Jullielbi Coronel

UNELLEZ
VICERRECTORADO DE INFRAESTRUCTURA
Y PROCESOS INDUSTRIALES
PROGRAMA CIENCIAS DEL AGRO Y DEL MAR
SAN CARLOS-VENEZUELA
HERRAMIENTA EXPLORATORIA DE INVESTIGACIN Y

DESARROLLO DE UNA RACIN BALANCEADA DE CREMA
LCTEA, RICOTA, SUERO LCTICO Y FRIJOL BLANCO,
PARA USO HUMANO
Br. Julielbi Beatriz Coronel Piero

CI: V-25.120.974
Tutor: Prof. Enrique C. vila.
CI: V- 4.927.080
i
San Carlos, Abril de 2017
UNELLEZ
SAN CARLOS- VENEZUELA
HERRAMIENTA EXPLORATORIA DE INVESTIGACIN Y

DESARROLLO DE UNA RACIN BALANCEADA DE CREMA
LCTEA, RICOTA, SUERO LCTICO Y FRIJOL BLANCO,
PARA USO HUMANO
Informe final de Trabajo Grado presentado ante el Programa Ciencias del Agro y del Mar del
Vicerrectorado de Infraestructura y Procesos Industriales en San Carlos - Cojedes por la Br.
Julielbi Beatriz Coronel Piero A. CI: V-25.120.974, como requisito parcial para optar al ttulo
de Ingeniero Agroindustrial.
ii
Br. Julielbi Beatriz Coronel Piero
CI: V-25.120.974
CI: V- 4.927.080
San Carlos, Abril de 2017
APROBACIN DEL TUTOR
Yo vila, Enrique C., cdula de identidad N 4.927.080, en mi carcter de tutor del

Trabajo de Grado titulado HERRAMIENTA EXPLORATORIA DE
INVESTIGACIN Y DESARROLLO DE UNA RACIN BALANCEADA DE
CREMA LCTEA, RICOTA, SUERO LCTICO Y FRIJOL BLANCO, PARA
USO HUMANO , presentado por la bachiller, Julielbi Beatriz Coronel Piero, CI:
25.120.974, para optar al ttulo de Ingeniero Agroindustrial, por medio de la presente
certifico que he ledo el Trabajo y considero que rene las condiciones necesarias
para ser presentado, defendido y evaluado por el jurado examinador designado.
En la ciudad de San Carlos, a los 15 das del mes de Abril del ao 2017
Ing. vila, Enrique C.
iii
________________________
UNELLEZ
ACTA DE APROBACIN
El Trabajo de Grado titulado HERRAMIENTA EXPLORATORIA

DE INVESTIGACIN Y DESARROLLO DE UNA RACIN
BALANCEADA DE CREMA LCTEA, RICOTA, SUERO
LCTICO Y FRIJOL BLANCO, PARA USO HUMANO,
presentado por la bachiller Julielbi Beatriz Coronel Piero, CI:
25.120.974; como cumplimiento parcial de los requisitos para optar al
Ttulo de Ingeniero Agroindustrial, fue aprobado en fecha ?? de
????? 2017, por el siguiente jurado.
iv
___________________________ __________________________
Ing. Vctor Prez Ing. Alcibades Rivas
C.I. 9.561.633 C.I. 5.208.318
_________________________
Ing. vila, Enrique C.
C.I. 4.927.080
Tutor-Coordinador
INDICE GENERAL
Pg.
NDICE DE TABLAS viii
NDICE DE FIGURAS ix
DEDICATORIA x
AGRADECIMIENTO xi
RESUMEN xii
SUMMARY xiii
INTRODUCCIN 1
CAPITULO I.
3
I.1. EL PROBLEMA. 3
I.1.1. Planteamiento del problema. 3
I.1.2. Formulacin del problema. 5
I.1.3. Formulacin de los objetivos. 6
I.1.3.1. Objetivo general. 6
I.1.3.1.1 Objetivos especficos. 6
I.1.4. Evaluacin del problema. 7
I.1.5. Alcances y limitaciones de los resultados de la investigacin. 8
CAPITULO II. 9
v
II.1 MARCO TERICO. 9
II.1.1. ANTECEDENTES DE LA INVESTIGACIN. 9

II.1.2. BASES TERICAS. 14
II.1.2.1 El queso ricota. 14

II.1.2.2. El subproducto lactosuero. 15
II.1.2.3. La crema de leche comercial para consumo directo humano. 23
II.1.2.4. Las leguminosas en la nutricin. 24

II.1.2.5. Anlisis sensorial de alimentos. 26
II.1.2.6. Referenciales construidos de composicin proximal de

ingredientes potenciales en formulacin de raciones balanceadas
31
para uso humano.
II.1.2.7. Referenciales construidos de composicin proximal de

aminocidos de ingredientes potenciales en formulacin de
33
raciones balanceadas para uso humano.
II.1.2.8. Optimizacin con simulacin va programacin lineal en la

formulacin de raciones.
34
II.1.2.9 El mdulo de programacin lineal entera del Software WinQsb. 35
II.1.2.10. Modelacin de procesos con redes neuronales artificiales. 42
II.1.2.11. Optimizacin con simulacin de perfiles de respuesta y 45

deseabilidad.
II.1.3. FORMULACIN DE SISTEMA DE HIPTESIS. 46

II.1.4. FORMULACIN DEL SISTEMA DE VARIABLES. 47
CAPTULO III. 48
III.1. MARCO METODOLOGICO. 48

III.1.1. Tipo de investigacin. 48
III.1.2. Poblacin y muestra. 48
III.1.3. Diseo de la investigacin. 49
vi
III.1.4. Materiales y mtodos. 50
III.1.4.1. Materiales ingredientes en la formulacin de raciones balanceadas. 50
III.1.4.2. Equipos, instrumentos e implementos. 50
III.1.4.3. Metodologa de obtencin de la harina de frijol 50
III.1.4.4. Matriz de diseo para formulacin de racin con programacin lineal 52
CAPTULO IV. 54
IV.1. RESULTADOS Y DISCUSIN. 54

IV.1.1. Caractersticas de la harina de frijol obtenida. 54
IV.1.2. Matriz informatizada de referenciales construidos para formulacin. 55
IV.2. Matriz informatizada de referenciales construidos para formulacin. 56
IV.2.1. Formulaciones experimentales obtenidas con PL 58

IV.2.2. Formulacin culinaria a optimizar sensorialmente. 60
IV.3. Datos sensoriales y su anlisis. 62
IV.4. Funcionalidad estadstica de los datos 64
IV.5. Anlisis de confiabilidad de consistencia interna de los tems de la 66

encuesta.
IV.6. Optimizacin de la variable Aceptacin hednica 67
IV.7. Optimizacin va simulacin de las respuestas hednicas. 74
IV.8. Prediccin del tratamiento ms aceptado. 76
CONCLUSIONES. 79
RECOMENDACIONES. 80
REFERENCIAS BIBLIOGRFICAS. 81
vii
NDICE DE TABLAS
Cuadro Pgina
1 Composicin qumica de la Ricotta elaborado a partir de CPS y
elaborado a partir de suero de quesera.
10
2 Comparativo nutricional de trigo, frijol Bayo, maz amarillo y pulpa de 24
yuca
3 Comparativo de aminocidos en Trigo, Maz, Yuca y Frijol 26

4 Referenciales de valor nutricional proximal construido para la 32
investigacin
5 Valor nutricional comparativo de aminocidos. 33

6 Metamodelo de simulacin de programacin lineal, para el ajuste 53
de raciones.
7 Raciones virtuales potenciales de elaboracin y maquinar 60

culinariamente
8 Formulaciones culinarias optima saborizada carne de cerdo o 62

saborizada Ajo
9 Datos sensoriales y caractersticas estadsticas univariada de la 63

variable aceptacin hednica.
10 Estimadores robustos (medianas robustas) 66

11 Inter-correlacin global entre tems y de homogeneidad 67
de tems
12 Modelo del comportamiento de la variable Aceptacin hednica: 70

AH por variables sensoriales
13 Datos para los 81 encuestados y el ndice de calidad 72

predicho para cada caso
viii
NDICE DE FIGURAS
Figura Pgina
1 Etapas bsicas de una I+D 21
2 Modelo grafico de red neuronal artificial 44
3 Perfiles de respuesta, deseabilidad de calidad y distribucin Gauss
de respuestas del simulador, del programa JMP v.8. 46
4 Esquema tecnolgico para obtencin de harina integral de frijol. 51
5 Matriz informatizada para simulacin de raciones

balanceadas en WinQsb 57
6 Variabilidad de las puntuaciones de calificacin hednica 66

7 Determinacin de grupos de preferencia 71
8 Condiciones de entrenamiento, red utilizada y la calidad de la
Modelacin 75
9 Caractersticas de calidad a las condiciones predichas por el

modelo factorial: Calidad 5,95 76
10 Frecuencias para cada uno de los 7 dominios de la escala 77

11 Datos de frecuencia hednica para los 7 dominios de escala y
respuesta logstica (Programa SAS JMP). 78
ix
DEDICATORIA
Esta tesis se la dedico a m Dios quien supo guiarme por el buen camino, darme
fuerzas para seguir adelante y no desmayar en los problemas que se me presentaban,
ensendome a encarar las adversidades sin perder nunca la dignidad ni desfallecer
en el intento.
Con mucho cario principalmente a mis padres que me dieron la vida, y han
estado conmigo en todo momento, porque me sacaron adelante, dndome ejemplos
dignos de superacin y entrega, porque en gran parte gracias a ustedes, hoy puedo ver
alcanzada mi meta, ya que siempre estuvieron impulsndome en los momentos ms
difciles de mi carrera, y porque el orgullo que sienten por m, fue lo que me hizo ir
hasta el final. Va por ustedes, por lo que valen, porque admiro su fortaleza, por su
apoyo, consejos, comprensin, amor, y por ayudarme con los recursos necesarios para
estudiar. Me han dado todo lo que soy como persona, mis valores, mis principios, mi
carcter, mi empeo, mi perseverancia, mi coraje para conseguir mis objetivos.
A mi familia quienes por ellos soy lo que soy.
A mi hermano, tas, tos, primos, primas, abuelos y amigos, gracias por haber
fomentado en m el deseo de superacin y el anhelo de triunfo en la vida. Mil
palabras no bastaran para agradecerles su apoyo, su comprensin y sus consejos en
los momentos difciles. A todos, espero no defraudarlos y contar siempre con su
valioso apoyo, sincero e incondicional.
Julielbi Beatriz Coronel Piero.
x
AGRADECIMIENTOS
Son muchas las personas especiales a las que me gustara agradecer su amistad,
apoyo, cario y compaa en las diferentes etapas de mi vida. Algunas estn aqu
conmigo y otras en mis recuerdos y el corazn. Sin importar en donde estn o si
alguna vez llegan a leer estas dedicatorias quiero darle las gracias por formar parte de
mi, por todo lo que me han brindado y por todas sus bendiciones.
En primer lugar, a mi tutor de tesis, Enrique vila, mi ms amplia agradecimiento

por haberme confiado este trabajo en persona, por su paciencia ante su inconsistencia,
por su valiosa direccin y apoyo para seguir este camino de Tesis y llegar a la
conclusin del mismo.
Gracias todos los profesores de la universidad UNELLEZ, por su atencin y

amabilidad en todo lo referente a mi vida como alumna.
A todos mis compaeros y amigos, estn donde estn, y sin excepcin, se merecen
muchas y buenas palabras. Gracias por los buenos y malos momentos, por ayudarme
y escucharme.
Y por encima de todo, y con todo mi amor, gracias a los mos por estar
incondicionalmente conmigo durante estos aos, gracias a mi madre, que con su
demostracin de una madre ejemplar me ha enseado a no desfallecer ni rendirme
ante nada y siempre perseverar a travs de sus sabios consejos.
Agradezco tambin a mi padre por ser un apoyo en mi carrera y en mis logros a mi

hermano por ser un amigo para m y uno de los seres ms especiales en mi vida.
Finalmente gracias a la vida, que es hermosa, y una de las principales

caracterstica de esta hermosura es que la podemos compartir y disfrutar con quienes
amamos, podemos ayudar y guiar a muchas personas si ellas lo permiten, pero
tambin podemos ser ayudados y guiados durante nuestra vida.
Julielbi Beatriz Coronel Piero.
xi
UNELLEZ
RESUMEN
Br. Julielbi Beatriz Coronel Piero.

HERRAMIENTA EXPLORATORIA DE INVESTIGACIN Y DESARROLLO

DE UNA RACIN BALANCEADA DE CREMA LCTEA, RICOTA, SUERO
LCTICO Y FRIJOL BLANCO, PARA USO HUMANO
La investigacin con el objetivo de sistematizar una herramienta exploratoria de

investigacin y desarrollo de una racin balanceada, a base de una crema lctea,
proteinada y mineralizada con ricota, suero lctico en polvo y/o harina integral de
frijol blanco cocida, acidificada con cido lctico y aderezada con mezclas de ajo y
tocineta, para consumo humano. Con la metodologa empleada se logr construir
referenciales de valores nutritivos de ingredientes y, referenciales de requerimientos
nutricionales, desde la revisin de la literatura, aproximados para humanos, y se
ejemplifico su uso en construccin de una matriz alimento digitalizada o metamodelo
para la formulacin de raciones, en el software WinQsb 2.0, con el mtodo simplex,
con la cual se formularon raciones balanceadas; de las cuales se tom una racin
donde participaron todos los 04 ingredientes experimentales propuesto, mas harina de
soya expandida 46 % de protena; se maquinaron tecnolgicamente para uso culinario
en forma de crema entable; se ejemplific el uso prctico de herramientas en
laboratorio de alimentos, recoleccin de datos hednicos, funcionalidad estadsticas
de estos datos y; por otro lado, el uso de herramientas de software en el anlisis de
datos hednicos en la discriminacin de aceptacin y rechazo de mltiples muestras
distintas, como es la regresin logstica. Finaliza la investigacin con la aplicacin
sucinta y exitosa de herramientas de optimizacin va simulacin de mltiples
respuestas de calidad, de alimentos sometidos a mltiples factores experimentales,
usando el simulador de optimizacin del programa SAS JMP 8, con perfiles de
respuesta y de deseabilidad de calidad.
Palabras claves: Alimento balanceado, Crema lctea, Innovacin.
xii
UNELLEZ
SUMMARY.
Br. Julielbi Beatriz Coronel Piero.

HERRAMIENTA EXPLORATORIA DE INVESTIGACIN Y DESARROLLO

DE UNA RACIN BALANCEADA DE CREMA LCTEA, RICOTA, SUERO
LCTICO Y FRIJOL BLANCO, PARA USO HUMANO
The objective of this research was to systematize an exploratory research and

development tool for a balanced ration, based on a proteinaceous and mineralized
cream with ricotta, powdered whey and / or whole cooked white bean flour acidified
with lactic acid and garnished with mixtures of garlic and bacon, for human
consumption. With the methodology used, it was possible to construct reference
values of nutrient values of ingredients and reference nutritional requirements, from
the literature review, approximate for humans, and exemplified its use in the
construction of a digitized food matrix or metamodel for the formulation of rations ,
In the software WinQsb 2.0, with the simplex method, with which balanced rations
were formulated; Of which a ration was taken where all the 04 proposed experimental
ingredients participated, but soybean meal expanded 46% of protein; Were
technologically engineered for culinary use in the form of entabeling cream; The
practical use of tools in the food laboratory, collection of hedonic data, statistical
functionality of these data and examples were exemplified; On the other hand, the use
of software tools in the analysis of hedonic data in the discrimination of acceptance
and rejection of multiple distinct samples, such as logistic regression. The research
concludes with the succinct and successful application of optimization tools through
the simulation of multiple quality responses of foods subjected to multiple
experimental factors using the optimization simulator of the SAS JMP 8 program
with response and quality desirability profiles.
Keywords: Balanced feed, Cream lacteal, Innovation.
xiii
INTRODUCCIN
En la visin y misin de un ingeniero agroindustrial, se encuentra que estos

deben ser profesionales con capacidad crtica, reflexiva, humanista y tica
profesional; con slidos conocimientos cientficos y tecnolgicos en el campo
agroindustrial para la elaboracin de productos con valor agregado; contribuyendo en
la bsqueda de soluciones sostenibles y sustentables a los diferentes problemas
existentes en la agroindustria sobre la base de la investigacin cientfica orientada a
elevar el bienestar de la comunidad, convirtindose en un factor de cambio para
lograr una sociedad justa y equitativa. Con una formacin integral reconocida, que le
permita ser promotor del desarrollo de las comunidades y de la regin; integrando la
investigacin, la docencia, la vinculacin y el respeto al ambiente. Con destrezas en
el manejo de herramientas integrales en el manejo y desarrollo de procesos
agroindustriales, adems suficiente y adecuada herramientas de trabajo en
laboratorios, bien en laboratorio de alimentos con experimentacin estocstica y en
laboratorio de informtica, con experimentacin virtual.
El tema del trabajo se enfoc en describir en forma sucinta una herramienta

exploratoria, utilitaria de apoyo al proceso de investigacin y desarrollo de un nuevo
producto, que en esta investigacin se tom como ejemplo la formulacin y
elaboracin de una racin balanceada alimentaria de uso humano; es decir, una
herramienta inteligible y sistemtica, que incluy aspectos tecnolgicos en
laboratorio de alimentos con experimentacin estocstica y en laboratorio de
informtica, con experimentacin virtual.
El trabajo est pensado en describir en forma ejemplificante, es decir, con un

mtodo de trabajo que describe sucintamente la herramienta y se ejemplifica; dejando
claro que las herramientas utilizadas son una alternativa entre muchas otras, por lado,
la metodologas descritas son de amplio usos en investigacin y desarrollo de casi
cualquier nuevo producto alimentario.
1
Dada la situacin planteada, se pretendi mostrar la importancia de construir
referenciales de valores nutritivos de ingredientes y, los referenciales de
requerimientos nutricionales, desde la revisin de la literatura, aproximados para
humanos, y su uso en construccin de una matriz alimento digitalizada o
metamodelo para la formulacin de raciones, en el software WinQsb 2.0, con el
mtodo simplex, formulas o raciones balanceadas, susceptible de maquinar
tecnolgicamente para uso culinario en forma de crema untable, con alto contenido
proteico; complementado con el uso prctico de herramientas en laboratorio de
alimentos, recoleccin de datos hednicos, la funcionalidad estadsticas de estos datos
y; por otro lado, el uso de herramientas de software en el anlisis de datos hednicos
en la discriminacin de aceptacin y rechazo de mltiples muestras distintas, como es
la regresin logstica. Finaliza la investigacin con la aplicacin sucinta de
herramientas de optimizacin va simulacin de mltiples respuestas de calidad, de
alimentos sometidos a mltiples factores experimentales.
En consideren de la problemtica y de las expectativas creadas, se plante el

siguiente objetivo general de investigacin.
Sistematizar una herramienta exploratoria de investigacin y desarrollo de una

racin balanceada, a base de una crema lctea, proteinada y mineralizada con ricota,
suero lctico en polvo y/o harina integral de frijol blanco cocida, acidificada con
cido lctico y aderezada con mezclas de ajo y tocineta, para consumo humano.
2
CAPTULO I
I.1. EL PROBLEMA.
I.1.1. Planteamiento del problema.
El paradigma de la nutricin ha cambiado en los ltimos 50 aos. Durante los

