Centro UTN QUITEX (Centro de Química e Ingeniería Teórica y Experimental)

Permanent URI for this communityhttp://48.217.138.120/handle/20.500.12272/3837

Browse

Author: search.filters.author.Vázquez, RaimundoHas files: Yes

Search Results

Now showing 1 - 2 of 2
  • Thumbnail Image
    Item
    Improving craft beer style classification through physicochemical determination and the application of deep learning techniques
    (2024-04-09) Gómez Pamies, Laura Cecilia; Bianchi, María Agostina; Farco, Andrea Paola; Vázquez, Raimundo; Benítez, Elisa Inés
    The consumption of craft beer at fairs and festivals is a phenomenon that keeps growing in the world. For this reason, it is important to control the quality characteristics of the different styles. This study aimed to analyze the different styles of beer, classify them according to their physicochemical parameters, and propose a predictive pattern-based model known as deep learning that best defines the styles that are presented at festivals. Physicochemical analyses of final gravity, color, alcohol, bitterness, and α-acids were carried out on eight styles of beer. The first four parameters are those that characterize the styles according to the Beer Judge Certification Program style guide. The incorporation of the α-acid determination allowed a more realistic classification that considers the brewers’ new tendencies. This study will lay the foundations to improve local recipes, implement standardization, and provide training to local brewers
  • Thumbnail Image
    Item
    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.