LA LENGUA ELECTRÓNICA:
UNA NUEVA DIMENSIÓN EN EL
ANÁLISIS SENSORIAL
TSUNG TAN, VINCENT SCHMITT
SUMARIO
El sabor y olor de los productos finales manufacturados en
las industrias alimentarias, de bebidas, farmacéutica y cos-
mética son de importancia vital para el éxito comercial del
producto. Idealmente el análisis del sabor, tanto en la fase
de desarrollo como en la fase de producción, deben ser
efectuados por paneles de degustación formados por per-
sonas expertas. En la práctica estos paneles son muy caros
y especialmente problemáticos cuando se usan para el con-
trol de la producción. Las narices y lenguas electrónicas se
han desarrollado basándose en una combinación muy
potente de sensores sensibles y un software sofisticado.
Operando de una manera análoga a como lo harían los
humanos para percibir los sabores y olores, tales equipos
están proporcionando soluciones al problema de medicio-
nes fiables del sabor y olor.
Recientemente, los equipos denominados “narices electróni-
cas” se han usado de forma rutinaria para el control del olor y
el análisis del aroma en las industrias alimentarias, de bebidas,
químicas y de envasado. La nariz electrónica es un instrumen-
to diseñado para reproducir el sistema olfativo humano. Con-
siste en una serie de sensores químicos, cada uno de ellos con
una especificidad parcial a una amplia gama de moléculas olo-
rosas, emparejados con un sistema adecuado de reconoci-
miento del patrón (Barlett et al., 1997; Anónimo, 2000).
Se han investigado varias aplicaciones cualitativas y cuan-
titativas para este equipo (Alpha MOS, 1999, Giese, 1993,
2001; Madsen y Grypta, 2000; Arnold, 2000; Pichat et al.,
2000; Strassburger, 1998; Bazzo et al., 1998; Braggins et al.,
1999; Hansen et al., 1999.), tales como estudios sobre la
caducidad, comparaciones con patrones de referencia,
detección de malos flavores (off-flavors) y control de la
variación aceptable.
Sin embargo los equipos de nariz electrónica únicamente
miden los compuestos químicos volátiles que constituyen el
olor de una muestra. La percepción sensorial humana abar-
ca más que solamente el olor y el aroma, incluye gusto, color,
textura, sensación en el paladar e incluso sonido. A medida
que las narices electrónicas se usan de forma más rutinaria,
los proveedores de estos equipos han continuado investi-
gando para proporcionar soluciones mejoradas. Alpha MOS,
Toulouse, Francia, lanzó el año 2000 una “lengua electróni-
ca”, instrumento para el análisis del flavor y de los compo-
nentes químicos no volátiles que se encuentran típicamente
en los líquidos. El objetivo de la lengua electrónica es com-
plementar a la nariz electrónica y, más importante, permitir a
las industrias alimentarias y de bebidas cubrir una gran pro-
porción de la percepción sensorial de los consumidores – en
esencia, cubrir tanto aroma/ olor como gusto.
Para el gusto, las cinco sensaciones más importantes son
dulce, amargo, salado, ácido y sabroso (umami). Otra sensa-
ción es la trigeminal, percibida mediante nuestros receptores
del dolor; Ej: el efecto del dióxido de carbono en la cerveza y
en los refrescos carbonatados. El dióxido de carbono no es
CERVEZA Y MALTA
(ALPHA MOS, FRANCE)
SUMARY
The taste or smell of end-products manufactured in the
food, beverage, pharmaceutical and cosmetic industries
can be of vital importance to the commercial success of
the product. Ideally taste analysis, both in the develop-
ment of new products and their routine production, should
be carried out by tasting panels composed of human
experts. In practice such panels are extremely expensive
and especially problematic when used for production con-
trol purposes. Electronic noses and tongues have been
developed that are based on a powerful combination of
sensitive sensors and sophisticated software. Operating
in a manner that is analogous to the way humans percei-
ve odours and tastes, such e-noses and e-tongues are
providing solutions to the problem of reliable taste and
odour measurement.
percibido por la lengua electrónica. Para el zumo de naranja
y el de manzana, la lengua electrónica medirá los compues-
tos no volátiles, incluyendo las moléculas químicas responsa-
bles de los sabores: dulce, amargo, salado y ácido.
