Uso de la metodología de superficie de respuesta (RSM) para mezclas

compuestas de fracciones de arroz quebrado de bajo grado y harina de soya con

grasa entera mediante un proceso de cocción por extrusión de doble tornillo
Nahemiah Danbabaa, c*, Iro Nkamab, and Mamudu Halidu Badauc
Programa de investigación sobre tecnología de los alimentos y adición de valor, Instituto Nacional de Investigación de
Cereales (NCRI) Badeggi, PMB 8, Bida, estado de Níger, Nigeria

Departamento de Ciencia y Tecnología de Alimentos, Universidad de Nigeria, Nsukka, Estado de Enugu, Nigeria

Departamento de Ciencia y Tecnología de Alimentos, Universidad de Maiduguri, Nigeria

*Autor correspondiente

dnahemiah@gmail.com

Tel: +2348039736494

Recibido: 3 de noviembre de 2017; Publicado en línea: 18 de abril de 2019

Resumen

En este estudio, diecisiete (17) mezclas compuestas de fracciones de arroz quebradas

y soja con toda la grasa, formuladas utilizando la metodología de superficie de
respuesta y el diseño central del compuesto dentro de un rango de temperaturas de
barril (100-140 °C), contenido de humedad inicial de la alimentación (15- 25%) y la
composición de soja (8-24%) se extruyeron con una extrusora de doble tornillo y se
optimizaron los índices de expansión y color. Los resultados indicaron un efecto
significativo (p <0.05) de las condiciones de extrusión en las respuestas. Los modelos
predictivos ajustados tuvieron coeficientes de 88.9%, 95.7%, 97.3%, 95.4% y 95.2%,
respectivamente, para índice de expansión, densidad aparente, luminosidad,
enrojecimiento y amarillez. Las pruebas de valor p y la falta de t de los modelos
podrían explicar bien la variabilidad observada y, por lo tanto, podrían utilizarse para
establecer la configuración de producción para la extrusora de doble tornillo. Se
encontró que las condiciones óptimas de extrusión eran 130 °C (temperatura del
barril), 20% (nivel de humedad de alimentación) y 23% de composición de soja
alimentada y las respuestas óptimas en términos de densidad aparente, índice de
expansión, luminosidad, enrojecimiento y amarilleamiento. Los índices de croma
fueron 0.21 g cm-3, 128.9%, 17.1, 3.13 y 24.5, respectivamente. Esto indica que se
pueden establecer condiciones óptimas en la cocción por extrusión de tornillo doble de
fracciones de arroz quebradas y mezclas compuestas de soja con toda la grasa que
pueden dar como resultado un producto de bajo volumen y máxima expansión con un
color de producto amarillo claro satisfactorio que se puede usar para producir
productos que valorizan el arroz partido y reducen las pérdidas cualitativas
postcosecha.

Palabras clave: Arroz quebrado; Haba de soja; Extrusión; Metodología de superficie

de respuesta; Mejoramiento
 1. Introducción

El arroz (Oryza sativa L.) es una fuente importante de alimentos para un gran número
de la población en África subsahariana (SSA), su producción y utilización es un
programa económico importante para la mayoría de los gobiernos de la región.
Aunque la producción no se ajusta a la demanda de consumo y hay enormes facturas
de importación en detrimento de otros sectores críticos, se ha logrado una mejora
significativa. hecho en los últimos años para aumentar el rendimiento por hectárea en
la mayoría de los países. Pero se ha registrado poca mejora en la cadena de valor
posterior a la cosecha del sistema de producción (Manful, Quaye y Gayin, 2004;
Ndindeng et al., 2015). Recientemente, la inversión en investigación para la reducción
de las pérdidas postcosecha ha generado un mayor interés en la utilización del arroz
de las fracciones de arroz de bajo grado para la producción de productos de valor
agregado (Chinma, Anuonye, Simon, Ohiare, y

Danbaba, 2015; Danbaba, Nkama, y Badau, 2016; Danbaba et al., 2017)

principalmente debido a su alta expansión durante la extrusión, facilidad de digestión,
alto contenido de calcio, bajo índice glucémico, bajo contenido de sodio, atractivo color
blanco, bajo gluten, baja alergenicidad y bajo costo, ya que se produce principalmente
a partir de fracciones de arroz quebrado de grado (Danbaba et al., 2016;
Kadan,Bryant,&Pepperman,2003). Sin embargo, el arroz es relativamente bajo en
proteínas (6-8 g / 100 g db) y sus aminoácidos están limitados por la lisina (Chaiyakul,
Jangchud, Jangchud, Wuttijumnong, yWinger2009). Curiosamente, el contenido de
lisina del arroz es mayor (3.5-40 / 16 g de nitrógeno) que el de otros cereales comunes
como el maíz, el sorgo y el mijo y, por lo tanto, se puede fácilmente mejorar
nutricionalmente mediante la adición de materiales alimenticios con un alto contenido
de lisina para alcanzar 5,5 g / 16 g de N se consideran adecuados para los humanos.

La utilización de la soja para complementar la proteína del cereal ha aumentado

rápidamente en la mayor parte de África. La soja es una fuente rica de lisina; Por lo
tanto, los alimentos de arroz y soja pueden proporcionar proteínas dietéticas
equilibradas. Se ha propuesto el uso de cultivos de alto valor proteico cultivados
localmente, y de recetas estables y asequibles para abordar la desnutrición proteico-
energética

(PEM) en países en desarrollo (Assefa y Melaku,2017); La combinación de esto con

las tecnologías de procesamiento que dan como resultado productos estables,
convenientes y aceptables para el consumidor también se ha recomendado (Iwe, Van
Zuilichem, Ngoddy y Ariahu, 2001) (Iwe, 2003).

