UNIVERSIDAD NACIONAL DE SAN AGUSTIN DE AREQUIPA
FACULTAD DE INGENIERí A DE PROCESOS
ESCUELA PROFESIONAL DE INGENIERí A DE INDUSTRIAS
ALIMENTARIAS
ESTABILIDAD DE EMULSIONES O/W OBTENIDAS POR EMULSIFICACIO N
ULTRASO NICA Y CONVENCIONAL
Tesis presentada por:
Bach. Juan José Alca Machaca
Para optar el título profesional de:
Ingeniero en Industrias Alimentarias
Arequipa – Peru
2018
Agradecimientos
Deseo agradecer a mi asesor, MSc. Fernando Carlos Mejía Nova, por su apoyo
y comprension durante el desarrollo de esta tesis. Gracias por la confianza ofrecida
desde el inicio de este proyecto.
Agradezco tambien al personal de la Escuela Profesional de Ingeniería de In-
dustrias Alimentarias de la universidad, especialmente a las ingenieras Yemina e
Irina por brindar las facilidades para el trabajo en laboratorio durante las muchas
horas que demandaron los experimentos. Gracias por su paciencia.
Asimismo agradezco el apoyo de mis amigos Carmen, Alejandro y Ernesto, así
como a mi familia y miembros de la Asociacion Cultural Mariano Lino Urquieta.
Finalmente, este trabajo no hubiera sido posible sin el financiamiento de UNSA
Investiga (parte del Vicerrectorado de Investigacion de la Univesidad Nacional de
San Agustın) y la observacion de su monitor para este proyecto.
Muchas gracias a todos.
Presentacion
Senor Decano de la Facultad de Ingenieria de Procesos
Senor Director de la Escuela Profesional de Ingeniería de Industrias Ali-
mentarias
Senores Ingenieros Miembros del Jurado
Cumpliendo el reglamento de Grados y Títulos de la Escuela Profesional de In-
geniería de Industrias Alimentarias, Facultad de Ingenieria de Procesos, de la Uni-
versidad Nacional de San Agustın, es que pongo a disposicion de ustedes el presente
trabajo de tesis titulada “EVALUACIO N DE EMULSIONES O/W OBTENIDAS
POR EMULSIFICACIO N ULTRASO NICA Y CONVENCIONAL”
Las emulsiones con una forma de preparacion de alimentos muy difundida en el
mercado, con ejemplos como la mayonesa, salsas, alinos, helados, etc. Particu-
larmente, las emulsiones aceite en agua (O/W) son muy empleadas para brindar al
publico productos de buena palatibilidad, cuando no se separan las fases (aceite y
agua). Por ello, se plantea en esta tesis la tecnología ultrasonica como alternativa
para emulsificar diferentes aceites, en diferentes formulaciones y con dos emulsifi-
cantes, en comparacion a la emulsificacion convencional.
BACHILLER: JUAN JOSE ALCA MACHACA
Resumen
Se ha comparado el efecto del procesamiento ultrasonico sobre la estabilidad
de emulsiones aceite en agua (O/W) empleando diferentes fases oleosas (aceite de
olivo, aceite de sacha inchi y aceite de coco), emulsificantes (lecitina de soya y
Tween 20) y concentracion de emulsificante. Tambien se estudio la estabilidad de
emulsiones de aceite de oliva obtenidas por ultrasonido empleando diferentes ni-
veles de pH y concentracion de NaCl, luego de diferentes niveles de tiempo de
pre-procesamiento a alta velocidad (metodo convencional). La estabilidad de las
emulsiones se estimo mediante el ındice de cremado y el tamano de las gotas de
la fase oleosa, determinado por micrografía y procesamiento de imagenes. Se de-
terminaron los parametros tecnologicos del procesamiento ultrasonico (potencia,
tiempo de sonicacion y diametro del sonotrodo), del proceso convencional (tiempo
de agitacion y velocidad), así como la formulacion, pH y concentracion de NaCl
que produjeron emulsiones con mejor estabilidad. Para el procesamiento ultrasoni-
co lo parametros optimos fueron 270 segundos y 390 W para la emulsificacion con
ultrasonido y 20000 RPM por 180 segundos para el tratamiento por agitacion a al-
ta velocidad convencional. Todas las emulsiones preparadas con los parametros de
emulsificacion ultrasonica optimos fueron estables hasta los 60 días de almacena-
miento independientemente de la formulacion (concentracion de emulsificante, tipo
de emulsificante, concentracion de aceite, tipo de aceite). Sin embargo, todas las
emulsiones se desestabilizaron con los diferentes niveles de NaCl, que tuvo un ma-
yor efecto que el pre-tratamiento con emulsificacion convencional. Finalmente, un
Palabras clave: Emulsiones, ultrasonido, estabilidad, cremado, emulsionantes.
aderezo italiano preparado con los parametros tecnologicos de emulsificacion ul-
trasonica determinados como optimos alcanzo una calificacion sensorial aceptable
pero no destacable (para las caracter ısticas de sabor, apariencia, aroma y aceptabili-
dad), siendo necesario en posteriores investigaciones estudiar el efecto del procesa-
miento ultrasonico sobre las caracterısticas sensoriales de emulsiones alimentarias
particulares.
Abstract
The effect of ultrasonic processing on the stability of oil-in-water (O/W) emul-
sions was compared using different oil phases (olive oil, sacha inchi oil and coconut
oil), emulsifiers (soya lecithin and Tween 20) and emulsifier concentration. Also the
stability of olive oil emulsions obtained by ultrasound using different pH and NaCl
concentration levels was studied, after different levels of pre-processing time at high
speed (conventional method). The stability of the emulsions was estimated by the
creaming index and the size of the oily phase droplets, determined by micrography
and image processing. The technological parameters of ultrasonic processing (po-
wer, sonication time and sonotrode diameter), the conventional process (stirring
time and speed), as well as the formulation, pH and NaCl concentration that pro-
duced emulsions with better stability were determined. For ultrasonic processing
the optimal parameters were 270 seconds and 390 W for ultrasonic emulsification
and 20000 RPM for 180 seconds for conventional high-speed agitation treatment.
All emulsions prepared with the optimal ultrasonic emulsification parameters were
stable up to 60 days of storage regardless of formulation (emulsifier concentration,
emulsifier type, oil concentration, oil type). However, all emulsions were destabili-
zed with different levels of NaCl, which had a greater effect than conventional pre-
treatment with emulsification. Finally, an Italian dressing prepared with the tech-
nological parameters of ultrasonic emulsification determined as optimal reached an
acceptable but not remarkable sensorial qualification (for the characteristics of tas-
te, appearance, aroma and acceptability), being necessary in later investigations to
Keywords: emulsions, ultrasound, stability, creaming, surfactants.
study the effect of ultrasonic processing on the sensorial characteristics of particular
food emulsions.
Miembros del jurado
Teresa Tejada Purizaca -------------------------------------------
PRESIDENTE Firma
Mariel Álvarez Rodríguez ------------------------------------------- MIEMBRO Firma
Giuliana Rondón Saravia -------------------------------------------
MIEMBRO Firma
Contenido
1. Introduccion 1
1.1. Formulacion del problema ........................................................................ 2
1.2. Finalidad .................................................................................................... 2
1.3. Justificacion e Importancia ....................................................................... 2
1.4. Objetivo general ........................................................................................ 3
1.5. Objetivos específicos .............................................................................................. 3
1.6. Hipotesis general ...................................................................................... 4
1.6.1. Hipotesis especıficas .................................................................... 4
1.7. Variables ........................................................................................................... 5
2. Revision bibliografica 7
2.1. Antecedentes ............................................................................................. 7
2.1.1. El estudio de las emulsiones alimentarias ..................................... 8
2.2. Conceptos generales y definiciones .......................................................... 8
2.2.1. Estabilidad de emulsiones ............................................................. 9
2.2.1.1. Índice de cremado ........................................................ 10
2.2.1.2. Tamano de partícula ................................................... 12
2.2.2. El proceso de emulsificacion convencional ................................ 13
2.2.3. El proceso de emulsificacion por ultrasonido ............................. 14
2.2.3.1. Ventajas y desventajas en relacion al proceso con-
vencional ..................................................................... 15
2.2.4. Aceites empleados en la presente investigacion ......................... 17
2.2.4.1. Aceite de oliva ................................................................ 17
2.2.4.2. Aceite de sacha inchi .................................................. 19
2.2.4.3. Aceite de coco ............................................................. 21
2.2.5. Formulacion de alinos para ensaladas ........................................ 23
3. Materiales y metodos 24
3.1. Diseno experimental ............................................................................... 24
3.1.1. Efecto de los parametros tecnologicos de la emulsificacion
con ultrasonido ............................................................................ 27
3.1.2. Efecto de los parametros tecnologicos de la emulsificacion
convencional ............................................................................... 27
3.1.3. Efecto de los parametros de formulacion de la emulsion ........... 30
3.1.4. Efecto de la concentracion de NaCl, pH y pre-tratamiento
en una emulsion preparada con aceite de oliva ........................... 33
3.1.5. Evaluacion sensorial de una emulsion preparada con los parame-
tros determinados como optimos ................................................ 35
3.2. Niveles de las variables para cada experimento ...................................... 37
3.3. Equipos .................................................................................................... 41
3.4. Metodos .................................................................................................. 41
3.5. Instrumentos de investigacion ................................................................. 42
3.6. Procesamiento estadístico .................................................................................... 42
4. Resultados y discusiones 43
4.1. Efecto de los parametros tecnologicos de la emulsificacion con ul-
trasonido .................................................................................................. 43
4.1.1. Índice de cremado ........................................................................ 43
4.1.2. Tamano de partícula ................................................................... 48
4.1.3. Indice de peroxido ...................................................................... 52
4.1.4. Acidez ......................................................................................... 52
4.1.5. pH................................................................................................ 53
4.2. Efecto de los parametros tecnologicos de la emulsificacion conven- cional
54
4.2.1. Índice de cremado ........................................................................ 54
4.2.2. Tamano de partícula ................................................................... 58
4.2.3. Indice de peroxido ...................................................................... 60
4.2.4. Acidez ......................................................................................... 60
4.2.5. pH................................................................................................ 61
4.3. Efecto de los parametros de formulacion de la emulsion ........................ 62
4.3.1. Índice de cremado ........................................................................ 62
4.3.2. Tamano de partícula ................................................................... 62
4.3.3. Acidez ......................................................................................... 64
4.3.4. pH................................................................................................ 67
4.4. Efecto de la concentracion de NaCl, pH y pre-tratamiento en una
emulsion preparada con aceite de oliva ................................................... 68
4.4.1. Índice de cremado ........................................................................ 68
4.4.2. Tamano de partícula ................................................................... 69
4.4.3. Acidez ......................................................................................... 70
4.4.4. pH................................................................................................ 72
4.5. Evaluacion de una emulsion preparada con los parametros determi-
nados como optimos ............................................................................... 74
4.5.1. Evaluacion sensorial ................................................................... 74
4.6. Comparacion de los dos metodos de emulsificacion evaluados .............. 75
Conclusiones 76
Recomendaciones 78
Referencias 80
Referencias bibliograficas ................................................................................ 80
Apendices 96
Índice de figuras
Figura 1. Diagrama general de los experimentos .......................................... 25
Figura 2. Esquema experimental .................................................................. 26
Figura 3. Diagrama experimental para evaluar el efecto los parametros
tecnologicos de la emulsificacion ultrasonica ............................... 29
Figura 4. Diagrama experimental para evaluar el efecto los parametros
tecnologicos de la emulsificacion convencional ............................ 31
Figura 5. Diagrama experimental para evaluar el efecto los parametros
de formulacion de emulsiones ...................................................... 34
Figura 6. Diagrama experimental para evaluar el efecto de la concen-
tracion de NaCl, pH y pre-tratamiento convencional .................... 36
Figura 7. Diagrama experimental para evaluar sensorialmente una emul-
sion preparada con los parametros optimos de tratamiento ul-
trasonico ....................................................................................... 38
Figura 8. Grafica de distribucion de valores de ındice de cremado para
la emulsificacion con ultrasonido .................................................. 44
Figura 9. Graficas de residuos del modelo lineal de primer orden ............... 45
Figura 10. Grafica de residuos del modelo de segundo orden ........................ 46
Figura 11. Superficie de respuesta de contornos para la estabilidad de las
emulsiones obtenidas con ultrasonido ........................................... 47
Figura 12. Superficie de respuesta en perspectiva de la estabilidad de las
emulsiones obtenidas por ultrasonido ........................................... 47
Figura 13. Intervalos de confianza del diametro D50 de las emulsiones
de aceite obtenidas con diferentes parametros del procesa-
miento ultrasonico ........................................................................ 49
Figura 14. Distribucion del tamano de partículas de las emulsiones obte-
nidas con diferentes parametros del procesamiento ultrasonico 50
Figura 15. Distribucion del tamano de partículas de las emulsiones obte-
nidas con diferentes parametros del procesamiento ultrasonico 51
Figura 16. Grafica de distribucion de valores de ındice de cremado para
la emulsificacion convencional ..................................................... 57
Figura 17. Grafica de cajas de la estabilidad de las emulsiones obtenidas
por agitacion ................................................................................. 57
Figura 18. Grafica de interacciones de los parametros tecnologicos del
procesamiento convencional ......................................................... 58
Figura 19. Mediana e intervalos de confianza al 95 % del diametro (D50)
de las partículas de las emulsiones obtenidas por el metodo
convencional .................................................................................. 59
Figura 20. Mediana e intervalos de confianza al 95 % del diametro (D50)
de las partículas de las emulsiones obtenidas empleando dife-
rentes formulaciones ...................................................................... 64
Figura 21. Mediana e intervalos de confianza al 95 % del diametro (D50)
de las partículas de las emulsiones obtenidas empleando dife-
rentes concentraciones de NaCl, nivel de pH y pre-tratamiento
por agitacion a alta velocidad antes del tratamiento ultrasonico 71
Figura 22. Grafica de interaccion de las diferentes concentraciones de
NaCl, nivel de pH (buffer) y tiempo de pre-tratamiento por
agitacion a alta velocidad sobre el pH observado ......................... 73
Figura 23. Constancia de laboratorio donde se realizo las pruebas expe-
rimentales ...................................................................................... 97
Figura 24. Equipo de ultrasonido con camara de proteccion de ruido . . . 99
Figura 25. Lecitina disuelta en la fase oleosa luego de agitacion con ba-
gueta ............................................................................................ 100
Figura 26. Lecitina disuelta en la fase oleosa luego de agitacion con ba-
gueta ............................................................................................ 101
Figura 27. Emulsion preparada por ultrasonido ........................................... 102
Figura 28. Emulsion preparada por el metodo convencional ........................ 109
Figura 29. Gradilla con emulsiones preparadas por ultrasonido ................... 110
Figura 30. Gradilla con emulsiones preparadas mediante el metodo con-
vencional . . . . . . . . . . . . . . . . . . . . . . . . . . . . 110
Figura 31. Muestras de emulsiones obtenidas por ultrasonido y agitacion
a alta velocidad . . . . . . . . . . . . . . . . . . . . . . . . . 111
Figura 32. Pesado de muestras (emulsiones) para determinacion de acidez 112
Figura 33. Titulacion para determinar acidez de emulsiones . . . . . . . 113
Figura 34. Medicion de pH en muestras de emulsiones . . . . . . . . . . 114
Figura 35. Microscopio empleado para medicion del tamano de partícula
de aceite en las emulsiones . . . . . . . . . . . . . . . . . . . 115
Figura 36. Cartilla empleada para la evaluacion sensorial mediante esca-
la de categorías . . . . . . . . . . . . . . . . . . . . . . . . . 116
Figura 37. Emulsion (aderezo italiano para ensaldas) preparada por ul-
trasonido . . . . . . . . . . . . . . . . . . . . . . . . . . . . 117
Figura 38. Microfotografías de las emulsiones obtenidas por ultrasonido
Figura 39.
(tamano de cada campo ≈ 48 µm) . . . . . . . . . . . . . . .
Microfotografías de las emulsiones obtenidas por emulsifica-
172
Figura 40.
cion convencional (tamano de cada campo ≈ 48 µm) . . . . .
Microfotografías de las emulsiones obtenidas por ultrasonido
173
a diferentes niveles de NaCl, pH y pre-tratamiento convencio-
nal (tamano de cada campo ≈ 48 µm) . . . . . . . . . . . . . 174
Figura 41. Microfotografías de las diferentes formulaciones de emulsio-
nes obtenidas por ultrasonido (tamano de cada campo ≈ 48
µm) .............................................................................................. 175
Índice de cuadros
Cuadro 1. Variables empleadas para la determinacion del efecto de los
parametros tecnologicos de la emulsificacion por ultrasonido . 5
Cuadro 2. Variables empleadas para la determinacion del efecto de los
parametros tecnologicos de la emulsificacion convencional . . 5
Cuadro 3. Variables empleadas para la determinacion del efecto de los
parametros de formulacion sobre la estabilidad de emulsiones
preparadas por ultrasonido .............................................................. 6
Cuadro 4. Variables empleadas para la determinacion del efecto de la
concentracion de NaCl, pH y pre-tratamiento convencional
en una emulsion aceite de oliva preparada por ultrasonido ............. 6
Cuadro 5. Investigaciones que emplean el ındice de cremado en emul-
siones alimentarias ........................................................................ 11
Cuadro 6. Composicion (en porcentaje de acidos grasos) del aceite de
oliva ..................................................................................................... 18
Cuadro 7. Composicion (en porcentaje de acidos grasos) del aceite de
sacha inchi ..................................................................................... 20
Cuadro 8. Composicion (en porcentaje de acidos grasos) del aceite de
coco ............................................................................................... 22
Cuadro 9. Diseno del experimento de evaluacion de los parametros del
proceso con ultrasonido ................................................................. 28
Cuadro 10. Parametros del experimento para determinar el efecto de los
parametros tecnologicos de la emulsificacion ultrasonica . . . 28
Cuadro 11. Diseno del experimento de evaluacion de los parametros del
proceso convencional .................................................................... 29
Cuadro 12. Parametros para la evaluacion del proceso convencional .............. 30
Cuadro 13. Diseno del experimento para determinar el efecto de los parame-
tros de formulacion sobre estabilidad de emulsiones produci-
das por ultrasonido ........................................................................ 32
Cuadro 14. Parametros para evaluar el efecto de la formulacion de emul- siones
....................................................................................................... 33
Cuadro 15. Diseno del experimento para determinar el efecto de la con-
centracion de NaCl, pH y pre-tratamiento sobre la estabilidad
de las emulsiones ........................................................................... 34
Cuadro 16. Parametros para evaluar el efecto de la concentracion de NaCl,
pH y pre-tratamiento en emulsiones .............................................. 35
Cuadro 17. Formulacion de la emulsion modelo (aderezo italiano cremo-
so para ensaladas) .......................................................................... 37
Cuadro 18. Diagrama de diseno del experimento para evaluar los parame-
tros tecnologicos de la emulsificacion ultrasonica ........................ 38
Cuadro 19. Diagrama de diseno del experimento para evaluar los parame-
tros tecnologicos de la emulsificacion convencional ..................... 39
Cuadro 20. Diagrama de diseno del experimento para evaluar el efecto de
los parametros de formulacion sobre la estabilidad ...................... 39
Cuadro 21. Diagrama de diseno del experimento para evaluar la concen-
tracion de NaCl, pH y pre-tratamiento sobre la estabilidad de
una emulsion ................................................................................. 40
Cuadro 22. ´Indice de cremado de las emulsiones preparadas con diferen-
tes parametros del procesamiento ultrasonico ............................... 44
Cuadro 23. Diametro (D50) e intervalo de confianza al 95 % de las partıcu-
las de aceite en las emulsiones obtenidas con diferentes parame-
tros del procesamiento ultrasonico ................................................ 49
Cuadro 24. Indice de peroxido de las emulsiones obtenidas empleando
diferentes parametros tecnologicos de la emulsificacion por
ultrasonido ..................................................................................... 53
Cuadro 25. Acidez de las emulsiones preparadas con diferentes parame-
tros del procesamiento ultrasonico ................................................ 54
Cuadro 26. Valor de pH de las emulsiones preparadas con diferentes parame-
tros del procesamiento ultrasonico ................................................ 55
Cuadro 27. ´Indice de cremado de las emulsiones preparadas con diferen-
tes parametros del procesamiento convencional ........................... 56
Cuadro 28. Diametro (D50) de las partículas de aceite en las emulsiones
obtenidas con diferentes parametros del procesamiento con-
vencional ....................................................................................... 59
Cuadro 29. Indice de peroxidos de las emulsiones preparadas con dife-
rentes parametros del procesamiento convencional ...................... 60
Cuadro 30. Acidez de las emulsiones preparadas con diferentes parame-
tros del procesamiento convencional ............................................. 61
Cuadro 31. Valor de pH de las emulsiones preparadas con diferentes parame-
tros del procesamiento convencional ............................................. 62
Cuadro 32. Diametro (D50) de las partículas de aceite en las emulsiones
obtenidas con diferentes formulaciones ........................................ 65
Cuadro 33. Acidez de las emulsiones obtenidas con diferentes formula-
ciones ............................................................................................. 66
Cuadro 34. Acidez de las emulsiones obtenidas con diferentes formula-
ciones ............................................................................................. 67
Cuadro 35. Indice de cremado de las emulsiones obtenidas con diferentes
concentraciones de NaCl, nivel de pH y pre-tratamiento por
agitacion a alta velocidad antes del tratamiento ultrasonico . . 69
Cuadro 36. Diametro (D50) de las partículas de aceite en las emulsiones
obtenidas con diferentes concentraciones de NaCl, nivel de
pH y pre-tratamiento por agitacion a alta velocidad antes del
tratamiento ultrasonico ................................................................. 71
Cuadro 37. Acidez las emulsiones obtenidas con diferentes concentracio-
nes de NaCl, nivel de pH y pre-tratamiento por agitacion a alta
velocidad antes del tratamiento ultrasonico .................................. 72
Cuadro 38. Valor de pH de las emulsiones obtenidas con diferentes con-
centraciones de NaCl, nivel de pH y pre-tratamiento por agi-
tacion a alta velocidad antes del tratamiento ultrasonico .............. 74
Cuadro 39. Valor de la evaluacion sensorial de la emulsion preparada con
los parametros determinados como optimos ................................. 74
Cuadro 40. Analisis de varianza del modelo lineal de primer orden ............. 120
Cuadro 41. Analisis de varianza del modelo cuadratico de segundo orden . 120
Cuadro 42. Analisis de varianza del ındice de peroxido de las emulsiones
preparadas por ultrasonido .......................................................... 128
Cuadro 43. Analisis de varianza de la acidez de las emulsiones preparadas
por ultrasonido ............................................................................. 130
Cuadro 44. Analisis de varianza unifactorial de la acidez de las emulsio-
nes obtenidas por ultrasonido ...................................................... 131
Cuadro 45. Analisis de varianza del pH de las emulsiones obtenidas por
ultrasonido ................................................................................... 132
Cuadro 46. Analisis de varianza unifactorial del pH de las emulsiones ob-
tenidas por ultrasonido ................................................................ 133
Cuadro 47. Analisis de varianza unifactorial del ındice de cremado de las
emulsiones preparadas por el metodo convencional ................... 135
Cuadro 48. Analisis de varianza del pH de las emulsiones preparadas por
el metodo convencional .............................................................. 144
Cuadro 49. Analisis de varianza unifactorial del pH de las emulsiones
preparadas por el metodo convencional ...................................... 144
Cuadro 50. Analisis de varianza de la acidez de las emulsiones preparadas
con diferentes formulaciones ....................................................... 155
Cuadro 51. Analisis de varianza unifactorial de la acidez de las emulsio-
nes preparadas con diferentes formulaciones .............................. 155
Cuadro 52. Analisis de varianza del pH de las emulsiones preparadas con
diferentes formulaciones ............................................................. 156
Cuadro 53. Analisis de varianza unifactorial del pH de las emulsiones
preparadas con diferentes formulaciones .................................... 156
Cuadro 54. Analisis de varianza del ındice de cremado de las emulsiones
con diferente nivel de NaCl, pH y pre-tratamiento ...................... 159
Cuadro 55. Analisis de varianza unifactorial del ındice de cremado de las
emulsiones con diferente nivel de NaCl, pH y pre-tratamiento 160
Cuadro 56. Analisis de varianza de la acidez de las emulsiones con dife-
rente nivel de NaCl, pH y pre-tratamiento................................... 165
Cuadro 57. Analisis de varianza unifactorial de la acidez de las emulsio-
nes preparadas con diferente nivel de NaCl, pH y pre-tratamiento166
Cuadro 58. Analisis de varianza del pH de las emulsiones preparadas con
diferente nivel de NaCl, pH y pre-tratamiento ............................ 168
Cuadro 59. Analisis de varianza unifactorial del pH de las emulsiones
preparadas con diferente nivel de NaCl, pH y pre-tratamiento . 168
Cuadro 60. Respuestas de cada juez para la evaluacion sensorial por es-
cala de cateforías ...................................................................................... 170
Apendices
Apendice 1. Constancia de laboratorio ................................................................ 97
Apendice 2. Detalle de procedimientos ............................................................... 98
Apendice 3. Resultados estadísticos del efecto de los parametros tecnologi-
cos de la emulsificacion por ultrasonido ........................................................ 118
Apendice 4. Resultados estadísticos del efecto de los parametros tecnologi-
cos de la emulsificacion convencional ........................................................... 134
Apendice 5. Resultados estadísticos del efecto de los parametros de formu-
lacion sobre las emulsiones preparadas por ultrasonido ................................ 145
Apendice 6. Resultados estadísticos del efecto de la concentracion de NaCl,
pH y pre-tratamiento convencional en una emulsion preparada por ultra-
sonido . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 157
Apendice 7. Analisis estadístico y resultados de la evaluacion sensorial . . . 169
Apendice 8. Imagenes empleadas para la determinacion del tamano de partıcu-
la . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 171
Capítulo 1
Introduccion
Las emulsiones del tipo aceite en agua (emulsiones O/W) son ampliamente usa-
das en salsas preparadas (ejemplo: mayonesa y productos similares) y en productos
untables (ejemplo: pasta de aceitunas), consisten de una fase dispersa (oleosa), una
fase lıquida (acuosa) y un estabilizante o surfactante. Tecnologicamente su produc-
cion se realiza en equipos donde sus componentes son sometidos a las fuerzas de
cizallamiento que se transmiten por las piezas moviles de los diferentes equipos
de emulsificacion (homogeneizadores, mezcladores, etc.), o mediante la aplicacion
de fuerzas de cavitacion (ultrasonido, micro-fluidizacion). El uso de equipos que
emplean la fuerza de cizallamiento es el mas difundido para la produccion de emul-
siones O/W convencionales, sin embargo el desarrollo actual de procesos como la
emulsificacion ultrasonica permite disenar sistemas mas estables y con funcionali-
dades especiales (como el transporte de compuestos bioactivos) que las emulsiones
obtenidas de manera convencional no tienen.
Para poder determinar la viabilidad tecnologica del proceso de emulsificacion
ultrasonica es necesario hacer estudios que permitan evaluar las ventajas tecnicas
de su aplicacion y las propiedades de las emulsiones obtenidas, principalmente la
estabilidad física y química.
1
2
1.1. Formulacion del problema
La emulsificacion por ultrasonido (emulsificacion ultrasonica) es una tecnología
relativamente reciente en la industria alimentaria que debe probarse y compararse
con el metodo principal de emulsificacion, para cada aplicacion. En la elaboracion
de emulsiones agua en aceite (O/W), como la empleada para la preparacion de dife-
rentes salsas y aderezos, el metodo convencional de emulsificacion es la agitacion
a alta velocidad (stirring, en ingles). Uno de los aspectos mas importantes para
comparar estas dos tecnologías es la estabilidad de las emulsiones. El problema que
se plantea esta investigacion es la determinacion de las condiciones tecnologi- cas
(parametros tecnologicos), así como la formulacion (porcentaje y cantidad de
materiales) que permiten obtener las emulsiones mas estables empleando la emul-
sificacion por ultrasonido, y si estas son igual o mas estables que las obtenidas por
el metodo convencional.
1.2. Finalidad
Esta investigacion se propone determinar la estabilidad de emulsiones O/W ob-
tenidas por ultrasonido cuando se emplean estabilizantes y aceites comerciales en
comparacion a las obtenidas por metodos convencionales, empleando para el estu-
dio formulaciones de tres aceites con perfiles de acidos grasos diferentes (aceite de
oliva, aceite de sacha inchi y aceite de coco).
1.3. Justificacion e Importancia
Las emulsiones obtenidas por ultrasonido tienen muchas aplicaciones potencia-
les en la industria de alimentos, debido a que se puede obtener un menor tamano
de partícula (que requiere menos cantidad de emulsificante) y mayor estabilidad
que las emulsiones convencionales. La calidad de las emulsiones tambien mejora
3
en varios sistemas dependiendo de las caracter ısticas de las fases dispersa y conti-
nua. Para el caso de las emulsiones aceite en agua (O/W), la fase dispersa (el aceite)
puede tambien mantener sus caracterısticas de calidad (ındice de peroxido) depen-
diendo de su composicion de acidos grasos. Sin embargo, es necesario investigar el
efecto que tiene el ultrasonido sobre la estabilidad de las emulsiones (expresada vi-
sualmente por el ındice de cremado y físicamente por el tamano de partícula o gota)
cuando se emplean aceites con diferentes composiciones de acidos grasos, emplea-
do estabilizantes/surfactantes comerciales, ya que la estabilidad es muy importante
para los productos alimentarios de consumo masivo.
1.4. Objetivo general
Comparar la estabilidad de las emulsiones aceite en agua (O/W) obtenidas por
emulsificacion ultrasonica con las obtenidas por el metodo convencional.
1.5. Objetivos específicos
Determinar el efecto de los parametros tecnologicos del proceso de emulsifi-
cacion ultrasonica (tiempo de procesamiento, potencia de ultrasonido, diame-
tro del sonotrodo) y del proceso de emulsificacion convencional (tiempo de
procesamiento, velocidad) sobre la estabilidad de las emulsiones.
Determinar el efecto de la formulacion de las emulsiones (determinada por
las variables de concentracion de surfactante, tipo de aceite y porcentaje de
aceite) sobre la estabilidad de las emulsiones durante el período de almacena-
miento.
Evaluar el efecto del pre-procesamiento con el metodo convencional (emul-
sificador de alta velocidad), concentracion de NaCl y pH sobre la estabilidad
de emulsiones obtenidas por ultrasonido.
4
Evaluar sensorialmente una emulsion (aderezo italiano para ensaladas) pre-
parado con los parametros optimos de emulsificacion ultrasonica.
1.6. Hipotesis general
Las emulsiones obtenidas por ultrasonido tienen una mayor estabilidad (expre-
sada por el ındice de cremado) en el tiempo que las emulsiones obtenidas por meto-
dos convencionales usando la misma formulacion y estabilizante.
1.6.1. Hipotesis especıficas
La presente investigacion involucro 5 experimentos, para los cuales se formula-
ron 5 diferentes hipotesis, respectivamente.
Hipotesis especıfica 1: Existe diferencia significativa (p < 0.05) entre la es-
tabilidad de las emulsiones (ındice de cremado y tamano de partícula) obtenidas
con diferentes valores de los parametros tecnologicos en la emulsificacion con ul-
trasonido. El mayor tiempo de procesamiento y la mayor potencia produciran las
emulsiones con mayor estabilidad, teniendo un mayor efecto que el diametro del
sonotrodo.
Hipotesis especıfica 2: Existe diferencia significativa (p < 0.05) entre la esta-
bilidad de las emulsiones (ındice de cremado y tamano de partícula) obtenidas con
diferentes valores de los parametros tecnologicos en la emulsificacion convencional
(alta velocidad). El mayor tiempo de procesamiento y la mayor velocidad produ-
ciran las emulsiones con mayor estabilidad.
Hipotesis especıfica 3: Existe diferencia significativa (p < 0.05) entre la es-
tabilidad de las emulsiones (índice de cremado) obtenidas usando ultrasonido con
diferentes parametros de formulacion. Las emulsiones con Tween 20 como emulsio-
nante, menor nivel de aceite y hechas con aceite de coco producirían las emulsiones
mas estables.
5
Hipotesis especıfica 4: Existe diferencia significativa (p < 0.05) entre la estabi-
lidad de las emulsiones (ındice de cremado y tamano de partícula) obtenidas usando
ultrasonido con diferentes tiempos de pre-tratamiento (emulsificacion a alta veloci-
dad), concentracion de NaCl y pH. Las emulsiones con pH neutral, bajo nivel de
NaCl y mayor tiempo de pre-tratamiento tendrían mayor estabilidad.
