Modelado del proceso de extrusión para una base almidón/fibra: simulación de la influencia de las condiciones de entrada en las variables respuesta operacionales y en las propiedades físico-químicas del producto

Abstract

[ES] La cocción por extrusión está siendo cada vez más utilizada en la industria alimentaria, principalmente gracias a su versatilidad en la creación de nuevos productos y a su eficiencia, tanto productiva como energética. Este hecho ha generado la necesidad de un mayor conocimiento de los fenómenos físicos, químicos y microbiológicos de la materia prima involucrados en esta técnica, que afectarán a las características de calidad finales del producto. En organizaciones dedicadas a la investigación y desarrollo de productos extrusionados, el entendimiento de este proceso es vital para facilitar la entrega de nuevas y óptimas soluciones aplicables en las empresas del sector. Por ello, el trabajo actual ha pretendido modelar la influencia de las condiciones de operación de un proceso de extrusión sobre las características de calidad del producto. Para ello se desarrollaron un conjunto de modelos matemáticos basados en redes neuronales artificiales, útiles para simular procesos alimenticios complejos, en donde existen gran cantidad de relaciones lineales y/o no lineales, y que requerirían un mínimo nivel de simplificaciones y aproximaciones para poder ser modelados mediante modelos teóricos. El estudio se enfoca en la influencia de 3 variables manipulables de operación: el flujo másico de materia prima seca, la velocidad de husillos y la humedad en la mezcla inicial. Las variables de respuesta se separaron en 2 grupos: (i) variables medibles en línea, como la temperatura de boquilla, la presión de boquilla y el torque par del motor del equipo; (ii) variables correspondientes a algunas de las características finales de producto, como propiedades físico-químicas y sensoriales, imposibles de ser obtenidas in situ. Se desarrolló una red neuronal para modelar la influencia de las condiciones de operación sobre las variables de respuesta medibles, obteniendo ajustes óptimos. Para poder modelar con suficiente exactitud el efecto de las condiciones de operación sobre las características finales del producto, se desarrolló una red neuronal para cada característica. El conjunto de redes neuronales modeladas constituyen modelos ajustados con suficiente exactitud para ser aplicados en futuros trabajos de simulación y optimización.

[EN] Extrusion cooking is being increasingly used in the food industry, mainly due to its versatility in the creation of new products and its efficiency, both productive and energetic. This has created the need for a better understanding of the physical, chemical and microbiological raw material involved in this technique, which affect the quality characteristics of the final product. In organizations dedicated to the research and development of extruded products, understanding of this process is vital to facilitate the delivery of new and optimal solutions applicable in companies. Therefore, the present work has attempted to model the influence of the operating conditions of an extrusion process on the quality characteristics of the product. This developed a set of mathematical models based on artificial neural networks, useful for simulating complex food processes, where there are lots of relationships linear and / or nonlinear, and require a minimum level of simplifications and approximations to be modeled by theoretical models. The study focused on the influence of 3 manipulable operating variables: mass flow of dry raw material, the spindle speed and the moisture in the starting mixture. The response variables were separated into 2 groups: (i) measurable variables online such as the temperature of nozzle, the nozzle pressure and the motor torque gear pair, (ii) some variables relating to the characteristics of the end product as physicochemical properties and sensory impossible to be obtained in situ. We developed a neural network to model the influence of operating conditions on the response variables measured, obtaining optimal settings. To be able to model with sufficient accuracy the effect of operating conditions on the final characteristics of the product, developed a neural network for each feature. The set of neural networks are adjusted models modeled with sufficient accuracy to be applied in future work simulation and optimization.