La tecnología de cocción por extrusión y las mezclas de cereales y legumbres se han

utilizado en varias partes de África para producir productos densos en nutrientes,
aceptables para el consumidor, con cualidades físicas y funcionales mejoradas
(Danbaba et al., 2017; Filli, 2011, 2016; Gogoi, Oswalt, y Choudhury, 1996). Durante la
extrusión, las enzimas se inactivan parcial o totalmente, se destruyen los factores anti
nutricionales y se reduce considerablemente la carga microbiana, lo que mejora los
usos

generalizados de leguminosas (Abd El-Hady, Mostafa, El-Samahy y El-Saies, 1998).

En otras partes del mundo, la tecnología se ha empleado para producir alimentos

como cereales para el desayuno, bocadillos, productos de pasta, pan extruido,
almidones modificados, polvos para bebidas, análogos de carne y queso, proteínas
vegetales texturizadas y productos cárnicos (Abd El -Hady et al., 1998; Moore, Sanei,
Hecke, y Bouvier, 1990). El proceso tiene una gran versatilidad, eficiencia, bajo costo
de operación y altos rendimientos con una generación de residuos relativamente baja.

Pero para maximizar el uso de EC en el desarrollo de nuevos productos alimenticios,

es importante poder alterar las condiciones del proceso para producir productos
aceptables para el consumidor, mejorar las propiedades físicas y funcionales,
minimizar el costo de producción mediante la adopción de materias primas de bajo
costo.

Estándares de alta calidad y pérdidas minimizadas durante la producción (Chaiyakul et

al., 2009). Esto solo se puede lograr mediante la selección sistemática de las
condiciones de producción apropiadas utilizando experimentos diseñados (DOE) (Abd
El-Hady et al., 1998; Danbaba et al., 2016; Moore et al., 1990). Usando el DOE,
Eggum, Juliano, Ibabao y Pérez (1986) y Asare, Sefa-Dedeh, Sakyi-Dawson y
Afoakwa (2004) estudiaron el comportamiento del arroz con bajo contenido de amilosa
mezclado con el frijol durante la cocción por extrusión. Chaiyakul et al. (2009) y Asare
et al. (2004) informaron los efectos del contenido de proteína y los parámetros de
extrusión en las propiedades sensoriales y físicas de los bocadillos a base de arroz
glutinoso, con alto contenido de proteínas, mientras que el efecto de la adición de
caupí y el maní en la calidad de los productos extruidos a base de arroz también ha
Informado (Asare et al., 2004). En relación con la extrusión de arroz y soja, Coutinho,
Batista, Caliari y Soares Junior (2013) estudiaron el efecto de la humedad y la
temperatura de extrusión en el arroz partido mezclado con subproductos del
procesamiento de soja, Marengo et al. (2016) y Garg y Singh (2010) utilizaron la soja
parcialmente desgrasada mezclada con arroz para producir bocadillos, mientras que
Noguchi, Kugimiya, Haque y Saio (1982) informaron sobre las características físicas y
químicas del arroz extruido y el aislado de proteína de soja.

Omwamba y Mahungu (2014) desarrollaron bocadillos extruidos listos para comer a

partir de mezclas de arroz, sorgo y soja. En el estudio actual, se evaluaron los efectos
de la humedad, la temperatura de extrusión y la cantidad de soya con toda la grasa en
las características físicas y otras características funcionales de los bocadillos extruidos
de doble tornillo. Además, hay poca o ninguna información disponible sobre la
extrusión de la soja con toda la grasa mezclada con fracciones de arroz parboiled en
los índices físicos de los bocadillos extruidos.

La metodología de superficie de respuesta (RSM) y el diseño central compuesto son

técnicas matemáticas que se utilizan para optimizar las condiciones del proceso en las
que múltiples variables independientes influyen en el valor de la respuesta. En el
procesamiento de alimentos, el objetivo principal de utilizar este DOE es localizar
combinaciones más precisas de las variables de proceso que tendrán la mayor
probabilidad de producir productos alimenticios de la calidad deseada y también
describir las interrelaciones entre las variables independientes y la calidad del producto
(Colonna, 1989; Nwabueze, 2007) para una garantía de calidad sostenible.

Se ha informado sobre poco trabajo relacionado con los efectos de la temperatura de

extrusión, el contenido de humedad inicial del alimento y la proporción de las
fracciones de arroz parboiled rotas con respecto a las mezclas de soja de grasa
completa sobre las propiedades físicas y químicas de los alimentos extruidos con
arroz. Por lo tanto, el objetivo del presente estudio es producir alimentos extruidos a
 partir de mezclas de fracciones de arroz parboiled rotas de bajo grado y soja tostada
con toda la grasa, optimizar los parámetros de proceso de los parámetros de la
extrusora de doble tornillo y desarrollar y validar modelos matemáticos para la
relación. entre las variables de respuesta y las variables de proceso utilizando
experimentos diseñados. Creemos que esto proporcionará nuevas fuentes de materias
primas baratas y disponibles, reducirá la pérdida cualitativa postcosecha del arroz y
proporcionará alimentos nutritivos y convenientes para mitigar la desnutrición proteína-
energía en la SSA.