Sub-hipotesis 5: La emulsion obtenida segun los parametros de emulsificacion
ultrasonica determinados como optimos y con la formulacion de un aderezo italiano
para ensaladas debería tener un nivel de aceptabilidad sensorial aceptable.
1.7. Variables
Las variables independientes y dependientes para cada experimento realizado
se muestran en los cuadros siguientes. Las variables independientes se ensayaron a
diferentes niveles que se detallan en el Capítulo de Materiales y metodos (Capítulo
3).
Cuadro 1: Variables empleadas para la determinacion del efecto de los parametros
tecnologicos de la emulsificacion por ultrasonido
Variables independientes Variables dependientes
Tiempo de procesamiento Indice de cremado Potencia de ultrasonido Tamano de partícula
Diametro de sonotrodo Indice de peroxido
Acidez
pH
Cuadro 2: Variables empleadas para la determinacion del efecto de los parametros
tecnologicos de la emulsificacion convencional
Variables independientes Variables dependientes
Tiempo de procesamiento Indice de cremado
Velocidad Tamano de partícula
Indice de peroxido
Acidez
pH
6
Cuadro 3: Variables empleadas para la determinacion del efecto de los parametros
de formulacion sobre la estabilidad de emulsiones preparadas por ultrasonido
Variables independientes Variables dependientes
Tipo de emulsificante Indice de cremado
Concentracion de emulsificante Tamano de partícula
Tipo de aceite Acidez
Porcentaje de aceite pH
Cuadro 4: Variables empleadas para la determinacion del efecto de la concentra-
cion de NaCl, pH y pre-tratamiento convencional en una emulsion aceite de oliva
preparada por ultrasonido
Variables independientes Variables dependientes
Concentracion de NaCl Indice de cremado
pH inicial Tamano de partícula
Tiempo de pre-tratamiento Acidez
pH
En el caso del Cuadro 4, el valor de pH es una variable independiente en la
medida que es manipulado al inicio del experimento, y es tambien una variable
dependiente en la medida que es medido luego de transcurrido un tiempo del expe-
rimento, para observar su variacion.
Para la evaluacion sensorial de una emulsion (aderezo para ensaladas) preparada
con los parametros determinados como optimos para la emulsificacion ultrasonica,
solo se evaluo sensorialmente una emulsion (aderezo italiano para ensaladas) pre-
parada con los parametros tecnologicos determinados como optimos en el experi-
mento del Cuadro 1, por lo que no se tiene variables independientes. La variable
dependiente fue la calificacion sensorial (escala de categorías de sabor, apariencia,
aroma y aceptabilidad general).
Capítulo 2
Revision bibliografica
2.1. Antecedentes
En el ambito nacional, el ultrasonido se ha empleado en alimentos para asistir
en la extraccion de compuestos activos de interes, como la capsaicina del rocoto
(Pechorena Escalante, 2010) empleando un sonicador del tipo usado para limpieza
con la finalidad de determinar los parametros optimos de extraccion. Sin embargo,
no hay referencias de investigacion nacional sobre emulsiones alimentarias obteni-
das por ultrasonido.
En el ambito internacional, las primeras investigaciones sobre la emulsificacion
ultrasonica aceite en agua (O/W) estudiaron sistemas donde la fase oleosa (disper-
sa) eran compuestos organicos no empleados en la industria alimentaria (tolueno
(Bondy y Sollner, 1935), petrolato pesado lıquido (Levius y Drommond, 1953), ke-
roseno (Rajagopal, 1958), entre otros). Por otra parte, se ha reportado que la activi-
dad de la emulsion y la distribucion del tamano de partícula tienen buena correlacion
para las emulsiones modelo, pero no para la emulsiones reales (Einhorn-Stoll et al.,
2002). Este ultimo estudio tambien senala que cuando se combina el mezclado y el
ultrasonido a escala de laboratorio, se obtienen partículas de menor tamano y una
estrecha distribucion de partículas, lo cual estaría asociado a una mayor estabili-
7
8
dad. Posteriormente ya se publicaron investigaciones relacionadas con la industria
de alimentos, como se observa en las revisiones que se han publicado (Nakaya et
al., 2005; Chandrapala et al., 2012; Ashokkumar, 2015). Las aplicaciones recien-
tes estudian la emulsificacion ultrasonica como tecnica para el encapsulamiento de
compuestos valiosos presentes en aceites comestibles, como el aceite de semilla de
achiote (Silva et al., 2016).
2.1.1. El estudio de las emulsiones alimentarias
El estudio de las emulsiones alimentarias ha seguido tres rutas (Becher, 1991):
Estudios fisicoquımicos del sistema de emulsion completo, por ejemplo: efec-
to de la composicion sobre la estabilidad, reología, color, sabor, etc.
Estudios fisicoqu´ımicos de sistemas modelo, por ejemplo: interacciones de
surfactantes con otros componentes, etc.
Formulacion de productos emulsionados terminados, incluyendo pruebas de
evaluacion por panel, estudios de empacado, etc.
Por lo cual, la mayoría de las investigaciones en emulsiones alimentarias han
seguido una o varias de dichas rutas. En el caso de la presente investigacion, se
realizaran experimentos en sistemas modelo para determinar el efecto de diferentes
parametros y formulaciones, así como un estudio simple de formulacion de produc-
to emulsionado terminado (alino italiano para ensalada o Italian dressing).
2.2. Conceptos generales y definiciones
La emulsificacion es la formacion de una emulsion estable mediante el mezcla-
do ıntimo de dos o mas lıquidos inmiscibles (Fellows, 2000). Una emulsion es un
tipo de coloide o dispersion compuesto de una mezcla de lıquidos inmiscibles en
9
el que uno de ellos forma gotitas (en adelante “partículas”) en el otro (International
Food Information Service, 2009). En la terminología de las emulsiones, como es el
caso de las emulsiones aceite en agua (O/W) el termino “aceite” es usado para los
lıquidos organicos no miscibles con el agua (Bondy y Sollner, 1935). Sin embar-
go, para efectos de esta investigacion, se entera que las muestras son aceites en el
sentido de aceites comestibles.
La homogeneizacion es la reduccion en tamano (a 0.5 - 30 µm), y por lo tanto el
incremento del numero de partículas solidas o lıquidas en la fase dispersa por la
aplicacion de intensas fuerzas de cizalla (Fellows, 2000). Así, la homogeneizacion
es una operacion mas severa que la emulsificacion, y aunque ambas operaciones son
usadas para cambiar las propiedades funcionales o calidad gastronomica de los
alimentos, ellas tienen poco o ningun efecto sobre el valor nutricional o la vida util.
El ultrasonido (es decir, las ondas mecanicas a una frecuencia por encima del
umbral del o ıdo humano) puede ser dividido en tres rangos de frecuencia (Patist y
Bates, 2011):
Ultrasonido de potencia (16 - 100 kHz)
Ultrasonido de alta frecuencia (100 kHz - 1 MHz)
Ultrasonido de diagnostico (1 - 10 MHz)
Para la emulsificacion ultrasonica, lo habitual es emplear el rango del ultrasoni-
do de potencia, especialmente alrededor de los 20 kHz.
2.2.1. Estabilidad de emulsiones
Sobre la estabilidad de las emulsiones se ha supuesto que, dado que es un pro-
ceso termodinamico, la tasa de disminucion del area total de la interfase esta direc-
tamente relacionada con el tiempo y la temperatura (Levius y Drommond, 1953).
Sin embargo, el mismo estudio senala que a temperaturas por debajo de 60 ◦C el
10
efecto de la temperatura es bajo. El proceso de desestabilizacion puede ser iniciado
por una agregacion de las partículas de la fase discontinua, que pueden permanecer
dispersos o flocular, que eventualmente haría que la flotacion (o sedimentacion si
el aceite es mas pesado que el agua) resulte en un enclarecimiento de la fase con-
tinua (Garrett, 1965). Como lo describe esta fuente, este proceso es referido como
“cremado”.
2.2.1.1. I´ndice de cremado
La determinacion del ındice de cremado (IC) es un metodo visual directo de
medicion de la separacion gravitacional de las emulsiones, empleada para evaluar su
estabilidad física (McClements, 2008b). En la Tabla 5 se muestran algunos ejemplos
de investigaciones en alimentos que emplearon el ındice de cremado durante la
evaluacion de la estabilidad de las emulsiones.
Cuadro 5: Investigaciones que emplean el ´ındice de cremado en emulsiones alimentarias
Sistema (emulsion) Tecnología de preparacion Tiempo de observacion (días) Referencia
Emulsion modelo o/w de aceite de mangostan Agitacion lenta 60 Zarena et al. (2012)
Emulsion modelo o/w de aceite de maiz Agitacion de alta velocidad 1 Jang y Chin (2011)
Emulsion modelo o/w de acido oleico Agitacion de alta velocidad 7 Samavati et al. (2012)
Emulsion modelo o/w de aceite de soya Agitacion de alta velocidad 1 Yu et al. (2012)
Bebida emulsionada Agitacion de alta velocidad 60 Cheong et al. (2014)
Emulsion modelo o/w de aceite de linaza Agitacion de alta velocidad + Microfluidizacion 7 Kartal et al. (2016)
Emulsion modelo o/w de aceite de soya Agitacion de alta velocidad + bomba de alta presion 9 X. Chen et al. (2016)
Emulsion modelo o/w de aceite de soya Agitacion de alta velocidad + bomba de alta presion 1 Kulmyrzaev et al. (2000)
Emulsion modelo o/w de aceite de girasol Agitacion de alta velocidad 180 Quintana et al. (2002)
Emulsion modelo o/w de aceite de menhanden Agitacion de alta velocidad + Microfluidizacion 180 Chen et al. (2010)
Emulsion modelo o/w de soya Agitacion de alta velocidad + Microfluidizacion 4 Shen y Tang (2012)
Emulsion modelo o/w de maız Bomba de alta presion 15 N. Chen et al. (2013)
Alino para ensalada (modelo) Agitacion de alta velocidad 15 Pero et al. (2014)
Emulsion modelo o/w de soya Agitacion de alta velocidad 10 Li et al. (2016)
Emulsion modelo o/w de soya Agitacion de alta velocidad + Microfluidizacion 14 Intarasirisawat et al. (2016)
Emulsion modelo o/w de pescado Agitacion a alta velocidad + ultra alta presion 30 Cheng et al. (2017)
Emulsion modelo o/w de aceite de girasol Agitacion de alta velocidad + Microfluidizacion 40 Arancibia et al. (2011)
Emulsion modelo o/w de aceite de soya Agitacion de alta velocidad + Microfluidizacion 7 Liang y Tang (2013)
Emulsion modelo o/w de trigliceridos de cadena media Agitacion a alta velocidad + ultra alta presion 30 H. M. Chen et al. (2015)
Emulsion modelo o/w de pescado Agitacion de alta velocidad 2 Vasile et al. (2016)
Bebida emulsionada de acido linoleico (modelo) Agitacion de alta velocidad 49 Nikbakht Nasrabadi et al. (2016)
Emulsion modelo o/w de aceite de salvado de arroz Agitacion de alta velocidad 14 Piriyaprasarth et al. (2016)
Emulsion modelo o/w de aceite de girasol Agitacion de alta velocidad + bomba de alta presion 7 Sarkar et al. (2016)
Nanoemulsiones modelo o/w de diferentes aceites esenciales Agitacion de alta velocidad + Microfluidizacion 56 Guerra-Rosas et al. (2016)
Emulsion modelo o/w de aceite de soya Agitacion de alta velocidad 28 Najaf Najafi et al. (2016)
Emulsion modelo o/w de aceite de girasol Agitacion de alta velocidad + ultrasonido 7 de Figueiredo Furtado et al. (2017)
Emulsion modelo o/w de aceite de maız Agitacion de alta velocidad 15 Krstonosic et al. (2009)
Emulsion modelo o/w de aceite de menhaden Agitacion de alta velocidad 6 Sun y Gunasekaran (2009)
Emulsion modelo o/w de aceite de soya Agitacion de alta velocidad + bomba de alta presion 37 Y. Wang et al. (2011)
Emulsion modelo o/w de aceite de maız Agitacion de alta velocidad + ultrasonido 28 Koocheki y Kadkhodaee (2011)
Emulsion modelo o/w de aceite de girasol Agitacion de alta velocidad 1 Seta et al. (2013)
Emulsion modelo o/w de aceite de girasol Agitacion de alta velocidad 28 Hosseini et al. (2015)
Emulsion modelo o/w de aceite de soya Agitacion de alta velocidad + bomba de alta presion 7 B. Wang et al. (2010)
Alino italiano para ensalada No especifica (muestras compradas) 9 Perrechil et al. (2010)
Emulsion de Pickering o/w (modelo) de aceite de girasol Agitacion de alta velocidad 3 Kargar et al. (2012)
Emulsion modelo o/w de aceite de pescado Agitacion de alta velocidad + bomba de alta presion 28 Liu et al. (2015) Emulsion modelo o/w de aceite de soya Agitacion de alta velocidad 7 Udomrati et al. (2016)
Emulsion modelo o/w de aceite esencial de naranja Agitacion de alta velocidad 30 Torre-A lvarez et al. (2016)
Emulsion modelo o/w de aceite de girasol Agitacion de alta velocidad 14 Pirestani et al. (2017)
11
12
2.2.1.2. Tamano de partícula
La estabilidad de las emulsiones puede evaluarse empleando variables que des-
criben el sistema f ısico, así la estabilidad de las emulsiones (Abisma ıl et al., 1999)
depende de:
Tamano de partícula
Diferencia de densidad entre las fases dispersa y continua
Viscosidad de la fase continua, y sobre todo
Repulsion electrostatica y/o esterica entre las partículas (para la cual el sur-
factante juega un rol principal).
No obstante, es sabido que un pequeno tamano de partícula no indica invaria-
blemente la estabilidad de la emulsion, aunque en general, un pequeno tamano in-
crementa la estabilidad (Levius y Drommond, 1953). Los mismos autores indican
que el incremento en la viscosidad incrementa la estabilidad, pero no se puede sacar
una regla definitiva a partir de aquello.
Las variables independientes que afectan el tamano de partícula (Abismaıl et al.,
1999) son:
Tiempo de emulsificacion,
Concentracion de surfactante (emulsificante),
Potencia consumida y
Fraccion de volumen de aceite.
Respecto de la potencia y energía empleada en el proceso, existe una cantidad
optima de energía necesaria para incrementar la superficie especıfica (Higgins y
Skauen, 1972). Si este nivel no se alcanza, no se alcanza la superficie espec ıfica
maxima. Si se excede de este optimo, puede no obtenerse la superficie especıfica
13
maxima. Respecto del tiempo, la misma fuente senala que para periodos de proce-
samiento cortos (180 s), la mayor potencia produce mayores superficies espec ıficas.
Concluye estableciendo que los efectos del HLB y parametros de surfactante pare-
cen ser mas importantes que el parametro potencia.
Ademas, existen otros factores que afectan el tamano de partícula durante la
emulsificacion con ultrasonido (Nguyen et al., 2013):
Tipos de emulsificantes y
Duracion de la sonicacion.
A partir de estas consideraciones se determinaran los parametros tecnologicos y
de formulacion que se estudiaran en la preparacion de las emulsiones en la parte
experimental.
2.2.2. El proceso de emulsificacion convencional
Los vocablos “emulsificadores” y “homogeneizadores” son generalmente usa-
dos de forma intercambiable para equipos usados para producir emulsiones (Fellows,
2000). La emulsificacion u homogeneizacion se debe realizar de acuerdo a las ca-
racter ısticas finales del producto que se busca conseguir. Para seleccionar un equipo
se debe tener en cuenta muchos factores, incluyendo el equipo disponible, el sitio
del proceso (fabrica o laboratorio), las propiedades fisicoquímicas de los materiales
iniciales y el producto final, el volumen del material a ser procesado, la capacidad
de produccion, el tamano deseado de gota del producto final, y el costo de comprar
y operar el equipo (McClements, 2008a).
Los mezcladores de alta velocidad son los mas comunmente usados para ho-
mogeneizar directamente aceite y fases acuosas (McClements, 2008a). Segun estos
autores, las fases se colocan en un contenedor adecuado y agitadas por un agitador
que rota a altas velocidades. Estos equipos usan turbinas o helices para pre-mezclar
las emulsiones de lıquidos de baja viscosidad, operando por accion de cizalladura
14
sobre el alimento en los bordes y puntas de las paletas (Fellows, 2000). Estos mez-
cladores de alta velocidad son particularmente utiles para preparar emulsiones de
viscosidad baja o intermedia, tıpicamente con gotas entre 1 y 10 µm de diametro
(McClements, 2008a).
2.2.3. El proceso de emulsificacion por ultrasonido
La emulsificacion por ultrasonido emplea ondas ultrasonicas de alta intensidad
que cuando se aplican a una muestra que contiene aceite y agua, causan que los
dos l ıquidos se entremezclen y que las gotas grandes formadas se rompan en gotas
pequenas (McClements, 2008a). Los homogeneizadores ultrasonicos usan ondas de
sonido de alta frecuencia (18 – 30 kHz) para causar ciclos alternados de compresion
y tension en lıquidos de baja viscosidad y cavitacion de burbujas de aire, para formar
emulsiones con un tamano de gotas de 1 – 2 µm (Fellows, 2000). Hay dos tipos
de homogeneizadores comunmente utilizados en la industria alimentaria (Gopal,
1968), que describen a continuacion:
Los homogeneizadores ultrasonicos que emplean transductores piezo electri-
cos, que son usados en muchos laboratorios. Son ideales para preparar pe-
quenos volumenes (desde unos pocos mililitros a pocos cientos de mililitros),
una propiedad que es generalmente importante en investigacion fundamental
cuando se utilizan componentes caros. El transductor ultrasonico consiste de
un cristal piezoelectrico contenido en alguna forma de cubierta metalica pro-
tectora que esta ahusada en su extremo. Una onda electrica de alta intensidad
es aplicada al transductor, lo que causa que el cristal piezoelectrico que esta
adentro oscile y genere una onda ultrasonica. La onda ultrasonica es dirigida
hacia la punta del transductor, desde donde irradia a los l ıquidos circundantes,
generando presion intensa y gradientes de cizalladura (principalmente debido
a efectos de cavitacion) que causan que los lıquido se rompan en fragmentos
mas pequenos y se entremezclen uno con otro. Es usualmente necesario irra-
15
diar una muestra con ultrasonido por unos pocos segundos a unos pocos mi-
nutos para crear una emulsion estable. La aplicacion continua de ultrasonido
a una muestra puede causar calentamiento apreciable, y así es mas ventajoso
aplicar el ultrasonido en un numero de rafagas cortas.
Los homogeneizadores ultrasonicos de chorro lıquido, que son usados prin-
cipalmente para aplicaciones industriales. En estos, una corriente de fluido
se hace incidir en una hoja de borde afilado, lo que causa que la hoja vibre
rapidamente generando así un intenso campo ultrasonico que rompe cual-
quier gota en su cercanía a traves de una combinacion de cavitacion, cizalla y
turbulencia.
Este ultimo tipo de emulsificador ultrasonico tiene tres principales ventajas (McClements,
2008a): puede ser usado para produccion continua de emulsiones; puede generar
gotas muy pequenas; y es mas energeticamente eficiente que los homogeneizado-
res de valvula de alta presion (ya que se necesita menos energía para formar gotas
del mismo tamano). Las dos fases de la emulsion son bombeadas a traves del ho-
mogeneizador a presiones de 340 – 1400 x 103 Pa (Fellows, 2000). La frecuencia
de la vibracion es controlada ajustando la posicion de sujecion de la hoja metalica
vibrante. Este tipo de homogeneizador es usado para la produccion de cremas para
ensalada, helado, cremas sinteticas, alimento para bebes y emulsiones de aceites
esenciales. Este tambien puede ser usado para dispersar polvos en lıquidos.
2.2.3.1. Ventajas y desventajas en relacion al proceso convencional
Varias investigaciones sugieren los potenciales beneficios ofrecidos por la emul-
sificacion ultrasonica sobre la emulsificacion convencional (Tadros et al., 2004; Ma-
son, 1996; Kentish et al., 2008; Delmas et al., 2011; Chemat et al., 2011; Tang et
al., 2013). Las ventajas son:
Las emulsiones que se obtienen tienen un tamano de partícula mas pequeno.
16
Las emulsiones son mas estables.
La cantidad de surfactante o estabilizante requerida es mas reducida por el
menor tamano de partícula.
El proceso es energeticamente mas eficiente.
Menor costo de produccion.
Menos probabilidades de contaminacion.
Facilidad de operacion, limpieza y control del equipo.
En cuento a sus desventajas, se ha senalado que un tiempo de procesamiento
excesivo (por encima de un optimo) puede resultar en coalescencia de las gotas y
formacion de gotas mas grandes (Kentish et al., 2008). Igualmente algunos estudios
indican que algunas emulsiones de aceites comestibles podrían tener algunos signos
de deterioro, como olor rancido (Chemat, Grondin, Sing, y Smadja, 2004).
El desarrollo de la investigacion (Rajagopal, 1958) refleja que los tamanos de
las partículas formadas en la emulsificacion ultrasonica mostraron ser del mismo
orden ( 1 µm) que las obtenidas en molinos coloidales, mientras otros (Higgins y
Skauen, 1972) establecen que con ultrasonido se produce emulsiones aceite en agua
con un muy pequeno tamano de partícula, que son superiores a aquellas preparadas
por un molino coloidal (homogeneizador Eppenback) para el sistema estudiado.
Investigaciones mas recientes (Spinelli et al., 2010) (usando un aceite mode-
lo de hidrocarburos y alcoholes lauriletoxilados como surfactantes con valores de
HLB de 10 a 12), aunque confirman que con el ultrasonido se obtiene un tamano de
nanopartícula mas pequeno, indican que la estabilidad de las emulsiones se mejoro
con un pre-procesamiento en el agitador de cizalladura; y que las nanoemulsiones
mas estables se obtuvieron usando un homogeneizador de cizalladura. Por ello es
importante estudiar la estabilidad de las emulsiones producidas por ultrasonido te-
niendo en cuenta los parametros del proceso y los parametros de formulacion de
17
la emulsion, así como el pre-procesamiento, para dilucidar si resultan mas estables
que las obtenidas por el metodo convencional.
2.2.4. Aceites empleados en la presente investigacion
A continuacion se describen las principales caracterısticas de los aceites em-
pleados para el desarrollo de esta tesis.
2.2.4.1. Aceite de oliva
El olivo (Olea europaea L.) es una planta cultivada inicialmente en los pa ıses
del Mediterraneo, llevada luego por los espanoles a America. Los frutos del olivo se
diferencian de otras frutas drupas en que tiene poco contenido de azucar y un alto
contenido de aceite, por lo que al momento de la cosecha la pulpa contiene 60 % de
agua, 30 % de aceite, hasta 4 % de azucares y 3 % de proteına, siendo el resto fibra y
cenizas (Kailis y Kiritsakis, 2017). Se ha reconocido (Agostoni et al., 2011) que el
consumo diario de polifenoles de oliva (5 mg·día−1) disminuye el riesgo de padecer
enfermedad cardiovascular, al reducir la peroxidacion de la sangre.
La produccion de oliva en Peru entre 2012 y 2016 fue de 79361 toneladas,
siendo la region de Tacna la principal productora (71 % del total nacional), segui-
da de Arequipa (21 %) (Ministerio de Agricultura y Riego, 2017b). En el mismo
perıodo solo 5 % de la produccion ingreso a una planta para producir aceite de oliva
(Ministerio de Agricultura y Riego, 2017a). Solo 0.03 % de la produccion nacional
se exporto como aceite de oliva virgen en el mismo periodo (Comision de Promo-
cion del Peru para la Exportacion y el Turismo, 2018).
En el Cuadro 6 se muestra la composicion de acidos grados del aceite de oliva
obtenido de diferentes variedades de la planta, incluyendo algunas marcas comer-
ciales que se venden en Peru.
Cuadro 6: Composicion (en porcentaje de acidos grasos) del aceite de oliva
Variedad/Aceite Palm´ıtico Palmitoleico Estearico Oleico Linoleico Linolenico Referencia
Kalamata 10.6 0.7 1.9 75.8 9.2 0.6 Sweeney et al. (2002)
Manzanilla de Sevilla 13.1 1.4 3.0 74.5 6.1 0.6 Sweeney et al. (2002)
Nevadillo Blanco 13.1 0.7 1.5 68.9 14.0 0.8 Sweeney et al. (2002)
Picual 13.8 1.3 2.5 77.2 3.9 0.6 Sweeney et al. (2002)
Arbequina 16.1 2.3 1.7 68.5 9.7 0.5 Sweeney et al. (2002)
Santa Katerina 13.9 2.1 2.6 70.4 8.2 2.8 Mamedova y Aslanov (1985)
Agostino 12.6 1.8 2.4 72.4 8.0 2.7 Mamedova y Aslanov (1985)
Ragiakhi 12.0 2.3 2.7 70.5 9.5 2.9 Mamedova y Aslanov (1985)
Cornicabra 9.22 0.77 3.36 80.4 4.46 0.62 Aranda et al. (2004)
Aceite comercial “Alamein” 12.8 1.4 2.0 68.5 15.3 ND Henandez Fernandez et al. (1999)
Aceite comercial “Carbonel” 9.1 1.1 2.7 78.5 8.5 ND Henandez Fernandez et al. (1999)
18
19
2.2.4.2. Aceite de sacha inchi
El sacha inchi (Plukenetia volubilis L.), tambien conocido como manı del inca
o inca inchi, es una planta salvaje, trepadora, semilenosa, perenne y oleaginosa de
la familia Euphorbiaceae que crece en las junglas tropicales de America a altitudes
entre 200 y 1500 m (Guillen et al., 2003). La planta crece como una vina y produce
frutas tetralobulares con loculos que contienen una semilla cada uno con cotiledon
blanco y una cubierta dura, como de nuez (Hamaker et al., 1992).
Aunque no es una planta cultivada, las semillas recolectadas en el bosque han
sido por largo tiempo un componente de las dietas de los chancas y otros grupos
tribales de la region (Hamaker et al., 1992). Esta legumbre tiene semillas de forma
lenticular, que son ricas en aceite y proteınas y contiene sustancias termolabiles
con un samor amargo. Ha sido tradicionalmente consumida por los nativos de Peru
(Guillen et al., 2003). Es comida ya sea tostada o molida y mezclada con harina de
ma ız y pimientos (Capsicum spp.) (Hamaker et al., 1992) mientras que las hojas
tiernas cocidas tambien se consumen. Sin embargo, esta planta ha sido raramente
estudiada y su importancia desde el punto de vista nutricional y funcional es aun
objeto de investigacion (Guillen et al., 2003).
Se reportado previamente la composicion del aceite de sacha inchi, que se mues-
tra en el Cuadro 7, donde ND indica que no se ha realizado el analisis.
Cuadro 7: Composicion (en porcentaje de acidos grasos) del aceite de sacha inchi
Hamaker et al. (1992) Bondioli et al. (2006) Gutierrez et al. (2011) Fanali et al. (2011) Ruiz et al. (2013) Maurer et al. (2012)
A cidos saturados
Mir´ıstico 0.0 ND ND ND ND ND
Palm´ıtico 4.5 3.79 4.4 4.3 3.8 4.67
Estearico 3.2 2.65 2.4 3.0 2.3 3.5
A cidos insaturados
Palmitoleico 0.0 0.06 ND ND ND ND
Oleico 9.6 8.77 9.1 9.0 8.7 10.7
Linoleico 36.8 33.67 33.4 36.2 34.6 33.5
Linolenico 45.2 50.73 50.8 46.8 50.6 44.0
Gadoleico 0.0 ND ND ND ND ND
Eicosanoico ND 0.07 ND ND ND ND
Eicosenoico ND 0.26 ND ND ND ND
Vaccenico ND ND ND 0.6 ND ND
20
Algunas propieades fisicoquímicas determinadas para el aceite crudo de sacha
inchi (Gutierrez et al., 2011) fueron el ındice de yodo (193.1 g·100 g−1), ındice de
saponificacion (185.2 mg KOH·g−1), ındice refractario a 25 ◦C (1.4791), densidad
a 25 ◦C (0.9187 g·mL−3) y viscosidad a 20 ◦C (mPa·s) .
2.2.4.3. Aceite de coco
El aceite de coco (Cocos nucifera L.) se obtiene de la copra, que es la almendra
seca de la fruta, que contiene 34 % de aceite (Foster et al., 2009). La composicion
de acidos grasos de diferentes especies de coco se muestra en el Cuadro 8, donde
se muestran datos para la variedad West African tall green (fresco) (Akpan et al.,
2006). De la misma forma se muestran datos de la variedad Malayan red dwarf
(Laureles et al., 2002).
El aceite de coco contiene cantidades traza de tocoles y grandes cantidades de
esteroles (836.4 mg·kg−1), aunque la presencia y cantidad varían significativamente
(Foster et al., 2009). Los mismos autores indican que el aceite de coco es oxidativa-
mente muy estable por su alto contenido de grasas saturadas.
Se ha senalado (A. Marina et al., 2009) que el aceite virgen de coco tiene mas
efectos beneficos para la salud al tener un mayor potencial antioxidante que el aceite
de coco RBD1. El aceite RBD perdería algunos compuestos biologicamente activos,
como los compuestos fenolicos. Sin embargo, los profesionales de salud del Reino
Unido recomendaron que el aceite de coco y los productos que lo contienen deberían
ser consumidos con moderacion (Foster et al., 2009). El ındice de yodo del aceite
virgen de coco oscilo entre 4.47 a 8.55, el ındice de saponificacion entre 250.07 a
260.67 mg KOH·g−1, el ındice de peroxido entre 0.21 a 0.57 meq O2·kg−1, el ındice
de anisidina entre 0.16 a 0.19, el contenido de acidos grasos libres entre 0.15 a 0.25
y el contenido de compuestos fenolicos totales de 7.78 a 29.18 mg GAE2·100 g−1
(A. M. Marina et al., 2009).
1Aceite refinado, blanqueado y desodorizado 2Equivalentes de acido galico
21
Cuadro 8: Composicion (en porcentaje de acidos grasos) del aceite de coco
A cido grasos
A cidos grasos saturados
Kumar (2011) Akpan et al. (2006) Laureles et al. (2002) Pham et al. (1998) Ghosh et al. (2014)
A cido caproico 0.08-0.49 0.20 0.43 ND 0.08
A cido caprılico 2.77-7.21 8.50 6.26 0.91 0.13
A cido caprico 3.46-5.94 9.00 5.65 3.78 3.50
A cido laurico 42.42-52.52 40.00 49.33 50.92 51.88
A cido mirıstico 18.12-23.05 12.50 19.04 21.09 21.86
A cido palmıtico 7.59-12.99 10.00 8.95 9.46 9.12
A cido estearico 2.45-4.07 2.50 ND 4.88 2.71
A cido araquıdico 0.02-0.31 ND ND ND ND
A cidos grasos insaturados
A cido palmitoleico 0.05-3.90 ND ND ND ND
A cido araquidonico ND 1.50 ND ND ND
A cido oleico 4.92-10.86 6.50 ND 8.39 8.82
A cido linoleico 0.14-2.80 2.50 3.41 0.56 1.90
A cido linolenico 0.05-0.14 ND ND ND ND
22
2.2.5. Formulacion de alinos para ensaladas
La norma tecnica peruana de requisitos generales pasa las salsas condimentado-
ras (Indecopi, 2012) da la siguiente definicion para este tipo de productos: “Es el
producto final elaborado a base de especias y/o condimentos, mezclados con otros
productos alimenticios dispersados en agua, aceite, vinagre y/o alm ıbares, que pre-
sentan una consistencia definida”. El alino italiano para ensaladas (Italian dressing)
sería considerado una salsa compuesta, en la medida que es un producto emulsi-
ficado y la misma norma define estos tipos de salsa de esta manera: “Es aquella
elaborada mediante un acondicionamiento especial de los ingredientes, por ejemplo
emulsificacion.” Otros requisitos que senala la norma con respecto a la formulacion
son:
Sal y/o azucar de acuerdo al producto.
Acidez volatil (fase acuosa), mınimo 2.5 % expresado en acido acetico.
Acentuadores de sabor: glutamato monosodico en las dosis permitidas.
Conservadores: acido benzoico y sus sales (0.1 %, maximo), acido sorbico
y sus bases (0.1 %, maximo), dioxido de azufres (0.01 %, maximo), acido
cıtrico (2.5 %, maximo).
