• Author / Uploaded
• joangel244

Citation preview

UNELLEZ VICERRECTORADO DE INFRAESTRUCTURA Y PROCESOS INDUSTRIALES PROGRAMA CIENCIAS DEL AGRO Y DEL MAR SAN CARLOS-VENEZUELA

HERRAMIENTA EXPLORATORIA DE INVESTIGACIÓN Y DESARROLLO DE UNA RACIÓN BALANCEADA DE CREMA LÁCTEA, RICOTA, SUERO LÁCTICO Y FRIJOL BLANCO, PARA USO HUMANO

Br. Julielbi Beatriz Coronel Piñero CI: V-25.120.974 Tutor: Prof. Enrique C. Ávila. CI: V- 4.927.080

i

San Carlos, Abril de 2017

UNELLEZ VICERRECTORADO DE INFRAESTRUCTURA Y PROCESOS INDUSTRIALES PROGRAMA CIENCIAS DEL AGRO Y DEL MAR SAN CARLOS- VENEZUELA

HERRAMIENTA EXPLORATORIA DE INVESTIGACIÓN Y DESARROLLO DE UNA RACIÓN BALANCEADA DE CREMA LÁCTEA, RICOTA, SUERO LÁCTICO Y FRIJOL BLANCO, PARA USO HUMANO

Informe final de Trabajo Grado presentado ante el Programa Ciencias del Agro y del Mar del Vicerrectorado de Infraestructura y Procesos Industriales en San Carlos - Cojedes por la Br. Julielbi Beatriz Coronel Piñero A. CI: V-25.120.974, como requisito parcial para optar al título de Ingeniero Agroindustrial.

ii

Br. Julielbi Beatriz Coronel Piñero CI: V-25.120.974 Tutor: Prof. Enrique C. Ávila. CI: V- 4.927.080

San Carlos, Abril de 2017 APROBACIÓN DEL TUTOR

Yo Ávila, Enrique C., cédula de identidad Nº 4.927.080, en mi carácter de tutor del Trabajo

de

Grado

titulado

“HERRAMIENTA

EXPLORATORIA

DE

INVESTIGACIÓN Y DESARROLLO DE UNA RACIÓN BALANCEADA DE CREMA LÁCTEA, RICOTA, SUERO LÁCTICO Y FRIJOL BLANCO, PARA USO HUMANO ”, presentado por la bachiller, Julielbi Beatriz Coronel Piñero, CI: 25.120.974, para optar al título de Ingeniero Agroindustrial, por medio de la presente certifico que he leído el Trabajo y considero que reúne las condiciones necesarias para ser presentado, defendido y evaluado por el jurado examinador designado.

En la ciudad de San Carlos, a los 15 días del mes de Abril del año 2017

Ing. Ávila, Enrique C.

iii

________________________

UNELLEZ VICERRECTORADO DE INFRAESTRUCTURA Y PROCESOS INDUSTRIALES PROGRAMA CIENCIAS DEL AGRO Y DEL MAR SAN CARLOS- VENEZUELA

ACTA DE APROBACIÓN El Trabajo de Grado titulado “HERRAMIENTA EXPLORATORIA DE INVESTIGACIÓN Y DESARROLLO DE UNA RACIÓN BALANCEADA DE

CREMA LÁCTEA, RICOTA,

SUERO

LÁCTICO Y FRIJOL BLANCO, PARA USO HUMANO”, presentado por la bachiller Julielbi Beatriz Coronel Piñero, CI: 25.120.974; como cumplimiento parcial de los requisitos para optar al Título de Ingeniero Agroindustrial, fue aprobado en fecha ¿?? de ¿????? 2017, por el siguiente jurado.

iv

___________________________ Ing. Víctor Pérez C.I. 9.561.633

__________________________ Ing. Alcibíades Rivas C.I. 5.208.318

_________________________ Ing. Ávila, Enrique C. C.I. 4.927.080 Tutor-Coordinador INDICE GENERAL Pág. viii ix x xi

ÍNDICE DE TABLAS ÍNDICE DE FIGURAS DEDICATORIA AGRADECIMIENTO RESUMEN

xii

SUMMARY INTRODUCCIÓN

xiii 1

CAPITULO I.

3

I.1. I.1.1.

EL PROBLEMA. Planteamiento del problema.

3 3

I.1.2.

Formulación del problema.

5

I.1.3.

Formulación de los objetivos.

6

I.1.3.1.

Objetivo general.

6

I.1.3.1.1

Objetivos específicos.

6

I.1.4.

Evaluación del problema.

7

I.1.5.

Alcances y limitaciones de los resultados de la investigación.

8

CAPITULO II.

9

v

II.1

MARCO TEÓRICO.

9

II.1.1. II.1.2.

ANTECEDENTES DE LA INVESTIGACIÓN. BASES TEÓRICAS.

9 14

II.1.2.1 II.1.2.2. II.1.2.3.

El queso ricota. El subproducto lactosuero. La crema de leche comercial para consumo directo humano.

14 15 23

II.1.2.4.

Las leguminosas en la nutrición.

24

II.1.2.5.

Análisis sensorial de alimentos.

26

II.1.2.6.

Referenciales construidos de composición proximal de ingredientes potenciales en formulación de raciones balanceadas para uso humano.

II.1.2.7.

Referenciales construidos de composición proximal de aminoácidos de ingredientes potenciales en formulación de raciones balanceadas para uso humano.

II.1.2.8.

Optimización con simulación vía programación lineal en la formulación de raciones.

31

33

34

II.1.2.9

El módulo de programación lineal entera del Software WinQsb.

35

II.1.2.10.

Modelación de procesos con redes neuronales artificiales.

42

II.1.2.11.

Optimización con simulación de perfiles de respuesta y deseabilidad.

45

II.1.3.

FORMULACIÓN DE SISTEMA DE HIPÓTESIS.

46

II.1.4.

FORMULACIÓN DEL SISTEMA DE VARIABLES.

47

CAPÍTULO III. III.1. III.1.1. III.1.2. III.1.3.

48

MARCO METODOLOGICO. Tipo de investigación. Población y muestra. Diseño de la investigación. vi

48 48 48 49

III.1.4.

Materiales y métodos.

50

III.1.4.1.

Materiales ingredientes en la formulación de raciones balanceadas.

50

III.1.4.2.

Equipos, instrumentos e implementos.

50

III.1.4.3.

Metodología de obtención de la harina de frijol

50

III.1.4.4.

Matriz de diseño para formulación de ración con programación lineal

52

CAPÍTULO IV.

54

IV.1. RESULTADOS Y DISCUSIÓN. IV.1.1. Características de la harina de frijol obtenida.

54 54

IV.1.2.

Matriz informatizada de referenciales construidos para formulación.

55

IV.2.

Matriz informatizada de referenciales construidos para formulación.

56

IV.2.1.

Formulaciones experimentales obtenidas con PL

58

IV.2.2.

Formulación culinaria a optimizar sensorialmente.

60

IV.3.

Datos sensoriales y su análisis.

62

IV.4.

Funcionalidad estadística de los datos

64

IV.5.

Análisis de confiabilidad de consistencia interna de los ítems de la encuesta.

66

IV.6.

Optimización de la variable “Aceptación hedónica”

67

IV.7.

Optimización vía simulación de las respuestas hedónicas.

74

IV.8.

Predicción del tratamiento más aceptado.

76

CONCLUSIONES.

79

RECOMENDACIONES.

80

REFERENCIAS BIBLIOGRÁFICAS.

81

vii

ÍNDICE DE TABLAS Cuadro 1

Página Composición química de la Ricotta elaborado a partir de CPS y elaborado a partir de suero de quesería.

10 24

2

Comparativo nutricional de trigo, frijol Bayo, maíz amarillo y pulpa de yuca

3 4

Comparativo de aminoácidos en Trigo, Maíz, Yuca y Frijol Referenciales de valor nutricional proximal construido para la investigación

26 32

5 6

Valor nutricional comparativo de aminoácidos. Metamodelo de simulación de programación lineal, para el ajuste de raciones.

33 53

7

Raciones virtuales potenciales de elaboración y maquinar culinariamente

60

8

Formulaciones culinarias optima saborizada carne de cerdo o saborizada Ajo

62

9

Datos sensoriales y características estadísticas univariada de la variable aceptación hedónica.

63

10 11

Estimadores robustos (medianas robustas) Inter-correlación global entre ítems y de homogeneidad de ítems

66 67

12

Modelo del comportamiento de la variable “Aceptación hedónica: AH” por variables sensoriales

70

13

Datos para los 81 encuestados y el índice de calidad predicho para cada caso

72

viii

ÍNDICE DE FIGURAS Figura 1 2 3

Etapas básicas de una I+D Modelo grafico de red neuronal artificial Perfiles de respuesta, deseabilidad de calidad y distribución Gauss de respuestas del simulador, del programa JMP v.8.

Página 21 44 46

4

Esquema tecnológico para obtención de harina integral de frijol.

51

5

Matriz informatizada balanceadas en WinQsb

57

6 7 8 9 10 11

para

simulación

de

raciones

Variabilidad de las puntuaciones de calificación hedónica Determinación de grupos de preferencia Condiciones de entrenamiento, red utilizada y la calidad de la Modelación Características de calidad a las condiciones predichas por el modelo factorial: Calidad 5,95 Frecuencias para cada uno de los 7 dominios de la escala Datos de frecuencia hedónica para los 7 dominios de escala y respuesta logística (Programa SAS JMP).

ix

66 71 75 76 77 78

DEDICATORIA Esta tesis se la dedico a mí Dios quien supo guiarme por el buen camino, darme fuerzas para seguir adelante y no desmayar en los problemas que se me presentaban, enseñándome a encarar las adversidades sin perder nunca la dignidad ni desfallecer en el intento. Con mucho cariño principalmente a mis padres que me dieron la vida, y han estado conmigo en todo momento, porque me sacaron adelante, dándome ejemplos dignos de superación y entrega, porque en gran parte gracias a ustedes, hoy puedo ver alcanzada mi meta, ya que siempre estuvieron impulsándome en los momentos más difíciles de mi carrera, y porque el orgullo que sienten por mí, fue lo que me hizo ir hasta el final. Va por ustedes, por lo que valen, porque admiro su fortaleza, por su apoyo, consejos, comprensión, amor, y por ayudarme con los recursos necesarios para estudiar. Me han dado todo lo que soy como persona, mis valores, mis principios, mi carácter, mi empeño, mi perseverancia, mi coraje para conseguir mis objetivos. A mi familia quienes por ellos soy lo que soy. A mi hermano, tías, tíos, primos, primas, abuelos y amigos, gracias por haber fomentado en mí el deseo de superación y el anhelo de triunfo en la vida. Mil palabras no bastarían para agradecerles su apoyo, su comprensión y sus consejos en los momentos difíciles. A todos, espero no defraudarlos y contar siempre con su valioso apoyo, sincero e incondicional.

Julielbi Beatriz Coronel Piñero.

x

AGRADECIMIENTOS Son muchas las personas especiales a las que me gustaría agradecer su amistad, apoyo, cariño y compañía en las diferentes etapas de mi vida. Algunas están aquí conmigo y otras en mis recuerdos y el corazón. Sin importar en donde estén o si alguna vez llegan a leer estas dedicatorias quiero darle las gracias por formar parte de mi, por todo lo que me han brindado y por todas sus bendiciones. En primer lugar, a mi tutor de tesis, Enrique Ávila, mi más amplia agradecimiento por haberme confiado este trabajo en persona, por su paciencia ante su inconsistencia, por su valiosa dirección y apoyo para seguir este camino de Tesis y llegar a la conclusión del mismo. Gracias todos los profesores de la universidad UNELLEZ, por su atención y amabilidad en todo lo referente a mi vida como alumna. A todos mis compañeros y amigos, estén donde estén, y sin excepción, se merecen muchas y buenas palabras. Gracias por los buenos y malos momentos, por ayudarme y escucharme. Y por encima de todo, y con todo mi amor, gracias a los míos por estar incondicionalmente conmigo durante estos años, gracias a mi madre, que con su demostración de una madre ejemplar me ha enseñado a no desfallecer ni rendirme ante nada y siempre perseverar a través de sus sabios consejos. Agradezco también a mi padre por ser un apoyo en mi carrera y en mis logros a mi hermano por ser un amigo para mí y uno de los seres más especiales en mi vida. Finalmente gracias a la vida, que es hermosa, y una de las principales característica de esta hermosura es que la podemos compartir y disfrutar con quienes amamos, podemos ayudar y guiar a muchas personas si ellas lo permiten, pero también podemos ser ayudados y guiados durante nuestra vida.

Julielbi Beatriz Coronel Piñero. xi

UNELLEZ VICERRECTORADO DE INFRAESTRUCTURA Y PROCESOS INDUSTRIALES PROGRAMA CIENCIAS DEL AGRO Y DEL MAR SAN CARLOS- VENEZUELA RESUMEN Br. Julielbi Beatriz Coronel Piñero. Tutor: Prof. Enrique C. Ávila. HERRAMIENTA EXPLORATORIA DE INVESTIGACIÓN Y DESARROLLO DE UNA RACIÓN BALANCEADA DE CREMA LÁCTEA, RICOTA, SUERO LÁCTICO Y FRIJOL BLANCO, PARA USO HUMANO La investigación con el objetivo de sistematizar una herramienta exploratoria de investigación y desarrollo de una ración balanceada, a base de una crema láctea, proteinada y mineralizada con ricota, suero láctico en polvo y/o harina integral de frijol blanco cocida, acidificada con ácido láctico y aderezada con mezclas de ajo y tocineta, para consumo humano. Con la metodología empleada se logró construir referenciales de valores nutritivos de ingredientes y, referenciales de requerimientos nutricionales, desde la revisión de la literatura, aproximados para humanos, y se ejemplifico su uso en construcción de una matriz alimento digitalizada o metamodelo para la formulación de raciones, en el software WinQsb 2.0, con el método simplex, con la cual se formularon raciones balanceadas; de las cuales se tomó una ración donde participaron todos los 04 ingredientes experimentales propuesto, mas harina de soya expandida 46 % de proteína; se maquinaron tecnológicamente para uso culinario en forma de crema entable; se ejemplificó el uso práctico de herramientas en laboratorio de alimentos, recolección de datos hedónicos, funcionalidad estadísticas de estos datos y; por otro lado, el uso de herramientas de software en el análisis de datos hedónicos en la discriminación de aceptación y rechazo de múltiples muestras distintas, como es la regresión logística. Finaliza la investigación con la aplicación sucinta y exitosa de herramientas de optimización vía simulación de múltiples respuestas de calidad, de alimentos sometidos a múltiples factores experimentales, usando el simulador de optimización del programa SAS JMP 8, con perfiles de respuesta y de deseabilidad de calidad. Palabras claves: Alimento balanceado, Crema láctea, Innovación.

xii

UNELLEZ VICERRECTORADO DE INFRAESTRUCTURA Y PROCESOS INDUSTRIALES PROGRAMA CIENCIAS DEL AGRO Y DEL MAR SAN CARLOS- VENEZUELA SUMMARY. Br. Julielbi Beatriz Coronel Piñero. Tutor: Prof. Enrique C. Ávila. HERRAMIENTA EXPLORATORIA DE INVESTIGACIÓN Y DESARROLLO DE UNA RACIÓN BALANCEADA DE CREMA LÁCTEA, RICOTA, SUERO LÁCTICO Y FRIJOL BLANCO, PARA USO HUMANO The objective of this research was to systematize an exploratory research and development tool for a balanced ration, based on a proteinaceous and mineralized cream with ricotta, powdered whey and / or whole cooked white bean flour acidified with lactic acid and garnished with mixtures of garlic and bacon, for human consumption. With the methodology used, it was possible to construct reference values of nutrient values of ingredients and reference nutritional requirements, from the literature review, approximate for humans, and exemplified its use in the construction of a digitized food matrix or metamodel for the formulation of rations , In the software WinQsb 2.0, with the simplex method, with which balanced rations were formulated; Of which a ration was taken where all the 04 proposed experimental ingredients participated, but soybean meal expanded 46% of protein; Were technologically engineered for culinary use in the form of entabeling cream; The practical use of tools in the food laboratory, collection of hedonic data, statistical functionality of these data and examples were exemplified; On the other hand, the use of software tools in the analysis of hedonic data in the discrimination of acceptance and rejection of multiple distinct samples, such as logistic regression. The research concludes with the succinct and successful application of optimization tools through the simulation of multiple quality responses of foods subjected to multiple experimental factors using the optimization simulator of the SAS JMP 8 program with response and quality desirability profiles. Keywords: Balanced feed, Cream lacteal, Innovation.

xiii

INTRODUCCIÓN En la visión y misión de un ingeniero agroindustrial, se encuentra que estos deben ser profesionales con capacidad crítica, reflexiva, humanista y ética profesional; con sólidos conocimientos científicos y tecnológicos en el campo agroindustrial para la elaboración de productos con valor agregado; contribuyendo en la búsqueda de soluciones sostenibles y sustentables a los diferentes problemas existentes en la agroindustria sobre la base de la investigación científica orientada a elevar el bienestar de la comunidad, convirtiéndose en un factor de cambio para lograr una sociedad justa y equitativa. Con una formación integral reconocida, que le permita ser promotor del desarrollo de las comunidades y de la región; integrando la investigación, la docencia, la vinculación y el respeto al ambiente. Con destrezas en el manejo de herramientas integrales en el manejo y desarrollo de procesos agroindustriales, además suficiente y adecuada herramientas de trabajo en laboratorios, bien en laboratorio de alimentos con experimentación estocástica y en laboratorio de informática, con experimentación virtual. El tema del trabajo se enfocó en describir en forma sucinta una herramienta exploratoria, utilitaria de apoyo al proceso de investigación y desarrollo de un nuevo producto, que en esta investigación se tomó como ejemplo la formulación y elaboración de una ración balanceada alimentaria de uso humano; es decir, una herramienta inteligible y sistemática, que incluyó aspectos tecnológicos en laboratorio de alimentos con experimentación estocástica y en laboratorio de informática, con experimentación virtual. El trabajo está pensado en describir en forma ejemplificante, es decir, con un método de trabajo que describe sucintamente la herramienta y se ejemplifica; dejando claro que las herramientas utilizadas son una alternativa entre muchas otras, por lado, la metodologías descritas son de amplio usos en investigación y desarrollo de casi cualquier nuevo producto alimentario.

