Aplicação de dióxido de carbono supercrítico para extrair óleo essencial de Cleome coluteoides Boiss

Prévia do material em texto

The Journal of supercríticos Fluidos
Volume 114 , agosto de 2016, páginas 55-63
Aplicação de dióxido de carbono supercrítico para extrair óleo essencial de Cleome coluteoides Boiss: Experimental superfície, resposta e cinza metodologia de otimização lobo
Gholamhossein Sodeifian, , 
Nedasadat Saadati Ardestani ,
Seyed Ali Sajadian ,
Sajad Ghorbandoost
 Mostre mais
doi: 10.1016 / j.supflu.2016.04.006
Obter direitos e conteúdo
Destaques
•
O óleo essencial de Cleome coluteoides Boiss foi extraída por supercrítico CO 2para a primeira vez.
•
metodologia de superfície de resposta com base em CCD foi utilizada para a previsão e otimização.
•
otimização lobo cinzento (GWO) algoritmo também foi usado para otimizar os parâmetros do processo.
•
Previsão das condições de funcionamento óptimas foi verificada através da realização das experiências.
•
Óleo essencial obtido por SC-CO 2 técnica foi maior do que a do método de hidro-destilação.
Abstrato
Nesta pesquisa, a extracção de um óleo essencial a partir de coluteoides Cleome Boiss partes aéreas foi investigada usando dióxido de carbono supercrítico (SC-CO 2 ) técnica pela primeira vez. Planejamento de experimentos e otimização do processo foi realizada com a metodologia de superfície de resposta (RSM) baseado no desenho composto central (CCD). Influência dos parâmetros operacionais incluindo a pressão (P = 100-220 bar), temperatura (T = 308-328 K), tamanho de partícula (d p  = 0,3-0,9 mm) e tempo de extração dinâmica (t = 30-150 min) no final de resposta foi avaliada. Os valores experimentais foram devidamente ajustados a uma equação polinomial quadrática.Análise de variância resultados (ANOVA) indicou que todos os fatores foram afetados significativamente o rendimento de extração do óleo essencial de C. coluteoides .Usando uma otimização do lobo cinzento (GWO) algoritmo, as condições ideais de operação foram determinadas como sendo P = 220 bar, T = 308 K, d p  = 0,58 mm e t = 135 min, em que condições, foi obtido o rendimento máximo de 0,6589 . Composições químicas extraídos por hidro-destilação (HD) e SC-CO 2 métodos foram identificados por cromatografia gasosa / espectrometria de massa (GC / MS) e determinado por GC / FID. Comparando-se os dois métodos, os resultados obtidos mostraram maior rendimento total extracção com SC-CO 2 técnica.
abstrato gráfica
Figura opções
Palavras-chave
Cleome coluteoides Boiss ;
CO supercrítico 2 extracção ;
Metodologia de superfície de resposta ;
Algoritmo GWO ;
Optimization
1. Introdução
Há muitas espécies do género Cleome em todo o mundo que dezesseis espécies foram encontrados no Irã. Cleome coluteoides Boiss ( C. coluteoides ) é um gênero importante na família Capparidaceae e é um endémicas espécies selvagens iranianos que cresce naturalmente em todo o país . C. coluteoides é uma erva peludo glandular anual [1]  e  [2]. Vários membros da família Capparidaceae foram estudados para os seus ingredientes ativos e relatórios estão disponíveis na literatura sobre o teor de óleo e característico de certas espécies cleome como Cleome chrysantha , Cleome viscosa , affinis Cleome ,Cleome gynandra e Cleome icosandra . Extractos e óleos essenciais obtidos a partir de várias espécies exibiram diferentes actividades biológicas, incluindo antioxidantes, anti-inflamatória, anti-tumoral, anti-viral e actividades antimicrobianas. Investigações químicas de alguns Cleome espécies têm demonstrado a existência de triterpenos e flavonóides composições. C. coluteoides é bem conhecido como um anti-bacteriano farmacêutico na medicina tradicional, que tem sido conhecida como sendo eficaz no tratamento da febre, doenças do fígado, bronquite e convulsões infantis. As sementes da planta são conhecidos por terem propriedades anti-helmínticas [3] , [4] , [5] , [6] , [7] ,[8]  e  [9] .
Nos últimos anos, a extracção com fluido supercrítico (SFE) recebeu um aumento da dose de atenção como uma alternativa importante para os métodos de extracção de solventes tradicionais uma vez que fornece a extracção com alta velocidade e eficiência, eliminando as etapas de concentração e evitando o uso de solventes orgânicos que são potencialmente prejudiciais em termos de impacto ambiental [10] , [11]  e  [12] . SFE é um método de extracção / fraccionamento que explora as propriedades únicas de gases superiores aos seus pontos críticos para extrair os componentes solúveis a partir de matéria-prima. O dióxido de carbono é um solvente ideal para a extracção de algumas classes de substâncias naturais, porque é não tóxico, não explosivo, prontamente disponível e fácil de remover a partir de produtos extraídos. Desse modo, a qualidade dos extractos de fluido supercrítico é mais elevado do que aqueles obtidos por solventes de extracção, a água ou destilação a vapor, uma vez que estes métodos podem induzir degradação térmica ou incorrer o problema de solvente residual tóxico nos produtos [13], [14]  e  [15] .
