Application of response surface methodology for optimizing removal of malachite green (MG) from aqueous solutions by natural zeolite

Document Type : Original Article

Authors

Abstract

In this study, natural zeolite was investigated as an inexpensive and effective adsorbent for the adsorption of malachite green (MG) from aqueous solution. The initial pH, amount of zeolite, initial dye concentration and reaction time were selected as independent variables in box behnken design while color removal efficiency was considered as the response function. The  results showed that the optimum parameter values for maximum color removal efficiency were: pH=9 , amount of zeolite 0.65 g , dye concentration 45 mg/L and reaction time 80 min . Based on analysis of variance (ANOVA), the coefficient of determination value (R2 = 0.9962) was high, showing that the experimental values fitted well with the predicted values. In addition, the statistical analysis of the results indicated that in the range studied, amount of zeolite and pH had a significant effect on color removal efficiency.

Keywords


کارایی روش پاسخ سطح در بهینه‌سازی حذف رنگزای مالاشیت سبز با استفاده از زئولیت طبیعی

فریده نبی زاده چیانه*، بهرام محمدی، علیرضا اصغری

دانشکده شیمی، دانشگاه سمنان، سمنان، ایران

 

تاریخ دریافت: 25/09/95              تاریخ تصحیح:05/11/95           تاریخ پذیرش: 24/11/95

چکیده

در این تحقیق، زئولیت طبیعی به‌عنوان یک جاذب ارزان و مؤثر برای حذف رنگزای مالاشیت سبز موردبررسی قرار گرفت. pH اولیه، مقدار زئولیت، غلظت اولیه رنگزا و زمان واکنش به‌عنوان متغیرهای مستقل ورودی و بازده حذف رنگزا به‌عنوان تابع پاسخ در طراحی باکس بنکن در نظر گرفته شدند. نتایج نشان داد که مقادیر پارامترهای بهینه برای دستیابی به حداکثر بازده حذف رنگزا، pH اولیه­ی 9، مقدار جاذب 65/ 0 گرم، غلظت اولیه رنگزا 45 میلی‌گرم بر لیتر و زمان واکنش 80 دقیقه می‌باشند. بر اساس نتایج آنالیز واریانس مقدار بالای ضریب تعیین نشان می‌دهد که مقادیر آزمایشگاهی با مقادیر پیش‌بینی‌شده تطابق خوبی دارند. علاوه بر این آنالیز آماری نتایج نشان داد که در محدوده مطالعه شده، pHو مقدار زئولیت اثر قابل‌توجهی روی راندمان حذف رنگزا دارند.

واژگان کلیدی: مالاشیت سبز، روش پاسخ سطح، زئولیت، رنگبری.

1- مقدمه

حضور مواد رنگزا در پسابها، به دلیل سمیت بالای آنها برای میکروارگانیسم‌های آبزی و اثرات زیباشناختی نامطلوب، خطرات جدی برای محیط‌زیست به دنبال دارد. این مواد از طریق منابع مختلف ازجمله صنایع نساجی، لاستیک، کاغذ، چرم، لوازم‌آرایشی و بهداشتی، چاپ و غیره وارد آب و پساب می‌شوند. در حال حاضر، بیشتر از 10000 نوع ماده رنگزا با تولید سالانه بالغ‌بر 105 × 7 میلیون تن در دسترس است که حدود 10%-5 این مواد به داخل آب به‌عنوان پساب تخلیه می‌شوند. پسابهای حاوی مواد رنگزا دارای محدوده دما و pH متغیر، اکسیژن موردنیاز شیمیایی و بیوشیمیایی بالا و شدت رنگ بالا هستند طوری که حضور مقادیر کم ماده رنگزا در آب کاملاً مشهود است[1-3].

 

 

* .نویسنده مسئوول: استادیار شیمی کاربردی، دانشکده شیمی، دانشگاه سمنان                                                       nabizadeh@semnan.ac.ir

مواد رنگزا نه‌تنها رنگ نامطلوبی به آب می‌دهند، بلکه در بعضی موارد خودشان ترکیبات مضری بوده و می‌توانند توسط اکسایش، آبکافت یا واکنش‌های شیمیایی دیگر که در آب اتفاق می‌افتند، محصولات جانبی سمی تولید کنند. بنابراین توسعه روش‌های مقرون‌به‌صرفه برای حذف مواد رنگزا از پساب بسیار ضروری است.

