Modelagem e predição das propriedades reológicas e do perfil de textura de iogurte sem gordura

• Ano de defesa: 2020
• Autor(a) principal: Batista, Laís Fernanda
• Tipo de documento: Tese
• Tipo de acesso: Acesso aberto
• Idioma: por
• Instituição de defesa: Universidade Federal de Viçosa; Ciência e Tecnologia de Alimentos
• Palavras-chave em Português: Iogurte; Redes neurais; Transglutaminases; Reologia; Engenharia de Alimentos
• Link de acesso: https://locus.ufv.br//handle/123456789/30206

O iogurte é um dos leites fermentados mais consumidos, podendo ser obtidos a partir de diferentes formas de processamento e tipos de ingredientes, o que torna difícil estabelecer a padronização da textura. Produtos mais consistentes e sem de gordura são um desafio para o setor, visto que esses apresentam uma textura mais frágil. Nesse sentido, a adição da enzima transglutaminase e de proteína e modificações no processo de fabricação podem ser utilizadas como alternativas para melhorar a textura desses produtos. No entanto, o estudo instrumental de textura por perfil de textura (TPA) ou reologia é uma limitação para a indústria de alimentos devido ao alto custo dos equipamentos. Assim, a aplicação de modelagem por redes neurais artificiais (RNA's) pode ser uma ferramenta utilizada na construção de modelos de predição dessas medidas. Este trabalho teve como objetivo modelar e otimizar a textura do iogurte sem gordura a partir de alterações na composição do produto e no processo, sendo dividido em duas partes. Na primeira parte, o efeito dos fatores proteína caseína (Cas), enzima transglutaminase (TgE) e velocidade de rotação no processo de centrifugação (CRS) no perfil de textura (firmeza, coesão, goma e adesividade) e nas medidas reológicas (rotacional e oscilatório) foi avaliada. Por fim, a função desejabilidade foi aplicada para obter a melhor combinação entre os fatores estudados que proporcionaria um produto com uma textura adequada. A concentração final de proteína do iogurte e o volume de soro retirado no processo de centrifugação se correlacionaram positivamente com firmeza, índice de consistência, viscosidade aparente e tixotropia (p<0,05). A condição otimizada capaz de atender a todas as restrições aplicadas é obtida quando são utilizados 3,4% CAS, 1U TgE e 5500 rpm (CRS). Na segunda parte, as propriedades de textura instrumentais foram modeladas por RNA's e três modelos foram desenvolvidos. A melhor configuração encontrada para a predição das propriedades de textura obtidas no TPA (modelo 1), tixotropia (modelo 2) e viscosidade aparente (modelo 3) foram, respectivamente, 3-10-4, 4-5-1 e 4-45-1, em que a sequência apresentada representa o número de entradas, o número de neurônios na camada oculta e as saídas de cada modelo, respectivamente. As RNA's foram capazes de predizer tanto o TPA quanto as medidas reológicas com boa precisão e com desempenho superior aos modelos de regressão obtidos na primeira parte do trabalho. Portanto, o uso de ferramentas estatísticas pode auxiliar a indústria na definição de uma combinação adequada dos fatores em estudo para a obtenção de um produto final com caracteristicas de textura desejáveis, e também na obtenção de modelos de previsão das propriedades de textura. Palavras-chave: Modelagem. logurte. Transglutaminases. Reologia.