1

Dada la situación planteada, se pretendió mostrar la importancia de construir referenciales de valores nutritivos de ingredientes y, los referenciales de requerimientos nutricionales, desde la revisión de la literatura, aproximados para humanos, y su uso

en construcción de una matriz alimento digitalizada o

metamodelo para la formulación de raciones, en el software WinQsb 2.0, con el método simplex, formulas o raciones balanceadas, susceptible de maquinar tecnológicamente para uso culinario en forma de crema untable, con alto contenido proteico; complementado con el uso práctico de herramientas en laboratorio de alimentos, recolección de datos hedónicos, la funcionalidad estadísticas de estos datos y; por otro lado, el uso de herramientas de software en el análisis de datos hedónicos en la discriminación de aceptación y rechazo de múltiples muestras distintas, como es la regresión logística. Finaliza la investigación con la aplicación sucinta de herramientas de optimización vía simulación de múltiples respuestas de calidad, de alimentos sometidos a múltiples factores experimentales. En consideren de la problemática y de las expectativas creadas, se planteó el siguiente objetivo general de investigación. “Sistematizar una herramienta exploratoria de investigación y desarrollo de una ración balanceada, a base de una crema láctea, proteinada y mineralizada con ricota, suero láctico en polvo y/o harina integral de frijol blanco cocida, acidificada con ácido láctico y aderezada con mezclas de ajo y tocineta, para consumo humano”.

2

CAPÌTULO I I.1. EL PROBLEMA. I.1.1. Planteamiento del problema. El paradigma de la nutrición ha cambiado en los últimos 50 años. Durante los años 50, época de post segunda guerra mundial, el énfasis estuvo puesto en las proteínas y lo importante en un alimento era su calidad proteínica. Luego, en los años 70, se jerarquiza la importancia del total de energía aportado por la alimentación diaria, “Basado en requerimientos e insumos proteínicos y energéticos, el problema es básicamente cantidad y no calidad”. Ya en los 80, comienzan a valorizarse los micronutrientes y en los 90, aparece el concepto de “calidad nutricional de las dietas”, hasta comienzos del nuevo siglo cuando surge la relación: Alimentación y Estilo de vida (Cócaro, 2010). Para el AINIA Centro Tecnológico (2016), está presente la tendencia de ir a lo natural. Para AINIA Centro Tecnológico (ob. cit.), un nuevo producto es algo que proporciona “beneficios” alimentarios, sociales, culturales, entre otros y que persuade para que lo compren. No solo se percibe el alimento en base a sus características físicas, químicas y nutricionales como lo enfoca un tecnólogo de alimentos; donde el envase y la publicidad del producto son los aspectos que se perciben en primer término. Pero únicamente cuando el nuevo producto alimentario cubre las demandas esperadas es cuando el consumidor se fideliza. Por tanto, cualquier desarrollo de un nuevo producto alimentario supone siempre una tarea creativa. La Investigación y Desarrollo (I+D) de nuevos productos implica una compleja interacción de factores técnicos y comerciales. Desde el punto de vista técnico, la interacción de los ingredientes en la matriz alimentaria; tal es el caso de la investigación y desarrollo de un producto más saludable, o las tecnologías de conservación a emplear para conseguir un producto de elevadas cualidades nutricionales pero a la vez sensorialmente apetecible por los consumidores durante un amplio periodo de vida útil. 3

Por otro lado, desde un punto de vista comercial o de mercado, se debe presentar al

consumidor

nuevos

productos

adaptados

a

sus

gustos

y

a

sus

necesidades. Parámetros que son cambiantes en el tiempo, característicos de cada grupo de población o target al que se dirija el producto o bien adaptados a los tiempos económicos vigentes (tiempos de abundancia económica o tiempos de crisis económica). Desde el punto de vista de la I+Di y I+De, la visión y misión de un ingeniero agroindustrial, está en convertir una problemática, en una oportunidad de negocio, que contribuya en forma sustentable a la sociedad; por ello esta investigación, identifico la problemática del alto consumo de productos lácteos de alto contenido graso, pero de bajo contenido proteico, vitaminico y mineral, tal como lo es la crema láctea y la natilla láctea, como lo reporta la investigación realizada por Miranda (2016). Por otro lado, se detecta deficiencias del ingeniero agroindustrial de la UNELLEZ-VIPI en cuanto a formación de técnicas y tecnologías estadísticas matemáticas con plataformas de modelación y optimización vía simulación, para lo cual esta investigación desea contribuir (Ávila, 2012). Respecto a la nutrición en la era del conocimiento, la EUFIC (2015), ha retomada la antiquísima innovadora “Nutrición personalizada”, surgida en los años 50. La nutrición personalizada en tres niveles: 1. La dieta de la persona exclusivamente, 2. La dieta combinada con el conocimiento sobre el fenotipo de la persona, que son las características medibles, como las mediciones físicas y bioquímicas (por ejemplo, altura, peso o nivel de colesterol), 3. La dieta, el fenotipo y el genotipo, el cual determina la identidad genética hereditaria de una persona, por ejemplo, una variante genética asociada a la ganancia de peso. La dieta personalizada, nutrigenómica o nutrición inteligente, ha trascendido a la era de la información y el conocimiento, en la cual una persona conociendo sus requerimientos personalizados, y disponiendo de un módulo de programación lineal 4

en su casa o en la web (libre o de pago), puede elaborar su formulas personalizadas, en base a ingredientes que posea en su despensa, esto en tiempo real y en pocos minutos. I.1.2. Formulación del problema. Así, ante la necesidad de mejorar productos o ingredientes alimentarios, que en esta investigación se seleccionó el producto alimentario lácteo tradicional de alto consumo, rico en grasa, como son las cremas lácteas y natillas lácteas, que contienen alrededor de 40 % de grasa y, mejorar su valor nutricional, esta investigación se plantea como objetivo enriquecerla con proteínas, vitaminas y minerales, y proponer además alternativas de saborizados; en base a ello se precisó como objeto de estudio, la modelación con técnicas de redes neuronales y optimización vía simulación matemática de la respuesta fisicoquímicas y sensoriales de fórmulas de cremas lácteas artesanales; donde el sujeto de estudio fue el conocimiento que se generó, referido a la respuesta tecnológica y sensorial de las formulaciones artesanales a través de procesos tecnológicos de estadística-matemática. Por su lado, el ámbito de estudio, estuvo referido a “Herramientas Investigación y Desarrollo de Nuevos Productos”; que conlleva a, 1.Procesos tecnológicos en nutrición de diseño, 2) Pruebas senso- físico químicos y 3. Herramientas de captura de datos subyacentes como es la percepción sensorial de aceptación o rechazo de productos alimentarios, 4.Tecnología de optimización estadístico-matemáticos de procesos alimentarios y además, expresar una herramienta para la nutrición personalizada. Por su lado, esta investigación, aprovecho para la formulaciones de cremas lácteas artesanales, información de elaboración de crema de leche comercial, y las ventajas comparativas nutritivas y económicas de productos nativos, así como la contribución en el cuidado de los servicios ambientales, dándole valor agregado a subproductos agroindustriales como son la ricota y el suero láctico, a utilizar en el enriquecimiento proteico y mineral de fórmulas de cremas lácteas artesanales; por ello, esta

5

investigación se planteó responder las siguientes preguntas que se esbozan a continuación. ¿Cuál será el diagnóstico de la respuesta tecnológica de las raciones balanceadas a base de crema láctea, ricota y suero láctico en polvo, permitirá generar datos cualitativos y cuantitativos de fórmulas artesanales estables reológicamente? ¿Cuáles serán las respuestas sensoriales de las raciones balanceadas lácteas artesanales estables reológicamente, podrán medirse con una escala hedónica? ¿Qué respuestas sensoriales y fisicoquímicos de las mezclas lácteas artesanales estables

reológicamente

permitirá

construir

un

metamodelo

matemático

informatizado con ambos tipos de respuesta en forma conjunta? ¿Qué metamodelo senso-fisicoquímico informatizado de las mezclas lácteas artesanales estables reológicamente, permitirá optimizar vía simulación con redes neuronales? I.1.3. Formulación de los objetivos. I.1.3.1. Objetivo general. Sistematizar una herramienta exploratoria de investigación y desarrollo de una ración balanceada, a base de una crema láctea, proteinada y mineralizada con ricota, suero láctico en polvo y/o harina integral de frijol blanco cocida, acidificada con ácido láctico y aderezada con mezclas de ajo y tocineta, para consumo humano. I.1.3.1.1. Objetivos específicos. 1. Diagnosticar la respuesta tecnológica de una ración balanceada a base de una crema láctea, ricota, suero láctico en polvo y/o harina integral de frijol blanco cocido, y generar datos cualitativos y cuantitativos. 2. Evaluar respuestas pH, potencial redox, acidez titulable total y capacidad buffer de las raciones artesanales de consistencia estable. 3. Evaluar respuestas sensoriales de aceptación-rechazo de las raciones artesanales de consistencia estable, aderezadas con sabor a ajo y tocineta. 6

4. Construir un metamodelo informatizado de simulación delas respuestas sensoriales y fisicoquímicas conjuntas, de las raciones artesanales de consistencia estable. 5. Optimizar operativamente las respuestas senso-fisicoquímicas conjuntas, vía simulación y encontrar la ración artesanal de consistencia estable, que maximice la aceptación sensorial humana. I.1.4. Evaluación del problema. Basado en las sugerencias de Hernández, et al. (2010), la importancia de esta investigación, se describe basado en los siguientes criterios. Innovación, se desarrolló un producto, no presente actualmente en Venezuela, además se optimo con redes neuronales. Conveniencia, se desarrolló un producto de fácil elaboración en casa (artesanal) y, conceptualmente se redujo el impacto ambiental. Relevancia social, en primera instancia, se contribuyó a la comunidad investigadora, en el desarrollo de optimización de procesos y productos vía simulación, en forma rápida y económica y; en segundo lugar, se creó un producto de alto valor nutricional. Implicaciones prácticas, se apoyó y dio valor agregado a productos y subproductos de alto potencial deteriorativo de los servicios ambientales. En lo referente al valor teórico, los resultados de esta investigación, permite conocer el comportamiento multifactorial de las variables involucradas en el proceso de elaboración de una formula láctea artesanal. Utilidad metodológica, en la investigación, 1. Se implementó la utilización de redes neuronales en la modelación de procesos alimentarios, 2. Se ejemplifico un procedimiento metodológico en el ajuste de metamodelos para optimización vía de simulación, con redes neuronales y 3. Se introdujo el uso y ejemplificación del manejo de simulador comercial de resolución de sistemas de ecuaciones simultaneas de variabilidad de respuestas de y de calidad de ingredientes alimentarios. Factibilidad de la investigación, esta se aseguró con la logística para obtener los recursos financieros, humanos, materiales y de espacio físico, se gestionaron con base en autofinanciamiento y ayuda económica

7

de terceros y del soporte del programa ciencias del Agro y Mar de la UNELLEZLITA y, de la empresa QUENACA en Yaracal, lo que hiso viable la investigación. En relación a la academia institucional, esta investigación se justificó, ya que está enmarcada en el plan general de investigación de la UNELLEZ 2008-2012 (ahora, “REGLAMENTO DE CREACIÓN INTELECTUAL DE LA UNELLEZ”), dentro del ÁREA INGENIERÍA, ARQUITECTURA Y TECNOLOGÍA:

“Modelado, Optimización y Simulación

de Sistemas” y “Tecnología y procesos industriales”; y de acuerdo a las líneas de investigación definidas, se enmarca en el área de ingeniería, línea “Propiedades físicas y químicas de materiales biológicos”, en “Modelamiento, simulación, optimización y control de procesos bioquímicos. I.1.5. Alcances y limitaciones de los resultados de la investigación. Los resultados de ésta investigación son válidos para los requerimientos nutricionales establecidos en la matriz de diseño de programación lineal, bajo las consideraciones e hipótesis planteadas; sin embargo, la investigación generó datos y resultados que aportan información de amplio alcance y de poca limitación, que son util en: a) Mostrar la aplicabilidad de la programación lineal multiobjetivo en la formulación de raciones balanceadas de costo mínimo, b) Mostrar la utilidad de software en la optimización vía simulación con programación lineal, en la formulación de raciones balanceadas nutracéuticas, para uso humano, c) Crear un producto alimentario humano nutricionalmente balanceado y d) Mostrar la utilidad de software en la optimización vía simulación de la calidad, con redes neuronales y funciones de deseabilidad.