روش‌های متعددی ازجمله تصفیه بیولوژیکی، انعقاد و شناورسازی، انعقاد الکتریکی، الکتروفنتون، فرآیندهای اکسیداسیون پیشرفته، فرآیندهای غشایی، تبادل یونی، تخریب فتوکاتالیستی و جذب سطحی برای حذف مواد رنگزا از پساب مورداستفاده قرارگرفته‌اند. در بین این روش‌ها فرآیند جذب سطحی با توجه به دارا بودن ویژگی‌های از قبیل هزینه سرمایه‌گذاری پایین، سهولت عملیات، انعطاف‌پذیری، سادگی طراحی و عدم تولید محصولات جانبی به‌عنوان روشی جذاب معرفی می‌شود[4-10] .

ترکیبات آلومینو سیلیکات از قبیل خاک رس، زئولیت، بنتونیت و مونت موریلونیت به‌عنوان جاذب‌های پرکاربرد و ارزان برای کاربردهای زیست‌محیطی استفاده‌شده‌اند. زئولیت ها جاذب‌های طبیعی دارای ساختار متخلخل، ظرفیت جذب و مبادله یونی بالا، پایداری حرارتی و مکانیکی بالا و بار منفی هستند که از طریق مبادله کاتیونی خنثی می‌شوند، با توجه به این ویژگی‌ها زئولیت های طبیعی به‌عنوان جاذب برای اهداف زیست‌محیطی از قبیل حذف آمونیوم، فلزات سنگین و ترکیبات رنگی استفاده‌شده‌اند[11-13].

در این تحقیق، کارایی زئولیت طبیعی، در حذف رنگزای مالاشیت سبز[1] (MG) موردبررسی قرار گرفت. برای مدل‌سازی و بررسی اثر پارامترهای عملیاتی از روش پاسخ سطح (RSM)[2] و باکس بنکن (BBD)[3] استفاده شد، جهت مدل­سازی فرآیند، پارامترهای عملیاتی مهم از قبیل pH اولیه محیط، غلظت زئولیت، غلظت اولیه رنگزا و زمان به‌عنوان متغیرهای مستقل و درصد بازده رنگبری (CR%) به‌عنوان پاسخ مطلوب مربوطه در نظر گرفته شدند. آنالیز واریانس[4]، برازش آماری[5] و آنالیز سطح پاسخ برای ایجاد تابع مابین متغیرها و پاسخ بکار گرفته شد و شرایط بهینه برای اجرای فرآیند تعیین و تأیید گردید.

2- بخش تجربی

2-1- مواد مصرفی

تمام مواد مصرفی در این پژوهش بدون هیچ‌گونه خالص­سازی مجدد مورداستفاده قرار گرفتند. زئولیت طبیعی سمنان بعد از عمل خرد کردن و جدا کردن بامش بندی 60 توسط الک به‌عنوان جاذب مورداستفاده قرار گرفت. برای تنظیم pH محلول­ها، از هیدروکلریک اسید و سدیم هیدروکسید با درجه تجزیه­ای ساخت شرکت مرک آلمان استفاده گردید. از رنگزای مالاشیت سبز (MG) با فرمول بسته (C23H25 ClN2)، شماره­ی ایندکس رنگ[6] 2-64-569 و جرم مولکولی 911/364 ساخت شرکت مرک آلمان به‌عنوان آلاینده نمونه استفاده شد. طیف جذبی رنگزای مالاشیت سبز دارای باند اصلی در طول‌موج‌ nm 618 است. ساختار رنگزا در شکل (1) نشان داده‌شده است.

 

شکل (1): ساختار رنگزای مالاشیت سبز

2-2-دستگاه­های مورداستفاده

دستگاه اسپکتروفتومتر مرئی-فرابنفش[7] (UV-Vis) مدل UV-1650PC ساخت شرکت SHIMUDZU ژاپن برای اندازه­گیری غلظت مالاشیت سبز در مراحل آزمایش استفاده گردید.

برای اندازه­گیری pH محلول­ها از دستگاه pH متر ساخت شرکت BEL مدل pHS-3BW ایتالیا استفاده گردید. از دستگاه همزن مغناطیسی مدل D110 ساخت شرکت Alfa ایران برای هم زدن نمونه­ها و دستگاه سانتریفوژ مدل EBA ساخت شرکت Hettich آلمان جهت تسریع در ته­نشینی محلول حاوی جاذب استفاده گردید.

