Nota tcnica

La evaluacin sensorial de bebidas a base de fruta: Una aproximacin difusa.

vila-de Hernndez Rita M.(1) Gonzlez-Torrivilla Csar C.(2)

(1) Docente Departamento de Procesos Agroindustriales, Programa Ingeniera

Agroindustrial, Decanato de Agronoma, Ncleo Obelisco, Universidad Centroccidental
Lisandro Alvarado. Barquisimeto Venezuela. ritaavila@ucla.edu.ve.

(2) Docente Departamento de Procesos Agroindustriales, Ingeniera Agroindustrial,

Decanato de Agronoma, Ncleo Obelisco, Universidad Centroccidental Lisandro Alvarado.
Barquisimeto Venezuela. cesargonzalez@ucla.edu.ve

Resumen: La calidad de los alimentos est asociada a un conjunto de propiedades y

caractersticas que les confieren la capacidad de satisfacer las necesidades del consumidor.
La industria de los alimentos tiene en la evaluacin sensorial una herramienta que permite
valorar la percepcin del consumidor de un producto como un todo, o de un aspecto
especfico del mismo. Dicha herramienta, sin embargo, es intrnsecamente subjetiva
debido a su dependencia de los sentidos humanos; en consecuencia, diversos evaluadores
podrn diferir en cuanto a su apreciacin de un producto determinado. La incertidumbre
asociada a la percepcin sensorial no tiene por qu ser un problema; sta puede
aprovecharse como parte del proceso de evaluacin si se trata mediante lgica difusa.

El siguiente trabajo tiene como objetivos valorar la aplicacin de la lgica difusa en la

evaluacin sensorial, y determinar la aceptabilidad de una bebida, empleando una serie de
pruebas afectivas y datos instrumentales. Para ello se emplear como ejemplo la
evaluacin de una muestra de una bebida a base de pia. Los resultados muestran que es
posible predecir la aceptacin de la bebida mediante el sistema de lgica difusa con una
exactitud comparable a la exhibida por los evaluadores humanos.

Palabras claves: Evaluacin Sensorial/ Lgica Difusa/ Calidad de los Alimentos/ Bebida a
Base de Pia.

Sensory evaluation of fruits soft drinks: A fuzzy logic approximation.

Abstract: Food quality is associated with a set of properties and characteristics that give
them the ability to satisfy the consumer s needs. The food industry has in the sensory
evaluation a tool to evaluate the consumer s perception of a product, either as a whole or
of a specific aspect of it. This tool, however, is inherently subjective - although it can be
improved with training - due to its dependence on the human senses; consequently,
different evaluators may differ in their assessment of a given product. The uncertainty
associated with sensory perception need not be a problem, because it can be exploited as
part of the evaluation process if it is expressed using fuzzy logic.

The following paper aims to assess the implementation of fuzzy logic in the sensory
evaluation, and determine the acceptability of a drink, based on a series of tests that
include affective responses and instrumental data. On this regards, the evaluation of a
sample of a pineapple soft-drink will be used as a practical example. The results showed
that it is possible to predict the acceptability of the beverage with the fuzzy logic system
with an accuracy comparable to that exhibited by the evaluators.

Keywords: Sensory Analysis/ Fuzzy Logic/ Food Quality/ Pineapple Soft-Drink.

I. INTRODUCCIN.
Los productos que se destinan a la alimentacin deben cumplir con una serie de
parmetros de calidad -microbiolgicos, fsicos y nutricionales- que estn estipulados en
las normativas que rigen esta materia. Sin embargo, en los alimentos el solo cumplimiento
de estos aspectos no es suficiente. Su calidad no estar plenamente definida si a esas
caractersticas no se le suman las organolpticas, y es all donde la aceptacin de un
producto -por parte de sus potenciales consumidores- es un factor de decisin muy
importante cuando se desea la introduccin de un nuevo producto, o mejorar uno
existente. Entonces, la calidad de los alimentos es un conjunto de propiedades y
caractersticas que le confieren aptitud para satisfacer unas necesidades, implcitas o
expresadas por el consumidor. Este concepto que presenta Vsquez [1], le da
preponderancia a los deseos del consumidor, quien es al final quien toma la decisin.