8

CAPÍTULO II II.1. MARCO TEÓRICO. II.1.1. ANTECEDENTES DE LA INVESTIGACIÓN. En lo referente a aspectos de mejoras de formulación de productos lácteos, Miranda (2016), realizo una investigación en la cual incorporó lactosuero y leche descremada en polvo, en un queso crema, lo cual aumentó las propiedades nutricionales y sensoriales. La investigación experimental fue llevada a cabo en el laboratorio de aseguramiento de la calidad de la empresa QUENACA en condiciones controladas, bajo diseño estadístico hípercubo latino (HL), para quince tratamientos, de los cuales el tratamiento optimizado X1: 1,73 gr y X2: 2,96 gr, fue el que más se ajustó fisicoquímicamente a lo establecido en las normas COVENIN 3896:2006 para queso crema; con un de pH: 5,23; humedad: 63%; acidez titulable total: 63,84 ml NaOH 0,1N y grasa 26%. Se efectuaron pruebas sensoriales mediante una escala de preferencia global de apreciación hedónica no estructurada de categorización de 1 al 5 puntos, con 20 panelistas no entrenado obteniendo como mejor resultado, el tratamiento que contenía X1: 1,71 gr, X2: 2,93 gr. La investigación de Miranda (2016), contribuyo significativamente, en el proyecto de investigación propuesta, en cuanto a antecedentes, bases teóricas y metodologías de laboratorio de alimentos y laboratorio informático. Por su lado, Angulo, (2005), estudió el efecto de la incorporación de proteínas séricas, por medio de la adición de lactosuero a la leche, sobre el proceso de elaboración de queso Chanco. Los resultados obtenidos mostraron que a concentraciones de 4 y 6% de lactosuero la acidez del queso aumentó. Sin embargo a concentraciones menores de 4% el tiempo de coagulación del producto no fue diferente a la muestra de control formulada. Concluyó que en una concentración de 2%, no se afectan mayormente las condiciones de proceso ni las características sensoriales del producto, además de la obtención de un rendimiento superior a la muestra control elaborado sin lactosuero. 9

Magariños, et al. (2009), estudió la factibilidad tecnológica y el rendimiento al elaborar queso Ricotta a partir de concentrado proteico de suero (CPS) suplementado con cuatro niveles de leche descremada, 0, 1, 2,5 y 5%, y aplicando dos perfiles de calentamiento, 85 y 95º C; además de comparar a través de factores como: composición química, microbiológicos y sensoriales, el producto final con el testigo elaborado con suero de quesería. Los resultados indicaron que los tratamientos elaborados a 85º C tienen mayores rendimientos y que la temperatura del proceso no influye sobre los atributos sensoriales de los productos. Además, se observó que el producto con 5% de leche descremada y tratado a 85º C presentó mejores características sensoriales para el consumidor. Los resultados obtenidos, se concluye que es factible la elaboración de queso Ricotta a partir de un concentrado proteico de suero. En la tabla 1, se muestra la bromatología básica de la ricota. Tabla 1. Composición química de la Ricotta elaborado a partir de CPS y elaborado a partir de suero de quesería. Componente nutricional

100g

% Cantidad Diaria Orientativa

Valor calórico

174 kcal

8,7 %

Grasas

13,0 g

20,0 %

Grasas saturadas

8,3 g

37,7 %

Grasas monoinsaturadas

3,6 g

12,5 %

Grasas poliinsaturadas

0,4 g

2,6 %

Carbohidratos

3,0 g

1,1 %

Azúcares

0,3 g

0,5 %

Proteínas

11,3 g

15,4 %

Fibra alimentaria

0,0 g

0,0 %

10

Colesterol

51,0 mg

170,0 %

Sodio

< 0,1 g

< 0,1 %

Agua

71,7 g

3,6 %

Vitamina A

0,1 mg

14,6 %

Vitamina B1

< 0,1 mg

1,2 %

Vitamina B2

0,2 mg

13,9 %

Vitamina B3

0,1 mg

0,7 %

Vitamina B5

0,2 mg

3,6 %

Vitamina B6

< 0,1 mg

3,1 %

Vitamina B11

< 0,1 mg

3,0 %

Vitamina B12

< 0,1 mg

13,6 %

Vitamina C

0,0 mg

0,0 %

Vitamina D

< 0,1 mg

4,0 %

Vitamina E

0,1 mg

0,9 %

Vitamina K

< 0,1 mg

1,5 %

Calcio

207,0 mg

20,7 %

Cobre

< 0,1 mg

2,1 %

Hierro

0,4 mg

2,5 %

Magnesio

11,0 mg

3,7 %

Manganeso

< 0,1 mg

0,3 %

11

Fósforo

158,0 mg

22,6 %

Potasio

105,0 mg

5,3 %

Selenio

< 0,1 mg

48,3 %

Cinc

1,2 mg

16,6 %

Fuente: Magariños, et al. (2009). Por otro lado, Gámez y Montesinos (2016), utilizaron con éxito el uso de modelación sensorial de fórmulas de jabón usando redes neuronales con la plataforma Neural Net del programa SAS JMP 8 y optimización operativa de la fórmula del producto, vía simulación, con la plataforma Simulator comercial SAS JMP 8. Palacios (2014), en su trabajo de grado de Maestría en Ingeniería de Alimentos, modeló la influencia de las condiciones de operación de un proceso de cocción por extrusión sobre las características de calidad del producto. Para ello se desarrollaron un conjunto de modelos matemáticos basados en redes neuronales artificiales, útiles para simular procesos alimenticios complejos, en donde existen gran cantidad de relaciones lineales y/o no lineales, y que requerirían un mínimo nivel de simplificaciones y aproximaciones para poder ser modelados mediante modelos teóricos. El estudio se enfocó en la influencia de 3 variables manipulables de operación: el flujo másico de materia prima seca, la velocidad de husillos y la humedad en la mezcla inicial. Las variables de respuesta se separaron en 2 grupos: (i) variables medibles en línea, como la temperatura de boquilla, la presión de boquilla y el torque par del motor del equipo; (ii) variables correspondientes a algunas de las características finales de producto, como propiedades físico-químicas y sensoriales, imposibles de ser obtenidas in situ. Se desarrolló una red neuronal para modelar la influencia de las condiciones de operación sobre las variables de respuesta medibles, obteniendo ajustes óptimos. Para poder modelar con suficiente exactitud el efecto de las condiciones de operación sobre las características finales del producto, se desarrolló una red neuronal para cada característica. El conjunto de redes neuronales

12

modeladas constituyen modelos ajustados con suficiente exactitud para ser aplicados en futuros trabajos de simulación y optimización. Este trabajo de investigación aportó bases teóricas del uso de tecnología de software de redes neuronales en calidad de alimentos. En cuanto a referenciales de programación lineal con software en formulación de raciones balanceadas para uso humano, al respecto, Ani et al. (2000), en su investigación sobre formulación de raciones para un comedor escolar, muestra que abunda la aplicación de la programación lineal entera (PLE) con software en formulación de raciones balanceadas para alimentación animal; por el contrario es muy limitada la aplicación de PLE con software en la elaboración de raciones balanceadas para alimentación humana. En su investigación, aplicó programación lineal con el programa solver, que es un complemento de Excel; obteniendo excelentes resultados. Sin embargo, el autor recomienda usar programas más especializados, que permitan hacer estudios sobre aspectos económicos. Por su lado, DeLand (2014), en su investigación, muestran una diversidad de programas de software de utilidad en programación lineal entera, para formular raciones balanceadas para uso humano, entre ellas, se listan a continuación, DIAL, EQUILIBRA PROFESIONAL, NUTRIMIND, NUTRADO, NUTRIBER, FOOD PROCESSOR, MARSOFT, NUTRIPAC, FUEL GAUGE HUMANOS, CRON-OMETER, NAT, PLANUT, INTELLIGYM, EASYDIET, MARSOFT, entre otros. Estos software son de uso práctico profesional, en planificación, programación, control y seguimiento de menús y dietas de individuos y grupos (sanos y enfermos), genera dietas personalizadas, equilibradas, a la necesidad particular de cada usuario. Algunos, además incluyen aspectos antropométricos y composición corporal, de utilidad en prácticas de entrenamiento físico, que puede aplicarse en enseñanza, investigación y simulación de modelos. Como investigaciones antecedentes de referencia de prácticas del uso de la PLE en formulación de raciones balanceadas, se consultó a Budhaka y Ooraikul, (1984), Tozer (2000), Gutiérrez et al. (2002), Soto y Ortiz (2004), y Rojas (2009); estos 13

antecedentes aunque usan PLE en formulaciones de raciones para animales, contribuyen con información relevante y ejemplarizantes a esta investigación. Estos antecedentes referidos al uso de PLE, aportan a la investigación la determinación de que el método simplex en su programación lineal entera (PLE), los aspectos matemáticos de cálculo no se diferencian de los utilizados en formulación de raciones para animales, en consecuencia, cualquier software con un módulo de PLE, puede utilizarse en formulación de raciones para uso humano. Además, estos antecedentes muestran la utilidad de múltiples software de pagos, que se especializan en dietas para control de peso, tales como: DietMaster 2100, Weighmania pro, Nutrinote, Dietpower, DietOrganizer, Diet Pro, Cook’n, Do-lt, FrenchDiet y Diet Sleuth, entre otros; que utilizan PLE, para formular raciones balanceadas. II.1.2. BASES TEÓRICAS. II.1.2.1. El queso ricota En referencia a la Ricotta o Requesón, Cartier, et al. (2007), muestran la versatilidad de esta, indicando que no es propiamente un queso, pues deriva de un segundo procesamiento del suero lácteo producido como derivado en la elaboración de quesos de pasta blanda como el Mozzarella, Pecorino y Provolone. Por eso se considera un producto lácteo y no un queso como tal.Aunque la Ricotta tenga varias presentaciones la que se consume habitualmente es la fresca, sin corteza. Esta es de color blanco, textura suave y granulosa. Su forma característica marcada en forma de cesta es debido a su elaboración, se coloca en cestas para que tenga forma redonda y drene el exceso de suero lácteo que tenga. Existen diferentes tipos de Ricotta dependiendo de la región de la que provenga y de su tiempo de maduración o de secado. Están: el fresco de vaca o de oveja o de búfala, el seco, el ahumado, el salado, el horneado, romano, piamontese, sarda, moliterno, dulce y siciliana. Esta última en ciertas ocasiones se seca hasta que endurece y puede ser utilizado como queso rallado. 14

La ricota fresca es altamente perecedera por lo que para alagar su tiempo de consumo, pude pasar por varios procesos y algunos tienen cortezas que los ayudan a mantener su frescura. Prensada, salada y puesta a secar se obtiene la ricotta salata, similar a un queso duro.La ricotta affumicatta (ricota ahumada), de color ligeramente pardo y sabor característico. La ricotta infornata, con sal marina y horneada en horno de piedra se produce una corteza marrón rojizo característico de esta. La ricotta scanta, ligeramente amarga, intensa y picante, pasa por un largo proceso de salado y acidificación controlada. La ricotta es muy versátil y pueden elaborarse múltiples productos multizapidos, tanto salados como dulces. II.1.2.2. El subproducto lactosuero Ormeño y Guadalupe (2012), indican que la razón básica del uso del suero láctico en alimentación humana y animal, es que el lactosuero en polvo, es un subproducto de quesería, de alto impacto ambiental, ya que su alto su alto contenido nutricional, genera un alto DBO (30.000 ppm) y DQO (60.000 ppm) que eutrofiza el ambiente; por ello al darle uso se está generando valor agregado y contribución con la contaminación ambiental, haciendo sostenible el proceso de quesería. Respecto a la composición bromatológica proximal del lactosuero, este contiene proteínas de alto valor biológico, es decir, que gran parte de estas proteínas son asimiladas por el organismo. El suero de leche además posee un alto valor nutritivo, es rico en sales minerales, vitaminas y aporta todos los aminoácidos necesarios para el organismo, además de aminoácidos ramificados, lo que favorece la síntesis proteica, la ganancia de masa muscular y evita el catabolismo de los tejidos (pérdida de tejido muscular).Las principales fracciones proteicas y otros elementos que podemos encontrar en este producto, son: Beta-lactoglobulina La Beta-lactoglobulina es la proteína de suero más abundante que componen aproximadamente el 50 a 55% de las proteínas del suero. La beta-lactoglobulina es una excelente fuente de aminoácidos de cadena ramificada (BCAA) y aminoácidos

15

esenciales. Los BCAA ayudan a prevenir la degradación del glucógeno muscular y además repone el glucógeno durante el ejercicio. Además estimula la fijación de vitaminas liposolubles aumentando su biodisponibilidad. Alfa-lactoalbúmina La Alfa-lactoalbúmina es la segunda proteína más abundante encontrada en el suero de la leche, constituyendo aproximadamente 20 a 25% de la proteína de suero. La Alfa-lactoalbúmina tiene un alto contenido de triptófano, un aminoácido esencial, con beneficios potenciales para la producción de serotonina, la regulación del sueño y mejora el estado de ánimo bajo estrés. La alfa-lactoalbúmina también es la principal proteína presente en la leche humana. Provee todos los aminoácidos esenciales y aminoácidos de cadena ramificada (BCAA) y posee una actividad potencial contra el cáncer. Glicomacropéptido (GMP) El Glicomacropétido es un derivado del proceso de fabricación del queso, y constituye un 0 a 15% de la proteína de suero, dependiendo del proceso de concentración / aislado de la proteína de suero. El Glicomacropéptido puede ayudar a controlar e inhibir la formación de placa dental y la caries. Estimula al organismo a producir colecistoquinina, la hormona liberada tras la ingestión de alimentos y que es responsable de la sensación de saciedad. Posee un efecto en la motilidad gastrointestinal y un efecto estimulador de bifidobacterias. Constituye una deseable de proteínas (de forma aislada) para personas con fenilcetonuria causada por la falta de fenilalanina. Inmunoglobulinas Las inmunoglobulinas son proteínas producidas por el sistema inmunológico para luchar contra ciertos antígenos. Las inmunoglobulinas constituyen aproximadamente el 10 a 15% de la proteína de suero. Como resultado de esto, las inmunoglobulinas son a veces conocidos como anticuerpos. Cuando el organismo tiene un nivel bajo de inmunoglobulinas puede tener un riesgo de mayor infección. Albúmina de suero bovino (ASB)

16

La Albúmina del suero es una proteína de gran tamaño con un buen perfil de aminoácidos esenciales. La ASB representa aproximadamente 5 – 10% de la proteína de suero. Lactoferrina La Lactoferrina es una glicoproteína y constituye aproximadamente 1 a 2% de los componentes de proteína de suero. La lactoferrina inhibe el crecimiento de bacterias y hongos, debido a su capacidad para unirse hierro. Lactoperoxidasa La Lactoperoxidasa es una glicoproteína y constituye aproximadamente el 0,5% de la proteína de suero. La lactoperoxidasa es un agente antibacteriano natural. La lisozima es una enzima presente de forma natural en la leche y constituye menos del 0,1% de la proteína de suero. La lisozima tiene propiedades para aumentar la inmunidad. Glutatión El glutatión es el antioxidante más importante del cuerpo, ya que está dentro de cada célula en el cuerpo humano. Los antioxidantes son sustancias que reducen el daño debido al oxígeno, o el daño oxidativo, tales como el daño causado por los radicales libres. Minerales El suero de leche tiene un gran perfíl de minerales, con grandes cantidades de potasio, en una proporción de 3 a 1 respecto al sodio, lo que ayuda a desechar líquidos y toxinas. Posee además una cantidad importante de calcio (en una proporción de un 50% más que en la leche). El calcio es un elemento principal de los huesos. Es imprescindible para llevar a cabo muchas funciones del cuerpo, como la coagulación de la sangre, el funcionamiento de los nervios y músculos. El magnesio interviene en la correcta asimilación del calcio y además participa en el correcto funcionamiento del músculo cardíaco. También contiene fósforo, magnesio, zinc, hierro y cobre, formando todos ellos sales de gran biodisponibilidad para el buen funcionamiento del organismo 17

El fósforo mejora la capacidad de concentración, la memoria y puede fortalecer el sistema nervioso. El zinc, el hierro y el cobre actúan de forma sinérgica como potentes antioxidantes, protegiendo las membranas celulares, mejorando el sistema inmunitario y favoreciendo el proceso digestivo. Vitaminas El suero de leche contiene además cantidades pequeñas pero bastante apreciables de las vitaminas A, C, D, E y del complejo B, así como ácido orótico, que es imprescindible para la absorción de minerales como el calcio, fósforo, etc., y ácido láctico que puede mejorar el proceso de respiración celular. La vitamina A es muy importante en los procesos inmunitarios, mantiene el funcionamiento y crecimiento celular, mantiene la integridad de la piel, mucosas y epitelios además ayuda en la función de la vista. La vitamina D tiene una función importante en la absorción de calcio y fósforo y es imprescindible para mantener para los huesos y dientes sanos. La vitamina E posee un papel esencial en la prevención de daños a las estructuras tales como las membranas celulares. La vitamina C es un gran antioxidante que refuerza el sistema inmunitario, es esencial para la estructura correcta y el mantenimiento de los vasos sanguíneos, cartílagos, músculos y huesos. El suero de leche contiene además cantidades significativas de muchas de las vitaminas del complejo B, y es especialmente rica en vitamina B12. La vitamina B 12 es muy importante para mantener la salud de los nervios y las células rojas de la sangre, tiene un papel importante en la producción de energía y en la división de las células. La Composición de lactosuero dulce y ácido (Panesar et al., 2007), Componente [Lactosuero dulce (g/L),

Lactosuero ácido (g/L)], respectivamente: Sólidos totales

(63,0- 70,0; 46,0- 52,0), Lactosa (6,0- 10,0; 0,4- 0,6), Proteína (1,0- 3,0; 2,0 1,1), Calcio (63,0-70,0; 44,0- 46,0), Fosfatos (6,0- 8,0; 1,2- 1,6), Lactato (2,0; 4,5) y Cloruros (6,4 ;1,1). 18