1. Materiales y métodos

Las fracciones rotas de la variedad de arroz parboiled mejorada con alto contenido de
amilosa (28.97%) (Federal Agricultural Research Oryza-FARO 52) y soja entera (TGX-
1448-2E) se obtuvieron del Instituto Nacional de Investigación de Cereales, (NCRI)
Badeggi, Niger Estado, Nigeria. Los materiales se clasificaron manualmente, se
lavaron y se secaron al sol (32 ± 2 °C) durante 6 horas a 10.11 ± 0.08 y 9.41 ± 0.04
(db) de contenido de humedad, respectivamente, antes de almacenarlos en
refrigeración hasta que se requiera su análisis. Se mezclaron diecisiete (17)
formulaciones de arroz y soja que contenían entre 14 y 28 kg / 100 kg de soya y se
ajustó el contenido de humedad (Danbaba et al., 2016) a entre 15 y 25 g / 100 g (db)
(Tabla 2) agregando una cantidad determinada de agua a cada muestra y mezclándola
en un mezclador de laboratorio durante 5 minutos antes de reposar durante 3 horas
antes de la extrusión a temperaturas específicas(Tabla2).
Los experimentos preliminares se realizaron mediante la extrusión de 8 muestras con
humedad y contenidos de soja que oscilaron entre 11.0 y 30% y 4 y 30%,
respectivamente, y se extruyeron a una temperatura de 70 a 140 °C. Las muestras
extruidas que no se quemaron y se habían expandido apreciablemente se
seleccionaron y sus condiciones de procesamiento se utilizaron para los experimentos
principales. La cocción por extrusión se realizó en una extrusora de doble tornillo
(Modelo - SLG 65, Jinan Saibaino Technology Development Co. Ltd, China)
alimentada con un motor eléctrico de 16 HP, velocidad de tornillo de 300 rpm y
relación de longitud a diámetro de barril (20: 1)

1.1. Diseño experimental y cocina de extrusión.

Metodología de superficie de respuesta (RSM) en un diseño rotativo compuesto

central (CCRD) de cinco niveles (-, -1, 0, 1, +) de tres variables (X1 = temperatura
del barril, X2 = contenido de humedad del alimento, X3 = composición de la semilla de
soja) se usó (Tabla 1) donde ± es igual a 1.682 y define la distancia de los recorridos
axiales desde el centro de diseño (Montgomery, 2001).

Las pruebas experimentales consistieron en 17 pruebas (8 puntos cúbicos, 6 puntos

estrella y 3 puntos centrales). La expansión (EI), la densidad aparente (BD) y las
características de color (L *, a *, b *) se establecieron como variables de respuesta (y1,
y2, y3, y4 y y5), respectivamente. Los datos experimentales fueron de un modelo de
superficie de respuesta polinomial de segundo orden, ecuación 1.

donde

Y=es cualquier variable de respuesta;

n= es el número de variables independientes;

xi y xj son variables codificadas;

b0 es el intercepto;

bi, bii y bij son los lineales; Efectos cuadráticos y de interacción, respectivamente,

ei= es el término de error.

La bondad de t de los modelos se midió considerando el coeficiente de determinación

(R2 y Ajustado-R2), la adecuación de los modelos cuadráticos se confirmó mediante el
análisis de varianza (ANOVA) utilizando el valor de prueba de Fishers (F -valor) y
prueba de falta de t. Para el análisis estadístico, los valores de las variables naturales
(Xi) se transformaron a formas codificadas de acuerdo con la ecuación 2.

Donde

Xi = valor codificado (sin dimensiones) de las variables independientes,

X0 = el valor de Xi en el punto central

i = el cambio de paso en Xi y los resultados se presentan en la Tabla 2.

La optimización de las variables del proceso se basó en el máximo valores de todas

las respuestas (EI, BD y L *, a *, b *). Las respuestas se asignaron individualmente a
diferentes niveles de importancia que variaron entre 1 y 5 y se optimizaron en función
de una mayor deseabilidad para el índice de expansión, L *, b * y una menor
conveniencia para la densidad aparente y a *. Las desviaciones (D) y las desviaciones
relativas (RD) entre los valores experimentales y los pronosticados por los modelos
para las respuestas en la condición óptima se calcularon mediante las ecuaciones 3 y
4, respectivamente.

donde Y es la información experimental y es la respuesta predicha por el modelo.

1.2. Contenido de humedad determinación

El contenido de humedad de los materiales de alimentación y las muestras extruidas

se determinó utilizando el método de horno seco con una precisión de
aproximadamente cuatro dígitos (0,0000 g / g).

1.3. Densidad aparente (BD) e Índice de Expansión (EI)

Las muestras extruidas se analizaron para EI utilizando el diámetro medio de 10

lecturas y ER calculada como la relación del diámetro de los extruidos.

y diámetro del troquel del extrusor (3 mm) (Alvarez-Martinez, Kondury, & Harper,
1988). Después de medir el peso por unidad de longitud de las muestras extruidas, el
BD se calculó utilizando la relación:

donde:

BD = Densidad a granel (g cm-3),

d = Diámetro del extruido (cm),

L = Longitud por gramo del extruido (cm g-1).

1.4. Determinación de las características del color.

Los colores de los alimentos extruidos se midieron con un Minolta Color Reader (CR-
10, Minolta Co. Ltd., Tokio, Japón) utilizando el sistema L *, a *, b *, donde el valor L *
es una medida de producto

Tabla 1: Códigos, rangos y niveles de variables independientes en el diseño de RSM

Luminoso, un atributo de color cromático de negro absoluto (0) a blanco absoluto

(100); Un valor * significa color de rojo a verde mezclado de muestras que van desde

negativo en el lado rojo a positivo en el lado verde (a + = 0 - 60 para rojo y a- = 0 - (-

60) para verde); y el valor b * significa color de azul a amarillo mezclado de muestras
que van de un valor negativo a positivo (b + = 0 - 60) para amarillo y b- = 0 - (- 60)
para azul.