Metodologia de superfície de resposta (RSM) é uma ferramenta matemática para investigar os efeitos dos fatores e sua interação sobre o rendimento de extração. O principal superioridade do MSE é a redução do número de experiências necessárias para o processo de optimização. RSM envolvendo desenho central composto (CCD) e design Box-Behnken (BBD) foram empregados para otimizar um processo SFE. CCD geralmente requer mais corridas do que BBD, portanto, foi mais caro que o BBD. Nos últimos anos, o RSM foi usado para optimizar a extracção de óleos essenciais a partir de materiais de plantas [16] , [17] , [18] , [19] , [20] , [21]  e  [22] .
Uma nova meta-heurística chamada Grey Wolf Optimizer (GWO), inspirados por um lobos cinzentos (Canis lupus) algoritmo, imita a hierarquia da liderança e do mecanismo de caça de lobos cinzentos na natureza. Quatro tipos de lobos cinzentos, por exemplo, alfa, beta, delta e omega, são empregados para simular a hierarquia liderança [23] , [24], [25]  e  [26] . GWO é uma técnica de pesquisa otimização global que otimiza uma determinada função ao longo de um intervalo específico. Para o melhor de nosso conhecimento, o presente trabalho é o primeiro a usar o algoritmo GWO no campo da engenharia química, mostrando as suas capacidades em termos de otimização de processos de extração.
Para o melhor do nosso conhecimento, não há nenhum relatório sobre a extração de C.coluteoides através das técnicas de fluido supercrítico. Portanto, depois de desenhar as experiências necessárias usando RSM, um modelo polinomial quadrática adequado foi muito bem ajustada aos dados experimentais. O modelo foi avaliada através de alguns critérios estatísticos e condições operacionais óptimas foi determinada pelo algoritmo GWO. As composições químicas de hidro-destilação (HD) e dióxido de carbono supercrítico (SC-CO 2 ) métodos foram caracterizados por GC / MS e determinado por GC / FID. Os resultados obtidos indicaram a superioridade da SC-CO 2 técnica sobre método de HD em termos da quantidade total de óleo essencial extraído.
2. Materiais e métodos
2.1. materiais
As amostras da parte aérea C. coluteoides foram levados de 2500 a 3000 m de alto-áreas de Ardestan localizados na Província Esfahan, Iran (coordenadas geográficas: 33 ° 22' N, 52 ° 21' E). As amostras foram recolhidas à mão durante Maio de 2015. Uma vez recolhidas, as amostras foram lavadas com água destilada, para remover eventuais poeiras ou outras grandes poluições superficiais, e secou-se sob uma sombra temperatura ambiente até que a água não ligada associada foi completamente removido e a humidade de amostras foi reduzido ao seu conteúdo mínimo (medida a menos do que 3%). O dióxido de carbono com uma pureza de 99,9% foi fornecida por Fadak fábrica gás. Com uma pureza de 99,99%, o etanol foi fornecido pela Merck (empresa alemã).
2.1.1. Preparação de amostra
De modo a preparar as amostras antes de realizar os testes, estes foram lavados com água destilada, esmagado num moinho e, em seguida granulada com o tamanho desejado utilizando um peneiro de laboratórioe agitador. Para impedir que as amostras de excesso de temperatura, o tempo de moagem foi de curta duração sem o uso de moinhos de jacto.
2.2. Métodos
2.2.1. extração do óleo essencial via hidro-destilação
As amostras secas (100 g) de C. coluteoides foram submetidos a hidro-destilação usando um aparelho do tipo Clevenger toda de vidro durante 4 h. Óleo amarelado obtido foi seco sobre sulfato de sódio anidro e armazenada num frasco de vidro escuro a 4 ° C sob um fluxo de azoto gasoso até à análise. Três réplicas foram realizadas. O rendimento da extracção de óleo essencial pelo método de hidro-destilação verificou-se ser 0,5530 (m / m%).
2.2.2. Aparelho
As experiências de extracção foram conduzidos em escala de bancada, SC-CO 2aparelho mostrado na Fig. 1 . O dióxido de carbono foi alimentado a partir de um tanque de gás equipado com um condensador para manter CO 2 liquefeito. Uma bomba serve para colocar o dióxido de carbono liquefeito sob a pressão necessária. No presente trabalho, 10 g de seca C. coluteoides e 0,5 ml de etanol (modificador) foram carregados juntamente com esferas de vidro num recipiente de alta pressão de 60 ml, em que as contas de vidro foram usados ​​para impedir a canalização de fluxo no leito empacotado.O dióxido de carbono de alta pressão foi passada através de um tanque de equilíbrio, antes de ser alimentado para dentro do vaso de leito fixo. O tanque de compensação eo navio foram concebidos como casco e tubo onde a água quente foi circulado através do shell a temperatura constante. Neste estudo, o tempo de estática foi ajustado para ser de 30 minutos tempo durante o qual SC-CO 2 foi alimentada para dentro do recipiente com a saída da válvula de pressão de retorno fechada. As condições dinâmicas foram então inicializado por abertura da válvula de pressão de retorno. Para evitar que a válvula de pressão de retorno do congelamento, foi envolvida com um elemento de aquecimento. A temperatura da recolha da amostra foi mantida abaixo de 0 ° C usando gelo e cabine de sal durante o tempo de extracção dinâmica. Cada experimento foi realizado em triplicado com os valores médios relatados como os resultados finais.Sendo de uma pequena quantidade (em termos de peso) e sensíveis à luz, o óleo essencial obtido foi recolhido cuidadosamente e pesada antes de ser armazenado num frasco escuro selado num recipiente especial feito para armazenar óleos voláteis. Antes de analisar, a garrafa foi mantido em um lugar frio fora da luz solar, por exemplo, um frigorífico. A fim de evaporar a solução, fez-se borbulhar através da utilização de gás de azoto. O óleo essencial extraído foi então medida e com base no qual foi calculado resulta o rendimento da extracção. O rendimento total de extracção supercrítica pode ser calculada através da divisão do peso de óleo essencial por o peso de pó seco.