aos 50, poca de post segunda guerra mundial, el nfasis estuvo puesto en las
protenas y lo importante en un alimento era su calidad protenica. Luego, en los aos
70, se jerarquiza la importancia del total de energa aportado por la alimentacin
diaria, Basado en requerimientos e insumos protenicos y energticos, el problema es
bsicamente cantidad y no calidad. Ya en los 80, comienzan a valorizarse los
micronutrientes y en los 90, aparece el concepto de calidad nutricional de las dietas,
hasta comienzos del nuevo siglo cuando surge la relacin: Alimentacin y Estilo de
vida (Ccaro, 2010). Para el AINIA Centro Tecnolgico (2016), est presente la
tendencia de ir a lo natural.
Para AINIA Centro Tecnolgico (ob. cit.), un nuevo producto es algo que
proporciona beneficios alimentarios, sociales, culturales, entre otros y que persuade
para que lo compren. No solo se percibe el alimento en base a sus caractersticas
fsicas, qumicas y nutricionales como lo enfoca un tecnlogo de alimentos; donde el
envase y la publicidad del producto son los aspectos que se perciben en primer
trmino. Pero nicamente cuando el nuevo producto alimentario cubre las demandas
esperadas es cuando el consumidor se fideliza. Por tanto, cualquier desarrollo de un
nuevo producto alimentario supone siempre una tarea creativa.
La Investigacin y Desarrollo (I+D) de nuevos productos implica una compleja
interaccin de factores tcnicos y comerciales. Desde el punto de vista tcnico,
la interaccin de los ingredientes en la matriz alimentaria; tal es el caso de la
investigacin y desarrollo de un producto ms saludable, o las tecnologas de
conservacin a emplear para conseguir un producto de elevadas cualidades
nutricionales pero a la vez sensorialmente apetecible por los consumidores durante un
amplio periodo de vida til.
3
Por otro lado, desde un punto de vista comercial o de mercado, se debe presentar
al consumidor nuevos productos adaptados a sus gustos y a sus
necesidades. Parmetros que son cambiantes en el tiempo, caractersticos de cada
grupo de poblacin o target al que se dirija el producto o bien adaptados a los tiempos
econmicos vigentes (tiempos de abundancia econmica o tiempos de crisis
econmica).
Desde el punto de vista de la I+Di y I+De, la visin y misin de un ingeniero
agroindustrial, est en convertir una problemtica, en una oportunidad de negocio,
que contribuya en forma sustentable a la sociedad; por ello esta investigacin,
identifico la problemtica del alto consumo de productos lcteos de alto contenido
graso, pero de bajo contenido proteico, vitaminico y mineral, tal como lo es la crema
lctea y la natilla lctea, como lo reporta la investigacin realizada por Miranda
(2016).
Por otro lado, se detecta deficiencias del ingeniero agroindustrial de la
UNELLEZ-VIPI en cuanto a formacin de tcnicas y tecnologas estadsticas
matemticas con plataformas de modelacin y optimizacin va simulacin, para lo
cual esta investigacin desea contribuir (vila, 2012).
Respecto a la nutricin en la era del conocimiento, la EUFIC (2015), ha retomada
la antiqusima innovadora Nutricin personalizada, surgida en los aos 50. La
nutricin personalizada en tres niveles:
1. La dieta de la persona exclusivamente,
2. La dieta combinada con el conocimiento sobre el fenotipo de la persona, que son
las caractersticas medibles, como las mediciones fsicas y bioqumicas (por ejemplo,
altura, peso o nivel de colesterol),
3. La dieta, el fenotipo y el genotipo, el cual determina la identidad gentica
hereditaria de una persona, por ejemplo, una variante gentica asociada a la ganancia
de peso.
La dieta personalizada, nutrigenmica o nutricin inteligente, ha trascendido a la
era de la informacin y el conocimiento, en la cual una persona conociendo sus
requerimientos personalizados, y disponiendo de un mdulo de programacin lineal
4
en su casa o en la web (libre o de pago), puede elaborar su formulas personalizadas,
en base a ingredientes que posea en su despensa, esto en tiempo real y en pocos
minutos.
I.1.2. Formulacin del problema.
As, ante la necesidad de mejorar productos o ingredientes alimentarios, que en

esta investigacin se seleccion el producto alimentario lcteo tradicional de alto
consumo, rico en grasa, como son las cremas lcteas y natillas lcteas, que contienen
alrededor de 40 % de grasa y, mejorar su valor nutricional, esta investigacin se
plantea como objetivo enriquecerla con protenas, vitaminas y minerales, y proponer
adems alternativas de saborizados; en base a ello se precis como objeto de estudio,
la modelacin con tcnicas de redes neuronales y optimizacin va simulacin
matemtica de la respuesta fisicoqumicas y sensoriales de frmulas de cremas lcteas
artesanales; donde el sujeto de estudio fue el conocimiento que se gener, referido a
la respuesta tecnolgica y sensorial de las formulaciones artesanales a travs de
procesos tecnolgicos de estadstica-matemtica.
Por su lado, el mbito de estudio, estuvo referido a Herramientas Investigacin
y Desarrollo de Nuevos Productos; que conlleva a, 1.Procesos tecnolgicos en
nutricin de diseo, 2) Pruebas senso- fsico qumicos y 3. Herramientas de captura
de datos subyacentes como es la percepcin sensorial de aceptacin o rechazo de
productos alimentarios, 4.Tecnologa de optimizacin estadstico-matemticos de
procesos alimentarios y adems, expresar una herramienta para la nutricin
personalizada.
Por su lado, esta investigacin, aprovecho para la formulaciones de cremas lcteas
artesanales, informacin de elaboracin de crema de leche comercial, y las ventajas
comparativas nutritivas y econmicas de productos nativos, as como la contribucin
en el cuidado de los servicios ambientales, dndole valor agregado a subproductos
agroindustriales como son la ricota y el suero lctico, a utilizar en el enriquecimiento
proteico y mineral de frmulas de cremas lcteas artesanales; por ello, esta
5
investigacin se plante responder las siguientes preguntas que se esbozan a
continuacin.
Cul ser el diagnstico de la respuesta tecnolgica de las raciones balanceadas a
base de crema lctea, ricota y suero lctico en polvo, permitir generar datos
cualitativos y cuantitativos de frmulas artesanales estables reolgicamente?
Cules sern las respuestas sensoriales de las raciones balanceadas lcteas
artesanales estables reolgicamente, podrn medirse con una escala hednica?
Qu respuestas sensoriales y fisicoqumicos de las mezclas lcteas artesanales
estables reolgicamente permitir construir un metamodelo matemtico
informatizado con ambos tipos de respuesta en forma conjunta?
Qu metamodelo senso-fisicoqumico informatizado de las mezclas lcteas
artesanales estables reolgicamente, permitir optimizar va simulacin con redes
neuronales?
I.1.3. Formulacin de los objetivos.
I.1.3.1. Objetivo general.
Sistematizar una herramienta exploratoria de investigacin y desarrollo de una

racin balanceada, a base de una crema lctea, proteinada y mineralizada con ricota,
suero lctico en polvo y/o harina integral de frijol blanco cocida, acidificada con
cido lctico y aderezada con mezclas de ajo y tocineta, para consumo humano.
I.1.3.1.1. Objetivos especficos.
1. Diagnosticar la respuesta tecnolgica de una racin balanceada a base de una

crema lctea, ricota, suero lctico en polvo y/o harina integral de frijol blanco cocido,
y generar datos cualitativos y cuantitativos.
2. Evaluar respuestas pH, potencial redox, acidez titulable total y capacidad buffer de
las raciones artesanales de consistencia estable.
3. Evaluar respuestas sensoriales de aceptacin-rechazo de las raciones artesanales de
consistencia estable, aderezadas con sabor a ajo y tocineta.
6
4. Construir un metamodelo informatizado de simulacin delas respuestas sensoriales
y fisicoqumicas conjuntas, de las raciones artesanales de consistencia estable.
5. Optimizar operativamente las respuestas senso-fisicoqumicas conjuntas, va
simulacin y encontrar la racin artesanal de consistencia estable, que maximice la
aceptacin sensorial humana.
I.1.4. Evaluacin del problema.
Basado en las sugerencias de Hernndez, et al. (2010), la importancia de esta

investigacin, se describe basado en los siguientes criterios.
Innovacin, se desarroll un producto, no presente actualmente en Venezuela, adems

se optimo con redes neuronales. Conveniencia, se desarroll un producto de fcil
elaboracin en casa (artesanal) y, conceptualmente se redujo el impacto ambiental.
Relevancia social, en primera instancia, se contribuy a la comunidad investigadora,
en el desarrollo de optimizacin de procesos y productos va simulacin, en forma
rpida y econmica y; en segundo lugar, se cre un producto de alto valor nutricional.
Implicaciones prcticas, se apoy y dio valor agregado a productos y subproductos de
alto potencial deteriorativo de los servicios ambientales.
En lo referente al valor terico, los resultados de esta investigacin, permite

conocer el comportamiento multifactorial de las variables involucradas en el proceso
de elaboracin de una formula lctea artesanal. Utilidad metodolgica, en la
investigacin, 1. Se implement la utilizacin de redes neuronales en la modelacin
de procesos alimentarios, 2. Se ejemplifico un procedimiento metodolgico en el
ajuste de metamodelos para optimizacin va de simulacin, con redes neuronales y
3. Se introdujo el uso y ejemplificacin del manejo de simulador comercial de
resolucin de sistemas de ecuaciones simultaneas de variabilidad de respuestas de y
de calidad de ingredientes alimentarios. Factibilidad de la investigacin, esta se
asegur con la logstica para obtener los recursos financieros, humanos, materiales y
de espacio fsico, se gestionaron con base en autofinanciamiento y ayuda econmica
7
de terceros y del soporte del programa ciencias del Agro y Mar de la UNELLEZ-
LITA y, de la empresa QUENACA en Yaracal, lo que hiso viable la investigacin.
En relacin a la academia institucional, esta investigacin se justific, ya que est
enmarcada en el plan general de investigacin de la UNELLEZ 2008-2012 (ahora,
REGLAMENTO DE CREACIN INTELECTUAL DE LA UNELLEZ), dentro del REA
INGENIERA, ARQUITECTURA Y TECNOLOGA: Modelado, Optimizacin y Simulacin
de Sistemas y Tecnologa y procesos industriales; y de acuerdo a las lneas de
investigacin definidas, se enmarca en el rea de ingeniera, lnea Propiedades
fsicas y qumicas de materiales biolgicos, en Modelamiento, simulacin,
optimizacin y control de procesos bioqumicos.
I.1.5. Alcances y limitaciones de los resultados de la investigacin.
Los resultados de sta investigacin son vlidos para los requerimientos

nutricionales establecidos en la matriz de diseo de programacin lineal, bajo las
consideraciones e hiptesis planteadas; sin embargo, la investigacin gener datos y
resultados que aportan informacin de amplio alcance y de poca limitacin, que son
util en: a) Mostrar la aplicabilidad de la programacin lineal multiobjetivo en la
formulacin de raciones balanceadas de costo mnimo, b) Mostrar la utilidad de
software en la optimizacin va simulacin con programacin lineal, en la
formulacin de raciones balanceadas nutracuticas, para uso humano, c) Crear un
producto alimentario humano nutricionalmente balanceado y d) Mostrar la utilidad de
software en la optimizacin va simulacin de la calidad, con redes neuronales y
funciones de deseabilidad.
8
CAPTULO II
II.1. MARCO TERICO.
II.1.1. ANTECEDENTES DE LA INVESTIGACIN.
En lo referente a aspectos de mejoras de formulacin de productos lcteos,

Miranda (2016), realizo una investigacin en la cual incorpor lactosuero y leche
descremada en polvo, en un queso crema, lo cual aument las propiedades
nutricionales y sensoriales. La investigacin experimental fue llevada a cabo en el
laboratorio de aseguramiento de la calidad de la empresa QUENACA en condiciones
controladas, bajo diseo estadstico hpercubo latino (HL), para quince tratamientos,
de los cuales el tratamiento optimizado X1: 1,73 gr y X2: 2,96 gr, fue el que ms se
ajust fisicoqumicamente a lo establecido en las normas COVENIN 3896:2006 para
queso crema; con un de pH: 5,23; humedad: 63%; acidez titulable total: 63,84 ml
NaOH 0,1N y grasa 26%. Se efectuaron pruebas sensoriales mediante una escala de
preferencia global de apreciacin hednica no estructurada de categorizacin de 1 al
5 puntos, con 20 panelistas no entrenado obteniendo como mejor resultado, el
tratamiento que contena X1: 1,71 gr, X2: 2,93 gr.
La investigacin de Miranda (2016), contribuyo significativamente, en el proyecto
de investigacin propuesta, en cuanto a antecedentes, bases tericas y metodologas
de laboratorio de alimentos y laboratorio informtico.
Por su lado, Angulo, (2005), estudi el efecto de la incorporacin de protenas
sricas, por medio de la adicin de lactosuero a la leche, sobre el proceso de
elaboracin de queso Chanco. Los resultados obtenidos mostraron que a
concentraciones de 4 y 6% de lactosuero la acidez del queso aument. Sin embargo a
concentraciones menores de 4% el tiempo de coagulacin del producto no fue
diferente a la muestra de control formulada. Concluy que en una concentracin de
2%, no se afectan mayormente las condiciones de proceso ni las caractersticas
sensoriales del producto, adems de la obtencin de un rendimiento superior a la
muestra control elaborado sin lactosuero.
9
Magarios, et al. (2009), estudi la factibilidad tecnolgica y el rendimiento al
elaborar queso Ricotta a partir de concentrado proteico de suero (CPS) suplementado
con cuatro niveles de leche descremada, 0, 1, 2,5 y 5%, y aplicando dos perfiles de
calentamiento, 85 y 95 C; adems de comparar a travs de factores como:
composicin qumica, microbiolgicos y sensoriales, el producto final con el testigo
elaborado con suero de quesera. Los resultados indicaron que los tratamientos
elaborados a 85 C tienen mayores rendimientos y que la temperatura del proceso no
influye sobre los atributos sensoriales de los productos. Adems, se observ que el
producto con 5% de leche descremada y tratado a 85 C present mejores
caractersticas sensoriales para el consumidor. Los resultados obtenidos, se concluye
que es factible la elaboracin de queso Ricotta a partir de un concentrado proteico de
suero. En la tabla 1, se muestra la bromatologa bsica de la ricota.
Tabla 1. Composicin qumica de la Ricotta elaborado a partir de CPS y elaborado a partir de

suero de quesera.
% Cantidad
Componente nutricional 100g
Diaria Orientativa
Valor calrico 174 kcal 8,7 %
Grasas 13,0 g 20,0 %
Grasas saturadas 8,3 g 37,7 %
Grasas monoinsaturadas 3,6 g 12,5 %
Grasas poliinsaturadas 0,4 g 2,6 %
Carbohidratos 3,0 g 1,1 %
Azcares 0,3 g 0,5 %
Protenas 11,3 g 15,4 %
Fibra alimentaria 0,0 g 0,0 %
10
Colesterol 51,0 mg 170,0 %
Sodio < 0,1 g < 0,1 %
Agua 71,7 g 3,6 %
Vitamina A 0,1 mg 14,6 %
Vitamina B1 < 0,1 mg 1,2 %
Vitamina B2 0,2 mg 13,9 %
Vitamina B12 < 0,1 mg 13,6 %
Vitamina C 0,0 mg 0,0 %
Vitamina D < 0,1 mg 4,0 %
Vitamina E 0,1 mg 0,9 %
Vitamina K < 0,1 mg 1,5 %
Calcio 207,0 mg 20,7 %
Cobre < 0,1 mg 2,1 %
Hierro 0,4 mg 2,5 %
Magnesio 11,0 mg 3,7 %
Manganeso < 0,1 mg 0,3 %
11
Fsforo 158,0 mg 22,6 %
Potasio 105,0 mg 5,3 %
Selenio < 0,1 mg 48,3 %
Cinc 1,2 mg 16,6 %
Fuente: Magarios, et al. (2009).

Por otro lado, Gmez y Montesinos (2016), utilizaron con xito el uso de
modelacin sensorial de frmulas de jabn usando redes neuronales con la plataforma
Neural Net del programa SAS JMP 8 y optimizacin operativa de la frmula del
producto, va simulacin, con la plataforma Simulator comercial SAS JMP 8.
Palacios (2014), en su trabajo de grado de Maestra en Ingeniera de Alimentos,
model la influencia de las condiciones de operacin de un proceso de coccin por
extrusin sobre las caractersticas de calidad del producto. Para ello se desarrollaron
un conjunto de modelos matemticos basados en redes neuronales artificiales, tiles
para simular procesos alimenticios complejos, en donde existen gran cantidad de
relaciones lineales y/o no lineales, y que requeriran un mnimo nivel de
simplificaciones y aproximaciones para poder ser modelados mediante modelos
tericos. El estudio se enfoc en la influencia de 3 variables manipulables de
operacin: el flujo msico 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 lnea, como la temperatura de boquilla, la presin de boquilla y
el torque par del motor del equipo; (ii) variables correspondientes a algunas de las
caractersticas finales de producto, como propiedades fsico-qumicas y sensoriales,
imposibles de ser obtenidas in situ. Se desarroll una red neuronal para modelar la
influencia de las condiciones de operacin sobre las variables de respuesta medibles,
obteniendo ajustes ptimos. Para poder modelar con suficiente exactitud el efecto de
las condiciones de operacin sobre las caractersticas finales del producto, se
desarroll una red neuronal para cada caracterstica. El conjunto de redes neuronales
12
modeladas constituyen modelos ajustados con suficiente exactitud para ser aplicados
en futuros trabajos de simulacin y optimizacin.
Este trabajo de investigacin aport bases tericas del uso de tecnologa de software
de redes neuronales en calidad de alimentos.
En cuanto a referenciales de programacin lineal con software en formulacin de

raciones balanceadas para uso humano, al respecto, Ani et al. (2000), en su
investigacin sobre formulacin de raciones para un comedor escolar, muestra que
abunda la aplicacin de la programacin lineal entera (PLE) con software en
formulacin de raciones balanceadas para alimentacin animal; por el contrario es
muy limitada la aplicacin de PLE con software en la elaboracin de raciones
balanceadas para alimentacin humana. En su investigacin, aplic programacin
lineal con el programa solver, que es un complemento de Excel; obteniendo
excelentes resultados. Sin embargo, el autor recomienda usar programas ms
especializados, que permitan hacer estudios sobre aspectos econmicos.
Por su lado, DeLand (2014), en su investigacin, muestran una diversidad de

programas de software de utilidad en programacin lineal entera, para formular
raciones balanceadas para uso humano, entre ellas, se listan a continuacin, DIAL,
EQUILIBRA PROFESIONAL, NUTRIMIND, NUTRADO, NUTRIBER, FOOD
PROCESSOR, MARSOFT, NUTRIPAC, FUEL GAUGE HUMANOS, CRON-O-
METER, NAT, PLANUT, INTELLIGYM, EASYDIET, MARSOFT, entre otros.
Estos software son de uso prctico profesional, en planificacin, programacin,
control y seguimiento de mens y dietas de individuos y grupos (sanos y enfermos),
genera dietas personalizadas, equilibradas, a la necesidad particular de cada usuario.
Algunos, adems incluyen aspectos antropomtricos y composicin corporal, de
utilidad en prcticas de entrenamiento fsico, que puede aplicarse en enseanza,
investigacin y simulacin de modelos.
Como investigaciones antecedentes de referencia de prcticas del uso de la PLE
en formulacin de raciones balanceadas, se consult a Budhaka y Ooraikul, (1984),
Tozer (2000), Gutirrez et al. (2002), Soto y Ortiz (2004), y Rojas (2009); estos
13
antecedentes aunque usan PLE en formulaciones de raciones para animales,
contribuyen con informacin relevante y ejemplarizantes a esta investigacin.
Estos antecedentes referidos al uso de PLE, aportan a la investigacin la

determinacin de que el mtodo simplex en su programacin lineal entera (PLE), los
aspectos matemticos de clculo no se diferencian de los utilizados en formulacin de
raciones para animales, en consecuencia, cualquier software con un mdulo de PLE,
puede utilizarse en formulacin de raciones para uso humano. Adems, estos
antecedentes muestran la utilidad de mltiples software de pagos, que se especializan
en dietas para control de peso, tales como: DietMaster 2100, Weighmania pro,
Nutrinote, Dietpower, DietOrganizer, Diet Pro, Cookn, Do-lt, FrenchDiet y Diet
Sleuth, entre otros; que utilizan PLE, para formular raciones balanceadas.
II.1.2. BASES TERICAS.
II.1.2.1. El queso ricota
En referencia a la Ricotta o Requesn, Cartier, et al. (2007), muestran la