El contenido en vitaminas del lactosuero (Linden y Lorient, 1996), Vitaminas, [Concentración(mg/ml) yNecesidades diarias(mg)], respectivamente: Tiamina (0,38; 1,5), Riboflavina (1,2; 1,5), Acido nicotínico (0,85; 10-20), Ácido pantoténico (3,4; 10), Piridoxina (0,42; 1,5), Cobalamina (0,03; 2) y Ácido ascórbico (2,2; 10-75) La composición en aminoácidos esenciales (g/100 g de proteína) (Linden y Lorient,

1996),

Lactosuero,

Huevo,

Equilibrio,

recomendadopor

la

FAO,

respectivamente: Treonina (6,2; 4,9; 3,5), Cisteína (1,0; 2,8; 2,6), Metionina (2,0; 3,4; 2,6), Valina (6,0; 6,4; 4,8), Leucina (9,5; 8,5; 7,0), Isoleucina (5,9; 5,2; 4,2), Fenilalanina (3,6; 5,2; 7,3), Lisina (9,0; 6,2; 5,1), Histidina (1,8; 2,6; 1,7) y Triptófano (1,5; 1,6; 1,1). En lo que se refiere a las propiedades funcionales del lactosuero, Las proteínas de lactosuero son usadas ampliamente en una variedad de alimentos, debido a sus propiedades gelificantes y emulsificantes, siendo la β-lactoglobulina el principal agente gelificante (Akhtar y Dickinson, 2007; Spahn et al., 2008). Los geles de proteína de lactosuero pueden ser usados como hidrogeles de pH-sensitivos, el cual puede ser definido como red tridimensional que muestra la habilidad de hincharse en agua y retiene una fracción significante de agua dentro de esta estructura (Gunasekaran et al., 2006). Estas proteínas han favorecido propiedades funcionales como solubilidad, (Ibrahim et al., 2005), la emulsificación, retención de agua/grasa, espumado, espesantes y propiedades de gelificación, además, que hacen del producto un interesante ingrediente alimenticio (González et al., 2002), estas propiedades se pueden observar en la Tabla 4 donde se describen las propiedades funcionales del lactosuero comparadas con las de la leche. Las proteínas de este subproducto de la industria quesera desempeñan un importante papel nutritivo como una rica y balanceada fuente de aminoácidos esenciales~26% (Ha y Zemel, 2003; Ibrahim et al., 2005), además, son de alto valor biológico (por su contenido en leucina, triptófano, lisina y aminoácidos azufrados), tienen una calidad igual a las del huevo y no son deficientes en ningún aminoácido, encontrándose que la leucina y lisina son los aminoácidos que se encuentran en 19

mayor cantidad, además, parecen ejercer determinados efectos biológicos y fisiológicos, in vivo, potenciando la respuesta inmune, tanto humoral como celular (Baro et al, 2001). En lo que se refiere al lactosuero y sus implicancias medioambientales, los sueros lácteos se definen como la fracción de la leche, de cualquier especie, que no precipita por la acción del cuajo o por los ácidos, durante el proceso de elaboración de quesos. Constituye el 90% de la leche líquida y contiene compuestos hidrosolubles. En esta solución se encuentran proteínas solubles, lactosa, vitaminas y sales minerales. El suero es una de las mayores reservas de proteínas alimentarias que apenas se están incorporando a los canales de consumo humano. El lactosuero es una sustancia de alto valor nutritivo, caro de procesar, y muy contaminante al ser vertido al ambiente (cuerpos de agua y suelo), generando un alto y violento DBO. La mala gestión del suero trae asociado un alto impacto medioambiental. En el caso de las industrias lácteas la contaminación se caracteriza por ser de tipo orgánica y biodegradable con una generación de efluentes líquidos que tienen una rápida tendencia a la fermentación por la conversión de lactosa a ácido láctico (Beldoménico et al., 1992). Este proceso de biodegradación se asocia directamente con la cantidad de leche o suero que va a parar al efluente por lo que el control de los procesos y el aprovechamiento de subproductos es el primer paso tendiente a mejorar la calidad medioambiental (FEPALE, 2008; Cartier, et al., 2007). A modo de ejemplo una industria quesera que produzca diariamente 1.000 litros de suero sin depurar estaría produciendo una contaminación diaria similar a una población de 3.125 habitantes. El gran contenido de nutrientes del lactosuero, genera aproximadamente 3,5 kg de demanda biológica de oxígeno (DBO) y 6,8 kg de demanda química de oxígeno (DQO) por cada 100 kg de lactosuero líquido (Muñi et al., 2005), siendo la lactosa, el principal componente de sólidos que contribuye a la alta DBO y DQO (Ghaly y Kamal, 2004; Mukhopadhyay et al., 2005; Koutinas et al., 2009; Almeida et al., 2009).

20

Otros investigadores reportan que la transformación de 100.000 litros de leche/día en quesos genera una contaminación equivalente a una población de 55.000 a 65.000 habitantes (Berruga, 1999; Riquelme, 2010). Las investigaciones citadas anteriormente, contribuyeron en promoción y elaboración de la investigación propuesta para este proyecto de Trabajo de Grado en Ingeniería Agroindustrial, ya que demuestran la importancia del aprovechamiento del suero láctico, tanto para uso humano y/o animal, como por el impacto ambiental que produce. En cuanto a herramientas y fases para el I+D de un nuevo producto alimenticio, Cóccaro (2010) Y AINIA Centro Tecnológico (2016), recomiendan establecer una metodología de trabajo en la que se incorporen todas las posibles variables a tener en cuenta en este proceso creativo y que permite transformar la idea de producto en una realidad tecnológica de producto. Para ello se recomienda las siguientes etapas (figura 1, siguiente):

Figura 1.Etapas básicas de una I+D.

21

La conceptualización de un nuevo producto junto con un análisis de las tendencias de mercado e innovación de productos presentes ya en el mercado. Este análisis ayuda a diseñar y acotar con mayores garantías de éxito las principales características que debe tener dicho producto y de los ingredientes a emplear, packaging, posicionamiento en lineal, precio, entre otros como aspectos de apariencia, color, olor, sabor y textura demandados por la sociedad vigente, unidos a aspectos de practicidad y comodidad para ser consumido “on the go” y adicionalmente formularlo con ingredientes y aditivos que afecten la salud, así como elaborarlo en forma sustentable ecológicamente. Previamente al desarrollo experimental, se debe abordar todos los estudios previos necesarios, como es el encuadre científico-técnico y legal, identificación de nuevos ingredientes y materiales de envasado, definición de la vida útil requerida, tecnología de conservación a emplear, entre otros aspectos. La fase de los ensayos de formulación y proceso con las materias primas, ingredientes y tratamientos de elaboración y conservación definidos anteriormente que conducen a la generación de diferentes prototipos de producto. En estos ensayos se evalúa por ejemplo la influencia de diferentes factores en las características optímales del nuevo producto; incluyendo el estudio de la seguridad alimentaria es un requisito indispensable que nos exige realizar estudios de conservación del alimento para conocer su vida útil durante el cual el nuevo producto mantiene sus características de calidad sensorial y la seguridad y estabilidad microbiológica. La fase de la validación sensorial con consumidores es la etapa del proceso que permite medir de la forma más objetiva posible el resultado del I+D. Aunque existen técnicas instrumentales para evaluar la textura o incluso el aroma, el empleo de los sentidos en las catas de alimentos, es la herramienta más potente que se dispone para dilucidar la aceptación y preferencia de un producto y conocer sus puntos fuertes/puntos débiles. En las distintas fases del proceso creativo, Cóccaro (2016) y AINIA Centro Tecnológica (2016), indican que debe participar un equipo técnico multidisciplinar y transdisciplinar, supone por tanto mayores garantías de éxito en la comercialización 22

en el mercado de un nuevo producto, atractivo para el consumidor, y que cubra la funcionalidad de la idea con la que se concibió; sin embargo, el I+D, no termina allí, debe continuar con una intervención post venta de la curva de vida del producto. II.1.2.3. La crema de leche comercial para consumo directo humano. La crema de leche industrial destinada para elaboración de crema de leche para consumo directo humano, deberá cumplir con los requisitos establecidos en la Norma venezolana COVENIN 677. “Es el producto lácteo cuyo contenido graso deberá ser no menor de 18 %, separado de la leche por reposo, centrifugación o cualquier otro procedimiento físico, aprobado por la autoridad sanitaria competente”. Los ingredientes normados para la preparación de la Crema de leche para consumo directo humano, deberá ser preparada con: Crema de leche para consumo directo, Covenin 3046-93, leche descremada, leche en polvo completa y descremada reconstituida; las cuales se podrán utilizar para la estandarización del contenido de grasa del producto final. La crema láctea para consumo directo humano, se edulcora con sacarosa, glucosa y dextrina, así como podrá ser saborizada (vainilla, vainillina, etil vainilla, vegetales, entre otros) y coloreada (≤ 300 mg/Kg). Igualmente podrá ser acidificada con ácido láctico o cítrico (≥ 0,5 %). Estabilizantes (Carboximetil celulosa, Sales de sodio, Potasio y Calcio, Carragenatos y Alginatos). La crema láctea para consumo directo debe presentar reacción negativa a la fosfatas y a los esteroles (fitosteroles) y cumplir con la Norma Venezolana COVENIN 2278, referido a su microbiología. Delahaye, Rojas y Salinas (2008), encontraron que las cremas de leche para consumo directo en Venezuela, son de muy variada calidad, que contienen alto contenido de ácidos grasos saturados, donde los de mayor proporción fueron el esteárico, palmítico y laurico, considerándose indispensable esta información para el control de calidad del producto a nivel de la planta industrial.

23

II.1.2.4. Las leguminosas en la nutrición Las leguminosas son frutos vegetales estás dispuestos en hileras dentro de vainas (lentejas, arvejas, habas, porotos, garbanzos, soja, maní, entre muchos otros). Contiene aproximadamente dos veces más proteínas que los cereales, en una porción y aproximadamente la mitad de las proteínas de la carne magra (Marrugo, 2011). Se consumen secas y cocidas, previa hidratación, para mejorar su digestibilidad. Se refiere también

a un conjunto de especies pertenecientes a la familia de las

Papilionáceas, cuya principal utilidad agrícola es el empleo de sus semillas en la alimentación animal y humana, debido principalmente a su alto contenido en proteínas. Las leguminosas son consideradas fuente de proteína por su contenido proteico, superior al 20%, 50% a 70% de carbohidratos, 8 % de fibra y aproximadamente un 153% de sustancias minerales, en general su proteína es rica en lisina y pobre en aminoácidos azufrados (metionina y cisteína). (Marrugo, 2010). Este tipo de alimento es uno de los más cosmopolitas dentro de la alimentación humana, ya que han formado parte de la dietas de durante miles de años. La combinación de leguminosas y cereales da un muy buen balance de aminoácidos esenciales que paradójicamente se ha efectuado empíricamente durante siglos en muy diversas partes del mundo proveyendo de proteínas de buena calidad para evitar desnutrición infantil (Fraile et al, 2007). En Venezuela se han generado tecnologías para el uso de harinas de frijol, fermentadas y cocidas, para la elaboración de alimentos viscosos tales como sopas, salsas, masas y productos horneados; también en productos emulsionados como mayonesas, salsas, postres congelados y embutidos, así como en productos fritos como las empanadas, croquetas y donas. Al igual que otras leguminosas de grano comestible, las semillas contienen factores antinutricionales que se eliminan con el remojo en agua y la cocción (Granito, et al., 2010).

24

En la tabla 2 y 3, se muestra un comparativo de valores nutricionales de algunos ingredientes de interés para la investigación. Tabla 2. Comparativo nutricional de trigo, frijol Bayo, maíz amarillo y pulpa de yuca.

g

0,727

0,487

1,759

0.003

mg

0

0

0

0

Unidad g kcal g g g g g mg mg mg mg mg mg mg mg mg mg mg mg µg µg µg IU mg µg IU µg g g

Harinas/valor nutricional proximal/(100 g) Trigo Frijol Maíz Yuca panadería Bayo Amarillo pulpa Integral integral 13,36 10,06 10,91 10.99 361 350 361 354 11,98 20,96 7,38 0.19 1,66 1,13 4,86 0.02 72,53 64,19 76,85 88.69 2,4 12,7 73 0.9 0,31 2,14 0,64 3.35 15 130 7 20 0,90 6,77 3,38 1.58 25 182 93 1 97 415 272 7 100 1464 315 11 2 8 5 1 0,85 2,55 2,08 0.12 0 0 0 0.0 0,08 0,772 0,246 0.004 0,06 0,192 0,080 0.000 1.000,0 1.892,0 1.900 0.000 0,037 0,527 0,37 0.008 33 463 25 4 0 0 0 0.00 0 0 11 0 2 0 214 0 0,40 0,21 0,42 0.00 0 0 0 0.0 0 0 0 0 0,3 5,7 0,3 0.0 0,244 0,292 0,543 0.005 0,140 0,098 1,018 0.005

Nutriente Agua Energía Proteína Lípidos total Carbohidrato Fibra total dietaría Azúcar Calcio Hierro Magnesio Fosforo Potasio Sodio Zinc Vitamina C Tiamina Riboflavina Niacina Vitamina B-6 Folato Vitamina B-12 Vitamina A, RAE Vitamina A, IU Vitamina E (alfa-tocoferol) Vitamina D (D2 + D3) Vitamina D Vitamina K (filloquinone) Ácidos grasos total, saturados Ácidos grasos total, monoinsat:Omega 9 Ácidos grasos total, poliinsat: Omega 3 y 6 Colesterol

Fuente: Base de datos de nutrientes de USDA (2014).

25

Tabla 3. Comparativo de aminoácidos en Trigo, Maíz, Yuca y Frijol Nutriente Ácido aspártico Ácido glutámico Alanina Arginina Cistina Fenilalanina Glicina Histidina Isoleucina Leucina Lisina Metionina Prolina Serina Tirosina Treonina Triptófano Valina

Cantidad mg/100 gramos de producto. 8 a 11 % de humedad HT HMA HY HF %prot. %prot. %prot. %prot. 13,36 10,06 11 10,99 398 594 ----3318 1602 ----303 638 ----347 425 --1.257 208 154 1,9 -467 419 7,79 1.154 398 350 ----181 260 3,99 627 372 306 5,32 927 702 1047 7,6 1685 191 240 7,79 1593 147 179 1,9 234 1221 745 ----502 705 ----286 357 ----277 362 4,94 878 104 60 2,28 223 416 433 6,27 1.016

