Orientador: Daniel Barrera Arellano / Tese (doutorado) - Universidade Estadual de Campinas, Faculdade de Engenharia de Alimentos / Made available in DSpace on 2018-08-17T11:56:59Z (GMT). No. of bitstreams: 1 Gandra_KellyMoreira_D.pdf: 1962114 bytes, checksum: b863c0d311a5f84450122b2a375cd93e (MD5) Previous issue date: 2011 / Resumo: O desafio das indústrias de alimentos na substituição da gordura trans em diversos produtos consiste no desenvolvimento de formulações que apresentem funcionalidade equivalente e viabilidade econômica. A interesterificação química tem-se mostrado a principal alternativa para a obtenção de gorduras plásticas zero ou low trans. Apesar da evolução tecnológica dos processos de produção das matérias-primas, os métodos convencionais utilizados pelas indústrias alimentícias na formulação de gorduras especiais são demorados e trabalhosos e, além de cálculos, muitos procedimentos de tentativa e erro são necessários. As redes neurais constituem um campo da ciência da computação ligado à inteligência artificial, que tem sido utilizado com sucesso na área de óleos e gorduras. Mediante a dificuldade enfrentada pelas indústrias na etapa de formulação de gorduras, o objetivo deste trabalho foi aplicar a técnica de redes neurais artificiais na formulação de blends zero trans para recheios de biscoito. Foram construídas e treinadas redes neurais do tipo perceptron multicamadas, utilizando três matérias-primas: óleo de soja e duas bases interesterificadas. O treinamento das redes neurais foi realizado utilizando-se como variáveis de saída o conteúdo de gordura sólida e o ponto de fusão de 62 exemplos de blends elaborados com as três matérias-primas e, como variáveis de entrada, a proporção de cada matéria-prima utilizada nos diferentes blends. A verificação da aprendizagem e da eficiência das redes neurais em generalizar dados foi realizada solicitando-se formulações de 16 blends utilizados e 16 não utilizados no treinamento, respectivamente. Desta forma, observou-se o alto desempenho das redes neurais na predição do conteúdo de gordura sólida e ponto de fusão de blends formulados com as matérias-primas do treinamento. Para averiguar a amplitude de aplicação, formulações de gorduras para recheio de biscoito foram requisitadas à rede. Foram selecionadas três formulações para cada gordura comercial usada como padrão, sendo que todas apresentaram maior desvio do conteúdo de gordura sólida, em relação ao solicitado, nas temperaturas de 10°C e 20°C. Já o conteúdo de gordura sólida e ponto de fusão determinados experimentalmente para cada formulação foram muito semelhantes aos preditos. Os recheios produzidos com as formulações propostas pela rede e com as gorduras comerciais apresentaram excelente estabilidade térmica. As formulações propostas pela rede, apesar de se apresentarem mais macias que as gorduras comerciais, foram capazes de manter a estrutura dos recheios e os biscoitos unidos sem a expulsão do recheio. A rede neural pode ser considerada uma ferramenta de grande valor na indústria, como alternativa aos procedimentos convencionais de formulação, assim como na produção de alimentos com zero ou baixo teor de isômeros trans / Abstract: The challenge for food industries to replace trans fats in various products lies in the development of formulations that yield fats with equivalent functionality and economic feasibility. Chemical interesterification has been used as the main alternative for obtaining zero trans plastic fats. Despite the technological evolution of raw material production processes, conventional methods used by food industries to formulate specialty fats are time-consuming and laborious and, in addition to calculations, many trial and error procedures are necessary. Neural networks are a field of computer science related to artificial intelligence, which has been used successfully in the area of oils and fats. Considering the difficulties faced by industries in the formulation stage of fats, the objective of this study was to apply the technique of artificial neural networks in the formulation of blends for zero trans biscuit fillings. Multilayer perceptron neural networks were constructed and trained using three raw materials: soybean oil and two interesterified fat bases. The neural network training phase was performed using as input variables the solid fat content and melting point of 62 examples of blends prepared with the three raw materials and, as output variables, the proportion of each raw material used in the different blends. The assessment of the learning capacity and efficiency of the neural networks in generalizing data was performed by requesting formulations of 16 blends used in training and 16 not used in training, respectively. The high performance of the neural networks to predict the solid fat content and melting point of blends formulated with the raw materials used for training was observed. To determine the range of application, formulations of fats for biscuit filling were requested to the network. Three formulations for each commercial fat used as standard were selected, all of which presented deviations greater than the solid fat content requested at temperatures of 10°C and 20°C. However, the solid fat content and the melting point determined experimentally for each formulation were very similar to those predicted. The fillings made with the formulations proposed by the network and commercial fats showed excellent thermal stability. The formulations proposed by the network, even though softer than the commercial fats, were able to maintain the structure of both filling and biscuit together without the expulsion of the filling. Neural networks can be considered a very valuable resource for the industry, as an alternative to conventional formulation procedures, as well as for the design and production of foods with low or zero trans isomer contents / Doutorado / Engenharia de Alimentos / Doutor em Tecnologia de Alimentos