LENGUA CONTRA NARIZ
La nariz y la lengua electrónicas miden diferentes aspectos
de la percepción sensorial de los consumidores. La nariz
electrónica mide los compuestos volátiles del aroma y el
sabor del espacio de cabeza y la lengua electrónica mide
los componentes no volátiles que permanecen en la comi-
da o en la bebida.
Los sensores de la nariz electrónica sólo detectan las espe-
cies químicas presentes en el espacio de cabeza generado
mediante el calentamiento de la muestra.
La respuesta R obtenida, puede formularse como sigue: R=
f[SG, H(P)], dónde SG corresponde a la selectividad y sen-
sibilidad del sensor del gas, y H(P) corresponde al espacio
de cabeza generado. En estas aplicaciones, pueden medir-
se atributos sensoriales tales como: floral, éster, lúpulo, ace-
taldehído, moho y muchos otros. Estos atributos son muy
diferentes para cada aplicación.
Los sensores de la lengua electrónica detectan todas las
especies químicas presentes en las muestras líquidas.
Únicamente algunas de estas especies pueden observarse
con el espacio de cabeza generado, Ej: las especies de
presión de vapor elevada.
La respuesta R obtenida con la lengua electrónica puede
formularse como sigue: R=f(SL, P), dónde SL corresponde
a la sensibilidad y selectividad del sensor de líquido y P
corresponde a la muestra de líquido.
La lengua electrónica intenta medir atributos tales como
dulce, salado, amargo, ácido y sabroso. En general, a dife-
rencia de los atributos que mide la nariz sensorial, estos son
muy similares para cada área de aplicación.
➥
– 27 – XXXIX (2), 154, 2002, 27-31
Los dos instrumentos son complementarios para la mayoría
de las aplicaciones.
LA LENGUA ELECTRÓNICA EN DETALLE
La lengua electrónica Alpha MOS, denominada el Astree,
está compuesta por un muestreador automático de 16 posi-
ciones, una serie de sensores de líquido y un paquete de
software quimiométrico avanzado (Alpha MOS, 2001 a, b, c).
El muestreador permite evaluar 15 muestras automática-
mente una vez que se han preparado. La preparación de
muestras normalmente consiste en el llenado de las partes
de un recipiente de 100 ml de capacidad. No se requiere otra
preparación adicional. Una de las posiciones se reserva para
la limpieza de la serie de sensores tras el análisis de cada
una de las muestras. El muestreador automático también
incluye bombas de fluidos para la limpieza exterior de las pro-
betas cuando sea necesario. El equipo también contempla la
opción de controlar la temperatura de la muestra para ase-
gurar la reproducibilidad analítica de las mediciones. El
enfriamiento a 2-4 ºC asegura también la existencia de un
cambio de muestra limitado durante el ciclo del análisis.
Los detectores se componen de un conjunto de siete sen-
sores de sensibilidad cruzada sensibles a diferentes líqui-
dos (ZZ36, BB06, CA07, BA07, AB07, HA06, CB07). Estos
detectores se seleccionan en función del tipo de aplicación,
ya que la sensibilidad y la selectividad son importantes para
obtener una correlación instrumental. Existen en el mercado
hasta 25 sensores diferentes. Los sensores están fabrica-
dos con transistores de silicio con un recubrimiento orgáni-
co que gobierna la sensibilidad y la selectividad de cada
una de los sensores. Las cubiertas patentadas se han desa-
rrollado para asegurar una buena repetitibilidad, sensibili-
dad y selectividad. La medición consiste en la diferencia
potenciométrica entre cada sensor cubierto individualmen-
te y un electrodo de referencia Ag/AgCl.
