フロンティア｜バイオディーゼル生産プロセスからの付加価値副産物としてのグリセロールの2段階精製｜化学

Introduction

＜6603＞バイオディーゼルは、大豆、微細藻類、パーム食油、ジャトロファなどの再生可能資源からトランスエステル化により生産する生分解性および再生可能燃料（ダ・シルバ・セサール他, 2018; Corach他, 2019）である。最近、バイオディーゼルは、化石燃料への世界的な依存と温室効果を減らすことができる、最もよく探求されているバイオ燃料の1つであるため、多くの研究者を惹きつけている。バイオディーゼル生産量は毎年4.5％増加し、2022年には41 Mm3に達すると推定されている（Monteiro et al., 2018）。

粗グリセロールはバイオディーゼル工場でのトランスエステル化過程で生じる主副産物であり、バイオディーゼル製品の10 wt％を生成する（Samul et al.、2014）。分析によると、バイオディーゼル生産量10kgごとに約1kgの粗グリセロールが発生する（Hajek and Skopal, 2010; Tan et al., 2013; Chol et al., 2018）。純粋なグリセロールの現在の市場価値は1ポンドあたり0.27～0.41米ドルですが、純度80％の粗グリセロールは1ポンドあたり0.04～0.09米ドルと低くなっています。このことから、過剰に生産されたグリセロールは、市場でのグリセロールの価格に影響を与えることが証明されました。

高純度のグリセロールは、医薬品、化粧品、食品など様々な産業で幅広く利用されている。しかし、バイオディーゼル産業からのグリセロールの純度の割合は、高価値の製品への変換を制限している（Samulら、2014年；Talebian-Kiakalaiehら、2018年）。粗グリセロールには、石鹸、塩、エタノール、メタノール、水、脂肪酸、メチルエステル、グリセリド、灰などの多数の汚染物質が含まれています（Tanら、2013年；Dhabhaiら、2016年）。 Yangら（2012）は、粗グリセロール中の不純物が他の付加価値製品への変換に大きく影響する可能性があると述べている（Yangら、2012）。 Venkataramananら（2012）はまた、粗グリセロール中の石鹸は、細菌によるグリセロールの利用を強く阻害する効果があり、発酵プロセスにおける炭素源としての粗グリセロールの性能に影響を与えると報告している（Venkataramanら, 2012）。結論として、粗グリセロールに含まれる不純物は、付加価値の高い製品に変換する上で大きな課題となります。

文献によると、最もよく使われるプロセスは、蒸留、イオン交換樹脂、膜分離技術、酸処理、次いで中和、溶媒抽出である。酸洗は触媒などの不純物を無機塩に中和するためによく使われる技術である。酸性化以外にも、石鹸は分離に悪影響を与え、収率を低下させるため、不溶性の遊離脂肪酸に変換して石鹸の量を減らすことができます (Hajek and Skopal, 2010; Kovács et al., 2012)。酸性化プロセスではすべての不純物を除去できないため、メタノール、オイル、水、エステルなどの他の不純物を除去するためにさらなる精製ステップが必要である。しかし、蒸留プロセスは、気化のために大きなエネルギーを必要とし、熱分解を引き起こすため、他のプロセスよりもいくつかの制限がある（Lancrenon and Fedders, 2008）。また、アクロレインの生成によるグリセロールの高温変性を防ぐため、蒸留には高い真空度が必要である（Manosak et al.、2011）。さらに、このプロセスには高い設備投資と維持費がかかり、グリセロールの損失も大きい（Sdrula, 2010）。蒸留プロセスと比較して、イオン交換プロセスは、操作が簡単で、電力消費量とエネルギー必要量が少なく、微量の不純物、色、および臭気を効率的に除去できることが証明されているため、広く受け入れられています（Carmona et al, 2009, 2012）。さらに、Xiaoら（2013）は、粗グリセロールの多段階精製プロセスによって純度が向上し、さまざまな用途に使用できるようになることを示唆した（Xiaoら、2013）＜9402＞＜6603＞この研究は、酸分解とイオン交換技術を用いた2段階精製によって、タグチメソッドの助けにより、最高純度の粗グリセロールを得ることを目的としている。本研究では、精製工程の最適条件を特定するために、L9直交配列タグチ法、S/N比、平均値分析、分散分析、回帰分析などの統計分析を用いた。