Orientador: Caroline Joy Steel / Dissertação (mestrado) - Universidade Estadual de Campinas, Faculdade de Engenharia de Alimentos / Made available in DSpace on 2018-08-19T12:10:54Z (GMT). No. of bitstreams: 1 Penteado_AlessandraAfonsoTeixeira_M.pdf: 973579 bytes, checksum: 53ad98f08de44e474e99931a80129f8b (MD5) Previous issue date: 2012 / Resumo: Após as crescentes divulgações na mídia dos malefícios à saúde causados pela ingestão de gorduras trans e a Resolução RDC 360, de 23 de dezembro de 2003, que estabelece a obrigatoriedade de declaração dos níveis de gordura trans nos rótulos dos alimentos industrializados, nota-se uma crescente demanda por produtos sem ácidos graxos trans (¿low trans¿). O objetivo principal deste projeto foi aplicar a tecnologia de Redes Neurais Artificiais (RNAs) para a obtenção de blends de gorduras ¿low trans¿ derivadas de soja e avaliar seu desempenho quando aplicados no processamento de biscoitos laminados tipo Maria. Para tal, foram utilizadas duas bases de gorduras interesterificadas de soja (B1 e B2) e óleo de soja e, como características para definição do blend final foram utilizados os parâmetros de ponto de fusão e curva de sólidos das gorduras comerciais low trans e hidrogenada. Para a produção dos biscoitos, foram selecionados quatro blends de acordo com o menor erro apresentado pela RNA. Óleo de soja, gorduras comerciais low trans e hidrogenada de soja, foram utilizadas para comparação, bem como uma formulação sem adição de gordura. Todas as gorduras foram caracterizadas quanto aos índices de acidez, peróxido e iodo, composição em ácidos graxos e triacilgliceróis, ponto de fusão e curva de sólidos. Os blends foram caracterizados quanto ao ponto de fusão e curva de sólidos. Os biscoitos tiveram condições de processamento idênticas e diferenças de maquinabilidade da massa foram avaliadas. Após a produção dos biscoitos em escala laboratorial, os mesmos foram analisados quanto às suas características tecnológicas e físico-químicas (massa, dimensões, expansão, crescimento horizontal e vertical, cor instrumental, textura instrumental, atividade de água, gradiente de umidade, teor de umidade, teor de lipídios). Também foi realizado um acompanhamento mensal dos biscoitos por um período de quatro meses, analisando cor instrumental, textura instrumental, atividade de água, umidade e porcentagem de quebra/fissura. Os resultados mostraram que a gordura é fundamental para boa maquinabilidade, textura e umidade final dos biscoitos e ao longo do shelf- life estudado. Os biscoitos produzidos com os blends elaborados através da RNA, quando comparados com biscoitos produzidos com gorduras comerciais low trans e hidrogenada, não apresentaram alterações significativas nos parâmetros de processo/maquinabilidade e análises físico-químicas do produto final e ao longo de quatro meses de estocagem, sendo que o blend composto por 46% da base interesterificada de soja (B2) e 54% de óleo de soja, apresentou melhor performance. Assim, este estudo permite afirmar que através da RNA foi possível desenvolver gorduras para aplicação em biscoitos laminados que sejam low trans, derivadas de soja e com menor teor de saturados que as atuais gorduras comerciais. Portanto, representando uma vantagem para saúde do consumidor, otimizando tempo de formulação de gorduras, e possibilitando a obtenção de uma matéria prima para produção de biscoitos com maior disponibilidade no mercado brasileiro e a custos mais acessíveis / Abstract: After growing media disclosures of the health hazards caused by trans fats intake, and the RDC 360, 23 December 2003, establishing the mandatory declaration of trans fat levels on the labels of processed foods, a growing demand for products without trans fatty acids (¿low trans¿) has been noted. But the big challenge is getting ¿low trans¿ with the same functional and sensory properties of hydrogenated fats. The main objective of this project was to applied the technology of Artificial Neural Networks (ANN) to obtain fat blends derived from soy (low trans) and evaluate this performance when applied in the processing of rolled biscuits. To this end, was used two sets of soy interesterified fats (B1 e B2) and soybean oil and, as characteristics to define the blend, the parameters used were the melting point and the solid fat curve of the commercial fats low trans and hydrogenated. For the production of biscuits, four blends were selected according to the smallest ANN error. Soybean oil, commercial fats low trans and hydrogenated, were used for comparison as well as a fat-free formulation. All fats were characterized by acid value, peroxide and iodine index, fatty acid and triacylglycerols composition, melting point and solid fat curve. The biscuits had identical processing conditions and differences in machinability of the dough were evaluated. After biscuits production on a laboratory scale, they were analyzed in their technological and physicochemical characteristics (mass, size, expansion, horizontal and vertical growth, instrumental color, instrumental texture, water activity, moisture gradient, moisture and lipids value). Also, was carried out a monthly monitoring on the biscuits in a period of four months analyzing instrumental color, instrumental texture, water activity, moisture value and percentage of breakage/cracking biscuits. The results showed that fat is essential for a machinability, texture and moisture content in final biscuits and along the storage studied. The biscuits produced with the low trans blends prepared by the ANN, compared with the biscuits made with the commercial fatty low trans and hydrogenated, showed no significant changes in process/machinabilility parameters and physicalchemical analysis of the final products and over the four moth storage, and that the blend composed of 46% of the interesterified soybean (B2) and 54% soybean oil, had a better performance. Thus this study do suggest that through Artificial Neural Network was possible to develop low trans fats derived from soybean and less saturated fat than current commercial fats, for use in biscuits, representing a benefit for the consumer health, an operational and financial advantage, optimizing time of fats formulation, while enabling the obtains a raw material for biscuits production with Brasilian greater market availability and so, more affordable costs / Mestrado / Tecnologia de Alimentos / Mestre em Tecnologia de Alimentos