La industria de los alimentos tiene en la evaluacin sensorial una herramienta que le

permite valorar la percepcin -por parte del consumidor- de un producto como un todo, o
de un aspecto especfico del mismo. En este tipo de pruebas, la informacin proporcionada
por un panel se percibe por los rganos sensoriales -de la vista, el olfato, el oido, el gusto
y el tacto- [2] y los resultados permiten determinar cmo el procesamiento y la
formulacin de un producto afecta la aceptabilidad de un alimento. Las evaluaciones
sensoriales requieren una organizacin minuciosa. Se inicia con la seleccin de los
atributos a categorizar en la muestra, el diseo de los instrumentos para la recoleccin de
la informacin, el tipo de prueba a realizar y la determinacin del tipo y nmero de
panelistas que participarn en la evaluacin [3]. La seleccin de los atributos obedece a la
naturaleza del alimento y al destinatario del producto. Por otra parte, el diseo del
instrumento estar en correspondencia con el tipo de prueba a realizar, y por ltimo, el
nmero de panelistas necesarios para que una prueba sensorial sea vlida depender del
tipo juez que vaya a ser empleado [4].

Cuando se analizan los alimentos, adems de saber qu caractersticas buscar, es

importante tener el vocabulario adecuado para describir la diferencia de calidad de un
producto [3]. Al ingerir un alimento, se emite un juicio bueno

o malo. Conscientemente o no, quien lo ha probado decide si ste tiene una calidad
aceptable y esto gracias a lo que se percibe con los sentidos [5]. Sin embargo, la
descripcin de la sensacin provocada por un alimento obedece a un lenguaje
subjetivo -y en ocasiones incierto- el que es muy complejo para pretender
cuantificarlo mediante escalas de valores exactos, las cuales le pueden restar riqueza
a la apreciacin realizada [6]. Otras consideraciones importantes estn asociadas a
que durante las pruebas sensoriales, en las respuestas de los evaluadores pueden
influir factores sicolgicos que se traducen en resultados falsos. stos son los
responsables de los errores sensoriales, que son: de expectativa, de estmulo y por
constraste. Los errores de expectativa, pueden ocurrir cuando los evaluadores reciben
demasiada informacin sobre la naturaleza del experimento o de los tipos de muestra
antes de iniciar la prueba; los de estmulo, cuando los evaluadores son influenciados
por las diferencias observables de las muestras a probar, e.g. tamao, color, forma y
cantidad; y los errores por contraste, que se presentan cuando muestras agradables
son seguidas de muestras desagradables, lo que les conlleva a asignar puntuaciones
ms elevadas a las primeras. Adicionalmente, los errores no estn relacionados solo
con aspectos visuales; adems se deben considerar los gustativos y olfativos, y todos
ellos pueden afectar la evaluacin sensorial final de cualquier producto [7].

La lgica difusa permite considerar matemticamente el fenmeno de la

incertidumbre asociado a la ambiguedad del pensamiento humano. La evaluacin
sensorial de los alimentos es claramente un ejemplo de ello, debido a las diferencias
que hay entre la percepcin individual de un producto en un grupo de panelistas y
adems en cmo pueden stos hacer distinciones entre los atributos del mismo [8].
Existen cuatro ventajas que hacen de la lgica difusa una alternativa a escoger en
estos casos: (i) permite expresar observaciones irreductibles y su incertidumbre en las
medidas y hace a sta, datos empricos. Estos datos -los que se basan en estados de
distinciones graduadas de variables relevantesse denominan datos difusos. Cuando
stos se procesan, su incertidumbre intrnseca tambin, y los resultados son mas
significativos, tanto epistemolgica como pragmticamente, que los obtenidos
empleando datos ntidos; (ii) ofrece ms recursos para manejar la complejidad y
controlar los costos computacionales. La experiencia general es, que mientras mas
complejo es el problema, mayor es la superioridad de los mtodos difusos; (iii) tiene
considerablemente, mucho mayor poder expresivo, y en consecuencia puede lidiar de
una manera efectiva con una mayor variedad de problemas, en contraste con los
mtodos tradicionales ntidos porque tiene la capacidad de captar y tratar con
significados de predicados expresados en un lenguaje natural; y (iv) capta el sentido
comn humano, la toma de decisiones y otros aspectos relacionados con el
conocimiento humano y cuando esto es empleado en el diseo de mquinas, los
resultados son ms "amigables" [9].

El objetivo de esta investigacin es mostrar la aplicacin de la lgica difusa en la

evaluacin sensorial y determinar -con la ayuda de pruebas afectivas y datos
instrumentales- si una bebida ser potencialmente aceptada -o rechazada- por el
consumidor, tomando como un ejemplo prctico la evaluacin de una muestra de una
bebida a base de pia.

