Şeker üretim sürecinde açığa çıkan pres filtre atığının geopolimer harç üretiminde kullanılması
- Global styles
- Apa
- Bibtex
- Chicago Fullnote
- Help
Abstract
Teknolojinin gelişme göstermesi ile birlikte açığa çıkan endüstriyel atıkların fazla olması ve doğaya vereceği zararlar analiz edildiğinde atıkların geri dönüşümünü gerekli hale getirmiştir. Şeker üretiminde badana kıvamındaki hidratik kireç, pancardan elde edilen ham şerbet ile karıştırılarak içindeki kolloidal maddelerin çökelmesi sağlanır. Ham şerbete ilave edilen fazla kireç ise karbonatlama kazanlarında karbondioksit yardımı ile ham şerbetten uzaklaştırılır. Buradan alınan çamurlu şerbetin çamur kısmı da dekantörlerde çöktürülerek pres filtreler ile süzülür. Pres filtrelerden çıkan yaklaşık %80 oranında kuru madde içeren atığa `Pres Filtre Atığı` adı verilir. Ülkemizde, şeker fabrikalarında yıllık yaklaşık 18,000,000 ton pancar işlenip; şeker üretilmekte ve yaklaşık 900,000 ton PFA katı atık olarak ortaya çıkmaktadır. Çimento üretiminde yüksek oranda açığa çıkan emisyonun doğaya verdiği zarar yapılan çalışmalar sonucunda belirlenmiştir. Çimentonun, beton bileşeni olarak devamlı kullanılması ekonomik ve sürdürülebilirlik anlamında da sıkıntılar yaratmaktadır. Bu problemler; araştırmacıları, çimento dışı bir bağlayıcı malzeme elde etme yönünde çalışmaya yönlendirmiştir. Literatürde, beton veya harçta çimento kullanılmadan bağlayıcı özellikli yüksek fırın cürufu, uçucu kül gibi atıkların aktivatörler ile aktivasyonu üzerine çalışmaların olduğu görülmüştür. Tezde farklı oranlarda su, pres filtre atığı ile uçucu kül karıştırılarak sabit bir oranda sodyum silikat yardımı ile aktive edilerek numuneler elde edilmiştir. Deneysel yöntemler ile numunelerin harç özelikleri üzerine etkiler incelenmiştir. Her bir atık oranı ve kür sıcaklığı için taze halde sırasıyla taze birim ağırlık, yayılma, priz deneyleri; sertleşmiş halde ise sertleşmiş birim ağırlık, su emme, ultrases geçiş hızı ve basınç dayanımı deneyleri yapılmıştır. Bu deneylerle birlikte numunelerin XRD, SEM ve sürdürülebilirlik analizleri yapılmış ve makine öğrenmesi kullanılarak algoritmik modeller elde edilmiştir. With development of technology, large amount of industrial wastes that are revealed and damage to nature have made recycling of wastes necessary. In sugar production, hydratic lime in consistency of whitewash is mixed with raw juice obtained from beet and colloidal substances in it are precipitated. Excess lime added to raw juice is removed from raw juice with help of carbondioxide in carbonation boilers. Sludge part of muddy juice taken from here is settled in decanters and filtered with press filters. Waste containing approximately 80% dry matter coming out of press filters is called `Press Filter Waste`. In our country, about 18,000,000 tons of beet are processed annually in sugar factories; sugar is produced and approximately 900,000 tons of PFA is revealed as solid waste.Damage caused by emission, which is revealed at high rate in cement production, to nature has been determined as a result of studies. Continuous use of cement as a concrete component also creates problems in terms of economy and sustainability. These problems are; led researchers to work towards obtaining non-cement binder material. In literature, it has been seen, there are studies on activation of wastes such as binder blast furnace slag and fly ash with activators without using cement in concrete or mortar.In thesis, samples were obtained by mixing different ratio of water, press filter waste and fly ash and activating them with help of sodium silicate at a constant ratio. Effects on mortar properties of samples were investigated by experimental methods. For each, waste ratio and curing temperature, fresh unit weight, flow and setting tests in fresh condition, respectively; in hardened state, unit weight, water absorption, ultrasonic pulse velocity and compressive strength tests were carried out. With these experiments, XRD, SEM and sustainability analyzes of samples were made and algorithmic models were obtained by using machine learning.
Collections