2-3- طراحی آزمایش‌ها

طراحی آزمایش‌ها با روش باکس بنکن (BBD) توسط نرم‌افزار 16 Minitab انجام شد. ورودی نرم‌افزار پارامتر‌های موردبررسی و خروجی آن میزان رنگبری است. برای بهینه‌سازی فرآیند، چهار فاکتور pH، مقدار زئولیت (g)، غلظت رنگزا (mg/L) و زمان (دقیقه) به‌عنوان متغیرهای مستقل و ورودی RSM استفاده شدند که مقادیر کدبندی‌شده و واقعی این متغیرها در جدول‌ (1) آورده شده است.

 

جدول 1: مقادیر واقعی و کدبندی‌شده متغیرهای مستقل ورودی برای حذف رنگزای MG

 

سطح واقعی و کدگذاری شده

 

 

1+

0

1-

متغیر

 

9

6

3

pH اولیه (X1)

 

2/1

65/0

1/0

مقدار زئولیت (X2) (g/L)

 

70

45

20

 غلظت رنگزا (X3) (mg/L)

 

80

50

20

 زمان (دقیقه) (X4)

 

               

 

بازده حذف رنگ (CR%) به تغییرات پارامتر­های موردبررسی بستگی دارد، این کمیت‌ها را متغیر وابسته نیز می­نامند که به‌عنوان پاسخ[8] به نرم‌افزار ارائه شدند. 27 آزمایش توسط نرم‌افزار طراحی شد که شامل k 2 آزمایش اصلی (k تعداد پارامترها) (16=24)، k2 (8=4×2) آزمایش محوری و 3 آزمایش تکراری (نقاط مرکزی) برای در نظر گرفتن خطای سیستم بودند. مقادیر کدبندی‌شده برای محاسبات آماری بر اساس رابطه‌های (1-3) بدست آمده‌اند.

(1)

 

(2)

 

(3)

 

 

 

Xj متغیر کدگذاری شده فاکتور u می‌باشد. max (uj) و min(uj) به ترتیب سطح بالا و پایین فاکتور j ام می‌باشد. طراحی آزمایش‌ها و آنالیز داده‌های آزمایشگاهی توسط نرم‌افزار 16 Minitab انجام شد.

2-4-روش انجام آزمایش‌ها   

ابتدا، مقادیر pH، مقدار زئولیت و غلظت رنگزا در هر آزمایش مطابق با مقادیر ارائه‌شده توسط RSM تنظیم شدند (جدول (2)). بسته به نوع آزمایش از اسیدکلریدریک و سدیم هیدروکسید به‌منظور تنظیم pH استفاده شد. در زمان‌های ذکرشده در جدول (2) نمونه‌برداری انجام شد. به‌منظور تعیین بازدهی فرآیند، ابتدا نمونه‌ها سانتریفیوژ و سپس طیف جذبی نمونه­ها با استفاده از دستگاه اسپکتروفوتومتر بررسی‌شده و با اندازه­گیری جذب اولیه (A0) و در هر زمان محلول (At)، در طول‌موج بیشینه در ناحیه مرئی و تبدیل مقادیر جذب به غلظت با استفاده از نمودار کالیبراسیون، می­توان بازده حذف رنگزا  را بدست آورد. در رابطه (4)، CR بیانگر بازده حذف است.

            (4)    

CR% =

جدول 2: ماتریس طراحی آزمایشات BBD و پاسخ‌های مربوطه برای حذف رنگزای MG

شماره

آزمایش

pH اولیه

مقدار زئولیت

(g)

غلظت رنگزا

(mg/L)

 زمان

 (دقیقه)

CR%

مشاهده

 شده

پیش‌بینی‌شده

 

 

 

 

 

 

 

