Desarrollo de una herramienta computacional para la predicción de los cambios en las propiedades fisicoquímicas de productos hortofrutícolas durante su almacenamiento
Barra lateral del artículo
Contenido principal del artículo
Resumen
Durante el almacenamiento de productos hortofrutícolas ocurre un proceso de degradación que puede generar compuestos indeseables y afectar textura, sabor y color. El objetivo de este trabajo es desarrollar una herramienta computacional que permita predecir dicha degradación a partir de los cambios fisicoquímicos que ocurren durante el almacenamiento. Para ello, se diseñó una base de datos asociada a los productos evaluados, con el fin de mostrar resultados de forma rápida y confiable. De esta manera, la herramienta funciona como apoyo educativo en prácticas de laboratorios de química de alimentos. Los productos modelados se seleccionaron mediante el método AHP, resultando naranja, manzana, fresa y zanahoria. La herramienta permite evaluar, bajo distintas condiciones de tiempo y temperatura, la predicción de cambios en color, pH, vitamina C, antocianinas, furfural e hidroximetil furfural (HMF). Asimismo, reporta parámetros como concentración final, tiempo de vida media, constante cinética, orden de reacción y la gráfica correspondiente. En conclusión, la herramienta computacional desarrollada constituye un recurso útil para analizar la degradación de productos hortofrutícolas y, al mismo tiempo, un modelo de soporte educativo aplicable a laboratorios de química de alimentos.
Detalles del artículo
Citas en Dimensions Service
Citas
Corradini, M. G. (2018). Shelf life of food products: From open labeling to real-time measurements. Annual Review of Food Science and Technology, 9(1), 251-269. https://doi.org/10.1146/annurev-food-030117-012441 DOI: https://doi.org/10.1146/annurev-food-030117-012433
Cui, F., Zheng, S., Wang, D., Tan, X., Li, Q., Li, J., y Li, T. (2023). Recent advances in shelf life prediction models for monitoring food quality. Comprehensive Reviews in Food Science and Food Safety, 22(2), 1257-1284. https://doi.org/10.1111/1541-4337.13046 DOI: https://doi.org/10.1111/1541-4337.13110
Etienne, A., Génard, M., Lobit, P., Mbeguié-A-Mbéguié, D., y Bugaud, C. (2013). What controls fleshy fruit acidity? A review of malate and citrate accumulation in fruit cells. Journal of Experimental Botany, 64(6), 1451–1469. https://doi.org/10.1093/jxb/ert035 DOI: https://doi.org/10.1093/jxb/ert035
Expert Choice Comparion® AHP Software for Collaborative Decision Making Solution (Versión 11) [Software]. (s. f.). Expert Choice. https://www.expertchoice.com/ahp-software
Fathizadeh, Z., Aboonajmi, M., y Hassan-Beygi, S. R. (2021). Classification of apples based on the shelf life using ANN and data fusion. Food Analytical Methods, 14(4), 706-718. https://doi.org/10.1007/s12161-020-01940-7 DOI: https://doi.org/10.1007/s12161-020-01913-1
Galić, K., Ćurić, D., y Gabrić, D. (2009). Shelf life of packaged bakery goods—A review. Critical Reviews in Food Science and Nutrition, 49(5), 405–426. https://doi.org/10.1080/10408390802067878 DOI: https://doi.org/10.1080/10408390802067878
Huang, Y., Kangas, L. J., y Rasco, B. A. (2007). Applications of artificial neural networks (ANNs) in food science. Critical Reviews in Food Science and Nutrition, 47(2), 113-126. https://doi.org/10.1080/10408390600626454 DOI: https://doi.org/10.1080/10408390600626453
Hurtado Rangel, R., Murillo Yáñez, L. E., y Avalos Bravo, A. T. (2018). Importancia del uso de simuladores educativos para la formación de estudiantes de ingeniería. Revista de Educación y Desarrollo, 45, 59-66.
Irreño, C. A. B. (2018). Aplicación práctica del proceso de análisis jerárquico (AHP) para la toma de decisiones. Revista Ingeniería, Matemáticas y Ciencias de la Información, 5(9), 91-100. https://doi.org/10.21017/rimci.2018.v5.n9.a38 DOI: https://doi.org/10.21017/rimci.2018.v5.n9.a43
Labuza, T. (1982). Shelf-life dating of foods. Food & Nutrition Press.
Menevseoglu, A., Dıblan, S., Türkyılmaz, M., y Özkan, M. (2020). Degradation kinetics of bioactive compounds and antioxidant activity in strawberry juice concentrate stored at high and low temperatures. Journal of Food Measurement and Characterization, 14, 2611–2622. https://doi.org/10.1007/s11694-020-00507-z DOI: https://doi.org/10.1007/s11694-020-00507-z
Mills, J., Donnison, A., y Brightwell, G. (2014). Factors affecting microbial spoilage and shelf-life of chilled vacuum-packed lamb transported to distant markets: A review. Meat Science, 98(1), 71–80. https://doi.org/10.1016/j.meatsci.2014.05.002 DOI: https://doi.org/10.1016/j.meatsci.2014.05.002
Moreno-Jiménez, J., Aguarón, J., Cano, F., y Escobar, M. (1998). Validez, robustez y estabilidad en decisión multicriterio: Análisis de sensibilidad en el Proceso Analítico Jerárquico. Revista de la Real Academia de Ciencias Exactas, 92(4), 387-397. https://doi.org/10.1007/BF02756516 DOI: https://doi.org/10.1007/BF02756516
Mortara, V. A., y Tabone, L. B. (2021). Selección de proveedores bajo una estrategia de abastecimiento múltiple en una empresa metalmecánica. Ingeniería Industrial, (40), 91-112. https://doi.org/10.26439/ing.ind2021.n40.4809 DOI: https://doi.org/10.26439/ing.ind2021.n40.4809
Nuñez, M., Hernández, R., Rodríguez, I., Rodríguez, J., y Torres, Y. (2018). Metodología para la estimación de la vida útil de los alimentos. II. Métodos de estimación. Ciencia y Tecnología de Alimentos, 27(2), 75-82.