1.5. análisis estadístico

La varianza homogénea es un requisito previo necesario para el desarrollo del modelo

de regresión lineal (Filli, 2011). Por lo tanto, para reducir la variabilidad dentro de las
variables de respuesta, los valores de las variables naturales (Xi) se transformaron a
formas codificadas de acuerdo con la ecuación 2. Para los datos estandarizados, se
realizó un análisis de varianza de una vía (ANOVA) para determinar diferencias
significativas (p 0.05) entre las combinaciones de tratamiento utilizando el análisis de
superficie de respuesta del software Minitab 16. La diferencia mínima de los
pescadores (LSD) se utilizó para verificar la igualdad de varianzas. Los resultados se
presentan como media de tres réplicas.

2. Resultados y discusión
2.1. Resultados experimentales del ejercicio de extrusión.

Sobre la base de las diecisiete (17) mezclas compuestas de fracciones de arroz

quebradas y las nuestras de soja con toda la grasa, las formulaciones se agruparon en
5 según la temperatura de extrusión, 86.0 ° C (1), 100 ° C (4), 120 ° C (7), 140 ° C (4)
y 154 ° C (1) (Tabla 2). Estas temperaturas de extrusión se seleccionaron en función
del ejercicio preliminar (resultados no presentados). En la Fig. 1 se presentan
imágenes digitales que muestran las características físicas de los bocadillos a medida
que emergían del dado en estado estable en cada condición experimental y la macro
estructura interna en la Fig. 2. Hubo grandes variaciones en la apariencia física en
términos de tamaño, color y niveles de exfoliación y suavidad de la superficie, lo que
indica variabilidad debido a las diferencias en las condiciones de extrusión. Se
encontraban principalmente en forma de filamentos inflados cilíndricos con diferentes
tamaños y texturas de superficie. Las muestras que contenían un menor contenido de
humedad (8%) y se extruyeron a temperaturas superiores a 100 ° C tenían un tamaño
ligeramente más amplio y una superficie más áspera que las extruidas con un
contenido de humedad más alto.

A medida que el nivel de humedad aumentó a 24%, las hebras se volvieron más
delgadas y más suaves emergieron. Estas observaciones son similares a las
informadas por Nwabueze (2007), según las cuales se obtuvieron extruidos suaves de
suave a delgado cuando los frutos de pan africano mezclados con soja y maíz amarillo
se extruyeron a un nivel de humedad más alto.

Estos indican la necesidad de definir sistemáticamente un nivel óptimo de humedad

para la extrusión de mezclas de soja con grasa y arroz para obtener una calidad
óptima del producto. Los extruidos también tenían una estructura celular de nido de
abeja variable de diferentes números y tamaños; con muestras 2, 5, 8, 10, 11, 12, 13 y
14 que muestran espacios más grandes y más grandes (Fig. 2). Estructuralmente, se
ha informado que los alimentos extruidos a base de almidón tienen una estructura
celular en forma de panal.
Figura 1: Imágenes digitales de mezclas de soja con grasa expandida y arroz extruido
en diferentes condiciones
Figura 2: Sección transversal que muestra espacios vacíos en mezclas de soja con
grasa y arroz extruidos en diferentes condiciones

(Faubion y Hoseney, 1982; Lai, Guetzlaff y Hoseney, 1989) y el tamaño y número de

las células formadas se ha informado que dependen del contenido de humedad del
alimento y la composición de proteínas y lípidos en el material del alimento, como se
demuestra en este estudio. Faubion y Hoseney (1982) han presentado informes
similares, Lai et al. (1989), Lai y Kokini (1991). En los informes de Agbisit, Alavi,
Cheng, Herald, y Trater (2007), Yagci y Gogus (2008), demostraron que la variación
del contenido de humedad y la temperatura de la alimentación durante la cocción por
extrusión afectó el grado de expansión a través de la transformación de la matriz de
extrusión, lo que llevó a diferencias en la formación de espacios vacíos de Productos
inflados. A partir de la sección transversal observada de los extruidos, se podría inferir
que las muestras 2, 5, 8, 10, 11, 12, 13 y 14 tendrían una baja resistencia a la rotura,
un alta crujencia y una mejor aceptabilidad sensorial.

La apariencia física variable de los materiales extruidos en términos de color (Fig. 1)

es una indicación de la respuesta variable de las diferentes formulaciones a diferentes
condiciones de extrusión y, por lo tanto, define claramente la necesidad de ubicar las
condiciones de procesamiento adecuadas para tener productos de color aceptable.
Aunque no se informa el cambio en la variación de la reducción de azúcar total durante
el proceso, la variación en el color de la superficie de las diferentes muestras extruidas
se puede atribuir a las reacciones de pardeamiento y la degradación del pigmento que
tienen lugar durante el proceso (Altan, McCarthy y Maskan, 2008).

2.2. Efectos de las variables individuales e interacción en las respuestas.

Densidad aparente

La Tabla 3 muestra los efectos medios de la temperatura del barril, el contenido de

humedad de la alimentación inicial y la composición de la soya en la BD del arroz
extruido de soja con toda la grasa. Los valores experimentales para BD oscilan entre
0.035 y 0.358 g cm 3 con un valor medio de 0.098 g cm -3. La desviación que mide la
diferencia entre el valor observado y el valor predicho, osciló entre 0.021 y 0.329 g cm
g3 y la desviación relativa fue de 60.0 y 115.28%, lo que indica una amplia variación
entre los diferentes tratamientos en términos de BD. Se puede observar a partir de los
resultados que el BD aumentó a medida que el contenido de humedad de la
alimentación disminuyó de 25 a 15 g / 100 g de muestra en las corridas 3 y 5,
respectivamente, mientras que la desviación relativa, lo que indica una desviación
porcentual del valor observado del valor predicho , fue el más alto (115.28%) en la
carrera 6 y el más bajo (60.0%) en la carrera 3. Nuestras observaciones coinciden