材料、化学および方法

材料

粗グリセロールはマレーシアの地元バイオディーゼル工場から回収した。強陽イオン交換樹脂H+、Amberlyst 15をSigma Aldrich Sdn. Bhd.から購入した。この樹脂の特性を表1に示す。リン酸（85 wt.%），水酸化ナトリウムペレットおよびメタノールは，Merck Sdn.Bhd.から購入した．薬液調製には蒸留水を使用した。

TABLE 1

Table 1. 陽イオン交換樹脂の特性

グリセロール精製プロセス

第一段階。酸性化

粗グリセロールはManosakら（2011）の手順を採用し、前処理を行った。実験は500mlの三角フラスコで行い、マグネチックスターラーを用いて平衡化した。最初に、リン酸を用いて粗グリセロールを所望のpH値まで酸性化し、200rpmの一定速度で1時間攪拌した後、溶液を相分離のために休止させた。その結果，遊離脂肪酸層，グリセロール層，無機塩層の3層に分離した。脂肪酸を多く含む第一層はデカンテーションで分離し、析出した塩は0.45μmフィルターでろ過して除去した。グリセロールに富む中間層はNaOHを加えて中和した（pH7）。中和の際に生じた無機塩と脂肪酸塩は、0.45μmのフィルターで除去した。この設計で選択された入力パラメータはpH、温度、反応時間で、それぞれパラメータA、B、Cとした（表2）。 L9直交配列は、この仕事（表3）の実験を設計するために使用された。

TABLE 2

Table 2. 動作パラメータとレベル。

TABLE 3

Table 3. L9直交配列実験計画と酸性化実験の結果・

Second Step: イオン交換

イオン交換工程では、運転条件を最適化した酸性化工程で得られた前処理グリセロールを使用しました。ガラス管に樹脂を担持した300mlのカラムにフィードを通し、イオン交換樹脂を検討した。イオン交換樹脂タイプAmberlyst 15 hydrogen formを遊離イオン除去のために使用した。この樹脂は、あらかじめガラス容器内でメタノール（25 wt.%）で膨潤させ、カラムに充填した。さらに、余分な水分を除去するためにシリカビーズもカラム内に充填した。イオン交換樹脂は、前処理されたグリセロール中の遊離陰イオンと陽イオンを吸着するために使用された。その後、前処理したグリセロールをフィードタンクに投入し、ポンプを用いて粗グリセロールを所定の運転条件でイオン交換樹脂層に循環させた。固定床実験の温度は、室温（22℃）に設定した。その後、試料をロータリーエバポレーターに投入し、メタノール除去を行った。廃液を回収して分析した。この設計で選択された入力パラメータは、樹脂の量、流量、溶媒の量です。標準的な L9 直交配列（OA）が選択され、プロセスを最適化するために 9 つの実験的研究が行われた。 L9 直交アレイは、独立因子の影響を把握するためのもので、それぞれ3因子の水準値を持つ。タグチの実験計画法では、9回の実験によってパラメータを最適化するL9直交配列が提案されています。この研究のための3つのレベルの各パラメータは、表4に示されています。表5は、異なるレベルのパラメータの異なる組み合わせで実験した結果を示している。動作パラメータとレベル.

TABLE 5

Table 5.動作パラメータとレベル. L9直交配列実験デザインとイオン交換実験の結果。

Analytical Methods

Agilent 6890 gas chromatography (GC) attached with a flame ionization detector (FID) is used to identify of glycerol concentrations under following conditions.