1

0

0

0

0

21/89

16/87

2

0

0

-1

1

55/85

81/84

3

0

0

0

0

95/86

16/87

4

0

1

1

0

99/86

57/85

5

0

0

-1

-1

70/86

31/87

6

0

1

0

1

08/93

03/94

7

0

1

-1

0

27/94

29/93

8

1

-1

0

0

04/93

08/92

9

0

-1

1

0

61/70

41/71

10

0

0

1

1

35/87

62/86

11

1

1

1

0

65/96

55/96

12

0

-1

0

1

24/72

39/71

13

1

0

-1

0

04/95

52/94

14

-1

0

0

-1

63/58

64/56

15

0

-1

-1

0

99/65

23/67

16

0

-1

0

-1

51/73

84/72

17

-1

-1

0

0

98/30

40/31

18

-1

0

-1

0

50/56

87/56

19

1

0

0

-1

21/97

49/97

20

-1

0

0

1

58/57

12/57

21

0

1

0

-1

29/89

42/90

22

-1

0

1

0

50/50

30/51

23

1

1

0

0

51/93

97/92

24

1

0

0

1

30/97

17/99

25

0

0

0

0

34/85

16/87

26

-1

1

0

0

90/69

74/70

27

0

0

1

-1

34/81

96/81

3- نتایج و بحث

3-1-آنالیز مدل پیشنهادی برای حذف رنگزایMG

برای دستیابی به شرایط بهینه برای حذف رنگزای MG با استفاده از زئولیت طبیعی، طراحی آزمایش به‌عنوان تابعی از پارامترهای اصلی انجام شد. رفتار سیستم را می‌توان با استفاده از معادله درجه دوم توضیح داد (معادله (5)). در این رابطه xiو xj متغیرهای مستقل، b0 ضریب ثابت، bi، bii و bij به ترتیب ضرایب خطی[9]، درجه دوم و جملات برهم‌کنش[10] هستند.

(5)

Y=b0 + Σbixi + Σbiixi2 + Σbijxixj

نتایج آزمایشگاهی و پیش‌بینی‌شده برای تصفیه پساب حاوی رنگزای MG در جدول (2) آورده شده است. بر اساس این نتایج، می‌توان یک مدل درجه دوم برای فرآیند، بر اساس فاکتورهای کدبندی‌شده ارائه و به‌صورت معادله‌ چندجمله‌ای درجه دوم (6) بیان کرد.

(6)         

Y=16/87 + 72/20 x1 + 05/10 x2 - 88/0 x3 + 54/0 x4 - 96/9 x11 - 39/5 x22 - 38/2x33 + 40/0 x44 - 61/9 x12 + 90/1 x13 + 30/0 x14 - 97/2 x23 + 26/1 x24 + 79/1 x34

برای بررسی درستی مدل، اهمیت و دقت آن، آنالیز واریانس[11] (ANOVA) انجام شد و نتایج حاصل برای رنگزای MG در جدول (3) ارائه شد. اهمیت آماری مدل‌های برازش درجه دوم با استفاده از آزمون عدم انطباق[12] (LOF)، ضریب تعیین[13] و ضریب تعیین تعدیل‌یافته[14] بین مقادیر آزمایشگاهی و پیش‌بینی‌شده (R2Adj, R2) تعیین می‌شود.

جدول 3: آنالیز واریانس مدل درجه دوم رنگزای MG

Source of variations

درجه آزادی

Seq SS

Adj SS

Adj MS

F- value

p-value

مدل

14

6/7493

6/7493

26/535

7/224

000/0

باقیمانده

12

59/28

59/28

38/2

 

 

عدم انطباق

10

03/21

03/21

10/2

56/0

785/0

خطای خالص

2

56/7

56/7

78/3

 

 

مقادیر کلی

26

19/7522

 

 

 

 

نتایج ارائه‌شده در جدول نشان می‌دهد، مقدار p-value برای مدل ارائه‌شده کمتر از 05/0 می‌باشد که تأیید می‌کند مدل‌ ارائه‌شده می‌تواند به‌خوبی نتایج آزمایشگاهی را پیش‌بینی نماید. پارامتر دیگری که برای ارزیابی مدل مورداستفاده قرار می‌گیرد تست عدم انطباق (LOF) می‌باشد، این تست در صورتی معنی‌دار است که مقدار p-value  مربوطه بزرگ‌تر از 05/0 (در سطح معنی‌دار 95%) باشد. با توجه به مقدار p- value ارائه‌شده در جدول برای حذف رنگزای MG تست عدم انطباق معنی‌دار نمی‌باشد. مقادیر R2 و R2Adj مدل به ترتیب 9962/0 و 9918/0 می‌باشند. مقادیر بالای ضریب تعیین و ضریب تعیین تعدیل‌یافته نشان می‌دهند که مدل انطباق بسیار خوبی با نتایج آزمایشگاهی دارد و در فرآیند جذب 9962/0 تغییرات حذف رنگزا با داده‌های آزمایشگاهی توضیح داده می‌شود. علاوه بر معیارهای ذکرشده برای ارزیابی دقت مدل، اختلاف بین پاسخ‌های پیش‌بینی‌شده و تجربی (باقیمانده‌ها) برای بررسی دقت مدل‌ ازلحاظ گرافیکی استفاده‌شده است. باقیمانده‌ها به‌عنوان تغییرات برازش نشده توسط مدل در نظر گرفته می‌شوند [14-16]. نمودار باقیمانده برای ارزیابی توزیع نرمال باقیمانده‌ها در شکل‌ (2) آورده شده است. نقاط در نمودار نرمال باقیمانده‌ها خط راستی تشکیل داده‌اند که تأیید می‌کنند باقیمانده‌ها به‌صورت نرمال توزیع‌شده‌اند.