II. DESARROLLO.

1. La Lgica Difusa y la Evaluacin Sensorial.

La aplicacin de los conceptos difusos en el rea de la evaluacin sensorial es reciente.

Perrot et al. [10] en una revisin de los usos de la lgica difusa en el control de la
calidad en los alimentos, destacan tres reas: (i) la representacin de la evaluacin
sensorial realizada por un equipo, operador o consumidor; (ii) la medida indirecta de
las propiedades en los alimentos y (iii) el diagnstico, la supervisin y el control de la
calidad de los alimentos. Para efectos del presente trabajo slo se considerarn las
aplicaciones de la lgica difusa a la evaluacin sensorial. Los autores [10] expresan
que las investigaciones en esa rea se focalizan en resaltar el poder de la lgica difusa
para representar la semntica del lenguaje humano en la evaluacin sensorial. Por
ejemplo, Forodunso et al. [8] simularon un sistema basado en reglas difusas para la
evaluacin sensorial de un tipo de casabe preparado a dos condiciones. Ellos
formularon su modelo empleando el de Takagi-Sugeno y Kang (TSK) y mediante una
base de datos creada con los resultados de una evaluacin sensorial previa, realizaron
la comparacin entre las preferencias de las personas y lo que predeca el modelo en
igualdad de condiciones. Los resultados indican que el modelo predice la misma
preferencia que los evaluadores y lo presentan como una alternativa de menor costo
frente a los que requiere la planeacin, preparacin y aplicacin de una evaluacin
sensorial. Espinilla et al. [2] simularon la percepcin de expertos que evaluaron
muestras de aceite de oliva. Con este modelo, el que incluy informacin linguistica
multigranular, los autores facilitaron la tarea de los evaluadores quienes pudieron,
dentro de un mismo atributo crear distintas categoras las que realmente
representaban su grado de aceptabilidad. Los resultados muestran que el modelo es lo
suficientemente flexible y permite el uso de etiquetas de valoracin cualitativa para la
interpretacin de la preferencia de los evaluadores. Lanzillotti et al. [7] aplicaron los
conceptos de la lgica difusa en el anlisis sensorial como una herramienta rpida
para validar la evaluacin de alimentos y sus mtodos de preparacin, especialmente
en el caso de la alimentacin masiva. Estos autores plantearon cuatro hiptesis a
verificar, con las que concluyeron que en efecto, el uso de la lgica difusa en pruebas
de aceptabilidad, flexibiliza los procesos de toma de decisin en el anlisis sensorial.
Lazim et al. [11] realizaron una evaluacin sensorial, bajo lgica difusa, de muestras
de productos de caf. Estos autores escogieron a 30 evaluadores para analizar tres
marcas comerciales de bebidas a base de caf con la finalidad de establecer los
criterios linguisticos difusos que se emplearan en la evaluacin. Luego empleando
esos criterios, realizaron la evaluacin sensorial, para finalmente procesar los datos
obtenidos y determinar la preferencia de las bebidas. Los resultados indican que los
grados de preferencia hacia los atributos sensoriales representados mediante trminos
linguisticos difusos permitieron una mejor interpretacin de las percepciones de los
evaluadores y adems se aproximaron mejor a la preferencia de los consumidores.
Jaya et al. [12] emplearon la lgica difusa para la evaluacin sensorial de tres marcas
comerciales de bebidas de mango (listas para tomar) versus una bebida preparada
con un granulado de mango obtenido en su laboratorio. La lgica difusa permiti
identificar cual era la mejor de las marcas y en base a los ndices obtenidos realizaron
la formulacin del preparado. La bebida reconstituda solo satisfizo el criterio de
calidad asociado a la consistencia.

2. Materiales y Mtodos.

La calidad sensorial de un alimento puede evaluarse estimando la impresin total que

ste causa en la mente una vez que se prueba. Los atributos que se analizan en un
alimento -mediante los sentidos- son su color y apariencia, su sabor, aroma
y "sensacin en la boca". Otros aspectos que son considerados y forman parte de la
evaluacin estn relacionados con el costo, empaque, valor nutritivo, higiene, vida
til, etc., los que adems producen en las personas ciertos tipos de sensaciones que
en total, influyen en la evaluacin sensorial. Estas pruebas se caracterizan por ser
imprecisas, inexactas e inciertas, lo cual las hace una "evaluacin subjetiva" [13].