TABLE 5

#2413>Agilent 6890 Gas Chromatography (GC) with a flame ionization detector (FID) is using: (i) キャピラリーカラム (DB 5HT)、内径0.32mm、長さ15m、液膜0.1μm、 (ii) キャリアガスヘリウム1.0mL/min、 (iii) インジェクター温度200℃、 (iv) 全運転時間は5分です。グリセロールの水分量は、カールフィッシャー滴定装置を用いて測定した。灰分の算出には標準法(ISO 2098-1972)を用いた。グリセリンの有機非グリセロール（MONG）は、標準法（ISO 2464-1973）に基づき、グリセリン、灰分、水分の含有量の合計を差し引くことによって測定した。粗グリセロールおよび精製グリセロールのpHの測定は、pHメーター（サイバースキャンpH300、19 Eutectic instruments）を用いて行った。

Design of Experiments Using the Taguchi Method

この研究では、粗グリセロール2段階精製プロセスを設計し最適化するのにタグチメソッドが使用された。最適な運転条件を決定するための実験計画および統計解析を支援するために、Minitab 16ソフトウェアパッケージを使用した。本研究では、異なる運転条件下での酸性化プロセスの有効性を評価するためのパラメータとして、グリセリン含有量（wt.%）を使用しました。 OAの各実験で得られたデータを信号対雑音比（S/N比）により解析し、影響因子の影響を調べ、実験計画内で設定したパラメータの最適な構成を決定した。 S/N比の最適化には、大きい方が良い、小さい方が良い、小さい方が良いなどの基準がある。

本研究では、グリセロールの精製に関する実験結果を評価するために大きい方が良いという考え方を採用した。 S/N比は式(1) (Park, 1996; Sharma et al., 2005)を用いて算出した：

SN=-10log( 1n ∑i=in1Yi2) (1)

ここで「n」は各テストランの総複製数、Yiは各テストランの同じ実験条件で行われた複製実験「i」のグリセロール純度を表している。 S/N比は各実験について算出した。 9402>

Analysis of Mean

この研究では、平均値の分析（ANOM）を使用して、酸性化プロセスの最適な動作条件を決定した（Chary and Dastidar, 2012）。 S/N比の平均値は、各パラメータの影響を独立して示している。 S/N比の平均は、すべての実験のS/N比の値を平均することで算出した。

レベル「I」における個々のパラメータ「F」のS/N比の平均は、式（2）を用いて算出した。

MiF=1nFi ∑j=1nFij (2)

ここで、nFiはレベル「i」におけるパラメータ「F」の出現回数、jはそのj番目の値（ここでj＝1，2，3・・，n）におけるレベル「i」のパラメータ「F」のS／N比を表す。

Analysis of Variance

プロセスの性能に対する異なるパラメータの影響を統計的に評価するために、分散分析（ANOVA）を実施した。 ANOVAは、二乗和（SS）、分散（V）、自由度（DOF）、分散比（F因子）、寄与率（ρF）を計算することによって行われた。 ANOVAでは，以下に示す式を用いて，すべてのパラメータとパラメータ間の交互作用の有意性を検討した． Taguchi 法では，酸性化プロセスに対する各パラメータの影響を評価し，ANOVA 分析によりどのパラメータがプロセス応答に有意に影響するかを調べるために，すべてのスタディパラメータの寄与率を使用した (Roy, 2001)．各パラメータの寄与率ρFは以下の式で算出した：

ρF=SSF-(DOFF×Ve)SST×100 (3)

式（3）において、Veは誤差による分散、DOFFは調査パラメータの自由度、パラメータの水準数（L）から1を引くと算出できる。

因子による平方和、SSFは式（4）を用いて計算した：

SSF=∑（ηt）2m-（∑ηi）2n （4）

ここで、ηt＝iレベルの各パラメータのS/N比の合計、ηiは実験結果のS/N比、mは各レベルパラメータの繰り返し数、である。

式（3）のSSTは、式（5）を用いて算出した。 SSTは二乗和の合計、Nは全観測値数、

SST= ∑ηi2-(∑ηi)2n (5)

誤差による二乗和、SSeは式（6）により算出された。

SSe=SST-∑SSF (6)

パラメータの分散、Vpは式(7)で計算された。

Vp=SSFDOFF (7)

パラメータの有意性を決定するフィッシャー比（F）は、式（8）：

F=VpVe (8)

確認実験

ANOMおよびANOVA分析で提案した最適条件を確認するために確認試験を実施した。予測されるグリセリン純度とS/N比は、式(9)を用いて計算した：

Y=Ym+∑i=1K(Yi¯-Ym) (9)