Otros aditivos: Tales como espesantes, gomas, emulsificantes, estabilizadores
y secuestrantes, en cantidades maximas permitidas por las autoridades com-
petentes.
23
Capítulo 3 Materiales
y metodos
3.1. Diseno experimental
Con el fin de realizar esta investigacion se realizaron 5 experimentos, que son:
1. Efecto de los par ametros tecnologicos de la emulsificacion por ultrasonido.
2. Efecto de los par ametros tecnologicos de la emulsificacion convencional.
3. Efecto de los par ametros de formulacion sobre la estabilidad de emulsiones
preparadas por ultrasonido.
4. Efecto de la concentraci on de NaCl, pH y pre-tratamiento convencional en
una emulsion aceite de oliva preparada mediante ultrasonido.
5. Evaluaci on sensorial de una emulsion (aderezo para ensaladas) preparada con
los parametros determinados como optimos para la emulsificacion ultrasoni-
ca.
La Figura 1 muestra un diagrama general indicando la secuencia de los experi-
mentos. La Figura 2 presenta el esquema experimental (diagrama de burbujas).
24
Figura 1: Diagrama general de los experimentos
25
Figura 2: Esquema experimental
26
27
Los dos primeros experimentos buscaron determinar los valores optimos de los
parametros de procesamiento tanto de la emulsificacion por ultrasonido y la con-
vencional, para los equipos que se utilizaron. La principal variable de respuesta fue
el ındice de cremado y el tamano de partícula. Ademas se determinaron los valores
de pH, acidez e ındice de peroxido.
3.1.1. Efecto de los parametros tecnologicos de la emulsificacion
con ultrasonido
Se empleo un diseno de Box-Behnken de tres factores a tres niveles con 3 puntos
centrales. El Cuadro 9 muestra el diseno del experimento (codificado). Cada corrida
se realizo por duplicado.
Donde:
A: Tiempo de procesamiento.
B: Potencia de ultrasonido.
C: Diametro del sonotrodo.
Los valores de los niveles codificados para los factores se muestran en el Cuadro
10.
Durante la preparacion de las muestras experimentales, se aleatorizo el orden de
las corridas del Cuadro 10 para garantizar un diseno aleatorio. La Figura 3 muestra
el diagrama experimental para evaluar el efecto los parametros tecnologicos de la
emulsificacion ultrasonica.
3.1.2. Efecto de los parametros tecnologicos de la emulsificacion
convencional
Se empleo un diseno factorial de 2 variables y 3 niveles (32). El Cuadro 11
muestra el diseno del experimento (codificado).
28
Cuadro 9: Diseno del experimento de evaluacion de los parametros del proceso con
ultrasonido
Corrida A B C
1 -1 -1 0
2 1 -1 0
3 -1 1 0
4 1 1 0
5 -1 0 -1
6 1 0 -1
7 -1 0 1
8 1 0 1
9 0 -1 -1
10 0 1 -1
11 0 -1 1
12 0 1 1
13 0 0 0
14 0 0 0
15 0 0 0
Cuadro 10: Parametros del experimento para determinar el efecto de los parametros
tecnologicos de la emulsificacion ultrasonica
Parametro (factor) del proceso Nivel Codigo en el diseno
Tiempo de procesamiento (s) 60 -1 180 0 300 1
Potencia de ultrasonido (W) 300 -1 350 0 400 1
Diametro del sonotrodo (mm) 8 -1 10 0 12 1
29
Figura 3: Diagrama experimental para evaluar el efecto los parametros tecnologicos
de la emulsificacion ultrasonica
Cuadro 11: Diseno del experimento de evaluacion de los parametros del proceso
convencional
Corrida X1 X2 1 -1 -1
2 0 -1
3 1 -1
4 -1 0
5 0 0
6 1 0
7 -1 1
8 0 1
9 1 1
30
Cuadro 12: Parametros para la evaluacion del proceso convencional
Parametro (factor) del proceso Nivel Codigo en el diseno
Tiempo de procesamiento (s) 60 -1 180 0 300 1
Nivel de velocidad (RPM) Baja (15000) -1 Media (20000) 0 Alta (25000) 1
Donde:
X1: Tiempo de procesamiento.
X2: Nivel de velocidad.
Los valores de los niveles codificados para los factores se muestran en el Cuadro
12. Durante la preparacion de las muestras experimentales, se aleatorizara el orden
de las corridas del Cuadro 12 para garantizar un diseno aleatorizado. En la Figura 4
se muestra el diagrama experimental del experimento para determinar el efecto de
los parametros tecnologicos de la emulsificacion convencional.
3.1.3. Efecto de los parametros de formulacion de la emulsion
Se empleo un diseno factorial de 2 × 2 × 2 × 3. Los parametros tecnologicos
que se emplearon fueron los determinados como optimos de acuerdo a los resultados
del primer experimento con ultrasonido.
El Cuadro 13 muestra el diseno del experimento (codificado). La lecitina y el
Tween 20 (monolaurato de polioxietilsorbitano, HLB = 16.9) fueron empleados
como emulsionantes debido a su uso comercial en la industria alimentaria.
La codificacion de los factores es la siguiente:
A: Tipo de emulsificante.
B: Concentracion de emulsificante.
31
Figura 4: Diagrama experimental para evaluar el efecto los parametros tecnologicos
de la emulsificacion convencional
32
Cuadro 13: Diseno del experimento para determinar el efecto de los parametros de
formulacion sobre estabilidad de emulsiones producidas por ultrasonido
Corrida A B C D
1 1 1 1 1
2 1 1 1 2
3 1 1 1 3
4 1 1 2 1
5 1 1 2 2
6 1 1 2 3
7 1 2 1 1
8 1 2 1 2
9 1 2 1 3
10 1 2 2 1
11 1 2 2 2
12 1 2 2 3
13 2 1 1 1
14 2 1 1 2
15 2 1 1 3
16 2 1 2 1
17 2 1 2 2
18 2 1 2 3
19 2 2 1 1
20 2 2 1 2
21 2 2 1 3
22 2 2 2 1
23 2 2 2 2
24 2 2 2 3
33
Cuadro 14: Parametros para evaluar el efecto de la formulacion de emulsiones
Parametro (factor) del proceso Nivel Codigo en el diseno
Tipo de emulsificante Lecitina 1 Tween 20 2
Concentracion de emulsificante ( %) 1 1 3 2
Fraccion de volumen de aceite ( %) 10 1 15 2
Aceite Oliva 1 Sacha inchi 2 Coco 3
C: Fraccion de volumen de aceite.
D: Aceite.
Los valores de los niveles codificados para los factores se muestran en el Cuadro
14. Durante la preparacion de las muestras experimentales, se aleatorizo el orden
de las corridas del Cuadro 14 para garantizar un diseno aleatorio. En la Figura 5 se
muestra el diagrama experimental del experimento para determinar el efecto de los
parametros de formulacion sobre la estabilidad de emulsiones preparadas por
ultrasonido.
3.1.4. Efecto de la concentracion de NaCl, pH y pre-tratamiento
en una emulsion preparada con aceite de oliva
Se empleo un diseno factorial completo 23 con 4 puntos centrales. El Cuadro
15 muestra el diseno del experimento (codificado). Cada corrida se realizo por du-
plicado. Para el pre-tratamiento a alta velocidad se emplearon diferentes tiempos a
20000 RPM, mientras que para la emulsificacion con ultrasonido se empleo el so-
notrodo de 12 mm de diametro, 390 watts de potencia y 270 s de tratamiento, que
fueron los valores optimos determinados en el primer experimento (Efecto de los
parametros tecnologicos de la emulsificacion por ultrasonido).
La codificacion de los factores es la siguiente:
34
Figura 5: Diagrama experimental para evaluar el efecto los parametros de formula-
cion de emulsiones
Cuadro 15: Diseno del experimento para determinar el efecto de la concentracion
de NaCl, pH y pre-tratamiento sobre la estabilidad de las emulsiones
Corrida A B C
1 -1 -1 -1
2 1 -1 -1
3 -1 1 -1
4 1 1 -1
5 -1 -1 1
6 1 -1 1
7 -1 1 1
8 1 1 1
9 0 0 0
10 0 0 0
11 0 0 0
12 0 0 0
35
Cuadro 16: Parametros para evaluar el efecto de la concentracion de NaCl, pH y
pre-tratamiento en emulsiones
Parametro (factor) del proceso Nivel Codigo en el diseno
Concentracion de NaCl ( %) 1 -1 2 0 3 1
pH 3.8 -1 5.4 0 7.0 1
Pre-tratamiento (s) 0 -1 90 0 180 1
A: Concentracion de cloruro de sodio (NaCl)
B: pH.
C: Pre-tratamiento.
Los valores de los niveles codificados para los factores se muestran en el Cuadro
16.
Durante la preparacion de las muestras experimentales, se aleatorizo el orden de
las corridas del Cuadro 15 para garantizar un diseno aleatorio. La Figura 6 muestra
el diagrama experimental del experimento para determinar el efecto de la concen-
tracion de NaCl, pH y pre-tratamiento convencional en una emulsion aceite de oliva
preparada mediante ultrasonido.
3.1.5. Evaluacion sensorial de una emulsion preparada con los
parametros determinados como optimos
Se empleo una formulacion de aderezo cremoso italiano para ensaladas (Ward
et al., 2006) pero empleando aceite de sacha inchi. La formulacion empleada se
muestra en el Cuadro 17.
La emulsion fue preparada empleando los parametros de emulsificacion ul-
trasonica determinados como optimos (sonotrodo de 12 mm de diametro, 390 watts
36
Figura 6: Diagrama experimental para evaluar el efecto de la concentracion de NaCl,
pH y pre-tratamiento convencional
37
Cuadro 17: Formulacion de la emulsion modelo (aderezo italiano cremoso para
ensaladas)
Componente Porcentaje (en peso)
Agua 66.15
Vinagre blanco 7.00
Leche en polvo descremada 5.00
Azucar 4.50
Maltodextrina 4.50
Aceite de sacha inchi 10.00
Sal (NaCl) 1.50
Goma xantana 1.35
de potencia y 270 s de tiempo). Se evaluo sensorialmente. La Figura 7 muestra el
diagrama experimental del experimento para evaluar sensorialmente una emulsion
(aderezo para ensaladas) preparada con los parametros determinados como optimos
para la emulsificacion ultrasonica.
3.2. Niveles de las variables para cada experimento
En los Cuadros 18, 19, 20, y 21 se presentan los diagramas de diseno de los
experimentos que comprenden la tesis siguiendo los lineamientos para diagramas
de diseno de experimentos (DDE) (Univerisity of Florida, 2013). Dado que para
la presente investigacion se requirieron de varios experimentos, se presentan los
respectivos diagramas en diferentes cuadros.
Tıtulo del experimento 1: Efecto de los parametros tecnologicos de la emulsi-
ficacion por ultrasonido
Variables dependientes del experimento 1: ´Indice de cremado ( %), ´ındice de
peroxido, tamano de partícula, acidez, pH.
Constantes del experimento 1: Temperatura (ambiente), formulacion (10 %
aceite de oliva, 1 % de lecitina de soya), proteccion de la luz (todas las muestras se
almacenaron en un recipiente de plastico oscuro).
Tıtulo del experimento 2: Efecto de los parametros tecnologicos de la emulsi-
38
Figura 7: Diagrama experimental para evaluar sensorialmente una emulsion prepa-
rada con los parametros optimos de tratamiento ultrasonico
Cuadro 18: Diagrama de diseno del experimento para evaluar los parametros tec-
nologicos de la emulsificacion ultrasonica
Variable independiente 1: Tiempo (s)
Niveles: 60 180 300
Repeticiones: 2
Variable independiente 2: Potencia de ultrasonido (W)
Niveles: 300 350 400
Repeticiones: 2
Variable independiente 3: Diametro del sonotrodo (mm)
Niveles: 8 10 12
Repeticiones: 2
39
Cuadro 19: Diagrama de diseno del experimento para evaluar los parametros tec-
nologicos de la emulsificacion convencional
Variable independiente 1: Tiempo (s)
Niveles: 60 180 300
Repeticiones: 2
Variable independiente 2: Nivel de velocidad (RPM)
Niveles: Baja (15000) Media (20000) Alta (25000)
Repeticiones: 2
ficacion convencional
Variables dependientes del experimento 2: Indice de cremado, ındice de peroxi-
do, tamano de partícula, acidez, pH.
Constantes del experimento 2: Temperatura (ambiente), formulacion (10 %
aceite de oliva, 1 % alginato de propilenglicol), proteccion de la luz (todas las mues-
tras se almacenaron en un recipiente de plastico oscuro).
Tıtulo del experimento 3: Efecto de los parametros de formulacion sobre la
estabilidad de emulsiones preparadas por ultrasonido
Cuadro 20: Diagrama de diseno del experimento para evaluar el efecto de los
parametros de formulacion sobre la estabilidad
Variable independiente 1: Emulsificante
Niveles: Lecitina Tween 20
Repeticiones: 2
Variable independiente 2: Concentracion de emulsificante ( %)
Niveles: 1 3
Repeticiones: 2
Variable independiente 3: Fraccion de volumen de aceite ( %)
Niveles: 10 15
Repeticiones: 2
Variable independiente 4: Aceite
Niveles: Oliva Sacha inchi Coco
Repeticiones: 2
Variables dependientes del experimento 3: Indice de cremado, tamano de
partícula, acidez, pH.
Constantes del experimento 3: Temperatura (ambiente), parametros tecnologi-
40
cos del proceso ultrasonico (sonotrodo de 12 mm de diametro, 390 watts de potencia
y 270 s de tiempo), proteccion de la luz (todas las muestras se almacenaron en un
recipiente de plastico oscuro).
Tıtulo del experimento 4: Efecto de la concentracion de NaCl, pH y pre-
tratamiento en una emulsion preparada con aceite de oliva preparada mediante ul-
trasonido
Cuadro 21: Diagrama de diseno del experimento para evaluar la concentracion de
NaCl, pH y pre-tratamiento sobre la estabilidad de una emulsion
Variable independiente 1: Concentracion de NaCl ( %)
Niveles: 1 2 3
Repeticiones: 2
Variable independiente 2: Nivel de pH
Niveles: 3.8 5.4 7.0
Repeticiones: 2
Variable independiente 3: Tiempo de pre-tratamiento (s)
Niveles: 0 90 180
Repeticiones: 2
Variables dependientes del experimento 4: Indice de cremado, tamano de
partícula, acidez, pH.
Constantes del experimento 4: Temperatura (ambiente), parametros tecnologi-
cos del proceso ultrasonico (12 mm de diametro del sonotrodo, 390 watts de poten-
cia y 270 s de tiempo) y convencional (20000 RPM).
Tıtulo del experimento 5: Evaluacion de una emulsion preparada con los parame-
tros determinados como optimos para la emulsificacion ultrasonica
Variables dependientes del experimento 5: Evaluacion sensorial (sabor, apa-
riencia, aroma, aceptabilidad general)
Constantes del experimento 5: Temperatura (ambiente), parametros tecnologi-
cos del proceso ultrasonico (12 mm de diametro del sonotrodo, 390 watts de poten-
cia y 270 s de tiempo), formulacion (de acuerdo al Cuadro 17).
41
3.3. Equipos
Para la investigacion los principales equipos empleados fueron:
Emulsificador ultrasonico (modelo SJIA-500W, Ningbo SjiaLab Equipment
Co., Zhejiang, R.P. China).
Emulsificador de alta velocidad (modelo SJIA-HS10, Ningbo SjiaLab Equip-
ment Co., Zhejiang, R.P. China).
Microscopio optico (modelo “Revelation”, LW Scientific, Lawrenceville, Geor-
gia, U.S.A.)
pH-metro manual con compensacion de temperatura automatica (modelo PH-
009(III), Ningbo Sinotester Biological Co., Ltd., Zhejiang, R.P. China)
Los equipos fueron ubicados en el Laboratorio de Microbiología y Biotecno-
logía de Alimentos de la Escuela Profesional de Ingeniería de Industrias Alimen-
tarias de la Universidad Nacional de San Agustın de Arequipa (Apendice 1). En el
mismo laboratorio se realizaron todas las pruebas y procedimientos experimentales.
3.4. Metodos
Los metodos empleados para la investigacion fueron:
1. Emulsificaci on ultrasonica.
2. Emulsificaci on convencional (mezcla o agitacion a alta velocidad).
3. Determinaci on del ındice de cremado (Herrera, 2012).
4. Determinaci on del ındice de peroxido (AOAC 965.33).
5. Determinaci on de la acidez total (AOAC 935.57).
42
6. Determinaci on de pH (AOAC 981.12).
7. Determinaci on del tamano de partícula (Kim et al., 2016).
8. Evaluaci on sensorial por escala de categorías (Riskey, 1986).
El detalle de todos los procedimientos y metodos se encuentra en el Apendice
2. Todas las muestras preparadas fueron almacenadas a temperatura ambiental.
3.5. Instrumentos de investigacion
Se empleo la base de datos de abstracts y citaciones SCOPUS, así como el repo-
sitorio nacional ALICIA para obtener las fuentes de informacion cientıfica para la
investigacion. El software de gestion de biobliografía Mendeley se uso para manejar
las citaciones en este documento.
3.6. Procesamiento estadístico
Para el procesamiento estadístico de los disenos factoriales, el diseno de Box-
Behnken, las pruebas ANOVA, la metodología de superficie de respuesta y la tecni-
ca de bootstrapping, se usara el software estadístico R (R Development Core Team,
2008) y su plataforma RStudio (RStudio Team, 2015) para la generacion de grafi-
cas.
Capítulo 4
Resultados y discusiones
4.1. Efecto de los parametros tecnologicos de la emul-
sificacion con ultrasonido
4.1.1. Indice de cremado
A los 63 días de preparadas las emulsiones, se determino el ındice de cremado
(IC) que se muestra en el Cuadro 22. Los guiones de R y los resultados de la prue-
bas estadısticas se muestran en el Apendice 3. Los valores del ındice de cremado
inferiores indican mayor estabilidad, mientras que los valores altos indican crema-
do y por lo tanto inestabilidad. Se puede apreciar en la Figura 8 que los mayores
niveles de tiempo se corresponden con menores niveles del ındice de cremado, in-
dicando mayor estabilidad. El cremado es el proceso en que las gotas de la fase
dispersa forman floculos que tienden a subir a la parte superior del recipiente, en el
caso de las emuliones O/W. La importancia comercial del cremado es muy alta, ya
que se estima que 40 % del costo de desarrollar una nueva emulsion alimentaria se
gasta en pruebas de vida en anaquel, donde el principal criterio es el inicio de la
no-uniformidad visual (Robins, 2000).
Cuando se realizo el ajuste empleando un modelo de primer orden (Apendice 3)
43
44
Cuadro 22: Indice de cremado de las emulsiones preparadas con diferentes parame-
tros del procesamiento ultrasonico
Tiempo (s) Potencia (W) Diametro de
sonotrodo
(mm)
Media del
´ındice de
cremado ( %)
Desviacion
estandar
60 300 10 78.4 0.9
60 350 8 81.4 0.8
60 350 12 77.9 1.6
60 400 10 81.1 1.0
180 300 8 0.0 0.0
180 300 12 0.0 0.0
180 350 10 27.6 42.7
180 400 8 0.0 0.0
180 400 12 0.0 0.0
300 300 10 85.2 0.3
300 350 8 0.0 0.0
300 350 12 0.0 0.0
300 400 10 0.0 0.0
Figura 8: Grafica de distribucion de valores de ındice de cremado para la emulsifi-
cacion con ultrasonido
45
Figura 9: Graficas de residuos del modelo lineal de primer orden
se verifico que la carencia de ajuste del modelo es significativa (p < 0.05), por lo que
el modelo de primer orden no explica adecuadamente los resultados. Esto tambien
se comprobo a traves de las graficas de residuos del modelo linear (Figura 9). En
la grafica de valores residuales vs valores ajustados se puede ver un cierto patron
simetrico a ambos lados de una lınea horizontal; en la grafica normal Q - Q se puede
ver una desviacion del modelo lineal, lo que hace sospechar un comportamiento no
lineal que no es explicado por el modelo de primer orden; en la grafica de escala
- localizacion (o dispersion - localizacion) se puede ver una distribucion bifurcada
con el eje x que se vuelve linear a partir de un valor ligeramente superior a 40; en
la grafica de valores residuales vs apalancados no se puede visualizar las lıneas de
la distancia de Cook, por lo que no se puede identificar observaciones que tengan
una gran influencia. Todo ello indica que es necesario probar un modelo de orden
superior.
Cuando se realizo el ajuste empleando un modelo de segundo orden con inter-
acciones (Apendice 3), se verifica que la carencia de ajuste del modelo no es signi-
ficativa y que el valor de R2 multiple es de 0.7336, explicando mejor los resultados
46
Figura 10: Grafica de residuos del modelo de segundo orden
experimentales, como se verifica en las graficas de residuos (Figura 10).
Se obtuvieron las superficies de respuesta de contornos (Figura 11) y perspectiva
(Figura 12), mostrando que el area optima (menor valor del ındice de cremado) se
encuentra en un punto de silla, siendo el efecto del polo de amplitud no significativo.
Por lo tanto, se estimaron como optimos los parametros de 270 segundos y 390 W,
empleando el polo de amplitud de 12 mm para asegurar la formacion de emulsiones
estables. Las emulsiones mas estables de aceite de girasol, empleando el ındice de
cremado como indicador, obtenidas usando un complejo de goma de albaricoque
y pectina de manzana (21.4 % p/p) como emulsificante (Shamsara et al., 2017), se
obtuvieron con 10 minutos de tratamiento ultrasonico (1300 W, 20 kHz, sonotrodo
de 3 mm de diametro a 1 cm por debajo de la interfase). En comparacion, la pre-
sente investigacion empleo menos tiempo y potencia en el tratamiento ultrasonico,
ademas de emplear un sonotrodo de mayor diametro, debido a que el objetivo era
preparar emulsiones con tamano de gota visible en el microscopio optico de luz.
47
Figura 11: Superficie de respuesta de contornos para la estabilidad de las emulsiones
obtenidas con ultrasonido
Figura 12: Superficie de respuesta en perspectiva de la estabilidad de las emulsiones
obtenidas por ultrasonido
48
4.1.2. Tamano de partícula
A los 65 días de preparadas las emulsiones se realizaron las mediciones del
tamano de partícula y se analizaron estadısticamente (Apendice 3), encontrandose
que la distribucion de tamano (Figura 14 donde A) 60s 300w 10mm, B) 300s 300w
10mm, C) 60s 400w 10mm, D) 300s 400w 10mm, E) 60s 350w 8mm, F) 300s
350w 8mm, G) 60s 350w 12mm, H) 300s 350w 12mm; y Figura 15 donde I) 180s
300w 8mm, J) 180s 400w 8mm, K) 180s 300w 12mm, L) 180s 400w 12mm, M)
180s 350w 10mm) para todas las muestras presento una notable asimetría hacia la
izquierda, lo cual es tıpico de las emulsiones. Por ese motivo se tomo la mediana
como parametro para estimar el diametro de las partículas antes que la media. De-
bido a la gran desviacion de la distribucion normal, no se pudo comparar los datos
mediante un analisis de varianza (ANOVA) o modelo factorial linear o de orden
superior, por lo que se estimaron los ıntervalos de confianza al 95 % empleando la
tecnica de bootstrapping. Estos resultados se presentan en el Cuadro 23.
La Figura 13 muestra graficamente los resultados del diametro D50 para cada
tratamiento y el intervalo de confianza. Se aprecia que los tratamientos con poten-
cias mas altas resultaron en tamanos de partícula mas bajos, lo que concuerda con
observaciones previas que tambien observaron este comportamiento (Carpenter y
Saharan, 2017). Sin embargo, a diferencia de lo observado por dichos autores, en
esta tesis fueron los niveles de tiempo medio y bajo (180 y 60 segundos) los que
consiguieron los tamanos de partícula mas bajos (menores a 2.5 µm). Luego de
15 minutos de sonicacion a 240 W de potencia, se obtuvieron emulsiones aceite-
en-agua con un diametro promedio entre 1.99 y 3.51 µm (Mujumdar et al., 1997).
Segun estos autores, el tamano de las gotas de aceite incrementa con la distancia del
sonotrodo con respecto a la interfase aceite/agua, y este dato que no siempre se re-
porta en la literatura puede ser la causa de la variacion en las mediciones reportadas
por otros trabajos.
49
Cuadro 23: Diametro (D50) e intervalo de confianza al 95 % de las partículas de
aceite en las emulsiones obtenidas con diferentes parametros del procesamiento
ultrasonico
Tiempo Potencia Diametro del Diametro Intervalo de Intervalo de
(s) (W) sonotrodo
(mm)
D50 de
partículas
(µm)
confianza
inferior (µm)
confianza
superior
(µm)
60 300 10 5.01 4.62 5.34
300 300 10 3.60 3.37 3.87
60 400 10 3.42 3.24 3.66
300 400 10 2.64 2.52 2.75
60 350 8 2.86 2.75 2.96
300 350 8 4.82 4.49 5.20
60 350 12 2.13 2.03 2.17
300 350 12 3.66 3.50 3.86
180 300 8 3.29 3.12 3.48
180 400 8 3.11 2.97 3.28
180 300 12 3.16 3.01 3.28
180 400 12 1.88 1.85 1.93
180 350 10 2.47 2.41 2.52
Figura 13: Intervalos de confianza del diametro D50 de las emulsiones de aceite
obtenidas con diferentes parametros del procesamiento ultrasonico
50
Figura 14: Distribucion del tamano de partículas de las emulsiones obtenidas con
diferentes parametros del procesamiento ultrasonico
51
Figura 15: Distribucion del tamano de partículas de las emulsiones obtenidas con
diferentes parametros del procesamiento ultrasonico
52
4.1.3. Indice de peroxido
Luego de 58 días se realizo la medicion del ındice de peroxidos de las muestras.
No se observo un efecto significativo de los parametros de procesamiento de ultra-
sonido sobre el ındice de peroxidos (Apendice 3). Por lo tanto el ındice de peroxido
no permitio determinar los parametros tecnologicos optimos en la emulsificacion
con ultrasonido. Los datos del ındice de peroxido obtenidos se muestran en el Cua-
dro 24. Los tratamientos con el nivel de potencia mas alto (350 - 400 W) y tiempos
altos (300 s) presentaron los ındices de peroxido mas altos, lo que podría deberse a
que la cavitacion provocada por la emulsificacion por ultrasonido genera zonas de
alta presion y temperatura, que podrían facilitar las reacciones de oxidacion de la
fase oleosa. Estudiando el efecto del tratamiento ultrasonico (150 W) sobre el aceite
refinado de girasol, se encontro que el tiempo de tratamiento ultrasonico afecta el
ındice de peroxido del aceite, que alcanza un maximo alrededor de los 30 mEq-O2·
kg (Chemat, Grondin, Costes, et al., 2004). Por otra parte, se han reportado valo-
res menores del ındice de peroxido en estudios de optimizacion cuando se empleo
aceite de ortiga (Gharibzahedi, 2017) luego de 45 días (0.958 ), pero empleando
menores niveles de potencia y tiempo de tratamiento (165.87 W y 23.64 min, esti-
mados mediante superfie de respuesta). En esta tesis se econtraron valores similares
en las emulsiones obtenidas con los tiempos y potencias mas altos.
4.1.4. Acidez
Se realizo la medicion de la acidez a los 53 días del experimento. No se encontro
influencia significativa de los factores (parametros tecnologicos de la emulsificacion
ultrasonica). El analisis de los resultados (Anexo 3) indica que no existe diferencia
significativa entre las muestras. Los resultados de la acidez expresada como acido
oleico se muestran en el Cuadro 25. El nivel de potencia mas alto (400 W) produjo
las emulsiones con menor acidez para todos los tiempos de tratamiento empleados,
53
Cuadro 24: Indice de peroxido de las emulsiones obtenidas empleando diferentes
parametros tecnologicos de la emulsificacion por ultrasonido
Tiempo (s) Potencia (W) Diametro de
sonotrodo (mm)
Indice de peroxido
(mEq-O2· kg)
60 300 10 21.67
60 350 8 20.64
60 350 12 27.45
60 400 10 10.75
180 300 8 32.43
180 300 12 7.69
180 350 10 12.13
180 400 8 12.52
180 400 12 15.71
300 300 10 5.18
300 350 8 43.00
300 350 12 36.52
300 400 10 15.29
sugiriendo que mientras menor sea la potencia empleada, las reacciones de hidroli-
sis que podrían generar la acidificacion de la fase oleosa se ven favorecidas, aunque
se ha reportado que el tratamiento ultrasonico tiene un mınimo efecto sobre la aci-
dez del aceite (Chemat, Grondin, Costes, et al., 2004), empleando aceite de girasol
refinado, mientras que factores mas convencionales como la temperatura tienen un
efecto mucho mas importante sobre esta caracterıstica cuando se emplea ultrasonido
en el mismo aceite (Chemat, Grondin, Sing, y Smadja, 2004).
4.1.5. pH
Luego de 60 días de preparadas las emulsiones, los valores de pH no mostraron
diferencias significativas entre los tratamientos (el valor de p fue 0.933 como se ve
en el Apendice 3), por lo que el valor de pH no puede usarse para establecer un
tratamiento optimo. Los datos de pH obtenidos se presentan en el Cuadro 26. El
pH de las emulsiones de aceite de soya preparadas por ultrasonido (16 kHz por 12
minutos en un bano de hielo, luego de una agitacion mecanica por 45 minutos) fue
de pH de 6.5, excepto cuando se usaron los emulsificantes artificales Pluronics (tipo
54
Cuadro 25: Acidez de las emulsiones preparadas con diferentes parametros del pro-
cesamiento ultrasonico
Tiempo (s) Potencia (W) Diametro de
sonotrodo
(mm)
Media de la
acidez
(g·100g−1)
Desviacion
estandar
60 300 10 31.73 15.04
60 350 8 22.19 10.20
60 350 12 28.00 8.58
60 400 10 17.88 7.23
180 300 8 22.58 10.56
180 300 12 24.20 1.06
180 350 10 28.49 6.14
180 400 8 21.17 5.08
180 400 12 28.90 7.11
300 300 10 28.21 3.46
300 350 8 32.22 6.14
300 350 12 34.24 17.01
300 400 10 24.46 2.64
F68 y tipo L62) y una combinacion de colato de sodio y Pluronic tipo F68, que produ-
jeron emulsiones con valores de pH de 4.7 - 5.2 y 8.1 - 8.9, respectivamente (Guay
y Bisaillon, 1979). Los mismos autores emplearon para el resto de emulsiones una
combinacion de emulsificantes que contenía uno de origen natural (fosfatidilcolina
de soja en combinacion con Pluronics F65 y F68). Por lo tanto un posible efecto del
emulsificante o formulacion debe ser estudiado, como se hace en la Seccion 4.3 de
este Capítulo.
4.2. Efecto de los parametros tecnologicos de la emul-
sificacion convencional
4.2.1. Indice de cremado
Los datos obtenidos mediante la experimentacion al día 67 se muestran en el
Cuadro 27. El codigo fuente y los resultados de la lınea de comandos del software
estadístico se presentan en el Apendice 4. De los datos obtenidos, se aprecio que
55
Cuadro 26: Valor de pH de las emulsiones preparadas con diferentes parametros del
procesamiento ultrasonico
Tiempo (s) Potencia (W) Diametro de
sonotrodo (mm)
pH promedio Desviacion
estandar
60 300 10 5.03 1.48
60 350 8 4.58 1.63
60 350 12 4.80 0.74
60 400 10 5.69 0.64
180 300 8 4.81 1.28
180 300 12 5.35 0.74
180 350 10 5.30 0.29
180 400 8 5.26 0.30
180 400 12 5.53 0.45
300 300 10 5.54 0.65
300 350 8 5.37 0.02
300 350 12 4.97 0.93
300 400 10 5.61 0.01
las velocidades baja y media (15000 y 20000 RPM) y los tiempos de 60 y 180 se-
gundos se obtuvieron las emulsiones con ındice de cremado mas bajo y por lo tanto
mas estables. Sin embargo estos resultados fueron superiores (menos estabilidad)
que los reportados con anterioridad (Noro et al., 1979), que agitando a una veloci-
dad menor (812 RPM por 60 minutos) y diversos emulsionantes del grupo Tween
al 5 % empleando aceite mineral (45 % v/v) para obtener un ındice de cremado de
aproximadamente 45 % luego de 5 horas, aunque siguiendo una tendencia exponen-
cial.