equação( 1 )
Vire MathJaxem 
FIG. 1. 
Planta piloto do fluido supercrítico (CO 2 ) de extração utilizado neste trabalho.
Figura opções
2.3. Design experimental
2.3.1. metodologia de superfície de resposta
Em geral, a metodologia de superfície de resposta (RSM) é constituído por um conjunto de técnicas matemáticos e estatísticos que correspondem aos modelos empíricos experimentais de dados [27] , [28]  e  [29] . RSM é uma ferramenta útil para analisar as relações entre respostas medidas e fatores (variáveis ​​independentes) [30] . Neste trabalho, as influências de quatro factores, a saber, pressão, temperatura, tamanho de partículas e hora dinâmica foram estudados no rendimento da extração em SC-CO 2usando cinco níveis diferentes. Para os fatores a serem avaliados, os parâmetros independentes foram alteradas para variar entre -2 e 2. A Tabela 1 lista as modelos RSM (codificados e não codificada), juntamente com os seus respectivos níveis. As variáveis ​​independentes consideradas no presente trabalho foram codificadas de acordo com a seguinte expressão [18] , [31]  e  [32] :
equação( 2 )
Vire MathJaxem 
onde Z Jé o valor codificada do independente parâmetro x i, X Jé o seu valor real do ponto central, e Ax ié a sua mudança de passo. Como introduzido na Tabela 2 , um número total de 30 experimentos com os quatro fatores em cinco níveis de variação foram definidos a partir CCD, que inclui 16 pontos fatoriais (ponto 1 ponto 16), 8 pontos axiais (ponto 17 pontos 24) e 6 pontos centrais (ponto 25 pontos 30). Nestes sistemas, a relação matemática para cada resposta em termos de valores de rendimento de óleo essencial da correspondente C. coluteoides planta pode ser aproximada por uma quadrática (de segunda ordem) modelo polinomial de regressão, representada como uma função das variáveis ​​independentes, como se segue:
equação( 3 )
Vire MathJaxem 
onde β 0é uma constante, β i, Β II, E β ijsão coeficientes lineares, quadráticas e interactivos, respectivamente, x ie X jsão variáveis ​​independentes em uma forma codificada, e εrepresenta o termo de erro. Os experimentos foram projetados usando software Design Perito (trial versão 7.0.0, Facilidade Stat, EUA). A significância estatística de cada coeficiente de regressão em função do rendimento de extracção foi determinada utilizando análise de variância (ANOVA). Os coeficientes de determinação, R 2 , e os valores ajustados correspondentes, R 2 adj., Foram utilizados para avaliar a adequação de ajuste dos modelos de regressão. O coeficiente de determinação de predição, R 2 pred., Também foi aplicado para ter uma indicação da capacidade de previsão do modelo de regressão.
Tabela 1.
níveis não codificados e codificados de variáveis ​​independentes utilizadas no CCD.
	Variáveis ​​independentes
	Nível de fator
	Pressão (P , bar)
	100 (-2)
	130 (-1)
	160 (0)
	190 (1)
	220 (2)
	Temperatura (T, K)
	308
	313
	318
	323
	328
	O tamanho das partículas (d p , mm)
	0,30
	0,45
	0,60
	0,75
	0,90
	tempo dinâmico (t, min)
	30
	60
	90
	120
	150
opções de tabela
Mesa 2.
Matriz CCD de quatro variáveis ​​independentes para a extração C. coluteoides com as respostas experimentais e preditos.
	Std. ordem
	tipo de ponto
	P (x 1 )
	T (x 2 )
	d p (x 3 )
	T (x 4 )
	Experimental
	RSM
	1
	fatorial
	-1
	-1
	-1
	-1
	0,251
	0,251
	2
	fatorial
	1
	-1
	-1
	-1
	0,453
	0,446
	3
	fatorial
	-1
	1
	-1
	-1
	0,190
	0,182
	4
	fatorial
	1
	1
	-1
	-1
	0,367
	0,391
	5
	fatorial
	-1
	-1
	1
	-1
	0,399
	0,399
	6
	fatorial
	1
	-1
	1
	-1
	0.520
	0,537
	7
	fatorial
	-1
	1
	1
	-1
	0,345
	0.350
	8
	fatorial
	1
	1
	1
	-1
	0,523
	0,503
	9
	fatorial
	-1
	-1
	-1
	1
	0,445
	0,449
	10
	fatorial
	1
	-1
	-1
	1
	0,583
	0,588
	11
	fatorial
	-1
	1
	-1
	1
	0,428
	0,407
	12
	fatorial
	1
	1
	-1
	1
	0,575
	0,561
	13
	fatorial
	-1
	-1
	1
	1
	0,537
	0,513
	14
	fatorial
	1
	-1
	1
	1
	0.620
	0,596
	15
	fatorial
	-1
	1
	1
	1
	0,487
	0,492
	16
	fatorial
	1
	1
	1
	1
	0,613
	0,589
	17
	axial
	-2
	0
	0
	0
	0,300
	0,308
	18
	axial
	2
	0
	0
	0
	0,625
	0.600
	19
	axial
	0
	-2
	0
	0
	0,557
	0,551
	20
	axial
	0
	2
	0
	0
	0,487
	0,475
	21
	axial
	0
	0
	-2
	0
	0,323
	0,314
	22
	axial
	0
	0
	2
	0
	0,500
	0,490
	23
	axial
	0
	0
	0
	-2
	0,300
	0,304
	24
	axial
	0
	0
	0
	2
	0,632
	0,588
	25
	centro
	0
	0
	0
	0
	0,500
	0.510
	26
	centro
	0
	0
	0
	0
	0,490
	0.510
	27
	centro
	0
	0
	0
	0
	0,519
	0.510
	28
	centro
	0
	0
	0
	0
	0,490
	0.510
	29
	centro
	0
	0
	0
	0
	0,524
	0.510
	30
	centro
	0
	0
	0
	0
	0,533
	0.510
	R 2
	0,9840
	