 

شکل (2): نمودار باقیمانده‌ها برای حذف رنگزای MG با استفاده از زئولیت طبیعی

به‌منظور تعیین اهمیت و اثر ترم‌های موجود در مدل ارائه‌شده از مقادیر توزیع تست Students t- و مقادیر p-value مربوط به آنها استفاده شد. بر اساس نتایج حاصل از تست ANOVA برای مدل پیشنهادی مشخص شد که تمام جملات خطی به‌جز ترم‌های غلظت اولیه رنگزا و زمان، ترم‌های توان دوم به جزءترم (زمان) و (زمان) و برهم‌کنشی، جمله‌های مربوط به برهم‌کنش pH ×m و pH ×C، C × m و C× T مقدار p-value کمتر از 05/0 دارند یعنی در سطح 95/0 معنی‌دار می‌باشند؛ بنابراین، می‌توان بر اساس نتایج حاصل از تست ANOVA و حذف ضرایب با p-value بزرگ‌تر از 05/0 رابطه (6) را به‌صورت (7) دوباره بازنویسی نمود.

(7)

Y=16/87 + 72/20 x1 + 05/10 x2 - 96/9 x11 - 39/5 x22 - 38/2x33 - 61/9 x12 + 90/1 x13 + 97/2 x23 + 79/1 x34

همچنین معنی‌دار بودن هر فاکتور را می‌توان از طریق محاسبه درصد اثر هر ضریب روی پاسخ محاسبه کرد که به‌عنوان نمودار پارتو[15] شناخته‌شده است. درصد اثر هر فاکتور (Pi) را می‌توان با استفاده از رابطه (8) محاسبه کرد[17].

(8)

 

نمودار پارتو برای فرآیند جذب در شکل‌ (3) آورده شده است.

 

شکل (3): نمودار پارتو برای حذف رنگزای MG با استفاده زئولیت طبیعی

همان‌طور که از شکل‌ (3) مشخص است فاکتورهای pH (37/55)، زمان (31/27)، مقدار زئولیت (03/13) و pH × pH (79/12) و m × pH (90/12) تأثیرگذارترین پارامترها روی حذف رنگزای MG می‌باشند. مقادیر واقعی و پیش‌بینی‌شده از متغیر پاسخ (بازده حذف رنگ) برای فرآیند در شکل‌ (4) آورده شده است مقادیر بالای R2 به این معنی است که نتایج آزمایشگاهی توافق خوبی با نتایج پیش‌بینی‌شده دارند[17].

 

.

شکل (4): مقادیر آزمایشگاهی متغیر پاسخ نسبت به مقادیر پیش‌بینی‌شده آن برای حذف رنگزای MG