versatilidad de esta, indicando que no es propiamente un queso, pues deriva de un
segundo procesamiento del suero lcteo producido como derivado en la elaboracin
de quesos de pasta blanda como el Mozzarella, Pecorino y Provolone. Por eso se
considera un producto lcteo y no un queso como tal.Aunque la Ricotta tenga varias
presentaciones la que se consume habitualmente es la fresca, sin corteza. Esta es de
color blanco, textura suave y granulosa. Su forma caracterstica marcada en forma de
cesta es debido a su elaboracin, se coloca en cestas para que tenga forma redonda y
drene el exceso de suero lcteo que tenga.
Existen diferentes tipos de Ricotta dependiendo de la regin de la que provenga y de
su tiempo de maduracin o de secado. Estn: el fresco de vaca o de oveja o de bfala,
el seco, el ahumado, el salado, el horneado, romano, piamontese, sarda, moliterno,
dulce y siciliana. Esta ltima en ciertas ocasiones se seca hasta que endurece y puede
ser utilizado como queso rallado.
14
La ricota fresca es altamente perecedera por lo que para alagar su tiempo de
consumo, pude pasar por varios procesos y algunos tienen cortezas que los ayudan a
mantener su frescura. Prensada, salada y puesta a secar se obtiene la ricotta salata,
similar a un queso duro.La ricotta affumicatta (ricota ahumada), de color ligeramente
pardo y sabor caracterstico. La ricotta infornata, con sal marina y horneada en horno
de piedra se produce una corteza marrn rojizo caracterstico de esta. La ricotta
scanta, ligeramente amarga, intensa y picante, pasa por un largo proceso de salado y
acidificacin controlada.
La ricotta es muy verstil y pueden elaborarse mltiples productos multizapidos,
tanto salados como dulces.
II.1.2.2. El subproducto lactosuero
Ormeo y Guadalupe (2012), indican que la razn bsica del uso del suero lctico
en alimentacin humana y animal, es que el lactosuero en polvo, es un subproducto
de quesera, de alto impacto ambiental, ya que su alto su alto contenido nutricional,
genera un alto DBO (30.000 ppm) y DQO (60.000 ppm) que eutrofiza el ambiente;
por ello al darle uso se est generando valor agregado y contribucin con la
contaminacin ambiental, haciendo sostenible el proceso de quesera.
Respecto a la composicin bromatolgica proximal del lactosuero, este contiene

protenas de alto valor biolgico, es decir, que gran parte de estas protenas son
asimiladas por el organismo. El suero de leche adems posee un alto valor nutritivo,
es rico en sales minerales, vitaminas y aporta todos los aminocidos necesarios para
el organismo, adems de aminocidos ramificados, lo que favorece la sntesis
proteica, la ganancia de masa muscular y evita el catabolismo de los tejidos (prdida
de tejido muscular).Las principales fracciones proteicas y otros elementos que
podemos encontrar en este producto, son:
Beta-lactoglobulina
La Beta-lactoglobulina es la protena de suero ms abundante que componen
aproximadamente el 50 a 55% de las protenas del suero. La beta-lactoglobulina es
una excelente fuente de aminocidos de cadena ramificada (BCAA) y aminocidos
15
esenciales. Los BCAA ayudan a prevenir la degradacin del glucgeno muscular y
adems repone el glucgeno durante el ejercicio. Adems estimula la fijacin de
vitaminas liposolubles aumentando su biodisponibilidad.
Alfa-lactoalbmina
La Alfa-lactoalbmina es la segunda protena ms abundante encontrada en el
suero de la leche, constituyendo aproximadamente 20 a 25% de la protena de suero.
La Alfa-lactoalbmina tiene un alto contenido de triptfano, un aminocido esencial,
con beneficios potenciales para la produccin de serotonina, la regulacin del sueo y
mejora el estado de nimo bajo estrs. La alfa-lactoalbmina tambin es la principal
protena presente en la leche humana. Provee todos los aminocidos esenciales y
aminocidos de cadena ramificada (BCAA) y posee una actividad potencial contra el
cncer.
Glicomacropptido (GMP)
El Glicomacroptido es un derivado del proceso de fabricacin del queso, y
constituye un 0 a 15% de la protena de suero, dependiendo del proceso de
concentracin / aislado de la protena de suero. El Glicomacropptido puede ayudar a
controlar e inhibir la formacin de placa dental y la caries. Estimula al organismo a
producir colecistoquinina, la hormona liberada tras la ingestin de alimentos y que es
responsable de la sensacin de saciedad. Posee un efecto en la motilidad
gastrointestinal y un efecto estimulador de bifidobacterias. Constituye una deseable
de protenas (de forma aislada) para personas con fenilcetonuria causada por la falta
de fenilalanina.
Inmunoglobulinas
Las inmunoglobulinas son protenas producidas por el sistema inmunolgico para
luchar contra ciertos antgenos. Las inmunoglobulinas constituyen aproximadamente
el 10 a 15% de la protena de suero. Como resultado de esto, las inmunoglobulinas
son a veces conocidos como anticuerpos. Cuando el organismo tiene un nivel bajo de
inmunoglobulinas puede tener un riesgo de mayor infeccin.
Albmina de suero bovino (ASB)
16
La Albmina del suero es una protena de gran tamao con un buen perfil de
aminocidos esenciales. La ASB representa aproximadamente 5 10% de la protena
de suero.
Lactoferrina
La Lactoferrina es una glicoprotena y constituye aproximadamente 1 a 2% de los
componentes de protena de suero. La lactoferrina inhibe el crecimiento de bacterias y
hongos, debido a su capacidad para unirse hierro.
Lactoperoxidasa
La Lactoperoxidasa es una glicoprotena y constituye aproximadamente el 0,5%
de la protena de suero. La lactoperoxidasa es un agente antibacteriano natural. La
lisozima es una enzima presente de forma natural en la leche y constituye menos del
0,1% de la protena de suero. La lisozima tiene propiedades para aumentar la
inmunidad.
Glutatin
El glutatin es el antioxidante ms importante del cuerpo, ya que est dentro de
cada clula en el cuerpo humano. Los antioxidantes son sustancias que reducen el
dao debido al oxgeno, o el dao oxidativo, tales como el dao causado por los
radicales libres.
Minerales
El suero de leche tiene un gran perfl de minerales, con grandes cantidades de potasio,
en una proporcin de 3 a 1 respecto al sodio, lo que ayuda a desechar lquidos y
toxinas. Posee adems una cantidad importante de calcio (en una proporcin de un
50% ms que en la leche).
El calcio es un elemento principal de los huesos. Es imprescindible para llevar a cabo
muchas funciones del cuerpo, como la coagulacin de la sangre, el funcionamiento de
los nervios y msculos.
El magnesio interviene en la correcta asimilacin del calcio y adems participa en el
correcto funcionamiento del msculo cardaco.
Tambin contiene fsforo, magnesio, zinc, hierro y cobre, formando todos ellos sales
de gran biodisponibilidad para el buen funcionamiento del organismo
17
El fsforo mejora la capacidad de concentracin, la memoria y puede fortalecer el
sistema nervioso. El zinc, el hierro y el cobre actan de forma sinrgica como
potentes antioxidantes, protegiendo las membranas celulares, mejorando el sistema
inmunitario y favoreciendo el proceso digestivo.
Vitaminas
El suero de leche contiene adems cantidades pequeas pero bastante apreciables
de las vitaminas A, C, D, E y del complejo B, as como cido ortico, que es
imprescindible para la absorcin de minerales como el calcio, fsforo, etc., y cido
lctico que puede mejorar el proceso de respiracin celular.
La vitamina A es muy importante en los procesos inmunitarios, mantiene el
funcionamiento y crecimiento celular, mantiene la integridad de la piel, mucosas y
epitelios adems ayuda en la funcin de la vista.
La vitamina D tiene una funcin importante en la absorcin de calcio y fsforo y es
imprescindible para mantener para los huesos y dientes sanos.
La vitamina E posee un papel esencial en la prevencin de daos a las estructuras
tales como las membranas celulares.
La vitamina C es un gran antioxidante que refuerza el sistema inmunitario, es esencial
para la estructura correcta y el mantenimiento de los vasos sanguneos, cartlagos,
msculos y huesos.
El suero de leche contiene adems cantidades significativas de muchas de las
vitaminas del complejo B, y es especialmente rica en vitamina B12. La vitamina B 12
es muy importante para mantener la salud de los nervios y las clulas rojas de la
sangre, tiene un papel importante en la produccin de energa y en la divisin de las
clulas.
La Composicin de lactosuero dulce y cido (Panesar et al., 2007), Componente

[Lactosuero dulce (g/L), Lactosuero cido (g/L)], respectivamente: Slidos totales
(63,0- 70,0; 46,0- 52,0), Lactosa (6,0- 10,0; 0,4- 0,6), Protena (1,0- 3,0; 2,0 1,1),
Calcio (63,0-70,0; 44,0- 46,0), Fosfatos (6,0- 8,0; 1,2- 1,6), Lactato (2,0; 4,5) y
Cloruros (6,4 ;1,1).
18
El contenido en vitaminas del lactosuero (Linden y Lorient, 1996), Vitaminas,
[Concentracin(mg/ml) yNecesidades diarias(mg)], respectivamente: Tiamina (0,38;
1,5), Riboflavina (1,2; 1,5), Acido nicotnico (0,85; 10-20), cido pantotnico (3,4;
10), Piridoxina (0,42; 1,5), Cobalamina (0,03; 2) y cido ascrbico (2,2; 10-75)
La composicin en aminocidos esenciales (g/100 g de protena) (Linden y
Lorient, 1996), Lactosuero, Huevo, Equilibrio, recomendadopor la FAO,
respectivamente: Treonina (6,2; 4,9; 3,5), Cistena (1,0; 2,8; 2,6), Metionina (2,0; 3,4;
2,6), Valina (6,0; 6,4; 4,8), Leucina (9,5; 8,5; 7,0), Isoleucina (5,9; 5,2; 4,2),
Fenilalanina (3,6; 5,2; 7,3), Lisina (9,0; 6,2; 5,1), Histidina (1,8; 2,6; 1,7) y
Triptfano (1,5; 1,6; 1,1).
En lo que se refiere a las propiedades funcionales del lactosuero, Las protenas de

lactosuero son usadas ampliamente en una variedad de alimentos, debido a sus
propiedades gelificantes y emulsificantes, siendo la -lactoglobulina el principal
agente gelificante (Akhtar y Dickinson, 2007; Spahn et al., 2008). Los geles de
protena de lactosuero pueden ser usados como hidrogeles de pH-sensitivos, el cual
puede ser definido como red tridimensional que muestra la habilidad de hincharse en
agua y retiene una fraccin significante de agua dentro de esta estructura
(Gunasekaran et al., 2006). Estas protenas han favorecido propiedades funcionales
como solubilidad, (Ibrahim et al., 2005), la emulsificacin, retencin de agua/grasa,
espumado, espesantes y propiedades de gelificacin, adems, que hacen del producto
un interesante ingrediente alimenticio (Gonzlez et al., 2002), estas propiedades se
pueden observar en la Tabla 4 donde se describen las propiedades funcionales del
lactosuero comparadas con las de la leche.
Las protenas de este subproducto de la industria quesera desempean un
importante papel nutritivo como una rica y balanceada fuente de aminocidos
esenciales~26% (Ha y Zemel, 2003; Ibrahim et al., 2005), adems, son de alto valor
biolgico (por su contenido en leucina, triptfano, lisina y aminocidos azufrados),
tienen una calidad igual a las del huevo y no son deficientes en ningn aminocido,
encontrndose que la leucina y lisina son los aminocidos que se encuentran en
19
mayor cantidad, adems, parecen ejercer determinados efectos biolgicos y
fisiolgicos, in vivo, potenciando la respuesta inmune, tanto humoral como celular
(Baro et al, 2001).
En lo que se refiere al lactosuero y sus implicancias medioambientales, los sueros
lcteos se definen como la fraccin de la leche, de cualquier especie, que no precipita
por la accin del cuajo o por los cidos, durante el proceso de elaboracin de quesos.
Constituye el 90% de la leche lquida y contiene compuestos hidrosolubles. En esta
solucin se encuentran protenas solubles, lactosa, vitaminas y sales minerales. El
suero es una de las mayores reservas de protenas alimentarias que apenas se estn
incorporando a los canales de consumo humano. El lactosuero es una sustancia de
alto valor nutritivo, caro de procesar, y muy contaminante al ser vertido al ambiente
(cuerpos de agua y suelo), generando un alto y violento DBO.
La mala gestin del suero trae asociado un alto impacto medioambiental. En el caso
de las industrias lcteas la contaminacin se caracteriza por ser de tipo orgnica y
biodegradable con una generacin de efluentes lquidos que tienen una rpida
tendencia a la fermentacin por la conversin de lactosa a cido lctico (Beldomnico
et al., 1992). Este proceso de biodegradacin se asocia directamente con la cantidad
de leche o suero que va a parar al efluente por lo que el control de los procesos y el
aprovechamiento de subproductos es el primer paso tendiente a mejorar la calidad
medioambiental (FEPALE, 2008; Cartier, et al., 2007). A modo de ejemplo una
industria quesera que produzca diariamente 1.000 litros de suero sin depurar estara
produciendo una contaminacin diaria similar a una poblacin de 3.125 habitantes.
El gran contenido de nutrientes del lactosuero, genera aproximadamente 3,5 kg de
demanda biolgica de oxgeno (DBO) y 6,8 kg de demanda qumica de oxgeno
(DQO) por cada 100 kg de lactosuero lquido (Mui et al., 2005), siendo la lactosa, el
principal componente de slidos que contribuye a la alta DBO y DQO (Ghaly y
Kamal, 2004; Mukhopadhyay et al., 2005; Koutinas et al., 2009; Almeida et al.,
2009).
20
Otros investigadores reportan que la transformacin de 100.000 litros de leche/da
en quesos genera una contaminacin equivalente a una poblacin de 55.000 a 65.000
habitantes (Berruga, 1999; Riquelme, 2010).
Las investigaciones citadas anteriormente, contribuyeron en promocin y elaboracin
de la investigacin propuesta para este proyecto de Trabajo de Grado en Ingeniera
Agroindustrial, ya que demuestran la importancia del aprovechamiento del suero
lctico, tanto para uso humano y/o animal, como por el impacto ambiental que
produce.
En cuanto a herramientas y fases para el I+D de un nuevo producto alimenticio,
Cccaro (2010) Y AINIA Centro Tecnolgico (2016), recomiendan establecer una
metodologa de trabajo en la que se incorporen todas las posibles variables a tener en
cuenta en este proceso creativo y que permite transformar la idea de producto en una
realidad tecnolgica de producto.
Para ello se recomienda las siguientes etapas (figura 1, siguiente):
Figura 1.Etapas bsicas de una I+D.
21
La conceptualizacin de un nuevo producto junto con un anlisis de las tendencias
de mercado e innovacin de productos presentes ya en el mercado. Este anlisis
ayuda a disear y acotar con mayores garantas de xito las principales caractersticas
que debe tener dicho producto y de los ingredientes a emplear, packaging,
posicionamiento en lineal, precio, entre otros como aspectos de apariencia, color,
olor, sabor y textura demandados por la sociedad vigente, unidos a aspectos de
practicidad y comodidad para ser consumido on the go y adicionalmente formularlo
con ingredientes y aditivos que afecten la salud, as como elaborarlo en forma
sustentable ecolgicamente.
Previamente al desarrollo experimental, se debe abordar todos los estudios previos
necesarios, como es el encuadre cientfico-tcnico y legal, identificacin de nuevos
ingredientes y materiales de envasado, definicin de la vida til requerida, tecnologa
de conservacin a emplear, entre otros aspectos.
La fase de los ensayos de formulacin y proceso con las materias primas,
ingredientes y tratamientos de elaboracin y conservacin definidos anteriormente
que conducen a la generacin de diferentes prototipos de producto. En estos ensayos
se evala por ejemplo la influencia de diferentes factores en las caractersticas
optmales del nuevo producto; incluyendo el estudio de la seguridad alimentaria es un
requisito indispensable que nos exige realizar estudios de conservacin del alimento
para conocer su vida til durante el cual el nuevo producto mantiene sus
caractersticas de calidad sensorial y la seguridad y estabilidad microbiolgica.
La fase de la validacin sensorial con consumidores es la etapa del proceso que
permite medir de la forma ms objetiva posible el resultado del I+D. Aunque existen
tcnicas instrumentales para evaluar la textura o incluso el aroma, el empleo de los
sentidos en las catas de alimentos, es la herramienta ms potente que se dispone para
dilucidar la aceptacin y preferencia de un producto y conocer sus puntos
fuertes/puntos dbiles.
En las distintas fases del proceso creativo, Cccaro (2016) y AINIA Centro
Tecnolgica (2016), indican que debe participar un equipo tcnico multidisciplinar y
transdisciplinar, supone por tanto mayores garantas de xito en la comercializacin
22
en el mercado de un nuevo producto, atractivo para el consumidor, y que cubra la
funcionalidad de la idea con la que se concibi; sin embargo, el I+D, no termina all,
debe continuar con una intervencin post venta de la curva de vida del producto.
II.1.2.3. La crema de leche comercial para consumo directo humano.