2.1 Obtencin de los datos:

Cuando se evaluan los alimentos, las empresas obtienen sus datos de tres fuentes: (i)
los paneles sensoriales; (ii) los de preferencia, y (iii) los datos instrumentales. En el
presente trabajo, los datos sern adquiridos a travs de paneles sensoriales e
instrumentales. Los paneles son grupos -de 10 a 20 personas- previamente
seleccionados y entrenados por varios meses. Durante su entrenamiento, a los
panelistas se les presenta una gama de productos seleccionados los que representan
un amplio intervalo de sabores, colores, etc. Ellos producen sus propios descriptores
de los atributos del alimento, los que pueden usarse sistemticamente para describir
distintas variedades de productos y son ellos los responsables de emitir un juicio que
clasifica cada muestra estableciendo un "ranking" para cada descriptor. Un panel
genera de entre 8 y 20 descriptores [14] luego de su discusin y anlisis. Un panel
sensorial ideal debera producir resultados absolutamente uniformes y consistentes, lo
que le otorgara un tratamiento instrumental. Sin embargo, en la prctica la
percepcin humana no es ni absoluta ni constante. Los datos instrumentales proceden
de determinaciones fsicoqumicas realizadas a los alimentos y estas propiedades
estan asociadas con una caracterstica organolptica en particular. Ejemplo de datos
los instrumentales pueden ser el pH, los Brix, la viscosidad, el color (L, a, b), entre
otros.

2.2 Pasos para la obtencin de los datos y evaluacin de la calidad sensorial de

una bebida a base de frutas:
La secuencia para la obtencin de los datos provenientes de un panel sensorial y posterior
evaluacin de la calidad de una bebida a base de frutas, basado en un tratamiento difuso,
se realizar en tres etapas. Estas se muestran en la tabla a continuacin:

3. Propuesta para la evaluacin sensorial de una bebida a base de frutas, bajo

aproximacin difusa.

3.1 Definicin del perfil de la muestra.

Durante la evaluacin sensorial existe difusividad; sta se evidencia en las frases o

palabras que se utilizan para describir una sensacin particular [15]. Las escalas
hednicas -aquellas que establecen un paralelismo entre una escala numrica y la
preferencia del evaluador- contemplan en su estructura parmetros de difusividad. No
solo se trata de "si me gusta el jugo" o "no me gusta el jugo", existe una serie de
posibilidades entre las que se pueden citar "me gusta poco", "me gusta mucho", "me
disgusta poco", "ni me gusta, ni me disgusta" las que reflejan la complejidad de la
percepcin del mismo producto por cada panelista sensorial.

En la Figura 1, se observa un ejemplo de la estructura de la variable definida

como "calidad sensorial de una bebida a base de frutas", conformada por los atributos
que sern evaluados -gusto y consistencia-, los criterios que los definen y los valores
lingusticos que permiten hacer la descripcin y categorizacin de cada muestra.
Cuando se realizan reuniones con los panelistas para definir el perfil sensorial de una
muestra, adems de unificar los parmetros que describen una sensacin en
particular, es propicia tambin la ocasin para establecer la importancia que tendr
una dimensin en la categorizacin final de la muestra. Por ejemplo, pudiera ser que
una muestra no sea atractiva desde el punto de vista de su color, pero su gusto es
agradable; o que una muestra no tenga la consistencia adecuada pero que siga siendo
gustosa. En esos casos se establece un compromiso entre la apariencia y la
aceptabilidad del producto y se define la ponderacin en la cual la dimensin
evaluada impacta al perfil de la muestra.

3.2 Definicin de las dimensiones gusto y consistencia.

La variable calidad sensorial ser evaluada en funcin de los atributos -o dimensiones-

gusto y consistencia. Es necesario que se definan para cada atributo los descriptores que
se emplearn para la formulacin y caracterizacin de cada muestra. En la Figura 2, se
observa un ejemplo de estos criterios o indicadores de los atributos.
3.3 Definicin de las reglas para la discriminacin entre las muestras de la bebida
a base de frutas.

La seleccin de la muestra se realizar obedeciendo a un procedimiento bsico de la lgica

de proposiciones bivalentes [16]. Si se definen,

p : "jugo de gusto agradabe"

q: "jugo de consistencia agradable"

Slo ser vlida la opcin (p ^ q) -tambin su conmutativa-. En otros trminos:

"Jugo de gusto agradable y de consistencia agradable" (y su conmutativa).

En ambos atributos (gusto y consistencia) la condicin "agradable" producto de la

evaluacin sensorial, se traducir en datos instrumentales para efectos del diseo del
sistema difuso.