	
	
	
	
	
	MSE
	0.00098613
	
	
	
	
	
	
	RMSE
	0,0314
	
	
	
	
	
	
	AARD
	2,8464
	
	
	
	
	
	
opções de tabela
2.3.2. cromatografia gasosa análise (GC)
Neste trabalho um cromatógrafo Agilent HP-6890 gás (Agilent Technologies, Palo Alto, CA, EUA), equipado com um detector FID, com uma coluna fenilmetil siloxano capilar5% HP-5MS (30 m x 0,25 mm, 0,25 de espessura de filme uM ; Restek, Bellefonte, PA) foi utilizado para realizar análises químicas. A temperatura do forno foi mantida a 60 ° C durante 3 min antes de ser levantado, a uma taxa de temperatura de 3 ° C / min, a 246 ° C. temperaturas de injector e do detector foram ambos regulada para 250 ° C. Hélio foi utilizado como gás portador a uma taxa de fluxo de 1,5 ml / min, com as amostras a ser injectada manualmente sob uma razão de divisão de 1: 100. percentagens da área do 'picos foram utilizados para obter os dados quantitativos.
2.3.3. A cromatografia gasosa / espectrometria de massa (GC / MS) análise
Análise GC / MS do óleo foi levada a cabo sobre um cromatógrafo Agilent HP-6890 gás (Agilent Technologies, Palo Alto, CA, EUA) com uma coluna fenilmetil siloxano capilar 5% HP-5MS (30 m x 0,25 mm, 0,25 um filme espessura; Restek, Bellefonte, PA) equipado com um detector de massa Agilent HP-5973 selectiva no modo de impacto de electrões (energia de ionização: 70 eV) operando sob as mesmas condições como descrito acima. Índices de retenção foram calculados para todos os componentes, utilizando uma série homóloga de n alcanos injectados sob as mesmas condições que as de amostras. Identificação de componentes de óleo essencial foi com base nos índices de retenção (RI) em relação ao n alcanos, os resultados correspondentes utilizando um computador para bibliotecas Wiley275.L e Wiley7n.L, assim como as comparações dos padrões de fragmentação do espectro de massa para o dados disponíveis na literatura [33] .
2.3.4. otimização lobo cinzento (GWO) técnica
Técnicas de otimização de meta-heurística como o Algoritmo Genético (GA) [34] , Ant Colony Optimization [35] e Particle Swarm Optimization (PSO) [36] têm sido aplicados para realizar tarefas de otimização em vários campos de estudo, não só por cientistas da computação mas também por cientistas de diferentes áreas. Meta-heurísticas tornaram-se extremamente comum, principalmente por causa de quatro razões. Em primeiro lugar, meta-heurísticas são bastante simples como eles têm sido quase sempre inspirado por conceitos muito simples, tipicamente relacionadas com fenómenos físicos, o comportamento dos animais, ou tendências evolutivas. Em segundo lugar, a flexibilidade incorporada em meta-heurísticas fizeram-lhes aplicável a diferentes problemas, sem quaisquer alterações especiais na estrutura do algoritmo. Em terceiro lugar, a maioria dos meta-heurísticas representam mecanismos de livre de derivação onde, em contraste com as abordagens de otimização baseadas em gradiente, os problemas são otimizados estocasticamente. O processo de otimização começa com a geração de solução aleatório (s), sem necessidade de calcular as derivadas de espaços de busca para encontrar a melhor solução. Em quarto e último, em comparação com técnicas de otimização convencionais, meta-heurísticas têm habilidades superiores em termos de evitar ótimos locais. Portanto, meta-heurísticas podem representar os métodos seletivos para otimizar problemas reais [23]  e  [25] . No presente trabalho, inspirado por lobos cinzentos (Canis lupus), o lobo cinzento Optimizer (GWO) foi utilizado para determinar as melhores condições de funcionamento, a fim de obter o rendimento máximo de C. coluteoides extracção.
3 Resultados e discussão
3.1. Modelagem e previsão usando RSM
Uma vez que vários parâmetros potencialmente afectar o processo de extracção, a optimização das condições experimentais representa um passo crítico no desenvolvimento de um método de SFE [17] . Neste estudo, para a optimização das condições de SFE, RSM baseado no desenho composto central foi utilizada abordagem (CCD). Os estudos preliminares foram consideradas com base em variáveis ​​independentes () quatro factores, incluindo a pressão (P), de temperatura (T), o tamanho de partícula (d p ) e do tempo de extracção dinâmica (T) (ver Tabela 1 ). A etapa experimental projeto levou a trinta experimentos com sua matriz final mostrado naTabela 2 . Os coeficientes de regressão de intercepção, linear, quadrática, e termos de interação do modelo foram calculados pelo método dos mínimos quadrados. O significado