La crema de leche industrial destinada para elaboracin de crema de leche para
consumo directo humano, deber cumplir con los requisitos establecidos en la Norma
venezolana COVENIN 677.
Es el producto lcteo cuyo contenido graso deber ser no menor de 18 %, separado
de la leche por reposo, centrifugacin o cualquier otro procedimiento fsico,
aprobado por la autoridad sanitaria competente.
Los ingredientes normados para la preparacin de la Crema de leche para
consumo directo humano, deber ser preparada con: Crema de leche para consumo
directo, Covenin 3046-93, leche descremada, leche en polvo completa y descremada
reconstituida; las cuales se podrn utilizar para la estandarizacin del contenido de
grasa del producto final. La crema lctea para consumo directo humano, se edulcora
con sacarosa, glucosa y dextrina, as como podr ser saborizada (vainilla, vainillina,
etil vainilla, vegetales, entre otros) y coloreada ( 300 mg/Kg). Igualmente podr ser
acidificada con cido lctico o ctrico ( 0,5 %). Estabilizantes (Carboximetil
celulosa, Sales de sodio, Potasio y Calcio, Carragenatos y Alginatos).
La crema lctea para consumo directo debe presentar reaccin negativa a la
fosfatas y a los esteroles (fitosteroles) y cumplir con la Norma Venezolana
COVENIN 2278, referido a su microbiologa.
Delahaye, Rojas y Salinas (2008), encontraron que las cremas de leche para
consumo directo en Venezuela, son de muy variada calidad, que contienen alto
contenido de cidos grasos saturados, donde los de mayor proporcin fueron el
esterico, palmtico y laurico, considerndose indispensable esta informacin para el
control de calidad del producto a nivel de la planta industrial.
23
II.1.2.4. Las leguminosas en la nutricin
Las leguminosas son frutos vegetales ests dispuestos en hileras dentro de vainas
(lentejas, arvejas, habas, porotos, garbanzos, soja, man, entre muchos otros).
Contiene aproximadamente dos veces ms protenas que los cereales, en una porcin
y aproximadamente la mitad de las protenas de la carne magra (Marrugo, 2011). Se
consumen secas y cocidas, previa hidratacin, para mejorar su digestibilidad. Se
refiere tambin a un conjunto de especies pertenecientes a la familia de las
Papilionceas, cuya principal utilidad agrcola es el empleo de sus semillas en la
alimentacin animal y humana, debido principalmente a su alto contenido en
protenas.
Las leguminosas son consideradas fuente de protena por su contenido proteico,
superior al 20%, 50% a 70% de carbohidratos, 8 % de fibra y aproximadamente un
153% de sustancias minerales, en general su protena es rica en lisina y pobre en
aminocidos azufrados (metionina y cistena). (Marrugo, 2010).
Este tipo de alimento es uno de los ms cosmopolitas dentro de la alimentacin
humana, ya que han formado parte de la dietas de durante miles de aos. La
combinacin de leguminosas y cereales da un muy buen balance de aminocidos
esenciales que paradjicamente se ha efectuado empricamente durante siglos en muy
diversas partes del mundo proveyendo de protenas de buena calidad para evitar
desnutricin infantil (Fraile et al, 2007).
En Venezuela se han generado tecnologas para el uso de harinas de frijol,

fermentadas y cocidas, para la elaboracin de alimentos viscosos tales como sopas,
salsas, masas y productos horneados; tambin en productos emulsionados como
mayonesas, salsas, postres congelados y embutidos, as como en productos fritos
como las empanadas, croquetas y donas. Al igual que otras leguminosas de grano
comestible, las semillas contienen factores antinutricionales que se eliminan con el
remojo en agua y la coccin (Granito, et al., 2010).
24
En la tabla 2 y 3, se muestra un comparativo de valores nutricionales de algunos
ingredientes de inters para la investigacin.
Tabla 2.
Comparativo nutricional de trigo, frijol Bayo, maz amarillo y pulpa de yuca.
Harinas/valor nutricional proximal/(100 g)
Unidad
Trigo Frijol Maz Yuca
Nutriente panadera Bayo Amarillo pulpa
Integral integral
Agua g 13,36 10,06 10,91 10.99
Energa kcal 361 350 361 354
Protena g 11,98 20,96 7,38 0.19
Lpidos total g 1,66 1,13 4,86 0.02
Carbohidrato g 72,53 64,19 76,85 88.69
Fibra total dietara g 2,4 12,7 73 0.9
Azcar g 0,31 2,14 0,64 3.35
Calcio mg 15 130 7 20
Hierro mg 0,90 6,77 3,38 1.58
Magnesio mg 25 182 93 1
Fosforo mg 97 415 272 7
Potasio mg 100 1464 315 11
Sodio mg 2 8 5 1
Zinc mg 0,85 2,55 2,08 0.12
Vitamina C mg 0 0 0 0.0
Tiamina mg 0,08 0,772 0,246 0.004
Riboflavina mg 0,06 0,192 0,080 0.000
Niacina mg 1.000,0 1.892,0 1.900 0.000
Vitamina B-6 mg 0,037 0,527 0,37 0.008
Folato g 33 463 25 4
Vitamina B-12 g 0 0 0 0.00
Vitamina A, RAE g 0 0 11 0
Vitamina A, IU IU 2 0 214 0
Vitamina E (alfa-tocoferol) mg 0,40 0,21 0,42 0.00
Vitamina D (D2 + D3) g 0 0 0 0.0
Vitamina D IU 0 0 0 0
Vitamina K (filloquinone) g 0,3 5,7 0,3 0.0
cidos grasos total, saturados g 0,244 0,292 0,543 0.005
cidos grasos total, monoinsat:Omega g 0,140 0,098 1,018 0.005
9
cidos grasos total, poliinsat: g 0,727 0,487 1,759 0.003
Omega 3 y 6
Colesterol mg 0 0 0 0
Fuente: Base de datos de nutrientes de USDA (2014).
25
Tabla 3.
Comparativo de aminocidos en Trigo, Maz, Yuca y Frijol
Cantidad mg/100 gramos de producto. 8 a 11 % de humedad
Nutriente HT HMA HY HF
%prot. %prot. %prot. %prot.
13,36 10,06 11 10,99
cido asprtico 398 594 --- ---
cido glutmico 3318 1602 --- ---
Alanina 303 638 --- ---
Arginina 347 425 --- 1.257
Cistina 208 154 1,9 --
Fenilalanina 467 419 7,79 1.154
Glicina 398 350 --- ---
Histidina 181 260 3,99 627
Isoleucina 372 306 5,32 927
Leucina 702 1047 7,6 1685
Lisina 191 240 7,79 1593
Metionina 147 179 1,9 234
Prolina 1221 745 --- ---
Serina 502 705 --- ---
Tirosina 286 357 --- ---
Treonina 277 362 4,94 878
Triptfano 104 60 2,28 223
Valina 416 433 6,27 1.016
Fuente: Base de datos de nutrientes de USDA (2014), Naves, et al. (2011).
II.1.2.5. Anlisis sensorial de alimentos.
A pesar de que la tecnologa genera una matriz alimentaria muy nutritiva, sta
debe en lo posible tener una excelente aceptabilidad hednica gustativa, por ello, la
evaluacin sensorial de los alimentos, la cual se ha definido como una disciplina
cientfica usada para medir, analizar e interpretar las reacciones percibidas por los
sentidos de las personas hacia ciertas caractersticas de un alimento cmo son;
apariencia general, apariencia color, textura, olor y sabor, por lo que el resultado de
este complejo de sensaciones captadas e interpretadas son usadas para medir la
calidad de los alimentos (Rodrguez (2013)).
Dentro de las principales caractersticas sensoriales de los alimentos se destacan,
el olor, captado por el sentido del olfato, ocasionado por las sustancias voltiles
26
liberadas del producto; el color, percibido por el sentido de la vista, correspondiente a
la luz reflejada por la superficie del alimento; el gusto, percibido por las papilas
gustativas residentes en la lengua, las cuales se encargan de detectar segn su
ubicacin, sabores amargos, dulces, salados y cidos. (Ramrez, 2012).
En referencia a la evaluacin sensorial, Garca (2016), indica que esta se trata del
anlisis normalizado de productos, generalmente de uso humano, tales como
alimentos, cosmticos, espirituosos, medicinales, entre otros, que se realiza con los
rganos de los sentidos; tiles en el control de calidad, en la comparacin de un
nuevo producto o de la variabilidad de los ya estandarizados. Los resultados de los
anlisis se utilizan para publicidad y el empacado, para hacerlos ms atractivos a los
consumidores.
No existe unanimidad en cuanto al nmero de sentidos que posee el ser humano, la
literatura indica que se tienen cinco sentidos, es decir gusto, olfato, vista, odo y
somatosensorial (dolor, tacto, fro y calor).
Correlaciones de las percepciones de los rganos de los sentidos

Las sensaciones percibidas por los rganos de los sentidos son trasmitidas,
elaboradas e interpretadas por el cerebro que las relaciona unas con otras
asocindolas. De esta manera se ejerce una mutua influencia que puede llegar a
aumentar o disminuir la sensibilidad que los sentidos tienen a estmulos exteriores;
por ello, las sensaciones son realmente multidiversas y multivaraiada, por lo que
deben medirse y estudiarse en forma multivariada.
La literatura reporta las siguientes relaciones causales, Relaciones gusto olfato,
Relaciones gusto tacto, Relaciones vista gusto, Relaciones olfato vista, Relaciones
vista odo, Relacin gusto odo /olfato odo y Relacin gusto olfato. Sin embargo
pueden llegar a existir relaciones de orden superior; por ejemplo los sabores estn
ntimamente relacionados con las caractersticas gustativas de las sustancias, pero en
cambio los olores se pueden relacionar con otros ya conocidos y producir sensaciones
distintas a las ya conocidas. La influencia de la interaccin gusto-olfato ha permitido
detectar que catadores con los ojos cerrados y la nariz tapada, puede ser incapaz de
27
distinguir sabores tan diferentes como una manzana y una cebolla; esto demuestra
que en la determinacin del sabor, las partculas olfativas por va retronasal es muy
importante.
Igualmente, la experiencia del aumento de secrecin salival ocasionada por una
sensacin olfato gustativa no es general y universal sino que contribuye a modificar la
sensacin del estmulo, ya que depende la velocidad, viscosidad y composicin
qumica de la saliva segregada.
Relacin gusto-tacto. En la lengua existen numerosas terminales nerviosas que
producen sensaciones tctiles y trmicas, adems gustativas. Los niveles de deteccin
de azcar sal, cafena y cido tartrico son ms cuando se presentan en forma de gel
siguiendo el orden de sensibilidad de forma espumosa (mousse) y luego el lquido.
Relacin vista-gusto. El color llega a ser tan sugestivo que puede confundir el
gusto y hay que pensar en ciertos alimentos y bebidas para asociar color con sabor.
Pero esta influencia no es generalizable y unos sabores son ms influenciables que
otros aun en el mismo individuo o grupo.
Relacin olfato-vista. La luz blanca y la intensidad aumentan la sensibilidad de los
sabores y los gustos.
Relacin vista-odo. La modificacin auditiva de las sensaciones luminosas es
funcin de la longitud de onda de la luz. La estimulacin auditiva: aumenta la
sensibilidad a la luz. La estimulacin luminosa: aumenta la sensibilidad auditiva.
Relacin gusto-odo u olfato-odo. Es una de las ms difciles de establecer,
algunos trabajos que relaciona la sensibilidad qumica de los sentidos con el sonido,
sin embargo el efecto sonoro de los alimentos crujientes y todos los aspectos sonoros
previos y posteriores a la degustacin son fcil y rpidamente asociados a la
percepcin y deben considerarse como constituyentes de una sensacin compleja.
Proceso fisiolgico de recepcin y reconocimiento de sensaciones y estmulos

(PFRSE).
El PFRSE que se produce a travs de los rganos de los sentidos, la vista, el odo,
el olfato, el gusto, y el tacto, o la situacin de su propio cuerpo. El sistema sensitivo
28
del ser humano es una gran herramienta para el control de calidad de los productos de
diversas industrias. En la industria alimentaria los rganos de los sentidos son
elementos idneos para determinar el color, olor, aroma, gusto, sabor y la textura
quienes aportan la calidad de un alimento.
El olor
Es la percepcin desde el exterior por medio de la nariz de sustancias voltiles
liberadas en los alimentos; dicha propiedad en la mayora de las sustancias olorosas
es diferente para cada una. En la evaluacin de olor es muy importante que no haya
contaminacin con olor desagradable. Esta variable debe ser medida de los vapores y
gases contenidos en el espacio de cabeza en recipientes hermticamente cerrados, que
contengan el producto.
El aroma
El aroma es la percepcin desde el interior de la boca, al morder el producto. Las
sustancias olorosas y aromticas del alimento despus de haberse puesto en la boca y
mordido, las sustancias se disuelven en la mucosa del paladar y la faringe, llegando a
travs del eustaquio a los centros sensores del olfato. El aroma es el principal
componente del sabor de los alimentos. Debe descartarse el uso de tabaco, drogas o
alimentos picantes y/o muy condimentados, ya que insensibilizan la boca y por ende
la deteccin de aromas y sabores, Adems no se debe usar perfumes.
El gusto
El gusto lo define el sabor bsico de un alimento, que puede ser cido, dulce,
salado, amargo, o bien puede haber una combinacin de dos o ms de estos. Esta
propiedad es detectada por la lengua. Hay personas que pueden percibir con mucha
agudeza un determinado gusto, pero para otros su percepcin es pobre o nula; por lo
cual es necesario determinar que sabores bsicos puede detectar cada juez para poder
participar en la prueba.
El sabor
Esta propiedad de los alimentos es muy compleja, ya que combina tres
propiedades, olor, aroma, y gusto; por lo tanto su medicin y apreciacin son ms
complejas que las de cada propiedad por separado. El sabor es lo que diferencia un
29
alimento de otro, ya que si se prueba un alimento con los ojos cerrados y la nariz
tapada, solamente se podr juzgar si es dulce, salado, amargo o cido. En cambio, en
cuanto se perciba el olor, se podr decir de qu alimento se trata. El sabor es una
propiedad qumica, ya que involucra la deteccin de estmulos disueltos en agua
aceite o saliva por las papilas gustativas, localizadas en la superficie de la lengua, as
como en la mucosa del paladar y el rea de la garganta. Estas papilas se dividen en 4
grupos, cada uno sensible a los cuatro sabores o gustos.
Papilasiformes. Localizadas en la punta de la lengua sensible al sabor dulce.
Fungiformes. Localizada en los laterales inferiores de la lengua, detectan el sabor
salado. Coraliformes. Localizadas en los laterales posteriores de la lengua, sensible al
sabor cido. Caliciformes. Localizadas en la parte posterior de la cavidad bucal
detectan sabor amargo.
En la evaluacin de sabor, la lengua del juez evaluador debe estar en buenas
condiciones, adems que no tenga problemas con su nariz y garganta.
La textura
Es la propiedad sensorial apreciada por los sentidos del tacto o la dentadura, sin
embargo la vista y el odo, pueden detectar caractersticas de textura, por ejemplo
cuando el alimento sufre una deformacin. La textura no puede ser percibida si el
alimento no ha sido deformado; es decir, por medio del tacto podemos decir, por
ejemplo si el alimento est duro o blando al hacer presin sobre l. Al morderse un
producto, ms atributos de textura empezarn a manifestarse como el crujido,
detectado por el odo, el contacto de la parte interna con las mejillas, as como con la
lengua, las encas y el paladar nos permitir determinar caractersticas de textura
como la fibrosidad, granulosidad, entre otros.
Tipos de anlisis sensorial
Anlisis sensorial descriptivo
Un grupo de degustadores realiza de forma discriminada una descripcin de las
propiedades sensoriales (parte cualitativa) y su medicin (parte cuantitativa). Se
entrena a los evaluadores durante seis a ocho sesiones en el que se intenta elaborar un
30
conjunto de diez a quince adjetivos y nombres con los que se denominan a las
sensaciones. Se suelen emplear unas diez personas entrenadas por evaluacin.
Anlisis sensorial discriminativo
Se emplea en la industria para saber si hay diferencias entre dos productos, el
entrenamiento de los evaluadores es ms rpido que en el anlisis descriptivo. Se
emplean un mnimo de 32 personas. Generalmente se segrega por grupos, etarios o
tnicos.
Anlisis sensorial del consumidor
Se suele denominar tambin prueba hednica y se trata de evaluar si el producto
agrada o no, en este caso trata de evaluadores no entrenados, las pruebas deben ser lo
ms espontneas posibles. Para obtener una respuesta estadstica aceptable se hace
una consulta diagnostica para estimar la variabilidad de aceptabilidad, utilizando
medias robustas y estimar con esta muestra piloto el nmero necesario de personas a
encuestar, utilizando un mtodo estadstico multivariado.
II.1.2.6. Referenciales construidos de composicin proximal de ingredientes

potenciales en formulacin de raciones balanceadas para uso humano.
En la tabla 4 y 5, se muestran valores nutritivos referenciales construidos, de los

ingredientes potenciales en la formulacin de las raciones para uso humano: Huevo
de gallina (HGal), Carne semimagra de cerdo (CCerd), Carne de pescado (Cpes),
Carne magra de pollo (CPoll), Carne magra de res (CRes), Levadura de cerveza
(LCerv), Lactosuero en polvo (LPolv), Harinas: trigo (HT), frijol bayo (HF), maz
amarillo (HMA) y raz de yuca (HY); completados y adaptados de datos de Naves, et
al. (2009), USDA (2014), UNED (2016) y USDANAL (2016).
31
Fuente: Naves, et al. (2009), USDA (2014), UNED (2016) y USDANAL (2016).
Tabla 4. Referenciales de valor nutricional proximal construido para la investigacin
Harinas/valor nutricional proximal/(100 g)
Unid.
Nutriente HGal CCerd CPes CPoll CRes LCerv LPolv HT HF HMA HY
Agua g 74,5 66 83,3 70,50 75,4 34 4,4 13,36 10,06 10,91 10.99
Energa kcal 164,20 300 190 166 120 334,8 276 361 350 361 354
Protena g 12,9 17 20 20 19 35 11 11,98 20,96 7,38 0.19
Lpidos total g 12,68 27 5 9,6 6 5 1 1,66 1,13 4,86 0.02
Carbohidratos g 0,7 1 1 11,8 75 72,53 64,19 76,85 88.69
Fibra g 0 24 2,4 12,7 73 0.9
Lecitina mg 2700
Calcio mg 56 9 75 13 9 86 341 15 130 7 20
Hierro mg 2,1 2,3 2,5 1 1,8 3,7 0,8 0,90 6,77 3,38 1.58
Magnesio mg 10 18 20 19 20 180 100 25 182 93 1
Manganeso mg 4,9 4000
Fosforo mg 116 175 250 33 959 1,1 97 415 272 7
Potasio mg 147 291 350 262 350 1700 2242 100 1464 315 11
Sodio mg 144 74 130 83 61 276 741 2 8 5 1
Zinc mg 2 2,7 0,5 1 4,3 2,10 0,28 0,85 2,55 2,08 0.12
Vitamina C mg 0 0 0 0.0
Tiamina B1 mg 0,66 0,92 0,4 0,08 0,07 9,70 0,08 0,772 0,246 0.004
Riboflavina B2 mg 0,51 0,21 0,5 0,15 0,24 4,30 0,06 0,192 0,080 0.000
Niacina B3 mg 3,38 7,25 7 11,7 9,5 37 1.000,0 1.892,0 1.900 0.000
Acid. Pantotenico B5 mg 1,4 3,5
Piridoxna B-6 mg 0,12 0,39 0,32 0,5 0,32 3,30 0,037 0,527 0,37 0.008
Biotina B7 mg 150pig 0,036
Folato B9 g 44 4 12 10 1010 33 463 25 4
Cobalamina B-12 g 2,10 0,56 2 0,40 2 0,50 0 0 0 0
Colina 225 182 0 0 0 0.00
Vitamina A, RAE g 1 39 1 0 0 11 0
Vitamina A, IU IU 450 5000 60 20 40 2 0 214 0
Vitamina E mg 1pig 0,40 0,21 0,42 0.00
Vitamina D g 1,8 1pig 9000 0,1 0 0 0 0.0
Vitamina K ) g 0,3 5,7 0,3 0.0
cidos grasos saturados mg 3,3g 6,99g 1,32 2,61g 1,74g 1,5 0,51 0,244 0,292 0,543 0.005
cidos grasos monoinsat. mg 4,68g 7,76g 0,77 3,15g 1,87g 0,026 0,140 0,098 1,018 0.005
cidos grasos poliinsat. mg 1,33g 1,23g 2,17 2,37g 0,23g 0,04 0,727 0,487 1,759 0.003
Colesterol mg 410g 70g 99 59mg 0 0 0 0
32
II.1.2.7. Referenciales construidos de composicin proximal de aminocidos de
ingredientes potenciales en formulacin de raciones balanceadas para uso
humano.
En el cuadro 5, se muestran valores nutritivos referenciales, respecto a la

composicin de aminocidos; construidos para la investigacin.
Tabla 5. Valor nutricional comparativo de aminocidos.

