Professional Documents
Culture Documents
Palabras claves: Evaluacin Sensorial/ Lgica Difusa/ Calidad de los Alimentos/ Bebida a
Base de Pia.
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.
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.
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].
II. DESARROLLO.
2. Materiales y Mtodos.
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.
Sea C un conjunto finito ntido definido como los atributos que conforman la calidad de la
bebida a base de fruta. Entonces,
Entonces,
C2 = { viscosidad }
C1 y C2, conforman el conjunto ntido C, y cumplen con las siguientes propiedades [9]:
1. No son vacos.
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.
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".
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.
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:
5. Resultados.
La descripcin del programa elaborado, y cada una de las actividades requeridas para su
realizacin, se presentan a continuacin:
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".
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.
6. Discusin de Resultados.
III CONCLUSIONES.
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.
IV REFERENCIAS.
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 ]