Tese (doutorado) - Universidade Federal de Santa Catarina, Centro Tecnológico, Programa de Pós-Graduação em Engenharia Química, Florianópolis, 2016. / Made available in DSpace on 2017-06-27T04:14:53Z (GMT). No. of bitstreams: 1
345553.pdf: 7323199 bytes, checksum: fa3146a5426f6f53039705b93fb53e95 (MD5)
Previous issue date: 2016 / A cerveja é uma das bebidas mais sensíveis e instáveis do ponto de vista sensorial. Possui sabor e aroma complexos e moderados, mas apresenta pouca estabilidade de aroma, se comparada a outras bebidas alcoólicas. O sabor e aroma da cerveja variam devido a uma ampla gama de influências que ocorrem em todos os estágios do processo de preparação e durante a estocagem. A cerveja é composta de mais de mil componentes que podem contribuir para o sabor do produto, conferindo à bebida aromas agradáveis ou, em muitos casos, desagradáveis, quando há presença de compostos denominados off-flavors. A presença dos off-flavors é um dos problemas mais sérios na indústria cervejeira, porque a maioria dos consumidores julga o produto principalmente pela qualidade do seu sabor. Sua avaliação é complexa e primordial no controle de qualidade da indústria cervejeira, e comumente é realizada por meio de técnicas de análise, por vezes de alto custo, morosas ou mesmo subjetivas. O presente trabalho trata do desenvolvimento de um nariz eletrônico que avalie e detecte compostos indesejáveis em amostras de cervejas, sendo uma nova proposta para o controle de qualidade de aromas. O nariz eletrônico, também conhecido como e-nose, é um instrumento constituído por um arranjo de sensores parcialmente seletivos, que tem sido muito utilizado na análise de voláteis alimentares. A tecnologia dos narizes eletrônicos procura detectar o perfil dos compostos voláteis e necessita de uma quantidade pequena de amostra (15 mL), permitindo resultados rápidos e de menor custo. Para o processamento das informações recebidas do e-nose, é necessário que o equipamento seja acoplado a uma interface multivariada capaz de reconhecer padrões aromáticos - as redes neurais artificiais - e que analise os perfis aromáticos. Para resposta elétrica dos sensores (medidas de capacitância), foi utilizada a rede neural artificial do tipo probabilística PNN, também analise de componentes principais PCA, reconhecendo e classificando os padrões aromáticos encontrados na cerveja. Os resultados do presente estudo mostram que a diferença em entre os grupos de painel treinado e não treinado foi significativa, mostrando a necessidade de treinamento para melhor identificação de compostos a serem analisados. Observando o as análises de PCA e PNN foi observado que somente alguns compostos não foram identificados pelos métodos de reconhecimento de padrão, o que sugere que mais sensores poderiam ser implementados no equipamento para ampliar o reconhecimento desses compostos. A combinação do nariz eletrônico com as redes neurais artificiais se mostra uma alternativa promissora para o desenvolvimento de novos produtos, para a comparação de similaridades entre produtos concorrentes e para o controle da qualidade aromática de cerveja.<br> / Abstract : From a sensorial point of view, beer is one of the most delicate and unstable beverages. It has complex and moderate aromas and flavors, but little aroma stability, when compared to other alcoholic beverages. Beer?s flavor and aroma vary due to a wide range of influences which can occur at every single stage of its production and storage. Beer is made of over one thousand components which can contribute to the product?s flavor, providing it with pleasant or, in several cases, unpleasant aromas, due to the presence of what is called off-flavor compounds. The presence of off-flavors is one of the most serious problems in the beer industry because most consumers judge the product mainly by the quality of its flavor. Its evaluation is complex and fundamental in the beer industry?s quality control and it is commonly done by analysis techniques - usually slow, expensive and subjective ones. This project aims at developing an electronic nose which is able to evaluate and detect undesirable compounds in beer samples, as a new proposal to the aroma?s quality control. The electronic nose, also known as e-nose, is an instrument made of an array of partially selective sensors which has been long used in the analysis of food volatiles. The technology of electronic noses aims at detecting the profile of volatile compounds and needs a small sample amount (15mL), allowing quick and cheaper results. For the processing of the information acquired by the e-nose, it is necessary that the equipment is connected to a multi-varied interface which has to be able to recognize aromatic patterns - the artificial neural networks - and which analyzes the aromatic profiles. For the electrical responses of the sensors (capacitance measures), the PNN probabilistic artificial neural network was used. The PCA main compounds analysis was also used to recognize and classify the aromatic patterns found in beer. The results of this study show that the difference between the groups of trained and non-trained panels was significant, showing the necessity of training for the better assessment of the compounds to be analyzed. Observing the PCA and PNN analysis, it was noticed that only a few compounds were not identified by the standard recognition methods, which suggests that more sensors could be implemented into the equipment in order to amplify the recognition of such compounds. The combination of the electronic nose with the artificial neural networks presents itself as a promising alternative for the development of new products, for the comparison of similarities among competing products and for the control of the aromatic quality in beer.
| Identifer | oai:union.ndltd.org:IBICT/oai:repositorio.ufsc.br:123456789/176718 |
| Date | January 2016 |
| Creators | Reitenbach, Amanda Felipe |
| Contributors | Universidade Federal de Santa Catarina, Pinto, Leonel Teixeira |
| Source Sets | IBICT Brazilian ETDs |
| Language | Portuguese |
| Detected Language | Portuguese |
| Type | info:eu-repo/semantics/publishedVersion, info:eu-repo/semantics/doctoralThesis |
| Format | 249 p.| il., grafs., tabs. |
| Source | reponame:Repositório Institucional da UFSC, instname:Universidade Federal de Santa Catarina, instacron:UFSC |
| Rights | info:eu-repo/semantics/openAccess |
Page generated in 0.0022 seconds