El paquete quimiométrico se compone de varios módulos
de análisis de reconocimiento patrón para evaluar los datos
grabados de la serie de sensores de líquido. Los módulos
incluyen el análisis de componentes principales (PCA), el
análisis de la función discriminante (DFA en inglés), analo-
gía de clases por modelos independientes (SIMCA en
ingles) y mínimos cuadrados parciales (PLS en ingles).
Los diferentes módulos de reconocimiento del patrón se
usan para obtener la correlación instrumental a los tests
sensoriales que se realizan. Se utilizan módulos diferentes
en función de los objetivos del análisis. Por ejemplo, el PLS
se usa para el análisis cuantitativo, dónde el objetivo es
cuantificar una molécula o atributo en particular. Un ejem-
Figura 1. El sistema de la lengua electrónica, Astree incluye senso-
res e interfases electrónicas asociadas, software de reconocimien-
to de patrón, control del equipo mediante un PC y un muestreador
automático de 16 posiciones.
CERVEZA Y MALTA
plo es la cuantificación del amargor de la cerveza. Este
atributo es conocido mas ampliamente como UA (unida-
des de amargor). Para una aplicación cualitativa, puede
usarse el módulo SIMCA para comparar y asegurar una
similitud de un nuevo producto y el patrón de referencia.
Los módulos para la lengua electrónica son los mismos o
muy similares a los usados para la nariz electrónica.
La Fig.1 muestra la lengua electrónica que incluye los sen-
sores y las interfases electrónicas asociadas, el software de
reconocimiento del patrón, el control del equipo mediante un
PC y el muestreador automático de 16 posiciones. La Fig. 2
muestra como la lengua electrónica, al igual que la humana,
requiere un entrenamiento con un conjunto de muestras
seleccionado correctamente para asegurar un buen recono-
cimiento y una buena reproducibilidad. El procedimiento de
la lengua electrónica es exactamente el mismo que el pro-
cedimiento para el entrenamiento, construcción del modelo
y validación de la nariz electrónica (Alpha MOS, 1998, 2000;
Madsen y Grypta, 2000; Bazzo et al., 1998).
El tiempo de análisis normal con la lengua electrónica es de
unos 3 minutos desde el momento en el que el sensor se
introduce en los vasos que contienen la muestra. A esto le
sigue un ciclo de lavado para asegurar que no quedan res-
tos de muestra para el próximo análisis y así asegurar una
buena reproducibilidad. Usualmente se realizan cinco medi-
ciones para cada muestra (vaso). El tiempo total de análisis
y limpieza es de 5 minutos.
APLICACIONES
De la misma forma que la nariz electrónica, la lengua elec-
trónica puede usarse para diferentes propósitos, incluyén-
dose el análisis de muestras, el control de calidad y com-
paración de productos (Madsen y Grypta, 2000).
• Componentes del sabor. La Fig. 3 muestra la huella dac-
tilar – o las respuestas puras del sensor (en el equilibrio)
– de la lengua electrónica. Muestra la respuesta del sen-
sor ante cinco compuestos diferentes – sacarosa, sal
(NaCl), cafeína, acidez (HCl) y umami (MSG). La concen-
tración de los compuestos era la misma, unos 10-2 moles.
Los resultados muestran la sensibilidad y selectividad a
cinco compuestos de dos sensores con diferentes
cubiertas. La combinación del reconocimiento del patrón
y estas “huellas dactilares únicas” permiten obtener la
correlación instrumental y sensorial.
• Variación del lote de cerveza. El control del producto ter-
minado es, en la actualidad, de extrema importancia
cuando las expectaciones de calidad de los consumido-
res son cubiertas por varias alternativas en el mercado.
En la industria cervecera, la lengua electrónica puede
usarse para controlar la variación de las cervezas de un
lote a otro. Primeramente se lleva a cabo una fase de
entrenamiento dónde la lengua electrónica se usa para
analizar las variaciones aceptables entre los diferentes
lotes de cerveza. Esta fase define, básicamente, los nive-
les aceptables de variación en la cerveza terminada de
acuerdo a lo establecido por la dirección, los consumido-
res, el personal del departamento de control de calidad,
aseguramiento de la calidad de la producción.
