Orientador: Daniel Barrera-Arellano / Dissertação (mestrado) - Universidade Estadual de Campinas, Faculdade de Engenharia de Alimentos / Made available in DSpace on 2018-08-15T10:12:00Z (GMT). No. of bitstreams: 1 Garcia_RitadeKassiadeAlmeida_M.pdf: 969495 bytes, checksum: baa8a3d191c494fbbdc083a5370d648f (MD5) Previous issue date: 2010 / Resumo: A utilização de gorduras interesterificadas tem sido uma alternativa para a fabricação de produtos zero e low trans, substituindo as gorduras parcialmente hidrogenadas, que são as maiores fontes de ácidos graxos trans na dieta, e cujo consumo deve ser evitado, devido aos efeitos adversos já comprovados que podem provocar no organismo. Os métodos convencionais utilizados pelas empresas para a formulação de gorduras envolvem procedimentos de tentativa e erro, podendo acarretar perdas econômicas, dependendo de tempo e disponibilidade de matérias-primas. As Redes Neurais Artificiais são sistemas computacionais que apresentam um modelo matemático inspirado na estrutura neural de organismos inteligentes e que adquirem conhecimento através da experiência, e vem ganhando ampla aplicação na indústria alimentícia. O objetivo deste trabalho foi formular ¿blends¿ para aplicação em margarinas duras utilizando uma rede neural construída e treinada com gorduras interesterificadas e óleo de soja. Os dados de entrada no programa para obtenção de formulações foram o SFC e o ponto de fusão das gorduras comerciais padrão para a aplicação requerida. Das respostas obtidas foram selecionadas 3 formulações para cada gordura comercial. Todas as gorduras foram analisadas quanto à composição em ácidos graxos e triacilglicerídica e as formulações propostas comparadas às gorduras comerciais quanto à consistência, curvas de fusão e cristalização e isotermas de cristalização. Todas as formulações sugeridas pela rede apresentaram maior desvio no SFC em relação ao perfil solicitado na temperatura de 10°C e 45°C, devido ao perfil das matérias-prima s. Porém o SFC e o ponto de fusão previstos pela rede apresentaram valores muito próximos aos determinados experimentalmente. Testes em planta piloto indicaram que margarinas duras elaboradas com a gordura comercial e a formulada pela rede não apresentaram diferença expressiva em consistência e sabor. A espalhabilidade da margarina formulada pela rede apresentou pequenos grânulos, porém uma melhor estabilidade quanto à exsudação de óleo ou água. Algumas adaptações no processo de fabricação podem reduzir ou eliminar defeitos nesse tipo de produto. A rede neural pode ser considerada uma ferramenta de grande valor na indústria, como alternativa aos procedimentos convencionais, assim como na formulação e produção de alimentos com zero ou baixo teor de isômeros trans / Abstract: The use of interesterified fats has been an alternative for the manufacturing of zero and low trans products, replacing partially hydrogenated fats, which are major sources of trans fatty acids in the diet, and whose consumption should be avoided because of the adverse effects that they can cause to health. Conventional methods used by companies to formulate fats involve trial and error procedures, which may cause economic losses, depending on time and availability of raw materials. Artificial neural networks are computational systems that construct a mathematical model based on the neural structure of intelligent organisms and acquire their knowledge through experience, and have gained wide application in the food industry. The objective of this study was to formulate blends for use in margarine using a neural network built and trained with interesterified fats and soybean oil. The entry data to the program in order to obtain the formulations were the SFC and the melting point of commercial standard fats for the required application. Among the responses given by the neural network, 3 formulations were selected for each commercial fat. All fats were analyzed for fatty acid and triacylglycerol composition and the proposed formulations were compared with the commercial fats for consistency, melting and crystallization curves and isothermal crystallization. All the formulations suggested by the network showed higher deviation in the SFC in relation to the requested profile in a temperature of 10 ° C and 45 ° C, due to the charac teristics of the raw materials. On the other hand, the SFC and melting point given by the network presented values very close to those determined experimentally. Pilot plant tests indicated that hard margarines prepared with commercial fat and formulated by the network showed no significant difference in texture and flavor. The spreadability of margarine formulated for neural network showed small granules, but greater stability in the exudation of oil or water. Some adjustments in the manufacturing process can reduce or eliminate defects in this type of product. The neural network can be considered a very valuable tool in the industry as an alternative to conventional procedures, as well as for the design and production of foods with zero or low trans isomers / Mestrado / Mestre em Tecnologia de Alimentos