3-2- اثر پارامترهای عملیاتی روی حذف رنگزای MG

برهم‌کنش مقدار زئولیت و pH بر روی بازده حذف رنگزا در شکل (5 (الف)) نشان داده‌شده است. همان‌گونه که مشاهده می‌شود، با افزایش pH میزان حذف رنگزا افزایش می‌یابد و در محدوده 9=pH ماکزیمم حذف اتفاق می­افتد. در مقادیر pH پایین، رنگزای مالاشیت سبز به فرم پروتونه می‌باشد شمای (1 (الف)). در فرم پروتونه بار مثبت مولکول زیاد است و به همین دلیل با توجه به مثبت بودن سطح جاذب در pH های پایین احتمال جذب رنگزا روی سطح زئولیت کاهش می‌یابد. با افزایش مقدار pH سطح جاذب ازنظر بار الکتریکی منفی است و رنگزا به فرم دپروتونه درمی‌آید (شمای (ا (ب))، بنابراین با افزایش تراکم بار منفی در سطح جاذب، میزان ماده رنگزای جذب‌شده در سطح جاذب افزایش‌یافته و درصد حذف افزایش می‌یابد [18]. همچنین، نتایج ارائه‌شده در شکل (5 (الف)) نشان می­دهد که با افزایش مقدار جاذب، درصد حذف رنگزا افزایش می‌یابد که به دلیل افزایش جایگاه­های خالی و اشغال نشده با افزایش مقدار جاذب می‌باشد. به‌طورکلی میزان جذب سطحی رنگزا‌ها با افزایش مقدار جاذب افزایش می‌یابد زیرا مکان‌های جذبی بیشتری در دسترس خواهد بود. در مقادیر کم جاذب احتمالاً به دلیل نا­کافی بودن جایگاه­های فعال و اشباع شدن سطح جاذب درصد حذف رنگزا کاهش می­یابد[19, 20].

 

 

ب

الف


شمای 1: تبدیل مولکول رنگزا به فرم الف) پروتونه آن در محیط اسیدی، ب) دپروتونه آن در محیط بازی

در شکل (5 (ب)) مشخص است که با افزایش غلظت اولیه رنگزا، در یک مقدار جاذب مشخص میزان حذف کاهش می‌یابد که به دلیل افزایش مولکول‌های رنگزا با افزایش غلظت رنگزا و ثابت بودن سایت‌های فعال جذبی می‌باشد، به‌عبارت‌دیگر، با افزایش غلظت اولیه رنگزا، نسبت سایت‌های فعال به مولکول‌های ماده رنگزا کاهش‌یافته و منجر به کاهش راندمان حذف می‌گردد[20].

در شکل (5 (ج)) بررسی تأثیر برهمکنش مقدار زئولیت و غلظت اولیه رنگزا نشان می‌دهد که با افزایش مقدار جاذب به دلیل افزایش سایت‌های فعال جذبی راندمان حذف رنگزا افزایش می‌یابد و با افزایش غلظت اولیه رنگزا میزان حذف کاهش می‌یابد که دلایل آن در بالا توضیح داده شد.

شکل (5 (د)) اثر غلظت اولیه رنگزا و زمان واکنش را روی راندمان حذف نشان می‌دهد، از شکل مشخص است که با افزایش زمان واکنش راندمان حذف رنگزا افزایش می‌یابد؛ زیرا باگذشت زمان با تجمع مولکول­های رنگزا در جایگاه­های خالی و اشغال نشده غلظت رنگزا کاهش و میزان رنگبری افزایش می­یابد[21].

 

د

ج

ب

الف

 

 

 

 

 

 

 

 

شکل (5): منحنی پاسخ سطح برای حذف رنگزای MG برحسب الف) pH و مقدار زئولیت در مقادیر ثابت غلظت اولیه رنگزا (45 گرم بر لیتر)  و زمان (50 دقیقه، ب) غلظت اولیه رنگزا و pH در مقادیر ثابت زئولیت (65/0 گرم) و زمان (50 دقیقه)، ج) مقدار زئولیت و غلظت اولیه رنگزا در مقادیر ثابت pH (6) و زمان (50 دقیقه)، د) زمان و غلظت اولیه رنگزا در مقادیر ثابت pH (6) و زئولیت (65/0 گرم)

 

3-3-تعیین شرایط بهینه برای حذف رنگزای MG

هدف اصلی از طراحی آزمایش و بهینه‌سازی دستیابی به مقادیر بهینه متغیرها برای رنگبری پساب می‌باشد. نتایج بهینه‌سازی در جدول‌ (4) آورده شده است. برای تأیید نتیجه حاصل از پیش‌بینی مدل، آزمایشی در شرایط بهینه انجام شد. نتیجه آزمایش، توافق خوبی با مقدار حذف رنگزای پیش‌بینی‌شده توسط مدل در شرایط بهینه دارد.