ここでYm=S/N比の合計平均、Yi¯=最適レベルのS/N比、k=パラメータ数である。

結果と考察

Characterization of Crude Glycerol

粗グリセロールは暗褐色の液体で、pHは9.6であった。市販のグリセロールと比較して高いpHであった。粗グリセロールは、表6からわかるように、グリセロールは46.8重量％と少ないが、灰分、水分、MONGが多く含まれている。粗グリセロールの主な不純物は、MONG含有量（50.4 wt.%）であることがわかる。 MONGは、バイオディーゼルの処理工程で発生するグリセロールに含まれる石鹸、アルコール、メチルエステルなどの不純物で構成されています（Kongjao et al.）形成された遊離脂肪酸は、可溶性の石鹸として放出される。さらに、メチルエステルは、相分離プロセスでグリセロール相に懸濁することになる（Kongjao et al.、2010）。また、これらの有機化合物は、グリセリン溶液中に残存するNaOHやKOHなどの過剰なアルカリ触媒と反応して石鹸を改質する可能性もあります。灰分（4.7 wt.%）は、トランスエステル化工程でNaOHやKOHなどのアルカリ触媒を使用したことに由来する無機物で構成されています。粗グリセロールに含まれる9.3 wt.%の水分は、グリセロールが吸湿性であり、トランスエステル化プロセス中に周囲の水分を吸収するためと考えられる。

Acidification

Taguchiメソッドを用いて、酸性化プロセスの性能に及ぼすパラメータの影響を調べ、最適な運転条件を特定することに成功した。 3つの制御可能なパラメータ（pH、温度、反応時間）を用い、各パラメータを3つの異なるレベルに設定し、実験計画を立てた。選択されたパラメータ、水準、自由度に基づいて、標準的なL9 OAが選択された。タグチメソッドに基づき、実験結果はS/N比の用語で計算され、その後解釈された。 S/N 比は、品質特性の所望値からの偏差を測定し、最適条件を算出するものである（Karabas, 2013）。本研究の目的は、グリセロール純度を最大化することである。したがって、品質特性は高い方が望ましい。 S/N 比の決定には、式（1）を用いた。 9402>

ANOMアプローチによる最適条件

ANOMは、個々のパラメータへの影響を特定し、酸性化プロセスの最適条件を特定するために用いられる（Chary and Dastidar, 2012）。この解析は、実験で使用したその特定のパラメーターのS/N比をすべて平均化することで行われた。式（2）を適用してS/N比の平均値を算出し、各実験で得られた値を表7に示す。あるレベルでのS/N比の最大値から最適な運転条件を決定した。 S/N比の平均値が高いほど、そのパラメータが酸性化処理に強く影響していることを示す。図1からわかるように、グリセリン純度が最大となるような酸性化の最適な操作条件は、pHがレベル2（2）、反応温度がレベル3（70℃）、反応時間がレベル2（40min）であることが特定された。 ANOMから得られた結果は、さらにANOVAによって検証されました。

TABLE 7

Table 7. グリセリン純度のS/N比の平均値の応答表。

FIGURE 1

Figure 1.グリセリン純度のS/N比の平均値の応答表。各パラメータのレベル1-3におけるS/N比の平均値。 (A) pHの影響、(B) 温度の影響、(C) 反応時間の影響

Effect of Parameters on Acidification

S/N ratioの平均は、酸性化プロセスに及ぼすパラメータのレベルを反映している。図1に示すように、酸性化プロセスと製品の品質に影響を与えるパラメータはpHが支配的であり、温度と反応時間がそれに続く。このことは、pHというパラメータが、酸性化プロセスと得られる製品の品質に決定的な影響を与えることを示している。また、ANOMからパラメータの有意性を定量的に求めた。これは，最高値と最低値との偏差を計算することによって求めた。偏差値が最も大きいパラメータを最高ランクとした。偏差が大きいということは，そのパラメータが酸性化プロセスの性能に大きく寄与し，影響を及ぼしていることを示している．表7に示すように、pHは偏差2.32の最も有意なパラメータであり、反応時間は偏差0.41の最も有意でないパラメータでした。