con los reportados por Kulkarni y Joshi (1992) y Garg y Singh (2010), existe una fuerte
correlación entre el contenido de humedad de la alimentación inicial y el BD de
extruidos. A medida que aumentaba el valor del contenido de humedad inicial, el valor
de BD disminuía y viceversa. Chang y El-Dash (2003) y Leonel, de Freitas y Mischan
(2009) también informaron sobre hallazgos similares para el almidón de yuca extruido.
Informaron que el contenido de humedad de 24-26% como se observó en este estudio,
seguido de una temperatura de barril de 120 200 oC, resultó en un efecto significativo
en la expansión y, por lo tanto, en la densidad aparente. Con un bajo contenido de
humedad, hay una mayor fuerza de corte en el cilindro del extrusor que aumenta el
tiempo de residencia y la gelatinización del almidón y posteriormente aumenta la
densidad aparente, como se observa en estos resultados. BD es un parámetro de
calidad importante en la producción de productos extruidos, ya que indica la expansión
en la matriz en todas las direcciones. En este estudio, la temperatura del barril y el
contenido de soja en los alimentos no mostraron un impacto significativo en el BD
(Tabla 3), aunque varios autores (Case, Hamann y Schwartz, 1992; Hernández-Nava,
Bello-Pérez, San Martín-Martínez). Hernández-Sánchez, y Mora-Escobedo, 2011)
informaron que el valor de BD disminuye cuando la temperatura de extrusión aumenta
debido a la gelatinización agravada del almidón. La falta de acuerdo entre este estudio
y los informes anteriores puede deberse a la alta temperatura y la posible contribución
del contenido de aceite de soja al flujo de la matriz en este estudio. También se
observó que la adición mínima de soja nuestra afectaba la BD. A 8 g / 100 g de
muestra de haba de soja en una mezcla procesada con alto contenido de humedad, se
registró el BD más alto (Tabla 3). Estas observaciones pueden atribuirse al
comportamiento de la proteína y el aceite en las formulaciones, ya que las fuerzas de
fricción y corte durante la extrusión pueden causar un entrelazado extenso entre las
moléculas de proteínas y su texturización, y porque el alto contenido de proteínas
promueve extrudados más densos y más rígidos ( Hernández-Nava y otros. 2011; Jorge
et al., 2008).

Índice de expansión

En general, un índice de expansión alto es una propiedad deseable en los alimentos

extruidos inflados, ya que esto suele indicar un producto más ligero y crujiente. Se ha
demostrado que el índice de expansión depende de las condiciones de extrusión, así
como de las formulaciones de mezcla (Maskus y S., 2015), un factor significativo que
afecta la relación de expansión (Ding, Ainsworth, Tucker y Marson, 2005). En este
estudio, la IE aumentó de 125.7% a 100 ° C la temperatura del barril a 133.80%
cuando la temperatura aumentó a 120 ° C con una reducción concurrente en el
contenido de humedad de la alimentación inicial (Tabla 3). Hagenimana, Ding y Fang
(2006) informaron una reducción en la IE al aumentar el nivel de humedad del 16% al
22% en una extrusión de arroz de doble tornillo.

En nuestro trabajo se observaron observaciones similares, se observó un aumento de

la IE al reducirse el contenido de humedad del 25 al 20%, lo que indica que se
requiere un rango estrecho de humedad para la expansión óptima del producto del
arroz (entre 16 y 22%). La desviación relativa que varía entre 99.61 y 100.31% (Tabla
3) también es una indicación de un rango estrecho en la variabilidad porcentual entre
los valores observados y los valores predichos. El alto nivel de humedad reduce la
resistencia al corte y la entrada de energía al material, lo que reduce la evaporación de
la humedad en la salida del troquel y, por lo tanto, afecta negativamente a la
expansión. En nuestro estudio, el uso de soja aumentó el nivel de proteína y, por lo
tanto, redujo el nivel de almidón en la mezcla, lo que pudo haber impedido la
gelatinización completa del almidón con una reducción resultante del índice de
expansión de 133.8% a 125.7%, lo que representa una reducción de
aproximadamente 6.05%. Yu, Ramaswamy y Boye (2013) y Devi et al. (2013) en
estudios separados informaron una reducción en el índice de expansión con la adición
de proteínas. Este resultado indica que la EI de los productos extruidos depende de la
gelatinización del almidón, ya que una proporción creciente de proteína de almidón
conduce a la formación de una matriz de almidón continua que afecta su expansión a
medida que sale de la matriz.

Tabla 3: Media de los resultados experimentales, pronosticados y de desviación relativa para la

densidad aparente y el índice de expansión de las formulaciones de soja de grasa troceada
extruidas extruidas

Y = resultados experimentales,

D = desviación que representa el valor tted,

RD = Relativo desviación,

SD = Desviación estándar. Ecuación en la que se predicen las respuestas = βo + β 1X1 + β2X2 +

β3X3 + β11X2/1 + β22X2/2 + β33X2/3 + β12 X1X2 + β13 X1X3 + β23 X2 X3. La media en la misma columna
que tiene diferencias mayores que el LSD es significativamente diferente (p  0.05) de acuerdo
con la Prueba de menor significación de Fishers.

Características del color de los alimentos extruidos.

En los productos inflados a base de almidón extruido, el color es uno de los
indicadores de calidad importantes. El cambio en el color puede indicar la extensión de
las reacciones de pardeamiento como la reacción de Maillard, la caramelización y el
grado de cocción y posiblemente la degradación del pigmento que se produce durante
los tratamientos térmicos (Altan et al., 2008; Danbaba et al., 2016).

