Sarahi Nayeli Morales Solis

Ing. de Alimentos 601

13/05/2019

APLICACIÓN DE REDES NEURONALES ARTIFICIALES EN LA

MODELIZACIÓN DEL TRATAMIENTO TÉRMICO DE ALIMENTOS
Autores:
 Luera Peña, W. E.
 Minim, L. A.
Análisis:
En este trabajo se realizó una técnica de modelización por redes neuronales con el
objetivo de predecir el perfil de temperatura en el centro de un producto
acondicionado de latas a lo largo de un procesamiento térmico; una red neuronal es
un algoritmo que simula ser una neurona artificial que está conectada a otras entre
sí para transmitirse señales de información a través de unos enlaces. En estos
enlaces el valor de salida de la neurona anterior es multiplicado por un valor de
peso(MB). Estos pesos en los enlaces pueden incrementar o inhibir el estado de
activación de las neuronas alrededor, la gran innovación de las redes neuronales
cómo como lo han sido Google y Facebook es que al ser redes neuronales estos
sistemas que aprenden y se forman a sí mismos, en lugar de ser programados de
forma explícita, y sobre salen en áreas donde las detecciones de errores manuales
son muy difíciles de divisar y resolver con la programación convencional en este
caso, este trabajo propone el uso de la técnica de redes neuronales para desarrollar
un modelo matemático predictivo del procesamiento térmico de alimentos que
permita determinar la temperatura del punto frío de un producto acondicionado en
un recipiente metálico, a partir de la temperatura o presión del autoclave y del tiempo
de residencia.
El algoritmo ocupado en este artículo está basado en la ecuación del modelo de
transferencia de calor por conducción unidimensional en estado no estacionario, sin
generación de calor interna, expresada en coordenadas cilíndricas considerándose
el sentido radial pero, teniendo en cuenta siempre los datos del proceso térmico de
la autoclave que presuriza durante un periodo de tiempo y temperatura
preestablecidas por los ingenieros del proceso según las resistencias térmicas de
los microorganismos y de los componentes nutricionales, con las siguientes
condiciones de contorno:

donde: T = temperatura; t = tiempo; a = difusividad

térmica; r = posición radial del cilindro; k =
conductividad térmica; h = coeficiente de transferencia de calor; R = radio del
cilindro; T¥ = temperatura en el interior del autoclave;
Sarahi Nayeli Morales Solis
Ing. de Alimentos 601
13/05/2019

De esta forma implementaron un programa computacional para obtener datos de

tiempo-temperatura y par que esos datos fueran más reales se introdujeron ciertos
factores de desequilibrio e inestabilidad como variación tipo senoidal de la
temperatura de la autoclave debido a purgas del equipo. En la etapa de aprendizaje
la red se alimentó con datos de las variables operacionales obtenidos a través de
simulación, usándose el programa computacional escrito para la solución de la
ecuación. A través de este aprendizaje la red neuronal modifica sus pesos en
respuesta a una información de entrada.
Después de eso recogieron los perfiles de temperatura de la autoclave y del centro
del producto, en función del tiempo, temperatura de la autoclave variable en torno a
115ºC y temperatura inicial del producto de 35 °C para alimentar de información el
algoritmo:

La Figura 3, representa la variación del error cuadrático medio en función del

número de nodos, con una o dos capas internas. Se observó que el menor error se
obtuvo para un valor de 10 nodos y que había convergencia tanto para una como
para dos capas internas.
En los resultados para determinar la tasa de aprendizaje adecuada, se comprobaron
tres valores de tasa de aprendizaje, usándose la topología demasiado altos como
5,0 el comportamiento de la curva de validación fue en cierto modo irregular,
alcanzando inicialmente un valor mínimo local para después aumentar. Niveles de
aprendizaje:

Esto ayudará a empresas alimentarias a poder predecir las perturbaciones que

plantean fallos en el procesamiento térmico real, debido a variaciones de
temperatura en la autoclave provocada por la caída de presión de vapor de la
Sarahi Nayeli Morales Solis
Ing. de Alimentos 601
13/05/2019

caldera, saber en qué momento preciso se llevará a cabo una correcta esterilización
en latas.
Bibliografía:
Luera Peña, W. E.; Minim, L. A. Aplicación de redes neuronales artificiales en la modelización
del tratamiento térmico de alimentos Ciencia y Tecnología Alimentaria, vol. 3, núm. 2, julio,
2001, pp. 81-88 Sociedad Mexicana de Nutrición y Tecnología de Alimentos Reynosa,
México