de cada coeficiente foi determinado por F- e p -Valores obtidos a partir da análise de variância (ANOVA), com os resultados representados na Tabela 3 . Quanto maior for o valor absoluto de F-e quanto menor for o p -valor, a mais significativa seria ser os coeficientes correspondentes. Os valores de "prov. > F "inferior a 0,0500 indica os termos modelo a ser significativo. Os resultados da ANOVA e os efeitos de parâmetros são mostrados usando Pareto diagrama para o rendimento da extracção total de C.coluteoides na fig. 2  e  fig. 3 . Na fig. 2 , a cor azul ou vermelho no gráfico é correspondente à significativa (p <0,05) ou (p> 0,05) insignificantes parâmetros do rendimento de extracção. Pode ser deduzido a partir da análise estatística na Fig. 2 que a pressão (P), de temperatura (T), o tamanho de partícula (d p ), e tempo de extracção dinâmica (T) não afectou de forma significativa o rendimento de extracção (p <0,05).Como bem como foram interacções significativas entre pressão e tamanho das partículas (P x d p ) (p <0,05), pressão e tempo dinâmico (P x t) (p <0,05), e o tamanho e o tempo (d partícula P  × t) (p <0,05). Mas as interacções entre a pressão e temperatura (P x t) (p> 0,05), a temperatura e o tempo dinâmico (t x t) (p> 0,05), e a temperatura e tamanho de partícula (T x d p ) (P> 0,05) foram insignificantes . Como pode ser visto naFig. 3 , a cor azul ou vermelho no gráfico é correspondente a um efeito positivo ou negativo sobre a resposta final. Fig. 3 e Tabela 4 mostram que a pressão, de tamanho de partícula, e tempo de extracção dinâmica imposta tinha um efeito linear positivo sobre o rendimento de extracção, tal como indicado pelos coeficientes lineares positivos obtidos. No entanto, a temperatura teve um efeito linear negativo sobre o rendimento de extração. Tais parâmetros de extração como pressão, tamanho de partícula, e tempo de dinâmica exibiu contribuições quadrática negativos significativos para o rendimento de óleo essencial. O efeito quadrático da temperatura sobre o rendimento de extracção foi insignificante (p> 0,05). Além disso, de acordo com o diagrama de Pareto na Fig. 3 , a pressão teve o maior impacto sobre o rendimento da extracção. Com R 2 pred., R 2 adj., E R 2 relatado na Tabela 5 , os resultados ANOVA indicado um bom desempenho para o modelo. Um "F-valor falta-of-fit" de 1,42 implicava que o ajuste de falta-não foi significativa em relação ao erro puro. Para experiências diferentes ", falta-of-fit F-valor" foi vistas a mudar por tão grande quanto 0,3666, que poderia ser devida ao ruído. Não significância da falta-of-fit é um bom indicador. O "R 2 pred." De 0,9258 foi visto estar em um acordo razoável com o "R 2 Adj." De 0,9690. Adequação de precisão foi medido em termos da relação sinal-ruído. Como uma maior proporção de 4 é considerada desejável, o rácio de 30,417 obtidos indicaram a adequabilidade de precisão. A Fig. 4apresenta o diagrama de dispersão, onde os dados experimentais (rendimento) são comparados contra a superfície de resposta calculada. A figura indica o modelo a ser bem ajustada aos dados experimentais. O coeficiente de correlação (R 2 ) verificou-se ser 0,9840 totalmente satisfeito. Os coeficientes das variáveis ​​independentes (em termos de valores codificados), determinados para o modelo polinomial de segunda ordem, são apresentados como segue:
equação( 4 )
Vire MathJaxem 
Tabela 3.
Análise de variância (ANOVA) para a superfície resposta ao modelo quadrático para o rendimento de C.coluteoides.
	Fonte
	Soma de quadrados
	df
	mean square
	F-value
	P-valor
	Significado
	Modelo
	0,35
	14
	0,025
	65,69
	0,0001
	significativo
	P
	0,13
	1
	0,13
	341,73
	0,0001
	significativo
	T
	0.008325
	1
	0.008325
	22,7
	0,0003
	significativo
	d p
	0,046
	1
	0,046
	122,46
	0,0001
	significativo
	t
	0,121
	0,12
	321,82
	0,0001
	significativo
	P T ×
	0.0002031
	1
	0,00031
	0,54
	0,4745
	insignificante
	P × d p
	0.003053
	1
	0.003053
	8,09
	0,0123
	significativo
	P x t
	0.003221
	1
	0.003221
	8,54
	0,0105
	significativo
	T × d p
	0.0004306
	1
	0.0004306
	1.14
	0,3023
	insignificante
	T × t
	0.0007426
	1
	0.0007426
	1,97
	0,1810
	insignificante
	d p  × t
	0.006921
	1
	0.006921
	18.37
	0,0006
	significativo
	P x P
	0.005416
	1
	0.005416
	14,36
	0,0018
	significativo
	T T ×
	0.00001857
	1
	0.00001.857
	0,049
	0,8274
	insignificante
	d p  × d p
	0,020
	1
	0,020
	52,23
	0,0001
	significativo
	t t ×
	0.007068
	1
	0.007068
	18,73
	0,0006
	significativo
	Residual
	0.005659
	15
	0.0003773
	
	
	