La evaluación de los componentes de color de las muestras extruidas mostró que el

valor del componente L * varió de 0,31 a 10,31 con un valor promedio de 5,80, en
comparación con 87,34 para las materias primas antes de la extrusión, lo que indica
una disminución de la luminosidad.

El valor L * fue más alto a temperaturas entre 100 ° C y 120 ° C, niveles de humedad
de alimentación de 15 a 20% y composición de soja de 8 a 16% (Tabla 3). Con un
contenido de humedad inferior al 20% y una temperatura de extrusión superior a 100 °
C, hubo oscurecimiento del almidón extruido debido principalmente al aumento del
tiempo de residencia y la viscosidad, es decir, menor valor de L *. Nuestros resultados
coincidieron con los de Gutkoski y El-Dash (1999), quienes informaron que con un
contenido de humedad inicial de 17 a 24% y una temperatura del barril de 90 ° C a 150
° C, la luminosidad disminuyó linealmente con la temperatura del barril en una
extrusión. producto de avena. El rango de desviación de 0.06 a 10.32 y la desviación
relativa de 19.35 a 124.46% es una indicación de la variación entre los tratamientos en
términos de este parámetro.

Los valores de croma a * (enrojecimiento) variaron de 0.73 a 5.21, y la desviación y la

desviación relativa estuvieron entre 0.92, 59.13 y 81.3, 140.91%, lo que indica una
ligera variabilidad en este parámetro de color durante la cocción por extrusión,
considerando que el valor observado puede variar de -60 a +60, y un RD bajo indica
una ligera variabilidad en el porcentaje. El valor más alto ocurrió en un rango de
temperatura de 120 a 140 °C, nivel de humedad de alimentación de 15 a 20% y
contenido de soja de alimentación de 8 a 16% (series 2 y 17) (Tabla 2 y 4), lo que
indica la necesidad de optimizar el proceso. variables para localizar el punto más
adecuado que dará una calidad aceptable en términos de este parámetro. Las
respuestas del índice de color b *, que representa la transición de azul a amarillo en la
tabla de croma, variaron según el tratamiento (de 13.13 a 28.80) que indica que todas
las muestras tenían un color amarillo.

El aumento de la temperatura del barril de 120 a 154 °C (series 13 y 10) (Tabla 2 y 4)

aumentó la intensidad del color b * con un contenido de humedad del 20% y un
contenido de soja del 2,6% de los materiales de alimentación. El alto nivel de humedad
dio como resultado productos más brillantes, ya que el aumento de la humedad
disminuye el tiempo de residencia, lo que proporciona menos oscurecimiento no
enzimático de los productos extruidos (Badrie y Mellowes, 1991).

2.3. Ajuste y validación de modelos RSM para optimizar procesos de

producción.
Los modelos RSM para optimizar la relación entre las variables de cocción por
extrusión y las variables de respuesta en términos de expansión y los índices de color
se describen en la ecuación 4-8 del modelo de regresión. Los coeficientes con un solo
factor (X1, X2 y X3) representan el efecto de ese único factor, mientras que aquellos
con dos factores (X1X2, X1X3, X2X3) son los términos de interacción y X21, X22 y
X23 son los términos cuadrados. Los coeficientes positivos o negativos indican
contribuciones sinérgicas o antagónicas a las respuestas observadas. Los resultados
de ANOVA realizados en los modelos RSM para evaluar la importancia de los efectos
lineales, cuadráticos e interactivos de las variables independientes en las variables
dependientes se presentan en las Tablas 5.
De la ecuación 6, está claro que X1 y X2 afectaron negativamente la densidad
aparente en niveles tanto lineales como cuadráticos, mientras que solo X1X3 y X2X3
redujeron esta respuesta en el nivel de interacción. Los tres factores impactaron
positivamente la expansión en niveles lineales y afectaron negativamente el índice de
expansión en niveles cuadrados (ecuación 7). Esto demostró la relación inversa entre
la densidad aparente y el índice de expansión del producto extruido en condiciones de
procesamiento lineal y cuadrado. La ecuación 8 indicó que el aumento de la
temperatura del barril (X2) dio como resultado un aumento de la luminosidad en
niveles lineales y de interacción. X1 y X3 afectaron linealmente el enrojecimiento
positivamente y todos los factores afectaron positivamente este factor en niveles
cuadrados (ecuación 9). La temperatura solo pareció afectar negativamente el índice
de color amarillo tanto en niveles lineales como cuadrados, pero las interacciones
entre X1X3 y X2X3 impactaron negativamente la formación de color amarillo (ecuación
10).

Densidad aparente (g cm-3) = 0.110 - 0.027X1 -0.027X2 + 0.029X3 -

0.002X21 - 0.007X22 + 0.001X23 + 0.053 X1 X2 - 0.053 X1 X3 - 0.043X2X3
(R2 = 0.957; R2 adj = 0.946)
(6)
 Índice de expansión = 1.324 + 0.012X1 + 0.010X2 + 0.014X3 – 0.008X21
– 0.004X22 – 0.004X23 + 0.004X1X2 - 0:007X1X3 + 0:012X2X3
(R2 = 0.889; R2 adj: = 0.860)
(7)

Ligereza (L *) = 16.773 - 2.021X 1 + 0.132X2 - 0.447X3 - 1.135X21

+ 0.173X22 - 0.330X23 + 0.625X1X2 + 0.649X1X3 - 1.282X2X3
(R2 = 0.973; R2 adj: = 0.966
(8)

Tabla 4: Media de los resultados experimentales, pronosticados y de

desviación relativa para las características de color de las formulaciones
extruidas de soya de arroz partido rotos

Y = resultados experimentales,
D = desviación que representa el valor ajustado,
RD = Desviación relativa,
SD = Desviación estándar.
Ecuación en la que se predicen las respuestas = βo + β1X1 + β2X2 + β3X3 +
β11X21 + β22X22 + β33X23 + β12 X1X2 + β13 X1X3 + β23 X2X3. La media en
la misma columna que tiene diferencias mayores que LSD es significativamente
 diferente (p  0.05) de acuerdo con la Prueba de Significación Mínima de los
Pescadores.

