czas trwania procesu. Celem niniejszego artykułu jest pokazanie zastosowania pasmowej regresji rozmytej do wyznaczenia optymalnego czasu trwania procesu biotransformacji hydrochinonu do arbutyny przy wykorzystaniu tkanki kalusowej jeżówki purpurowej (Echinacea purpurea "(L.) Moench). Z uwagi na wysoki koszt prowadzenia hodowli i długi czas wzrostu tkanki, nie było możliwe wykorzystanie takiej liczby próbek, aby przedział ufności wyników wyznaczany na podstawie teorii prawdopodobieństwa był dostatecznie wąski. Z tego powodu próbki pobierane w różnych chwilach trwania procesu były opisywane za pomocą trójkątnych liczb rozmytych a następnie poddawane rozmytej regresji pasmowej. Rezultatem były trzy krzywe regresji opisujące odpowiednio lewą krawędź, prawą krawędź i środek trójkątnej wartości rozmytej. Maksymalna wydajność i chwila jej osiągnięcia były wyznaczane osobno dla każdej krzywej. Po połączeniu wszystkich trzech maksimów wyznaczana była maksymalna rozmyta wydajność i rozmyty czas jej uzyskania. Proponowane podejście powinno być użyteczne dla podobnych zagadnień, w których probabilistyczny opis niepewności nie jest możliwy do zastosowania z uwagi na ograniczenia czasowe, sprzętowe lub finansowe. Opracowana metoda powinna być użyteczna przy ewentualnym przenoszeniu procesu z warunków laboratoryjnych do skali przemysłowej. (abstrakt oryginalny)
EN
The biotransformation process is one of biotechnological processes utilized in laboratories and industry. It involves the use of plant tissues cultured in vitro cultures for processing substrates in the desired products. Efficiency of such a process is highly variable in time and one can usually determine the optimal duration of the process. The purpose of this article is to present how to use fuzzy spread regression to determine the optimal time of the process of biotransformation of hydroquinone to arbutin using callus tissue of purple coneflower (Echinacea purpurea L. Moench). Given the significant cost and long time of tissue growth, to determine the yield curve could not be used as many samples to obtain the appropriate narrow confidence intervals determined from probability theory. Therefore, samples taken in different moments of the process were described by triangular fuzzy numbers and then fuzzy spread regression was conducted. As the result, three regression curves were obtained describing respectively the left edge, right edge and center of the fuzzy triangle value. The value of maximum efficiency and its location were determined separately for each of obtained curves. After combining all three maxims, the fuzzy value of maximum efficiency and fuzzy value of its time were determined. The approach should also be useful for similar studies, when probabilistic description of uncertainty is not possible for reasons of time, equipment or financial limits. The developed method will be useful in eventual transition of the process from laboratory scale to industrial scale. (original abstract)
Rocznik
Tom
42
Strony
231--242
Opis fizyczny
Twórcy
  • Jagiellonian University Collegium Medicum
  • Cracow University of Technology
Bibliografia
  • Bardossy A. et al., Fuzzy least squares regression: theory and application, [w:] Kacprzyk J., Fedrizzi M. (eds.), Fuzzy Regression Analysis, Omnitech Press, Warszawa, 1992: s. 181-193.
  • Bauer R., Standardization of Echinacea purpurea expressed juice with reference to cichoric acid and alkamides. "Journal of Herbs, Spices and Medicinal Plants", 6 (1999): s. 51-62.
  • Dubois D., Prade H., Operations on fuzzy numbers. "International Journal of System Science" 9 (1978): s. 613-626.
  • D'Urso P., Gastaldi T., An 'orderwise' polynomial regression procedure for fuzzy data, Fuzzy Sets and Systems 130 (2002): s. 1-19.
  • Filuciak E., Biotransformacje w kulturach in vitro Echinacea purpurea (L.) Moench. Praca magisterska, Collegium Medicum UJ, Kraków 2003.
  • Gładysz B., Kuchta D., Polynomial Least Squares Fuzzy Regression Models for Temperature, [w:] Cader A. et al. (eds.), Artificial Intelligence and Soft Computing, EXIT Press, Warszawa, 2006: s. 118-124.
  • Górecki P., Jeżówka purpurowa - cenny surowiec i lek. "Wiadomości Zielarskie", 6 (1993): s. 20-22.
  • Kohlmünzer S., Farmakognozja. PZWL, Warszawa 1998.
  • Li H.X., Yen V.C., Fuzzy Sets and Fuzzy Decision-Making. CRC Press, Boca Raton 1995.
  • Rutkowski L., Metody i techniki sztucznej inteligencji. WNT, Warszawa, 2006.
  • Tyrala R., Linear System with Fuzzy Solution, [w:] Grzegorzewski P. et al. (eds.), Issues in Soft Computing. Theory and Applications, EXIT Press, Warszawa, 2005: s. 277-288.
Typ dokumentu
Bibliografia
Identyfikatory
Identyfikator YADDA
bwmeta1.element.ekon-element-000171535307

Zgłoszenie zostało wysłane

Zgłoszenie zostało wysłane

Musisz być zalogowany aby pisać komentarze.
JavaScript jest wyłączony w Twojej przeglądarce internetowej. Włącz go, a następnie odśwież stronę, aby móc w pełni z niej korzystać.