En concordancia con los resultados de esta tesis, se ha senalado (Einhorn-Stoll
et al., 2002) que luego de 24 horas todas las emulsiones de aceite de girasol o do-
decano preparadas por agitacion a alta velocidad (de 15000 a 20000 RPM por 1 o 2
minutos) usando Tween 20 (0.1 a 1 %) o caseinato (0.5 a 2.0 %) como emulsifican-
tes estuvieron desestabilizadas, alcanzando el cremado total en los siguientes días
mostrando incluso una fase de aceite libre en la parte superior.
Cuando se graficaron los valores del ındice de cremado de las emulsiones obte-
nidas con agitacion a alta velocidad (Figura 16) no se verifica una tendencia clara
56
Cuadro 27: Indice de cremado de las emulsiones preparadas con diferentes parame-
tros del procesamiento convencional
Velocidad Tiempo (s) Media del ´ındice de cremado ( %) Desviacion estandar
Baja 180 82.45 1.20
Baja 300 81.05 0.49
Baja 60 79.30 0.28
Media 180 78.75 1.06
Media 300 80.85 0.64
Media 60 86.30 1.41
Alta 180 84.25 2.62
Alta 300 82.90 0.00
Alta 60 83.15 0.49
en la distribucion de los datos medidos.
Cuando se ajustaron los datos a modelos de primer orden y segundo orden, no
se obtuvo bondad de ajuste dado que la carencia de ajuste resulto significativa (p<
0.003065 y p< 0.001217, para los modelos de primer y segundo orden respectiva-
mente).
Cuando se graficaron las medias de los resultados de los tratamientos (Figura
17) se pudo apreciar que la heterokedasticidad (varianza heterogenea) de los resul-
tados podría ser la causa de la falta de ajuste de los modelos. Cuando se realizo
la prueba de Lilliefors (correccion de Kolmogorov - Smirnov) se confirmo
homogeneidad de varianzas (p<0.01)
la no
Un analisis ANOVA se realizo pese a estas condiciones, dado que la grafica
de interacciones (Figura 18) parecía mostrar una leve tendencia. Sin embargo, no se
encontro diferencia significativa, salvo un leve efecto de la interaccion de la variable
tiempo con la velocidad (p<0.1). Por lo tanto, se estimo como optimo el tratamiento
a nivel de velocidad medio por 180 segundos, ya que obtuvo el menor valor del
ındice de cremado a partir de ese ultimo grafico, aunque no se haya podido obtener
una confirmacion estadıstica.
57
Figura 16: Grafica de distribucion de valores de ındice de cremado para la emulsifi-
cacion convencional
Figura 17: Grafica de cajas de la estabilidad de las emulsiones obtenidas por agita-
cion
58
Figura 18: Grafica de interacciones de los parametros tecnologicos del procesa-
miento convencional
4.2.2. Tamano de partícula
A los 19 días se midio el tamano de partícula (gotas de aceite) de las emulsiones
preparadas por el metodo convenciona. El analisis estadístico (Apendice 4) indica
que las distribuciones de tamano presentaron un comportamiento no normal y de-
sigualdad de varianzas. Por ello se empleo la tecnica de bootstrapping para estimar
los intervalos de confianza de la mediana (D50). La Figura 19 muestra la mediana y
los intervalos de confianza al 95 % de las muestras. El Cuadro 28 muestra los valores
numericos. Se aprecia que los valores mas altos de potencia produjeron las emul-
siones con tamano de partícula mas pequeno, como era de esperar. En comparacion,
otros estudios (Branch, 2001) produjeron aderezos para ensalada con hasta 50 % de
aceite de soya y yemas de huevo y polisorbato 60 como emulsionantes, empleando
mezclado lento a 113 RPM y usando un equipo de cizalla hidraulica (140 - 220
psi), obteniendo un tamano de partícula mucho mas grande (5.17 µm a 6.50 µm),
que sin embargo no se desestabilizaron como en la presente investigacion, debido a
que emplearon en la formulacion otros aditivos como gomas y estabilizadores que
tuvieron un efecto mayor sobre la viscosidad que la yema de huevo (emulsificante).
59
Figura 19: Mediana e intervalos de confianza al 95 % del diametro (D50) de las
partículas de las emulsiones obtenidas por el metodo convencional
Cuadro 28: Diametro (D50) de las partículas de aceite en las emulsiones obtenidas
con diferentes parametros del procesamiento convencional
Velocidad Tiempo (s) Diametro D50
de partículas
(µm)
Intervalo de
confianza
inferior (µm)
Intervalo de
confianza
superior (µm)
Baja 60 2.45 2.37 2.55
Baja 180 2.41 2.32 2.47
Baja 300 1.86 1.82 1.92
Media 60 1.74 1.65 1.83
Media 180 1.94 1.85 2.00
Media 300 1.99 1.88 1.99
Alta 60 1.92 1.90 1.95
Alta 180 1.86 1.77 1.86
Alta 300 1.98 1.91 2.00
60
·
Cuadro 29: Indice de peroxidos de las emulsiones preparadas con diferentes
parametros del procesamiento convencional
Velocidad Tiempo (s) Indice de peroxido (mEq-O2 kg−1)
Baja 180 9.8
Baja 300 1.1
Baja 60 6.3
Media 180 1.1
Media 300 2.2
Media 60 4.0
Alta 180 1.2
Alta 300 3.5
Alta 60 2.9
4.2.3. Indice de peroxido
A los 32 días del experimento se realizo la determinacion del ındice de peroxido
de las muestras. Los resultados se muestran en el Cuadro 29. El nivel de tiempo de
180 s produjo las emulsiones con menor ındice de peroxido cuando se emplearon
los niveles de velocidad medio y alto (20000 y 25000 RPM). Previamente (Mihov
et al., 2012) se reportaron valores del ındice de peroxidos mucho mas altos, de
entre 14.53 a 15.21 mEq-O2·kg−1 para aderezos de ensalada preparados con 25 %
de aceite de oliva con y sin la adicion de extractos de hierbas, empleando el metodo
convencional (3900 RPM, 90 + 60 segundos), luego de 20 días de almacenamiento
a 20◦C. Es probable que la mayor proporcion de aceite usado por dichos autores,
junto a otros ingredientes empleados, hayan contribuido a que el ındice de peroxidos
sea mayor al que se reporta en la presente investigacion.
4.2.4. Acidez
A los 45 días se realizo la determinacion de la acidez de las muestras. El Cua-
dro 30 muestra los valores obtenidos para cada tratamiento expresados como acido
oleico. Las emulsiones obtenidas con los niveles de velocidad medio y alto a nive-
les de tiempo de 60 y 180 s presentaron una menor acidez que las obtenidas con el
61
·
Cuadro 30: Acidez de las emulsiones preparadas con diferentes parametros del pro-
cesamiento convencional
Velocidad Tiempo (s) Acidez (g 100g−1)
Baja 180 16.67
Baja 300 29.40
Baja 60 14.70
Media 180 10.44
Media 300 33.62
Media 60 15.93
Alta 180 14.58
Alta 300 20.16
Alta 60 15.23
mayor tiempo de procesamiento o velocidad baja. En otro estudio, luego de 20 días
de almacenamiento a 20◦C, se reporto que los aderezos de ensalada elaborados a
base de aceite de oliva (25 %) con o sin adicion de extractos de hierbas, preparados
segun el metodo convencional (3900 RPM, 90 + 60 segundos), tuvieron una acidez
de 0.4 a 0.7 g·100g−1 de acido oleico (Mihov et al., 2012). Los resultados mas altos
que se obtuvieron en la presente investigacion pueden deberse al mayor tiempo de
almacenamiento empleado.
4.2.5. pH
A los 30 días se realizo la medicion del pH de la muestras. Luego del anali-
sis estadístico (Apendice 4) no se ha encontrado diferencia significativo entre los
tratamiento ni significancia de los efectos de los factores (parametros tecnologi-
cos). Los resultados se presentan en el Cuadro 31. Comparativamente, se determino
(Mirhosseini et al., 2008) que en una bebida emulsificada (goma arabiga, goma xan-
tana, 10-14 % p/p de aceite de naranja) obtenida por emulsificacion a alta velocidad
(1 minuto) y emulsificacion a alta presion (30, 28 y 25 MPa), el pH vario poco para
todas las corridas que emplearon (pH 3.83 a 4.04), y los autores indican que solo la
concentracion de goma arabica tuvo un efecto sobre el valor del pH. Debido a que
para el presente experimento no se emplearon gomas, se justificaría que el valor de
62
Cuadro 31: Valor de pH de las emulsiones preparadas con diferentes parametros del
procesamiento convencional
Velocidad Tiempo (s) pH Desviacion estandar
Baja 180 6.08 0.04
Baja 300 6.12 0.02
Baja 60 5.97 0.27
Media 180 6.10 0.02
Media 300 6.06 0.18
Media 60 6.03 0.11
Alta 180 6.17 0.01
Alta 300 6.12 0.04
Alta 60 6.02 0.09
pH var´ıe poco para todas las corridas ensayadas.
4.3. Efecto de los parametros de formulacion de la
emulsion
4.3.1. Indice de cremado
Luego de 60 días se observo que ninguna de las muestras preparadas presento
coalescencia o inestabilidad, por lo que no se evidencio cremado ni separacion. Así,
todas las emulsiones presentaron estabilidad visual. Un comportamiento similar se
observo durante la obtencion de nanoemulsiones de aceite de mostaza en agua (al
10 %) sin otros aditivos empleando mayores tiempos de sonicacion y potencia, que
fueron estables incluso luego de 90 días (Carpenter y Saharan, 2017).
4.3.2. Tamano de partícula
A los 65 días se realizo la medicion del tamano de partícula, estimada por el
valor de la mediana del diametro (D50). Los datos fueron no normales y se realizo
el bootstrapping para estimar los intervalos de confianza (Apendice 5). La Figura 20
muestra el valor de la mediana D50 mientras que el Cuadro 32 muestra los valores
63
numericos.
Las muestras con el tamano de partícula (D50) mas pequeno fueron mayormen-
te las que se prepararon con Tween 20 en el nivel de concentracion mas alto (3 %) y
empleando aceite de sacha inchi o coco en los niveles probados, con la excepcion de
la muestra preparada con lecitina al 1 % y aceite de coco al 10 % que no se corres-
ponde con esta tendencia. Empleando aceite de mostaza como fase dispersa y una
mezcla de Tween 80 y Span 80 (HLB de la mezcla = 10), se observo que los meno-
res tamanos de partícula se corresponden con los niveles mas altos de emulsificante
(Carpenter y Saharan, 2017), lo que confirma parcialmente lo observado.
Los mismos autores evaluaron el efecto de la concentracion de la fase oleosa
sobre el tamano de las partículas obtenidas por emulsificacion ultrasonica (8 % de
emulsificante), encontrando que los menores niveles de concentracion de aceite ob-
tiene los menores tamanos de partícula. Igualmente, empleando aceite de parafina
y 9 % de emulsificante, se encontro que la menor concentracion de la fase oleosa
produce las emulsiones con menor diametro (Shekar et al., 2011). Para la prepara-
cion de nanoemulsiones de aceite de oliva usando Tween 80 como emulsificante,
la mejor estabilidad (tamano de partícula de 151.68 nm) se obtuvo a los 3 minu-
tos de tiempo de ultrasonido (750 W, 20 kHz), 4 % de aceite de oliva y 2.08 % de
Tween 80 (Mehmood et al., 2017). Sin embargo para ello emplearon previamente
un pre-tratamiento con el emulsificador a alta velocidad (15000 RPM por 10 minu-
tos). Los resultados de esta tesis confirman esta tendencia para los aceites de sacha
inchi y coco, que al nivel inferior (10 %) presentaron menores tamanos de partícula
en comparacion al nivel superior (15 %), sin embargo las emulsiones con aceite de
oliva no mostraron esa relacion con el tamano de partícula.
Empleando Tween 20 como emulsificante, el incremento de la concentracion de
Tween 20 (de 0.1 a 1.0 %) en emulsiones con 40 % de aceite de girasol produce una
disminucion del tamano de partícula (Einhorn-Stoll et al., 2002). Los datos de esta
tesis confirman parcialmente esta tendencia, que varia dependiendo del aceite usado
64
Figura 20: Mediana e intervalos de confianza al 95 % del diametro (D50) de las
partículas de las emulsiones obtenidas empleando diferentes formulaciones
en la emulsion.
4.3.3. Acidez
A los 47 días se realizo la determinacion de la acidez de las muestras. No se
encontro diferencia significativa entre los tratamientos (Apendice 5). El Cuadro 33
muestra los resultados numericos expresado como acido oleico. No se espera que
el tratamiento ultrasonico haya tenido un efecto sobre la acidez de las emulsiones
diferente al esperable en las mismas condiciones pero sin emplear ultrasonido. Así,
para la emulsion obtenida por el metodo convencional (aderezo para ensalada con
25 % de aceite de oliva), los niveles de acidez estuvieron entre 0.4 a 0.7 g·100g−1
de acido oleico, luego de 20 días a 20◦C (Mihov et al., 2012). La acidez que se
reporta en la presente tesis para este experimento se encuentra en el rango, e incluso
es inferior, a los de la emulsion del autor citado.
65
Cuadro 32: Diametro (D50) de las partículas de aceite en las emulsiones obtenidas
con diferentes formulaciones
Emulsionante % Aceite % Diametro
D50 de
partículas
Intervalo de
confianza
inferior (µm)
Intervalo de
confianza
superior (µm) (µm)
Lecitina 1 Oliva 10 3.18 3.02 3.35
Lecitina 1 Sacha inchi 10 2.95 2.86 3.23
Lecitina 1 Coco 10 1.48 1.38 1.53
Lecitina 1 Oliva 15 2.38 2.32 2.43
Lecitina 1 Sacha inchi 15 3.05 2.99 3.09
Lecitina 1 Coco 15 3.23 3.14 3.33
Lecitina 3 Oliva 10 4.64 4.42 4.87
Lecitina 3 Sacha inchi 10 2.57 2.49 2.60
Lecitina 3 Coco 10 3.09 2.98 3.14
Lecitina 3 Oliva 15 3.05 2.89 3.16
Lecitina 3 Sacha inchi 15 2.81 2.70 2.93
Lecitina 3 Coco 15 2.42 2.28 2.49
Tween 20 1 Oliva 10 2.53 2.24 2.65
Tween 20 1 Sacha inchi 10 3.34 3.23 3.47
Tween 20 1 Coco 10 5.04 4.37 5.04
Tween 20 1 Oliva 15 2.45 2.27 2.57
Tween 20 1 Sacha inchi 15 2.57 2.47 2.57
Tween 20 1 Coco 15 2.37 2.17 2.53
Tween 20 3 Oliva 10 3.52 3.27 3.65
Tween 20 3 Sacha inchi 10 1.96 1.86 2.05
Tween 20 3 Coco 10 2.69 2.57 2.78
Tween 20 3 Oliva 15 2.93 2.71 3.05
Tween 20 3 Sacha inchi 15 2.14 2.05 2.23
Tween 20 3 Coco 15 2.37 2.27 2.57
66
·
Cuadro 33: Acidez de las emulsiones obtenidas con diferentes formulaciones
Emulsionante % Aceite % Acidez (g 100g−1)
Lecitina 1 Coco 10 0.53
Lecitina 1 Oliva 10 0.28
Lecitina 1 Sacha inchi 10 0.15
Lecitina 1 Coco 15 0.10
Lecitina 1 Oliva 15 0.09
Lecitina 1 Sacha inchi 15 0.51
Lecitina 3 Coco 10 0.38
Lecitina 3 Oliva 10 0.10
Lecitina 3 Sacha inchi 10 0.31
Lecitina 3 Coco 15 0.21
Lecitina 3 Oliva 15 0.17
Lecitina 3 Sacha inchi 15 0.17
Tween 20 1 Coco 10 0.17
Tween 20 1 Oliva 10 0.14
Tween 20 1 Sacha inchi 10 0.18
Tween 20 1 Coco 15 0.18
Tween 20 1 Oliva 15 0.20
Tween 20 1 Sacha inchi 15 0.79
Tween 20 3 Coco 10 0.15
Tween 20 3 Oliva 10 0.48
Tween 20 3 Sacha inchi 10 0.34
Tween 20 3 Coco 15 0.20
Tween 20 3 Oliva 15 0.19
Tween 20 3 Sacha inchi 15 0.21
67
Cuadro 34: Acidez de las emulsiones obtenidas con diferentes formulaciones
Emulsionante % Aceite % pH
Lecitina 1 Coco 10 4.55
Lecitina 1 Oliva 10 5.60
Lecitina 1 Sacha inchi 10 5.17
Lecitina 1 Coco 15 5.20
Lecitina 1 Oliva 15 5.34
Lecitina 1 Sacha inchi 15 4.63
Lecitina 3 Coco 10 4.99
Lecitina 3 Oliva 10 4.83
Lecitina 3 Sacha inchi 10 5.19
Lecitina 3 Coco 15 4.35
Lecitina 3 Oliva 15 4.77
Lecitina 3 Sacha inchi 15 5.06
Tween 20 1 Coco 10 5.39
Tween 20 1 Oliva 10 5.04
Tween 20 1 Sacha inchi 10 4.82
Tween 20 1 Coco 15 4.30
Tween 20 1 Oliva 15 4.24
Tween 20 1 Sacha inchi 15 4.16
Tween 20 3 Coco 10 5.68
Tween 20 3 Oliva 10 4.84
Tween 20 3 Sacha inchi 10 5.29
Tween 20 3 Coco 15 4.93
Tween 20 3 Oliva 15 4.98
Tween 20 3 Sacha inchi 15 5.26
4.3.4. pH
Luego de 47 días se midio el pH de las muestras. No hubo diferencia significa-
tiva entre los tratamiento ni efecto de los parametros de formulacion (Apendice 5).
El Cuadro 34 muestra los valores numericos. Los valores fueron un poco inferiores
a los reportados previamente (Guay y Bisaillon, 1979) para las emulsiones de aceite
de soya, manı, colza y algodon obtenidas por ultrasonido y empleando 5 % de emul-
sionante Pluronic F-68 y L-62. Los valores que reportaron estos autores estuvieron
entre 4.7 y 5.3.
68
4.4. Efecto de la concentracion de NaCl, pH y pre-
tratamiento en una emulsion preparada con acei-
te de oliva
4.4.1. Indice de cremado
Luego de 46 días se determino el ındice de cremado de las muestras, no en-
contrandose diferencia significativa entre los tratamiento ni significancia de los fac-
tores tratados (Apendice 6). El Cuadro 35 muestra los valores del ındice de cremado.
La inestabilidad de todas las emulsiones obtenidas, aunque se hayan empleado los
parametros determinados como optimos para el tratamiento ultrasonico, indica que
la concentracion de NaCl y el pH tuvieron un efecto desestabilizador muy impor-
tante que impidio emplear el ındice de cremado para determinar niveles optimos de
NaCl y pH (buffer) de las emulsiones. En un trabajo (Pongsawatmanit et al., 2006)
sobre emulsiones secundarias de aceite de palma empleando ultrasonido (20 kHz, 1
minuto de tratamiento a 70 % de amplitud) y β-lactoglobulina como estabilizante,
se reporta que los niveles de pH cercanos a la neutralidad (pH 6 y 7) mostraron los
mas altos ındices de cremado (>80 %) luego de 24 horas a una concentracion
determinada de alginato de sodio (de 0.05 a 0.1 % p/v), pero que conforme la con-
centracion aumenta (desde 0.1 a 0.5 % p/p) disminuye el ındice de cremado de estas
emulsiones. Los mismos autores indican que para las emulsiones obtenidas a pH
mas bajo (pH 3 a 5), la floculacion pudo haber sido tan extensa que una red de
gotas aglomeradas se pudo formar en las emulsiones, lo que previno el movimien-
to de las gotas. Esto explicaría que las emulsiones de pH mas bajo, que deberían
flocular y tener un ındice de cremado mas alto, tengan ındices de cremado mode-
rados o bajos, en su caso. En otro trabajo con aceite de girasol (Shamsara et al.,
2017) se prepararon emulsiones con el pH mas bajo (pH 2) y fueron estables (10
días de almacenamiento), pero emplearon una concentracion alta de estabilizante
69
Cuadro 35: Indice de cremado de las emulsiones obtenidas con diferentes concen-
traciones de NaCl, nivel de pH y pre-tratamiento por agitacion a alta velocidad antes
del tratamiento ultrasonico
NaCl ( %) pH Pre-tratamiento (s) Media del ´ındice
de cremado ( %)
Desviacion
estandar
1 3.8 0 87.25 0.35
1 3.8 180 88.60 0.14
1 7.0 0 84.40 4.53
1 7.0 180 86.70 5.09
2 5.4 90 87.38 1.44
3 3.8 0 86.50 1.13
3 3.8 180 86.70 4.81
3 7.0 0 87.50 0.00
3 7.0 180 88.35 0.07
(complejo de goma de albaricoque y pectina de manzana). Sin embargo, incluso en
ese caso hubo concentraciones de estabilizante superior e inferiores que produjeron
emulsiones con menor estabilidad.
Con respecto al pre-tratamiento, las emulsiones (aceite de girasol 10 % p/p, ca-
seinato de sodio 0.5-5 % p/p) sometidas en un primer tratamiento a alta velocidad
(20000 RPM por 1 minuto) presentaron un tamano de partícula (D43) mas alto pero
fueron mas estables que las emulsiones mas finas obtenidas por ultrasonido, siempre
que en las primeras se haya anadido goma xantana o goma de semilla de algarrobo)
(Huck-Iriart et al., 2013). En el presente experimento no se empleo una goma como
estabilizante, por lo que es probable que la estabilidad visual ( ındice de cremado)
de todas las emulsiones obtenidas haya sido mala.
4.4.2. Tamano de partícula
Luego de 64 dias, se determino el tamano de partícula mediante la estimacion de
la mediana del diametro (D50) medinte bootstrapping (Apendice 6). Los resultados
e intervalos de confianza se presentan graficamente en la Figura 21 y numericamen-
te en el Cuadro 36. Las muestras con el nivel de pre-tratamiento mas alto (180 s)
tuvieron un tamano similar al de las obtenidas sin pre-tratamiento a los diferentes
70
niveles de pH y NaCl, excepto cuando en el nivel de pH mas bajo (3.8), donde el
tiempo de pre-tratamiento mas alto resulto en partículas mas grandes. Esto puede
indicar que la concentracion de NaCl y el pH tuvieron un mayor efecto que el pre-
tratamiento a alta velocidad en la emulsificacion ultrasonica. Las emulsiones (aceite
de palma 5 % p/p, β-lactoglobulina 0.45 % p/p, alginato de sodio 0 – 0.5 % p/p, buf-
fer de fosfatos 5mM) que se obtuvieron por ultrasonido (20 kHz, 1 minuto de trata-
miento a 70 % de amplitud) presentaron un menor tamano de partícula (d32 < 1µm)
con los valores de pH mas altos (6 y 7), mientras que los valores de pH bajos (de
3 a 5) produjeron emulsiones con un tamano de partícula mas grande (de 4 a 80
µm) (Pongsawatmanit et al., 2006). Durante la emulsificacion ultrasonica (1 hora)
de aceite de salvado de arroz (1 %) estabilizado con alginato de sodio y casinato
de calcio, y ensayando diferentes niveles de estres (concentracion de NaCl, pH y
temperatura), se determino (Sen Gupta y Ghosh, 2015) que los parametros optimos
fueron el pH neutral o alcalino, temperatura de hasta 50◦C y concentracion de NaCl
de 100 mM (5.88 %) como maximo. Ademas, el aumento de la concentracion de
emulsificante (hasta 1 %) ayuda a disminuir el tamano de partícula incluso a la mas
alta concentracion de NaCl. Debido que las mediciones de esta tesis exceden por di-
seno las 24 horas, todas las emulsiones presentaron tamanos de partícula superiores
a las reportadas por los autores citados, aunque el menor tamano de partícula se ob-
tuvo con la menor concentracion de NaCl y pH neutral, como se esperaba (Cuadro
36).
4.4.3. Acidez
Luego de 54 días se realizo la determinacion de la acidez de las muestras.
El Cuadro 37 muestra los resultados expresados como acido acetico. Se observo
que las emulsiones preparadas con la mayor concentracion de NaCl presentaron la
menor acidez, indicando que esta caracterıstica se beneficio de la adicion de este
compuesto. En comparacion, otros obtuvieron niveles de acidez entre 0.36 a 0.39
71
Figura 21: Mediana e intervalos de confianza al 95 % del diametro (D50) de las
partículas de las emulsiones obtenidas empleando diferentes concentraciones de
NaCl, nivel de pH y pre-tratamiento por agitacion a alta velocidad antes del tra-
tamiento ultrasonico
Cuadro 36: Diametro (D50) de las partículas de aceite en las emulsiones obtenidas
con diferentes concentraciones de NaCl, nivel de pH y pre-tratamiento por agitacion
a alta velocidad antes del tratamiento ultrasonico
NaCl ( %) pH Pre-tratamiento
(s)
Diametro
D50 de
partículas
Intervalo de
confianza
inferior (µm)
Intervalo de
confianza
superior (µm) (µm)
1 3.8 0 4.18 3.98 4.19
3 3.8 0 4.79 4.47 5.22
1 7.0 0 2.63 2.43 2.99
3 7.0 0 3.33 3.14 3.50
1 3.8 180 7.28 6.13 8.44
3 3.8 180 4.21 4.02 4.52
1 7.0 180 2.63 2.49 2.80
3 7.0 180 3.26 3.03 3.42
2 5.4 90 3.23 3.02 3.31
72
Cuadro 37: Acidez las emulsiones obtenidas con diferentes concentraciones de
NaCl, nivel de pH y pre-tratamiento por agitacion a alta velocidad antes del tra-
tamiento ultrasonico
NaCl ( %) pH inicial Pre-tratamiento (s) Acidez (g·100g−1)
1 3.8 0 1.49
1 3.8 180 1.40
1 7.0 0 1.41
1 7.0 180 0.31
2 5.4 90 0.55
3 3.8 0 0.25
3 3.8 180 0.10
3 7.0 0 0.68
3 7.0 180 0.07
g·100g−1 en aderezos para ensalada preparados mediante agitacion a baja velocidad
y una cizalla hidraulica y 50 % de aceite de soya, con un contenido de NaCl de 2.13
a 2.47 % (Branch, 2001). Esos valores se encuentran en el rango de los obtenidos
en la presente investigacion.
4.4.4. pH
Luego de 45 días se realizo la medicion del pH de las muestras. Se encontro una
influencia significativa de la concentracion de NaCl y tiempo de pre-tratamiento,
ademas de la interaccion del pH inicial (buffer) y el tiempo de pre-tratamiento,
y de la concentracion de NaCl y tiempo de pre-tratamiento (p < 0.05, Apendice
6). Al realizarse el ANOVA se confirmo que existieron diferencias significativas
entre los valores de pH para cada tratamiento. La Figura presenta la interaccion de
los factores mientras que el Cuadro 38 muestra los valores numericos y resultados
del test de Tukey, donde diferentes letras en la columna representan las diferencias
significativas.
Cuando se empleo el nivel de pH inicial (buffer) mas bajo (3.8), el pH medido
se incremento a valores por encima de 4.0 con la concentracion mas alta de NaCl
(3 %), mientras que disminuyo a menos de 3.5 con la concentracion mas baja de
73
Figura 22: Grafica de interaccion de las diferentes concentraciones de NaCl, nivel
de pH (buffer) y tiempo de pre-tratamiento por agitacion a alta velocidad sobre el
pH observado
NaCl (1 %). Cuando se empleo un pH inicial neutral (7.0), el pH medido disminuyo
a menos de 4.5 independientemente de la concentracion de NaCl. El valor de pH es
importante para las emulsiones debido a que puede reducir las propiedades surfac-
tantes de los emulsificantes. Así, se observo que un emulsificante (Triton SP-190)
usado para preparar una emulsion modelo (20 % n-pentadecano, 500 ppm emulsifi-
cante, procesamiento ultrasonico por 30 s) era sensible a los bajos niveles de pH, lo
que indujo a la coalescencia de las gotas de aceite y separacion de las fases (Chen
et al., 2000).
74
Cuadro 38: Valor de pH de las emulsiones obtenidas con diferentes concentraciones
de NaCl, nivel de pH y pre-tratamiento por agitacion a alta velocidad antes del
tratamiento ultrasonico
NaCl ( %) pH inicial Pre-tratamiento (s) Media del pH
observado
Desviacion
estandar
3 3.8 0 4.55a 0.23
3 7.0 180 4.33ab 0.20
1 7.0 180 4.29abc 0.16
3 3.8 180 4.14abcd 0.42
2 5.4 90 4.03abcd 0.46
3 7.0 0 3.77abcd 0.16
1 3.8 180 3.38bcd 0.11
1 3.8 0 3.17cd 0.08
1 7.0 0 3.055d 0.02
Cuadro 39: Valor de la evaluacion sensorial de la emulsion preparada con los
parametros determinados como optimos
Atributo Valor Desviacion estandar
Sabor 5.2 1.0
Apariencia 6.1 1.0
Aroma 5.6 1.6
Aceptabilidad 5.5 1.0
4.5. Evaluacion de una emulsion preparada con los
parametros determinados como optimos
4.5.1. Evaluacion sensorial
A los 7 días se realizo la evaluacion sensorial de la emulsion tipo alino italiano
para ensaladas. Los resultados se presentan en el Cuadro 39.
Al igual que las emulsiones preparadas previamente que consistían unicamen- te
de aceite, agua y emulsificante, la emulsion obtenida presento un color blanco.
El mismo color se observo en emulsiones preparadas con yema de huevo, varios
aceites comestibles y dextrosa al 4 % (Guay y Bisaillon, 1979). Se observo que los
valores de todos las caracter ısticas sensoriales evaluadas estuvo ligeramente por en-
cima del valor medio (5.0), indicando que el aderezo obtenido por procesamiento
75
ultrasonico debería ser optimizado sensorialmente para resultar mas agradable al
consumidor. De la misma forma, una emulsion (38 % aceite de oliva extra virgen,
lecitina 2 % como emulsificante, inulina 19 %) preparada con ultrasonido (5 minu-
tos usando un sonotrodo de 6 mm de diametro) presento una aceptabilidad general
de 72.5 % de los consumidores (puntaje igual o superior a 3 en una escala del 1 al
5), recomendando que se mejore el flavor de la emulsion para que sea aceptada por
los consumidores (Paradiso et al., 2015). Espec ıficamente indicaron que el sabor de
la lecitina fue percibido como desagradable por los panelistas.
4.6. Comparacion de los dos metodos de emulsifica-
cion evaluados
De acuerdo a los analisis de estabilidad empleados en esta investigacion (ındice
de cremado y tamano de partícula), las emulsiones obtenidas por ultrasonido fue-
ron mas estables que las obtenidas por el metodo convencional, cuando se emplea
en ambos casos la misma formulacion (10 % v/v de aceite de oliva, 1 % de lecitina
de soya). En el caso del ındice de cremado, la emulsificacion ultrasonica produjo
emulsiones sin cremado para algunas corridas experimentales (Cuadro 22), mientras
que la emulsificacion convencional (mezclado a alta velocidad) presento emulsio-
nes con ındice de cremado superior al 80 % (Cuadro 27) para todas las corridas.
Con respecto al tamano de partícula (gotas de aceite) de las emulsiones, los valores
mas pequenos obtenidos por ultrasonido (1.88 µm, Cuadro 23) fueron similares a
los obtenidos por el metodo convencional (1.74 µm, Cuadro 28) que sin embargo
flocularon visualmente.
Conclusiones
1. El tiempo de procesamiento y la potencia fueron los par ametros tecnologicos
que tienen un efecto significativo sobre la estabilidad de las emulsiones obte-
nidas por emulsificacion ultrasonica. Los valores de estos parametros fueron
270 segundos y 390 W. El diametro del sonotrodo no tuvo un efecto signifi-
cativo. Con respecto al proceso de emulsificacion convencional, no se pudo
determinar estad ısticamente un efecto significativo del tiempo de procesa-
miento o velocidad sobre la estabilidad de las emulsiones para los niveles
empleados y tiempo de medicion, presentando los datos heterokedasticidad.
Sin embargo, a partir de la grafica de interacciones se estimo que el tiempo
de procesamiento mas adecuado sería 270 segundos, y que la velocidad re-
comendable sería la que corresponde al nivel “medio” del equipo (≈ 20000
RPM).
2. Todas las emulsiones preparadas con los par ametros optimos de emulsifica-
cion ultrasonica y todas las formulaciones ensayadas, fueron estables hasta
el final del periodo evaluado (60 días). Se confirmaron algunas relaciones
establecidas en la literatura, como que los menores tamanos de partícula (ex-
presados como la mediada o D50) se obtuvieron con la mayor concentracion
de emulsificante y menor concentracion de la fase oleosa, con algunas excep-
ciones puntuales.