La Fig. 4 muestra un mapa PCA de cinco lotes de dos dife-
rentes tipos de cerveza. El eje x separa los dos tipos de cer-
veza, y el eje y muestra las diferencias entre los distintos lotes.
• Mal Flavor en la cerveza. La lengua electrónica también
se ha usado para detectar el mal-flavor en la cerveza,
como por ejemplo una pale ale lager con una alta con-
centración de dimetilsulfuro (DMS). Este compuesto
puede formarse a partir de un precursor derivado de la
malta durante la producción del mosto o por una conta-
minación bacteriana durante la fermentación.
➥
– 28 – XXXIX (2), 154, 2002, 27-31
Figura 2. Analogía entre la evaluación sensorial humana y la lengua electrónica. Ambos requieren entrenamiento con un conjunto de muestras
seleccionado correctamente para asegurar un buen reconocimiento y una buena reproducibilidad.

La concentración típica en la cerveza es de 0.01-0.25 mg/l.
La Fig. 5 muestra los resultados obtenidos usando el mode-
lo SIMCA en la lengua electrónica cuando se analizan cer-
vezas con un alto contenido de DMS. Las muestras fuera
del rectángulo han sido catalogadas correctamente como
poseedoras de un nivel alto de DMS. Las muestras que se
encuentran dentro del cuadrado se consideran variaciones
aceptables de buena cerveza que contiene la cantidad nor-
mal de DMS y otros compuestos flavor y del sabor
• El amargor en la cerveza. Un atributo extremadamente
importante del flavor de la cerveza es su amargor. Las cer-
vezas de estilo Americano tienen características de un nivel
bajo de amargor, del orden de 6-8 UA, a diferencia de las
cervezas europeas, que normalmente tienen un amargor
superior y, por lo general, contienen más flavores. La indus-
tria usa un método aceptado internacionalmente para medir
el amargor-las UA se calculan desde el análisis espectrofo-
tométrico del isooctano a 275 nm. Usando este método de
referencia, se analizaron las UA de las diferentes cervezas
con UA modificadas. El amargor de la cerveza se variaba
mediante la adición de iso-a-ácidos como extracto de lúpu-
lo, compuestos responsables el flavor amargo.
ficado algunos compuestos contaminantes responsables
de estos malos-flavores. Algunas veces se deben al proce-
so y/u ocasionalmente a bacterias no deseadas durante la
fermentación. Por ejemplo, el sabor-flavor a pescado se
forma mediante la oxidación microbiológica de restos de
proteínas no eliminados por el intercambio de iones en la
fase de filtración. Otros descripciones del sabor/olor inclu-
yen: afrutado, astringente, SO2, salado, caramelo de maíz y
a hongo. La Fig. 7 muestra un mapa SIMCA de un patrón de
referencia HFCS, con productos contaminados que se sitú-
an fuera del área rectangular. La fase de entrenamiento
implica la medición de las variaciones aceptables que defi-
nen el área incluida dentro del rectángulo.
• Calidad del zumo de manzana. La calidad del zumo de
manzana se mide con facilidad mediante métodos elec-

Se prepararon una gama de cervezas con 12-42 BU y se

analizaron usando la lengua electrónica. Cada cerveza se
analizó cinco veces. La Fig. 6 muestra la buena linealidad
de la cuantificación de las BU usando el modelo PLS. El
valor r2 era mejor que 0.99, donde no existía preparación de
la muestra ni descarbonatación.

• Calidad del jarabe de maíz con alto contenido en fructosa.

La calidad del (HFCS en inglés) como materia prima para
los refrescos carbonatados es extremadamente importante.
Esencialmente, no debería contener ni sabor ni flavor que
pudieran modificar el producto terminado. Ya se han identi-
CERVEZA Y MALTA – 29 –
Figura 3. Respuestas tal cual de los sensores (en el equilibrio) para
cinco compuestos y dos sensores con sensibilidad diferente.