	Falta de ajuste
	0.004185
	10
	0.004185
	1,42
	0,3666
	insignificante
	Erro Pure
	0.001474
	5
	0.0002947
	
	
	
	total do núcleo
	0,35
	29
	
	
	
	
opções de tabela
FIG. 2. 
gráficos de Pareto dos efeitos principais significativos no planejamento composto central (CCD).
Figura opções
FIG. 3. 
gráficos de Pareto dos efeitos principais (positivo-negativo) no desenho composto central (CCD).
Figura opções
Tabela 4.
Positiva, negativa linear e quadrático da temperatura (T), a pressão (P), o tamanho de partícula (d p ), e tempo de extracção dinâmica (t) em função do rendimento de extracção.
	Fator
	estimativa coeficiente
	df
	Erro padrão
	interceptar
	0,051
	1
	0.007929
	P
	0,073
	1
	0.003965
	T
	-0,019
	1
	0.003965
	d p
	0,044
	1
	0.003965
	t
	0,071
	1
	0.003965
	P T ×
	0.003563
	1
	0.004856
	P × d p
	-0,014
	1
	0.004856
	P x t
	-0,014
	1
	0.004856
	T × d p
	0.005188
	1
	0.004856
	T × t
	0.006813
	1
	0.004856
	d p  × t
	-0,021
	1
	0.004856
	P x P
	-0,014
	1
	0.003709
	T T ×
	0.0008229
	1
	0.003709
	d p  × d p
	-0,027
	1
	0.003709
	t t ×
	-0,016
	1
	0.003709
opções de tabela
Tabela 5.
A análise de regressão da modelagem RSM para o rendimento de C. coluteoides.
	Std.Dev
	significar
	cv%
	pressione
	R-quadrado
	Adj R-quadrado
	Pred R-quadrado
	precisão Adeq
	0,019
	0,47
	4.17
	0,026
	0,9840
	0,9690
	0,9258
	30,417
opções de tabela
FIG. 4. 
O diagrama de dispersão que compara os dados experimentais (real) contra os valores previstos para o rendimento da extracção usando RSM.
Figura opções
3.2. Efeito dos parâmetros sobre o rendimento de extracção
De acordo com a Eq. (4) , os termos lineares, quadráticas e de interacção no modelo polinomial de segunda ordem foram usadas para gerar uma superfície tridimensional (3D) de resposta e um gráfico de contorno bidimensional. O gráfico de superfície de resposta tridimensional pode auxiliar o investigador para determinar a direcção a tomar para aumentar uma resposta desejada e representar graficamente a natureza da superfície equipada como um máximo, ponto mínimo ou sela, não é fácil determinar os níveis de parâmetros a partir de um tal gráfico. Isto pode ser mais facilmente obtido a partir de um traçado de contorno das mesmas variáveis. Em um gráfico de contorno, curvas de valores de resposta iguais são desenhados em um avião cujas coordenadas demonstrar os níveis das variáveis ​​independentes.
FIG. 5 é as parcelas de superfície de resposta e de contorno que mostram o efeito da pressão (P) e de temperatura (T) na resposta ao tamanho fixo de partículas (d p ) e o tempo dinâmico (t). O aumento da pressão de operação de 100 bar a 220 bar aumenta o rendimento de extração de C. coluteoides. A pressão imposta um efeito positivo significativo sobre o rendimento de tais óleo essencial que pode ser explicado pelo aumento do poder de resolução de SC-CO 2 . O aumento na densidade levou a um aumento da solubilidade do óleo essencial dentro do SC-CO 2 fluido causando uma diminuição do coeficiente de difusão. O efeito de diminuição do coeficiente de transferência de massa pode causar a produção de ser diminuída [14]  e  [37] . Portanto, o efeito de aumentar a densidade e a solubilidade domina o efeito de diminuição da difusividade no rendimento final de extracção. Resultados semelhantes foram publicados por outros pesquisadores [38]  e  [39] . Além disso, os resultados semelhantes podem ser vistos nas parcelas de superfície de resposta e de contorno naFig. 6 .
FIG. 5. 
parcelas de superfície e contorno gráficos em 3D para os efeitos da pressão e da temperatura sobre o rendimento da extracção.
Figura opções
FIG. 6. 
parcelas de superfície e contorno gráficos em 3D para os efeitos da pressão e tempo dinâmica sobre o rendimento da extracção.
Figura opções
Como mostrado na Fig. 5  e  fig. 7 o aumento de temperatura tem um efeito negativo sobre o rendimento da extracção de óleo essencial. As variações de temperatura durante o SFE afectados a densidade e a pressão de vapor do óleo essencial extraído de C. coluteoides . É bem conhecido que o aumento da temperatura a uma pressão, devido à reduzida densidade de CO 2 , reduzindo deste modo o seu poder solvente. Por outro lado, a pressão de vapor de óleo essencial aumenta com a temperatura, que aumenta as suas solubilidades no solvente supercrítico. Tendo em conta que os rendimentos de extracção medidos provar nenhuma melhoria com a temperatura (com a mesma pressão), é possível concluir que, na gama de condições experimentais a redução da densidade prevalece sobre um aumento de pressão de vapor.
FIG. 7. 
parcelas de superfície e contorno gráficos em 3D para os efeitos do tamanho de partícula e da temperatura sobre o rendimento da extracção.
Figura opções
FIG. 8 descreve superfície gráfico 3D e gráfico de contorno dos efeitos das duas variáveis, ou seja, o efeito de interacção do tamanho das partículas (d p ) e o tempo dinâmico (t) em função do rendimento de extracção de óleo essencial obtido a 160 bar, 318 K. Este plot de superfície exibe comportamento parabólico "variáveis ​​onde podemos ver um ponto máximo aproximado ao tamanho de partícula de 0,56 mm. É óbvio que o tamanho de partícula pode ter dois efeitos opostos sobre o rendimento da extracção. Por outro lado, o processo de moagem estende-se a área da superfície para o fluido supercrítico do contacto com as amostras, portanto, elevando o rendimento da extracção. Na verdade, a partir do ponto de transferência de massa de vista, diminuindo ainda mais o tamanho de partícula pode inibir o processo de extracção, de modo que o óleo volátil pode convenientemente ser re-adsorvidos em superfícies de matriz que conduzem à diminuição do transporte de solutos. Além disso, o pequeno tamanho das partículas podem contribuir para a cama aglomerante formação (partículas aderem entre si, canalizando) ao longo do leito, através da qual o fluido supercrítico pode superiormente fluxo resultante em contacto insuficiente entre a amostra e SC-CO 2 , conduzindo finalmente a um rendimento de extracção insuficiente [37] , [38]  e  [40] .Outro parâmetro eficaz no processo de extracção é o tempo dinâmico. Como pode ser visto na Fig. 7 , aumentando o tempo dinâmico pode melhorar o rendimento da extracção. Existe um ponto de máxima aproximação ao tempo dinâmico de 142 min. Isto pode ser atribuído ao facto de que como solvente fresco passa através da leito fixo, que pode proporcionar uma força motriz forte entre o CF-CO 2 solvente e o conteúdo da amostra. Em outras palavras, este pode ser devido ao tempo necessário para SC-CO 2para penetrar na amostra, dissolver o óleo e, subsequentemente, difundir para fora a partir do material. Por outro lado, mostra que, com o aumento do tempo dinâmico, o rendimento da extracção pode ser aumentada, como relatado por alguns investigadores[14] , [15] , [16] , [37]  e  [41] .