Cantidad
mg/100 gramos de producto.
Nutriente 8 a 11 % de humedad
HGal CCerd CPesc CPoll CRes LCerv LPolv HT HMA HY HF
Protena 12,9 17,5 17 20 19 27,8 11 13,6 10,06 11 10,99

cido 1239 1664 1637 1957 1701 2780 140,8
398 594 --- ---
asprtico
cido 1536 2676 2386 3181 2798 4865 245,3
3318 1602 --- ---
glutmico
Alanina 755 1055 967 1241 1123 2557,6 63,8 303 638 --- ---
Arginina 755 1046 956 1198 1177 1445,6 286 347 425 --- 1.257
Cistena 263 205 172 258 208 139 110 208 154 1,9 --
Fenilalanina 679 669 624 784 727 1278,8 396 467 419 7,79 1.154
Glicina 450 977 767 1207 1015 1390 26,4 398 350 --- ---
Histidina 280 677 470 523 637 806,2 198 181 260 3,99 627
Isoleucina 789 866 737 1112 837 1445,6 649 372 306 5,32 927
Leucina 1069 1321 1299 1534 1471 2029,4 1045 702 1047 7,6 1685
Lisina 755 1509 1468 1759 1549 2307,4 990 191 240 7,79 1593
Metionina 382 488 473 551 482 583,8 220 147 179 1,9 234
Prolina 500 823 565 905 822 1167,6 93,5 1221 745 --- ---
Serina 976 763 652 793 712 1723,6 72,6 502 705 --- ---
Tirosina 501 712 539 793 625 973 297 286 357 --- ---
Treonina 602 857 700 870 813 1501,2 682 277 362 4,94 878
Triptfano 195 205 179 241 258 389,2 165 104 60 2,28 223
Valina 950 977 823 1017 905 1445,6 660 416 433 6,27 1.016
Fuente: Naves, et al. (2009), USDA (2014), UNED (2016) y USDANAL (2016).
II.1.2.8. Optimizacin con simulacin va programacin lineal en la formulacin

de raciones.
Para la optimizacin va simulacin, usando programacin lineal, se disponen de

mltiples paquetes de software especializados para modelar por computadora, que
33
permite realizar optimizacin va simulacin, sin esfuerzo, simple e interactivo, que
han utilizado para resolver problemas de investigacin de Operaciones, como el MSS
(mathematical Science System), STROM, QSB (Quantitative System Business),
TORA (que acompaa al libro de Investigacin de Operaciones de Hamdy Taha),
Mathematical Programming y Probabilistic Programming (que acompaaba al libro
de Introduccin a la Investigacin de Operaciones de Hillier y Lieberman), Lindo,
Lingo, MathWorks y Solver (un complemeto de excel), entre muchos otros. En el
rea de formulacin de raciones balanceadas para animal, que traen incorporado
informacin nutricional de ingredientes de uso animal, estn DAPP N-utrition,
ProMixer, Feedsoft Professional, AEZO agrosis, z mix, ZLact, mixit2, her-mix
balanceo, Calculador de Nutrientes para caballos (PALM), PCDAIRY, Zootec,
UFFDA, Sizirac, CLI-Win, entre muchos otros; adems, se recomienda consultar la
pgina web http://www.produccion-animal.com.ar/software/00-software.htm, un
Repositorio Digital de Acceso Abierto, que posee informacin sobre software
agropecuario, simulacin y gestin, para el rea agropecuaria.
Respecto a programas especficos para raciones nutricionales para humanos, se

detectan algunos de utilidad, Nutriber, Cron-o-meter, Egdiet, Bysoft-bmi-calculator,
Tariner-one, Dietpower, Frenchdiet, Diettica profesional, Nutrisis y Hcm-adelgazar,
entre otros; sin embargo, estos estn referidos a la formulacin de dietas para el
control de peso y para personas en entrenamiento deportivo.
Los software precitados, requieren para hacer simulacin, modelos matemticos,

que expresen las exigencias y restricciones, como tcnica numrica para luego
conducir experimentos en una computadora digital (experimentacin determinista),
utilizando el conjunto de modelos (metamodelo o modelo de simulacin); el artificio
es, ir introduciendo o sacando variables independientes (ingredientes) hasta que se
encuentren los valores de las repuestas de calidad deseadas, en forma simultnea; este
proceso se denomina optimizacin va simulacin; de tal manera que los software
especializados disponen de un mdulo simulador, que es capaz de resolver en
forma simultnea un sistema de ecuaciones (inecuaciones) que, permite as, simular
34
condiciones de calidad deseadas (racin balanceada requerida). En el proceso de
simulacin con programacin lineal, una vez construido el metamodelo, se va
introduciendo o sacando las variables de inters o sea los ingredientes disponibles o
que puedan utilizarse.
II.1.2.9. El mdulo de programacin lineal entera del Software WinQsb.
Yih-long (2003), creador del programa WinQsb, el cual es un software

fundamentalmente matemtico, estructurado en un sistema interactivo de ayuda en la
resolucin de sistemas de ecuaciones complejas y optimizacin va simulacin, til
en la toma de decisiones que contiene herramientas muy eficientes para resolver
distintos tipos de problemas en el campo de la investigacin operativa. El sistema est
formado por distintos mdulos, uno para cada tipo de modelo o problema. Entre
ellos:
1. Linear programming (LP) and integer linear programming (ILP): este mdulo
incluye los programas necesarios para resolver el problema de programacin
lineal grficamente o utilizando el algoritmo del Simplex; tambin permite
resolver los problemas de programacin lineal entera utilizando el procedimiento
de Ramificacin y Acotacin (Branch&Bound).
2. Linear goal programming (GP) and integer linear goal programming (IGP):
resuelve modelos de programacin multiobjetivo con restricciones lineales.
3. Quadratic programming (QP) and integer quadratic programming (IQP): resuelve
el problema de programacin cuadrtica, es decir, problemas con funcin objetivo
cuadrtica y restricciones lineales. Utiliza un mtodo Simplex adaptado. Los
modelos de IQP los resuelve utilizando algoritmos de ramificacin y acotacin.
4. Network modeling (NET): incluye programas especficos para resolver el
problema del transbordo, el problema del transporte, el de asignacin, el problema
del camino ms corto, flujo mximo, rbol generador, y problema del agente
viajero.
5. Nonlinear programming (NLP): permite resolver problemas no lineales
irrestringidos utilizando mtodos de bsqueda lineal, y problemas no lineales con
35
restricciones utilizando el mtodo SUMT (funcin objetivo con penalizaciones
sobre el incumplimiento de las restricciones).
6. PERT/CPM: mdulo de gestin de proyectos en los que hay que realizar varias
actividades con relaciones de precedencia.
WinQsb utiliza los mecanismos tpicos de la interface de Windows, es decir,

ventanas, mens desplegables, barras de herramientas, etc. Por lo tanto, el manejo del
programa es similar a cualquier otro que utilice el entorno Windows.
Como contribucin de esta investigacin a la academia, se describe brevemente

en forma didctica el procedimiento para acceder e interpretar resultados al ejecutar
el mdulo de Programacin Lineal Entera (PLE) del programa WinQsb.
Al acceder al mdulo PLE se abre una ventana de dilogo en la que se debe

elegir entre crear un nuevo problema (File > New Problem) o leer uno ya creado (File
> Load Problem). Las extensiones de los ficheros con los modelos las pone el
programa por defecto, por lo tanto solamente se debe preocupar del nombre del
archivo a crear (nombre de los datos), que no deber tener ms de 8 caracteres.
1. File: incluye las opciones tpicas de este tipo de mens en Windows, es decir,
permite crear y salvar ficheros con nuevos problemas, leer otros ya existentes o
imprimirlos.
2. Edit: incluye las utilidades tpicas para editar problemas, copiar, pegar, cortar o
deshacer cambios. Tambin permite cambiar los nombres de los problemas, las
variables, y las restricciones. Facilita la eliminacin o adicin de variables y/o
restricciones, y permite cambiar el sentido de la optimizacin.
3. Format: incluye las opciones necesarias para cambiar la apariencia de las
ventanas, colores, fuentes, alineacin, anchura de celdas, entre otros.
4. Solve and Analyze: esta opcin incluye al menos dos comandos, uno para resolver
el problema y otro para resolverlo siguiendo los pasos del algoritmo.
5. Results: incluye las opciones para ver las soluciones del problema y realizar si
procede distintos anlisis de la misma.
36
6. Utilities: este men permite acceder a una calculadora, a un reloj y a un editor de
grficas sencillas.
7. Window: permite navegar por las distintas ventanas que van apareciendo al operar
con el programa.
8. WinQSB: incluye las opciones necesarias para acceder a otro mdulo del
programa.
9. Help: permite acceder a la ayuda on-line sobre la utilizacin del programa o las
tcnicas utilizadas para resolver los distintos modelos. Proporciona informacin
sobre cada una de las ventanas en la que nos encontremos.
El Modulo Linear Programming and Integer Linear Programming de WinQsb

2.0.
1.- Introducir el problema. Para acceder a este mdulo y crear nuestro propio
modelo debemos seguir la siguiente secuencia; WinQsb > Linear and Integer
Programming > File > New Problem; y aparecer entonces la siguiente ventana:
En la que se debe indicar:
Problem Title: el nombre del problema.
37
Number of Variables: el nmero de variables.
Number of Constraints: el nmero de restricciones (sin contar las de no
negatividad).
Objective Criterion: si el problema es de maximizar o minimizar.
Data Entry Format: el formato de los datos de entrada, que puede ser:
Spreadsheet Matrix Form.: formato de hoja de clculo, solo se introduce los
coeficientes.
Normal Model Form.: se introduce el problema completo en la forma habitual.
Default Variable Type: el tipo de variables, podemos elegir entre:
Nonnegative Continuous (x >= 0)
Nonnegative Integer (x >= 0 y entera)
Binary (x, 0 o 1)
Unsigned/unrestricted (x no restringida)
2.- Salidas bsicas del programa para PL.
Ejemplo para 2 variables X1 y X2. Una vez introducido el modelo se puede

resolver utilizando cualquiera de las tres opciones siguientes:
2.1. Solve and Analyze > Solve the Problem: proporciona un informe
completo sobre la solucin del problema resumido en la siguiente tabla dual:
Se puede observar la informacin contenida en la tabla, es la siguiente:

Decision Variable: Nombre de las variables.
Solution Value: Valor de las variables en la solucin ptima.
Unit Cost or Profit (c (j)): Coeficiente de la variable en la funcin objetivo.
Total Contribution: Contribucin total de la variable a la funcin objetivo, cjxj
38
Reduced Cost - Coste reducido: (zj - cj)
Basis Status: Indica si la variable es o no bsica.
Allowable Min c (j): Mnimo valor de cj sin que cambie la base ptima.
Allowable Max c (j): Mximo valor para cj sin que cambie la base ptima.
Objective Function: Valor de la funcin objetivo.
Constraint: Nombre de la restriccin.
Left Hand Side: Valor del trmino de la izquierda.
Direction: Signo para la restriccin (<=, >= o =)
Right Hand Side: Valor de la restriccin en la solucin ptima.
Slack or Surplus: Valor de la variable de holgura.
Shadow Price: Valor de la variable dual asociada a la restriccin.
Allowable Min RHS: Mnimo valor para bi sin que cambie la base ptima.
Allowable Max RHS: Mximo valor para bi sin que cambie la base ptima
2.2. Solve and Analyze > Solve and Display Steps: permite resolver el problema
paso a paso, muestra la tabla del Simplex indicando en la ltima columna el ratio
para elegir la variable que deja de ser bsica. Obsrvese que la ltima fila
corresponde a la ecuacin de la funcin objetivo y que los costes reducidos
aparecen cambiados de signo.
En esta ventana aparece un men en el que la opcin Simplex Iteration permite

realizar las siguientes acciones:
Next Iteration: Realizar la siguiente iteracin.
Choose Entering Variable: Elegir la nueva variable bsica.
Go to the Last Tableau: Ver la tabla ptima.
Nonstop to Finish: Resolver el problema y dar un informe global.
2.3. Solve and Analyze > Graphic Method: Resuelve problemas de dos
variables grficamente, debemos elegir qu variable representar en cada eje.
2.4. Solve and Analyze > Perform Parametric Analysis: esta opcin
realiza el anlisis paramtrico del modelo. Es decir, indica cmo cambia la
funcin objetivo cuando el vector de costes o el RHS se perturba
39
paramtricamente, z = c+c' o RHS = b+b'. El informe de resultados final
tiene el siguiente formato:
Adems de indicar cmo cambia el valor de la funcin segn vara el

parmetro , tambin se indica la pendiente del cambio en cada tramo (Slope), y cada
vez que se produce un cambio de base, la variable que deja de ser bsica (Leaving
Variable) y la nueva variable bsica (Entering Variable).
Desde la opcin Results > Graphic Parametric Analysis se puede representar

grficamente el anlisis paramtrico.
Solve and Analyze > Alternative Solutions: proporciona soluciones ptimas
alternativas si es que las hay.
Format > Switch to Dual Form: proporciona el problema dual del modelo que
hemos introducido.
En lo referente a optimizacin va simulacin por computadora de procesos de

elaboracin de matriz alimento, La UNELLEZ-VIPI, Programa CAM, ha apoyado y
realizado investigaciones con xito en diseo, modelado y optimizacin va
simulacin de matrices alimentos, utilizando plataformas de software comerciales
como son StatSoft, Inc. (2004), SAS JMP 8 (2012) y MathWorks (2014).
Las matrices alimentos optimadas, requieren para hacer simulacin, metamodelos
matemticos, que expresen las exigencias y restricciones, como tcnica numrica para
luego conducir experimentos en una computadora digital (experimentacin
determinista), utilizando el conjunto de modelos (metamodelo o modelo de
simulacin); el artificio es, ir introduciendo o sacando variables independientes
40
(ingredientes) hasta que se encuentren los valores de las repuestas de calidad
deseadas, en forma simultnea; este proceso el que se denomina optimizacin va
simulacin; para ello, los software especializados disponen de mdulos de
modelacin matemtica y mdulos simulacin, donde este ltimo es capaz de
resolver en forma simultnea un sistema de inecuaciones complejas, que permite as,
simular condiciones de calidad deseadas(vila y Rivas, 2016).
En referencia a la plataforma Neural Net del programa SAS JMP 8, esta permite
modelar un proceso y construir un modelo de red neuronal tipo estndar supervisado
o no, de una capa oculta, con mltiples neuronas; permitiendo predecir una o ms
variables de respuesta de una red flexible de funciones de variables de entrada, esto
cuando se considera que no es necesario conocer la forma funcional de la superficie
de respuesta; sin embargo, esto puede paliarse al incorporar el modelo de red
neuronal, a la plataforma del SIMULATOR del SAS JMP 8, donde puede visualizarse
la forma de la superficie de respuesta y en la grfica de perfiles de respuesta, puede
manipularse cada variable y estudiar su comportamiento, as como sus interacciones
y, hacer simulaciones.
La investigacin, prev construir un modelo de red neuronal, que permita optimar
la mejor mezcla en cuanto a aceptacin sensorial.
III.1.2.10. Modelacin de procesos con redes neuronales artificiales
Es cada vez ms frecuente asociar el trmino de redes neuronales artificiales (RNA) al

concepto de optimizacin de sistemas de produccin. Las redes neuronales son un conjunto
de tcnicas computacionales con una gran capacidad para ajustar modelos tipo caja negra
de un sistema. El funcionamiento de una RNA consiste en entrenarla para que aprenda a
asociar unas caractersticas del sistema (las salidas deseadas) con otras caractersticas del
mismo (entradas), a partir de datos del sistema que se quiere modelar. Ello les confiere una
extraordinaria capacidad para aprender y predecir el comportamiento esperable de un sistema
ante nuevas situaciones. Para ello, una red neuronal se compone de unidades llamadas
neuronas. Cada neurona recibe una serie de entradas a travs de interconexiones y emite una
salida. La concepcin de las RNA est inspirada en la forma en que las neuronas se conectan
41
e interaccionan entre s para producir pensamientos y conclusiones. Sin embargo, su diseo y
funcionamiento tienen una fuerte base matemtica.
Las redes neuronales, tambin conocidos como sistemas conexionistas, son un
enfoque computacional, que se basa en una gran coleccin de unidades neurales
(tambin conocido como neuronas artificiales), para modelar libremente la forma en
que un cerebro biolgico resuelve problemas con grandes grupos de neuronas
biolgicas conectados por los axones. Cada unidad neuronal est conectada con otras,
y los enlaces se pueden aplicar en su efecto sobre el estado de activacin de unidades
neuronales conectadas. Cada individuo de la unidad neuronal puede tener una funcin
de suma, que combina conjuntamente los valores de todas las entradas. Puede haber
una funcin umbral o funcin de limitacin en cada conexin y en la propia unidad:
de tal manera que la seal debe superar el lmite antes de la propagacin a otras
neuronas. Estos sistemas son auto-aprendizaje y formacin, en lugar de programar de
forma explcita, sobresalen en las zonas donde la solucin o funcin de deteccin es
difcil de expresar en un programa de ordenador tradicional.
Las redes neuronales suelen consistir en varias capas o un diseo de cubo, y la
ruta de la seal atraviesa de adelante hacia atrs. Propagacin hacia atrs es donde se
utiliza la estimulacin hacia adelante o en el "frente" para restablecer los pesos de las
unidades neuronales y esto a veces se realiza en combinacin con una formacin en la
que se conoce el resultado correcto. Las redes modernas son un poco ms libres en el
sentido de que fluye en trminos de estimulacin e inhibicin con conexiones que
interactan de una manera mucho ms catica y compleja. Redes neuronales
dinmicas son lo ms avanzadas en que pueden dinmicamente, formar nuevas
conexiones e incluso nuevas unidades neuronales.
El objetivo de la red neuronal es resolver los problemas imitando el cerebro

humano, aunque varias redes neuronales son ms abstractas. Proyectos de redes
neurales modernas suelen trabajar con unos pocos miles a unos pocos millones de
unidades neuronales y millones de conexiones, que sigue siendo varios rdenes de
42
magnitud menos complejo que el cerebro humano y ms cercano a la potencia de
clculo de un gusano.
Se ha encontrado que sobre el cerebro a menudo estimulan nuevos patrones en

las redes neuronales. Un nuevo enfoque est utilizando conexiones que se extienden
mucho ms all y capas de procesamiento de enlace en lugar de estar siempre
localizado en las neuronas adyacentes. Otra investigacin est estudiando los
diferentes tipos de seal en el tiempo que los axones se propagan, como el
aprendizaje profundo, interpola una mayor complejidad que un conjunto de variables
booleanas que son simplemente encendido o apagado.
Las redes neuronales se basan en los nmeros reales, con el valor del ncleo y del
axn siendo tpicamente una representacin entre 0,0 y 1.
Un aspecto interesante de estos sistemas es que son impredecibles en su xito con

el autoaprendizaje. Despus del entrenamiento, algunos se convierten en grandes
solucionadores de problemas y otros no funcionan tan bien. Con el fin de capacitar a
ellos, varios miles de ciclos de interaccin que se producen normalmente. Las redes
neuronales se han utilizado para resolver una amplia variedad de tareas, como la
visin por computador y reconocimiento de voz, que son difciles de resolver usando
ordinaria de programacin basado en reglas.
Histricamente, el uso de modelos de redes neuronales marc un cambio de

direccin a finales de los aos ochenta de alto nivel, que se caracteriza por sistemas
expertos con conocimiento incorporado en si-entonces las reglas, a bajo nivel de
aprendizaje automtico , caracterizado por el conocimiento incorporado en los
parmetros de un modelo cognitivo con algn sistema dinmico. En la figura 2
siguiente, se observa un modelo grafico de red neuronal artificial.
43
Figura 2. Modelo grafico de red neuronal artificial
II.1.2.11. Optimizacin con simulacin de perfiles de respuesta y deseabilidad

Una vez que se tiene el modelo multiobjetivo de red neuronal artificial, el
modulo Neural Net del JMP 8, en forma subyacente construye un modelo individual
para cada respuesta; estas se introducen en la hoja de clculo y luego se procede a
realizar la co-optimizacin, usando el mdulo PROFILES, con la opcin
SIMULATOR, a travs de realizar simulaciones para calidades deseadas.
La simulacin en el mdulo PROFILES permite descubrir la distribucin de los
resultados del modelo en funcin de la variacin aleatoria de los factores y el ruido
del modelo. La facilidad de simulacin en este perfilador proporciona una forma de
configurar las entradas aleatorias y ejecutar las simulaciones, produciendo una tabla
de salida de valores simulados.
Un ejemplo del uso de este algoritmo instalado sera averiguar la tasa de defectos
de un proceso que se ha ajustado, y ver si es robusto con respecto a la variacin en los
factores. Previo haber establecido lmites de especificacin en cada una de las
respuestas, se transfieren a la salida de la simulacin, lo que permite un anlisis
44
prospectivo de la capacidad del modelo simulado utilizando ajustes de nuevos
factores.
En el Profiler, el Simulador est integrado en el diseo grfico. Las
especificaciones de los factores se alinean por debajo del perfil de cada factor. Un
histograma de simulacin se muestra a la derecha para cada respuesta, que se
visualiza en la figura 3, siguiente.
Figura 3. Perfiles de respuesta, deseabilidad de calidad y distribucin Gauss de

respuestas del simulador, del programa JMP v.8.
II.1.3. FORMULACIN DE SISTEMA DE HIPTESIS.
Hiptesis Operacional.
45
La formulacin y elaboracin de raciones balanceadas, a base de productos y
subproductos de la agroindustria vegetal y animal sern de utilidad nutricional
humana.
II.1.4. FORMULACIN DEL SISTEMA DE VARIABLES.
Variables Dependientes.
Son las variables respuestas de calidad medidas a las mezclas nutricionales de la

racin balanceada de requerimientos diarios, como son,
Fisicoqumicas: Acidez inica (pH), Potencial redox (POR), Acidez titulable total
(ATT).
Sensoriales: Untabilidad, Consistencia de Adams, Degustacin
(Aceptabilidad/Rechazo)
Variable Independiente.
Son las variables de composicin nutricional de los ingredientes que conforma la

racin balanceada requerida en la nutricin humana. En la investigacin son,
Materia prima: Crema lctea de la marca Quenaca, Lactosuero en polvo de la marca
Quenaca, Ricota de la marca Quenaca y Harina de frijol blanco.
Variables intervinientes.
Son las variables de composicin de las raciones, que sirven de edulcorantes.