3.4 Conjuntos difusos.

Sea C un conjunto finito ntido definido como los atributos que conforman la calidad de la
bebida a base de fruta. Entonces,

C = { gusto, y consistencia}, cuyo cardinal es |C | = 2

Se definen los subconjuntos de los atributos gusto y consistencia, de la siguiente manera:

Sea C1 un conjunto de parmetros de gusto que determinan el grado de aceptacin de

una muestra de jugo de fruta.

Entonces,

C1 = {valores de Brix, pH}

Sea C2 un conjunto de parmetros de consistencia que determinan el grado de

aceptacin de una muestra de jugo de fruta.
Entonces,

C2 = { viscosidad }

C1 y C2, conforman el conjunto ntido C, y cumplen con las siguientes propiedades [9]:

1. No son vacos.

2. Son disjuntos dos a dos.

3. La unin de los tres, resulta el conjunto C.

Los subconjuntos C1 y C2, son los atributos de la Figura 1 y adems son las variables
linguisticas a emplear. Se les da este tratamiento porque las fronteras de los valores
linguisticos son difusas. Los valores linguisticos a emplear sern los generados en la
evaluacin sensorial de las muestras de la bebida. Para la que se emplea una escala
hednica. En la Figura 2, se ilustra el atributo gusto con los valores linguisticos y la
funcin de pertenencia. El atributo consistencia tendr un comportamiento similar.
Adicionalmente, y como referencia para la evaluacin, es necesario definir otro
conjunto difuso P el que reune las caractersticas deseables de la bebida ideal
concebido en la seccin 3.3. y est relacionado con la seleccin del panel.

P= {Brix, pH, viscosidad}

4. Un ejemplo de aplicacin: la evaluacin sensorial de una bebida a base de pia.

Se emplear una base de datos compilada de la evaluacin sensorial de una muestra de

una bebida preparada en base a pulpa refinada de pia [17] realizada en el Laboratorio de
Evaluacin Sensorial, Programa Ingeniera Agroindustrial del Decanato de Agronoma -
UCLA. La finalidad de esta seccin es comparar entre las preferencias de un panel
entrenado y lo que selecciona el diseo difuso, en igualdad de condiciones. A continuacin,
se describe cada etapa.

Etapa 1. Elaboracin de la pulpa refinada de pia.

Las muestras empleadas para la evaluacin sensorial, se obtuvo del procesamiento de 60

pias de la variedad "Espaola Roja", cosechadas por un productor local. Para la
preparacin de la pulpa refinada se emple una despulpadora marca SPRINMATIC (de 10
Kg de capacidad), con un tamiz de cero inoxidable malla 65. El tiempo de despulpado fue
estandarizado con anterioridad y ajustado a 5 minutos, tiempo en el que se desprende
totalmente la pulpa. Obtenida la pulpa, esta fue empacada al vaco en bolsas de
polietileno, y almacenadas a -15C hasta su utilizacin.

Etapa 2. Seleccin del panel de catacin.

Para la seleccin y el entrenamiento del panel se siguieron los lineamientos establecidos en

las normas ISO 8586-1 [18] e ISO 8586-2 [19]. Se reuni a un grupo de 47 personas -de
la Comunidad Acadmica-quienes haban participado anteriormente en pruebas de
evaluacin sensorial. Mediante entrevistas individuales, se evalu en cada participante
aspectos como: hbitos alimenticios, consumo frecuente de jugos de fruta, conocimientos
tcnicos, aptitud, salud, carencia de algn impedimento fsico para hacer la cata (como
reaccin a la bromelina), habilidad de comunicacin, experiencia en evaluacin sensorial,
disponibilidad de tiempo, y motivacin, entre otros. Del grupo se escogieron un total de 32
personas, a las que se le aplicaron las pruebas sealadas en la Norma ISO 8586-1 [18],
Posteriormente, se efectuaron pruebas de umbral de deteccin de sabor (dulce y cido) y
consistencia, a fin de identificar a aquellos participantes que detectaran variaciones leves
en dichos atributos. Cada una de las pruebas de evaluacin sensorial se realizaron en las
instalaciones del Laboratorio de Evaluacin Sensorial del citado Programa.