FIG. 8. 
parcelas de superfície e contorno gráficos em 3D para os efeitos do tempo dinâmico e tamanho de partícula sobre o rendimento da extracção.
Figura opções
A seguir, alguns parâmetros estatísticos, como erro quadrático (MSE), erromédio quadrático (RMSE) e absoluto desvio relativo médio (AARD) foram usadas para avaliar a precisão do modelo usado.
equação( 5 )
Vire MathJaxem 
equação( 6 ​​)
Vire MathJaxem 
equação( 7 )
Vire MathJaxem 
onde Yi, mod., Yi, exp.e nsão o rendimento da extracção obtidas pelo modelo Predd, pelos dados experimentais, e o número de dados experimentais, respectivamente. A partir dos resultados representados na Tabela 2 , verificou-se que o modelo RSM tinha a capacidade de prever os dados experimentais. Isso pode ser comprovado através da avaliação dos critérios de erro correspondentes, ou seja, MSE, RMSE e AARD, que foram encontrados para ser 0.00098613, 0,00314, 2,8464%, respectivamente.
3.3. Otimização usando o método GWO
Os parâmetros do processo, incluindo a pressão, a temperatura, o tamanho de partícula, e tempo de extracção dinâmica foram optimizados para maximizar o rendimento da extracção de óleo essencial de C. coluteoides pelo modelo RSM juntamente com o algoritmo GWO. Os parâmetros iniciais que foi colocado no algoritmo foram como se segue: função de custo (fObj) com fObj definidos como o rendimento da extracção de óleo essencial.
Número de variáveis ​​(dim) = 4, número máximo de gerações (max_iteration) = 250, número de agentes de pesquisa (número de agentes de pesquisa) = 20, o limite inferior de variáveis ​​lb = [lb 1 , lb 2 , ..., lb n ] = [-2, -2, -2, -2], o limite superior de variáveis ​​ub = [ub1 , ub 2 , ..., ub n ] = [2,2,2,2]. As restrições a seguir foram definidos na metodologia de otimização baseada em algoritmos GWO:
pressão ≤ 100 bar ≤ 220 bar,
308 temperatura K ≤ ≤ 328 K,
0,3 milímetros de tamanho de partícula ≤ ≤ 0,9 milímetros,
30 min ≤ tempo de extracção dinâmica ≤ 150 min
As condições de processo optimizadas foram obtidos como se segue: a pressão de P = 220 bar, a temperatura de T = 308 K, o tamanho de partícula de d p  = 0,58 mM, e o tempo dinâmico de t = 135 min. A produção máxima de extração (sob as condições óptimas), calculado pelo modelo, foi 0,6612% (m / m%). Para confirmar a adequação da tarefa de otimização utilizando os modelos de ambos, ou seja, estratégias de RSM e GWO, os resultados correspondentes foram comparados juntos. Os resultados foram optimizadas para ser visto relativamente semelhante para ambos os métodos, o que sugere a fiabilidade do modelo em termos de GWO a tarefa de optimização. O rendimento médio de extração foi medida a 0,6589 (m / m%), confirmando a precisão da modelagem para o rendimento de extração do óleo essencial de C. coluteoides .
3.4. Comparação de hidro-destilação e métodos de extração com fluido supercrítico
As composições químicas dos óleos essenciais obtidos por SC-CO 2 extracção (sob condições óptimas) e métodos hidro-destilação são apresentados na Tabela 6 . Um número de componentes foram identificados utilizando Clevenger. Estes composto 97.98% do total extraído de óleo essencial. Os principais componentes extraídos por Clevenger foram ácido hexadecanóico (25,11%), 11,14,17-eicosatrienóico, ácido (10,01%), alfa-cadinol (8,24%), 2-pentadecanona, 6,10,14-TriMet (8,24% ), e éster etílico do ácido hexadecanóico (8,12%). Os constituintes do óleo essencial extraído através de hidro-destilação a partir C. coluteoides em Ardestan, tinha algumas diferenças bem como semelhanças com os casos relatados em outras regiões. Daí, a origem geográfica de C. coluteoides parece ter grande influência sobre a qualidade do óleo essencial [1] . Outros estudos têm sido feitos sobre várias espécies desta planta com base em métodos de solventes hidro-destilação e. No entanto, no presente estudo, usando o CF-CO 2 método de extracção, dezanove constituintes foram identificados por GC / MS; estes compreendida 98,24% do total extraído de óleo essencial. Os principais componentes foram ácido hexadecanóico (28,32%), 11,14,17-eicosatrienóico, ácido (9,87%), alfa-cadinol (7,98%), 2-pentadecanona, 6,10,14-TriMet (7,98%), e éster etílico do ácido hexadecanóico (8,94%). Com base nos resultados apresentados na Tabela 6 , as composições de acordo com os óleos essenciais obtidos por métodos foram quase os mesmos. No entanto, o rendimento da extracção total do SFE foi maior do que a da técnica hidro-destilação. Os valores obtidos a partir dos métodos SFE e hidro-destilação eram 0,6589 (m /% m) e 0,5530 (m / m%), respectivamente. Isto mostra que SFE processo pode ser realizado de forma mais eficiente do que os métodos clássicos, tais como hidro-destilação.
Tabela 6.
A comparação entre os óleos essenciais extraídos pelos métodos SFE e hidro-destilação, identificados por GC / MS.
	Número
	Componente
	RI
	percentagem SC-CO 2
	percentual HD
	1
	Octano
	778
	8,08
	7,25
	2
	Ciclo-hexano, 1,2-dimetil-, cis -
	822
	1,26
	1,32
	3
	Ciclo-hexano, etil-
	826
	1,45
	1,46
	4
	Decane
	957
	1,94
	1,87
	5
	1,3,8- p -Menthatriene
	1396
	2.01
	2.60
	6
	4 (1H) -pteridinona, 2-amino-6-me-
	1489
	2,88
	2.54
	7
	Naftaleno, 1,2,3,5,6,8a- hexah
	1525
	1,42
	1,23
	8
	3-hexen-1-ol, benzoato de metilo, (Z) -
	1578
	3,94
	2,89
	9
	alfa-cadinol
	1662
	8,24
	7,98
	10
	Trans-carveol
	1700
	2.86
	3.11
	11
	2-pentadecanona, 6,10,14-TriMet
	1849
	8,24
	7,98
	12
	citronelilo propionato
	1889
	0.58
	2.01
	13
	geranila fenilacetato
	1925
	4.14
	4.12
	14
	ácido hexadecanóico
	1985
	25.11
	28,32
	15
	ácido hexadecanóico, éster etílico
	1998
	8,12
	8,94
	16
	11,14,17- E ácido icosatrienoic,
	2155
	10.01
	9,87
	17
	( R ) - (-) - 14-metil-8-hexadecyn-1-ol
	2165
	5,88
	2.95
	18
	hexacosano
	2298
	1,07
	1.20
	19
	Tetratetracontane
	2460
	1.01
	1.10
	