Saborizante: Extracto de ajo, Extracto de tocineta, Estabilizantes, Sal del cido
sorbico y cido lctico
46
CAPTULO III
III.1. MARCO METODOLGICO.
III.1.1. Diseo, tipo, nivel y modalidad de investigacin.
La investigacin, bajo el paradigma cuantitativo, ser de tipo descriptivo,

documental, de campo, con carcter experimental en laboratorio (estocstico), y
experimental virtual (determinista),recolectando informacin, en laboratorio y en el
medio comercial con encuestas, obteniendo datos numricos en escala continua, con
los cuales construir un metamodelo informtico, que permita optimizar senso-
fisicoqumico, la formulacin obtenida en forma virtual. Las matrices alimentos
elaboradas en laboratorio (pruebas estocsticas),se le medirn respuestas de calidad
fisicoqumica y reolgica, luego sern sometidas a anlisis sensorial, con pruebas
orientadas al consumidor (panel no entrenado), bajo pruebas hednicas de
aceptabilidad, en escala hednica libre del 0 al 7,segn recomendaciones de
Domnguez (2006), SAS JMP (2012),Ramrez (2012), Rodrguez (2013), MathWorks
(2014) y Garca (2016).
III.1.2. Poblacin y muestra.
III.1.2.1 Poblacin.
La poblacin muestral sern los productos y subproductos tipo cremas lcteas de

las agroindustrias.
47
III.1.2.2 Muestra.
Concierne con la mezcla de ingredientes, es decir, las raciones formuladas con

ingredientes subproductos lcteos de uso humano de composicin nutricional con
relativamente alto contenido de protena y mineral, con la cual se realizaron mezclas
experimentales estocsticas en laboratorio. Se realizaron pruebas pilotos en el
laboratorio (LITA-UNELLEZ), con el objeto de familiarizarse con las metodologas y
estimar en forma preliminar la cualidad y calidad reolgica de presentacin y de
aceptabilidad.
III.1.3. Diseo de la investigacin.
La investigacin experimental virtual (pruebas en computadora) y estocstica

(pruebas en laboratorio) se estructur en cuatro partes.
1. Investigacin documental en la bsqueda de informacin de datos de composicin
nutricional y construir los referenciales nutricionales de cada ingredientes; datos
requeridos para construir el metamodelo de Programacin Lineal y formular las
raciones balanceadas nutricionalmente.
2. Formular raciones balanceadas, virtualmente en el software WinQsb 2.
3. Las raciones virtuales se elaboraron saborizadas con mezclas de sabor de ajo y/o
sabor de tocineta y/o hojas de albahaca fresca y; con pruebas pilotos en laboratorio se
prob cul de estas formulaciones virtuales era potencialmente adaptada a una racin
culinaria con alta aceptabilidad sensorial, seleccionando de ellas la que ms gusto, en
un panel de laboratorio; procedindose a elaborarla en cantidad suficientes y
realizarle las pruebas de degustacin.
4. A la racin culinaria una vez elaborada se le midi respuestas hednicas, respuestas
fisicoqumicas y reolgicas; para las respuestas sensoriales, se aplic una encuesta
con muestreo sin reposicin a 125 estudiantes de los semestres 7mo, 8vo y 9no de la
carrera de ingeniera agroindustrial de la UNELLEZ-VIPI, San Carlos Cojedes,
Venezuela. Las respuestas fisicoqumicas se midieron en laboratorio con un pHmetro
48
(pH, POR y ATT), las respuestas reolgicas se midieron en forma sensorial
(Apariencia de Untabilidad) y con consistmetro de Adams (Consistencia: mm).
5. Los datos sensoriales de la encuesta, cada respuesta (Una columna para cada tems)
se vaciaron en la hoja de clculo del programa SAS JMP 8 (2012) y se analiz con la
tcnica de regresin no lineal de red neuronal (modulo Neural Net), previo
entrenamiento de la red, se construy un metamodelo de regresin digitalizado,
conformado por inecuaciones logsticas, (una red para cada respuesta), estas
inecuaciones se introdujeron como variables en la hoja de clculo del simulador del
programa JMP 8 y ajustadas las restricciones de calidad deseadas, como lo
recomiendan el SAS JMP 8 (2012) y MathWorks (2014); procedindose a realizar
simulaciones, hasta encontrar la optimizacin operativa (mezcla optima), que
satisfizo simultneamente las deseabilidades; es decir la mezcla que maximizo la
respuesta global deseabilidad.
III.1.4. Materiales y Mtodos.
III.1.4.1. Materiales ingredientes en la formulacin de raciones balanceadas.

Los ingredientes (Xi) utilizados en la formulacin de las raciones balanceadas son:
X1: Lactosuero en polvo, X2: Harina integral cocida, de frijol blanco, X3: Crema
lctea, X4: Queso ricota, X5: Soya Soy-tex y; los aditivos: cido lctico, sal comn,
mezclas de sabor de ajo y/o sabor de tocineta y/o hojas de albahaca fresca.
III.1.4.2. Equipos, instrumentos e implementos.
Cocina a Vapor de agua, Secador de aire forzado, Refrigerador, Congelador,

Balanza, Molino de martillo, Mesa, Cuchillo, Bandeja de acero inoxidable, Bolsas de
plstico impermeables e implementos de laboratorio de anlisis de alimentos, Horno a
gas y el instrumento pHmetro, Consistmetro de Adams e instrumentos sensoriales.
III.1.4.3. Metodologa de obtencin de la harina de frijol.
49
La harina integral (obtenida segn esquema tecnolgico figuras 1, de frijol, se
prepar en el laboratorio LITA de la UNELLEZ, utilizando un esquema tecnolgico
estandarizado en las prcticas de tecnologa vegetal. de prcticas de laboratorio del
LITA. De la harina obtenida se separ la harina fina malla 0 (harina fina), el resto se
volvi a moler y as sucesivamente hasta obtener suficiente harina fina para la
experimentacin.
50
Figura 4. Esquema tecnolgico para obtencin de harina integral de frijol.
Fuente: Adaptacin de Laboratorio LITA.
51
III.1.4.4. Matriz de diseo para formulacin de racin con programacin lineal
En la tabla 5, siguiente se muestra el sistema de ecuaciones (metamodelo PL) a

resolver con programacin lineal en el programa WinQsb, para el ajuste de raciones;
en la misma se indica: los parmetros nutricionales, los referenciales construidos de
valor nutritivo de los ingredientes y a la derecha, la condicin de restriccin (=, , )
y el RHS, que son los requerimientos nutricionales deseados en la racin a elaborar.
52
Tabla 5.
Metamodelo de simulacin de programacin lineal, para el ajuste de la racin
Parmetro Suero lctico Frijol blanco Crema de leche Ricota Soya Requerim.
X1 X2 X3 X4 Expandida
X5
Precio $/KG 1 1 1 1 1 minimizar
Agua % 4 12 60 73,7 10 mini-max
Energa caloras / diarias energia metabolisable 300 323 447 117 344 1300
Proteinas gr/ dia 11 20,96 2,5 12,3 46 23
Carbohidratos gr/ 76 64,19 2,8 10 31 170
Grasas total gr/ dia 1,5 2,2 37 3 3 150
Grasas saturadas gr/dia 0 0,65 23 4,3 0,3 96
Grasas monoinsaturadas gr/dia mufa 0 0,193 10,7 1,6 0,3 180
Grasas poliinsaturadas gr/ dia 0 1,36 1,37 0,4 1 12
Fibra total gr/ dia 0,2 12,7 0 0 1,8 11
Calcio mg / dia 0,87 130 65 92 241 700
Fosforo mg/dia 0,79 415 62 0 560 465
Magnesio mg/dia 0,13 182 7 6 0 90
Hierro mg/dia 0,16 6,77 0,03 0,5 9,20 10
Zinc mg / dia 0 2,55 0,23 0,5 60 5
Vitamina A (mg/dia) 0 0 411 0 0 400
B9 Folatos (acido folico) mg/dia 0,9 463 0 0 0 200
B2 Riboflavina mg /dia 1,2 0,192 0,11 0,022 0,21 0,6
B3 Niacina mg/dia 0 1892 0,04 0,2 0 8
B5 Acido pantotenico mg/dia 50,8 0,55 0 0,2 0 3
B7 Colina mg/dia 21 0 0 0 0 250
Sodio mg/dia 1,5 8 38 450 74 100
Potasio mg/dia 2,07 1464 75 54 2.384 50
Fuente: Elaboracin propia
53
CAPTULO IV.
RESULTADOS Y DISCUSIN.
En este aparte, se muestran resultados; en base de datos de referenciales

construidos de valor nutritivo de ingredientes y, los referenciales de requerimientos
nutricionales, desde la revisin de la literatura, aproximados para humanos con
actividades promedios, es decir humanos no sedentarios, no atletas ni con necesidades
especiales (tabla 4, Capitulo II); los cuales fueron utilizados para construir la matriz
alimento digitalizada o metamodelo (Figura 5), esta fue utilizada para la simulacin
(formular raciones) en el software WinQsb 2.0, con el mtodo simplex, con el
objetivo de formular raciones balanceadas, susceptible de maquinar tecnolgicamente
para uso culinario en forma de crema untable, con alto contenido proteico.
IV.1. Caractersticas de la harina de frijol obtenida

Las condiciones de proceso para la obtencin de la harina de frijol fueron. Tiempo
de imbibicin en agua a temperatura ambiente (32 C) de los granos de frijol: 18
horas, Tiempo de coccin a vapor (95C) = 10 min., Tiempo de secado a 65C = 14
hr.
Una vez obtenidos los granos cocidos secos, se procedi a la molienda en molino de
martillo; pasando la harina por cedazos para obtener una granulometra fina, con el
objeto de que facilite la humectacin y formacin de crema. La harina se pas por
cedazos para obtener harina que pasa la Malla 100, el resto se volvi a moler y as
sucesivamente hasta obtener suficiente harina malla 100 suficiente para las
preparaciones de las mezclas.
La granulometra obtenida, promedio de tres repeticiones, de la primera molienda, de
100 gramos de harina, fue: Malla 10 (2 mm) = 0 g, Malla 30 (0,6 mm) = 9 g, Malla
40 (0,425 mm) = 13 g, Malla 60 (0,25 mm) = 12 g, Malla 80 (0,18 mm) = 4 g, Malla
100 = 2 g, Fondo = 60 g.
54
La actividad de agua (aW) de la harina fue de 0,261 a 33,6 C y la humedad promedio
fue de 5,36 %
La harina Malla 10, se le realizo pruebas de consistencia tecnolgica, a 100 gramos
de harina se le agrego 300 ml de agua destilada a 33,6 C, se homogenizo y se le
midi la consistencia en un Consistmetro de Adams, dando un valor promedio de
expansin de 6,475, para una consistencia de Adams de 15%.
IV.1.2. Matriz informatizada de referenciales construidos para formulacion.

En base a los referenciales construidos, se construy la Matriz Informatizada o
metamodelo de simulacin, en la hoja de clculo del mdulo de programacin lineal
del WinQsb2 para simulacin de raciones de alimentos (Figura 5); el metamodelo
est estructurado como un sistema de inecuaciones, la primera inecuacin (primera
restriccin) es para el precio (funcin objetivo: funcin de costo a minimizar), el
resto, un conjunto de inecuaciones, una para cada nutriente (cada inecuacin es una
restriccin adicional al precio: funcin nutricional a maximizar).
Funcin Objetivo (FO).
A continuacin se muestra la representacin de la funcin matemtica de costo

total a minimizar (FO) en cada formulacin, costo total compuesto por la
contribucin de costo unitario de cada uno de los ingredientes i ($ USD/gramos).
Los Xi son los gramos de ingredientes. Los precios se expresan en $ USD/TM, y la
composicin nutricional del cuadro 5, se expres en base a gramos. Para efectos de
clculo los precios se igualaron, para evitar competencia, considerando que para una
buena alimentacin, no debe importar el precio.
Parmetro Suero lctico Frijol blanco Crema de leche Ricota Soya Requerimientos
X2 X1 X4 X3 Expandida
1 2 3 4 5
Precio $/KG 1 1 1 1 1 minimizar
55
As, la Funcin Objetivo de costo se represent de la siguiente manera.
FO = 1X1 + 2X2 + 3X3 + 4X4 + 5X5
Los referenciales de los precios, son FOB (Free on board, o libre a bordo), en
puerto internacional, para los ingredientes; estos se expresan en Dlares de los
Estados Unidos de Amrica ($USD), dado que en Venezuela, los precios vigentes de
ingredientes (materia prima) en el mercado nacional no son reales (no son referencias
econmicas vlidas), ya que muchos estn subsidiados; ms, si, las raciones
formuladas quisieran ser exportadas; por tanto se toman los referenciales
internacionales reportados por la FAO (2016).
En razn de que el inters por ahora es construir formulas alimenticias,

recomendadas para seres humanos, por ello, esta investigacin, al introducirlos en el
software se tomaron valores referenciales igualados (precios unitarios), es decir se le
asignar un valor de precio referencial de uno (01 unidad/100 gramos de ingrediente)
a cada ingrediente, de tal manera que el precio del ingrediente no prive su
inclusin/exclusin en las formulaciones.
IV.2. Matriz informatizada de referenciales construidos para formulacin

En la figura ??, siguiente se muestra una visual de la hoja de clculo del
programa WinQsb 2.0, conteniendo el sistema de inecuaciones (metamodelo de
simulacin), para la formulacin de raciones, usando el mdulo de programacin
lineal entera.
56
Figura 5. Matriz informatizada para simulacin de raciones balanceadas en WinQsb
Fuente: Elaboracin propia (2017)
Dnde, los componentes nutricionales de cada ingredientes son: C22: Humedad,
C1:Energia,C2:Proteina,C3:Carbohidratos, C4:Grasas, C5:Grasas saturadas,
C6:Grasas monoinsaturadas, C7:Grasas poliinsaturadas, C8:Fibra total, C9:Calcio,
C10:Fosforo, C11:Magnesio, C12:Hierro, C13:Zinc, C14:Vitamina A,
C16:Riboflabina, C17:Niacina, C18:Acido pantotenico, C21:Potasio y;.
Los ingredientes utilizados son: X1: Suero lctico en polvo, X2: Harina integral de
frijol blanco cocido, X3: Crema de leche Quenaca, X4: Queso ricota y X5: Harina de
soya texturizada expandida Soy-Tex.
La columna Directin, son las condiciones de restriccin para cada inecuacin.
La columna a la derecha R.H.S., es la valoracin nutritiva que debe tener la racin a
formular, es decir los requerimientos nutricionales deseados.
57
IV.2.1. Formulaciones experimentales obtenidas con PL
Una vez introducidos los datos segn las caractersticas del problema (maximizar
o minimizar), se muestra la siguiente hoja de clculo con el modelo (figura ?), donde
se carga el modelo en forma matricial, conformndose as el sistema de inecuaciones
de simulacin de la matriz alimento, el valor introducido en cada celda se
corresponde con los coeficientes de costo y contribucin bromatolgica de cada
ingrediente; y a la derecha, en la columna R.H.S., se introdujeron los datos de los
requerimientos nutricionales que se desea tenga la formulacin; esta matriz
matemtica emula la matriz alimento que se est construyendo, que al resolverla
simultneamente para condiciones deseadas, se est simulando con PL, esta
metodologa proporcion mltiples mezclas potenciales de ingredientes, que
satisfacen los requerimientos nutricionales deseados; las mezclas potenciales a
construir en formulas gourmet se muestran en la tabla 7.
Los resultados de distintas simulaciones, son raciones virtuales obtenidas por

simulacin iterativa en el programa WinQsb, mdulo de programacin lineal entera;
donde cada racin satisface los requerimientos nutricionales RHS establecidos, son
raciones de potencial elaboracin, que pueden ser maquinadas culinariamente.
58
Tabla 7.
Raciones virtuales potenciales de elaboracin y maquinar culinariamente
Mezcla de ingredientes (Xijk). [Proporcin en gramos]
1,
Ingrediente 1, 2,
1, 1, 1, 2, 2, 3, 3, 3,
1, 1, 1, 1, 2, 2, 2, 3, 3, 4, 2, 2, 2, 3, 3, 4, 4, 4,
2 3 4 5 3 4 5 4 5 5 3 4 5 4 5 5 5 5
No hay solucin posible


X1 Suero lctico 5,5 0 0 0 0 0 0,01 5
X2 Harina de frijol 0 4,8 4,8 4,87 0,37 0 0 50
X3 Crema de leche 4,17 1,21 1,21 1,18 3,71 11,57 0,97 25
X4 Queso ricota 0 0 0 0 0 1,5 13,97 10
X5 Soya Tex: 0 0 0 0 1,72 0,65 24,35 25
46 % protena
Fuente: Clculos propios.
Nota: La mezcla 1, 3, 4, 5, es deficiente en 79 gramos de grasa, por lo que debe agregarse a posteriori como un primer en la
racin, para cumplir con la RHS; sin embargo si se desea una racin baja en grasa, no se adiciona.
59
Para continuar con la herramienta de investigacin, se seleccion la mezcla 1, 2, 3,
4, 5 para su elaboracin y maquinacin culinaria y someterla a pruebas de
degustacin. As, una vez obtenidas las frmulas alternativas (mezclas de harinas
anteriormente mostradas), se realizaron preparaciones culinarias en laboratorio con
cada una de ellas, para lo cual, cada formula culinaria saborizada (crema untable) se
someti a pruebas de degustacin; los resultados mostraron que las formulas en
general, no es aceptado su sabor, a pesar de su adecuado color, olor, untabilidad y su
alto valor nutritivo. Todo en razn de su alto contenido de harina de frijol y/o alto
contenido de lactosuero, que son los aportadores de contenido proteico, los cuales les
proporcionan un profundo sabor que disgusta su aceptacin al ser consumidos. Al
respecto, se decidi utilizar el ingrediente comercial Soy-Tex Carne de Soya
(presentacin en forma de copos expandidos), el cual es un producto texturizado con
46 % de protena y 8 % de humedad, procedindose a molerla para la preparacin de
esta en forma de harina.
Seguidamente se incorpor el valor nutritivo de este ingrediente en el
metamodelo del programa WinQsb y se procedi a optimizar y obtener una formula o
racin nueva, la cual se muestra en el cuadro ?, siguiente.
IV.2.2. Formulacin culinaria optima sensorial.