3. Se observ o que la concentracion de NaCl y el pH inicial de las emulsiones
tienen un gran efecto sobre el tamano de partícula y por lo tanto de la estabili-
76
dad de las emulsiones. Las emulsiones obtenidas con los parametros optimos
de emulsificacion ultrasonica se desestabilizaron visualmente (medido por el
ındice de cremado) en presencia de las diferentes concentraciones de NaCl
(1 - 3 %). Esta desestabilizacion no pudo ser compensada con ninguno de los
niveles de tiempo de pre-tratamiento con agitacion a alta velocidad.
4. El aderezo italiano preparado con los par ametros tecnologicos de emulsifi-
cacion ultrasonica determinados como optimos alcanzo una calificacion sen-
sorial aceptable pero no destacable ni muy pobre, para las caracter ısticas de
sabor, apariencia, aroma y aceptabilidad.
77
Recomendaciones
1. Se recomienda estudiar adicionalmente sistemas emulsificantes compuestos
de emulsionantes en diferentes proporciones con diferentes valores de HLB
para lograr emulsiones con mayor estabilidad en el caso de la emulsificacion
convencional (agitacion a alta velocidad) y conseguir tamanos de partícula
específicos en el caso de la emulsificacion con ultrasonido.
2. Para estudiar el efecto de mayores tiempos de emulsificaci on ultrasonica se
debería emplear un equipo especial (sistema de dispersion de luz dinami-
ca) para la determinacion del tamano de las gotas de aceite en el rango de
nanometros.
3. Se recomienda estudiar el efecto de la distancia del sonotrodo con respecto
a la interfase aceite/agua, debido a que algunas referencias indican un efecto
signifativo que podría emplearse para producir emulsiones con menor tamano
de gota como resultado de una mejor actuacion de las fuerzas de cavitacion y
cizalla.
4. Se recomienda desarrollar un estudio exclusivo del efecto del procesamien-
to ultrasonico sobre las caracterısticas sensoriales de emulsiones particulares
(productos) con la finalidad de determinar su relacion con los parametros tec-
nologicos.
5. Se recomienda realizar un estudio de vida en anaquel para los productos ali-
mentarios producidos por emulsificacion ultrasonica.
78
79
6. Se recomienda realizar un estudio sensorial adecuado a la poblaci on objetivo
del producto (emulsion) que se desea obtener. Se debe considerar el numero
de jueces (panelistas) para lograr resultados estad ısticamente significativos.
80
Referencias bibliograficas
Abisma ıl, B., Canselier, J. P., Wilhelm, A. M., Delmas, H., y Gourdon, C. (1999).
Emulsification by ultrasound: Drop size distribution and stability. Ultrasonics
Sonochemistry, 6(1-2), 75–83. doi: 10.1016/S1350-4177(98)00027-3
Agostoni, C., Bresson, J.-L., Fairweather-Tait, S., Flynn, A., Golly, I., Korhonen,
H., . . . Verhagen, H. (2011). Scientific Opinion on the substantiation of
health claims related to polyphenols in olive and protection of LDL parti-
cles from oxidative damage (ID 1333, 1638, 1639, 1696, 2865), maintenance
of normal blood HDL cholesterol concentrations (ID 1639), maintenance of
normal blood pressure (ID 3781), “anti-inflammatory properties” (ID 1882),
“contributes to the upper respiratory tract health” (ID 3468), “can help to
maintain a normal function of gastrointestinal tract” (3779), and “contribu-
tes to body defences against external agents” (ID 3467) pursuant to Article
13(1) of Regulation (EC) No 1924/2006. EFSA Journal, 9(4), 2033. doi:
10.2903/j.efsa.2011.2033
Akpan, E., Etim, O., Akpan, H., y Usoh, I. (2006). Fatty Acid Profile and Oil
Yield in Six Different Varieties of Fresh and Dry Samples of Coconuts (Cocos
nucifera). Pakistan Journal of Nutrition, 5(2), 106–109. doi: 10.3923/pjn
.2006.106.109
Arancibia, C., Jublot, L., Costell, E., y Bayarri, S. (2011). Flavor release and sen-
sory characteristics of o/w emulsions. Influence of composition, microstructu-
re and rheological behavior. Food Research International, 44(6), 1632–1641.
doi: 10.1016/j.foodres.2011.04.049
Aranda, F., Gomez-Alonso, S., Rivera Del A lamo, R. M., Salvador, M. D., y Frega-
pane, G. (2004). Triglyceride, total and 2-position fatty acid composition of
Cornicabra virgin olive oil: Comparison with other Spanish cultivars. Food
Chemistry, 86(4), 485–492. doi: 10.1016/j.foodchem.2003.09.021
Ashokkumar, M. (2015). Applications of ultrasound in food and bioprocessing.
81
Ultrasonics Sonochemistry, 25(1), 17–23. doi: 10.1016/j.ultsonch.2014.08
.012
Becher, P. (1991). Food Emulsions. An Introduction. En M. El-Nokaly y D. Cor-
nell (Eds.), Microemulsions and emulsions in foods (pp. 1–6). Boston, MA:
American Chemistry Society.
Bondioli, P., Bella, L. D., y Rettke, P. (2006). Alpha linolenic acid rich oils. Com-
position of Plukenetia volubilis (Sacha Inchi) oil from Peru. Rivista Italiana
delle Sostanze Grasse, 83(I), 120–123.
Bondy, C., y Sollner, K. (1935). On the mechanism of emulsification by ultrasonic
waves. Transactions of the Faraday Society, 31, 835–843. doi: 10.1039/
TF9353100835
Branch, J. K. (2001). Effect of formulation and particle size on the rheological
properties of salad dressing (Master Thesis). Michigan State University.
Carpenter, J., y Saharan, V. K. (2017). Ultrasonic assisted formation and stabi-
lity of mustard oil in water nanoemulsion: Effect of process parameters and
their optimization. Ultrasonics Sonochemistry, 35, 422–430. doi: 10.1016/
j.ultsonch.2016.10.021
Chandrapala, J., Oliver, C., Kentish, S., y Ashokkumar, M. (2012). Ultrasonics in
food processing. Ultrasonics Sonochemistry, 19(5), 975–983. doi: 10.1016/
j.ultsonch.2012.01.010
Chemat, F., Grondin, I., Costes, P., Moutoussamy, L., Sing, A. S. C., y Smadja, J.
(2004). High power ultrasound effects on lipid oxidation of refined sunflower
oil. Ultrasonics Sonochemistry, 11(5), 281–285. doi: 10.1016/j.ultsonch.2003
.07.004
Chemat, F., Grondin, I., Sing, A. S. C., y Smadja, J. (2004). Deterioration of edible
oils during food processing by ultrasound. Ultrasonics Sonochemistry, 11(1),
13–15. doi: 10.1016/S1350-4177(03)00127-5
Chemat, F., Zill-E-Huma, y Khan, M. K. (2011). Applications of ultrasound in
82
food technology: Processing, preservation and extraction. Ultrasonics Sono-
chemistry, 18(4), 813–835. doi: 10.1016/j.ultsonch.2010.11.023
Chen, B., Mcclements, D. J., y Decker, E. A. (2010). Role of continuous phase
anionic polysaccharides on the oxidative stability of menhaden oil-in-water
emulsions. Journal of Agricultural and Food Chemistry, 58(6), 3779–3784.
doi: 10.1021/jf9037166
Chen, C. M., Lu, C. H., Chang, C. H., Yang, Y. M., y Maa, J. R. (2000). Influence
of pH on the stability of oil-in-water emulsions stabilized by a splittable sur-
factant. Colloids and Surfaces A: Physicochemical and Engineering Aspects,
170(2-3), 173–179. doi: 10.1016/S0927-7757(00)00480-5
Chen, H. M., Fu, X., y Luo, Z. G. (2015). Esterification of sugar beet pectin
using octenyl succinic anhydride and its effect as an emulsion stabilizer. Food
Hydrocolloids, 49, 53–60. doi: 10.1016/j.foodhyd.2015.03.008
Chen, N., Zhao, M., Sun, W., Ren, J., y Cui, C. (2013). Effect of oxidation on the
emulsifying properties of soy protein isolate. Food Research International,
52(1), 26–32. doi: 10.1016/j.foodres.2013.02.028
Chen, X., Li, W., Zhao, Q., Selomulya, C., Zhu, X., y Xiong, H. (2016). Physical
and Oxidative Stabilities of O/W Emulsions Formed with Rice Dreg Protein
Hydrolysate: Effect of Xanthan Gum Rheology. Food and Bioprocess Tech-
nology, 9(8), 1380–1390. doi: 10.1007/s11947-016-1727-9
Cheng, J.-h., Hu, Y.-n., Luo, Z.-g., Chen, W., Chen, H.-m., y Peng, X.-c. (2017).
Preparation and properties of octenyl succinate beta-cyclodextrin and its ap-
plication as an emulsion stabilizer. Food Chemistry, 218, 116–121. doi:
10.1016/j.foodchem.2016.09.019
Cheong, K. W., Mirhosseini, H., Hamid, N. S. A., Osman, A., Basri, M., y Tan,
C. P. (2014). Effects of propylene glycol alginate and sucrose esters on the
physicochemical properties of modified starch-stabilized beverage emulsions.
Molecules, 19(6), 8691–8706. doi: 10.3390/molecules19068691
83
Comision de Promocion del Peru para la Exportacion y el Turismo. (2018). Es-
tad´ısticas de exportaciones peruanas. Descargado 2018-03-30, de http://
www.siicex.gob.pe/promperustat/
de Figueiredo Furtado, G., Mantovani, R. A., Consoli, L., Hubinger, M. D., y da
Cunha, R. L. (2017). Structural and emulsifying properties of sodium casei-
nate and lactoferrin influenced by ultrasound process. Food Hydrocolloids,
63, 178–188. doi: 10.1016/j.foodhyd.2016.08.038
Delmas, T., Piraux, H., Couffin, A. C., Texier, I., Vinet, F., Poulin, P., . . . Bibette, J.
(2011). How to prepare and stabilize very small nanoemulsions. Langmuir,
27(5), 1683–1692. doi: 10.1021/la104221q
Einhorn-Stoll, U., Weiss, M., y Kunzek, H. (2002). Influence of the emulsion com-
ponents and preparation method on the laboratory-scale preparation of o/w
emulsions containing different types of dispersed phases and/or emulsifiers.
Nahrung - Food, 46(4), 294–301. doi: 10.1002/1521-3803(20020701)46:
4(294::AID-FOOD294)3.0.CO;2-2
Fanali, C., Dugo, L., Cacciola, F., Beccaria, M., Grasso, S., Dacha, M., . . . Monde-
llo, L. (2011). Chemical characterization of Sacha Inchi (Plukenetia volubilis
L.) oil. Journal of agricultural and food chemistry, 59(24), 13043–9. doi:
10.1021/jf203184y
Fellows, P. J. (2000). Size reduction. En Food processing technology: Principles
and practice (2.a ed., pp. 98–117). Boca Raton: Woodhead Publishing & CRC
Press.
Foster, R., Williamson, C. S., y Lunn, J. (2009). Culinary oils and their health
effects. Nutrition Bulletin, 34, 4–47.
Garrett, E. R. (1965). Stability of Oil-in-Water Emulsions. Journal of Pharmaceu-
tical Sciences, 54(11), 1557–1570. doi: 10.1002/jps.2600541102
Gharibzahedi, S. M. T. (2017). Ultrasound-mediated nettle oil nanoemulsions stabi-
lized by purified jujube polysaccharide: Process optimization, microbial eva-
84
luation and physicochemical storage stability. Journal of Molecular Liquids,
234, 240–248. doi: 10.1016/j.molliq.2017.03.094
Ghosh, P. K., Bhattacharjee, P., Mitra, S., y Poddar-Sarkar, M. (2014). Physicoche-
mical and Phytochemical Analyses of Copra and Oil of Cocos nucifera L. (
West Coast Tall Variety). International Journal of Food Science, 2014, 1–8.
doi: 10.1155/2014/310852
Gopal, E. S. R. (1968). Principles of Emulsion Formation. En P. Sherman (Ed.),
Emulsion science (pp. 1–76). London: Academic Press.
Guay, F., y Bisaillon, S. (1979). Evaluation of Fat Emulsions Prepared by Ultrasonic
Waves. Drug Development and Industrial Pharmacy, 5(2), 107–126. doi:
10.3109/03639047909055666
Guerra-Rosas, M. I., Morales-Castro, J., Ochoa-Mart ınez, L. A., Salvia-Trujillo, L.,
y Mart ın-Belloso, O. (2016). Long-term stability of food-grade nanoemul-
sions from high methoxyl pectin containing essential oils. Food Hydroco-
lloids, 52, 438–446. doi: 10.1016/j.foodhyd.2015.07.017
Guillen, M. D., Ruiz, A., Cabo, N., Chirinos, R., y Pascual, G. (2003). Charac-
terization of sacha inchi ( Plukenetia volubilis L.) oil by FTIR spectroscopy
and 1 H NMR. Comparison with linseed oil. Journal of the American Oil
Chemists’ Society, 80(8), 755–762. doi: 10.1007/s11746-003-0768-z
Gutierrez, L. F., Rosada, L. M., y Jimenez, A . (2011). Chemical composition of
Sacha Inchi (Plukenetia volubilis L.) seeds and characteristics of their lipid
fraction. Grasas y Aceites, 62(1), 76–83. doi: 10.3989/gya044510
Hamaker, B. R., Valles, C., Gilman, R., Hardmeier, R. M., Clark, D., Garcia, H. H.,
. . . Lescano, M. (1992). Amino acid and fatty acid profiles of the Inca peanut
(Plukenetia volubilis). Cereal Chemistry, 69(4), 461–463.
Henandez Fernandez, E., Quispe, C., y Alencastre M., A. (1999). Composicion de
acidos grasos en aceites de mayor consumo en el Peru. Ciencia e investiga-
cion, 2(1), 44–53. Descargado de http://revistasinvestigacion
85
.unmsm.edu.pe/index.php/farma/article/view/4405
Herrera, M. L. (2012). Methods for Stability Studies. En Analytical techniques for
studying the physical properties of lipid emulsions (pp. 15–60). New York:
Springer.
Higgins, D. M., y Skauen, D. M. (1972). Influence of Power on Quality of Emul-
sions Prepared by Ultrasound. Journal of Pharmaceutical Sciences, 61(10),
1567–1570. doi: 10.1002/jps.2600611004
Hosseini, A., Jafari, S. M., Mirzaei, H., Asghari, A., y Akhavan, S. (2015). Ap-
plication of image processing to assess emulsion stability and emulsifica-
tion properties of Arabic gum. Carbohydrate Polymers, 126, 1–8. doi:
10.1016/j.carbpol.2015.03.020
Huck-Iriart, C., Pizones Ruiz-Henestrosa, V. M., Candal, R. J., y Herrera, M. L.
(2013). Effect of Aqueous Phase Composition on Stability of Sodium Casei-
nate/Sunflower oil Emulsions. Food and Bioprocess Technology, 6(9), 2406–
2418. doi: 10.1007/s11947-012-0901-y
Indecopi. (2012). Norma Tecnica Peruana NTP 209.224. Salsas Condimentadoras.
Requisitos generales (Vol. 1985). Lima: Instituto Nacional de Defensa de la
Competencia y de la Proteccion de la Propiedad Intelectual.
Intarasirisawat, R., Benjakul, S., y Visessanguan, W. (2016). Influence of High
Pressure Homogenisation on Stability of Emulsions Containing Skipjack Roe
Protein Hydrolysate. Indian Journal of Science and Technology, 9(2), 1–9.
doi: 10.17485/ijst/2016/v9i2/71901
International Food Information Service. (2009).
En Dictionary of food science and technology (2.a ed., p. 150).
Jang, H.-S., y Chin, K.-B. (2011). Emulsifying and Gelling Properties of Pork
Myofibrillar Protein as Affected by Various NaCl Levels and pH Values. Ko-
rean Journal for Food Science of Animal Resources, 31(5), 727–730. doi:
10.5851/kosfa.2011.31.5.727
86
Kailis, S. G., y Kiritsakis, A. (2017). Table Olives: Processing, Nutritional, and
Health Implications. En F. Shahidi y A. Kiritsakis (Eds.), Olives and olive oil
as functional foods (pp. 295–324). Chichester, UK: John Wiley & Sons, Ltd.
doi: 10.1002/9781119135340.ch15
Kargar, M., Fayazmanesh, K., Alavi, M., Spyropoulos, F., y Norton, I. T. (2012).
Investigation into the potential ability of Pickering emulsions (food-grade par-
ticles) to enhance the oxidative stability of oil-in-water emulsions. Journal of
Colloid and Interface Science, 366(1), 209–215. doi: 10.1016/j.jcis.2011.09
.073
Kartal, C., Unal, M. K., y Otles, S. (2016). Flaxseed Oil-In-Water Emulsions
Stabilized by Multilayer Membranes: Oxidative Stability and the Effects of
pH. Journal of Dispersion Science and Technology, 37(12), 1683–1691. doi:
10.1080/01932691.2016.1141294
Kentish, S., Wooster, T. J., Ashokkumar, M., Balachandran, S., Mawson, R., y
Simons, L. (2008). The use of ultrasonics for nanoemulsion preparation.
Innovative Food Science and Emerging Technologies, 9(2), 170–175. doi:
10.1016/j.ifset.2007.07.005
Kim, I., Worthen, A. J., Johnston, K. P., DiCarlo, D. A., y Huh, C. (2016). Size-
dependent properties of silica nanoparticles for Pickering stabilization of
emulsions and foams. Journal of Nanoparticle Research, 18(4), 82. doi:
10.1007/s11051-016-3395-0
Koocheki, A., y Kadkhodaee, R. (2011). Effect of Alyssum homolocarpum seed
gum, Tween 80 and NaCl on droplets characteristics, flow properties and phy-
sical stability of ultrasonically prepared corn oil-in-water emulsions. Food
Hydrocolloids, 25(5), 1149–1157. doi: 10.1016/j.foodhyd.2010.10.012
Krstonosic, V., Dokic, L., Dokic, P., y Dapcevic, T. (2009). Effects of xanthan gum
on physicochemical properties and stability of corn oil-in-water emulsions
stabilized by polyoxyethylene (20) sorbitan monooleate. Food Hydrocolloids,
87
23(8), 2212–2218. doi: 10.1016/j.foodhyd.2009.05.003
Kulmyrzaev, A., Sivestre, M. P. C., y McClements, D. J. (2000). Rheology and sta-
bility of whey protein stabilized emulsions with high CaCl2 concentrations.
Food Research International, 33(1), 21–25. doi: 10.1016/S0963-9969(00)
00019-3
Kumar, S. N. (2011). Variability in Coconut (Cocos nucifera L.) Germplasm and
Hybrids for Fatty Acid Profile of Oil. Journal of Agricultural and Food Che-
mistry, 59(24), 13050–13058. doi: 10.1021/jf203182d
Laureles, L. R., Rodriguez, F. M., Reano, C. E., Santos, G. A., Laurena, A. C., y
Mendoza, E. M. T. (2002). Variability in Fatty Acid and Triacylglycerol
Composition of the Oil of Coconut ( Cocos nucifera L.) Hybrids and Their
Parentals. Journal of Agricultural and Food Chemistry, 50(6), 1581–1586.
doi: 10.1021/jf010832w
Lees, R. (1982). Metodos de Analisis de los Alimentos. En Analisis de los alimen-
tos. metodos analıticos y de control de calidad (2nd Spanish (3rd English)
ed., pp. 59–228). Zaragoza, Espana: Editorial Acribia.
Levius, H. P., y Drommond, F. G. (1953). Elevated temperature as an artifical
breakdown stress in the evaluation of emulsion stability. Journal of Pharmacy
and Pharmacology, 5(1), 743–756. doi: 10.1111/j.2042-7158.1953.tb14040
.x
Li, Y., Kong, B., Liu, Q., Xia, X., y Chen, H. (2016). Improvement of the emul-
sifying and oxidative stability of myofibrillar protein prepared oil-in-water
emulsions by addition of zein hydrolysates. Process Biochemistry. doi:
10.1016/j.procbio.2016.11.010
Liang, H. N., y Tang, C. H. (2013). pH-dependent emulsifying properties of pea
[Pisum sativum (L.)] proteins. Food Hydrocolloids, 33(2), 309–319. doi:
10.1016/j.foodhyd.2013.04.005
Liu, S. X., Singh, M., Wayman, A. E., Hwang, H. S., y Fhaner, M. (2015). Reduc-
88
tion of omega-3 oil oxidation in stable emulsion of caseinate-omega-3 oil-oat
beta-glucan. LWT - Food Science and Technology, 62(2), 1083–1090. doi:
10.1016/j.lwt.2015.02.012
Mamedova, M. E ., y Aslanov, S. M. (1985). Fatty acid composition of oils of
various types of Olea europaea. Chemistry of Natural Compounds, 21(5),
663–664. doi: 10.1007/BF00579077
Marina, A., Che Man, Y., y Amin, I. (2009). Virgin coconut oil: emerging functional
food oil. Trends in Food Science & Technology, 20(10), 481–487. doi: 10
.1016/j.tifs.2009.06.003
Marina, A. M., Che Man, Y. B., Nazimah, S. A. H., y Amin, I. (2009). Chemical
Properties of Virgin Coconut Oil. Journal of the American Oil Chemists’
Society, 86(4), 301–307. doi: 10.1007/s11746-009-1351-1
Mason, T. (1996). The uses of ultrasound in food technology. Ultrasonics Sono-
chemistry, 3(3), S253–S260. doi: 10.1016/S1350-4177(96)00034-X
Maurer, N. E., Hatta-Sakoda, B., Pascual-Chagman, G., y Rodriguez-Saona, L. E.
(2012). Characterization and authentication of a novel vegetable source of
omega-3 fatty acids, sacha inchi (Plukenetia volubilis L.) oil. Food Chemistry,
134(2), 1173–1180. doi: 10.1016/j.foodchem.2012.02.143
McClements, D. J. (2008a). Lipid-Based Emulsions and Emulsifiers. En C. C. Akoh
y D. B. Min (Eds.), Food lipids: Chemistry, nutrition, and biotechnology (3.a
ed., pp. 63–97). Boca Raton: Taylor & Francis.
McClements, D. J. (2008b). Stability of Food Emulsions (1). Amherst: University
of Massachusetts. Descargado de http://people.umass.edu/
mcclemen/FoodEmulsions2008/Presentations(PDF)/
(6)Emulsion Stability.pdf
Mehmood, T., Ahmad, A., Ahmed, A., y Ahmed, Z. (2017). Optimization of olive
oil based O/W nanoemulsions prepared through ultrasonic homogenization:
A response surface methodology approach. Food Chemistry, 229, 790–796.
89
doi: 10.1016/j.foodchem.2017.03.023
Mihov, R., Nikovska, K., Nenov, N., y Slavchev, A. (2012). Evaluation of
mayonnaise-like food emulsions with extracts of herbs and spices. Emirates
Journal of Food and Agriculture, 24(3), 191–199. Descargado de https://
www.ejfa.me/index.php/journal/article/view/845
Ministerio de Agricultura y Riego. (2017a). Anuario Estadístico de Produccion
Agroindustrial Alimentaria. Descargado 2018-03-30, de http://siea
.minag.gob.pe/siea/?q=estadistica-agroindustrial
Ministerio de Agricultura y Riego. (2017b). Sistema Integrado de Estad´ıstica
Agraria. Descargado 2018-03-30, de http://siea.minag.gob.pe/
siea/?q=actividades-estadisticas-del-sistema
-agricola
Mirhosseini, H., Tan, C. P., Hamid, N. S., y Yusof, S. (2008). Effect of Arabic gum,
xanthan gum and orange oil contents on ζ-potential, conductivity, stability,
size index and pH of orange beverage emulsion. Colloids and Surfaces A:
Physicochemical and Engineering Aspects, 315(1-3), 47–56. doi: 10.1016/
j.colsurfa.2007.07.007
Mujumdar, S., Senthil Kumar, P., y Pandit, A. B. (1997). Emulsification by ultra-
sound : Relation between intensity and emulsion quality. Indian Journal of
Chemical Technology, 4(6), 277–284.
Najaf Najafi, M., Hosaini, V., Mohammadi-Sani, A., y Koocheki, A. (2016). Phy-
sical stability, flow properties and droplets characteristics of Balangu (Lalle-
mantia royleana) seed gum / whey protein stabilized submicron emulsions.
Food Hydrocolloids, 59, 2–8. doi: 10.1016/j.foodhyd.2016.02.017
Nakaya, K., Ushio, H., Matsuwaka, S., Shimizu, M., y Ohshima, T. (2005). Effect
of oil droplet size on the oxidative stability of oil-in-water emulsions. Lipids,
40(5), 501–507.
Nguyen, H. H., Choi, K.-O., Kim, D. E., Kang, W.-S., y Ko, S. (2013). Improve-
90
ment of oxidative stability of rice brian oil emulsion by controlling droplet
size. Journal of Food Processing and Preservation, 37(2), 139–151. doi:
10.1111/j.1745-4549.2011.00633.x
Nielsen, S. S. (2010). Fat Characterization. En Food analysis laboratory manual
(2.a ed., pp. 103–114). New York: Springer.
Nikbakht Nasrabadi, M., Goli, S. A. H., y Nasirpour, A. (2016). Stability as-
sessment of conjugated linoleic acid (CLA) oil-in-water beverage emulsion
formulated with acacia and xanthan gums. Food Chemistry, 199, 258–264.
doi: 10.1016/j.foodchem.2015.12.001
Noro, S.-I., Takamura, A., y Koishi, M. (1979). Evaluation of emulsion stability. Ef-
fect of Tween group emulsifiers on stability of o/w type emulsions. Chemical
& Pharmaceutical Bullletin, 27(2), 309–316. doi: 10.1248/cpb.27.309
Paradiso, V. M., Giarnetti, M., Summo, C., Pasqualone, A., Minervini, F., y Capo-
nio, F. (2015). Production and characterization of emulsion filled gels based
on inulin and extra virgin olive oil. Food Hydrocolloids, 45, 30–40. doi:
10.1016/j.foodhyd.2014.10.027
Patist, A., y Bates, D. (2011). Industrial Applications of High Power Ultrasonics. En
H. Feng, G. V. Barbosa-Canovas, y J. Weiss (Eds.), Ultrasound technologies
for food and bioprocessing (pp. 599–616). New York: Springer. doi: 10.1007/
978-1-4419-7472-3 24
Pechorena Escalante, A. C. (2010). Extraccion y cuantificacion de Capsaicina
de siete variedades de Capsicum pubescens “Rocoto”nativas de Arequipa
(Bachelor Thesis). Universidad Catolica de Santa María, Arequipa, Peru.
Pero, M., Emam-Djomeh, Z., Yarmand, M., y Samavati, V. (2014). Stability and
Rheological Properties of Model Low-Fat Salad Dressing Stabilized by Salep.
Journal of Dispersion Science and Technology, 35(2), 37–41. doi: 10.1080/
01932691.2013.783490
Perrechil, F. D. A., Santana, R. D. C., Fasolin, L. H., Silva, C. A. S. D., y Cunha,
91
R. L. D. (2010). Rheological and structural evaluations of commercial italian
salad dressings. Ciencia e Tecnologia de Alimentos, 30(003636), 477–482.
doi: 10.1590/S0101-20612010000200027
Pham, L. J., Casa, E. P., Gregorio, M. A., y Kwon, D. Y. (1998). Triacylglycerols
and regiospecific fatty acid analyses of philippine seed oils. Journal of the
American Oil Chemists’ Society, 75(7), 807–811. doi: 10.1007/s11746-998
-0230-5
Pirestani, S., Nasirpour, A., Keramat, J., y Desobry, S. (2017). Preparation of che-
mically modified canola protein isolate with gum Arabic by means of Mai-
llard reaction under wet-heating conditions. Carbohydrate Polymers, 155,
201–207. doi: 10.1016/j.carbpol.2016.08.054
Piriyaprasarth, S., Juttulapa, M., y Sriamornsak, P. (2016). Stability of rice
bran oil-in-water emulsions stabilized by pectin-zein complexes: Effect of
composition and order of mixing. Food Hydrocolloids, 61, 589–598. doi:
10.1016/j.foodhyd.2016.06.015
Pongsawatmanit, R., Harnsilawat, T., y McClements, D. J. (2006). Influence of
alginate, pH and ultrasound treatment on palm oil-in-water emulsions sta-
bilized by β-lactoglobulin. Colloids and Surfaces A: Physicochemical and
Engineering Aspects, 287(1-3), 59–67. doi: 10.1016/j.colsurfa.2006.03.022
Quintana, J. M., Califano, A. N., Zaritzky, N. E., y Partal, P. (2002). Effect of
salt on the rheological properties of low-in-fat O/W emulsions stabilised with
polysaccharides. Food Science and Technology International, 8(4), 213–221.
doi: Doi10.1106/108201302028554
R Development Core Team. (2008). R: A language and environment for statis-
tical computing. Vienna, Austria: R Foundation for Statistical Computing.
Descargado de http://www.r-project.org
Rajagopal, E. S. (1958). Particle size distributions in ultrasonic emulsification.
Proceedings of the Indian Academy of Sciences - Section A, 49(6), 333–339.
92
doi: 10.1007/BF03052843
Riskey, D. R. (1986). Use and abuses of category scales in sensory measurement.
Journal of Sensory Studies, 1(3-4), 217–236. doi: 10.1111/j.1745-459X.1986
.tb00175.x
Robins, M. M. (2000). Emulsions - Creaming phenomena. Current Opinion in Co-
lloid and Interface Science, 5(5-6), 265–272. doi: 10.1016/S1359-0294(00)
00065-0
RStudio Team. (2015). Rstudio: Integrated development environment for r [Ma-
nual de software informatico]. Boston, MA. Descargado de http://
www.rstudio.com/
Ruiz, C., Díaz, C., Anaya, J., y Rojas, R. (2013). Analisis proximal, antinutrientes,
perfil de acidos grasos y de aminoacidos de semillas y tortas de 2 especies de
sacha inchi (Plukenetia volubilis y Plukenetia huayllabambana). Revista de
la Sociedad Química del Peru, 79(1), 29–36.
Samavati, V., Emam-Djomeh, Z., Mohammadifar, M. A., Omid, M., y Mehdinia,
A. L. I. (2012). Stability and rheology of dispersions containing polysaccha-
ride, oleic acid and whey protein isolate. Journal of Texture Studies, 43(1),
63–76. doi: 10.1111/j.1745-4603.2011.00317.x
Sarkar, A., Kamaruddin, H., Bentley, A., y Wang, S. (2016). Emulsion stabilization
by tomato seed protein isolate: Influence of pH, ionic strength and thermal
treatment. Food Hydrocolloids, 57, 160–168. doi: 10.1016/j.foodhyd.2016
.01.014
Schindelin, J., Arganda-Carreras, I., Frise, E., Kaynig, V., Longair, M., Pietzsch, T.,
. . . Cardona, A. (2012). Fiji: an open-source platform for biological-image
analysis. Nature Methods, 9(7), 676–682. doi: 10.1038/nmeth.2019
Sen Gupta, S., y Ghosh, M. (2015). Formulation development and process pa-
rameter optimization of lipid nanoemulsions using an alginate-protein sta-
bilizer. Journal of Food Science and Technology, 52(5), 2544–2557. doi:
93
10.1007/s13197-014-1348-0
Seta, L., Baldino, N., Gabriele, D., Lupi, F. R., y de Cindio, B. (2013). The in-
fluence of carrageenan on interfacial properties and short-term stability of
milk whey proteins emulsions. Food Hydrocolloids, 32(2), 373–382. doi:
10.1016/j.foodhyd.2013.01.020
Shamsara, O., Jafari, S. M., y Muhidinov, Z. K. (2017). Fabrication, characteri-
zation and stability of oil in water nano-emulsions produced by apricot gum-
pectin complexes. International Journal of Biological Macromolecules, 103,
1285–1293. doi: 10.1016/j.ijbiomac.2017.05.164
Shekar, M. C., Chary, B. B., Srinivas, S., Kumar, B. R., Mahendrakar, M. D., y
Varma, M. V. K. (2011). Effect of ultrasonication on stability of oil in water
emulsions. International Journal of Drug Delivery, 3(1), 133–140. doi: 10
.5138/ijdd.2010.0975.0215.03063
Shen, L., y Tang, C. H. (2012). Microfluidization as a potential technique to modify
surface properties of soy protein isolate. Food Research International, 48(1),
108–118. doi: 10.1016/j.foodres.2012.03.006
Silva, E. K., Azevedo, V. M., Cunha, R. L., Hubinger, M. D., y Meireles, M. A. A.