	Total
	
	98,24
	98,74
opções de tabela
4. Conclusão
O presente trabalho utilizou a metodologia de superfície de resposta (RSM) para estudar a eficiência de extração com fluido supercrítico a partir C. coluteoide . Modelagem da extração do óleo essencial de C. coluteoide com RSM-CCD dá uma visão sobre o comportamento de extração em função de parâmetros independentes. Os quatro parâmetros independentes envolvidos no modelo foram a pressão, temperatura, dimensões das partículas e do tempo de extracção dinâmica. A partir deste estudo, pode ser concluído que o modelo polinomial quadrática pode prever com sucesso o rendimento de extracção dentro do intervalo experimental. Os coeficientes de correlação "R 2 ," R " 2 ADJ." E "R 2 pred." Foram estimados a ser tão grande quanto 0,9840, 0,9690 e 0,9258, respectivamente, indicando bem adequação do modelo aos dados experimentais. Para obter o maior rendimento total possível, as condições óptimas foram determinadas como sendo a pressão de P = 220 bar, a temperatura de T = 308 K, o tamanho de partícula de d p  = 0,58 mM, e o tempo de extracção de t = 135 min . A partir de RSM e GWO, os rendimentos óptimos acessíveis de extracção foram encontrados para ser 0,6566 e 0,6612% (m / m%), respectivamente, com os resultados optimizados quase análogos para os modelos de ambos. O rendimento de extracção, obtida por meio de experiência de SFE foi 0,6589 (m / m%). Isto está de acordo com a produtividade média de extração dos valores estimados pelos modelos. Os resultados SFE foram comparados com os resultados obtidos a partir de método hidro-destilação indicando maior rendimento de extracção do método SFE. Na verdade, de acordo com os resultados de SC-CO 2 , esta técnica pode ser efectivamente usado como uma alternativa ao métodos de extracção de solvente convencional.
Reconhecimento
Os autores gostariam de agradecer ao vice da pesquisa da Universidade de Kashan , para a prestação de apoio financeiro deste projecto.