Para la integracin del panel definitivo se tom como criterio de seleccin el 70% de
acierto en las pruebas. Constituido el panel, se procedi a su entrenamiento, siguiendo la
metodologa descrita en las normas ISO 8586-1 [18] e ISO 8586-2 [19]. Durante el
entrenamiento, se hizo nfasis en la aplicacin de pruebas descriptivas para la evaluacin
de los atributos a estudiar, as como pruebas de "ranking" para el ordenamiento de
muestras segn su gusto (cido y dulce) y su consistencia. Simultneamente, en sesiones
grupales, al panel se le dio a conocer el producto en estudio y se le solicit, enlistar las
palabras que ellos asociaban con cada uno de los atributos, caracterizando de esta manera
su gusto y consistencia. Una vez identificadas las palabras de mayor coincidencia para
cada uno de los atributos, se defini el perfil descriptivo del producto, logrando establecer
una sola terminologa lingstica para calificarlo. De igual manera, estas sesiones
permitieron consultarles a los integrantes del panel, el intervalo de valores o lmites de
gusto y consistencia en el que la pulpa deja de ser considerada de "buena calidad".

Etapa 3. Formulacin de las muestras.

Se aplic un diseo factorial 32 aleatorizado y repetido, para un total de 9 formulaciones,

partiendo de los lmites mnimos y mximos tanto de pH como de slidos solubles
indicados por el panel en las sesiones grupales. Para la determinacin del pH y los slidos
solubles se sigui el procedimiento descrito en las normas COVENIN N 1315 [20] y N
924 [21], respectivamente. Los valores mnimos y mximos de pH fueron: 3,2 y 3,4, y los
de sacarosa fueron: 12 y 16 Brix. El diseo fue elaborado mediante el programa
estadstico Statgrafhics Centurion v. XV. La aleatorizacin de las muestras se presenta en
la Tabla II.
Para la evaluacin del atributo consistencia se formularon 6 muestras -a partir de las
concentraciones mnima y mxima sealadas por el panel en las sesiones grupales-.
En la Tabla III se describen las proporciones de agua y pulpa empleadas en la preparacin
de las mismas.

Etapa 4. Evaluacin sensorial de las muestras.

La prueba de evaluacin sensorial realizadas se describen en la Tabla IV. As mismo en

la Tabla V, se muestran algunos parmetros establecidos en el diseo de las pruebas.
 Etapa 5. Definicin de los intervalos de gusto y consistencia ideales de la
bebida a base de pia.

Identificada la muestra de mayor agrado por los panelistas -en cuanto a su consistencia-
se le determin instrumentalmente su viscosidad [22]. Se utiliz un viscosmetro Brookfield
LVD, a una velocidad de rotacin de 30 rpm, establecindose como la consistencia ideal el
promedio de las 9 lecturas realizadas (3 replicas de tres muestras analizadas) con un
intervalo de variacin de aproximadamente 200 cp. El intervalo del atributo gusto, el que
se define con el pH y los grados Brix de la bebida, fue establecido directamente por los
panelistas al identificar la muestra de mayor agrado durante la primera prueba sensorial
realizada. El ideal para este atributo fue de 0,2 el pH de la muestra seleccionada, y 1
Brix de los slidos solubles de la misma.

Etapa 6. Elaboracin del programa.

Con los intervalos de gusto y consistencia se elabor un programa, el cual fue realizado en
la aplicacin Fuzzy Logic del MatLab v. 7.9. Los pasos fueron los siguientes:

1. Describir el sistema de inferencia difusa a desarrollar.

2. Establecer la escala de medicin de las variables de entrada (gusto y consistencia).

3. Asignar el intervalo de ponderacin de la escala.

4. Introducir las variables de salida (ideal, rechazada)

5.- Graficar las funciones de pertenencia.

6.- Establecer las reglas, para resolver el sistema de inferencia planteado.

7.- Validar el programa introduciendo valores hipotticos de gusto y consistencia, para

comprobar la exactitud del mismo versus la seleccin del panel.

5. Resultados.

5.1 Evaluacin sensorial de la bebida a base de pia.

Los resultados de la aplicacin de la pruebas de aceptabilidad se muestran en las tablas

VI y VII.
5.2 Elaboracin del programa.

La descripcin del programa elaborado, y cada una de las actividades requeridas para su
realizacin, se presentan a continuacin:

a) Declaracin de las variables de entrada: pH, slidos solubles (Brix) y viscosidad.

Las dos primeras caracterizan el gusto y la ltima, la consistencia.

b) Escala de medicin de las variables de entrada:

pH: valor cuantitativo comprendido en el intervalo 0 14.

Grados Brix: valor cuantitativo comprendido en el intervalo de 0 a 30.

