PRACTICA DE LABORATORIO # 1
SISTEMA DE ABLANDAMIENTO
PARMETROS DE ABLANDAMIENTO
Objetivos:
Determinar el tiempo mnimo necesario
para realizar un ablandamiento adecuado
de los granos de maz, con respecto a un
ndice de flotacin determinado
Probar la hiptesis en la cual
proponemos que el vapor de agua-cal
facilita el ablandamiento en los granos de
maz.
Equipo y Materiales a utilizar:
2 kg de Maz Amarillo
Cal
Agua
Estufa
Beaker
Malla
MARCO TERICO:
Las operaciones que se llevan a cabo para
transformar el maz en harina son ajustadas
de acuerdo a varios factores como la
variedad de maz, la dureza del grano, la
humedad del maz, el tiempo de
almacenamiento y la integridad fsica del
grano. Sin embargo, para la industria, la
uniformidad de la materia prima es
fundamental con respecto a la dureza,
tamao y calidad de grano, para mayor
eficiencia en la transformacin y menor
prdida de slidos durante el ablandamiento
del grano. 1
Ahora, el proceso de ablandamiento
tradicional del maz se realiza por medio de
coccin, en el cual se sumergen los granos
de maz bien sea en agua o en una solucin
alcalina que contiene cal, conocindose
este ltimo como el proceso de
nixtamalizacin.
1 Buitimea Parra, P.(2007).
2 Pineda-Gmez, P., Coral, M & otros.(2010).
Los tiempos de coccin necesarios para que d
lugar el proceso de gelatinizacin (proceso
mediante el cual el agua penetra al
endospermo del grano, cambiando su
estructura cristalina, lo cual hace que el
almidn de maz sea digerible, pues la
estructura semicristalina actual del almidn
crudo no es digerible por el ser humano, por lo
cual se deben usar procesos de calor-humedad
para transformarlo2) son los siguientes:
Con solucin alcalina: 45 a 55 minutos a
temperatura de 70 a 90 grados centgrados
Coccin en agua: 60 a 70 minutos a
temperaturas de 80 a 90 grados
centgrados3
Para reducir estos tiempos de proceso, hemos
propuesto reemplazar este proceso de coccin
por un proceso de ablandamiento del grano de
maz, el cual consiste en someter
simultneamente los granos con vapor
compuesto por la mezcla de agua y cal, sin
necesidad de sumergirlos en la mezcla de lcali
durante 45 minutos en coccin y 15 horas
sumergidos en reposo4, con lo cual se pretende
acelerar el proceso. Para esto, vamos a
someter 30 muestras de granos de maz a
vapor de agua-cal con el fin de que el maz
pueda obtener la textura de ablandamiento
requerida para la adecuada molienda.
Dentro del marco de la literatura acadmica,
encontramos como un antecedente cercano el
procedimiento planteado por Salinas Moreno,
Y. & Aguilar Modesto, L. (2010); en donde se
someten las muestras de maz a una
nixtamalizacin experimental a pequea
escala, en donde se prepara la solucin agua-
cal en la cual se adicionan 1,5 gr de cal por
cada 150 gr de maz. Posteriormente se mide
3 Orozco y Orozco, M. (2007)
4 Buitimea Parra, P et al. (P. 15)
 la dureza del grano de maz por medio del
mtodo del ndice de flotacin5.
La diferencia con el anterior consiste en simular
a pequea escala el proceso bsico del
sistema de ablandamiento, el cual se basa en
hacer dicho ablandamiento por vapor.
ndice de flotacin (IF):
El ndice de flotacin es un mtodo de
medicin de ablandamiento que se basa en
la densidad de los granos. Para la
realizacin de su medicin, existen los
siguientes mtodos:
IF con nitrato de Sodio: se realiza en un
recipiente una solucin de Nitrato de Sodio
(300 ml) ajustada a una densidad de 1.250
g/ml previamente preparada, luego se
vierten 100 granos de maz, separando los
granos uno de otro por medio de un
agitador de vidrio, se agita y se espera un
minuto para tomar la lectura. El nmero de
granos que ascendieron a la superficie se
usa como el ndice de flotacin.6
IF con Azcar: Para este caso, se toman
670 g de azcar refinada y se mezclan junto
con 580 ml de agua, de tal manera que el
volumen de la solucin total sea de 1 L.
Luego el proceso de medicin se realiza de
la misma forma que con el mtodo anterior.7
La relacin de este nmero de granos
flotantes con su dureza, para ambos
mtodos, se puede observar en la siguiente
tabla, de acuerdo con los parmetros
propuestos por la norma NMX-FF-034/2-
SCFI-20038:
Para la medicin del IF, hemos escogido el
mtodo con Azcar, por su facilidad tanto
para su realizacin como para la obtencin
de los materiales para el mismo.
5 Salinas Moreno, Y. & Aguilar Modesto, L.
(2010).
6 Yahuaca-Jurez B; & Otros (2010).
7 CIMMYT (2016)
Granos Dureza
Flotantes
0 12 Muy Duros
13 37 Duros
38 62 Intermedio
63 87 Suaves
88 100 Muy Suaves
Tabla 1: ndice de Flotacin: Granos
flotantes vs dureza
El nivel de ablandamiento ideal para la
posterior molienda de los granos est
indicado por un rango de IF entre 66 a
79, de acuerdo con la caracterizacin
realizada por B. Contreras-Jimnez, y
otros (2014)9
PROCEDIMIENTO:
Tomar 30 muestras de maz amarillo,
cada una con 100 granos, y realizar su
pesaje
Preparar la solucin agua-cal en un
recipiente. Se us una concentracin de
cal del 2% (g/ml)10
Seleccionar una muestra de maz para
que sea sometida por el vapor del
recipiente con agua-cal
Colocar la malla encima del recipiente,
cubrindolo completamente
Colocar la muestra de maz encima de la
malla y observar el comportamiento y la
composicin final del maz sometido
teniendo en cuenta unos rangos de
tiempo prefijados de 10, 15 y 20 min.
Tomar la muestra sometida y hacer la
medicin de su dureza final por el mtodo
de ndice de flotacin con Azcar.
Registrar los datos del ndice de
flotacin obtenido
Repetir el procedimiento con las muestras
restantes
.
8 SAGARPA (2003)
9 B. Contreras-Jimnez, y otros (2014).
10 Gasca-Mancera,J. & Casas-
Alencster,N.(2007), P 318.
OBSERVACIONES DEL EXPERIMENTO:

Se deseaban tomar 30 muestras ya que para el tipo de experimento que se nos facilit
en el laboratorio de fsica es similar al presentado por Salinas-Aguilar11 , en cual ellos
trabajaron con 27 muestras y recomiendan un nmero cercano a 30 (Aunque esto
depender de la variabilidad mostrada por el anlisis estadstico para la muestra
definitiva). Ahora dado el tiempo del laboratorio el mircoles 6 de Septiembre a las 4 pm
con la compaa de la profesora Paola Fonseca, la cual nos facilit la entrada al mismo,
tenamos hasta las 6 pm aunque el laboratorista nos permiti estar hasta las 6:30 pm,
por esta razn solo pudimos probar las 9 muestras relacionadas en la tabla 1 , por esta
razn se quiso repetir la prueba, pero dada la nueva poltica de laboratorios de la
universidad es muy difcil el libre acceso por parte de estudiantes a los mismos .

Adems por el tamao del beaker solo se pudieron hacer pruebas con 10 granos por
corrida.

PRUEBAS DEL EXPERIMENTO:

IMAGEN 1. Maz criollo amarillo, antes de la prueba.

11 Salinas Moreno, Y. & Aguilar Modesto, L. (2010).(P. 6)

IMAGEN 2. 2 Kg de maz criollo amarillo

IMAGEN 3. Medicin de las dimensiones del maz

 IMAGEN 4. Pesaje del maz.

IMAGEN 5. Pesaje de la cal.

 IMAGEN 6. Preparacin de la mezcla de agua-cal.

IMAGEN 7. Montaje experimental.

Adems en el cd de anexo, en la carpeta Lab 1, hay videos de la experiencia.
ANLISIS ESTADISTICO:
La estadstica es el arte para aprender de los datos, esto est relacionado con la
recopilacin de datos, su descripcin subsiguiente y su anlisis, lo que nos lleva a
extraer conclusiones idneas y fidedignas12.