(2016). Ultrasound-assisted encapsulation of annatto seed oil: Whey protein
isolate versus modified starch. Food Hydrocolloids, 56, 71–83. doi: 10.1016/
j.foodhyd.2015.12.006
Spinelli, L. S., Mansur, C. R. E., Gonzalez, G., y Lucas, E. F. (2010). Eva-
luation of process conditions and characterization of particle size and sta-
bility of oil-in-water nanoemulsions. Colloid Journal, 72(1), 56–65. doi:
10.1134/S1061933X10010084
Sun, C., y Gunasekaran, S. (2009). Effects of protein concentration and oil-phase
volume fraction on the stability and rheology of menhaden oil-in-water emul-
sions stabilized by whey protein isolate with xanthan gum. Food Hydroco-
lloids, 23(1), 165–174. doi: 10.1016/j.foodhyd.2007.12.006
94
Sweeney, S., Butler, K., Conlan, D., Correll, R., Jones, G., McClure, P., y Taylor,
R. (2002). A survey of selected oil composition and fruit characteristics in
different olive varieties across Australia. Advances in Horticultural Sciences,
16(3-4), 253–258. doi: 10.1400/14126
Tadros, T., Izquierdo, P., Esquena, J., y Solans, C. (2004). Formation and stability of
nano-emulsions. Advances in Colloid and Interface Science, 108-109, 303–
318. doi: 10.1016/j.cis.2003.10.023
Tang, S. Y., Shridharan, P., y Sivakumar, M. (2013). Impact of process parameters in
the generation of novel aspirin nanoemulsions - Comparative studies between
ultrasound cavitation and microfluidizer. Ultrasonics Sonochemistry, 20(1),
485–497. doi: 10.1016/j.ultsonch.2012.04.005
Torre-A lvarez, C., Baez-Gonzalez, J. G., Amaya Guerra, C. A., Nunez-Gonzalez,
A., y Alania Guzman, M. G. (2016). Desarrollo de emulsiones con aceite
esencial de naranja formuladas con diferentes biopolımeros. Investigacion y
Desarrollo en Ciencia y Tecnología de Alimentos, 1(2), 850–856.
Udomrati, S., Khalid, N., Gohtani, S., Nakajima, M., Neves, M. A., Uemura, K., y
Kobayashi, I. (2016). Effect of esterified oligosaccharides on the formation
and stability of oil-in-water emulsions. Carbohydrate Polymers, 143, 44–50.
doi: 10.1016/j.carbpol.2016.02.006
Univerisity of Florida. (2013). Experimental Design Diagram. Gainesville,
Florida: Center for Precollegiate Education and Training. Descarga-
do de https://www.cpet.ufl.edu/wp-content/uploads/
2013/03/Experimental-Design-Diagram-and-Independent
-variables.pdf
Vasile, F. E., Martinez, M. J., Pizones Ruiz-Henestrosa, V. M., Judis, M. A., y
Mazzobre, M. F. (2016). Physicochemical, interfacial and emulsifying
properties of a non-conventional exudate gum (Prosopis alba) in compari-
son with gum arabic. Food Hydrocolloids, 56, 245–253. doi: 10.1016/
95
j.foodhyd.2015.12.016
Wang, B., Li, D., Wang, L. J., y
O zkan, N. (2010). Effect of concentrated
flaxseed protein on the stability and rheological properties of soybean oil-
in-water emulsions. Journal of Food Engineering, 96(4), 555–561. doi:
10.1016/j.jfoodeng.2009.09.001
Wang, Y., Li, D., Wang, L. J., y Adhikari, B. (2011). The effect of addition of
flaxseed gum on the emulsion properties of soybean protein isolate (SPI).
Journal of Food Engineering, 104(1), 56–62. doi: 10.1016/j.jfoodeng.2010
.11.027
Ward, F. M., Hanway, W. H., y Ward, R. B. (2006). Food Gums: Functional
Properties and Applications. En Y. H. Hui (Ed.), Handbook of food science,
technology and engineering (Vol. 3, pp. 139.1 – 139.16). Boca Raton, USA:
CRC Press.
Yu, G. P., Dou, C. R., Song, Y., Wu, H., y Gong, Z. (2012). Freeze-Thaw Sta-
bility of Oil-in-Water Prepared with Soy Protein Isolate-Maltodextrin Con-
jugates. Advanced Materials Research, 602-604, 1206–1210. doi: 10.4028/
www.scientific.net/AMR.602-604.1206
Zarena, A. S., Bhattacharya, S., y Kadimi, U. S. (2012). Mangosteen Oil-In-Water
Emulsions: Rheology, Creaming, and Microstructural Characteristics during
Storage. Food and Bioprocess Technology, 5(8), 3007–3013. doi: 10.1007/
s11947-011-0695-3
96
Apendices
97
Apendice 1
Constancia de laboratorio
Figura 23: Constancia de laboratorio donde se realizo las pruebas experimentales
98
Apendice 2
Detalle de procedimientos
Emulsificacion ultrasonica
Materiales
Emulsificador ultrasonico (Figura 24).
Vasos beaker de 100 mL.
Balanza anal´ıtica.
Probetas de 50 y 100 mL.
Procedimiento
Las emulsiones (muestras experimentales) se prepararon segun las formulacio-
nes del diseno experimental, empleando el equipo de emulsificacion por ultrasoni-
do SJIA-500W. Cuando se empleo lecitina como emulsificante, debe disolverse por
agitacion en la fase oleosa (Figura 25) antes de anadir el agua destilada (fase acuo-
sa). El recipiente para preparacion de emulsiones del equipo se coloco en la camara
de proteccion de ruido durante toda la operacion. El sonotrodo se ubico en todos los
casos aproximadamente 2 mm bajo nivel de la interfase aceite/agua (Figura 26).
99
Figura 24: Equipo de ultrasonido con camara de proteccion de ruido
La temperatura inicial de operacion en todos los casos fue la temperatura am-
biental. Cada una de las muestras experimentales preparadas (Figura 27) se alma-
ceno en:
2 Recipientes plasticos opacos de 100 mL, empleados para los analisis fısico-
qu ımicos.
2 tubos de ensayo de 10 mL con tapa para evaluar la estabilidad de la emulsion
mediante el ındice de cremado.
Los tubos de ensayo (almacenados en gradillas) y los recipientes plasticos se
mantuvieron protegidos de la luz solar directa, a temperatura ambiente, durante el
almacenamiento hasta su analisis.
Emulsificacion convencional
Materiales
Emulsificador (mezclador) de alta velocidad.
100
Figura 25: Lecitina disuelta en la fase oleosa luego de agitacion con bagueta
101
Figura 26: Lecitina disuelta en la fase oleosa luego de agitacion con bagueta
102
Figura 27: Emulsion preparada por ultrasonido
Vasos beaker de 250 mL.
Balanza anal´ıtica.
Probetas de 50 y 100 mL.
Procedimiento
Siguiendo las formulaciones que se detallan en el diseno experimental, se pre-
pararon las muestras experimentales usando el emulsificador SJIA-HS10. La tem-
peratura de operacion en todos los casos fue la temperatura ambiental. Cada una de
las muestras experimentales preparadas se almacenaron en:
2 Recipientes plasticos opacos de 100 mL, empleados para los analisis fısico-
qu ımicos.
2 tubos de ensayo de 10 mL para evaluar la estabilidad de la emulsion me-
diante el ındice de cremado.
103
Determinacion del ındice de cremado
Materiales
Tubos de ensayo de 10 mL con tapa.
Gradilla para tubos de ensayo.
Regla milimetrica graduada.
Procedimiento
De acuerdo con (Herrera, 2012), las muestras de emulsiones se colocaron en
tubos de ensayo que se almacenaron en condiciones que eviten su perturbacion
(Figura 29 y Figura 30). La desestabilizacion de las emulsiones se indico por la
separacion de las fases con una capa del surfactante (emulsificante) entre ambas,
por lo que hubo una capa opaca en la parte superior, una capa turbia en el medio,
y/o una capa transparente en el fondo. Se define la altura de la capa de suero (HS)
como la suma de las alturas de las capas turbida y transparente. Si HE se define
como la altura de la emulsion, el ındice de cremado queda definido por:
HS IC = 100 ×
HE (1)
Determinacion del ındice de peroxido
Materiales
Solucion de acido acetico - diclorometano (3 volumenes de acido acetico gla-
cial con 2 volumenes de diclorometano)
Solucion saturada de ioduro de potasio (fresca, almacenada en la oscuridad).
104
Tiosulfato de sodio 0.01 N, solucion estandar preparada segun modificacion
del AOAC Method 942.27.
Solucion indicadora de almidon. 1 % (fresca, preparada en el día).
Beaker de 250 mL.
Bureta de 25 mL o 50 mL.
4 matraces Erlenmeye, de 250.
Procedimiento
Se emplearon muestras de emulsiones obtenidas en los experimentos para eva-
luar el efecto de los parametros tecnologicos de la emulsificacion por ultrasonido
y los parametros tecnologicos de la emulsificacion convencional (Figura 31). De
acuerdo a una modificacion del metodo de (Nielsen, 2010), se pesaron 5 g de mues-
tra (con precision de 0.01 g) en cada uno de lo matraces Erlenmeyer con tapa de
vidrio de 250 mL. Luego se anadieron 30 mL de solucion de solucion de acido aceti-
co - diclorometano y se agito hasta disolver, luego se anadieron 0.5 mL de solucion
saturada de KI dejando reposar por 1 minuto con agitacion ocasional, anadiendo
luego 30 mL de agua desionizada. La titulacion se hizo lentamente con la solucion
de tiosulfato de sodio al 0.01 N, con agitacion vigorosa hasta que el color amarillo
casi desaparezca, en ese momento se anaden 0.5 mL de solucion de almidon al 1 %
y se continua la titulacion agitando vigorosamente hasta que el color azul desapa-
rezca. Se registro el volumen de titulante usado. El procedimiento se repitio para
titular un blanco.
El ındice de peroxido se calcula como sigue:
Donde:
Indice de peroxido = (S − B) × N
W
× 1000 (2)
105
Indice de peroxido = mEq de peroxido por kilogramo de muestra.
S = volumen de titulante (mL) para la muestra.
B = volumen de titulante (mL) para el blanco.
N = normalidad de la solucion de Na2S2O3 (mEq/mL).
1000 = Conversion de unidades (g/kg).
W = masa de la muestra (g).
Determinacion de la acidez total
Materiales
Bureta.
Solucion de hidroxido de sodio 0.1 N y 0.01 N.
Solucion indicador de fenolftaleına.
Balanza anal´ıtica.
Matraz Erlenmeyer de 250 mL.
Procedimiento
De acuerdo a (Lees, 1982), se peso una cantidad de muestra suficiente para
que la titulacion sea satisfactoria (10 g, Figura 32). Luego se anadieron 50 mL de
agua destilada. La titulacion se hace con hidroxido de sodio 0.01 N (0.1 N para las
muestras del experimento para evaluar el efecto de la concentracion de NaCl, pH y
pre-tratamiento convencional en una emulsion aceite de oliva preparada mediante
ultrasonido) usando fenolftale ına como indicador. Cuando se aproxime al punto
106
final se anade el titulante gota a gota cerciorandose de que el color grosella final no
desaparece (Figura 33).
La formula empleada para obtener la acidez total fue la siguiente:
Donde:
Acideztotal = VNaOH × N × M × 100
W × 1000
(3)
Acidez total: Expresion de la acidez titulable en g del acido de interes por 100
g de muestra.
VNaOH : Volumen del gasto de hidroxido de sodio usado en la titulacion.
N: normalidad de la solucion de NaOH.
M: Peso del acido de interes (60.05 g/mol para el acido acetico, 282.47 g/mol
para el acido oleico).
W: Peso de la muestra.
Determinacion de pH
Materiales
pH-metro manual.
Beaker de 250 mL.
Soluciones tampon de pH 4 y 7.
Procedimiento
De acuerdo con (Lees, 1982), primero se calibro el pH-metro usando las dos
soluciones tampon, luego se midio el pH de las muestras (Figura 34) y se registro
la lectura.
107
Determinacion del tamano de partícula
Materiales
Microscopio optico “Revelation” (35).
Soporte para montaje de camara en microscopio.
Camara con sensor CMOS de 16MP (5312 × 2988 pixels) del smartphone
Samsung Galaxy S6 SM-G920I.
Aceite de inmersion.
Laminas portaobjetos y cubreobjetos.
Procedimiento
El tamano de gota de la fase dispersa (aceite) de las emulsiones fue determinada
mediante micro-fotografía, a partir de fotos tomadas con camara digital (Apendice
8) y el software de procesamiento de imagenes ImageJ (Schindelin et al., 2012). Los
datos almacenados en formato .csv se analizaron estad ısticamente para determinar
la mediana (D50) del diametro de las partículas o gotitas de aceite, y se uso la
tecnica estadistica de remuestreo bootstrapping para determinar los intervalos de
confianza entre las muestras.
Evaluacion sensorial por escala de categorías
Condiciones
Se realizo la evaluacion sensorial en la manana (luz solar) en carpetas blancas
empleando como jueces a voluntarios (estudiantes de la Escuela Profesional de Tra-
bajo Social de la Universidad Nacional de San Agust ın). Previamente a las pruebas
108
se realizo una introduccion en el aula sobre la forma en que se desarrolla la prueba
sensorial y la forma de llenar las cartillas.
Materiales
Cartillas de evaluacion sensorial (Figura 36)
Emulsion (aderezo italiano para ensaladas) preparado segun la Subseccion
3.1.5 del Capítulo 3 (Figura 37).
Vasos de plastico transparente de 150 mL.
Agua de mesa comercial sin gas.
Lapiceros.
Procedimiento
Se uso un metodo de evaluacion sensorial descriptiva, consistente en evaluacion
por escala de categorías para el caso de la emulsion preparada en el experimento
para la evaluacion sensorial de una emulsion (aderezo para ensaladas) preparada
con los parametros determinados como optimos para la emulsificacion ultrasonica.
Las caracterısticas que se evaluaran seran el sabor, apariencia, aroma y aceptabili-
dad general (desde “pobre” a “excelente”), teniendo en cuenta algunos criterios ya
establecidos en la literatura (Riskey, 1986).
109
Figura 28: Emulsion preparada por el metodo convencional
110
Figura 29: Gradilla con emulsiones preparadas por ultrasonido
Figura 30: Gradilla con emulsiones preparadas mediante el metodo convencional
111
Figura 31: Muestras de emulsiones obtenidas por ultrasonido y agitacion a alta ve-
locidad
112
Figura 32: Pesado de muestras (emulsiones) para determinacion de acidez
113
Figura 33: Titulacion para determinar acidez de emulsiones
114
Figura 34: Medicion de pH en muestras de emulsiones
115
Figura 35: Microscopio empleado para medicion del tamano de partícula de aceite
en las emulsiones
116
Figura 36: Cartilla empleada para la evaluacion sensorial mediante escala de cate-
gorías
117
Figura 37: Emulsion (aderezo italiano para ensaldas) preparada por ultrasonido
Apendice 3
Resultados estadísticos del efecto de
los parametros tecnologicos de la
emulsificacion por ultrasonido
Para el desarrollo de la tesis se emplearon diferentes scripts o guiones para el
software estadístico R. A continuacion se presentan los guiones empleados para ca-
da analisis del experimento para determinar el efecto de los parametros tecnologicos
de la emulsificacion por ultrasonido, ademas de sus principales salidas de interes es-
tadıstico, como los resultados del ANOVA (Analisis de varianza).
Efecto de los parametros tecnologicos de la emulsifica-
cion con ultrasonido
Optimizacion de parametros tecnologicos
Se empleo el siguiente guion para el procesamiento de los datos de ındice de
cremado almacenados en us II IC.csv.
Luego de ejecutar el anterior guion se obtuvo el ANOVA para el modelo lineal
de primer orden (Cuadro 40) y modelo cuadratico de segundo orden (Cuadro 41).
118
119
→
→
→
→
→
→
→
→
→
#Analisisdesuperficiederespuesta(Indicede
‹ cremado)
#Muestras:Tratamientosporultrasonido(dia63)
library(rsm)
#leyendodatosdeIC
datos <-read.csv("us_II_IC.csv", header = T)
plot(datos)#graficodelosdatos
#codificandodatos
CR <- coded.data(datos, x1˜ (Tiempo-180)/120, x2˜ (
‹ Potencia-350)/50, x3˜ (Diametro_Sonotrodo-10)/2)
#RSMconmodelolineal
ajuste.rsm1<- rsm(Indice_cremado ˜ FO(x1,x2,x3), data=
‹ CR)#ajustandounmodelodeprimerorden
summary(ajuste.rsm1)
par(mfrow=c(2,2))#preparaunframede2x2
plot(ajuste.rsm1)#graficandolosresiduos
par(mfrow=c(1,1))#regresaaunframede1x1
#RSMconmodelocuadratico
ajuste.rsm2<- rsm(Indice_cremado ˜ SO(x1, x2, x3),
‹ data=CR)#ajustandounmodelodesegundoorden
summary(ajuste.rsm2)
par(mfrow=c(2,2))#preparaunframede2x2
plot(ajuste.rsm2)#graficandolosresiduos
par(mfrow=c(1,1))#regresaaunframede1x1
par(mfrow=c(1,3))#preparaunframede1x3
contour(ajuste.rsm2, ˜ x1+ x2+x3,image=TRUE, at =
‹ summary(ajuste.rsm2)$canonical$xs)
#Graficoenperspectiva
persp(ajuste.rsm2, ˜ x1+ x2+ x3, at =summary(ajuste.
‹ rsm2)$canonical$xs,col=rainbow(50), contours="
‹ colors")
#Agrupandoportratamientoyresumiendodatos
‹ descriptivos
library(dplyr)
por_tratamientos<-group_by(datos,Tratamiento)
resumen_IC<-summarise(por_tratamientos,mean(Indice_
‹ cremado),sd(Indice_cremado))
print(resumen_IC)
120
→
→
→
Cuadro 40: Analisis de varianza del modelo lineal de primer orden
Grados
de
libertad
Suma de
cuadrados
Media de
cuadrados
Valor de
F
p-valor
FO(x1, x2, x3) 3 15347 5115.6 4.1411 0.015882
Residuales 26 32119 1235.3
Carencia de ajuste 9 22982 2553.6 4.7516 0.002839
Error puro 17 9136 537.4
Cuadro 41: Analisis de varianza del modelo cuadratico de segundo orden
Grados
de
libertad
Suma de
cuadrados
Media de
cuadrados
Valor de
F
p-valor
FO(x1, x2, x3) 3 15346.9 5115.6 8.0899 0.0010056
TWI(x1, x2, x3) 3 3869.3 1289.8 2.0397 0.1406633
PQ(x1, x2, x3) 3 15602.3 5200.8 8.2245 0.0009212
Residuales 20 12647.0 632.4
Carencia de ajuste 3 3510.9 1170.3 2.1776 0.1281242
Error puro 17 9136.1 537.4
Se utilizo el modelo cuadratico de segundo orden al tener una carencia de ajuste no
significativa (p < 0.05).
Tamano de partícula de emulsiones del experimento para evaluar
el efecto de los parametros tecnologicos de la emulsificacion por
ultrasonido
Se empleo el siguiente guion para procesar los datos de tamano de partícula y
estimar la mediana del diametro (D50).
#EmpezandopruebanoparametricadeKruskal-Wallis #Importandovaloresdetamano library(readr) require(car) Size_01<-read_csv("˜/Documentos/Mi tesis/Material/
‹ Estadistica/US-I/Resultados_01.csv", col_types = cols(Area =col_number(), Diametro =col_
‹ number())) Size_02<-read_csv("˜/Documentos/Mi tesis/Material/
‹ Estadistica/US-I/Resultados_02.csv", col_types = cols(Area =col_number(), Diametro =col_
‹→ number()))
121
→
→
→
→
→
→
→
→
→
→
→
→
→
→
→
→
→
→
→
→
→
→
→
→
→
→
Size_03<-read_csv("˜/Documentos/Mi tesis/Material/ ‹ Estadistica/US-I/Resultados_03.csv",
col_types = cols(Area =col_number(), Diametro =col_ ‹ number()))
Size_04<-read_csv("˜/Documentos/Mi tesis/Material/ ‹ Estadistica/US-I/Resultados_04.csv",
col_types = cols(Area =col_number(), Diametro =col_ ‹ number()))
Size_05<-read_csv("˜/Documentos/Mi tesis/Material/ ‹ Estadistica/US-I/Resultados_05.csv",
col_types = cols(Area =col_number(), Diametro =col_ ‹ number()))
Size_06<-read_csv("˜/Documentos/Mi tesis/Material/ ‹ Estadistica/US-I/Resultados_06.csv",
col_types = cols(Area =col_number(), Diametro =col_ ‹ number()))
Size_07<-read_csv("˜/Documentos/Mi tesis/Material/ ‹ Estadistica/US-I/Resultados_07.csv",
col_types = cols(Area =col_number(), Diametro =col_ ‹ number()))
Size_08<-read_csv("˜/Documentos/Mi tesis/Material/ ‹ Estadistica/US-I/Resultados_08.csv",
col_types = cols(Area =col_number(), Diametro =col_ ‹ number()))
Size_09<-read_csv("˜/Documentos/Mi tesis/Material/ ‹ Estadistica/US-I/Resultados_09.csv",
col_types = cols(Area =col_number(), Diametro =col_ ‹ number()))
Size_10<-read_csv("˜/Documentos/Mi tesis/Material/ ‹ Estadistica/US-I/Resultados_10.csv",
col_types = cols(Area =col_number(), Diametro =col_ ‹ number()))
Size_11<-read_csv("˜/Documentos/Mi tesis/Material/ ‹ Estadistica/US-I/Resultados_11.csv",
col_types = cols(Area =col_number(), Diametro =col_ ‹ number()))
Size_12<-read_csv("˜/Documentos/Mi tesis/Material/ ‹ Estadistica/US-I/Resultados_12.csv",
col_types = cols(Area =col_number(), Diametro =col_ ‹ number()))
Size_13<-read_csv("˜/Documentos/Mi tesis/Material/ ‹ Estadistica/US-I/Resultados_13.csv",
col_types = cols(Area =col_number(), Diametro =col_ ‹ number()))
Size_14<-read_csv("˜/Documentos/Mi tesis/Material/ ‹ Estadistica/US-I/Resultados_14.csv",
col_types = cols(Area =col_number(), Diametro =col_ ‹ number()))
Size_15<-read_csv("˜/Documentos/Mi tesis/Material/ ‹ Estadistica/US-I/Resultados_15.csv",
col_types = cols(Area =col_number(), Diametro =col_ ‹ number()))
#Guardandovaloresdediametrodecadatubo Diam_01<-Size_01$Diametro Diam_02<-Size_02$Diametro Diam_03<-Size_03$Diametro Diam_04<-Size_04$Diametro Diam_05<-Size_05$Diametro Diam_06<-Size_06$Diametro Diam_07<-Size_07$Diametro Diam_08<-Size_08$Diametro Diam_09<-Size_09$Diametro Diam_10<-Size_10$Diametro Diam_11<-Size_11$Diametro Diam_12<-Size_12$Diametro Diam_13<-Size_13$Diametro
122
→
→
→
→
→
→
→
→
→
→
Diam_14<-Size_14$Diametro Diam_15<-Size_15$Diametro #RealizauntestdenormalidaddeLilliefors(>0.05
‹ significaquesonnormales) library(nortest) lillie.test(Diam_01) lillie.test(Diam_02) lillie.test(Diam_03) lillie.test(Diam_04) lillie.test(Diam_05) lillie.test(Diam_06) lillie.test(Diam_07) lillie.test(Diam_08) lillie.test(Diam_09) lillie.test(Diam_10) lillie.test(Diam_11) lillie.test(Diam_12) lillie.test(Diam_13) lillie.test(Diam_14) lillie.test(Diam_15) #Sererificaquetodoslosvalorespfueronmenoresa
‹ 0.05,porloquenosonnormales #Evaluandolahomogeneidaddevarianzacontestde
‹ Fligner-Killeen,yaquenosepuedeusar #eltestdeBartleyporqueladistribucionnoes
‹ normal.ParaFligner-Killeenpdebeser #mayora0.05paraqueseanhomogeneaslasvarianzas fligner.test(list(Diam_01,Diam_02,Diam_03,Diam_04,Diam_
‹ 05,Diam_06,Diam_07,Diam_08, Diam_09,Diam_10,Diam_11,Diam_12,Diam_13,Diam_14,Diam_15
‹ )) #Graficandolosdatosenunboxplot boxplot(list(Diam_01,Diam_02,Diam_03,Diam_04,Diam_05,
‹ Diam_06,Diam_07,Diam_08, Diam_09,Diam_10,Diam_11,Diam_12,Diam_13,Diam_14,Diam_15
‹ )) #Comosepuedever,hayheterocedasticidad #Ahoraseintentaratransformarlosdatosusandoel
‹ logaritmodebase10 Trans_D1<-log10(Diam_01) Trans_D2<-log10(Diam_02) Trans_D3<-log10(Diam_03) Trans_D4<-log10(Diam_04) Trans_D5<-log10(Diam_05) Trans_D6<-log10(Diam_06) Trans_D7<-log10(Diam_07) Trans_D8<-log10(Diam_08) Trans_D9<-log10(Diam_09) Trans_D10<-log10(Diam_10) Trans_D11<-log10(Diam_11) Trans_D12<-log10(Diam_12) Trans_D13<-log10(Diam_13) Trans_D14<-log10(Diam_14) Trans_D15<-log10(Diam_15) #RealizandotestdenormalidaddeLilliefors(>0.05
‹ significaquesonnormales) lillie.test(Trans_D1) lillie.test(Trans_D2) lillie.test(Trans_D3) lillie.test(Trans_D4) lillie.test(Trans_D5) lillie.test(Trans_D6) lillie.test(Trans_D7) lillie.test(Trans_D8) lillie.test(Trans_D9) lillie.test(Trans_D10)
123
→
→
→
→
→
→
→
→
→
lillie.test(Trans_D11) lillie.test(Trans_D12) lillie.test(Trans_D13) lillie.test(Trans_D14) lillie.test(Trans_D15) #severificaqueaunquesehizolatransformacion,los
‹ datosnosonnormales #Evaluandolahomogeneidaddevarianzacontestde
‹ Fligner-Killeen,yaquenosepuedeusar #eltestdeBartleyporqueladistribucionnoes
‹ normal.ParaFligner-Killeenpdebeser #mayora0.05paraqueseanhomogeneaslasvarianzas fligner.test(list(Trans_D1,Trans_D2,Trans_D3,Trans_D4,
‹ Trans_D5,Trans_D6,Trans_D7,Trans_D8, Trans_D9,Trans_D10,Trans_D11,Trans_D12,Trans_D13,Trans_
‹ D14,Trans_D15)) #Auncontransformacion,losresultadosnotienen
‹ varianzashomogeneas #Seprocederaausarbootstrappingparaestimarlos
‹ intervalosdeconfianzadelamediana library(boot) #definiendounafuncionquecalculalamediana, #segunhttp://www.mayin.org/ajayshah/KB/R/documents/
‹ boot.html med <-function(data,indices){ return(median(data[indices])) } #juntandolosdatosdelospuntoscentrales Diam_13<-c(Diam_13,Diam_14,Diam_15) #realizandoelbootstrapping B_01<-boot(Diam_01,statistic=med,10000) B_02<-boot(Diam_02,statistic=med,10000) B_03<-boot(Diam_03,statistic=med,10000) B_04<-boot(Diam_04,statistic=med,10000) B_05<-boot(Diam_05,statistic=med,10000) B_06<-boot(Diam_06,statistic=med,10000) B_07<-boot(Diam_07,statistic=med,10000) B_08<-boot(Diam_08,statistic=med,10000) B_09<-boot(Diam_09,statistic=med,10000) B_10<-boot(Diam_10,statistic=med,10000) B_11<-boot(Diam_11,statistic=med,10000) B_12<-boot(Diam_12,statistic=med,10000) B_13<-boot(Diam_13,statistic=med,10000) #B_14<-boot(Diam_14,statistic=med,10000) #B_15<-boot(Diam_15,statistic=med,10000) #Ahoracalculandolosintervalosdeconfianzaal95% IC_01<-boot.ci(B_01,type=’bca’) IC_02<-boot.ci(B_02,type=’bca’) IC_03<-boot.ci(B_03,type=’bca’) IC_04<-boot.ci(B_04,type=’bca’) IC_05<-boot.ci(B_05,type=’bca’) IC_06<-boot.ci(B_06,type=’bca’) IC_07<-boot.ci(B_07,type=’bca’) IC_08<-boot.ci(B_08,type=’bca’) IC_09<-boot.ci(B_09,type=’bca’) IC_10<-boot.ci(B_10,type=’bca’) IC_11<-boot.ci(B_11,type=’bca’) IC_12<-boot.ci(B_12,type=’bca’) IC_13<-boot.ci(B_13,type=’bca’) #IC_14<-boot.ci(B_14,type=’bca’) #IC_15<-boot.ci(B_15,type=’bca’) #Guardadndoloslimitesdelosintervalosdeconfianza LowL<-c(IC_01[4]$bca[4],IC_02[4]$bca[4],IC_03[4]$bca[4
‹ ],IC_04[4]$bca[4],IC_05[4]$bca[4], IC_06[4]$bca[4],IC_07[4]$bca[4],IC_08[4]$bca[4],IC_09[4
‹→ ]$bca[4],IC_10[4]$bca[4],
124
→
→
→
→
→
→
→
→
→
→
→
→
→
→
→
→
→
→
→
→
IC_11[4]$bca[4],IC_12[4]$bca[4],IC_13[4]$bca[4]#,IC_14[
) ‹→ 4]$bca[4],IC_15[4]$bca[4]
UpL<-c(IC_01[4]$bca[5],IC_02[4]$bca[5],IC_03[4]$bca[5], ‹ IC_04[4]$bca[5],IC_05[4]$bca[5],
IC_06[4]$bca[5],IC_07[4]$bca[5],IC_08[4]$bca[5],IC_09[4 ‹ ]$bca[5],IC_10[4]$bca[5],
IC_11[4]$bca[5],IC_12[4]$bca[5],IC_13[4]$bca[5]#,IC_14[
) ‹→ 4]$bca[5],IC_15[4]$bca[5]
#Guardandolosvaloresdelasmedianas M_US_I<-c(B_01$t0,B_02$t0,B_03$t0,B_04$t0,B_05$t0,B_06$
‹ t0,B_07$t0,B_08$t0,B_09$t0,B_10$t0, B_11$t0,B_12$t0,B_13$t0#,B_14$t0,B_15$t0 ) #Graficarlimitesdeconfianzadetodoslostubos
‹ usandoplotCI require(plotrix) par(las=2,#usarejesperpendiculares mar=c(10.1,4.1,4.1,2.1),#creasuficienteespaciopara
‹ largasetiquetasdex mgp=c(8,1,0))#mueveabajolaleyendadexparaevitar
‹ traslapado plotCI(1:13,M_US_I,ui=UpL,li=LowL, axes =FALSE,#Desabilitalosejespordefecto xlab =’’,#Eliminalaetiquetadelejex ylab ="um") axis(side =2)#Anadeelejeypordefecto axis(side =1, at=1:13,#Anadeelejexpersonalizado
‹ conlasetiquetas label =c("60s.300w.10mm","300s.300w.10mm","60s.400w.10
‹ mm","300s.400w.10mm", "60s.350w.8mm","300s.350w.8mm","60s.350w.12mm","300s.35
‹ 0w.12mm", "180s.300w.8mm","180s.400w.8mm","180s.300w.12mm","180s.
‹ 400w.12mm", "180s.350w.10mm"#,"180s.350w.10mm","180s.350w.10mm") )) box(bty="l")#Anadecaja ##--## #Graficandolosintervalosdeconfianzaenorden
‹ crecientesegunlamediana Tiempo<-c(60,300,60,300,60,300,60,300,180,180,180,180,1
‹ 80) Potencia<-c(300,300,400,400,350,350,350,350,300,400,300
‹ ,400,350) Diametro_sonotrodo<-c(10,10,10,10,8,8,12,12,8,8,12,12,1
‹ 0) etiquetas<-c("60s.300w.10mm","300s.300w.10mm","60s.400w
‹ .10mm","300s.400w.10mm", "60s.350w.8mm","300s.350w.8mm","60s.350w.12mm","300s.35
‹ 0w.12mm", "180s.300w.8mm","180s.400w.8mm","180s.300w.12mm","180s.
