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 / Tese (doutorado) - Universidade Estadual de Campinas, Faculdade de Engenharia de Alimentos / Made available in DSpace on 2018-08-24T06:50:38Z (GMT). No. of bitstreams: 1 Marangoni_AndreLuis_D.pdf: 1214013 bytes, checksum: a252edf1c913d6c97e6f9530017bb9cd (MD5) Previous issue date: 2014 / Resumo: A interesterificação é uma ferramenta fundamental para o desenvolvimento de gorduras "zero trans"; entretanto, comparada ao processo de hidrogenação, esta apresenta limitações, sobretudo no desenvolvimento de gorduras para uso em panificação. De acordo com a literatura, na produção de pão de forma, a gordura exerce diversas funções, como a lubrificação e o aumento da extensibilidade da massa, e o aumento do volume e do sabor do pão. A gordura afeta a textura, mantendo os pães macios por mais tempo; isto se deve possivelmente à sua interação com o amido da farinha, retardando o processo de retrogradação e, assim, estendendo a vida de prateleira do pão. O objetivo deste trabalho foi aplicar a tecnologia de Redes Neurais Artificiais (RNA) na formulação de gorduras "zero trans" à base de óleo de soja e gorduras interesterificadas de soja para facilitar o processo de formulação por blending, específicas para produtos de panificação, e determinar a influência das mesmas na qualidade dos pães de forma e nas interações entre as gorduras e o amido da farinha. Para tanto, foram produzidos pré-misturas e pães de forma com a adição de 4% de gordura. Como padrões, foram utilizadas gorduras comerciais, hidrogenada (GHS) e low trans (GLT), além de óleo de soja (OLS). Também foram utilizados os blends de gordura formulados através da RNA (BL1, BL2, BL3 e BL4). Para efeito de controle, foi produzido um pão sem adição de gordura (C). A análise farinográfica mostrou que a absorção de água (ABS) da farinha de trigo pura (59,0%) foi em média 6,5% maior que a das pré-misturas adicionadas de gordura. O tempo de desenvolvimento (Td) foi menor para as amostras GHS, GLT e BL4. A extensografia mostrou que, dentre todas as amostras, a BL4 foi a mais resistente (980 UE) e a menos extensível (114 mm). Isto provavelmente ocorreu devido ao menor teor de óleo de soja em sua constituição (54%), o que pode ter contribuído para uma massa de maior consistência. A análise dos pães produzidos revelou que apenas os volumes específicos das amostras OLS (3,46 mL/g) e BL4 (4,07 mL/g) diferiram significativamente entre si. A análise de firmeza dos pães mostrou que ao longo da estocagem houve diferença significativa entre a firmeza dos pães com gordura e a amostra controle (1005,75 gf), sendo este valor 13% superior ao da amostra GHS - a mais firme dentre os pães com adição de gordura. A uniformidade do miolo foi maior com a utilização de gordura. Nos pães controle (C), a porosidade (26,73%) foi quase 3 vezes superior ao das amostras com a adição dos blends. Os miolos dos pães BL1, BL2, BL3 e BL4 apresentaram alvéolos pequenos e espalhados mais uniformemente, quando comparados aos pães C, GHS, GLT e OLS. Quanto à umidade, os pães com gordura apresentaram um menor teor em relação ao da amostra controle (35%), pois as suas massas absorveram menos água durante a mistura. A análise térmica através de DSC sugeriu um efeito da gordura sobre o envelhecimento dos pães, uma vez que as variações de entalpia de retrogradação foram menores para os pães com gorduras. Os blends de gordura desenvolvidos usando a RNA e aqui utilizados, além do baixo teor de ácidos graxos trans (1,18% em média), apresentaram-se viáveis para aplicação em panificação, sobretudo o BL4 / Abstract: Interesterification is a fundamental tool in the development of "zero trans" fats; however, when compared to the hydrogenation process, it presents limitations, especially when developing shortenings for bakery products. According to literature, in the production of pan bread, fat has several functions, such as lubrication and an increase in dough extensibility, and an increase in bread volume and flavor. Fat affects texture, maintaining breads soft for a longer period of time; this is possibly due to its interaction with starch in flour, retarding the retrogradation process and, thus, extending bread shelf-life. The aim of this study was to apply Artificial Neural Network (ANN) technology in the formulation of "zero trans" fats based on soybean oil and soybean interesterified fats to ease the formulation process through blending, for use in bakery products, and determine their influence on the quality of pan bread and on their interaction with starch in flour. For this, pre-mixes and breads with the addition of 4% fat were produced. As standards, commercial fats (hydrogenated soybean fat ¿ GHS and low trans fat ¿ GLT) were used, as well as soybean oil (OLS). The fat blends formulated using the ANN (BL1, BL2, BL3 e BL4) were also used. As control (C), bread without fat addition was prepared. The farinographic analysis showed that water absorption (ABS) of pure wheat flour (59.0%) was in average 6.5% higher than that of the pre-mixes of flour and fats. Dough development time (Td) was lower for the samples GHS, GLT and BL4. The extensographic analysis showed that, amongst all samples, BL4 showed the highest resistance to extension (980 EU) and the lowest extensibility (114 mm). This probably occurred due to the lower soybean oil content in its constitution (54%) that could have contributed to a more consistent dough. The analysis of the breads produced revealed that only the specific volumes of the samples OLS (3.46 mL/g) and BL4 (4.07 mL/g) differed significantly. Firmness analysis of breads showed that throughout the storage period studied there was a significant difference between the firmness of the breads with fats and the control sample (1005.75 gf), being this value 13% higher than that of GHS ¿ the firmest amongst samples with fat. Crumb uniformity was greater with the use of fat. In the control breads (C), porosity (26.73%) was almost 3 times greater than that of the samples with the addition of the blends. The crumbs of breads BL1, BL2, BL3 and BL4 presented small and more uniformly distributed alveoli, when compared to breads C, GHS, GLT and OLS. As to moisture content, breads with fat presented lower values when compared to the control sample (35%), as their doughs absorbed less water during mixing. Thermal analysis through DSC suggested an effect of fat on bread staling, once retrogradation enthalpy changes were lower for breads with fats. The fat blends developed using the ANN and used in this study, as well as having a low trans fatty acid content (1.18% in average), showed feasibility for application in pan bread, especially BL4 / Doutorado / Tecnologia de Alimentos / Doutor em Tecnologia de Alimentos