Las pruebas diagnsticas de respuesta tecnolgica de las distintas raciones
obtenidas con Programacin Lineal, se le realizaron pruebas diagnsticas a su
preparacin culinaria, permiti decidir la racin de mejor aceptacin culinaria; que
permiti decir usar la racin mostrada en tabla 8, para realizar el objetivo de la
investigacin.
60
Tabla 8.
Formulaciones culinarias optima saborizada carne de cerdo o saborizada Ajo.
Ingrediente Peso
(gr)
X1 Suero lctico 5
X2 Harina de frijol 50
X3 Crema de leche 25
X4 Queso ricota 10
X5 Harina Soya Tex 25
Aditivos
X6 Sal 0,5
Carne de cerdo curada y ahumada
X7 Extracto acuoso 125 ml
Ajo
X8 cido lctico 1,1 ml
Fuente: Coronel (2017)
NOTA: En referencia a la calidad en aminocidos de la protena de la soya, la

literatura reporta que esta es deficiente en metionina y lisina, dos aminocidos
esenciales; por tanto, esto sugiere que en una preparacin culnaria, se complemente
con otros ingredientes protecos.
Una vez obtenida la racin optimizada que incorpora soya, se le aplicaron dos
tratamientos, para medir su aceptacin hednica. Se prepar una racin culinaria, a la
cual se agreg extracto acuoso acidificada y saborizada con extracto de carne de
cerdo curada y ahumado (Tratamiento 1: T1:) y Tratamiento 2 (T2: Ajo en polvo).
Las caractersticas de calidad fisicoqumica bsicas de la formula culinaria antes y

despus del saborizado, fue:
1. Antes de saborizar y acidificar: pH=6,18, POR=11,9, Acides titulable total=21 mg.
2. Despus de saborizar con carne de cerdo curada y ahumada y acidificada: pH=
4,54, POR= 2,8, Acidez titulable total = 65 mg.
3. Despus de saborizar con ajo: pH= 4,92, POR=3,35, Acidez titulable total = 63 mg
61
En lo siguiente se muestran los datos obtenidos del muestreo sin reposicin, de
catacin de las raciones culinarias (T1 y T2), degustadas por 101 estudiantes, de los
cuales 12 sealaron no gustarle el sabor a ajo y 8 manifestaron no gustarle el sabor a
carne curada y ahumada; por tanto sus datos no fueron considerados en la encuesta.
IV.3. Datos sensoriales y su anlisis.

En la tabla 9, siguiente, se muestran los datos obtenidos con la aplicacin de
encuesta a 81 estudiantes del Programa CAM, de los 7mo, 8vo y 9no semestre de la
carrera de Ingeniera Agroindustrial. Adems, se muestran datos de anlisis
univariado.
Tabla 9.
Datos sensoriales y caractersticas estadsticas univariada de la variable aceptacin hednica.
Respuesta sensorial
Caracterstica Tratamiento 1: Tratamiento 2:
estadstica Saborizado con extracto Saborizado con Ajo
univariada Casos de carne cerdo curada y humada
Olor Sabor Color Untabilidad Olor Sabor Color Untabilidad
1,0 5,0 3,0 6,0 3,0 3,0 3,0 6,0 4,0
2,0 7,0 3,0 4,0 5,0 7,0 6,0 4,0 4,0
3,0 6,0 5,0 7,0 4,0 5,0 7,0 7,0 6,0
4,0 6,0 6,0 7,0 5,0 7,0 4,0 7,0 6,0
5,0 6,0 4,0 6,0 5,0 6,0 5,0 6,0 6,0
6,0 5,0 5,0 7,0 5,0 7,0 4,0 5,0 5,0
7,0 7,0 6,0 7,0 7,0 5,0 4,0 5,0 5,0
8,0 6,0 4,0 7,0 6,0 5,0 4,0 7,0 5,0
9,0 5,0 5,0 7,0 4,0 6,0 5,0 5,0 5,0
10,0 6,0 4,0 5,0 6,0 5,0 4,0 4,0 6,0
11,0 3,0 5,0 4,0 6,0 5,0 4,0 4,0 6,0
12,0 3,0 5,0 5,0 5,0 5,0 5,0 5,0 4,0
13,0 5,0 5,0 4,0 6,0 4,0 5,0 4,0 5,0
14,0 3,0 6,0 7,0 5,0 5,0 7,0 7,0 6,0
15,0 5,0 5,0 7,0 5,0 5,0 4,0 5,0 4,0
16,0 7,0 5,0 5,0 6,0 4,0 5,0 5,0 5,0
17,0 7,0 7,0 6,0 6,0 5,0 6,0 4,0 4,0
18,0 7,0 7,0 5,0 6,0 6,0 5,0 6,0 6,0
19,0 6,0 5,0 7,0 4,0 6,0 5,0 6,0 5,0
20,0 7,0 7,0 5,0 4,0 4,0 4,0 5,0 4,0
21,0 5,0 7,0 7,0 7,0 5,0 6,0 4,0 4,0
22,0 7,0 5,0 7,0 7,0 6,0 5,0 5,0 6,0
62
23,0 3,0 5,0 6,0 7,0 6,0 5,0 7,0 4,0
24,0 5,0 4,0 6,0 7,0 5,0 4,0 5,0 4,0
25,0 4,0 6,0 7,0 7,0 6,0 5,0 7,0 7,0
26,0 6,0 7,0 5,0 7,0 6,0 6,0 7,0 7,0
27,0 6,0 7,0 7,0 7,0 7,0 4,0 6,0 7,0
28,0 6,0 7,0 6,0 7,0 7,0 4,0 7,0 7,0
29,0 7,0 7,0 6,0 7,0 6,0 4,0 7,0 7,0
30,0 5,0 6,0 7,0 6,0 6,0 5,0 5,0 7,0
31,0 7,0 7,0 7,0 7,0 6,0 5,0 7,0 6,0
32,0 4,0 6,0 7,0 7,0 6,0 5,0 6,0 6,0
33,0 5,0 4,0 4,0 5,0 6,0 7,0 7,0 6,0
34,0 6,0 6,0 4,0 4,0 7,0 7,0 6,0 5,0
35,0 5,0 6,0 5,0 5,0 6,0 6,0 6,0 6,0
36,0 5,0 5,0 4,0 6,0 7,0 7,0 7,0 7,0
37,0 5,0 4,0 4,0 7,0 4,0 5,0 4,0 5,0
38,0 6,0 5,0 6,0 5,0 6,0 4,0 4,0 5,0
39,0 6,0 6,0 6,0 7,0 6,0 7,0 4,0 7,0
40,0 7,0 5,0 7,0 7,0 6,0 7,0 5,0 7,0
41,0 7,0 5,0 6,0 5,0 5,0 4,0 7,0 7,0
42,0 5,0 6,0 6,0 6,0 5,0 4,0 5,0 7,0
43,0 6,0 5,0 7,0 4,0 4,0 5,0 6,0 7,0
44,0 6,0 5,0 6,0 4,0 5,0 6,0 5,0 7,0
45,0 7,0 5,0 7,0 7,0 5,0 5,0 7,0 7,0
46,0 5,0 5,0 5,0 6,0 4,0 5,0 5,0 5,0
47,0 3,0 6,0 7,0 5,0 5,0 7,0 6,0 6,0
48,0 5,0 6,0 7,0 5,0 5,0 4,0 5,0 4,0
49,0 7,0 5,0 6,0 6,0 4,0 5,0 6,0 5,0
50,0 7,0 7,0 6,0 6,0 5,0 6,0 4,0 4,0
51,0 6,0 7,0 5,0 7,0 6,0 6,0 7,0 7,0
52,0 6,0 7,0 7,0 7,0 7,0 4,0 6,0 7,0
53,0 6,0 6,0 6,0 6,0 7,0 5,0 7,0 7,0
54,0 7,0 7,0 6,0 7,0 6,0 5,0 7,0 6,0
55,0 6,0 6,0 7,0 6,0 6,0 5,0 5,0 7,0
56,0 7,0 7,0 7,0 7,0 6,0 6,0 6,0 6,0
57,0 4,0 6,0 7,0 7,0 6,0 5,0 6,0 6,0
58,0 5,0 4,0 4,0 5,0 6,0 7,0 7,0 6,0
59,0 7,0 6,0 7,0 7,0 5,0 4,0 5,0 5,0
60,0 6,0 5,0 6,0 6,0 5,0 5,0 7,0 5,0
61,0 5,0 5,0 7,0 4,0 6,0 5,0 5,0 5,0
62,0 6,0 6,0 5,0 6,0 5,0 4,0 5,0 6,0
63,0 3,0 5,0 4,0 6,0 5,0 4,0 4,0 6,0
63
64,0 3,0 5,0 5,0 5,0 5,0 5,0 5,0 5,0
65,0 5,0 6,0 5,0 6,0 5,0 5,0 4,0 5,0
66,0 6,0 6,0 7,0 5,0 5,0 7,0 7,0 6,0
67,0 6,0 6,0 7,0 6,0 7,0 4,0 7,0 6,0
68,0 6,0 5,0 6,0 5,0 6,0 5,0 6,0 6,0
69,0 5,0 5,0 7,0 5,0 7,0 5,0 5,0 5,0
70,0 7,0 6,0 7,0 7,0 5,0 4,0 5,0 6,0
71,0 7,0 6,0 7,0 6,0 6,0 7,0 5,0 7,0
72,0 7,0 6,0 7,0 5,0 5,0 4,0 7,0 7,0
73,0 5,0 6,0 7,0 6,0 6,0 5,0 5,0 6,0
74,0 6,0 5,0 7,0 5,0 5,0 5,0 6,0 7,0
75,0 6,0 6,0 6,0 4,0 5,0 6,0 5,0 7,0
76,0 7,0 5,0 6,0 7,0 6,0 5,0 7,0 6,0
77,0 5,0 5,0 5,0 6,0 4,0 5,0 5,0 5,0
78,0 3,0 6,0 6,0 5,0 5,0 7,0 6,0 6,0
79,0 5,0 6,0 7,0 5,0 5,0 4,0 5,0 5,0
80,0 7,0 5,0 6,0 6,0 4,0 5,0 6,0 5,0
81,0 7,0 6,0 6,0 6,0 5,0 6,0 5,0 4,0
Media Aritmtica 5,6 5,6 6,1 5,8 5,5 5,1 5,6 5,7
Mediana 6,0 6,0 6,0 6,0 5,0 5,0 6,0 6,0
Median agrupada 5,8 5,6 6,2 5,8 5,5 5,0 5,6 5,8
Media del error estndar 0,1 0,1 0,1 0,1 0,1 0,1 0,1 0,1
Media armnica 5,3 5,4 5,9 5,6 5,3 4,9 5,4 5,5
Media Geomtrica 5,5 5,5 6,0 5,7 5,4 5,0 5,5 5,6
Suma 457,0 450,0 491,0 467,0 444,0 414,0 457,0 463,0
Mnimo 3,0 3,0 4,0 3,0 3,0 3,0 4,0 4,0
Mximo 7,0 7,0 7,0 7,0 7,0 7,0 7,0 7,0
Rango 4,0 4,0 3,0 4,0 4,0 4,0 3,0 3,0
Desviacin estndar 1,2 1,0 1,0 1,0 0,9 1,0 1,1 1,0
Varianza 1,5 0,9 1,1 1,1 0,8 1,1 1,1 1,1
Curtosis -0,1 -0,1 -0,6 -0,7 -0,3 -0,6 -1,2 -1,1
Sesgo -0,8 -0,3 -0,8 -0,4 -0,1 0,5 0,0 -0,3
Fuente: Coronel (2017).
IV.4. Funcionalidad estadstica de los datos
Dado que se aplicaron mtodos paramtricos multivariantes, en la modelacin

para optimizacin, se requiri comprobar sus supuestos paramtricos. Los supuestos
bsicos ms importantes son: Funcionalidad estadstica (Valores extraos, suficiencia
de varianza de tems y distribucin normal de Gauss) y suficiencia de tamao
64
muestral (suficiencia de la cantidad de casos medidos). Primeramente se estimaron
promedios robustos para detectar la suficiencia de varianza (Tabla 10) y luego se
comprob la suficiencia del tamao muestral tomado.
Tabla 10.
Estimadores robustos (medianas robustas)
Formula Respuesta sensorial Huber Tukey's Biweight Hampel Andrews' Wave
culinaria a b c d
curada y ahumada
Olor 5,805 5,79 5,749 5,789

Saborizada con
extracto carne
Sabor 5,601 5,58 5,578 5,58

Color 6,151 6,143 6,106 6,143
Untabilidad 5,841 5,812 5,791 5,811
Saborizada con
Olor 5,485 5,486 5,491 5,486

Sabor 5,023 5,046 5,082 5,046
Ajo
Color 5,698 5,647 5,642 5,647

Untabilidad 5,784 5,746 5,72 5,746
a The weighting constant is 1,339. b The weighting constant is 4,685. c The weighting constants are 1,700,
3,400, and 8,500. d The weighting constant is 1,340*pi.
En la Tabla 10, anterior, se observa que se pudo estimar los promedios (medianas
robustas), indicando ello que los tems (respuestas) tienen varianza suficiente para la
aplicacin de mtodos de modelacin multivariados de la variable aceptacin
hednica.
La distribucin normal de Gauss se demostr con los estadsticos d de
Kolmogorov Smirnov, la probabilidad de Lillieford y el W de Shapiro-Wilk, lo que
indica que sus medias aritmticas son representativas de ellas y que estas variables
pueden utilizarse en modelacin paramtricas multivariantes.
La suficiencia muestral de 81 casos (81 estudiantes muestreados) se demostr
con el estudio de estadsticos obtenidos con el anlisis de Componentes Principales; a
travs de la prueba KMO (Kaiser-Meyer-Olkin), del estudio de los elementos de la
diagonal de la matriz de correlacin anti-imagen, el cual dieron valores muy cercanos
a 1, dando un valor de 0,657 (limites: entre 0,5 a 1) y, el resto (laterales) valores muy
pequeos, cercanos a cero. La prueba de Chi-cuadrado de esfericidad de Bartlett dio
70,343, con una significancia p<<0,000.
65
En la figura 6 , siguiente se muestra la variabilidad de las puntuaciones de los
encuestados. Encontrndose que estos valores en la escala del 0,0 al 07, puntuaron entre 3 y
7, con una media aritmtica de 5,45.
B o x & W h is k e r
9
Puntuaciones de calificacion
2 Mean MeanSD M e a n 1 ,9 6 *S D
O lo r T 1 C o lo r T 1 O lo r T 2 C o lo r T 2
S a b o rT1 U n t a b ilid a d T 1 S a b o rT2 U n t a b ilid a d T 2
Figura 6. Variabilidad de las puntuaciones de calificacin hednica
IV.5. Anlisis de confiabilidad de consistencia interna de los tems de la encuesta

Primeramente se realiz un anlisis de inter-correlacin global entre tems y de
homogeneidad de tems (tabla 11, siguiente).
Tabla 11.
Inter-correlacin global entre tems y de homogeneidad
de tems
Promedio de inter-correlacin entre tems: 0,00000
ndices de homogeneidad de tems
OlorT1 0,198132
SaborT1 0,435940
ColorT1 0,223519
UntabilidadT1 0,250004
OlorT2 0,388225
SaborT2 0,033699
ColorT2 0,345791
UntabilidadT2 0,469854
Fuente: Coronel (2017).
Los resultados mostrados en la Tabla 11, anterior, indican que la matriz de datos
(tems hednicos), tienen muy bajo (nula) inter-correlacin entre tems y muy bajo
valor de ndices de homogeneidad de tems; por tanto bajo estas condiciones, la
literatura (statsof inc, ??), indica que no se puede aplicar anlisis de confiabilidad
66
alfa de Crombach, ya que dar un valor sesgado; por ello da un valor bajo, de 57,95
%. El bajo valor de ndice de homogeneidad, indica que los tems no tienen una
fuerza de concordancia calificada ya que tienen bajo grado de semejanza, o sea que
son independientes (no hay multicolinealidad), por lo que son adecuados para la
aplicacin de mtodos de regresin lineal.
Visto la problemtica anterior, entonces, la confiabilidad de consistencia interna
del instrumento se estim con los estadsticos multivariados factoriales zeta () y
omega (), la cual estimaron un valor mximo de confiabilidad de 87,58 % y 96,83
%.
Una vez mostrada la confiabilidad interna de medicin de la encuesta y obtenidos

los datos de degustacin hednicos y; asegurado que los datos tiene calidad de
funcionalidad estadstica, se procedi a modelar la variable medida Aceptacin
hednica, encontrar grupos de personas comunes en cuanto a calificacin hednica,
estimar ndices de calidad hednica y determinar cul de los tratamientos (T1 y T2),
es el ms aceptado.
IV.6. Optimizacin de la variable Aceptacin hednica

La modelacin de la variable Aceptacin hednica: AH, se realiz con anlisis
multivariante, especficamente con Anlisis de Componentes Principales; modelo que
se presenta a continuacin, expresado como puntuaciones que da cada catador
(anlisis por casos), as como puntuaciones por cada tratamiento (anlisis por
variables). Estos modelos permiten calificar catadores (casos encuestados), descubrir
grupos con preferencias particulares (Figura ?, siguiente) y establecer ndices de
calidad del producto, que se pueden utilizar en pruebas comparativas con otros
tratamientos o con otras pruebes futuras.
El modelo mostrado en Tabla 12, siguiente, es un modelo de scores factoriales

(puntuaciones factoriales), un metamodelo de simulacin, que permite predecir la
variabilidad de la variable constructo (Aceptacin hednica); es un metamodelo matemtico,
constituido por tantas ecuaciones como dimensiones sean creadas, que en este caso el estudio
67
determino que 08 dimensiones hednicas explica la variable Aceptacin hednica.
Sustituyendo valores promedios obtenidos en la medicin con la encuesta y, sustituyndolo
en el sistema de ecuaciones, se obtienen los ndices de calidad por dimensin y, si se
promedian todos, se obtiene un ndice global de calidad del producto (racin culinaria).
68
Tabla 12.
Modelo del comportamiento de la variable Aceptacin hednica: AH por variables sensoriales
Trminos del modelo ndice de
Dimensiones calidad por
de dimensiones
OlorT1 SaborT1 ColorT1 UntabilidadT1 OlorT2 SaborT2 ColorT2 UntabilidadT2
AH predicho
Y1= 0,17 0,29 0,20 0,22 0,28 0,06 0,26 0,32 5,61
Y2= -0,31 -0,21 -0,28 -0,29 0,21 0,52 0,28 0,22 5,58
Y3= -0,07 0,29 -0,55 0,55 0,07 0,30 -0,42 -0,04 6,23
Y4= 0,91 -0,11 -0,23 -0,17 -0,30 0,36 0,06 0,03 5,9
Y5= -0,10 0,53 0,53 -0,34 -0,08 0,58 -0,33 -0,31 5,92
Y6= 0,32 -0,24 -0,02 -0,22 1 -0,09 -0,36 -0,36 5,75
Y7= -0,01 0,09 -0,09 0,34 0,04 0,15 0,83 -1 5,89
Y8= -0,01 -0,89 0,66 0,7 -0,06 0,50 -0,19 0,02 6,71
ndice de calidad global predicho 5,95
Fuente: Coronel (2017)
69
Los modelos lineal aditivo de primer orden, en la Tabla 12, anterior, muestran que la
aceptacin hednica de las raciones culinarias experimentales, puede ser representadas por
08 dimensiones hednicas, que explican el 100 % de la variabilidad de la variable
Aceptacin hednica: AH, para las raciones culinarias en conjunto. As que, sustituyendo
valores deseados de los trminos del modelo, se puede predecir valores de mxima
aceptacin hednica del producto experimental.
Los resultados al margen derecho de la Tabla 12, anterior, muestran los valores
predichos para la 08 dimensiones, dando una calificacin global (ndice de calidad
ponderado) de 5,95 en la escala del 0 al 7. Valor bastante aproximado a la mxima calidad
deseada; determinndose as, que la racin culinaria propuesta tiene alta aceptabilidad.
En la figura 7, siguiente, se muestran potenciales grupos de preferencia, el cual fueron