‹ 400w.12mm", "180s.350w.10mm") Mediana_US_I<-data.frame(Tiempo,Potencia,Diametro_
‹ sonotrodo,M_US_I,LowL,UpL,etiquetas) Mediana_US_I$Diametro_sonotrodo<-as.factor(Mediana_US_I
‹ $Diametro_sonotrodo) Mediana_US_I_orden<-Mediana_US_I[order(Mediana_US_I$M_
‹ US_I),] valor_mediana<-Mediana_US_I_orden$M_US_I valor_inferior<-Mediana_US_I_orden$LowL valor_superior<-Mediana_US_I_orden$UpL etiquetas<-Mediana_US_I_orden$etiquetas par(las=2,#usarejesperpendiculares mar=c(10.1,4.1,4.1,2.1),#creasuficienteespaciopara
125
→
→
→
→
→
→
→
‹ largasetiquetasdex mgp=c(8,1,0))#mueveabajolaleyendadexparaevitar
‹ traslapado plotCI(1:13,valor_mediana,ui=valor_superior,li=valor_
‹ inferior, axes =FALSE,#Desabilitalosejespordefecto xlab =’’,#Eliminalaetiquetadelejex ylab ="um") axis(side =2)#Anadeelejeypordefecto axis(side =1, at=1:13,#Anadeelejexpersonalizado
‹ conlasetiquetas label = etiquetas) box(bty="l")#Anadecaja #Graficandohistogramasdedistribuciondetamano par(las=1,#usarejeshorizontales mar=c(5,4,4,2) +0.1,#pordefecto mgp=c(3,1,0))#pordefecto hist(Diam_01, prob =TRUE, xlab =’Tamano de particula (micrometro)’, ylab =’Densidad’, main =’’, breaks =’Scott’) lines(density(Diam_01), lwd =2,col=’black’) abline(v=mean(Diam_01),col=’royalblue’,lwd=2) abline(v=median(Diam_01),col=’red’,lwd=2) legend(x =’topright’,c(’Media’,’Mediana’,’Funcion de
‹ densidad’), col=c(’royalblue’,’red’,’black’),lwd =c(2,2,2)) hist(Diam_02, prob =TRUE, xlab =’Tamano de particula (micrometro)’, ylab =’Densidad’, main =’’, breaks =’Scott’) lines(density(Diam_02), lwd =2,col=’black’) abline(v=mean(Diam_02),col=’royalblue’,lwd=2) abline(v=median(Diam_02),col=’red’,lwd=2) legend(x =’topright’,c(’Media’,’Mediana’,’Funcion de
‹ densidad’), col=c(’royalblue’,’red’,’black’),lwd =c(2,2,2)) hist(Diam_03, prob =TRUE, xlab =’Tamano de particula (micrometro)’, ylab =’Densidad’, main =’’, breaks =’Scott’) lines(density(Diam_03), lwd =2,col=’black’) abline(v=mean(Diam_03),col=’royalblue’,lwd=2) abline(v=median(Diam_03),col=’red’,lwd=2) legend(x =’topright’,c(’Media’,’Mediana’,’Funcion de
‹ densidad’), col=c(’royalblue’,’red’,’black’),lwd =c(2,2,2)) hist(Diam_04, prob =TRUE, xlab =’Tamano de particula (micrometro)’, ylab =’Densidad’, main =’’, breaks =’Scott’) lines(density(Diam_04), lwd =2,col=’black’) abline(v=mean(Diam_04),col=’royalblue’,lwd=2) abline(v=median(Diam_04),col=’red’,lwd=2)
126
→
→
→
→
→
legend(x =’topright’,c(’Media’,’Mediana’,’Funcion de ‹ densidad’),
col=c(’royalblue’,’red’,’black’),lwd =c(2,2,2)) hist(Diam_05, prob =TRUE, xlab =’Tamano de particula (micrometro)’, ylab =’Densidad’, main =’’, breaks =’Scott’) lines(density(Diam_05), lwd =2,col=’black’) abline(v=mean(Diam_05),col=’royalblue’,lwd=2) abline(v=median(Diam_05),col=’red’,lwd=2) legend(x =’topright’,c(’Media’,’Mediana’,’Funcion de
‹ densidad’), col=c(’royalblue’,’red’,’black’),lwd =c(2,2,2)) hist(Diam_06, prob =TRUE, xlab =’Tamano de particula (micrometro)’, ylab =’Densidad’, main =’’, breaks =’Scott’) lines(density(Diam_06), lwd =2,col=’black’) abline(v=mean(Diam_06),col=’royalblue’,lwd=2) abline(v=median(Diam_06),col=’red’,lwd=2) legend(x =’topright’,c(’Media’,’Mediana’,’Funcion de
‹ densidad’), col=c(’royalblue’,’red’,’black’),lwd =c(2,2,2)) hist(Diam_07, prob =TRUE, xlab =’Tamano de particula (micrometro)’, ylab =’Densidad’, main =’’, breaks =’Scott’) lines(density(Diam_07), lwd =2,col=’black’) abline(v=mean(Diam_07),col=’royalblue’,lwd=2) abline(v=median(Diam_07),col=’red’,lwd=2) legend(x =’topright’,c(’Media’,’Mediana’,’Funcion de
‹ densidad’), col=c(’royalblue’,’red’,’black’),lwd =c(2,2,2)) hist(Diam_08, prob =TRUE, xlab =’Tamano de particula (micrometro)’, ylab =’Densidad’, main =’’, breaks =’Scott’) lines(density(Diam_08), lwd =2,col=’black’) abline(v=mean(Diam_08),col=’royalblue’,lwd=2) abline(v=median(Diam_08),col=’red’,lwd=2) legend(x =’topright’,c(’Media’,’Mediana’,’Funcion de
‹ densidad’), col=c(’royalblue’,’red’,’black’),lwd =c(2,2,2)) hist(Diam_09, prob =TRUE, xlab =’Tamano de particula (micrometro)’, ylab =’Densidad’, main =’’, breaks =’Scott’) lines(density(Diam_09), lwd =2,col=’black’) abline(v=mean(Diam_09),col=’royalblue’,lwd=2) abline(v=median(Diam_09),col=’red’,lwd=2) legend(x =’topright’,c(’Media’,’Mediana’,’Funcion de
127
→
→
→
→
→
‹ densidad’), col=c(’royalblue’,’red’,’black’),lwd =c(2,2,2)) hist(Diam_10, prob =TRUE, xlab =’Tamano de particula (micrometro)’, ylab =’Densidad’, main =’’, breaks =’Scott’) lines(density(Diam_10), lwd =2,col=’black’) abline(v=mean(Diam_10),col=’royalblue’,lwd=2) abline(v=median(Diam_10),col=’red’,lwd=2) legend(x =’topright’,c(’Media’,’Mediana’,’Funcion de
‹ densidad’), col=c(’royalblue’,’red’,’black’),lwd =c(2,2,2)) hist(Diam_11, prob =TRUE, xlab =’Tamano de particula (micrometro)’, ylab =’Densidad’, main =’’, breaks =’Scott’) lines(density(Diam_11), lwd =2,col=’black’) abline(v=mean(Diam_11),col=’royalblue’,lwd=2) abline(v=median(Diam_11),col=’red’,lwd=2) legend(x =’topright’,c(’Media’,’Mediana’,’Funcion de
‹ densidad’), col=c(’royalblue’,’red’,’black’),lwd =c(2,2,2)) hist(Diam_12, prob =TRUE, xlab =’Tamano de particula (micrometro)’, ylab =’Densidad’, main =’’, breaks =’Scott’) lines(density(Diam_12), lwd =2,col=’black’) abline(v=mean(Diam_12),col=’royalblue’,lwd=2) abline(v=median(Diam_12),col=’red’,lwd=2) legend(x =’topright’,c(’Media’,’Mediana’,’Funcion de
‹ densidad’), col=c(’royalblue’,’red’,’black’),lwd =c(2,2,2)) hist(Diam_13, prob =TRUE, xlab =’Tamano de particula (micrometro)’, ylab =’Densidad’, main =’’, breaks =’Scott’) lines(density(Diam_13), lwd =2,col=’black’) abline(v=mean(Diam_13),col=’royalblue’,lwd=2) abline(v=median(Diam_13),col=’red’,lwd=2) legend(x =’topright’,c(’Media’,’Mediana’,’Funcion de
‹ densidad’), col=c(’royalblue’,’red’,’black’),lwd =c(2,2,2))
Se realizaron las pruebas de normalidad de Lilliefors (Kolmogorov-Smirnov)
y prueba de homogeneidad de varianza de Fligner-Killeen para realizar el analisis
de varianza (ANOVA), sin embargo los datos fueron no normales y de varianza no
homogenea, por lo que no se pudo realizar el analisis de varianza. Sin embargo, se
empleo la tecnica estadıstica de bootstrapping para estimar los intervalos de con-
128
fianza de la mediana del diametro de las partículas de aceite (D50). Los resultados
se presentaron en el Capítulo 4, en el Cuadro 23.
Indice de peroxido de emulsiones del experimento para evaluar
el efecto de los parametros tecnologicos de la emulsificacion por
ultrasonido
Para el analisis estadístico de los datos de ındice de peroxido de las muestras se
empleo el guion mostrado a continuacion. Se realizo un analisis de varianza que se
muestra en el Cuadro 42.
Cuadro 42: Analisis de varianza del ındice de peroxido de las emulsiones preparadas
por ultrasonido
Grados
de
libertad
Suma de
cuadrados
Media de
cuadrados
Valor de
F
p-valor
Tiempo 2 262.8 131.42 7.133 0.1230
Diametro sonotrodo 2 622.3 311.15 16.888 0.0559
Potencia 2 194.0 97.00 5.265 0.1596
Tiempo: 3 339.2 113.06 6.137 0.1433
Diametro
sonotrodo
Tiempo: Potencia 2 125.9 62.96 3.418 0.2264
Diametro 1 194.9 194.94 10.581 0.0829
sonotrodo:
Potencia
Residuales 2 36.8 18.42
#An alisisdel ındicedeperoxidodelasmuestras
# library(readr) Importandovaloresdeindicedeperoxidos ‹→ tratadasconUS(US-I,58D)
require(car) Peroxidos<-read_csv("˜/Dropbox/Personal/Tesis-
col_types = cols(Peroxido =col_number(), Potencia =col
‹→ Cienciactiva/Analisis/peroxido_US/peroxido_US.csv ‹→ ",
Tiempo =col_number())) #Factorizando Peroxidos$Diametro_sonotrodo<-factor(Peroxidos$Diametro
‹→ _number(),
Peroxidos$Tiempo<-as.factor(Peroxidos$Tiempo) ‹→ _sonotrodo,labels=c(’8mm’,’10mm’,’12mm’))
Peroxidos$Potencia<-as.factor(Peroxidos$Potencia)
129
# ‹→ ylab=’Indice de peroxido’)
print(data.frame(Peroxidos$Tiempo,Peroxidos$Potencia, Presentandodatos
Peroxidos$Peroxido)) ‹→ Peroxidos$Diametro_sonotrodo,
#Agrupandoportratamientoyresumiendodatos
library(dplyr) ‹→ descriptivos
por_tratamientos<-group_by(Peroxidos,Tratamiento) resumen_peroxidos<-summarise(por_tratamientos,mean(
print(resumen_peroxidos) ‹→ Peroxido))
→
→
→
→
#Graficandodatos plot(data.frame(Peroxidos$Tiempo,Peroxidos$Diametro_
‹ sonotrodo,Peroxidos$Potencia, Peroxidos$Peroxido)) #Ajustandounmodelolinear mod_peroxidos<-aov(Peroxido ˜ Tiempo*Diametro_sonotrodo
‹ *Potencia,data = Peroxidos) summary(mod_peroxidos) #Noseveunefectosignificativodelosfactores par(las=2,#usarejesperpendiculares mar=c(10.1,4.1,4.1,2.1),#creasuficienteespaciopara
‹ largasetiquetasdex mgp=c(8,1,0))#mueveabajolaleyendadexparaevitar
‹ traslapado boxplot(Peroxidos$Peroxido ˜ Peroxidos$Tratamiento,
Acidez de emulsiones del experimento para evaluar el efecto de los
parametros tecnologicos de la emulsificacion por ultrasonido
Se realizo el analisis de varianza (ANOVA) de un modelo lineal para los resul-
tados de acidez de las muestras empleando el guion que se muestra a continuacion.
El ANOVA se muestra en el Cuadro 43. Adicionalmente se realizo un ANOVA uni-
factorial (one-way) para evaluar los tratamiento entre sí (Cuadro 44).
130
→
→
→
→
→
→
→
→
→
→
→
→
Cuadro 43: Analisis de varianza de la acidez de las emulsiones preparadas por ul-
trasonido
Grados
de
libertad
Suma de
cuadrados
Media de
cuadrados
Valor de
F
p-valor
Tiempo 2 106.4 53.22 0.767 0.480
Potencia 2 164.6 82.32 1.186 0.329
Diametro sonotrodo 2 74.7 37.37 0.538 0.593
Tiempo:Potencia 3 203.8 67.95 0.979 0.426
Tiempo: 2 7.8 3.89 0.056 0.946
Diametro
sonotrodo
Diametro 1 18.6 18.64 0.268 0.611
sonotrodo:
Potencia
Residuales 17 1179.9 69.41
#An alisisdeacidezdelasmuestrastratadascon ‹ ultrasonido
#53D #Importandovaloresdeacidez library(readr) require(car) Acidez <-read_csv("˜/Dropbox/Personal/Tesis-
‹ Cienciactiva/Analisis/acidez_US/Acidez_US.csv", col_types = cols(Acidez =col_number(), Potencia =col_number(), Tiempo =col_number())) Acidez$Diametro_sonotrodo<-as.factor(Acidez$Diametro_
‹ sonotrodo) Acidez$Tratamiento<-as.factor((Acidez$Tratamiento)) Acidez$Tiempo<-factor(Acidez$Tiempo,labels=c(’60s’,’1
‹ 80s’,’300s’),ordered=TRUE) Acidez$Potencia<-factor(Acidez$Potencia,labels=c(’300
‹ W’,’350W’,’400W’),ordered=TRUE) #Graficandodatos plot(data.frame(Acidez$Tiempo,Acidez$Potencia,Acidez$
‹ Diametro_sonotrodo,Acidez$Acidez)) #Ajustandounmodelolinear mod_acidez<-aov(Acidez ˜ Tiempo*Potencia*Diametro_
‹ sonotrodo, data = Acidez) summary(mod_acidez) #Noseveunefectosignificativodelosfactores par(las=2,#usarejesperpendiculares mar=c(10.1,4.1,4.1,2.1),#creasuficienteespaciopara
‹ largasetiquetasdex mgp=c(8,1,0))#mueveabajolaleyendadexparaevitar
‹ traslapado boxplot(Acidez$Acidez ˜ Acidez$Tratamiento,ylab="Acidez
‹ ") #Presentandodatos print(data.frame(Acidez$Tiempo,Acidez$Potencia,Acidez$
‹ Diametro_sonotrodo,Acidez$Acidez)) #Agrupandoportratamientoyresumiendodatos
‹ descriptivos library(dplyr) por_tratamientos<-group_by(Acidez,Tratamiento)
131
resumen_acidez<-summarise(por_tratamientos,mean(Acidez)
print(resumen_acidez) ‹→ ,sd(Acidez))
#Analizandounanovadeunav ow_anova<-aov(Acidez ˜ Tratamiento, data = Acidez) summary(ow_anova) #Seconfirmaquenoessignificativoelefectodel
‹→ tratamiento
ıa
#An alisisRSMdelpHenlasemulsionesobtenidaspor
# library(rsm) Tiempo:60d ıas ‹→ ultrasonido
#leyendodatosdepHd datos_pH <-read.csv("ultrasonido_pH_60.csv", header =
ıa14(US-I)
# datos_pH$Diametro_sonotrodo<-factor(datos_pH$Diametro_ Estableciendo ‹→ T)
variablescomonum ericas
‹→ sonotrodo,labels=c(’8mm’,’10mm’,’12mm’),ordered
datos_pH$Tratamiento<-as.factor(datos_pH$Tratamiento) ‹→ =TRUE)
→
→
→
→
→
Cuadro 44: Analisis de varianza unifactorial de la acidez de las emulsiones obteni-
das por ultrasonido
Grados de
libertad
Suma de
cuadrados
Media de
cuadrados Valor de F
p-valor
Tratamiento 12 576.1 48.01 0.692 0.739
Residuales 17 1179.9 69.41
pH de las emulsiones del experimento para evaluar el efecto de los
parametros tecnologicos de la emulsificacion por ultrasonido
Se realizo un ANOVA de un modelo lineal para los resultados de pH de las
muestras empleando el guion que se muestra a continuacion. El ANOVA se muestra
en el Cuadro 45. Adicionalmente se realizo un ANOVA unifactorial (one-way) para
evaluar los tratamiento entre sí (Cuadro 46).
datos_pH$Tiempo<-factor(datos_pH$Tiempo,labels=c(’60s ‹ ’,’180s’,’300s’),ordered=TRUE)
datos_pH$Potencia<-factor(datos_pH$Potencia,labels=c( ‹ ’300W’,’350W’,’400W’),ordered=TRUE)
View(datos_pH) #plot(datos_pH)#graficodelosdatos,sinembargono
‹ sehaencontradounarelaci onfuerte #Ajustandounmodelolinear mod_pH<-aov(pH ˜ Tiempo*Potencia*Diametro_sonotrodo,
‹ data = datos_pH) summary(mod_pH) #Noseveunefectosignificativodelosfactores #EmpleandounenfoqueANOVAconsiderandocadasetde
‹ condicionescomountratamiento #(ANOVAone-way)
132
Cuadro 45: Analisis de varianza del pH de las emulsiones obtenidas por ultrasonido
Grados
de
libertad
Suma de
cuadrados
Media de
cuadrados
Valor de
F
p-valor
Tiempo 2 0.522 0.2609 0.443 0.649
Potencia 2 0.977 0.4885 0.830 0.453
Diametro sonotrodo 2 0.769 0.3846 0.654 0.533
Tiempo:Potencia 3 0.250 0.0833 0.142 0.934
Tiempo: 2 0.432 0.2158 0.367 0.698
Diametro
sonotrodo
Diametro 1 0.039 0.0392 0.067 0.799
sonotrodo:
Potencia
Residuales 17 10.003 0.5884
datos_pH_f<-datos_pH attach(datos_pH_f) #Establecelostratamientoscomofactor datos_pH_f$Tratamiento<-factor(datos_pH_f$Tratamiento, levels=c(1:13),labels=c("60s.300w.10mm","60s.350w.
‹→ 8mm","60s.350w.12mm", "6 s. 8mm","180s.300w.12mm", "180s.350w.10mm","180s.400w.8mm","180s.400w.12mm", "300s.300w.10mm","300s.350w.8mm","300s.350w.12mm", "300s.400w.10mm")) anova1<-aov(pH ˜ Tratamiento,data = datos_pH_f) summary(anova1) #Ladiferenicaentretratamientosnoessignificativa par(mfrow=c(1,1))#regresaaunframede1x1 boxplot(pH ˜ Tratamiento,ylab ="pH", names=c("60s.300w.10mm","60s.350w.8mm","60s.350w.12mm
0 400w.10mm","180s.300w.
‹→ ", "6 s. w.10mm","180s.300w.8mm","180s.300w.12mm", "180s.350w.10mm","180s.400w.8mm","180s.400w.12mm", "300s.300w.10mm","300s.350w.8mm","300s.350w.12mm", "300s.400w.10mm"), data = datos_pH_f) #Eldiagramadecajamuestraquehaymuchavariacion
0 400
# Agrupandoportratamientoyresumiendo ‹→ entrelosrangosdelasmuestras
library(dplyr) ‹→ descriptivos
datos
por_tratamientos<-group_by(datos_pH_f,Tratamiento) media_pH<-summarise(por_tratamientos,mean(pH),sd(pH)) print(media_pH)
133
Cuadro 46: Analisis de varianza unifactorial del pH de las emulsiones obtenidas por
ultrasonido
Grados de
libertad
Suma de
cuadrados
Media de
cuadrados Valor de F
p-valor
Tratamiento 12 2.989 0.2491 0.423 0.933
Residuales 17 10.003 0.5884
Apendice 4
Resultados estadísticos del efecto de
los parametros tecnologicos de la
emulsificacion convencional
Para el desarrollo de la tesis se emplearon diferentes scripts o guiones para el
software estadístico R. A continuacion se presentan los guiones empleados para
cada analisis del experimento para evaluar el efecto de los parametros tecnologi-
cos de la emulsificacion convencional, ademas de sus principales salidas de interes
estadístico, como los ANOVA.
Efecto de los parametros tecnologicos de la emulsifica-
cion convencional
Indice de cremado de las emulsiones del experimento para eva-
luar el efecto de los parametros tecnologicos de la emulsificacion
convencional
El guion para el analisis estadístico del ındice de cremado de las emulsiones
preparadas por el metodo convencional se presenta a continuacion. Se realizaron
134
135
‹→ velocidad
→
→
→
→
→
→
→
ajustes de modelo lineal y cuadratico, aunque sin conseguir bondad de ajuste. Em-
pleando la prueba de Lilliefors y test de Bartlett, se observo que los datos presenta-
ban no normalidad y varianzas no homogeneas. A pesar de ello se realizo el ANOVA
unifactorial, dado que los grupos son del mismo tamano. El ANOVA se presenta en
el Cuadro 47, aunque sus resultados deben interpretarse con cautela.
Cuadro 47: Analisis de varianza unifactorial del ındice de cremado de las emulsio-
nes preparadas por el metodo convencional
Grados de
libertad
Suma de
cuadrados
Media de
cuadrados Valor de F
p-valor
Tratamiento 8 91.71 11.463 8.327 0.00228
Residuales 9 12.39 1.377
#Analisisdelaestabilidaddeemulsiones
‹→ obtenidasmedianteagitacionaalta
#atravesdelindicedecremado.67D library(rsm) #leyendodatosdeIC datos <-read.csv("alta_velocidad_IC.csv", header
‹ = T) plot(datos)#graficodelosdatos #Creaunadataframe alta_velocidad_IC <- as.data.frame(datos) attach(alta_velocidad_IC) #Establecelavariablevelocidadcomofactor alta_velocidad_IC$Velocidad <-factor(alta_
‹ velocidad_IC$Velocidad, labels=c("baja","media","alta"),ordered=TRUE)
#Establecelavariabletiempocomonum erica alta_velocidad_IC$Tiempo <- as.numeric(alta_
‹ velocidad_IC$Tiempo) str(alta_velocidad_IC) #codificandodatos CR <- coded.data(datos, x1˜ (Velocidad-4)/1, x2
‹ ˜ (Tiempo-180)/120) #RSMconmodelolineal ajuste.rsm1<- rsm(IC ˜ FO(x1,x2), data=CR)#
‹ ajustandounmodelodeprimerorden summary(ajuste.rsm1) par(mfrow=c(2,2))#preparaunframede2x2 plot(ajuste.rsm1)#graficandolosresiduos par(mfrow=c(1,1))#regresaaunframede1x1 #RSMconmodelodeordensuperior ajuste.rsm2<- rsm(IC ˜ FO(x1, x2) + TWI(x1,x2) +
‹ PQ(x1), data=CR) summary(ajuste.rsm2) par(mfrow=c(2,2))#preparaunframede2x2 plot(ajuste.rsm2)#graficandolosresiduos par(mfrow=c(1,1))#regresaaunframede1x1 par(mfrow=c(1,1))#preparaunframede1x1 contour(ajuste.rsm2, ˜ x1+ x2,image=TRUE, at
‹ =summary(ajuste.rsm2)$canonical$xs) #Graficoenperspectiva
136
‹→ ANOVA
‹→ homogenea)
‹→ contours="colors")
‹→ = alta_velocidad_IC,
→
→
→
→
→
→
→
→
→
→
→
→
→
persp(ajuste.rsm2, ˜ x1+ x2, at =summary(ajuste
‹→ .rsm2)$canonical$xs,col=rainbow(50),
#Convirtiendotablaadataframe boxplot(alta_velocidad_IC$IC ˜ alta_velocidad_IC$
‹→ Velocidad * alta_velocidad_IC$Tiempo, data
ylab =" Indice de cremado", main ="Gr afica de cajas de la estabilidad de las
‹ emulsiones obtenidas por agitacion") boxplot(alta_velocidad_IC$IC ˜ alta_velocidad_IC$
‹ Velocidad, data = alta_velocidad_IC, ylab =" Indice de cremado", xlab ="Nivel de velocidad", main ="Estabilidad de las emulsiones segun la
‹ velocidad de agitacion") boxplot(alta_velocidad_IC$IC ˜ alta_velocidad_IC$
‹ Tiempo, data = alta_velocidad_IC, ylab =" Indice de cremado", xlab ="Tiempo (s)", main ="Estabilidad de las emulsiones segun el
‹ tiempo agitacion") with(alta_velocidad_IC,interaction.plot(x.factor
‹ = Velocidad, trace.factor= Tiempo, response= alta_velocidad_IC$IC, fun =mean, type
‹ ="b",legend= T, ylab =" Indice de cremado", main ="Diagrama de interacciones", pch =c(1:19))) #Muestralamediadelaspruebasenformade
‹ matriz tapply(IC,list(Tiempo,Velocidad),mean) #Muestralavarianzadelaspruebasenformade
‹ matriz tapply(IC,list(Tiempo,Velocidad),var) #RealizauntestdenormalidaddeLilliefors(>0
‹ .05significaquesonnormales) library(nortest) lillie.test(IC) #Seaceptaquelosdatossonnormales #RealizauntestdeBartlettparahomogeneidad
‹→ devarianza(>0.05significaquees
bartlett.test(IC ˜interaction(Velocidad,Tiempo), data = alta_velocidad_IC) #LaVDnotienehomocedasticidad,perocomolos
‹→ grupossondelmismotama noserealizarael
aov.out <-aov(IC ˜ Tiempo * Velocidad, data = ‹ alta_velocidad_IC)
summary(aov.out) par(mfrow=c(2,2))#preparaunframede2x2 plot(aov.out) par(mfrow=c(1,1))#preparaunframede1x1 #nohaydiferenciasignificativa #ANOVAoneway ow_anova<-aov(IC ˜ Tratamiento, data = alta_
‹ velocidad_IC) summary(ow_anova) library(agricolae) salida<-HSD.test(ow_anova,’Tratamiento’, console
‹ =TRUE) plot(salida) #Seconfirmaquenoessignificativoelefecto
137
#Empezandoan alisisdeltama nodepart ıcula(
‹→ #1 D
‹→ emulsionesobtenidaspormetodo
#Importandovaloresdetama library(readr)
9 convencional)
no
require(car) Size_01<-read_csv("˜/Documentos/Mi
col_types = cols(Area =col_number(), Diametro = ‹→ Material/Estadistica/AV-II/Results1.csv",
tesis/
Size_02<-read_csv("˜/Documentos/Mi ‹→ col_number()))
tesis/
col_types = cols(Area =col_number(), Diametro = ‹→ Material/Estadistica/AV-II/Results2.csv",
Size_03<-read_csv("˜/Documentos/Mi ‹→ col_number()))
col_types = cols(Area =col_number(), Diametro = ‹→ Material/Estadistica/AV-II/Results3.csv",
tesis/
Size_04<-read_csv("˜/Documentos/Mi ‹→ col_number()))
tesis/
col_types = cols(Area =col_number(), Diametro = ‹→ Material/Estadistica/AV-II/Results4.csv",
Size_05<-read_csv("˜/Documentos/Mi ‹→ col_number()))
tesis/ →
→
→
→
→
→
→
Tamano de partícula de las emulsiones del experimento para eva-
luar el efecto de los parametros tecnologicos de la emulsificacion
convencional
Se empleo el siguiente codigo para estimar los intervalos de confianza de la
mediana del diametro de las partículas de aceite (D50).