Percentage Contribution of Parameters by ANOVA

タグチメソッドに従って、グリセロール純度の観点から酸性化に対するパラメータの効果を正確に定量するために、それぞれのパラメータの寄与割合を評価しました (Roy, 2001). ANOVA分析の結果、および各パラメータの寄与率を表8に示す。 pH が酸性化プロセスに支配的な影響を及ぼし、その寄与率は 76.37% であることが確認された。パラメータの寄与率は、pH (76.37%) > 温度 (19.44%) > 反応時間 (2.72%) の順であることが分かった。この結果は、ANOM分析から得られた結果と一致した。

TABLE 8

Table 8. ANOVA分析の結果。

Confirmation Experiments

確認実験はタグチデザイン法では重要なステップである。このステップは最適化研究の最後に実施され、ANOMを用いて特定された最適化された運転条件が、望ましい実験結果を生み出しているかどうかを検証する必要があります。直交配列の 9 回の実験では、特定された最適な運転条件の組合せが含まれていませんでした。そのため、各パラメータの最適化値を用いて酸性化過程の確認実験を行い、S/N比を算出した。また、グリセリンの純度を式（9）を用いて推定し、実際のグリセリン純度と予測値の比較を表9に示す。表9からわかるように、確認実験で得られたS/N比は予測値とよく一致している。これらの結果は、最高純度のグリセロールを得るための酸性化プロセスの最適化が成功したことを示した。

TABLE 9

Table 9. グリセリン純度）

Ion Exchange

3つの制御可能なパラメータ（樹脂量、溶剤量、流量）を、それぞれのパラメータを3段階に分けて、タグチ直交配列実験計画を用いて最適化しました。パラメータ数，水準，自由度から，本研究では標準的なL9 OAが選択された。 L9 OA に基づいて，3 回反復で合計 27 回の実験が行われた．各実験において、グリセリン純度（wt.%）の観点からプロセスの応答を決定し、さらに統計的アプローチによって分析した。グリセリン純度に関する収集データを表 5 に示す。得られた結果から、実験のグリセリン純度（wt.%）は 87.04～97.87 wt.%の範囲で変動していることがわかった。このことは、イオン交換プロセスが制御可能なすべてのパラメータ（樹脂量、溶媒量、流量）に依存していることを示しており、この知見はさらに統計解析によって証明された。実験結果はS/N比に換算された。本研究では、イオン交換プロセスから得られるグリセロール純度を最大化することを目的としている。したがって、より高い品質特性がS/N比の算出に用いられる。

ANOMアプローチによる最適条件

実験で得られたS/N比の平均を表10に示す。あるパラメータを一定にしたときのS/N比の最大値から最適な運転条件を選択した。 S/N比の平均値が大きいほど、イオン交換プロセスに強い影響を与えることを示す。したがって、パラメータの最適な運転条件は、S/N比の平均が最も大きいレベルで得られた。図2に示すように、グリセロール純度を最大にするためのイオン交換プロセスの最適運転条件は、レベル3の樹脂量（40 g）、レベル1の流量（15 mL/min）、レベル3の溶媒量（60%）であることが確認された。 ANOMから得られた結果は、さらにANOVAによって検証されました。

TABLE 10

Table 10.表10は、ANOMから得られた結果を示しています。イオン交換のS/N比の平均値の応答表。

FIGURE 2

Figure 2.イオン交換のS/N比の平均値の応答表。各パラメータのレベル1〜3におけるS/N比の平均値。 (A) 樹脂量の影響、(B) 溶媒量の影響、(C) 流量の影響。

Effect of Parameters on Ion Exchange

S/N ratioの平均値の範囲は、イオン交換工程に対するパラメータの影響度を反映しています。図2に示すように、イオン交換プロセスと製品品質に影響を与えるパラメータは、流量が最も支配的であり、樹脂量と溶媒量がそれに続いた。また、これらのパラメータの重要性は、ANOMから定量的に得ることができた。これは、最高値と最低値との偏差を計算することによって求めた。最も偏差の大きいパラメータを最高ランクとした．偏差値が大きいということは、そのパラメータがイオン交換プロセスの性能に大きく寄与し、影響を及ぼしていることを示す。表10に示すように、流量は主な寄与パラメータであり、溶媒量は最も寄与の少ないパラメータでした。