discriminados (descubiertos por el modelo), se determina que hay 07 grupos distintos de
personas con apreciaciones distintas de valor de preferencias hednicas; es decir, cada grupo valora
con igual puntuacin dentro de ellos, pero distinto de los otros 07 grupos.
70
Figura 7. Determinacin de grupos de preferencia
71
En la Tabla 13, siguiente, se muestran los datos obtenidos de la encuesta y el valor o
ndice de calidad predicho por el modelo, para cada uno de los 81 encuestados.
Tabla 13.
Datos para los 81 encuestados y el ndice de calidad
predicho para cada caso
ndice de
X1To X2To X3To X4To X1Aj X2Aj X3Aj X4Aj Calidad
predicho
5 3 6 3 3 3 6 4 4,55
7 3 4 5 7 6 4 4 6,41
6 5 7 4 5 7 7 6 5,97
6 6 7 5 7 4 7 6 5,54
6 4 6 5 6 5 6 6 5,66
5 5 7 5 7 4 5 5 5,54
7 6 7 7 5 4 5 5 5,60
6 4 7 6 5 4 7 5 5,50
5 5 7 4 6 5 5 5 5,55
6 4 5 6 5 4 4 6 5,23
3 5 4 6 5 4 4 6 4,86
3 5 5 5 5 5 5 4 5,35
5 5 4 6 4 5 4 5 5,32
3 6 7 5 5 7 7 6 5,74
5 5 7 5 5 4 5 4 5,33
7 5 5 6 4 5 5 5 5,58
7 7 6 6 5 6 4 4 6,11
7 7 5 6 6 5 6 6 5,75
6 5 7 4 6 5 6 5 5,68
7 7 5 4 4 4 5 4 5,14
5 7 7 7 5 6 4 4 6,04
7 5 7 7 6 5 5 6 5,95
3 5 6 7 6 5 7 4 5,82
5 4 6 7 5 4 5 4 5,56
4 6 7 7 6 5 7 7 5,53
6 7 5 7 6 6 7 7 5,93
6 7 7 7 7 4 6 7 5,56
6 7 6 7 7 4 7 7 5,56
7 7 6 7 6 4 7 7 5,49
5 6 7 6 6 5 5 7 5,47
7 7 7 7 6 5 7 6 5,94
4 6 7 7 6 5 6 6 5,63
72
5 4 4 5 6 7 7 6 6,09
6 6 4 4 7 7 6 5 6,30
5 6 5 5 6 6 6 6 5,75
5 5 4 6 7 7 7 7 6,21
5 4 4 7 4 5 4 5 5,46
6 5 6 5 6 4 4 5 5,42
6 6 6 7 6 7 4 7 6,20
7 5 7 7 6 7 5 7 6,39
7 5 6 5 5 4 7 7 5,16
5 6 6 6 5 4 5 7 4,99
6 5 7 4 4 5 6 7 5,07
6 5 6 4 5 6 5 7 5,47
7 5 7 7 5 5 7 7 5,70
5 5 5 6 4 5 5 5 5,37
3 6 7 5 5 7 6 6 5,71
5 6 7 5 5 4 5 4 5,30
7 5 6 6 4 5 6 5 5,63
7 7 6 6 5 6 4 4 6,11
6 7 5 7 6 6 7 7 5,93
6 7 7 7 7 4 6 7 5,56
6 6 6 6 7 5 7 7 5,77
7 7 6 7 6 5 7 6 5,91
6 6 7 6 6 5 5 7 5,57
7 7 7 7 6 6 6 6 6,20
4 6 7 7 6 5 6 6 5,63
5 4 4 5 6 7 7 6 6,09
7 6 7 7 5 4 5 5 5,60
6 5 6 6 5 5 7 5 5,72
5 5 7 4 6 5 5 5 5,55
6 6 5 6 5 4 5 6 5,19
3 5 4 6 5 4 4 6 4,86
3 5 5 5 5 5 5 5 5,22
5 6 5 6 5 5 4 5 5,48
6 6 7 5 5 7 7 6 6,05
6 6 7 6 7 4 7 6 5,64
6 5 6 5 6 5 6 6 5,63
5 5 7 5 7 5 5 5 5,83
7 6 7 7 5 4 5 6 5,47
7 6 7 6 6 7 5 7 6,25
73
7 6 7 5 5 4 7 7 5,16
5 6 7 6 6 5 5 6 5,60
6 5 7 5 5 5 6 7 5,35
6 6 6 4 5 6 5 7 5,44
7 5 6 7 6 5 7 6 5,97
5 5 5 6 4 5 5 5 5,37
3 6 6 5 5 7 6 6 5,68
5 6 7 5 5 4 5 5 5,17
7 5 6 6 4 5 6 5 5,63
7 6 6 6 5 6 5 4 6,16
IV.7. optimizacin va simulacin de las respuestas hednicas.

Con los datos originales como variables independientes y el ndice por casos predicho
como respuestas (Tabla 13, anterior), se digitalizo en la hoja de clculo del programa SAS
JMP y, usando el mdulo de redes neuronales y de simulacin con perfiles de respuestas y
de deseabilidad, se simularon condiciones de mxima deseabilidad de aceptacin hednica,
para estudiar que variables hednicas (tems) que deben ser superadas, para la mejora de la
calidad. En las figuras 8 y 9 siguientes, se muestran los resultados.
Las condiciones de entrenamiento, la red utilizada y la calidad de la modelacin, se
muestra en la figura 8, siguientes.
74
Figura 8. Condiciones de entrenamiento, red utilizada y la calidad de la
Modelacin
La figura siguiente muestra una visual del modelo de red neuronal, con el perfil de
respuesta, el de deseabilidad y el simulador, utilizada para la optimizacion.
75
Figura 9. Caractersticas de calidad a las condiciones predichas por el modelo factorial:
Calidad 5,95.
En la figura 9, anterior, se detecta que las variables (tems), peor calificados (tems que
menos gustaron) son: X2To, X4To, es decir el sabor y la untabilidad de la racin culinaria
saborizada con extracto de carne de cerdo curada y ahumada. Significando que estas
variables deben ser mejoradas, para mejorar la calidad global deseada, en una prxima
experimentacin.
76
IV.8. Prediccin del tratamiento ms aceptado.
En la determinacin de cul de los tratamientos T1 o T2 gusta ms, se utiliz anlisis
de regresin logstica.
Preliminarmente se determinaron las frecuencia para 07 dominios de la escala, utilizando
histogramas (figura 10, siguiente).
22 26%
20
18 21%
16
14
No of obs
12 14%
12%
10 11%
8 9%
7%
6
0
4 ,2 5 0 0 4 ,6 4 2 9 5 ,0 3 5 7 5 ,4 2 8 6 5 ,8 2 1 4 6 ,2 1 4 3 6 ,6 0 7 1 7 ,0 0 0 0
M e d ia T 1
28
32%
26
24
22
25%
20
18
16
No of obs
14 16%
15%
12
10
8 9%
6
4
2%
2 1%
0
4 ,0 0 0 0 4 ,4 2 8 6 4 ,8 5 7 1 5 ,2 8 5 7 5 ,7 1 4 3 6 ,1 4 2 9 6 ,5 7 1 4 7 ,0 0 0 0
M e d ia T 2
Figura 10. Frecuencias para cada uno de los 7 dominios de la escala
77
En base a los resultados de las grficas anteriores, se construy la hoja de clculo (figura
11, siguiente) y, al ejecutar el procedimiento de regresin logstica, se obtiene los valores de
discriminacin de calificacin (columna linear), -0,19 para T1 y +0,19 para T2; indicando
esto que la formulacin culinaria que ms gust fue la T1 (-0,19), es decir la formula
aderezada con extracto de carne de cerdo curada y ahumada.
Figura 11. Datos de frecuencia hednica para los 7 dominio de

escala y respuesta logstica (Programa SAS JMP).
CONCLUSIONES.
78
La revisin de la literatura especializada en valoracin nutritiva de ingredientes de
Suero lctico, Frijol blanco, Crema de leche, Queso Ricota y Soya-Tex Expandida, permiti
construir sus referenciales nutricionales.
Los referenciales construidos, digitalizados como un modelo de Programacin Lineal

(PL), permiti construir mltiples inecuaciones, que conformaron el metamodelo de
simulacin PL.
La utilizacin del mdulo de Programacin Lineal del Programa WinQsb, permiti

formular raciones balanceadas, para satisfacer los requerimientos exigidos.
El diagnstico de las respuesta tecnolgica de raciones balanceadas a base de una Suero

lctico, Harina de Frijol blanco, Crema de leche, Queso Ricota y Soya-Tex Expandida,
permitieron medir sus cualidades sensoriales: Color, Olor, Sabor y Untabilidad.
El acondicionamiento culinario de la racin optimal permiti controlar sus respuestas

pH, Potencial redox, Acidez titulable total y Untabilidad, en valores que le confieren
estabilidad fisicoqumica y de consistencia estable.
Las respuestas sensoriales de aceptacin-rechazo de las raciones artesanales de

consistencia estable, aderezadas con sabor a ajo y tocineta, permitieron construir un
metamodelo informatizado de simulacin de las respuestas sensoriales.
El mdulo de red neuronal y su simulador permitieron optimizar operativamente las

respuestas sensoriales en forma conjuntas y, encontrar las respuestas crticas que requieren
intervencin y maximizar la aceptacin sensorial humana.
RECOMENDACIONES.
79
Utilizar los referenciales construidos nutricionales de los ingredientes de Suero
lctico, Frijol blanco, Crema de leche, Queso Ricota y Soya-Tex Expandida, en la
formulacin de raciones para distintas condiciones de requerimientos nutricionales humana
y, darle presentaciones culinarias alternativas a la encontrada en esta investigacin.
Utilizar el mdulo de Programacin Lineal del Programa WinQsb, en la formulacin de

raciones balanceadas, para satisfacer los requerimientos nutricionales humanos.
Utilizar el mdulo de Red Neuronal y el Simulador del Programa SAS JMP, en la

optimizacin operativa del de mltiples respuestas sensoriales en forma conjuntas y,
encontrar las respuestas crticas que requieren intervencin y maximizar la aceptacin
sensorial humana.
Utilizar el mdulo de Regresin Logstica del Programa SAS JMP para determinacin
de tratamientos ms aceptados y cules son los de mayor rechazo.
Utilizar la secuencia de procedimientos y anlisis realizado en esta investigacin, como

una herramienta exploratoria de investigacin y desarrollo de una racin balanceada para
consumo humano.
REFERENCIAS BIBLIOGRAFICAS
80
Anichini, C., Lotti, F., Longini, M., Felici, C., Proietti, F., Buonocore, G. (2014).
Antioxidant strategies in genetic syndromes with high neoplastic risk in infant age.
http://www.ncbi.nlm.nih.gov/pubmed/25688491
Bennett, F., McClellan, S., Kregsmann, E., et al. (1983), Vitamin and mineral
supplementation in Down syndrome. Pediatrics. 72: 707- 713.
Budhaka, Itharattana y Ooraikul, 1984. El anlisis econmico del uso de los productos de la
yuca en raciones para animales y sus perspectiva en el mercado.( Proyecto de
yuca/nutricin). Bangkok, Thailand; Ministry of Agriculture and Cooperatives.
University International. Development Research
Centre. 76p En 24 Ref II.
Campos, C. y Casado, A. (2015). Oxidative stress, thyroid dysfunction & Down syndrome.
Indian J Med Res. 142:113-119. http://www.icmr.nic.in/ijmr/2015/august/6.pdf
Cook-Mills, J. M. (2013). Isoforms of Vitamin E Differentially Regulate PKC and
Inflammation: A Review. J. Clin. Cell. Immunol. 4: 214-230.
Dalton, A. (2012). Multicenter Vitamin E Trial in Aging Persons With Down Syndrome
Clinical trial NCT01594346.
DeLand, S. (2014). New optimization solver for mixed-integer linear programming in
Release 2014a. Mixed-Integer Linear Programming in MATLAB.
Domnguez, D. J. 2006. Optimizacin simultnea para la mejora continua y reduccin de
costos en procesos. Ingeniera y ciencias. 2 (4): 145-162.
http://www.redalyc.org/pdf/835/83520408.pdf.
FAO (2016). Perspectivas Alimentarias. Anlisis del Mercado Mundial.
http://www.fao.org/docrep/009/j7927s/j7927s00.htm
Ferguson, LR (2014) Nutrigenomics and Nutrigenetics in Functional Foods and
Personalised Nutrition. CRC Press. New York.
Gutirrez, Ferrn y Pechin. Herramienta para la Formulacin de Raciones para Cerdos
por Mnimo Costo. (Trabajo de grado).Facultad de Ciencias Veterinarias. Universidad
Nacional De La Pampa. 2002.
Habbig, S., M. P., Bartram, R. U., Muller, R., Schwarz, N., Andriopoulos, C., et al., (2011).
NPHP4, a cilia-associated protein, negatively regulates the Hippo pathway. J. Cell
Biol. 193: 633642.
Harrell, R.F., Cap,p R.H., Davi, D.R., Peerless, J, and Ravitz, L.R. (1981). Can nutritional
supplements help mentally retarded children? An exploratory study. Proc Natl
AcadSci USA. 78: 5748
Hernndez, S. R., Fernndez, C. C., y Baptista, L. M. 2010. Metodologa de la
investigacin. McGrawHill. 5ta Ed. Mxico. 656 p.
Industrias Venezolanas Parmalat Quenaca. 2016. Laboratorio Aseguramiento de la
Calidad.
Kemper, K.J., Cassileth, B., Ferris, T. (1999). Holistic pediatrics: A research agenda.
Pediatrics 1999; 103: 902-909.
MathWorks. 2014. Optimization Toolbox. R2014b For Use with MATLAB, MATLAB,
USA. http://www.mathworks.com/
81
Montiel, J., Ortega, P., Amaya, D. y Chvez, J. (2009). Anemia y deplecin de las reservas
de hierro en nios con sndrome de Down. ARCHIVOS VENEZOLANOS DE
PUERICULTURA Y PEDIATRA. 72 (2): 53 58.
http://www.scielo.org.ve/pdf/avpp/v72n2/art04.pdf
Ormeo, C. y Guadalupe, E. 2012. Uso de aditivos en la industria lctea. Universidad
Nacional Jos Faustino Snchez Carrin. Facultad de Ingeniera agraria, industrias
alimentarias y Ambiental. Huacho Per. 35-41 pp.
Quesada, M. S. y Villalobos, G. (2002). Nutricin infantil. CIMED, 14. Centro Nacional de
Informacin de Medicamentos. San Jos de Costa Rica.
Ramrez, J. S. (2012). Anlisis sensorial: pruebas orientadas al consumidor.
https://www.researchgate.net/publication/257890512_Analisis_sensorial_pruebas_orie
ntadas_al_consumidor
Rodrguez, A. T. (2013). elaboracin de una gua para la seleccin, entrenamiento y
monitoreo de jueces sensoriales para productos de confitera.
http://biblioteca.usac.edu.gt/tesis/06/06_3427.pdf
Rojas Yunka Eddy A. 2009. Formulacin de alimentos balanceados para engorde de pollo
bajo el concepto de aminocidos con el winqsb.(Trabajo de grado). Disponible en:
www.es.scribd.com/doc/35812318/engorde-de-pollo.
SAS JMP 8. (2012). Software SAS Institute Inc. JMP business unit SAS.JMP: Jonhns
macintosh program.
Soto Silva, C; y Reinoso Ortiz, V. (2004). Artculo publicado originalmente en: Empleo
de la programacin lineal en la formulacin de raciones al mnimo Costo para la
suplementacin de rumiantes a pastoreo. Veterinaria (Montevideo), Vol. 39 (154): 17-
22.
Taha, H. (2004). Investigacin de Operaciones. Mxico: Ed. Prentice Hall
Hispanoamericana S.A. 7 Edicin. 848 pp.
Tozer P. R. Least-Cost Ration Formulations for Holstein Dairy Heifers By Using Linear
and Stochastic Programming. Department of Dairy and Animal Science, 2000. The
Pennsylvania State University. EE.UU.
UNED. 2016. Gua de alimentacin y salud. http://www2.uned.es/pea-nutricion-y-dietetica-
I/guia/presentacion/index.htm?ca=n0
UNELLEZ. 2008. Plan general de investigacin de la UNELLEZ, 2008-2012.
USDA. (2014). National Nutrient Database for Standard Reference.
Release 27. Softwarev. 2.2.6. The National Agricultural Library.
http://ndb.nal.usda.gov/ndb/foods
USDANAL (2016). The Dietary Reference Intakes (DRIs). http://fnic.nal.usda.gov/dietary-
guidance/dietary-reference-intakes
Yih-Long, C. (2003). WinQSB, Versin 2.0. Ed. Wiley & Sons, Inc.
82

Jullielbi Coronel

Cargado por

Información del documento

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Jullielbi Coronel

Cargado por

Copyright:

Formatos disponibles

UNELLEZ

HERRAMIENTA EXPLORATORIA DE INVESTIGACIN Y

Br. Julielbi Beatriz Coronel Piero

HERRAMIENTA EXPLORATORIA DE INVESTIGACIN Y

San Carlos, Abril de 2017

APROBACIN DEL TUTOR

Yo vila, Enrique C., cdula de identidad N 4.927.080, en mi carcter de tutor del

Ing. vila, Enrique C.

El Trabajo de Grado titulado HERRAMIENTA EXPLORATORIA

II.1.1. ANTECEDENTES DE LA INVESTIGACIN. 9

II.1.2.1 El queso ricota. 14

II.1.2.4. Las leguminosas en la nutricin. 24

II.1.2.6. Referenciales construidos de composicin proximal de

II.1.2.7. Referenciales construidos de composicin proximal de

II.1.2.8. Optimizacin con simulacin va programacin lineal en la

II.1.2.11. Optimizacin con simulacin de perfiles de respuesta y 45

II.1.3. FORMULACIN DE SISTEMA DE HIPTESIS. 46

III.1. MARCO METODOLOGICO. 48

III.1.4.3. Metodologa de obtencin de la harina de frijol 50

III.1.4.4. Matriz de diseo para formulacin de racin con programacin lineal 52

IV.1. RESULTADOS Y DISCUSIN. 54

IV.1.2. Matriz informatizada de referenciales construidos para formulacin. 55

IV.2. Matriz informatizada de referenciales construidos para formulacin. 56

IV.2.1. Formulaciones experimentales obtenidas con PL 58

IV.3. Datos sensoriales y su anlisis. 62

IV.4. Funcionalidad estadstica de los datos 64

IV.5. Anlisis de confiabilidad de consistencia interna de los tems de la 66

IV.6. Optimizacin de la variable Aceptacin hednica 67

IV.7. Optimizacin va simulacin de las respuestas hednicas. 74

IV.8. Prediccin del tratamiento ms aceptado. 76

3 Comparativo de aminocidos en Trigo, Maz, Yuca y Frijol 26

5 Valor nutricional comparativo de aminocidos. 33

7 Raciones virtuales potenciales de elaboracin y maquinar 60

8 Formulaciones culinarias optima saborizada carne de cerdo o 62

9 Datos sensoriales y caractersticas estadsticas univariada de la 63

10 Estimadores robustos (medianas robustas) 66

12 Modelo del comportamiento de la variable Aceptacin hednica: 70

13 Datos para los 81 encuestados y el ndice de calidad 72

4 Esquema tecnolgico para obtencin de harina integral de frijol. 51

5 Matriz informatizada para simulacin de raciones

6 Variabilidad de las puntuaciones de calificacin hednica 66

9 Caractersticas de calidad a las condiciones predichas por el

10 Frecuencias para cada uno de los 7 dominios de la escala 77

Julielbi Beatriz Coronel Piero.

En primer lugar, a mi tutor de tesis, Enrique vila, mi ms amplia agradecimiento

Gracias todos los profesores de la universidad UNELLEZ, por su atencin y

Agradezco tambin a mi padre por ser un apoyo en mi carrera y en mis logros a mi

Finalmente gracias a la vida, que es hermosa, y una de las principales

Julielbi Beatriz Coronel Piero.

Br. Julielbi Beatriz Coronel Piero.

HERRAMIENTA EXPLORATORIA DE INVESTIGACIN Y DESARROLLO

La investigacin con el objetivo de sistematizar una herramienta exploratoria de

Palabras claves: Alimento balanceado, Crema lctea, Innovacin.

Br. Julielbi Beatriz Coronel Piero.

HERRAMIENTA EXPLORATORIA DE INVESTIGACIN Y DESARROLLO

The objective of this research was to systematize an exploratory research and

Keywords: Balanced feed, Cream lacteal, Innovation.

En la visin y misin de un ingeniero agroindustrial, se encuentra que estos

El tema del trabajo se enfoc en describir en forma sucinta una herramienta

El trabajo est pensado en describir en forma ejemplificante, es decir, con un

En consideren de la problemtica y de las expectativas creadas, se plante el

Sistematizar una herramienta exploratoria de investigacin y desarrollo de una

I.1.1. Planteamiento del problema.

El paradigma de la nutricin ha cambiado en los ltimos 50 aos. Durante los