Odriozola-Serrano, I., Soliva-Fortuny, R., y Martín-Belloso, O. (2009). Influence of storage temperature on the kinetics of the changes in anthocyanins, vitamin C, and antioxidant capacity in fresh-cut strawberries stored under high-oxygen atmospheres. Journal of Food Science, 74(2), C184–C191. https://doi.org/10.1111/j.1750-3841.2009.01075.x DOI: https://doi.org/10.1111/j.1750-3841.2009.01075.x
Paredes-Navia, J. G., y Molina-Caballero, M. F. (2019). Enseñanza de la cinética química por medio de simulaciones y aprendizaje activo. Tecné, Episteme y Didaxis: TED, (45), 71-88. https://doi.org/10.17227/ted.num45-9390 DOI: https://doi.org/10.17227/ted.num45-9834
Peleg, M., Normand, M., y Corradini, M. (2017). A new look at kinetics in relation to food storage. Annual Review of Food Science and Technology, 8, 135–153. https://doi.org/10.1146/annurev-food-030216-025915 DOI: https://doi.org/10.1146/annurev-food-030216-025915
Piñeres, R. (2022). Efectos del laboratorio virtual en la motivación y el desempeño de los estudiantes. Gaceta de Pedagogía, 1(41), 107-128. DOI: https://doi.org/10.56219/rgp.vi42.510
Qiu, L., Zhang, M., Tang, J., Adhikari, B., y Cao, P. (2019). Innovative technologies for producing and preserving intermediate moisture foods: A review. Food Research International, 116, 90-102. https://doi.org/10.1016/j.foodres.2018.12.052 DOI: https://doi.org/10.1016/j.foodres.2018.12.055
Saaty, R. (1987). The analytic hierarchy process: What it is and how it is used. Mathematical Modelling, 9(3-5), 161-176. https://doi.org/10.1016/0270-0255(87)90473-8 DOI: https://doi.org/10.1016/0270-0255(87)90473-8
Sahari, M. A., Boostani, F. M., y Hamidi, E. Z. (2004). Effect of low temperature on the ascorbic acid content and quality characteristics of frozen strawberry. Food Chemistry, 86(3), 357–363. https://doi.org/10.1016/j.foodchem.2003.09.002 DOI: https://doi.org/10.1016/j.foodchem.2003.09.008
Scheviak, T. (2020). 4 different types of shelf life prediction technology. OneThird. https://onethird.io/different-types-shelf-life-prediction-technology/
Sigmann, S. B., y Wheeler, D. E. (2004). Quantitative determination of citric and ascorbic acid in powdered drink mixes: A high school or general chemistry experiment. Journal of Chemical Education, 81(10), 1479-1482. https://doi.org/10.1021/ed081p1479 DOI: https://doi.org/10.1021/ed081p1479
Singh, R. K., Lund, D. B., y Buelow, F. H. (1983). Storage stability of intermediate moisture apples: Kinetics of quality change. Journal of Food Science, 48(3), 939–944. https://doi.org/10.1111/j.1365-2621.1983.tb14935.x DOI: https://doi.org/10.1111/j.1365-2621.1983.tb14935.x
Tudela, J. A., Espín, J. C., y Gil, M. I. (2002). Vitamin C retention in fresh-cut potatoes. Postharvest Biology and Technology, 26(1), 75–84. https://doi.org/10.1016/S0925-5214(02)00002-9 DOI: https://doi.org/10.1016/S0925-5214(02)00002-9
Van Boekel, M. (2008). Kinetic modeling of food quality: A critical review. Comprehensive Reviews in Food Science and Food Safety, 7(1), 144-158. https://doi.org/10.1111/j.1541-4337.2007.00036.x DOI: https://doi.org/10.1111/j.1541-4337.2007.00036.x
Zambrano, R. W. G., y Giler, F. E. S. (2021). Fortalecimiento teórico-práctico de la enseñanza de la química mediante la aplicación de simuladores virtuales a los estudiantes de 2º año de bachillerato de la Unidad Educativa Técnico Uruguay de la ciudad de Portoviejo de la provincia de Manabí. Revista Científica Mundo de la Investigación y el Conocimiento, 5(1), 389-408. https://doi.org/10.26820/recimundo/5.(1).enero.2021.389-408
Zhang, W., Luo, Z., Wang, A., Gu, X., y Lv, Z. (2021). Kinetic models applied to quality change and shelf life prediction of kiwifruits. LWT, 138, 110610. https://doi.org/10.1016/j.lwt.2020.110610 DOI: https://doi.org/10.1016/j.lwt.2020.110610
Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial-SinDerivadas 4.0.
Educación Química por Universidad Nacional Autónoma de México se distribuye bajo una Licencia Creative Commons Atribución-NoComercial-SinDerivar 4.0 Internacional.
Basada en una obra en http://www.revistas.unam.mx/index.php/req.