Viscosidad: valor cuantitativo comprendido en el intervalo de 0 a 2000 cp.

c) Intervalo de ponderacin de la escala: Los intervalos se tomaron en cuenta

dependiendo de la calificacin de las muestras por el panel de catacin, y establecidos con
el valor instrumental de las variables pH, Brix y viscosidad.

d) Declaracin de las variables de salida: Cuando los valores de entrada de cada una
de las variables se encuentre dentro del intervalo ptimo, la salida ser "Bebida ideal"; y
en los casos en los cuales al menos una variable de entrada est fuera del intervalo
ptimo, ser "Bebida no aceptada".

e) Grficas de las funciones de pertenencia: En la Figura 3, se aprecian las 3 variables

de entrada del software. Las funciones de pertenencia para los valores de cada una de
ellas, fueron de dos tipos: triangular y gaussiana, las que se ajustaban mejor al grado de
pertenencia de cada variable. La funcin triangular fue considerada para representar
los valores ptimos (bebida ideal) y de tipo gaussiana para los valores de rechazo, los que
se denominaron descarte (para los valores por debajo de los ptimos) y descarte-1 (para
los valores superiores a los valores ptimos).

f) Reglas establecidas: La conformacin de las reglas heursticas para la discriminacin

entre las muestras, se fundament en las siguientes premisas:
 Para obtener el veredicto "bebida ideal" es necesario obtener aceptabilidad en todas las
variables de entrada (pH, slidos solubles y viscosidad); stas deben estar dentro de los
intervalos ptimos declarados para esas variables, de acuerdo al resultado de la evaluacin
sensorial realizada por los catadores.

Caso contrario, i. e., para obtener el veredicto "bebida no aceptada", al menos una de
las variables de entrada se encuentra fuera de los intervalos ptimos.

g) Validacin: Durante esta fase, se introdujeron al programa valores de entrada

conocidos de muestras diferentes, y se espera comprobar la exactitud del mismo
verificando cmo ste califica a las bebidas y si su respuesta coincide con los valores
esperados de acuerdo a la evaluacin sensorial.

6. Discusin de Resultados.

La puntuacin ms alta de las dos pruebas realizadas correspondientes a las

muestras A (Tabla VI) y L (Tabla VII), ambas destacadas en negrita-permitieron establecer
los valores de grados Brix, pH y viscosidad de la muestra ideal, siendo stos: 14 Brix, 3,4
y 480 cp respectivamente.

Al validar el programa, introduciendo como datos de entradas valores conocidos de

muestras diferentes, se comprueba la exactitud del mismo al calificar la muestra como
"bebida ideal" o "no aceptada" coincidiendo la respuesta del programa, con la esperada
segn los datos de la evaluacin sensorial.

III CONCLUSIONES.

1. La propuesta permiti la evaluacin de muestras de bebidas a base de pia con datos

instrumentales y los provenientes de un panel sensorial.

2. Cuando los problemas son planteados en un lenguaje natural, si bien pudiera

considerarse que no son expresados de manera tcnica, stos encierran una informacin
que es muy rica y que es reflejo de la experiencia de quien toma los datos. Al tomarse en
cuenta este empirismo, los resultados que se obtienen se acercan mucho ms a lo que
ocurre en la realidad.

3. El empleo de los sistemas difusos ofrece innumerables aplicaciones para las operaciones
en las que son requeridos criterios sensoriales, una de esas aplicaciones ha sido
demostrada en el sistema planteado en esta investigacin.

4. Para que el sistema difuso pueda operar eficientemente es de suma importancia

seleccionar un panel de catacin apropiado, a travs del cual se obtendrn los estndares
de calidad de los diferentes atributos en un producto dado, representando de esta manera
las exigencias del consumidor.

5. Para futuras aplicaciones se pueden realizar adaptaciones al sistema planteado

ajustando las variables que se deseen evaluar dependiendo de las necesidades concretas
de la operacin.

IV REFERENCIAS.