Fuente: Base de datos de nutrientes de USDA (2014), Naves, et al. (2011). II.1.2.5. Análisis sensorial de alimentos. A pesar de que la tecnología genera una matriz alimentaria muy nutritiva, ésta debe en lo posible tener una excelente aceptabilidad hedónica gustativa, por ello, la evaluación sensorial de los alimentos, la cual se ha definido como una disciplina científica usada para medir, analizar e interpretar las reacciones percibidas por los sentidos de las personas hacia ciertas características de un alimento cómo son; apariencia general, apariencia color, textura, olor y sabor, por lo que el resultado de este complejo de sensaciones captadas e interpretadas son usadas para medir la calidad de los alimentos (Rodríguez (2013)). Dentro de las principales características sensoriales de los alimentos se destacan, el olor, captado por el sentido del olfato, ocasionado por las sustancias volátiles 26

liberadas del producto; el color, percibido por el sentido de la vista, correspondiente a la luz reflejada por la superficie del alimento; el gusto, percibido por las papilas gustativas residentes en la lengua, las cuales se encargan de detectar según su ubicación, sabores amargos, dulces, salados y ácidos. (Ramírez, 2012). En referencia a la evaluación sensorial, García (2016), indica que esta se trata del análisis normalizado de productos, generalmente de uso humano, tales como alimentos, cosméticos, espirituosos, medicinales, entre otros, que se realiza con los órganos de los sentidos; útiles en el control de calidad, en la comparación de un nuevo producto o de la variabilidad de los ya estandarizados. Los resultados de los análisis se utilizan para publicidad y el empacado, para hacerlos más atractivos a los consumidores. No existe unanimidad en cuanto al número de sentidos que posee el ser humano, la literatura indica que se tienen cinco sentidos, es decir gusto, olfato, vista, oído y somatosensorial (dolor, tacto, frío y calor). Correlaciones de las percepciones de los órganos de los sentidos Las sensaciones percibidas por los órganos de los sentidos son trasmitidas, elaboradas e interpretadas por el cerebro que las relaciona unas con otras asociándolas. De esta manera se ejerce una mutua influencia que puede llegar a aumentar o disminuir la sensibilidad que los sentidos tienen a estímulos exteriores; por ello, las sensaciones son realmente multidiversas y multivaraiada, por lo que deben medirse y estudiarse en forma multivariada. La literatura reporta las siguientes relaciones causales, Relaciones gusto olfato, Relaciones gusto tacto, Relaciones vista gusto, Relaciones olfato vista, Relaciones vista oído, Relación gusto oído /olfato oído y Relación gusto olfato. Sin embargo pueden llegar a existir relaciones de orden superior; por ejemplo los sabores están íntimamente relacionados con las características gustativas de las sustancias, pero en cambio los olores se pueden relacionar con otros ya conocidos y producir sensaciones distintas a las ya conocidas. La influencia de la interacción gusto-olfato ha permitido detectar que catadores con los ojos cerrados y la nariz tapada, puede ser incapaz de 27

distinguir sabores tan diferentes como una manzana y una cebolla; esto demuestra que en la determinación del sabor, las partículas olfativas por vía retronasal es muy importante. Igualmente, la experiencia del aumento de secreción salival ocasionada por una sensación olfato gustativa no es general y universal sino que contribuye a modificar la sensación del estímulo, ya que depende la velocidad, viscosidad y composición química de la saliva segregada. Relación gusto-tacto. En la lengua existen numerosas terminales nerviosas que producen sensaciones táctiles y térmicas, además gustativas. Los niveles de detección de azúcar sal, cafeína y ácido tartárico son más cuando se presentan en forma de gel siguiendo el orden de sensibilidad de forma espumosa (mousse) y luego el líquido. Relación vista-gusto. El color llega a ser tan sugestivo que puede confundir el gusto y hay que pensar en ciertos alimentos y bebidas para asociar color con sabor. Pero esta influencia no es generalizable y unos sabores son más influenciables que otros aun en el mismo individuo o grupo. Relación olfato-vista. La luz blanca y la intensidad aumentan la sensibilidad de los sabores y los gustos. Relación vista-oído. La modificación auditiva de las sensaciones luminosas es función de la longitud de onda de la luz. La estimulación auditiva: aumenta la sensibilidad a la luz. La estimulación luminosa: aumenta la sensibilidad auditiva. Relación gusto-oído u olfato-oído. Es una de las más difíciles de establecer, algunos trabajos que relaciona la sensibilidad química de los sentidos con el sonido, sin embargo el efecto sonoro de los alimentos crujientes y todos los aspectos sonoros previos y posteriores a la degustación son fácil y rápidamente asociados a la percepción y deben considerarse como constituyentes de una sensación compleja. Proceso fisiológico de recepción y reconocimiento de sensaciones y estímulos (PFRSE). El PFRSE que se produce a través de los órganos de los sentidos, la vista, el oído, el olfato, el gusto, y el tacto, o la situación de su propio cuerpo. El sistema sensitivo

28

del ser humano es una gran herramienta para el control de calidad de los productos de diversas industrias. En la industria alimentaria los órganos de los sentidos son elementos idóneos para determinar el color, olor, aroma, gusto, sabor y la textura quienes aportan la calidad de un alimento. El olor Es la percepción desde el exterior por medio de la nariz de sustancias volátiles liberadas en los alimentos; dicha propiedad en la mayoría de las sustancias olorosas es diferente para cada una. En la evaluación de olor es muy importante que no haya contaminación con olor desagradable. Esta variable debe ser medida de los vapores y gases contenidos en el espacio de cabeza en recipientes herméticamente cerrados, que contengan el producto. El aroma El aroma es la percepción desde el interior de la boca, al morder el producto. Las sustancias olorosas y aromáticas del alimento después de haberse puesto en la boca y mordido, las sustancias se disuelven en la mucosa del paladar y la faringe, llegando a través del eustaquio a los centros sensores del olfato. El aroma es el principal componente del sabor de los alimentos. Debe descartarse el uso de tabaco, drogas o alimentos picantes y/o muy condimentados, ya que insensibilizan la boca y por ende la detección de aromas y sabores, Además no se debe usar perfumes. El gusto El gusto lo define el sabor básico de un alimento, que puede ser ácido, dulce, salado, amargo, o bien puede haber una combinación de dos o más de estos. Esta propiedad es detectada por la lengua. Hay personas que pueden percibir con mucha agudeza un determinado gusto, pero para otros su percepción es pobre o nula; por lo cual es necesario determinar que sabores básicos puede detectar cada juez para poder participar en la prueba. El sabor Esta propiedad de los alimentos es muy compleja, ya que combina tres propiedades, olor, aroma, y gusto; por lo tanto su medición y apreciación son más complejas que las de cada propiedad por separado. El sabor es lo que diferencia un 29

alimento de otro, ya que si se prueba un alimento con los ojos cerrados y la nariz tapada, solamente se podrá juzgar si es dulce, salado, amargo o ácido. En cambio, en cuanto se perciba el olor, se podrá decir de qué alimento se trata. El sabor es una propiedad química, ya que involucra la detección de estímulos disueltos en agua aceite o saliva por las papilas gustativas, localizadas en la superficie de la lengua, así como en la mucosa del paladar y el área de la garganta. Estas papilas se dividen en 4 grupos, cada uno sensible a los cuatro sabores o gustos. Papilasiformes. Localizadas en la punta de la lengua sensible al sabor dulce. Fungiformes. Localizada en los laterales inferiores de la lengua, detectan el sabor salado. Coraliformes. Localizadas en los laterales posteriores de la lengua, sensible al sabor ácido. Caliciformes. Localizadas en la parte posterior de la cavidad bucal detectan sabor amargo. En la evaluación de sabor, la lengua del juez evaluador debe estar en buenas condiciones, además que no tenga problemas con su nariz y garganta. La textura Es la propiedad sensorial apreciada por los sentidos del tacto o la dentadura, sin embargo la vista y el oído, pueden detectar características de textura, por ejemplo cuando el alimento sufre una deformación. La textura no puede ser percibida si el alimento no ha sido deformado; es decir, por medio del tacto podemos decir, por ejemplo si el alimento está duro o blando al hacer presión sobre él. Al morderse un producto, más atributos de textura empezarán a manifestarse como el crujido, detectado por el oído, el contacto de la parte interna con las mejillas, así como con la lengua, las encías y el paladar nos permitirá determinar características de textura como la fibrosidad, granulosidad, entre otros. Tipos de análisis sensorial Análisis sensorial descriptivo Un grupo de degustadores realiza de forma discriminada una descripción de las propiedades sensoriales (parte cualitativa) y su medición (parte cuantitativa). Se entrena a los evaluadores durante seis a ocho sesiones en el que se intenta elaborar un

30

conjunto de diez a quince adjetivos y nombres con los que se denominan a las sensaciones. Se suelen emplear unas diez personas entrenadas por evaluación. Análisis sensorial discriminativo Se emplea en la industria para saber si hay diferencias entre dos productos, el entrenamiento de los evaluadores es más rápido que en el análisis descriptivo. Se emplean un mínimo de 32 personas. Generalmente se segrega por grupos, etarios o étnicos. Análisis sensorial del consumidor Se suele denominar también prueba hedónica y se trata de evaluar si el producto agrada o no, en este caso trata de evaluadores no entrenados, las pruebas deben ser lo más espontáneas posibles. Para obtener una respuesta estadística aceptable se hace una consulta diagnostica para estimar la variabilidad de aceptabilidad, utilizando medias robustas y estimar con esta muestra piloto el número necesario de personas a encuestar, utilizando un método estadístico multivariado. II.1.2.6. Referenciales construidos de composición proximal de ingredientes potenciales en formulación de raciones balanceadas para uso humano. En la tabla 4 y 5, se muestran valores nutritivos referenciales construidos, de los ingredientes potenciales en la formulación de las raciones para uso humano: Huevo de gallina (HGal), Carne semimagra de cerdo (CCerd), Carne de pescado (Cpes), Carne magra de pollo (CPoll), Carne magra de res (CRes), Levadura de cerveza (LCerv), Lactosuero en polvo (LPolv), Harinas: trigo (HT), frijol bayo (HF), maíz amarillo (HMA) y raíz de yuca (HY); completados y adaptados de datos de Naves, et al. (2009), USDA (2014), UNED (2016) y USDANAL (2016).

31

Unid. g kcal g g g g mg mg mg mg mg mg mg mg mg mg mg mg mg mg mg mg µg µg µg IU mg µg µg mg mg mg mg

Harinas/valor nutricional proximal/(100 g) CRes LCerv LPolv HT HF 75,4 34 4,4 13,36 10,06 120 334,8 276 361 350 19 35 11 11,98 20,96 6 5 1 1,66 1,13 1 11,8 75 72,53 64,19 24 2,4 12,7

HGal 74,5 164,20 12,9 12,68 0,7 0 2700 56 2,1 10

CCerd 66 300 17 27 1

CPes 83,3 190 20 5

CPoll 70,50 166 20 9,6

9 2,3 18

75 2,5 20

13 1 19

9 1,8 20

86 3,7 180

116 147 144 2

175 291 74 2,7

250 350 130 0,5

33 262 83 1

350 61 4,3

959 1700 276 2,10

0,66 0,51 3,38 1,4 0,12

0,92 0,21 7,25

0,4 0,5 7

0,08 0,15 11,7

0,07 0,24 9,5

0,39

0,32

0,5

0,32

44 2,10 225

4 0,56

2

12 0,40

10 2

5000

39 60

1 20

9000

0,1

1,32 0,77 2,17

2,61g 3,15g 2,37g 99

9,70 4,30 37 3,5 3,30 150pig 1010 0,50

341 0,8 100 4,9 1,1 2242 741 0,28

450 1,8

1pig 1pig

3,3g 4,68g 1,33g 410g

6,99g 7,76g 1,23g 70g

32

1,74g 1,87g 0,23g 59mg

40

1,5

HY 10.99 354 0.19 0.02 88.69 0.9 20 1.58 1 7 11 1 0.12 0.0 0.004 0.000 0.000

15 0,90 25

130 6,77 182

97 100 2 0,85 0 0,08 0,06 1.000,0

415 1464 8 2,55 0 0,772 0,192 1.892,0

7 3,38 93 4000 272 315 5 2,08 0 0,246 0,080 1.900

0,037

0,527

0,37

0.008

33 0 0 0 2 0,40 0 0,3 0,244 0,140 0,727 0

463 0 0 0 0 0,21 0 5,7 0,292 0,098 0,487 0

25 0 0 11 214 0,42 0 0,3 0,543 1,018 1,759 0

4 0 0.00 0 0 0.00 0.0 0.0 0.005 0.005 0.003 0

0,036

182 1

HMA 10,91 361 7,38 4,86 76,85 73

0,51 0,026 0,04

Fuente: Naves, et al. (2009), USDA (2014), UNED (2016) y USDANAL (2016).

Tabla 4. Referenciales de valor nutricional proximal construido para la investigación

Nutriente Agua Energía Proteína Lípidos total Carbohidratos Fibra Lecitina Calcio Hierro Magnesio Manganeso Fosforo Potasio Sodio Zinc Vitamina C Tiamina B1 Riboflavina B2 Niacina B3 Acid. Pantotenico B5 Piridoxna B-6 Biotina B7 Folato B9 Cobalamina B-12 Colina Vitamina A, RAE Vitamina A, IU Vitamina E Vitamina D Vitamina K ) Ácidos grasos saturados Ácidos grasos monoinsat. Ácidos grasos poliinsat. Colesterol

II.1.2.7. Referenciales construidos de composición proximal de aminoácidos de ingredientes potenciales en formulación de raciones balanceadas para uso humano. En el cuadro 5, se muestran valores nutritivos referenciales, respecto a la composición de aminoácidos; construidos para la investigación. Tabla 5. Valor nutricional comparativo de aminoácidos.

HGal CCerd CPesc

CPoll

Cantidad mg/100 gramos de producto. 8 a 11 % de humedad CRes LCerv LPolv HT

12,9 17,5 1239 1664

17 1637

20 1957

19 1701

27,8 2780

11 140,8

1536 2676

2386

3181

2798

4865

245,3

755 755 263 679 450 280 789 1069 755 382 500 976 501 602 195 950

967 956 172 624 767 470 737 1299 1468 473 565 652 539 700 179 823

1241 1198 258 784 1207 523 1112 1534 1759 551 905 793 793 870 241 1017

1123 1177 208 727 1015 637 837 1471 1549 482 822 712 625 813 258 905

2557,6 1445,6 139 1278,8 1390 806,2 1445,6 2029,4 2307,4 583,8 1167,6 1723,6 973 1501,2 389,2 1445,6

63,8 286 110 396 26,4 198 649 1045 990 220 93,5 72,6 297 682 165 660

Nutriente

Proteína Ácido aspártico Ácido glutámico Alanina Arginina Cisteína Fenilalanina Glicina Histidina Isoleucina Leucina Lisina Metionina Prolina Serina Tirosina Treonina Triptófano Valina

1055 1046 205 669 977 677 866 1321 1509 488 823 763 712 857 205 977

13,6

HMA HY

HF

10,06 11 10,99

398

594

---

---

3318

1602 ---

---

303 347 208 467 398 181 372 702 191 147 1221 502 286 277 104 416

638 425 154 419 350 260 306 1047 240 179 745 705 357 362 60 433

----1,9 7,79 --3,99 5,32 7,6 7,79 1,9 ------4,94 2,28 6,27

--1.257 -1.154 --627 927 1685 1593 234 ------878 223 1.016

Fuente: Naves, et al. (2009), USDA (2014), UNED (2016) y USDANAL (2016). II.1.2.8. Optimización con simulación vía programación lineal en la formulación de raciones. Para la optimización vía simulación, usando programación lineal, se disponen de múltiples paquetes de software especializados para modelar por computadora, que 33

permite realizar optimización vía simulación, sin esfuerzo, simple e interactivo, que han utilizado para resolver problemas de investigación de Operaciones, como el MSS (mathematical Science System), STROM, QSB (Quantitative System Business), TORA (que acompaña al libro de Investigación de Operaciones de Hamdy Taha), Mathematical Programming y Probabilistic Programming (que acompañaba al libro de Introducción a la Investigación de Operaciones de Hillier y Lieberman), Lindo, Lingo, MathWorks y Solver (un complemeto de excel), entre muchos otros. En el área de formulación de raciones balanceadas para animal, que traen incorporado información nutricional de ingredientes de uso animal, están DAPP N-utrition, ProMixer, Feedsoft Professional, AEZO agrosis, z mix, ZLact, mixit2, her-mix balanceo, Calculador de Nutrientes para caballos (PALM), PCDAIRY, Zootec, UFFDA, Sizirac, CLI-Win, entre muchos otros; además, se recomienda consultar la página

web http://www.produccion-animal.com.ar/software/00-software.htm,

un

Repositorio Digital de Acceso Abierto, que posee información sobre software agropecuario, simulación y gestión, para el área agropecuaria. Respecto a programas específicos para raciones nutricionales para humanos, se detectan algunos de utilidad, Nutriber, Cron-o-meter, Egdiet, Bysoft-bmi-calculator, Tariner-one, Dietpower, Frenchdiet, Dietética profesional, Nutrisis y Hcm-adelgazar, entre otros; sin embargo, estos están referidos a la formulación de dietas para el control de peso y para personas en entrenamiento deportivo. Los software precitados, requieren para hacer simulación, modelos matemáticos, que expresen las exigencias y restricciones, como técnica numérica para luego conducir experimentos en una computadora digital (experimentación determinista), utilizando el conjunto de modelos (metamodelo o modelo de simulación); el artificio es, ir introduciendo o sacando variables independientes (ingredientes) hasta que se encuentren los valores de las repuestas de calidad deseadas, en forma simultánea; este proceso se denomina optimización vía simulación; de tal manera que los software especializados disponen de un módulo “simulador”, que es capaz de resolver en forma simultánea un sistema de ecuaciones (inecuaciones) que, permite así, simular 34