Percentage Contribution of Parameters by ANOVA

グリセロール純度および各パラメータの寄与率に関する分散分析の結果は、表11に示されています。この結果から明らかなように、流量は51.02%の寄与率でイオン交換プロセスに対して支配的な影響を示しました。また、各パラメータの寄与率は、昇順に、流量（51.02%）＜3530＞樹脂量（28.42%）＜3530＞溶媒量（12.33%）の順となった。実験結果はANOM分析から得られた結果とよく一致した。

TABLE 11

Table 11. 9402>

確認実験

溶媒60%、流量15mL/min、樹脂40gの最適条件で、グリセロール純度96.91%、S/N比39.72が予測された。実験的に得られた値をモデルで予測された値と比較し、設定した運転条件下での最適化手順の妥当性を確認した。その結果、最適化された運転条件では、グリセロール純度が最大（98.2%）となり、S/N比が39.78となった。確認実験の結果、実際に得られた実験値およびS/N比は、予測値とよく一致した。したがって、グリセリンの純度を向上させるためのイオン交換プロセスの最適化は成功したと結論付けることができる。

精製グリセリンの特性と他の研究との比較

本研究で得られた結果を過去の研究と比較して、表12に示した。比較表から、本研究で適用した酸性化およびイオン交換の二段階精製法は、他の研究より高純度のグリセロールを生成することに成功したことがわかる。本研究で得られた精製粗グリセロールの割合は、98%であった。 Saifuddin et al. (2013) は、酸性化処理と吸着処理を併用することで、93.1-94.2%の純度でグリセロールの収率を達成しました。さらに、我々の2段階精製技術は、Manosakら（2011）およびKongjaoら（2010）が用いた化学および物理処理と比較して、グリセロール純度の面でより効果的で優れていた。精製グリセロールの特性の他の作品との比較。

Conclusion

この作品の目的は、タグチ最適化ツールを使用して2段階の精製プロセスを通じて高純度のグリセロールを得ることである。酸処理とそれに続くイオン交換により、純度98.20 wt.%のグリセロールが得られた。 pH (2)、温度 (70℃)、反応時間 (40 分) を最適化した場合、酸性化プロセスでは 76.18 wt.% の純度のグリセロールを得ることができた。イオン交換工程では、運転条件を最適化した酸性化工程で得られた前処理済みのグリセロールを使用しました。イオン交換プロセスでは、溶媒60%、流量15 mL/min、樹脂40 gの最適条件で、純度98.20 wt.%のグリセロールを得ることができた。タグチメソッドによる予測値と実際の実験結果を比較したところ、実際の結果は予測値とよく一致することがわかった。このことから、バイオディーゼル由来の粗グリセロールを精製するための2段階の最適化に、タグチメソッドを適用することに成功したことが示された。本研究では、酸性化およびイオン交換工程の最適化により、グリセロール純度が35.60から98.20 wt.%に向上し、グリセロール含有量はBS 2621:1979 に基づいて認められた量であることが示された。 AA：研究のコンセプト、作業のデザイン、原稿の修正。

利益相反

著者は、本研究が潜在的な利益相反と解釈される商業的または金銭的関係がない状態で行われたことを宣言している。

謝辞

著者らは、この研究を財政的に支援してくれたマラヤ大学のマラヤ研究助成（UMRG）-フロンティアサイエンス（AFR）RG384-17AFR研究費に感謝している

Carmona, M…, Garcia, M. T., Alcazar, A., Carnicer, A., and Rodriguez, J. F. (2012). バイオディーゼルからの高品位グリセロールのためのイオン交換と水吸着プロセスの組み合わせ。 J. Chem. Sci. Technol. 1, 14-20.

Google Scholar

Carmona, M. L., Valverde, J., Perez, A., Warchol, J., and Juan Rodriguez, F. (2009).バイオディーゼルからの高品位グリセリンのためのイオン交換と水吸着プロセスの組合せ。バイオディーゼル合成におけるグリセロール/水溶液のイオン交換による精製：ナトリウム除去 Part I. J. Chem. Technol. Biotechnol. 84, 738-744. doi: 10.1002/jctb.2106