Facultad Regional Resistencia

Now showing 1 - 3 of 3

Aplicación de la espectroscopia de infrarrojo cercano (NIR) en el entrenamiento de modelos predictivos para la determinación de parámetros fisicoquímicos en cerveza.
(2023-10-06) Bianchi, María Agostina; Ceruso, Juan Pablo; Gómez Pamies, Laura Cecilia; Benítez, Elisa Inés
El análisis de espectroscopia de infrarrojo cercano (NIR) se ha convertido en una técnica no destructiva ampliamente utilizada para analizar componentes en una muestra de alimentos en forma rápida y precisa. Asimismo, es amigable con el ambiente, ya que permite eliminar el uso de solventes, como ocurre en el caso del análisis fisicoquímico de cervezas que se presenta. En este trabajo, se investiga la aplicación de la FT-NIR en análisis ya conocidos como lo son pH, densidad final, grado alcohólico, acidez, concentración de α-ácidos y concentración de iso-α ácidos (IBU). El objetivo del estudio radica en el entrenamiento de modelos que permitan predecir las diferentes variables de interés en cerveza, simplificando el tiempo de procesamiento necesario para analizar cada variable por separado con su respectiva técnica analítica. Se utilizaron 400 datos etiquetados, correspondientes a muestras de cerveza, en las cuales se determinaron analíticamente los valores de los parámetros mencionados y se analizaron con el equipo de FT-NIR Spectrum Two (Perkin-Elmer). El procesamiento de las muestras para la obtención de los espectros se realizó utilizando cubetas de cuarzo para líquidos de 1, 0,5 y 0,1 cm de paso óptico. Además, se utilizó el accesorio NIRA (0,1 cm de paso óptico): se colocaron 3 mL de cerveza en placas de Petri (40 mm) con un adaptador de transflectancia de aluminio por encima, como superficie reflectante inerte. Se evaluaron los modelos obtenidos con cada variante de accesorio utilizada con el objetivo de definir cuál de ellos resulta más adecuado para el modelado de los parámetros fisicoquímicos de manera individual. Se utilizó el software Spectrum Quant para el entrenamiento con los datos preprocesados, mediante el algoritmo PLS. Se ajustó el número de variables latentes (vl) hasta la obtención de modelos con R2 superiores a 0,85. Los resultados evidenciaron que el uso de NIRA proporciona modelos con mayor ajuste para todos los parámetros (R2=0,97 para 70 vl). El empleo de cubetas de 0,5 y 0,1 cm también permite alcanzar valores de R2 adecuados, pero requieren un mayor número de vl para alcanzar los resultados de NIRA (R2 de 0,854 y 0,853 respectivamente, para 70 vl). El uso de la cubeta de 1 cm solo produjo buenos resultados para el modelado de densidad final, acidez y grado alcohólico (R2 = 0,85 para 100 vl). Estas observaciones se atribuyen a que NIRA permite obtener espectros con una significativa reducción del ruido, mientras que el uso de cubetas se ve afectado por este fenómeno en todos los casos, con mayor presencia del ruido a mayor longitud del paso óptico. Se concluye en que el accesorio NIRA es el más adecuado para utilizarse en el entrenamiento de modelos para todas las variables evaluadas. Si bien pudieron obtenerse buenos resultados con otros accesorios, el empleo de NIRA permite trabajar con un número menor de vl, disminuyendo el riesgo de sobreajuste del modelo. Este estudio representa un primer paso para la obtención de modelos predictivos y debe continuar con la etapa de validación para evaluar el rendimiento y la capacidad de realizar predicciones en nuevos datos.
Production of wort from high tannin content sorghum through a whole grain extrusion process
(2021-11-21) Gómez Pamies, Laura Cecilia; Bianchi, María Agostina; Benítez, Elisa Inés
En el uso de granos alternativos para elaborar bebidas fermentadas para personas celíacas, como el sorgo, puede partirse de granos malteados o sin maltear. Cuando la materia prima es el sorgo sin maltear, se debe recurrir al uso de enzimas exógenas, principalmente amilasas y proteasas, para lograr un mosto con una capacidad adecuada de fermentación. Los grados brix (°Bx) son un parámetro de control requerido para medir la capacidad de fermentación de la cerveza y un valor de 10°Bx en el mosto es necesario para la obtención de un producto final con un valor aproximado de alcohol de 4% v/v. En este trabajo, se incluyó un proceso de extrusión de los granos a alta temperatura y presión para optimizar la gelatinización de los mismos, y mejorar así el proceso de maceración posterior. Se compararon los resultados obtenidos en mostos de sorgo con y sin extrusión respecto a la concentración de azúcares fermentables en °Bx y al contenido de aminoácidos libres (FAN), ambos parámetros necesarios para una fermentación eficiente. Se utilizó un modelo estadístico para ambos procesos mediante un diseño factorial con dos enzimas, amilasas y proteasas, con dos y tres niveles, respectivamente, y sin el agregado de las mismas. Mediante el proceso estudiado, se obtuvo un valor máximo de 11°Bx, frente a 3°Bx obtenido en el proceso sin extrusión. Se obtuvieron resultados similares al comparar los valores de FAN entre ambos procesos, obteniéndose un valor máximo un 37% mayor con el proceso de extrusión. Por lo tanto, se puede concluir que el proceso de extrusión estudiado es capaz de aumentar la eficiencia del proceso de maceración, aportando mejoras en los parámetros necesarios para una óptima fermentación.
Mejorando la calidad en cervezas artesanales mediante determinaciones fisicoquímicas y aplicación de técnicas de machine learning
(2022-10-06) Bianchi, María Agostina; Mansilla, Cecilia; Vázquez, Raimundo; Benítez, Elisa Inés
La producción y consumo de cerveza artesanal en ferias y festivales es un fenómeno que crece año a año en el mundo, por ese motivo es importante evaluar y controlar no solo los parámetros fisicoquímicos y microbiológicos de las bebidas sino también parámetros involucrados en las características de calidad de los diferentes estilos, como por ejemplo gradoalcohólico, color, amargor, aroma, entre otros, ya que ayuda a los productores regionales a mantener estilos propios y definidos que impactan directamente en los atributos buscado por los consumidores. En el presente trabajo se presentan los estudios realizados durante un año de seguimiento a los productores regionales para evaluar sus estilos más representativos. Se realizaron análisis fisicoquímicos de densidad final, color, alcohol, amargor y alfa-ácidos a 8 estilos de cervezas. Los 4 primeros parámetros son los que caracterizan a los estilos según la guía de estilos “Beer Judge Certification Program (BJCP)”, la más difundida entre los productores. Para el análisis predictivo se utilizó la metodología de Machine Learning utilizando el programa WEKA (Waikato Environment for Knowledge Analysis), un banco de trabajo de aprendizaje automático implementado en Java de código abierto ampliamente utilizado. A través del análisis predictivo fue posible ofrecer alternativas al cervecero para catalogar sus estilos mediante los parámetros que mejor representen sus cervezas. Por otro lado, este estudio contribuyó a concientizar y revelar las falencias con las que se realizan los diferentes estilos para luego poder mejorar las recetas.

Facultad Regional Resistencia

Browse

Filters

Settings

Sort By

Results per page

Search Results

SECRETARÍAS

ENLACES UTN

ENLACES EXTERNOS