De las ecuaciones 4-8 y los valores de probabilidad (Tabla 5) se desprende

claramente que la densidad aparente, los índices de expansión y los parámetros de
color se vieron afectados significativamente (p <0.05) al variar la temperatura del barril,
el contenido de humedad de la alimentación inicial y la composición de la soja como
predicho por los modelos. Los valores de R2 y R2ajustados fueron R2= 0.957, R2adj: =
0.946 para la densidad aparente, R2= 0.889, R2adj: = 0.860 (índice de expansión), R2
= 0.886, R2adj: = 0.870 (L *), R2= 0.954, R2adj. = = 0.942 (enrojecimiento) y R2= 0.952,
R2adj. = = 0.939 (amarillento) (ecuación 4-8, respectivamente). El R 2y el R2 ajustado
definen la proporción de variabilidad en las respuestas observadas que se explican por
los modelos ajustados (Danbaba et al., 2016; Filli, 2011; Singh, Sekhon, & Singh,
2007), y cuanto más cerca los valores son para la unidad, cuanto mejor sean los
modelos empíricos de los datos experimentales (Lee y Wang, 1997), por lo tanto, los
resultados de este estudio sugieren que los modelos definen adecuadamente el
comportamiento del proceso al explicar el 94.6%, 86.0%, 87.0 %, 94.2% y 93.9% de
las variaciones observadas en densidad aparente, índice de expansión, luminosidad,
enrojecimiento y amarilleamiento, respectivamente. Además, los valores de p de la
prueba de falta de t para los modelos no fueron significativos (p <0,05), lo que indica
que los modelos pueden usarse para la predicción de las respuestas observadas
dentro del dominio experimental estudiado. Yagci y Gogus (2008) opinaron que con
valores probables de probabilidad (p <0,001) y pruebas no significativas de falta de t,
los modelos de segundo orden ajustados podrían usarse adecuadamente como
modelos de predicción, independientemente de los coeficientes bajos. de
determinación. Es claro y apropiado, por lo tanto, concluir que los modelos
desarrollados se aproximan adecuadamente a las variables de respuesta
consideradas en este estudio y se pueden usar satisfactoriamente para la predicción
de cualquier valor de las respuestas dentro del rango experimental definido.

Tabla 5: Análisis de varianza (ANOVA) y valores de falta de t p, R2 y R2 ajustados y

estimaciones de los coeficientes de la superficie de respuesta de segundo orden.

Variables del proceso de optimización.

En este estudio, la optimización numérica simultánea de las variables independientes y
dependientes se llevó a cabo utilizando un optimizador de respuesta de Minitab. Para
cumplir con el requisito de objetivo previsto colocado en cada variable de respuesta y
factor independiente en este experimento, se estableció un objetivo para cada variable
independiente y dependiente. Anuar, Adnan, Saat, Aziz y Taha (2013), Gupta, Verma,
Jain y Jain (2014) y Danbaba et al. (2016) informaron que para ubicar condiciones
óptimas utilizando métodos numéricos, era necesario establecer objetivos, que pueden
ser ninguno, máximo, mínimo, objetivo o rango tanto para la respuesta como para las
variables independientes que podrían combinarse en una función deseable. En este
trabajo, la temperatura del barril, el contenido de humedad del alimento y la
composición de la semilla de soja se ajustaron dentro del rango (100 a 140 ° C; 15 a
25%; 8 a 24%) según lo definido por el estudio preliminar (Tabla 1), mientras que el
objetivo para las variables de respuesta de la densidad aparente, el índice de
expansión y los niveles de croma de luminosidad se establecieron al máximo, y los
valores * y b * se establecieron al mínimo (Tabla 6). Anuar et al. (2013) informaron que
cuando el objetivo se estableció en 5, el objetivo de la respuesta objetivo era alcanzar
el objetivo de obtener la respuesta a un nivel máximo. Los resultados de la
optimización numérica indicaron, por lo tanto, que las variables de extrusión óptimas
fueron 130 ° C (temperatura del barril), 20% (nivel de humedad de alimentación) y 23%
(composición de soya de alimentación) (Tabla 6), mientras que las respuestas óptimas
en términos de densidad aparente, Los índices de expansión, luminosidad,
enrojecimiento y amarilleamiento fueron 0.21 g cm-3, 128.9%, 17.1, 3.13 y 24.5,
respectivamente. Esto indica que las condiciones óptimas se pueden establecer en la
cocción por extrusión de doble tornillo de fracciones de baja calidad de arroz parboiled
y mezclas compuestas de soja con toda la grasa que pueden dar como resultado un
producto de bajo volumen y máxima expansión con un color amarillo claro
satisfactorio.