جدول (4) مقادیر بهینه پارامترها و متغیر پاسخ در شرایط بهینه حذف رنگزای MG

pH اولیه

 مقدار زئولیت

(g)

غلظت اولیه

رنگزا (mg/L)

     زمان

   (دقیقه)

پیش‌بینی‌شده CR%

        مشاهده‌شده

CR%

 

9

65/0

45

80

17/99

100

               

 

4- نتیجه‌گیری

نتایج حاصل از این تحقیق نشان داد که استفاده از زئولیت طبیعی به‌عنوان یک جاذب برای حذف رنگزای MG روشی کارآمد و مؤثر می­باشد. همچنین، طراحی آزمایش­ها، توسط یک روش آماری پاسخ سطح به نام باکس بنکن صورت پذیرفت و در همین راستا مدل­سازی فرآیند و بهینه­سازی پارامترهای عملیاتی به انجام رسید. در مدل ریاضی پیشنهادی برای حذف رنگزای MG با استفاده از زئولیت طبیعی، جمله­ های مربوط به برهم‌کنش pH – مقدار زئولیت، pH – غلظت اولیه رنگزا، مقدار جاذب - غلظت اولیه رنگزا و زمان - غلظت اولیه رنگزا در عملکرد مدل نقش مهمی ایفا می­کنند. شرایط بهینه پیشنهادشده برای حذف رنگزای MG، pH اولیه­ی 9، مقدار زئولیت 65/0 گرم، غلظت اولیه رنگزا 45 میلی‌گرم بر لیتر و زمان واکنش 80 دقیقه می‌باشد.

5- تقدیر و تشکر

نویسندگان مقاله از حمایت های مالی معاونت پژوهشی و فناوری دانشگاه سمنان صمیمانه تشکر می نمایند.

6- مراجع

[1] I. Tan, B. Hameed, A. Ahmad. Chem. Eng. J, 127 (2007) 111-119.

[2] P. Kumar, R. Agnihotri, K.L. Wasewar, H. Uslu, C. Yoo. Desalination.  Water. Treat, 50 (2012) 226-244.

[3] Z.-Y. Yao, J.-H. Qi, L.-H. Wang. J. Hazard. Mater, 174 (2010) 137-143.

[4] S.S. Moghaddam, M.A. Moghaddam. M. Arami. J.  Hazard. Mater, 175 (2010) 651-657.

[5] A. Aleboyeh, N. Daneshvar, M. Kasiri. Chem. Eng. Process, 47 (2008) 827-832.

[6] F. Yu, C. Li, S. Kang. Environ.Technol, 26 (2005) 537-544.

[7] M. Kasiri, A. Khataee. Environ.  Technol, 33 (2012) 1417-1425.

[8] N. Harruddin, N. Othman, A. Lim Ee Sin, R.N. Raja Sulaiman. Environm.  Technol, 36 (2015) 271-280.

[9] S. Raghu, C.A. Basha. J. Hazard.  Mater, 149 (2007) 324-330.

[10] E. Bizani, K. Fytianos, I. Poulios, V. Tsiridis. J. Hazard.  Mater, 136 (2006) 85-94.

[11] D. Karadag, E. Akgul, S. Tok, F. Erturk, M.A. Kaya, M. Turan. J.  Chem.  Eng.  Data, 52 (2007) 2436-2441.

[12] S.K. Alpat, Ö. Özbayrak, Ş. Alpat, H. Akçay. J.  Hazard.  Mater, 151 (2008) 213-220.

[13] S.A. Kim, S. Kamala-Kannan, K.-J. Lee, Y.-J. Park, P.J. Shea, W.-H. Lee, H.-M. Kim, B.-T. Oh. Chem.  Eng.  J, 217 (2013) 54-60.

[14] S.M. Beck, H. Sabarez, V. Gaukel, K. Knoerzer. Ultrason. Sonochemi, 21 (2014) 2144-2150.

[15] W. Haddar, N. Baaka, N. Meksi, I. Elksibi, M.F. Mhenni. J. Clean. Prod, 66 (2014) 546-554.

[16] A. Amani-Ghadim, S. Aber, A. Olad, H. Ashassi-Sorkhabi. Chem. Eng. Process: Pro.Int, 64 (2013) 68-78.

[17] A.R. Khataee, M. Zarei, L. Moradkhannejhad. Desalination, 258 (2010) 112-119.

[18] B. Samiey, A.R. Toosi. Bull.  Korean.  Chem.  Soc, 30 (2009) 2051-2056.