Para poder sacar conclusiones que tengan validez cientfica se hace uso de la
estadstica inferencial, la cual extrae conclusiones de una poblacin a partir de una
muestra, para lo cual esta muestra debe ser lo suficiente significativa, para
garantizar la representatividad de la muestra, se recomienda seguir la metodologa
de la teora de muestreo13

En la teora de muestreo cabe destacar que existen dos clases de muestreo el

probabilstico y el no probabilstico, el probabilstico tiene las siguientes
caractersticas:14
Es posible definir un conjunto n de muestras, todas de igual caractersticas
y con la misma probabilidad de ser elegidas.
Se selecciona un mtodo aleatorio de escogencia de muestras que
respete los principios de la inferencia estadstica (Independencia,
aleatoriedad y homoceasticidad).15
Se escogen estimadores para hacer inferencia, los cuales son aplicables a
todas las n muestras, entre los cuales los ms comunes son la media, la
varianza, la cuasivarianza16 o la diferencia de medias.

Si se cumplen estas caractersticas, entonces se garantizar que la muestra sea

representativa, lo cual permitir hacer inferencias vlidas.

Y el muestreo no probabilstico o tambin llamado muestreo de modelos o por

conveniencia no cumple con los supuestos de validez estadstica, sino que
solamente se cumple con un criterio de seleccin de muestra impuesto por el
investigador, por esta razn esta clase de muestreo no proporciona conclusiones
vlidas.17

La teora de muestreo expone los siguientes pasos:18

1. DEFINIR OBJETIVOS: Los cuales deben ser claros, concisos y medibles.

Para nuestro caso tomamos los objetivos del presente laboratorio.

12 Ross, Sheldon (2007) Introduccin a la Estadstica. (P.16)

13 Cochcran, W. Tcnicas de muestreo (1971) (P.29)
14 Cochcran, W. et al (P.P. 31-33)
15 Ver glosario de trminos.
16 Ver Glosario de trminos.
17 Pimienta Lastra,R. (2000). (P.265)
18 Cochcran, et al. (P.P. 25-29)
 2. ESCOGER MARCO REFENCIAL: Entindase por marco referencial, como
la seleccin de la poblacin objetivo y delimitacin geogrfica del mismo, de
acuerdo a los objetivos del estudio.

Para nuestro caso la poblacin objetivo es el maz que se caracteriz en los

parmetros. (Maz criollo amarillo)

3. ESCOGER TIPO DE MUESTREO: Se escoge un muestreo probabilstico,

ya que se quieren obtener inferencias del experimento y dentro del
muestreo probabilstico se escoge el muestreo aleatorio simple (M.A.S.),
esta clase de muestreo se escoge cuando se quiere garantizar que todas
las unidades de muestreo (Cada grano de maz) tenga la misma
probabilidad de ser escogido, as eliminando todo sesgo y cuando no se
tiene grupos dentro de la poblacin plenamente identificados.19

4. ESCOGER EL NIVEL DE PRECISION DESEADO (N.C.) : Los resultados

del muestreo, siempre van a estar sujetos a incertidumbre, ya que solo una
parte de la poblacin ha sido estudiada y debido a errores de medicin ,
esta incertidumbre puede ser reducida tomando muestras grandes y
usando mtodos de medicin adecuados, pero muchas veces por costos,
tiempo y dinero no es posible trabajar con muestras demasiados grandes,
por esa razn se trabaja con un nivel de precisin o nivel de confianza dado
que se determina de la siguiente manera:

. . =
Donde alfa es el error tipo 1, que se conoce como la probabilidad de rechazar una
hiptesis de investigacin o un estimador siendo estos verdaderos, normalmente
por conveniencia se trabaja con alfa del 5%, pues menores darn tamaos
muestrales muy grandes y mayores a ese, le quitan Validez a las conclusiones de
la investigacin.20 Por tanto nosotros trabajaremos con un N.C. del 95%.

5. PRECISAR LOS METODOS DE MEDICION: Fueron especificados en el

marco terico y procedimiento de la gua de laboratorio.

6. REALIZAR EL PROCEDIMIENTO: Seguir las respectivas guas, para

nuestro caso en observaciones de laboratorio, se especifican las
limitaciones que tuvimos en el procedimiento. En todas las investigaciones
cuando no existen experiencias exactamente iguales, este experimento se
denominar experimento o prueba piloto.21

7. ORGANIZACIN Y PRESENTACIN DE DATOS:

19 Cochcran, et al. (P. 41).

20 Walpole, R & Myers,R. (1998), (P. 293)
21 Cochcran, et al. (P.28).
 Peso Cal IF IF
Granos Peso Maiz (g) (g) (inicial)(%) (Final)(%) Tiempo
Muestra 1 10 6,4 6 40 50 10 min
Muestra 2 10 6,6 6 50 50 10 min
Muestra 3 10 5,8 6 40 50 10 min
Muestra 4 10 4,5 6 40 60 15 min
Muestra 5 10 5,5 6 50 60 15 min
Muestra 6 10 4,9 6 40 70 15 min
Muestra 7 10 5,1 6 40 70 20 min
Muestra 8 10 5,5 6 40 70 20 min
Muestra 9 10 5,1 6 50 70 20 min
TABLA 1 (Fuente propia)