condiciones de calidad deseadas (ración balanceada requerida). En el proceso de simulación con programación lineal, una vez construido el metamodelo, se va introduciendo o sacando las variables de interés o sea los ingredientes disponibles o que puedan utilizarse. II.1.2.9. El módulo de programación lineal entera del Software WinQsb. Yih-long (2003), creador del programa WinQsb, el cual es un software fundamentalmente matemático, estructurado en un sistema interactivo de ayuda en la resolución de sistemas de ecuaciones complejas y optimización vía simulación, útil en la toma de decisiones que contiene herramientas muy eficientes para resolver distintos tipos de problemas en el campo de la investigación operativa. El sistema está formado por distintos módulos, uno para cada tipo de modelo o problema. Entre ellos: 1. Linear programming (LP) and integer linear programming (ILP): este módulo incluye los programas necesarios para resolver el problema de programación lineal gráficamente o utilizando el algoritmo del Simplex; también permite resolver los problemas de programación lineal entera utilizando el procedimiento de Ramificación y Acotación (Branch&Bound). 2. Linear goal programming (GP) and integer linear goal programming (IGP): resuelve modelos de programación multiobjetivo con restricciones lineales. 3. Quadratic programming (QP) and integer quadratic programming (IQP): resuelve el problema de programación cuadrática, es decir, problemas con función objetivo cuadrática y restricciones lineales. Utiliza un método Simplex adaptado. Los modelos de IQP los resuelve utilizando algoritmos de ramificación y acotación. 4. Network modeling (NET): incluye programas específicos para resolver el problema del transbordo, el problema del transporte, el de asignación, el problema del camino más corto, flujo máximo, árbol generador, y problema del agente viajero. 5. Nonlinear programming (NLP): permite resolver problemas no lineales irrestringidos utilizando métodos de búsqueda lineal, y problemas no lineales con 35

restricciones utilizando el método SUMT (función objetivo con penalizaciones sobre el incumplimiento de las restricciones). 6. PERT/CPM: módulo de gestión de proyectos en los que hay que realizar varias actividades con relaciones de precedencia. WinQsb utiliza los mecanismos típicos de la interface de Windows, es decir, ventanas, menús desplegables, barras de herramientas, etc. Por lo tanto, el manejo del programa es similar a cualquier otro que utilice el entorno Windows. Como contribución de esta investigación a la academia, se describe brevemente en forma didáctica el procedimiento para acceder e interpretar resultados al ejecutar el módulo de Programación Lineal Entera (PLE) del programa WinQsb. Al acceder al módulo PLE se abre una ventana de diálogo en la que se debe elegir entre crear un nuevo problema (File > New Problem) o leer uno ya creado (File > Load Problem). Las extensiones de los ficheros con los modelos las pone el programa por defecto, por lo tanto solamente se debe preocupar del nombre del archivo a crear (nombre de los datos), que no deberá tener más de 8 caracteres. 1. File: incluye las opciones típicas de este tipo de menús en Windows, es decir, permite crear y salvar ficheros con nuevos problemas, leer otros ya existentes o imprimirlos. 2. Edit: incluye las utilidades típicas para editar problemas, copiar, pegar, cortar o deshacer cambios. También permite cambiar los nombres de los problemas, las variables, y las restricciones. Facilita la eliminación o adición de variables y/o restricciones, y permite cambiar el sentido de la optimización. 3. Format: incluye las opciones necesarias para cambiar la apariencia de las ventanas, colores, fuentes, alineación, anchura de celdas, entre otros. 4. Solve and Analyze: esta opción incluye al menos dos comandos, uno para resolver el problema y otro para resolverlo siguiendo los pasos del algoritmo. 5. Results: incluye las opciones para ver las soluciones del problema y realizar si procede distintos análisis de la misma. 36

6. Utilities: este menú permite acceder a una calculadora, a un reloj y a un editor de gráficas sencillas. 7. Window: permite navegar por las distintas ventanas que van apareciendo al operar con el programa. 8. WinQSB: incluye las opciones necesarias para acceder a otro módulo del programa. 9. Help: permite acceder a la ayuda on-line sobre la utilización del programa o las técnicas utilizadas para resolver los distintos modelos. Proporciona información sobre cada una de las ventanas en la que nos encontremos. El Modulo Linear Programming and Integer Linear Programming de WinQsb 2.0. 1.- Introducir el problema. Para acceder a este módulo y crear nuestro propio modelo debemos seguir la siguiente secuencia; WinQsb > Linear and Integer Programming > File > New Problem; y aparecerá entonces la siguiente ventana:

En la que se debe indicar: Problem Title: el nombre del problema. 37

Number of Variables: el número de variables. Number of Constraints: el número de restricciones (sin contar las de no negatividad). Objective Criterion: si el problema es de maximizar o minimizar. Data Entry Format: el formato de los datos de entrada, que puede ser: Spreadsheet Matrix Form.: formato de hoja de cálculo, solo se introduce los coeficientes. Normal Model Form.: se introduce el problema completo en la forma habitual. Default Variable Type: el tipo de variables, podemos elegir entre: Nonnegative Continuous (x >= 0) Nonnegative Integer (x >= 0 y entera) Binary (x, 0 o 1) Unsigned/unrestricted (x no restringida) 2.- Salidas básicas del programa para PL. Ejemplo para 2 variables X1 y X2. Una vez introducido el modelo se puede resolver utilizando cualquiera de las tres opciones siguientes: 2.1. Solve and Analyze > Solve the Problem: proporciona un informe completo sobre la solución del problema resumido en la siguiente tabla dual:

Se puede observar la información contenida en la tabla, es la siguiente: Decision Variable: Nombre de las variables. Solution Value: Valor de las variables en la solución óptima. Unit Cost or Profit (c (j)): Coeficiente de la variable en la función objetivo. Total Contribution: Contribución total de la variable a la función objetivo, cjxj 38

Reduced Cost - Coste reducido: (zj - cj) Basis Status: Indica si la variable es o no básica. Allowable Min c (j): Mínimo valor de cj sin que cambie la base óptima. Allowable Max c (j): Máximo valor para cj sin que cambie la base óptima. Objective Function: Valor de la función objetivo. Constraint: Nombre de la restricción. Left Hand Side: Valor del término de la izquierda. Direction: Signo para la restricción (= o =) Right Hand Side: Valor de la restricción en la solución óptima. Slack or Surplus: Valor de la variable de holgura. Shadow Price: Valor de la variable dual asociada a la restricción. Allowable Min RHS: Mínimo valor para bi sin que cambie la base óptima. Allowable Max RHS: Máximo valor para bi sin que cambie la base óptima 2.2.

Solve and Analyze > Solve and Display Steps: permite resolver el problema paso a paso, muestra la tabla del Simplex indicando en la última columna el ratio para elegir la variable que deja de ser básica. Obsérvese que la última fila corresponde a la ecuación de la función objetivo y que los costes reducidos aparecen cambiados de signo.

En esta ventana aparece un menú en el que la opción Simplex Iteration permite realizar las siguientes acciones: Next Iteration: Realizar la siguiente iteración. Choose Entering Variable: Elegir la nueva variable básica. Go to the Last Tableau: Ver la tabla óptima. Nonstop to Finish: Resolver el problema y dar un informe global. 2.3. Solve and Analyze > Graphic Method: Resuelve problemas de dos variables gráficamente, debemos elegir qué variable representar en cada eje. 2.4. Solve and Analyze > Perform Parametric Analysis: esta opción realiza el análisis paramétrico del modelo. Es decir, indica cómo cambia la función objetivo cuando el vector de costes o el RHS se perturba

39

paramétricamente, z = c+μc' o RHS = b+μb'. El informe de resultados final tiene el siguiente formato:

Además de indicar cómo cambia el valor de la función según varía el parámetro μ, también se indica la pendiente del cambio en cada tramo (Slope), y cada vez que se produce un cambio de base, la variable que deja de ser básica (Leaving Variable) y la nueva variable básica (Entering Variable). Desde la opción Results > Graphic Parametric Analysis se puede representar gráficamente el análisis paramétrico. Solve and Analyze > Alternative Solutions: proporciona soluciones óptimas alternativas si es que las hay. Format > Switch to Dual Form: proporciona el problema dual del modelo que hemos introducido. En lo referente a optimización vía simulación por computadora de procesos de elaboración de matriz alimento, La UNELLEZ-VIPI, Programa CAM, ha apoyado y realizado investigaciones con éxito en diseño, modelado y optimización vía simulación de matrices alimentos, utilizando plataformas de software comerciales como son StatSoft, Inc. (2004), SAS JMP 8 (2012) y MathWorks (2014). Las matrices alimentos optimadas, requieren para hacer simulación, metamodelos matemáticos, que expresen las exigencias y restricciones, como técnica numérica para luego conducir experimentos en una computadora digital (experimentación determinista), utilizando el conjunto de modelos (metamodelo o modelo de simulación); el artificio es, ir introduciendo o sacando variables independientes

40

(ingredientes) hasta que se encuentren los valores de las repuestas de calidad deseadas, en forma simultánea; este proceso el que se denomina optimización vía simulación; para ello, los software especializados disponen de módulos de modelación matemática y módulos simulación, donde este último es capaz de resolver en forma simultánea un sistema de inecuaciones complejas, que permite así, simular condiciones de calidad deseadas(Ávila y Rivas, 2016). En referencia a la plataforma Neural Net del programa SAS JMP 8, esta permite modelar un proceso y construir un modelo de red neuronal tipo estándar supervisado o no, de una capa oculta, con múltiples neuronas; permitiendo predecir una o más variables de respuesta de una red flexible de funciones de variables de entrada, esto cuando se considera que no es necesario conocer la forma funcional de la superficie de respuesta; sin embargo, esto puede paliarse al incorporar el modelo de red neuronal, a la plataforma del SIMULATOR del SAS JMP 8, donde puede visualizarse la forma de la superficie de respuesta y en la gráfica de perfiles de respuesta, puede manipularse cada variable y estudiar su comportamiento, así como sus interacciones y, hacer simulaciones. La investigación, prevé construir un modelo de red neuronal, que permita optimar la mejor mezcla en cuanto a aceptación sensorial. III.1.2.10. Modelación de procesos con redes neuronales artificiales Es cada vez más frecuente asociar el término de “redes neuronales artificiales (RNA)” al concepto de optimización de sistemas de producción. Las redes neuronales son un conjunto de técnicas computacionales con una gran capacidad para ajustar modelos tipo “caja negra” de un sistema. El funcionamiento de una RNA consiste en entrenarla para que aprenda a asociar unas características del sistema (las salidas deseadas) con otras características del mismo (entradas), a partir de datos del sistema que se quiere modelar. Ello les confiere una extraordinaria capacidad para aprender y predecir el comportamiento esperable de un sistema ante nuevas situaciones. Para ello, una red neuronal se compone de unidades llamadas neuronas. Cada neurona recibe una serie de entradas a través de interconexiones y emite una salida. La concepción de las RNA está inspirada en la forma en que las neuronas se conectan

41

e interaccionan entre sí para producir pensamientos y conclusiones. Sin embargo, su diseño y funcionamiento tienen una fuerte base matemática.

Las redes neuronales, también conocidos como sistemas conexionistas, son un enfoque computacional, que se basa en una gran colección de unidades neurales (también conocido como neuronas artificiales), para modelar libremente la forma en que un cerebro biológico resuelve problemas con grandes grupos de neuronas biológicas conectados por los axones. Cada unidad neuronal está conectada con otras, y los enlaces se pueden aplicar en su efecto sobre el estado de activación de unidades neuronales conectadas. Cada individuo de la unidad neuronal puede tener una función de suma, que combina conjuntamente los valores de todas las entradas. Puede haber una función umbral o función de limitación en cada conexión y en la propia unidad: de tal manera que la señal debe superar el límite antes de la propagación a otras neuronas. Estos sistemas son auto-aprendizaje y formación, en lugar de programar de forma explícita, sobresalen en las zonas donde la solución o función de detección es difícil de expresar en un programa de ordenador tradicional. Las redes neuronales suelen consistir en varias capas o un diseño de cubo, y la ruta de la señal atraviesa de adelante hacia atrás. Propagación hacia atrás es donde se utiliza la estimulación hacia adelante o en el "frente" para restablecer los pesos de las unidades neuronales y esto a veces se realiza en combinación con una formación en la que se conoce el resultado correcto. Las redes modernas son un poco más libres en el sentido de que fluye en términos de estimulación e inhibición con conexiones que interactúan de una manera mucho más caótica y compleja. Redes neuronales dinámicas son lo más avanzadas en que pueden dinámicamente, formar nuevas conexiones e incluso nuevas unidades neuronales. El objetivo de la red neuronal es resolver los problemas imitando el cerebro humano, aunque varias redes neuronales son más abstractas. Proyectos de redes neurales modernas suelen trabajar con unos pocos miles a unos pocos millones de unidades neuronales y millones de conexiones, que sigue siendo varios órdenes de

42

magnitud menos complejo que el cerebro humano y más cercano a la potencia de cálculo de un gusano. Se ha encontrado que sobre el cerebro a menudo estimulan nuevos patrones en las redes neuronales. Un nuevo enfoque está utilizando conexiones que se extienden mucho más allá y capas de procesamiento de enlace en lugar de estar siempre localizado en las neuronas adyacentes. Otra investigación está estudiando los diferentes tipos de señal en el tiempo que los axones se propagan, como el aprendizaje profundo, interpola una mayor complejidad que un conjunto de variables booleanas que son simplemente encendido o apagado. Las redes neuronales se basan en los números reales, con el valor del núcleo y del axón siendo típicamente una representación entre 0,0 y 1. Un aspecto interesante de estos sistemas es que son impredecibles en su éxito con el autoaprendizaje. Después del entrenamiento, algunos se convierten en grandes solucionadores de problemas y otros no funcionan tan bien. Con el fin de capacitar a ellos, varios miles de ciclos de interacción que se producen normalmente. Las redes neuronales se han utilizado para resolver una amplia variedad de tareas, como la visión por computador y reconocimiento de voz, que son difíciles de resolver usando ordinaria de programación basado en reglas. Históricamente, el uso de modelos de redes neuronales marcó un cambio de dirección a finales de los años ochenta de alto nivel, que se caracteriza por sistemas expertos con conocimiento incorporado en si-entonces las reglas, a bajo nivel de aprendizaje automático , caracterizado por el conocimiento incorporado en los parámetros de un modelo cognitivo con algún sistema dinámico. En la figura 2 siguiente, se observa un modelo grafico de red neuronal artificial.

43

Figura 2. Modelo grafico de red neuronal artificial

II.1.2.11. Optimización con simulación de perfiles de respuesta y deseabilidad Una vez que se tiene el modelo multiobjetivo de red neuronal artificial, el modulo Neural Net del JMP 8, en forma subyacente construye un modelo individual para cada respuesta; estas se introducen en la hoja de cálculo y luego se procede a realizar la co-optimización, usando el módulo PROFILES, con la opción SIMULATOR, a través de realizar simulaciones para calidades deseadas. La simulación en el módulo PROFILES permite descubrir la distribución de los resultados del modelo en función de la variación aleatoria de los factores y el ruido del modelo. La facilidad de simulación en este perfilador proporciona una forma de configurar las entradas aleatorias y ejecutar las simulaciones, produciendo una tabla de salida de valores simulados. Un ejemplo del uso de este algoritmo instalado sería averiguar la tasa de defectos de un proceso que se ha ajustado, y ver si es robusto con respecto a la variación en los factores. Previo haber establecido límites de especificación en cada una de las respuestas, se transfieren a la salida de la simulación, lo que permite un análisis 44

prospectivo de la capacidad del modelo simulado utilizando ajustes de nuevos factores. En el Profiler, el Simulador está integrado en el diseño gráfico. Las especificaciones de los factores se alinean por debajo del perfil de cada factor. Un histograma de simulación se muestra a la derecha para cada respuesta, que se visualiza en la figura 3, siguiente.

Figura 3. Perfiles de respuesta, deseabilidad de calidad y distribución Gauss de respuestas del simulador, del programa JMP v.8. II.1.3. FORMULACIÓN DE SISTEMA DE HIPÓTESIS. Hipótesis Operacional.

45

La formulación y elaboración de raciones balanceadas, a base de productos y subproductos de la agroindustria vegetal y animal serán de utilidad nutricional humana.