[19] N. Esfandiar, B. Nasernejad, T. Ebadi. J. Ind.   Eng. Chem, 20 (2014) 3726-3736.

[20] N. Sapawe, A.A. Jalil, S. Triwahyono, M.I.A. Shah, R. Jusoh, N.F.M. Salleh, B.H. Hameed, A.H. Karim, Chem. Eng.  J, 229 (2013) 388-398.

[21] R. Dutta, T.V. Nagarjuna, S.A. Mandavgane, J.D. Ekhe. Ind.  Eng.Chem. Res, 53 (2014) 18558-18567.

 

 

 

 



[1]. Malachite green

[2] . Response surface methodology

[3] . Box behnken design

[4]. Variance analysis

[5]. Statistical regression

[6]. Color index

[7] Ultraviolet-visible spectrophotometer

[8]. Response

[9]. Linear coefficient

[10]. Interaction terms

[11] . Analysis of variance

[12] . Lack of fit

[13] . Coefficient of determination

[14] . Adjusted coefficient of determination

[15] . Pareto plot

[1] I. Tan, B. Hameed, A. Ahmad. Chem. Eng. J, 127 (2007) 111-119.
[2] P. Kumar, R. Agnihotri, K.L. Wasewar, H. Uslu, C. Yoo. Desalination.  Water. Treat, 50 (2012) 226-244.
[3] Z.-Y. Yao, J.-H. Qi, L.-H. Wang. J. Hazard. Mater, 174 (2010) 137-143.
[4] S.S. Moghaddam, M.A. Moghaddam. M. Arami. J.  Hazard. Mater, 175 (2010) 651-657.
[5] A. Aleboyeh, N. Daneshvar, M. Kasiri. Chem. Eng. Process, 47 (2008) 827-832.
[6] F. Yu, C. Li, S. Kang. Environ.Technol, 26 (2005) 537-544.
[7] M. Kasiri, A. Khataee. Environ.  Technol, 33 (2012) 1417-1425.
[8] N. Harruddin, N. Othman, A. Lim Ee Sin, R.N. Raja Sulaiman. Environm.  Technol, 36 (2015) 271-280.
[9] S. Raghu, C.A. Basha. J. Hazard.  Mater, 149 (2007) 324-330.
[10] E. Bizani, K. Fytianos, I. Poulios, V. Tsiridis. J. Hazard.  Mater, 136 (2006) 85-94.
[11] D. Karadag, E. Akgul, S. Tok, F. Erturk, M.A. Kaya, M. Turan. J.  Chem.  Eng.  Data, 52 (2007) 2436-2441.
[12] S.K. Alpat, Ö. Özbayrak, Ş. Alpat, H. Akçay. J.  Hazard.  Mater, 151 (2008) 213-220.
[13] S.A. Kim, S. Kamala-Kannan, K.-J. Lee, Y.-J. Park, P.J. Shea, W.-H. Lee, H.-M. Kim, B.-T. Oh. Chem.  Eng.  J, 217 (2013) 54-60.
[14] S.M. Beck, H. Sabarez, V. Gaukel, K. Knoerzer. Ultrason. Sonochemi, 21 (2014) 2144-2150.
[15] W. Haddar, N. Baaka, N. Meksi, I. Elksibi, M.F. Mhenni. J. Clean. Prod, 66 (2014) 546-554.
[16] A. Amani-Ghadim, S. Aber, A. Olad, H. Ashassi-Sorkhabi. Chem. Eng. Process: Pro.Int, 64 (2013) 68-78.
[17] A.R. Khataee, M. Zarei, L. Moradkhannejhad. Desalination, 258 (2010) 112-119.
[18] B. Samiey, A.R. Toosi. Bull.  Korean.  Chem.  Soc, 30 (2009) 2051-2056.
[19] N. Esfandiar, B. Nasernejad, T. Ebadi. J. Ind.   Eng. Chem, 20 (2014) 3726-3736.
[20] N. Sapawe, A.A. Jalil, S. Triwahyono, M.I.A. Shah, R. Jusoh, N.F.M. Salleh, B.H. Hameed, A.H. Karim, Chem. Eng.  J, 229 (2013) 388-398.
[21] R. Dutta, T.V. Nagarjuna, S.A. Mandavgane, J.D. Ekhe. Ind.  Eng.Chem. Res, 53 (2014) 18558-18567.