➥
XXXIX (2), 154, 2002, 27-31

Figura 4. Mapa PCA de cinco lotes de dos tipos de cerveza. El eje
x separa los dos tipos de cerveza y el eje y muestra las diferencias
entre los lotes.
Figura 5. Resultados SIMCA para cervezas con alto contenido de
DMS. Los resultados situados dentro del área rectangular están
conformes al patrón de referencia y las muestras localizadas fuera
de esta área tienen un nivel elevado de DMS.
trónicos y humanos. Bleibaum et al (2001) probaron una
serie de 9 zumos de manzana 100% incluyendo: la mez-
cla de tres manzanas, un zumo de pera / manzana enri-
quecido con vitamina C y una sidra de manzana. Todos
los productos, a excepción de uno de ellos, eran de la
misma marca de zumo de manzana (Tree Top). Una de
las muestras se alteró para analizar los incrementos en
dulzor (sucrosa) y acidez (ácido cítrico). El producto adi-
cional era de un fabricante de la competencia (Mott’s).
Esta serie de productos se seleccionó para ampliar al
máximo el rango de diferencias encontradas normalmen-
te entre los productos fabricados en unas u otras instala-
ciones y para determinar cómo se perciben estos pro-
CERVEZA Y MALTA
Figura 6. Curva de calibración. PLS mostrando una buena lineali-
dad de las unidades de amargor predichas frente a los valores
actuales. Se obtuvo un R2 de 0.99.
Figura 7. Mapa SIMCA de un patrón de un jarabe de maíz con alto
contenido en fructosa y productos contaminados. Los datos dentro
de la caja rectangular de la distancia de Mahalanobis son variacio-
nes aceptables y los que están fuera de la caja son inaceptables.
ductos de forma diferente por el panel sensorial, los con-
sumidores, y la lengua / nariz electrónicas.
La Fig. 8 muestra un análisis donde se ha realizado una
correlación entre las mediciones instrumentales y sensoria-
les. Los resultados indican que ciertos sensores de la len-
gua electrónica tales como el ZZ36 y el CA07 se correlacio-
nan mejor con el atributo del dulzor y el BA07 y el AB07 se
correlacionan mejor con el flavor de la manzana y con el
atributo “fresh” de la misma.
UNA NUEVA DIMENSIÓN EN EL CONTROL DE CALIDAD
La nariz y lengua electrónicas pueden jugar un papel impor-
tante en el desarrollo del producto y en el aseguramiento /
➥
– 30 – XXXIX (2), 154, 2002, 27-31

Figura 8. Resultados del análisis del zumo de manzana por medio
de expertos sensoriales, narices electrónicas y lenguas electróni-
cas, mostrando la buena relación existente entre mediciones sen-
soriales e instrumentales.
control de calidad. La medición con la lengua electrónica
del sabor y de los componentes no volátiles de los alimen-
tos y las bebidas pueden realizarse fácilmente para com-
plementar los análisis de aroma /olor de la nariz electrónica,
además, añade una nueva dimensión a la correlación ins-
trumental de la percepción humana.
REFERENCIAS
Alpha MOS. 1998. Nota técnica sobre el sensor de olor No.
1.Toulouse, Francia.
Alpha MOS. 2000. Fox2000/3000/4000 avance del manual
de usuario de la nariz electrónica. Toulouse, Francia.
Alpha MOS. 2001a. Manual de usuario de la lengua electró-
nica Astree. Toulouse, Francia.
Alpha MOS. 2001b. Nota técnica sobre el sensor Astree.
Toulouse, Francia.
Alpha MOS. 2001c. Boletín informativo especial “Entrevista
a Basell”. Toulouse, Francia.
Alpha MOS. 1999. Entrevista al cliente Basell GMBH, usua-
rio habitual del sistema de Alpha MOS. Boletín informativo
de Alpha MOS, Oct. Toulouse, Francia.