II.1.4. FORMULACIÓN DEL SISTEMA DE VARIABLES. Variables Dependientes. Son las variables respuestas de calidad medidas a las mezclas nutricionales de la ración balanceada de requerimientos diarios, como son, Fisicoquímicas: Acidez iónica (pH), Potencial redox (POR), Acidez titulable total (ATT). Sensoriales:

Untabilidad,

Consistencia

de

Adams,

Degustación

(Aceptabilidad/Rechazo) Variable Independiente. Son las variables de composición nutricional de los ingredientes que conforma la ración balanceada requerida en la nutrición humana. En la investigación son, Materia prima: Crema láctea de la marca Quenaca, Lactosuero en polvo de la marca Quenaca, Ricota de la marca Quenaca y Harina de frijol blanco. Variables intervinientes. Son las variables de composición de las raciones, que sirven de edulcorantes. Saborizante: Extracto de ajo, Extracto de tocineta, Estabilizantes, Sal del ácido sorbico y Ácido láctico

46

CAPÍTULO III III.1. MARCO METODOLÓGICO. III.1.1. Diseño, tipo, nivel y modalidad de investigación. La investigación, bajo el paradigma cuantitativo, será de tipo descriptivo, documental, de campo, con carácter experimental en laboratorio (estocástico), y experimental virtual (determinista),recolectando información, en laboratorio y en el medio comercial con encuestas, obteniendo datos numéricos en escala continua, con los cuales construirá un metamodelo informático, que permita optimizar sensofisicoquímico, la formulación obtenida en forma virtual. Las matrices alimentos elaboradas en laboratorio (pruebas estocásticas),se le medirán respuestas de calidad fisicoquímica y reológica, luego serán sometidas a análisis sensorial, con pruebas orientadas al consumidor (panel no entrenado), bajo pruebas hedónicas de aceptabilidad, en escala hedónica libre del 0 al 7,según recomendaciones de Domínguez (2006), SAS JMP (2012),Ramírez (2012), Rodríguez (2013), MathWorks (2014) y García (2016). III.1.2. Población y muestra. III.1.2.1 Población. La población muestral serán los productos y subproductos tipo cremas lácteas de las agroindustrias. 47

III.1.2.2 Muestra. Concierne con la mezcla de ingredientes, es decir, las raciones formuladas con ingredientes subproductos lácteos de uso humano de composición nutricional con relativamente alto contenido de proteína y mineral, con la cual se realizaron mezclas experimentales estocásticas en laboratorio. Se realizaron pruebas pilotos en el laboratorio (LITA-UNELLEZ), con el objeto de familiarizarse con las metodologías y estimar en forma preliminar la cualidad y calidad reológica de presentación y de aceptabilidad. III.1.3. Diseño de la investigación. La investigación experimental virtual (pruebas en computadora) y estocástica (pruebas en laboratorio) se estructuró en cuatro partes. 1. Investigación documental en la búsqueda de información de datos de composición nutricional y construir los referenciales nutricionales de cada ingredientes; datos requeridos para construir el metamodelo de Programación Lineal y formular las raciones balanceadas nutricionalmente. 2. Formular raciones balanceadas, virtualmente en el software WinQsb 2. 3. Las raciones virtuales se elaboraron saborizadas con mezclas de sabor de ajo y/o sabor de tocineta y/o hojas de albahaca fresca y; con pruebas pilotos en laboratorio se probó cuál de estas formulaciones virtuales era potencialmente adaptada a una ración culinaria con alta aceptabilidad sensorial, seleccionando de ellas la que más gusto, en un panel de laboratorio; procediéndose a elaborarla en cantidad suficientes y realizarle las pruebas de degustación. 4. A la ración culinaria una vez elaborada se le midió respuestas hedónicas, respuestas fisicoquímicas y reológicas; para las respuestas sensoriales, se aplicó una encuesta con muestreo sin reposición a 125 estudiantes de los semestres 7mo, 8vo y 9no de la carrera de ingeniería agroindustrial de la UNELLEZ-VIPI, San Carlos Cojedes, Venezuela. Las respuestas fisicoquímicas se midieron en laboratorio con un pHmetro

48

(pH, POR y ATT), las respuestas reológicas se midieron en forma sensorial (Apariencia de Untabilidad) y con consistómetro de Adams (Consistencia: mm). 5. Los datos sensoriales de la encuesta, cada respuesta (Una columna para cada ítems) se vaciaron en la hoja de cálculo del programa SAS JMP 8 (2012) y se analizó con la técnica de regresión no lineal de red neuronal (modulo Neural Net), previo entrenamiento de la red, se construyó un metamodelo de regresión digitalizado, conformado por inecuaciones logísticas, (una red para cada respuesta), estas inecuaciones se introdujeron como variables en la hoja de cálculo del simulador del programa JMP 8 y ajustadas las restricciones de calidad deseadas, como lo recomiendan el SAS JMP 8 (2012) y MathWorks (2014); procediéndose a realizar simulaciones, hasta encontrar la optimización operativa (mezcla optima), que satisfizo simultáneamente las deseabilidades; es decir la mezcla que maximizo la respuesta global deseabilidad. III.1.4. Materiales y Métodos. III.1.4.1. Materiales ingredientes en la formulación de raciones balanceadas. Los ingredientes (Xi) utilizados en la formulación de las raciones balanceadas son: X1: Lactosuero en polvo, X2: Harina integral cocida, de frijol blanco, X3: Crema láctea, X4: Queso ricota, X5: Soya Soy-tex y; los aditivos: Ácido láctico, sal común, mezclas de sabor de ajo y/o sabor de tocineta y/o hojas de albahaca fresca. III.1.4.2. Equipos, instrumentos e implementos. Cocina a Vapor de agua, Secador de aire forzado, Refrigerador, Congelador, Balanza, Molino de martillo, Mesa, Cuchillo, Bandeja de acero inoxidable, Bolsas de plástico impermeables e implementos de laboratorio de análisis de alimentos, Horno a gas y el instrumento pHmetro, Consistómetro de Adams e instrumentos sensoriales. III.1.4.3. Metodología de obtención de la harina de frijol.

49

La harina integral (obtenida según esquema tecnológico figuras 1, de frijol, se preparó en el laboratorio LITA de la UNELLEZ, utilizando un esquema tecnológico estandarizado en las prácticas de tecnología vegetal. de prácticas de laboratorio del LITA. De la harina obtenida se separó la harina fina malla 0 (harina fina), el resto se volvió a moler y así sucesivamente hasta obtener suficiente harina fina para la experimentación.

50

Figura 4. Esquema tecnológico para obtención de harina integral de frijol. Fuente: Adaptación de Laboratorio LITA.

51

III.1.4.4. Matriz de diseño para formulación de ración con programación lineal En la tabla 5, siguiente se muestra el sistema de ecuaciones (metamodelo PL) a resolver con programación lineal en el programa WinQsb, para el ajuste de raciones; en la misma se indica: los parámetros nutricionales, los referenciales construidos de valor nutritivo de los ingredientes y a la derecha, la condición de restricción (=, ≥, ≤) y el RHS, que son los requerimientos nutricionales deseados en la ración a elaborar.

52

Tabla 5. Metamodelo de simulación de programación lineal, para el ajuste de la ración Parámetro

Suero láctico X1

Frijol blanco X2

Crema de leche X3

Ricota X4

Precio $/KG Agua % Energía calorías / diarias energia metabolisable Proteinas gr/ dia Carbohidratos gr/ Grasas total gr/ dia Grasas saturadas gr/dia Grasas monoinsaturadas gr/dia mufa Grasas poliinsaturadas gr/ dia Fibra total gr/ dia Calcio mg / dia Fosforo mg/dia Magnesio mg/dia Hierro mg/dia Zinc mg / dia Vitamina A (mg/dia) B9 Folatos (acido folico) mg/dia B2 Riboflavina mg /dia B3 Niacina mg/dia B5 Acido pantotenico mg/dia B7 Colina mg/dia Sodio mg/dia Potasio mg/dia

1 4 300 11 76 1,5 0 0 0 0,2 0,87 0,79 0,13 0,16 0 0 0,9 1,2 0 50,8 21 1,5 2,07

1 12 323 20,96 64,19 2,2 0,65 0,193 1,36 12,7 130 415 182 6,77 2,55 0 463 0,192 1892 0,55 0 8 1464

1 60 447 2,5 2,8 37 23 10,7 1,37 0 65 62 7 0,03 0,23 411 0 0,11 0,04 0 0 38 75

1 73,7 117 12,3 10 3 4,3 1,6 0,4 0 92 0 6 0,5 0,5 0 0 0,022 0,2 0,2 0 450 54

Fuente: Elaboración propia

53

Soya Expandida X5 1 10 344 46 31 3 0,3 0,3 1 1,8 241 560 0 9,20 60 0 0 0,21 0 0 0 74 2.384

Requerim.

≥ ≥ ≥ ≥ ≥ ≥ ≥ ≥ ≥ ≥ ≥ ≥ ≥ ≥ ≥ ≥ ≥ ≥ ≥ ≥ ≥

minimizar mini-max 1300 23 170 150 96 180 12 11 700 465 90 10 5 400 200 0,6 8 3 250 100 50

CAPÍTULO IV. RESULTADOS Y DISCUSIÓN. En este aparte, se muestran resultados; en base de datos de referenciales construidos de valor nutritivo de ingredientes y, los referenciales de requerimientos nutricionales, desde la revisión de la literatura, aproximados para humanos con actividades promedios, es decir humanos no sedentarios, no atletas ni con necesidades especiales (tabla 4, Capitulo II); los cuales fueron utilizados para construir la matriz alimento digitalizada o metamodelo (Figura 5), esta fue utilizada para la simulación (formular raciones) en el software WinQsb 2.0, con el método simplex, con el objetivo de formular raciones balanceadas, susceptible de maquinar tecnológicamente para uso culinario en forma de crema untable, con alto contenido proteico. IV.1. Características de la harina de frijol obtenida Las condiciones de proceso para la obtención de la harina de frijol fueron. Tiempo de imbibición en agua a temperatura ambiente (32 ºC) de los granos de frijol: 18 horas, Tiempo de cocción a vapor (95ºC) = 10 min., Tiempo de secado a 65ºC = 14 hr. Una vez obtenidos los granos cocidos secos, se procedió a la molienda en molino de martillo; pasando la harina por cedazos para obtener una granulometría fina, con el objeto de que facilite la humectación y formación de crema. La harina se pasó por cedazos para obtener harina que pasa la Malla 100, el resto se volvió a moler y así sucesivamente hasta obtener suficiente harina malla 100 suficiente para las preparaciones de las mezclas. La granulometría obtenida, promedio de tres repeticiones, de la primera molienda, de 100 gramos de harina, fue: Malla 10 (2 mm) = 0 g, Malla 30 (0,6 mm) = 9 g, Malla 40 (0,425 mm) = 13 g, Malla 60 (0,25 mm) = 12 g, Malla 80 (0,18 mm) = 4 g, Malla 100 = 2 g, Fondo = 60 g.

54

La actividad de agua (aW) de la harina fue de 0,261 a 33,6 ºC y la humedad promedio fue de 5,36 % La harina Malla 10, se le realizo pruebas de consistencia tecnológica, a 100 gramos de harina se le agrego 300 ml de agua destilada a 33,6 ºC, se homogenizo y se le midió la consistencia en un Consistómetro de Adams, dando un valor promedio de expansión de 6,475, para una consistencia de Adams de 15%.

IV.1.2. Matriz informatizada de referenciales construidos para formulacion. En base a los referenciales construidos, se construyó la Matriz Informatizada o metamodelo de simulación, en la hoja de cálculo del módulo de programación lineal del WinQsb2 para simulación de raciones de alimentos (Figura 5); el metamodelo está estructurado como un sistema de inecuaciones, la primera inecuación (primera restricción) es para el precio (función objetivo: función de costo a minimizar), el resto, un conjunto de inecuaciones, una para cada nutriente (cada inecuación es una restricción adicional al precio: función nutricional a maximizar). Función Objetivo (FO). A continuación se muestra la representación de la función matemática de costo total a minimizar (FO) en cada formulación, costo total compuesto por la contribución de costo unitario de cada uno de los ingredientes βi ($ USD/gramos). Los Xi son los gramos de ingredientes. Los precios se expresan en $ USD/TM, y la composición nutricional del cuadro 5, se expresó en base a gramos. Para efectos de cálculo los precios se igualaron, para evitar competencia, considerando que para una buena alimentación, no debe importar el precio. Parámetro

Precio $/KG

Suero láctico X2 β1 1

Frijol blanco X1 β2 1

Crema de leche X4 β3 1

55

Ricota X3 β4 1

Soya Expandida β5 1

Requerimientos

minimizar

Así, la Función Objetivo de costo se representó de la siguiente manera. FO = β1X1 + β2X2 + β3X3 + β4X4 + β5X5

Los referenciales de los precios, son FOB (Free on board, o libre a bordo), en puerto internacional, para los ingredientes; estos se expresan en Dólares de los Estados Unidos de América ($USD), dado que en Venezuela, los precios vigentes de ingredientes (materia prima) en el mercado nacional no son reales (no son referencias económicas válidas), ya que muchos están subsidiados; más, si, las raciones formuladas quisieran ser exportadas; por tanto se toman los referenciales internacionales reportados por la FAO (2016). En razón de que el interés por ahora es construir formulas alimenticias, recomendadas para seres humanos, por ello, esta investigación, al introducirlos en el software se tomaron valores referenciales igualados (precios unitarios), es decir se le asignará un valor de precio referencial de uno (01 unidad/100 gramos de ingrediente) a cada ingrediente, de tal manera que el precio del ingrediente no prive su inclusión/exclusión en las formulaciones. IV.2. Matriz informatizada de referenciales construidos para formulación En la figura ¿??, siguiente se muestra una visual de la hoja de cálculo del programa WinQsb 2.0, conteniendo el sistema de inecuaciones (metamodelo de simulación), para la formulación de raciones, usando el módulo de programación lineal entera.

56

Figura 5. Matriz informatizada para simulación de raciones balanceadas en WinQsb Fuente: Elaboración propia (2017) Dónde, los componentes nutricionales de cada ingredientes son: C22: Humedad, C1:Energia,C2:Proteina,C3:Carbohidratos,

C4:Grasas,

C5:Grasas

saturadas,

C6:Grasas monoinsaturadas, C7:Grasas poliinsaturadas, C8:Fibra total, C9:Calcio, C10:Fosforo,

C11:Magnesio,

C12:Hierro,

C13:Zinc,

C14:Vitamina

A,

C16:Riboflabina, C17:Niacina, C18:Acido pantotenico, C21:Potasio y;. Los ingredientes utilizados son: X1: Suero láctico en polvo, X2: Harina integral de frijol blanco cocido, X3: Crema de leche Quenaca, X4: Queso ricota y X5: Harina de soya texturizada expandida Soy-Tex. La columna Directión, son las condiciones de restricción para cada inecuación. La columna a la derecha R.H.S., es la valoración nutritiva que debe tener la ración a formular, es decir los requerimientos nutricionales deseados.

57

IV.2.1. Formulaciones experimentales obtenidas con PL Una vez introducidos los datos según las características del problema (maximizar o minimizar), se muestra la siguiente hoja de cálculo con el modelo (figura ¿?), donde se carga el modelo en forma matricial, conformándose así el sistema de inecuaciones de simulación de la matriz alimento, el valor introducido en cada celda se corresponde con los coeficientes de costo y contribución bromatológica de cada ingrediente; y a la derecha, en la columna R.H.S., se introdujeron los datos de los requerimientos nutricionales que se desea tenga la formulación; esta matriz matemática emula la matriz alimento que se está construyendo, que al resolverla simultáneamente para condiciones deseadas, se está simulando con PL, esta metodología proporcionó múltiples

mezclas potenciales de ingredientes, que

satisfacen los requerimientos nutricionales deseados; las mezclas potenciales a construir en formulas gourmet se muestran en la tabla 7. Los resultados de distintas simulaciones, son raciones virtuales obtenidas por simulación iterativa en el programa WinQsb, módulo de programación lineal entera; donde cada ración satisface los requerimientos nutricionales RHS establecidos, son raciones de potencial elaboración, que pueden ser maquinadas culinariamente.