Tabla 6: Restricciones y objetivos aplicados para ubicar las condiciones óptimas para
procesar los parámetros y las respuestas de los alimentos extruidos a base de soja
con contenido de grasa

3. Conclusiones
Sobre la base de los modelos RSM propuestos, se establecieron condiciones
óptimas de cocción por extrusión para las fracciones de arroz quebradas y la
soja con toda la grasa a 130 ° C, 20 g de agua por 100 g de muestra y 23 g de
soja por 100 g de arroz en condiciones generales de conveniencia de 0.996,
mientras que Las variables de respuesta eran todas deseables. La formulación
óptima se expande favorablemente en la matriz (128.9%), produce un producto
de peso ligero con un color amarillo claro deseable similar al desayuno extruido
comercial o cereales complementarios. Sobre la base de este resultado, hay
más materias primas alternativas a disposición de las industrias alimentarias en
Nigeria y, de hecho, en los países del África subsahariana que se recomiendan
para producir alimentos instantáneos expandidos que podrían mezclarse con
legumbres para mejorar la nutrición y reducir la desnutrición e incluso producir
productos para Ayuda alimentaria entre las comunidades migrantes.

Expresiones de gratitud

El apoyo financiero recibido de Africa Rice Center (AfricaRice) y Global A airs

Canada (GAC) bajo el número de proyecto A034968 sobre \ Mejora de la
seguridad alimentaria en África a través de la mejora de la manipulación
 posterior a la cosecha del arroz, la comercialización y el desarrollo de nuevos
productos a base de arroz ". es muy apreciado

Referencias

- Abd El-Hady, E. A., Mostafa, G. A., El-Samahy, S. K., & El-Saies, I. A. (1998).
Production of high ber corn extrudates. Journal of Agricultural Science
Mansoura Univ.23 (3), 1231{1245.
- Agbisit, R., Alavi, S., Cheng, E., Herald, T., & Trater, A. (2007). Relationships
between microstructure and mechanical properties of cellular cornstarch
extrudates. Journal of Texture Studies, 38 (2), 199{219. doi:10.111/j.1745-
4603.2007.00094.x
- Altan, A., McCarthy, K. L., & Maskan, M. (2008). Twin-screw extrusion of bar-
ley{grape pomace blends: Extrudate char- acteristics and determination of
optimum processing conditions. Journal of Food En- gineering, 89 (1), 24{32.
doi:10 . 1016 / j . jfoodeng.2008.03.025
- Alvarez-Martinez, L., Kondury, K. P., & Harper, J. M. (1988). A general model
for expansion of extruded products. Journal of Food Science, 53 (2), 609{615.
doi:10 . 1111 / j .1365- 2621.1988.tb07768.x. eprint: https:/ / onlinelibrary. wiley.
com / doi / pdf / 10 .1111/j.1365-2621.1988.tb07768.x
- Anuar, N., Adnan, A. F. M., Saat, N., Aziz, N., & Taha, R. M. (2013).
Optimization of extraction parameters by using response surface methodology,
puri_cation,and identi_cation of anthocyanin pigments in melastoma
malabathricum fruit. Scien- ti_c World Journal. doi:10 . 1155 / 2013 /810547

- Asare, E. K., Sefa-Dedeh, S., Sakyi-Dawson, E., & Afoakwa, E. O. (2004).

Application of response surface methodology for studying the product
characteristics of ex- truded rice-cowpea-groundnut blends. International
Journal of Food Sciences and Nutrition, 55 (5), 431{439. doi:10 . 1080 /
09637480400003238

- Asefa, B., & Melaku, E. T. (2017). Evaluation of impact of some extrusion

process variables on chemical, functional and sensory proper- ties of
complimentary food from blends of nger millet, soybean and carrot. African
Journal of Food Science, 11 (9), 302{309. doi:10.5897/AJFS2017.1608

- Chaiyakul, S., Jangchud, K., Jangchud, A., Wut- tijumnong, P., & Winger, R.
(2009). Effect of extrusion conditions on physical and chemical properties of
 high protein glutinous rice-based snack. LWT - Food Science and Technology,
42 (3), 781{787. doi:10 .1016/j.lwt.2008.09.011

- Chang, Y. K., & El-Dash, A. A. (2003). Effects of acid concentration and

extrusión variables on some physical characteristics and energy requirements
of cassava starch. Brazilian Journal of Chemical Engineering, 20 (2), 129{137.
doi:10 . 1590 / S0104 – 66322003000200006 }

- Chinma, C. E., Anuonye, J. C., Simon, O. C., Ohiare, R. O., & Danbaba, N.
(2015). Ef- fect of germination on the physicochemical and antioxidant
characteristics of rice Our from three rice varieties from nigeria. Food
Chemistry, 185, 454{458. doi:10 . 1016 / j . foodchem.2015.04.010

- Colonna, P. (1989). Extrusion cooking of starch and starchy products. Extrusion

Cooking, 247{319.

- Coutinho, L. S., Batista, J. E. R., Caliari, M., & Soares Junior, M. S. (2013).
Optimization of extrusion variables for the production of snacks from by-
products of rice and soy- bean. Food Science and Technology, 33 (4), 705{712.

- Danbaba, N., Nkama, I., & Badau, M. (2016). Application of response surface
methodology (rsm) for the production and optimization of extruded instant
porridge from broken rice fractions blended with cowpea. International Journal
of Nutrition and Food Sciences, 5, 105{116. doi:10.11648/j.ijnfs. 20160502.13

- Danbaba, N., Nkama, I., Bada, M. H., Gbenyi, D. I., Idakwo, P. Y., Ndindeng, S.
A., & Moreira, J. (2017). Multiple parameter optimization of hydration
characteristics and proximate compositions of rice-soybean extruded foods.
Open Access Library Journal, 4 (02), 1.

- Devi, N. L., Shobha, S., Tang, X., Shaur, S. A., Dogan, H., & Alavi, S. (2013).
Development of protein-rich sorghum-based expanded snacks using extrusion
technology. International Journal of Food Properties, 16 (2), 263{276. doi:10 .
1080 / 10942912 . 2011.551865