8. VALIDACION DE LA MUESTRA (CALCULO DEL TAMAO MUESTRAL):

BIBLIOGRAFIA

Orozco y Orozco, M. (2007) Desarrollo de harina de maz para tortilla de mesa. (p. 29) Universidad de
San Carlos. Guatemala, Guatemala. Tomado de http://biblioteca.usac.edu.gt/tesis/08/08_1795_IN.pdf
Salinas Moreno, Y. & Aguilar Modesto, L. (2010). Efecto de la dureza del grano de maz (zea mays l.)
sobre el rendimiento y calidad de la tortilla. (p. 7) Ingeniera Agrcola y Biosistemas. Departamento de
Ingeniera Agroindustrial, Universidad Autnoma Chapingo. Tomado de
doi:10.5154/r.inagbi.2010.08.009
Yahuaca-Jurez B; Tello-Santillan R; Martnez-Flores H.E; Huerta-Ruelas J.A (2010) Contenido de
aceite y caractersticas fsicas de tres variedades de maz. (p. 3) Universidad de Guanajuato.
Guanajuato, Mexico.
CIMMYT (2016). Calidad de grano para tcnicos postcosecha. Laboratorio de calidad nutricional de
maz. Calidad Intrinseca. (pp. 10-15). Tomado de
http://conservacion.cimmyt.org/en/component/docman/doc_view/2022-calidad-de-grano-para-tecnicos-
postcosecha-
SAGARPA (2003) Productos alimenticios no industrializados - para uso humano - cereales -
maz amarillo para elaboracin de almidones y derivados - especificaciones y mtodos de
prueba (p. 18). Norma Tcnica Mexicana NMX-FF-034/2-SCFI-2003. Tomado de
http://www.sagarpa.gob.mx/agronegocios/Lists/Instrumentos%20Tcnicos%20Normalizacin%20y%20M
arcas%20Colecti/Attachments/96/NMX_MAIZ_AMARILLO.pdf
Contreras Jimnez, B; Gaytn Martnez, M; Morales Snchez, E; Figueroa Cardenas, J; Pless, R;
Gonzlez Jasso, E; Mndez Montealvo, G; & Velazquez, G. (2014) Propiedades funcionales de harinas
de maz nixtamalizado obtenidas por extrusin a baja temperatura, (p. 265). CyTA - Journal of Food,
12:3, Tomado de http://dx.doi.org/10.1080/19476337.2013.840804
Buitimea Parra, P. (2007). Anlisis proximal y cunatificacin de tirosina y triptfano en productos
procesados. (p. 25) Ciudad Obregon, Mexico. Tomado de
http://biblioteca.itson.mx/dac_new/tesis/29_priscila_buitimea.pdf
Pineda-Gmez, P., Coral, M & otros.(2010). Papel del agua en la gelatinizacin del maz:
estudio por calorimetra de barrido. (P.132). Revista Ingeniera y Ciencia. Universidad EAFIT,
Medelln, Colombia. Tomado de http://www.redalyc.org/articulo.oa?id=83516540008
Gasca-Mancera,J. & Casas-Alencster,N.(2007). Adicin de harina de maz nixtamalizado a
masa fresca de maz nixtamalizado. Revista mexicana de Ingeniera Qumica. Universidad
Autnoma Metropolitana Unidad Iztapalapa. Mxico, D.F., Mxico.
Ross, Sheldon (2007) Introduccin a la Estadstica. Ed Revert, Barcelona, Espaa.(P.16).
Cochcran, W. (1971) Tcnicas de muestreo. Ed CECSA. Universidad de Harvard. Cambridge,
Massachusetts, EE.UU.
Pimienta Lastra,R. (2000).Encuestas probabilsticas vs no probabilsticas. Revista Poltica y
Cultura Num 13. Universidad Autnoma Metropolitana Unidad Xochimilco, Mexico D.F.
Mxico.
Walpole, R & Myers,R. (1998) Probabilidad y estadstica para ingenieros. 6 ED. Editorial
Pearson. Traducido e impreso en Mxico, D.F., Mxico.