1. Vsquez, M. El Control de Calidad en la Industria Alimentaria. Ciencia y Tecnologa

Alimentaria. 1:1995. 34-37. [ Links ]
2. Espinilla, M., Martnez, L., Prez, L. G. "Modelo de Evaluacin Sensorial con Informacin
Lingustica Multigranular para el Aceite de Oliva". 2008. [En lnea]. Disponible
en: http://sinbad2.ujaen.es/sinbad2/files/publicaciones/179.pdf. (Consultado:
16/03/2010). [ Links ]

3. Charley, H. "Tecnologa de Alimentos. Procesos Qumicos y Fsicos en la Preparacin de

Alimentos". Limusa Noriega Editores, Mxico. 2001. 767 pp. [ Links ]

4. Anzalda, A. "La Evaluacin Sensorial de los Alimentos en la Teora y la Prctica."

Acribia, Zaragoza. 2005.198 pp. [ Links ]

5. Grupo Latino Ltda. "Manual del Ingeniero de Alimentos". Colombia. 2006. 487
pp. [ Links ]

6. Torres, M., Torres, E., Rojas, D., Vsquez, C. Mtodo de Evaluacin de la Calidad de la
Informacin en Servicios Basada en Tratamiento difuso. Universidad, Ciencia y Tecnologa.
12(47): 2008. 73-80. [ Links ]

7. Lanzilloti S., R., Lanzilloti S., H. Anlise Sensorial Sob o Enfoque da Deciso Fuzzy. Rev.
Nutr. Campinas. 12(2): 1999. 145-157. [ Links ]

8. Fodorunso, O., Ajayi, Y., Shittu, T.. Fuzzy-Ruled Based Approach for Modeling Sensory
Acceptability of Food Products. Data Science Journal. 8: 2009. 70-77. [ Links ]

9. Klir, G., Yuan, B. "Fuzzy Sets and Fuzzy Logic. Theory and Applications". Prentice Hall.
1995. 574 pp. [ Links ]

10. Perrot, N., Ioannou, I., Allais, I., Curt, C., Hossenlopp, J., Trystram, G. Fuzzy Concepts
Applied to Food Product Quality Control: A Review. Fuzzy Sets and Systems 157: 2006.
1145-1154. [ Links ]

11. Lazim, M. A., Suriani, M. Sensory Evaluation of the Selected Coffee Products Using
Fuzzy Approach. World Academic of Science, Engineering and Technology. 50:2009. 717-
720. [ Links ]

12. Jaya, S., Das, H. Sensory Evaluation of Mango Drinks Using Fuzzy Logic. Journal of
sensory studies. 18(2): 2003. 163-176. [ Links ]

13. Das, H. "Food Processing Operations Analysis". 2005. [En lnea]. Disponible
en:http://books.google.co.ve/booksSensory+evaluation+drinks+fuzzy+logic. (Consultado:
05/03/2010). [ Links ]

14. Corney, D. "Designing Food with Bayesian Belief Networks". 2000. [En linea]
Disponible en:http://www.dcorney.com/papers/FoodACDM.pdf. (Consultado:
01/02/2010). [ Links ]

15. Arango S., M., Urn S., C., Prez O., G. Aplicaciones de la Lgica Difusa a la Cadena de
Suministros. Rev. Avances en Sistemas e Informtica. 5(3): (2008) 117-
126. [ Links ]

16. Torres, E. "Lgica Bivalente y Conjuntos Cantorianos". Material con fines didcticos.
Doctorado en Ciencias de la Ingeniera, mencin Productividad. Universidad Nacional
Experimental Politcnica Antonio Jos De Sucre, UNEXPO. Barquisimeto. 2009. 32
pp. [ Links ]
17. Gonzlez, C. "Formulacin de una Pulpa Refinada de Pia (Ananas comosus) Mediante
Tecnologa de Obstculos". Programa Ingeniera Agroindustrial, Decanato de Agronoma,
Universidad Centroccidental "Lisandro Alvarado" UCLA. Venezuela. 2009. [ Links ]

18. International Organization of Standarization. "Sensory Analysis-General Guidance for

the Selection, Training and Monitoring of Assessors". Part 1: Selected Assessors. ISO
8586-1:1993(E), 1rst ed. Switzerland 1993. [ Links ]

19. International Organization of Standarization. "Sensory Analysis-General Guidance for

the Selection, Training and Monitoring of Assessors". Part 2: Experts. ISO 85862:1994(E),
1rst ed. Switzerland 1994. [ Links ]

20. Comisin Venezolana de Normas Industriales. Norma COVENIN N 1315.

Determinacin de pH. FONDONORMA, Caracas, Venezuela. 1979. [ Links ]

21. Comisin Venezolana de Normas Industriales. Norma COVENIN N 924. Determinacin

de Slidos Solubles por Refractometra. 1ra Revisin. FONDONORMA, Caracas, Venezuela.
1981. [ Links ]

22. Comisin Venezolana de Normas Industriales. Norma COVENIN N 2181.

Determinacin de Viscosidad. FONDONORMA, Caracas, Venezuela. 1978. [ Links ]