58

Tabla 7. Raciones virtuales potenciales de elaboración y maquinar culinariamente Mezcla de ingredientes (Xijk). [Proporción en gramos] Ingrediente 4, 5

1, 2, 3 0 4,8 1,21 0 0

1, 2, 4

1, 2, 5 No hay solución posible

3, 5

No hay solución posible

3, 4

No hay solución posible

2, 5

No hay solución posible

2, 4

No hay solución posible

2, 3 0 4,8 1,21 0 0

No hay solución posible

1, 5

No hay solución posible

1, 4

No hay solución posible

Suero láctico Harina de frijol Crema de leche Queso ricota Soya Tex: 46 % proteína

1, 3 5,5 0 4,17 0 0

No hay solución posible

X1 X2 X3 X4 X5

No hay solución posible

1, 2

2, 3, 4 0 4,87 1,18 0 0

2, 3, 5 0 0,37 3,71 0 1,72

3, 4, 5 0 0 11,57 1,5 0,65

1, 3, 4, 5 0,01 0 0,97 13,97 24,35

1, 2, 3, 4, 5 5 50 25 10 25

Fuente: Cálculos propios. Nota: La mezcla 1, 3, 4, 5, es deficiente en 79 gramos de grasa, por lo que debe agregarse a posteriori como un primer en la ración, para cumplir con la RHS; sin embargo si se desea una ración baja en grasa, no se adiciona.

59

Para continuar con la herramienta de investigación, se seleccionó la mezcla 1, 2, 3, 4, 5 para su elaboración y maquinación culinaria y someterla a pruebas de degustación. Así, una vez obtenidas las fórmulas alternativas (mezclas de harinas anteriormente mostradas), se realizaron preparaciones culinarias en laboratorio con cada una de ellas, para lo cual, cada formula culinaria saborizada (crema untable) se sometió a pruebas de degustación; los resultados mostraron que las formulas en general, no es aceptado su sabor, a pesar de su adecuado color, olor, untabilidad y su alto valor nutritivo. Todo en razón de su alto contenido de harina de frijol y/o alto contenido de lactosuero, que son los aportadores de contenido proteico, los cuales les proporcionan un profundo sabor que disgusta su aceptación al ser consumidos. Al respecto, se decidió utilizar el ingrediente comercial Soy-Tex Carne de Soya (presentación en forma de copos expandidos), el cual es un producto texturizado con 46 % de proteína y 8 % de humedad, procediéndose a molerla para la preparación de esta en forma de harina. Seguidamente se incorporó el valor nutritivo de este ingrediente en el metamodelo del programa WinQsb y se procedió a optimizar y obtener una formula o ración nueva, la cual se muestra en el cuadro ¿?, siguiente. IV.2.2. Formulación culinaria optima sensorial. Las pruebas diagnósticas de respuesta tecnológica de las distintas raciones obtenidas con Programación Lineal, se le realizaron pruebas diagnósticas a su preparación culinaria, permitió decidir la ración de mejor aceptación culinaria; que permitió decir usar la ración mostrada en tabla 8, para realizar el objetivo de la investigación.

60

Tabla 8. Formulaciones culinarias optima saborizada carne de cerdo o saborizada Ajo.

Ingrediente X1 X2 X3 X4 X5

Suero láctico Harina de frijol Crema de leche Queso ricota Harina Soya Tex Aditivos Sal Carne de cerdo curada y ahumada

X6 X7 Extracto acuoso

X8 Fuente: Coronel (2017)

Ajo Ácido láctico

Peso (gr) 5 50 25 10 25 0,5 125 ml 1,1 ml

NOTA: En referencia a la calidad en aminoácidos de la proteína de la soya, la literatura reporta que esta es deficiente en metionina y lisina, dos aminoácidos esenciales; por tanto, esto sugiere que en una preparación culnaria, se complemente con otros ingredientes proteícos. Una vez obtenida la ración optimizada que incorpora soya, se le aplicaron dos tratamientos, para medir su aceptación hedónica. Se preparó una ración culinaria, a la cual se agregó extracto acuoso acidificada y saborizada con extracto de carne de cerdo curada y ahumado (Tratamiento 1: T1:) y Tratamiento 2 (T2: Ajo en polvo). Las características de calidad fisicoquímica básicas de la formula culinaria antes y después del saborizado, fue: 1. Antes de saborizar y acidificar: pH=6,18, POR=11,9, Acides titulable total=21 mg. 2. Después de saborizar con carne de cerdo curada y ahumada y acidificada: pH= 4,54, POR= 2,8, Acidez titulable total = 65 mg. 3. Después de saborizar con ajo: pH= 4,92, POR=3,35, Acidez titulable total = 63 mg

61

En lo siguiente se muestran los datos obtenidos del muestreo sin reposición, de catación de las raciones culinarias (T1 y T2), degustadas por 101 estudiantes, de los cuales 12 señalaron no gustarle el sabor a ajo y 8 manifestaron no gustarle el sabor a carne curada y ahumada; por tanto sus datos no fueron considerados en la encuesta. IV.3. Datos sensoriales y su análisis. En la tabla 9, siguiente, se muestran los datos obtenidos con la aplicación de encuesta a 81 estudiantes del Programa CAM, de los 7mo, 8vo y 9no semestre de la carrera de Ingeniería Agroindustrial. Además, se muestran datos de análisis univariado. Tabla 9. Datos sensoriales y características estadísticas univariada de la variable aceptación hedónica. Respuesta sensorial Característica estadística univariada

Casos

Tratamiento 1: Saborizado con extracto de carne cerdo curada y humada Olor Sabor Color Untabilidad

Tratamiento 2: Saborizado con Ajo Olor

Sabor

Color

Untabilidad

1,0

5,0

3,0

6,0

3,0

3,0

3,0

6,0

4,0

2,0

7,0

3,0

4,0

5,0

7,0

6,0

4,0

4,0

3,0

6,0

5,0

7,0

4,0

5,0

7,0

7,0

6,0

4,0

6,0

6,0

7,0

5,0

7,0

4,0

7,0

6,0

5,0

6,0

4,0

6,0

5,0

6,0

5,0

6,0

6,0

6,0

5,0

5,0

7,0

5,0

7,0

4,0

5,0

5,0

7,0

7,0

6,0

7,0

7,0

5,0

4,0

5,0

5,0

8,0

6,0

4,0

7,0

6,0

5,0

4,0

7,0

5,0

9,0

5,0

5,0

7,0

4,0

6,0

5,0

5,0

5,0

10,0

6,0

4,0

5,0

6,0

5,0

4,0

4,0

6,0

11,0

3,0

5,0

4,0

6,0

5,0

4,0

4,0

6,0

12,0

3,0

5,0

5,0

5,0

5,0

5,0

5,0

4,0

13,0

5,0

5,0

4,0

6,0

4,0

5,0

4,0

5,0

14,0

3,0

6,0

7,0

5,0

5,0

7,0

7,0

6,0

15,0

5,0

5,0

7,0

5,0

5,0

4,0

5,0

4,0

16,0

7,0

5,0

5,0

6,0

4,0

5,0

5,0

5,0

17,0

7,0

7,0

6,0

6,0

5,0

6,0

4,0

4,0

18,0

7,0

7,0

5,0

6,0

6,0

5,0

6,0

6,0

19,0

6,0

5,0

7,0

4,0

6,0

5,0

6,0

5,0

20,0

7,0

7,0

5,0

4,0

4,0

4,0

5,0

4,0

21,0

5,0

7,0

7,0

7,0

5,0

6,0

4,0

4,0

22,0

7,0

5,0

7,0

7,0

6,0

5,0

5,0

6,0

62

23,0

3,0

5,0

6,0

7,0

6,0

5,0

7,0

4,0

24,0

5,0

4,0

6,0

7,0

5,0

4,0

5,0

4,0

25,0

4,0

6,0

7,0

7,0

6,0

5,0

7,0

7,0

26,0

6,0

7,0

5,0

7,0

6,0

6,0

7,0

7,0

27,0

6,0

7,0

7,0

7,0

7,0

4,0

6,0

7,0

28,0

6,0

7,0

6,0

7,0

7,0

4,0

7,0

7,0

29,0

7,0

7,0

6,0

7,0

6,0

4,0

7,0

7,0

30,0

5,0

6,0

7,0

6,0

6,0

5,0

5,0

7,0

31,0

7,0

7,0

7,0

7,0

6,0

5,0

7,0

6,0

32,0

4,0

6,0

7,0

7,0

6,0

5,0

6,0

6,0

33,0

5,0

4,0

4,0

5,0

6,0

7,0

7,0

6,0

34,0

6,0

6,0

4,0

4,0

7,0

7,0

6,0

5,0

35,0

5,0

6,0

5,0

5,0

6,0

6,0

6,0

6,0

36,0

5,0

5,0

4,0

6,0

7,0

7,0

7,0

7,0

37,0

5,0

4,0

4,0

7,0

4,0

5,0

4,0

5,0

38,0

6,0

5,0

6,0

5,0

6,0

4,0

4,0

5,0

39,0

6,0

6,0

6,0

7,0

6,0

7,0

4,0

7,0

40,0

7,0

5,0

7,0

7,0

6,0

7,0

5,0

7,0

41,0

7,0

5,0

6,0

5,0

5,0

4,0

7,0

7,0

42,0

5,0

6,0

6,0

6,0

5,0

4,0

5,0

7,0

43,0

6,0

5,0

7,0

4,0

4,0

5,0

6,0

7,0

44,0

6,0

5,0

6,0

4,0

5,0

6,0

5,0

7,0

45,0

7,0

5,0

7,0

7,0

5,0

5,0

7,0

7,0

46,0

5,0

5,0

5,0

6,0

4,0

5,0

5,0

5,0

47,0

3,0

6,0

7,0

5,0

5,0

7,0

6,0

6,0

48,0

5,0

6,0

7,0

5,0

5,0

4,0

5,0

4,0

49,0

7,0

5,0

6,0

6,0

4,0

5,0

6,0

5,0

50,0

7,0

7,0

6,0

6,0

5,0

6,0

4,0

4,0

51,0

6,0

7,0

5,0

7,0

6,0

6,0

7,0

7,0

52,0

6,0

7,0

7,0

7,0

7,0

4,0

6,0

7,0

53,0

6,0

6,0

6,0

6,0

7,0

5,0

7,0

7,0

54,0

7,0

7,0

6,0

7,0

6,0

5,0

7,0

6,0

55,0

6,0

6,0

7,0

6,0

6,0

5,0

5,0

7,0

56,0

7,0

7,0

7,0

7,0

6,0

6,0

6,0

6,0

57,0

4,0

6,0

7,0

7,0

6,0

5,0

6,0

6,0

58,0

5,0

4,0

4,0

5,0

6,0

7,0

7,0

6,0

59,0

7,0

6,0

7,0

7,0

5,0

4,0

5,0

5,0

60,0

6,0

5,0

6,0

6,0

5,0

5,0

7,0

5,0

61,0

5,0

5,0

7,0

4,0

6,0

5,0

5,0

5,0

62,0

6,0

6,0

5,0

6,0

5,0

4,0

5,0

6,0

63,0

3,0

5,0

4,0

6,0

5,0

4,0

4,0

6,0

63

64,0

3,0

5,0

5,0

5,0

5,0

5,0

5,0

5,0

65,0

5,0

6,0

5,0

6,0

5,0

5,0

4,0

5,0

66,0

6,0

6,0

7,0

5,0

5,0

7,0

7,0

6,0

67,0

6,0

6,0

7,0

6,0

7,0

4,0

7,0

6,0

68,0

6,0

5,0

6,0

5,0

6,0

5,0

6,0

6,0

69,0

5,0

5,0

7,0

5,0

7,0

5,0

5,0

5,0

70,0

7,0

6,0

7,0

7,0

5,0

4,0

5,0

6,0

71,0

7,0

6,0

7,0

6,0

6,0

7,0

5,0

7,0

72,0

7,0

6,0

7,0

5,0

5,0

4,0

7,0

7,0

73,0

5,0

6,0

7,0

6,0

6,0

5,0

5,0

6,0

74,0

6,0

5,0

7,0

5,0

5,0

5,0

6,0

7,0

75,0

6,0

6,0

6,0

4,0

5,0

6,0

5,0

7,0

76,0

7,0

5,0

6,0

7,0

6,0

5,0

7,0

6,0

77,0

5,0

5,0

5,0

6,0

4,0

5,0

5,0

5,0

78,0

3,0

6,0

6,0

5,0

5,0

7,0

6,0

6,0

79,0

5,0

6,0

7,0

5,0

5,0

4,0

5,0

5,0

80,0

7,0

5,0

6,0

6,0

4,0

5,0

6,0

5,0

81,0

7,0

6,0

6,0

6,0

5,0

6,0

5,0

4,0

Media Aritmética

5,6

5,6

6,1

5,8

5,5

5,1

5,6

5,7

Mediana

6,0

6,0

6,0

6,0

5,0

5,0

6,0

6,0

Median agrupada

5,8

5,6

6,2

5,8

5,5

5,0

5,6

5,8

Media del error estándar

0,1

0,1

0,1

0,1

0,1

0,1

0,1

0,1

Media armónica

5,3

5,4

5,9

5,6

5,3

4,9

5,4

5,5

Media Geométrica

5,5

5,5

6,0

5,7

5,4

5,0

5,5

5,6

Suma

457,0

450,0

491,0

467,0

444,0

414,0

457,0

463,0

Mínimo

3,0

3,0

4,0

3,0

3,0

3,0

4,0

4,0

Máximo

7,0

7,0

7,0

7,0

7,0

7,0

7,0

7,0

Rango

4,0

4,0

3,0

4,0

4,0

4,0

3,0

3,0

Desviación estándar

1,2

1,0

1,0

1,0

0,9

1,0

1,1

1,0

Varianza

1,5

0,9

1,1

1,1

0,8

1,1

1,1

1,1

Curtosis

-0,1

-0,1

-0,6

-0,7

-0,3

-0,6

-1,2

-1,1

Sesgo

-0,8

-0,3

-0,8

-0,4

-0,1

0,5

0,0

-0,3

Fuente: Coronel (2017). IV.4. Funcionalidad estadística de los datos Dado que se aplicaron métodos paramétricos multivariantes, en la modelación para optimización, se requirió comprobar sus supuestos paramétricos. Los supuestos básicos más importantes son: Funcionalidad estadística (Valores extraños, suficiencia de varianza de ítems y distribución normal de Gauss) y suficiencia de tamaño 64

muestral (suficiencia de la cantidad de casos medidos). Primeramente se estimaron promedios robustos para detectar la suficiencia de varianza (Tabla 10) y luego se comprobó la suficiencia del tamaño muestral tomado. Tabla 10. Estimadores robustos (medianas robustas)

Saborizada con Ajo

Saborizada con extracto carne curada y ahumada

Formula culinaria

Respuesta sensorial Olor

Huber a 5,805

Tukey's Biweight b 5,79

Hampel c 5,749

Andrews' Wave d 5,789

Sabor

5,601

5,58

5,578

5,58

Color

6,151

6,143

6,106

6,143

Untabilidad

5,841

5,812

5,791

5,811

Olor

5,485

5,486

5,491

5,486

Sabor

5,023

5,046

5,082

5,046

Color

5,698

5,647

5,642

5,647

Untabilidad

5,784

5,746

5,72

5,746

a The weighting constant is 1,339. b The weighting constant is 4,685. c The weighting constants are 1,700, 3,400, and 8,500. d The weighting constant is 1,340*pi.

En la Tabla 10, anterior, se observa que se pudo estimar los promedios (medianas robustas), indicando ello que los ítems (respuestas) tienen varianza suficiente para la aplicación de métodos de modelación multivariados de la variable aceptación hedónica. La distribución normal de Gauss se demostró con los estadísticos “d” de Kolmogorov Smirnov, la probabilidad de Lillieford y el “W” de Shapiro-Wilk, lo que indica que sus medias aritméticas son representativas de ellas y que estas variables pueden utilizarse en modelación paramétricas multivariantes. La suficiencia muestral de 81 casos (81 estudiantes muestreados) se demostró con el estudio de estadísticos obtenidos con el análisis de Componentes Principales; a través de la prueba KMO (Kaiser-Meyer-Olkin), del estudio de los elementos de la diagonal de la matriz de correlación anti-imagen, el cual dieron valores muy cercanos a 1, dando un valor de 0,657 (limites: entre 0,5 a 1) y, el resto (laterales) valores muy pequeños, cercanos a cero. La prueba de Chi-cuadrado de esfericidad de Bartlett dio 70,343, con una significancia p