Arnold, J. Una nariz para la contaminación. Food Qual.,
2000, Sept. / Oct., p. 46.
Bartlett, P.N., Elliott, J.M., y Gardner, J.W., Las narices elec-
trónicas y sus aplicaciones en la industria alimentaria.
Food Technol. 1997, 51(12): 44-48.
Bazzo, S., Loubet, F., Tan, T.T., Hewitt-Jones, J.D., Engelen-
Cornax, C.E.M., y Quadt, J.F.A. Control de Calidad de los
aceites comestibles usando la nariz electrónica. Semina-
rios en Análisis Alimentarios 1998, (3): 15-25.
Bleibaum, R.N., Stone, H., Isz, S., Labreche, S., Saint-Mar-
tin, E., y Tan, T.T.
Comparación del análisis sensorial y los resultados de los
consumidores con los sensores de la lengua y de la nariz
CERVEZA Y MALTA
electrónica en los zumos de manzana. Presentado para
su publicación.
Braggins, T., Frost, D.A., Agnew, M..P., y Farouk, M.M. Evalua-
ción de una nariz electrónica para su uso en la industria cár-
nica. En “Narices electrónicas & Sistemas basados en un
Conjunto de Sensores: Diseño y Aplicaciones,” 1999., ED.
W.J. Hurst, pp. 51-82. Technomic Pub. Co . Inc, Londres.
Giese, J. Lenguas electrónicas, narices y mucho más. Food
Technol , 2001, 55(5): 74-78.
Giese, J. Sensores en la línea para procesos alimentarios.
Food Technol. 1993, 47(5): 88, 90-95.
Grypta R., Madsen M., y Walter R. Correlación entre el aná-
lisis sensorial y la nariz electrónica en los flavors procesa-
dos. Presentado en Pittcon, Nueva Orleans. Marzo 2001.
Hansen W.G., Wiedemann S.C.C., Van der Bol H., y Wortel V.A.L.
Discriminación del olor a largo plazo de los oleoquímicos
mediante una nariz electrónica. En “Narices electrónicas
& Sistemas basados en un Conjunto de Sensores: Diseño
y Aplicaciones,” 1999, ED. W. J. Hurst, pp. 131-144.
Technomic. Pub. Co . Inc., London.
Madsen, M. y Grypta, R. Especias, sistemas flavor y la nariz
electrónica. Food Technol , 2000, 54(3): 44- 46.
Pichat, L., Olivier, D., Koch, H., y Gygax, H.R. Creando ventajas
sensoriales. 7º Seminario Internacional sobre “Olfato & Nariz
Electrónica Nose,” Brighton, England, Julio 20-24... 2000.
Strassburger, K.J. 1998. La tecnología de la nariz electróni-
ca en la industria “flavor”: Desde I+D hasta la planta de
producción. Seminarios en Análisis Alimentarios 3: 5-13.
Basado en un escrito presentado en la Reunión Anual del Institu-
te of Food Technologists, Nueva Orleans, La., Junio 23–27, 2001
y publicado en la revista Food Technology, 2001, 55 (10), 44-50.
CURRÍCULUM VITAE
Tze Tsung Tan
Graduado por la Universidad de War-
wick (Inglaterra) como Ingeniero Elec-
trónico. Al finalizar sus estudios estuvo
trabajando como Investigador en el
Dpto. de Ingeniería de dicha Universi-
dad. En 1994 se integra en Alpha-Mos
como Ingeniero Electrónico Senior,
pasando en 1995 a ser el Jefe de I+D
hasta el año 2000 en que es nombrado
para el cargo de Director de Marketing.
Vincent Schmitt
Graduado en el 1997 por la Universidad de Burdeos (Fran-
cia). Hizo el doctorado en Análisis por cromatografía de
Gases de Alta Velocidad y preparación de muestras asisti-
da por microondas. Trabajó como Director de producto en
Merck Eurolab hasta que se unió a Alpha Mos como direc-
tor del producto Lengua Electrónica ASTREE.
– 31 – XXXIX (2), 154, 2002, 27-31