Return to search

Aplicação de redes neurais na formulação de gorduras para bolo baseada em gorduras interesterificadas de soja e algodão

Dissertação (mestrado) - Universidade Federal de Santa Catarina, Centro de Ciências Agrárias, Programa de Pós-Graduação em Ciência dos Alimentos, Florianópolis, 2010 / Made available in DSpace on 2012-10-25T10:49:58Z (GMT). No. of bitstreams: 1
293837.pdf: 1048315 bytes, checksum: bc48665e7729d4ecd638bed6a9427304 (MD5) / Os ácidos graxos trans (AGT) na dieta são oriundos principalmente das gorduras parcialmente hidrogenadas. Estudos comprovam que o consumo de AGT ocasiona obesidade, o aumento da lipoproteína de baixa densidade (LDL) em grau similar ao causado pelos ácidos graxos saturados e a diminuição da lipoproteína de alta densidade (HDL). Como alternativa para a fabricação de produtos zero e low trans utiliza-se a interesterificação química de gorduras. A formulação de gorduras pelos métodos convencionais envolvem procedimentos de tentativa e erro, podendo acarretar perdas econômicas, dependendo de tempo, disponibilidade de matérias-primas e experiência do pesquisador. As redes neurais vem ganhando grande aplicação na indústria alimentícia, pois são sistemas computacionais que apresentam um modelo matemático inspirado numa estrutura neural de organismos inteligentes e que adquirem conhecimento através da experiência. Este trabalho teve como objetivo formular gorduras interesterificadas zero trans para aplicação em bolos utilizando uma rede neural. Para a obtenção das formulações foram utilizados o conteúdo de gordura sólida (SFC) e o ponto de fusão da gordura padrão comercial como dados de entrada no programa. Das soluções apresentadas pela rede neural quatro formulações foram selecionadas. Estas foram analisadas quanto à composição em ácidos graxos conteúdo de gordura sólida, ponto de fusão, isotermas de cristalização e índice de iodo. As gorduras zero trans formuladas foram aplicadas em bolo tipo inglês e comparados com os bolos elaborados com a gordura padrão comercial através das análises de altura, volume e densidade específicos, umidade, textura e cor. As gorduras interesterificadas formuladas obtiveram valores determinados experimentalmente muito próximos ao perfil solicitado à rede, entretanto devido as suas características apresentaram maiores diferenças nos valores de teor de gordura sólida nas temperaturas de 10 a 20°C e 45°C quando comparadas à gordura padrão. As soluções propostas pela rede neural apresentaram comportamento térmico similar ao da gordura padrão e uma cristalização mais rápida que a da gordura padrão. As formulações elaboradas com gordura interesterificadas apresentaram concentração de ácidos graxos saturados semelhantes à gordura padrão, menor concentração de monoinsaturados, maior de poliinsaturados e menor de ácidos graxos trans, tornando possível sua especificação como #produto zero trans#. Para uma melhor perfomance dos shortenings formulados alguns ajustes ou adaptações no processo de fabricação são sugeridos (como a adição de estabilizante nos shortenings e menor tempo de forneamento dos bolos). Assim poderá obter produtos com qualidade superior aos produtos formulados com a gordura padrão. A rede neural apresentou grande desempenho na previsão da solução com menor erro, do conteúdo de gordura sólida e ponto de fusão das formulações propostas com o objetivo de alcançar o perfil solicitado, utilizando como referência a gordura comercial padrão, apresentando com menor erro (18%) a solução 01. Como alternativa aos procedimentos convencionais considera-se a rede neural uma ferramenta de grande valor na indústria, assim como na formulação e produção de alimentos com baixo teor de isômeros trans. / Fatty acids (TFA) in the diet are mainly derived from partially hydrogenated fats. Studies show that consumption of TFA causes obesity, increased low-density lipoprotein (LDL) in similar degree to that caused by saturated fatty acids and decreased high density lipoprotein (HDL). As an alternative for the manufacture of zero and low trans "to use chemical interesterification of fats. The formulation of fat by conventional methods involve procedures of trial and error, which may cause economic losses, depending on weather, availability of raw materials and experience of the investigator. Neural networks has been gaining wide application in food industry because they are computer systems that present a mathematical model inspired by a neural structure of intelligent organisms and acquire knowledge through experience. This study aimed to formulate interesterified zero trans fats for use in cakes using a neural network. To obtain the formulations were used solid fat content (SFC) and melting point of fat commercial standard as input data in the program. Of the solutions presented by the neural network four formulations were selected. These were analyzed for fatty acid composition of solid fat content, melting point and crystallization isotherms of iodine. Zero trans fats raised were applied to type English cake and compared with cakes made with fat trade pattern by analyzing for height, volume and specific density, moisture, texture and color. The interesterified fats formulated obtained experimentally determined values very close to the profile requested from the network, however due to its characteristics showed greater differences in the amounts of solid fat content at temperatures 10-20 ° C and 45 ° C when compared to the standard fat. The solutions proposed by the neural network showed thermal behavior similar to the fat pattern and a crystallization faster than the fat pattern. The formulations prepared with interesterified fat showed concentration of saturated fatty acids similar to the standard fat, lower concentration of monounsaturated, polyunsaturated larger and less of trans fatty acids, making possible its specification as "zero trans product." For better performance of shortenings made some adjustments or adjustments in the manufacturing process are suggested (such as the addition of stabilizer in shortenings and shorter baking of cakes). So you can get products with superior quality products formulated with the fat pattern. The neural network showed great performance in predicting the solution with less error, the solid fat content and melting point of the proposed formulations in order to achieve the profile required, using as reference standard commercial fat, with less error (18%) solution 01. As an alternative to conventional procedures is considered the neural network a very valuable tool in the industry, as well as in the formulation and production of foods low in trans isomers.

Identiferoai:union.ndltd.org:IBICT/oai:repositorio.ufsc.br:123456789/94493
Date January 2010
CreatorsScaranto, Bruna Antunes Alves
ContributorsUniversidade Federal de Santa Catarina, Block, Jane Mara
PublisherFlorianópolis, SC
Source SetsIBICT Brazilian ETDs
LanguagePortuguese
Detected LanguagePortuguese
Typeinfo:eu-repo/semantics/publishedVersion, info:eu-repo/semantics/masterThesis
Format124 p.| il., grafs., tabs.
Sourcereponame:Repositório Institucional da UFSC, instname:Universidade Federal de Santa Catarina, instacron:UFSC
Rightsinfo:eu-repo/semantics/openAccess

Page generated in 0.0031 seconds