‹ Material/Estadistica/AV-II/Results5.csv", col_types = cols(Area =col_number(), Diametro =
‹ col_number())) Size_06<-read_csv("˜/Documentos/Mi tesis/
‹ Material/Estadistica/AV-II/Results6.csv", col_types = cols(Area =col_number(), Diametro =
‹ col_number())) Size_07<-read_csv("˜/Documentos/Mi tesis/
‹ Material/Estadistica/AV-II/Results7.csv", col_types = cols(Area =col_number(), Diametro =
‹ col_number())) Size_08<-read_csv("˜/Documentos/Mi tesis/
‹ Material/Estadistica/AV-II/Results8.csv", col_types = cols(Area =col_number(), Diametro =
‹→ col_number()))
# Agrupandoportratamiento ‹→ deltratamiento
yresumiendodatos
library(dplyr) ‹→ descriptivos
por_tratamientos<-group_by(alta_velocidad_IC,
resumen_IC<-summarise(por_tratamientos,mean(IC), ‹→ Tratamiento)
print(resumen_IC) ‹→ sd(IC))
138
→
→
→
→
→
→
→
→
→
→
→ onno
Size_09<-read_csv("˜/Documentos/Mi tesis/ ‹ Material/Estadistica/AV-II/Results9.csv",
col_types = cols(Area =col_number(), Diametro = ‹ col_number()))
#Guardandovaloresdediametrodecadatubo Diam_01<-Size_01$Diametro Diam_02<-Size_02$Diametro Diam_03<-Size_03$Diametro Diam_04<-Size_04$Diametro Diam_05<-Size_05$Diametro Diam_06<-Size_06$Diametro Diam_07<-Size_07$Diametro Diam_08<-Size_08$Diametro Diam_09<-Size_09$Diametro #RealizauntestdenormalidaddeLilliefors(>0
‹ .05significaquesonnormales) library(nortest) lillie.test(Diam_01) lillie.test(Diam_02) lillie.test(Diam_03) lillie.test(Diam_04) lillie.test(Diam_05) lillie.test(Diam_06) lillie.test(Diam_07) lillie.test(Diam_08) lillie.test(Diam_09) #Sererificaquetodoslosvalorespfueron
‹ menoresa0.05,porloquenosonnormales #Evaluandolahomogeneidaddevarianzacontest
‹ deFligner-Killeen,yaquenosepuedeusar #eltestdeBartleyporqueladistribuci
‹ esnormal.ParaFligner-Killeenpdebeser #mayora0.05paraqueseanhomogeneaslas
‹ varianzas fligner.test(list(Diam_01,Diam_02,Diam_03,Diam_04
‹ ,Diam_05,Diam_06,Diam_07,Diam_08, Diam_09)) #Graficandolosdatosenunboxplot boxplot(list(Diam_01,Diam_02,Diam_03,Diam_04,Diam
‹ _05,Diam_06,Diam_07,Diam_08, Diam_09)) #Comosepuedever,hayheterocedasticidad #Ahoraseintentar atransformarlosdatosusando
‹ ellogaritmodebase10 Trans_D1<-log10(Diam_01) Trans_D2<-log10(Diam_02) Trans_D3<-log10(Diam_03) Trans_D4<-log10(Diam_04) Trans_D5<-log10(Diam_05) Trans_D6<-log10(Diam_06) Trans_D7<-log10(Diam_07) Trans_D8<-log10(Diam_08) Trans_D9<-log10(Diam_09) #RealizandotestdenormalidaddeLilliefors(>0
‹ .05significaquesonnormales) lillie.test(Trans_D1) lillie.test(Trans_D2) lillie.test(Trans_D3) lillie.test(Trans_D4) lillie.test(Trans_D5) lillie.test(Trans_D6) lillie.test(Trans_D7) lillie.test(Trans_D8) lillie.test(Trans_D9) #severificaqueaunquesehizolatransformaci o
‹→ n,losdatosnosonnormales
139
‹→ 8,
→
→
→
→
→
→
→
→
→
→
→
→
→
→
→
→ onno
#Evaluandolahomogeneidaddevarianzacontest ‹ deFligner-Killeen,yaquenosepuedeusar
#eltestdeBartleyporqueladistribuci ‹ esnormal.ParaFligner-Killeenpdebeser
#mayora0.05paraqueseanhomogeneaslas ‹ varianzas
fligner.test(list(Trans_D1,Trans_D2,Trans_D3, ‹→ Trans_D4,Trans_D5,Trans_D6,Trans_D7,Trans_D
Trans_D9)) #A uncontransformaci on,losresultadosno
‹ tienenvarianzashomog eneas #Seproceder aausarbootstrappingparaestimar
‹ losintervalosdeconfianzadelamediana library(boot) #definiendounafunci onquecalculalamediana, #seg unhttp://www.mayin.org/ajayshah/KB/R/
‹ documents/boot.html med <-function(data,indices){ return(median(data[indices])) } #realizandoelbootstrapping B_01<-boot(Diam_01,statistic=med,10000) B_02<-boot(Diam_02,statistic=med,10000) B_03<-boot(Diam_03,statistic=med,10000) B_04<-boot(Diam_04,statistic=med,10000) B_05<-boot(Diam_05,statistic=med,10000) B_06<-boot(Diam_06,statistic=med,100000) B_07<-boot(Diam_07,statistic=med,10000) B_08<-boot(Diam_08,statistic=med,20000) B_09<-boot(Diam_09,statistic=med,10000) #Ahoracalculandolosintervalosdeconfianzaal
‹ 95% IC_01<-boot.ci(B_01,type=’bca’) IC_02<-boot.ci(B_02,type=’bca’) IC_03<-boot.ci(B_03,type=’bca’) IC_04<-boot.ci(B_04,type=’bca’) IC_05<-boot.ci(B_05,type=’bca’) IC_06<-boot.ci(B_06,type=’bca’) IC_07<-boot.ci(B_07,type=’bca’) IC_08<-boot.ci(B_08,type=’bca’) IC_09<-boot.ci(B_09,type=’bca’) #Guardadndolosl ımitesdelosintervalosde
‹ confianza LowL<-c(IC_01[4]$bca[4],IC_02[4]$bca[4],IC_03[4]$
‹ bca[4],IC_04[4]$bca[4],IC_05[4]$bca[4], IC_06[4]$bca[4],IC_07[4]$bca[4],IC_08[4]$bca[4],
‹ IC_09[4]$bca[4]) UpL<-c(IC_01[4]$bca[5],IC_02[4]$bca[5],IC_03[4]$
‹ bca[5],IC_04[4]$bca[5],IC_05[4]$bca[5], IC_06[4]$bca[5],IC_07[4]$bca[5],IC_08[4]$bca[5],
‹ IC_09[4]$bca[5]) #Guardandolosvaloresdelasmedianas M_US_I<-c(B_01$t0,B_02$t0,B_03$t0,B_04$t0,B_05$t0
‹ ,B_06$t0,B_07$t0,B_08$t0,B_09$t0) #Graficarl ımitesdeconfianzadetodoslos
‹ tubosusandoplotCI require(plotrix) par(las=2,#usarejesperpendiculares mar=c(10.1,4.1,4.1,2.1),#creasuficiente
‹ espacioparalargasetiquetasdex mgp=c(8,1,0))#mueveabajolaleyendadexpara
‹ evitartraslapado plotCI(1:9,M_US_I,ui=UpL,li=LowL, axes =FALSE,#Desabilitalosejespordefecto xlab =’’,#Eliminalaetiquetadelejex
140
→
→
→
→
→
→
→
→
→
→
→
→
→
→
→
ylab ="um") axis(side =2)#A nadeelejeypordefecto axis(side =1, at=1:9,#A nadeelejex
‹ personalizadoconlasetiquetas label =c("60s.Baja","180s.Baja","300s.Baja","60s
‹ .Media","180s.Media", "300s.Media","60s.Alta","180s.Alta","300s.Alta")) box(bty="l")#A nadecaja ##--## #Graficandolosintervalosdeconfianzaenorden
‹ crecientesegunlamediana Tiempo<-c(60,180,300,60,180,300,60,180,300) Potencia<-c(’Baja’,’Baja’,’Baja’,’Media’,’Media’,
‹ ’Media’,’Alta’,’Alta’,’Alta’) etiquetas<-c("60s.Baja","180s.Baja","300s.Baja","
‹ 60s.Media","180s.Media", "300s.Media","60s.Alta","180s.Alta","300s.Alta") Mediana_US_I<-data.frame(Tiempo,Potencia,M_US_I,
‹ LowL,UpL,etiquetas) Mediana_US_I$Potencia<-as.factor(Mediana_US_I$
‹ Potencia) Mediana_US_I_orden<-Mediana_US_I[order(Mediana_US
‹ _I$M_US_I),] valor_mediana<-Mediana_US_I_orden$M_US_I valor_inferior<-Mediana_US_I_orden$LowL valor_superior<-Mediana_US_I_orden$UpL etiquetas<-Mediana_US_I_orden$etiquetas par(las=2,#usarejesperpendiculares mar=c(10.1,4.1,4.1,2.1),#creasuficiente
‹ espacioparalargasetiquetasdex mgp=c(8,1,0))#mueveabajolaleyendadexpara
‹ evitartraslapado plotCI(1:9,valor_mediana,ui=valor_superior,li=
‹ valor_inferior, axes =FALSE,#Desabilitalosejespordefecto xlab =’’,#Eliminalaetiquetadelejex ylab ="um") axis(side =2)#A nadeelejeypordefecto axis(side =1, at=1:9,#A nadeelejex
‹ personalizadoconlasetiquetas label = etiquetas) box(bty="l")#A nadecaja #Graficandohistogramasdedistribuci ondetama n
‹ o par(las=1,#usarejeshorizontales mar=c(5,4,4,2) +0.1,#pordefecto mgp=c(3,1,0))#pordefecto hist(Diam_01, prob =TRUE, xlab =’Tama no de partícula (µm)’, ylab =’Densidad’, main =’’, breaks =’Scott’) lines(density(Diam_01), lwd =2,col=’black’) abline(v=mean(Diam_01),col=’royalblue’,lwd=2) abline(v=median(Diam_01),col=’red’,lwd=2) legend(x =’topright’,c(’Media’,’Mediana’,’Funci o
‹ n de densidad’), col=c(’royalblue’,’red’,’black’),lwd =c(2,2,2)
‹ ) hist(Diam_02, prob =TRUE, xlab =’Tama no de partícula (µm)’, ylab =’Densidad’, main =’’,
141
→
→
→
→
→
→
→
→
→
→
breaks =’Scott’) lines(density(Diam_02), lwd =2,col=’black’) abline(v=mean(Diam_02),col=’royalblue’,lwd=2) abline(v=median(Diam_02),col=’red’,lwd=2) legend(x =’topright’,c(’Media’,’Mediana’,’Funci o
‹ n de densidad’), col=c(’royalblue’,’red’,’black’),lwd =c(2,2,2)
‹ ) hist(Diam_03, prob =TRUE, xlab =’Tama no de partícula (µm)’, ylab =’Densidad’, main =’’, breaks =’Scott’) lines(density(Diam_03), lwd =2,col=’black’) abline(v=mean(Diam_03),col=’royalblue’,lwd=2) abline(v=median(Diam_03),col=’red’,lwd=2) legend(x =’topright’,c(’Media’,’Mediana’,’Funci o
‹ n de densidad’), col=c(’royalblue’,’red’,’black’),lwd =c(2,2,2)
‹ ) hist(Diam_04, prob =TRUE, xlab =’Tama no de partícula (µm)’, ylab =’Densidad’, main =’’, breaks =’Scott’) lines(density(Diam_04), lwd =2,col=’black’) abline(v=mean(Diam_04),col=’royalblue’,lwd=2) abline(v=median(Diam_04),col=’red’,lwd=2) legend(x =’topright’,c(’Media’,’Mediana’,’Funci o
‹ n de densidad’), col=c(’royalblue’,’red’,’black’),lwd =c(2,2,2)
‹ ) hist(Diam_05, prob =TRUE, xlab =’Tama no de partícula (µm)’, ylab =’Densidad’, main =’’, breaks =’Scott’) lines(density(Diam_05), lwd =2,col=’black’) abline(v=mean(Diam_05),col=’royalblue’,lwd=2) abline(v=median(Diam_05),col=’red’,lwd=2) legend(x =’topright’,c(’Media’,’Mediana’,’Funci o
‹ n de densidad’), col=c(’royalblue’,’red’,’black’),lwd =c(2,2,2)
‹ ) hist(Diam_06, prob =TRUE, xlab =’Tama no de partícula (µm)’, ylab =’Densidad’, main =’’, breaks =’Scott’) lines(density(Diam_06), lwd =2,col=’black’) abline(v=mean(Diam_06),col=’royalblue’,lwd=2) abline(v=median(Diam_06),col=’red’,lwd=2) legend(x =’topright’,c(’Media’,’Mediana’,’Funci o
‹ n de densidad’), col=c(’royalblue’,’red’,’black’),lwd =c(2,2,2)
‹ ) hist(Diam_07, prob =TRUE,
142
→
→
→
→
→
→
xlab =’Tama no de partícula (µm)’, ylab =’Densidad’, main =’’, breaks =’Scott’) lines(density(Diam_07), lwd =2,col=’black’) abline(v=mean(Diam_07),col=’royalblue’,lwd=2) abline(v=median(Diam_07),col=’red’,lwd=2) legend(x =’topright’,c(’Media’,’Mediana’,’Funci o
‹ n de densidad’), col=c(’royalblue’,’red’,’black’),lwd =c(2,2,2)
‹ ) hist(Diam_08, prob =TRUE, xlab =’Tama no de partícula (µm)’, ylab =’Densidad’, main =’’, breaks =’Scott’) lines(density(Diam_08), lwd =2,col=’black’) abline(v=mean(Diam_08),col=’royalblue’,lwd=2) abline(v=median(Diam_08),col=’red’,lwd=2) legend(x =’topright’,c(’Media’,’Mediana’,’Funci o
‹ n de densidad’), col=c(’royalblue’,’red’,’black’),lwd =c(2,2,2)
‹ ) hist(Diam_09, prob =TRUE, xlab =’Tama no de partícula (µm)’, ylab =’Densidad’, main =’’, breaks =’Scott’) lines(density(Diam_09), lwd =2,col=’black’) abline(v=mean(Diam_09),col=’royalblue’,lwd=2) abline(v=median(Diam_09),col=’red’,lwd=2) legend(x =’topright’,c(’Media’,’Mediana’,’Funci o
‹ n de densidad’), col=c(’royalblue’,’red’,’black’),lwd =c(2,2,2)
‹ ) print(Mediana_US_I)
Se realizaron las pruebas de normalidad de Lilliefors (Kolmogorov-Smirnov)
y prueba de homogeneidad de varianza de Fligner-Killeen para realizar el analisis
de varianza (ANOVA), sin embargo los datos fueron no normales y de varianza no
homogenea, por lo que no se pudo realizar el analisis de varianza. Sin embargo, se
empleo la tecnica estadıstica de bootstrapping para estimar los intervalos de con-
fianza de la mediana del diametro de las partículas de aceite (D50). Los resultados
se presentaron en el Capítulo 4, en el Cuadro 28.
143
‹→ AV.csv",
→
→
→
→
→
→
→
→
→
pH de las emulsiones del experimento para evaluar el efecto de los
parametros tecnologicos de la emulsificacion convencional
Se empleo el siguiente guion para el analisis estadístico de los valores de pH
medidos para las emulsiones del experimento para evaluar el efecto de los parame-
tros tecnologicos de la emulsificacion convencional. Se empleo un ANOVA del di-
seno factorial (Cuadro 48) y un ANOVA unifactorial para comparar los tratamientos
(Cuadro 49). En ninguno de los analisis se pudo encontrar un efecto significativo.
#An alisisdepHdelasmuestrasdelexperimento ‹ 2
#30D/AV-I #ImportandovaloresdepH library(readr) pH_AV <-read_csv("˜/Dropbox/Personal/Tesis-
‹→ Cienciactiva/Analisis/alta_velocidad_pH/pH_
col_types = cols(Tiempo =col_number(), pH =col_number())) #Factorizando pH_AV$Tratamiento<-as.factor((pH_AV$Tratamiento)) pH_AV$Velocidad<-factor(pH_AV$Velocidad,labels=
‹ c(’baja’,’media’,’alta’),ordered=TRUE) pH_AV$Tiempo<-factor(pH_AV$Tiempo,labels=c(’60
‹ s’,’180s’,’300s’),ordered=TRUE) #Graficandodatos datos_pH<-data.frame(pH_AV$Velocidad,pH_AV$Tiempo
‹ ,pH_AV$pH) plot(datos_pH) #Ajustandounmodelolinear mod_pH<-aov(pH ˜ Velocidad*Tiempo,data = pH_AV) summary(mod_pH) #Noseveunefectosignificativodelos
‹ factores par(las=2,#usarejesperpendiculares mar=c(10.1,4.1,4.1,2.1),#creasuficiente
‹ espacioparalargasetiquetasdex mgp=c(8,1,0))#mueveabajolaleyendadexpara
‹ evitartraslapado boxplot(pH_AV$pH ˜ pH_AV$Tratamiento,ylab=’pH’) #Presentandodatos print(datos_pH) #Agrupandoportratamientoyresumiendodatos
‹ descriptivos library(dplyr) por_tratamientos<-group_by(pH_AV,Tratamiento) resumen_pH<-summarise(por_tratamientos,mean(pH),
‹ sd(pH)) print(resumen_pH) #Analizandounanovadeunav ía ow_anova<-aov(pH ˜ Tratamiento, data=pH_AV) summary(ow_anova) #Seconfirmaquenoessignificativoelefecto
‹→ deltratamiento
144
Cuadro 48: Analisis de varianza del pH de las emulsiones preparadas por el metodo
convencional
Grados
de
libertad
Suma de
cuadrados
Media de
cuadrados
Valor de
F
p-valor
Velocidad 2 0.00743 0.003717 0.256 0.780
Tiempo 2 0.04083 0.020417 1.404 0.295
Velocidad:Tiempo 4 0.01053 0.002633 0.181 0.942
Residuales 9 0.13085 0.014539
Cuadro 49: Analisis de varianza unifactorial del pH de las emulsiones preparadas
por el metodo convencional
Grados de
libertad
Suma de
cuadrados
Media de
cuadrados Valor de F
p-valor
Tratamiento 8 0.0588 0.00735 0.506 0.825
Residuales 9 0.1308 0.01454
Apendice 5
Resultados estadísticos del efecto de
los parametros de formulacion sobre
las emulsiones preparadas por
ultrasonido
Para el desarrollo de la tesis se emplearon diferentes scripts o guiones para el
software estadístico R. A continuacion se presentan los guiones empleados para
cada analisis del experimento para evaluar el efecto de los parametros de formula-
cion sobre la estabilidad de emulsiones preparadas por ultrasonido, ademas de sus
principales salidas de interes estadístico, como los ANOVA.
145
146
‹→ Resultados_1A.csv")
‹→ Resultados_1B.csv")
‹→ Resultados_2A.csv")
‹→ Resultados_3A.csv")
‹→ Resultados_3B.csv")
‹→ Resultados_4A.csv")
‹→ Resultados_4B.csv")
‹→ Resultados_5A.csv")
‹→ Resultados_5B.csv")
‹→ Resultados_6A.csv")
‹→ Resultados_6B.csv")
‹→ Resultados_7A.csv")
‹→ Resultados_7B.csv")
→
Efecto de los parametros de formulacion de la emul-
sion
Tamano de partícula de las emulsiones del experimento para eva-
luar el efecto de los parametros de formulacion sobre la estabili-
dad de emulsiones preparadas por ultrasonido
Se empleo el siguiente codigo para estimar los intervalos de confianza de la
mediana del diametro de las partículas de aceite (D50) en las muestras.
#An alisisdetama nodepart ıculadelexperimento ‹ 3
#65D #Importandodatos library(readr) require(car) Size_01A<-read_csv("˜/Dropbox/Personal/Tesis-
‹→ Cienciactiva/Analisis/size_formulacion/
Size_01B<-read_csv("˜/Dropbox/Personal/Tesis-
‹→ Cienciactiva/Analisis/size_formulacion/
Size_02A<-read_csv("˜/Dropbox/Personal/Tesis-
‹→ Cienciactiva/Analisis/size_formulacion/
Size_03A<-read_csv("˜/Dropbox/Personal/Tesis-
‹→ Cienciactiva/Analisis/size_formulacion/
Size_03B<-read_csv("˜/Dropbox/Personal/Tesis-
‹→ Cienciactiva/Analisis/size_formulacion/
Size_04A<-read_csv("˜/Dropbox/Personal/Tesis-
‹→ Cienciactiva/Analisis/size_formulacion/
Size_04B<-read_csv("˜/Dropbox/Personal/Tesis-
‹→ Cienciactiva/Analisis/size_formulacion/
Size_05A<-read_csv("˜/Dropbox/Personal/Tesis-
‹→ Cienciactiva/Analisis/size_formulacion/
Size_05B<-read_csv("˜/Dropbox/Personal/Tesis-
‹→ Cienciactiva/Analisis/size_formulacion/
Size_06A<-read_csv("˜/Dropbox/Personal/Tesis-
‹→ Cienciactiva/Analisis/size_formulacion/
Size_06B<-read_csv("˜/Dropbox/Personal/Tesis-
‹→ Cienciactiva/Analisis/size_formulacion/
Size_07A<-read_csv("˜/Dropbox/Personal/Tesis-
‹→ Cienciactiva/Analisis/size_formulacion/
Size_07B<-read_csv("˜/Dropbox/Personal/Tesis-
‹→ Cienciactiva/Analisis/size_formulacion/
Size_08A<-read_csv("˜/Dropbox/Personal/Tesis-
147
‹→ Resultados_8A.csv")
‹→ Resultados_8B.csv")
‹→ Resultados_9A.csv")
‹→ Resultados_9B.csv")
‹→ Resultados_10A.csv")
‹→ Resultados_10B.csv")
‹→ Resultados_11A.csv")
‹→ Resultados_11B.csv")
‹→ Resultados_12A.csv")
‹→ Resultados_12B.csv")
‹→ Resultados_14A.csv")
‹→ Resultados_14B.csv")
‹→ Resultados_15B.csv")
‹→ Resultados_17B.csv")
→ →
→ →
→ →
→ →
→ →
→ →
→ →
→ →
‹→ Cienciactiva/Analisis/size_formulacion/
Size_08B<-read_csv("˜/Dropbox/Personal/Tesis- ‹→ Cienciactiva/Analisis/size_formulacion/
Size_09A<-read_csv("˜/Dropbox/Personal/Tesis-
‹→ Cienciactiva/Analisis/size_formulacion/
Size_09B<-read_csv("˜/Dropbox/Personal/Tesis-
‹→ Cienciactiva/Analisis/size_formulacion/
Size_10A<-read_csv("˜/Dropbox/Personal/Tesis-
‹→ Cienciactiva/Analisis/size_formulacion/
Size_10B<-read_csv("˜/Dropbox/Personal/Tesis-
‹→ Cienciactiva/Analisis/size_formulacion/
Size_11A<-read_csv("˜/Dropbox/Personal/Tesis-
‹→ Cienciactiva/Analisis/size_formulacion/
Size_11B<-read_csv("˜/Dropbox/Personal/Tesis-
‹→ Cienciactiva/Analisis/size_formulacion/
Size_12A<-read_csv("˜/Dropbox/Personal/Tesis-
‹→ Cienciactiva/Analisis/size_formulacion/
Size_12B<-read_csv("˜/Dropbox/Personal/Tesis-
‹→ Cienciactiva/Analisis/size_formulacion/
Size_13B<-read_csv("˜/Dropbox/Personal/Tesis- ‹ Cienciactiva/Analisis/size_formulacion/ ‹ Resultados_13B_inc.csv")
Size_14A<-read_csv("˜/Dropbox/Personal/Tesis- ‹→ Cienciactiva/Analisis/size_formulacion/
Size_14B<-read_csv("˜/Dropbox/Personal/Tesis-
‹→ Cienciactiva/Analisis/size_formulacion/
Size_15B<-read_csv("˜/Dropbox/Personal/Tesis-
‹→ Cienciactiva/Analisis/size_formulacion/
Size_16A<-read_csv("˜/Dropbox/Personal/Tesis- ‹ Cienciactiva/Analisis/size_formulacion/ ‹ Resultados_16A_inc.csv")
Size_17B<-read_csv("˜/Dropbox/Personal/Tesis- ‹→ Cienciactiva/Analisis/size_formulacion/
Size_18B<-read_csv("˜/Dropbox/Personal/Tesis- ‹ Cienciactiva/Analisis/size_formulacion/ ‹ Resultados_18B_inc.csv")
Size_19B<-read_csv("˜/Dropbox/Personal/Tesis- ‹ Cienciactiva/Analisis/size_formulacion/ ‹ Resultados_19B_inc.csv")
Size_20A<-read_csv("˜/Dropbox/Personal/Tesis- ‹ Cienciactiva/Analisis/size_formulacion/ ‹ Resultados_20A_inc.csv")
Size_21B<-read_csv("˜/Dropbox/Personal/Tesis- ‹ Cienciactiva/Analisis/size_formulacion/ ‹ Resultados_21B_inc.csv")
Size_22A<-read_csv("˜/Dropbox/Personal/Tesis- ‹ Cienciactiva/Analisis/size_formulacion/ ‹ Resultados_22A_inc.csv")
Size_23B<-read_csv("˜/Dropbox/Personal/Tesis- ‹ Cienciactiva/Analisis/size_formulacion/ ‹ Resultados_23B_inc.csv")
Size_24B<-read_csv("˜/Dropbox/Personal/Tesis-
148
→ →
→
‹ Cienciactiva/Analisis/size_formulacion/ ‹ Resultados_24B_inc.csv")
Diam_01A<-Size_01A$Diametro Diam_01B<-Size_01B$Diametro Diam_02A<-Size_02A$Diametro Diam_03A<-Size_03A$Diametro Diam_03B<-Size_03B$Diametro Diam_04A<-Size_04A$Diametro Diam_04B<-Size_04B$Diametro Diam_05A<-Size_05A$Diametro Diam_05B<-Size_05B$Diametro Diam_06A<-Size_06A$Diametro Diam_06B<-Size_06B$Diametro Diam_07A<-Size_07A$Diametro Diam_07B<-Size_07B$Diametro Diam_08A<-Size_08A$Diametro Diam_08B<-Size_08B$Diametro Diam_09A<-Size_09A$Diametro Diam_09B<-Size_09B$Diametro Diam_10A<-Size_10A$Diametro Diam_10B<-Size_10B$Diametro Diam_11A<-Size_11A$Diametro Diam_11B<-Size_11B$Diametro Diam_12A<-Size_12A$Diametro#Problema Diam_12B<-Size_12B$Diametro Diam_13B<-Size_13B$Diametro Diam_14A<-Size_14A$Diametro Diam_14B<-Size_14B$Diametro Diam_15B<-Size_15B$Diametro Diam_16A<-Size_16A$Diametro Diam_17B<-Size_17B$Diametro Diam_18B<-Size_18B$Diametro Diam_19B<-Size_19B$Diametro Diam_20A<-Size_20A$Diametro Diam_21B<-Size_21B$Diametro Diam_22A<-Size_22A$Diametro Diam_23B<-Size_23B$Diametro Diam_24B<-Size_24B$Diametro #Juntandodatosderepeticiones Diam_01<-c(Diam_01A,Diam_01B) Diam_02<-c(Diam_02A) Diam_03<-c(Diam_03A,Diam_03B) Diam_04<-c(Diam_04A,Diam_04B) Diam_05<-c(Diam_05A,Diam_05B) Diam_06<-c(Diam_06A,Diam_06B) Diam_07<-c(Diam_07A,Diam_07B) Diam_08<-c(Diam_08A,Diam_08B) Diam_09<-c(Diam_09A,Diam_09B) Diam_10<-c(Diam_10A,Diam_10B) Diam_11<-c(Diam_11A,Diam_11B) Diam_12<-c(Diam_12B) Diam_13<-c(Diam_13B) Diam_14<-c(Diam_14A,Diam_14B) Diam_15<-c(Diam_15B) Diam_16<-c(Diam_16A) Diam_17<-c(Diam_17B) Diam_18<-c(Diam_18B) Diam_19<-c(Diam_19B) Diam_20<-c(Diam_20A) Diam_21<-c(Diam_21B) Diam_22<-c(Diam_22A) Diam_23<-c(Diam_23B) Diam_24<-c(Diam_24B) #RealizauntestdenormalidaddeLilliefors(>0
‹ .05significaquesonnormales) library(nortest)
149
→
→
→
→
→
→
→
→ onno
lillie.test(Diam_01) lillie.test(Diam_02) lillie.test(Diam_03) lillie.test(Diam_04) lillie.test(Diam_05) lillie.test(Diam_06) lillie.test(Diam_07) lillie.test(Diam_08) lillie.test(Diam_09) lillie.test(Diam_10) lillie.test(Diam_11) lillie.test(Diam_12) lillie.test(Diam_13) lillie.test(Diam_14) lillie.test(Diam_15) lillie.test(Diam_16) lillie.test(Diam_17) lillie.test(Diam_18) lillie.test(Diam_19) lillie.test(Diam_20) lillie.test(Diam_21) lillie.test(Diam_22) lillie.test(Diam_23) lillie.test(Diam_24) #Sererificaquetodoslosvalorespfueron
‹ menoresa0.05,porloquenosonnormales #Evaluandolahomogeneidaddevarianzacontest
‹ deFligner-Killeen,yaquenosepuedeusar #eltestdeBartleyporqueladistribuci
‹ esnormal.ParaFligner-Killeenpdebeser #mayora0.05paraqueseanhomogeneaslas
‹ varianzas lista<-list(Diam_01,Diam_02,Diam_03,Diam_04,Diam_
‹ 05,Diam_06,Diam_07,Diam_08,Diam_09,Diam_10, Diam_11,Diam_12,Diam_13,Diam_14,Diam_15,Diam_16,
‹ Diam_17,Diam_18,Diam_19,Diam_20, Diam_21,Diam_22,Diam_23,Diam_24) fligner.test(lista) #Graficandolosdatosenunboxplot boxplot(lista) #Comosepuedever,hayheterocedasticidad #Seproceder aausarbootstrappingparaestimar
‹ losintervalosdeconfianzadelamediana library(boot) #definiendounafunci onquecalculalamediana, #seg unhttp://www.mayin.org/ajayshah/KB/R/
‹ documents/boot.html med <-function(data,indices){ return(median(data[indices])) } #realizandoelbootstrapping B_01<-boot(Diam_01,statistic=med,10000) B_02<-boot(Diam_02,statistic=med,10000) B_03<-boot(Diam_03,statistic=med,10000) B_04<-boot(Diam_04,statistic=med,10000) B_05<-boot(Diam_05,statistic=med,10000) B_06<-boot(Diam_06,statistic=med,10000) B_07<-boot(Diam_07,statistic=med,10000) B_08<-boot(Diam_08,statistic=med,10000) B_09<-boot(Diam_09,statistic=med,10000) B_10<-boot(Diam_10,statistic=med,10000) B_11<-boot(Diam_11,statistic=med,10000) B_12<-boot(Diam_12,statistic=med,10000) B_13<-boot(Diam_13,statistic=med,10000) B_14<-boot(Diam_14,statistic=med,10000) B_15<-boot(Diam_15,statistic=med,10000)
150
→
→
→
→
→
→
→
→
→
→
→
→
→
→
B_16<-boot(Diam_16,statistic=med,10000) B_17<-boot(Diam_17,statistic=med,10000) B_18<-boot(Diam_18,statistic=med,10000) B_19<-boot(Diam_19,statistic=med,10000) B_20<-boot(Diam_20,statistic=med,10000) B_21<-boot(Diam_21,statistic=med,10000) B_22<-boot(Diam_22,statistic=med,10000) B_23<-boot(Diam_23,statistic=med,10000) B_24<-boot(Diam_24,statistic=med,10000)
#Ahoracalculandolosintervalosdeconfianzaal ‹ 95%
IC_01<-boot.ci(B_01,type=’bca’) IC_02<-boot.ci(B_02,type=’bca’) IC_03<-boot.ci(B_03,type=’bca’) IC_04<-boot.ci(B_04,type=’bca’) IC_05<-boot.ci(B_05,type=’bca’) IC_06<-boot.ci(B_06,type=’bca’) IC_07<-boot.ci(B_07,type=’bca’) IC_08<-boot.ci(B_08,type=’bca’) IC_09<-boot.ci(B_09,type=’bca’) IC_10<-boot.ci(B_10,type=’bca’) IC_11<-boot.ci(B_11,type=’bca’) IC_12<-boot.ci(B_12,type=’bca’) IC_13<-boot.ci(B_13,type=’bca’) IC_14<-boot.ci(B_14,type=’bca’) IC_15<-boot.ci(B_15,type=’bca’) IC_16<-boot.ci(B_16,type=’bca’) IC_17<-boot.ci(B_17,type=’bca’) IC_18<-boot.ci(B_18,type=’bca’) IC_19<-boot.ci(B_19,type=’bca’) IC_20<-boot.ci(B_20,type=’bca’) IC_21<-boot.ci(B_21,type=’bca’) IC_22<-boot.ci(B_22,type=’bca’) IC_23<-boot.ci(B_23,type=’bca’) IC_24<-boot.ci(B_24,type=’bca’)
#Guardadndolosl ımitesdelosintervalosde ‹ confianza
LowL<-c(IC_01[4]$bca[4],IC_02[4]$bca[4],IC_03[4]$ ‹ bca[4],IC_04[4]$bca[4],IC_05[4]$bca[4],
IC_06[4]$bca[4],IC_07[4]$bca[4],IC_08[4]$bca[4], ‹ IC_09[4]$bca[4],IC_10[4]$bca[4],
IC_11[4]$bca[4],IC_12[4]$bca[4],IC_13[4]$bca[4], ‹ IC_14[4]$bca[4],IC_15[4]$bca[4],
IC_16[4]$bca[4],IC_17[4]$bca[4],IC_18[4]$bca[4], ‹ IC_19[4]$bca[4],IC_20[4]$bca[4],
IC_21[4]$bca[4],IC_22[4]$bca[4],IC_23[4]$bca[4], ‹ IC_24[4]$bca[4])
UpL<-c(IC_01[4]$bca[5],IC_02[4]$bca[5],IC_03[4]$ ‹ bca[5],IC_04[4]$bca[5],IC_05[4]$bca[5],
IC_06[4]$bca[5],IC_07[4]$bca[5],IC_08[4]$bca[5], ‹ IC_09[4]$bca[5],IC_10[4]$bca[5],
IC_11[4]$bca[5],IC_12[4]$bca[5],IC_13[4]$bca[5], ‹ IC_14[4]$bca[5],IC_15[4]$bca[5],
IC_16[4]$bca[5],IC_17[4]$bca[5],IC_18[4]$bca[5], ‹ IC_19[4]$bca[5],IC_20[4]$bca[5],
IC_21[4]$bca[5],IC_22[4]$bca[5],IC_23[4]$bca[5], ‹ IC_24[4]$bca[5])
#Guardandolosvaloresdelasmedianas Medianas<-c(B_01$t0,B_02$t0,B_03$t0,B_04$t0,B_05$
‹ t0,B_06$t0,B_07$t0,B_08$t0,B_09$t0,B_10$t0, B_11$t0,B_12$t0,B_13$t0,B_14$t0,B_15$t0,B_16$t0,B
‹ _17$t0,B_18$t0,B_19$t0,B_20$t0, B_21$t0,B_22$t0,B_23$t0,B_24$t0)
#Graficarl ımitesdeconfianzadetodoslos
151
‹→ ,
‹→ ,
‹→ ,"Lecitina",
‹→ %.Oliva.15%",
‹→ Sacha_inchi",
‹→ emulsionante)
‹→ Coco","Oliva",
‹→ %","10%","10%",
‹→ Aceite,Medianas,
‹→ %","1%","1%","1%",
→
→
→
→
→
→
→
→
→
→
→
→
‹ tubosusandoplotCI etiquetas<-c("Lecit.1%.Oliva.10%","Lecit.1%.
‹→ SachaIn.10%","Lecit.1%.Coco.10%","Lecit.1
"Lecit.1%.SachaIn.15%","Lecit.1%.Coco.15%","
‹→ Lecit.3%.Oliva.10%","Lecit.3%.SachaIn.10%"
"Lecit.3%.Coco.10%","Lecit.3%.Oliva.15%","Lecit. ‹ 3%.SachaIn.15%","Lecit.3%.Coco.15%",
"Tween.1%.Oliva.10%","Tween.1%.SachaIn.10%"," ‹ Tween.1%.Coco.10%","Tween.1%.Oliva.15%",
"Tween.1%.SachaIn.15%","Tween.1%.Coco.15%"," ‹→ Tween.3%.Oliva.10%","Tween.3%.SachaIn.10%"
"Tween.3%.Coco.10%","Tween.3%.Oliva.15%","Tween. ‹ 3%.SachaIn.15%","Tween.3%.Coco.15%")
require(plotrix) par(las=2,#usarejesperpendiculares mar=c(10.1,4.1,4.1,2.1),#creasuficiente
‹ espacioparalargasetiquetasdex mgp=c(8,1,0))#mueveabajolaleyendadexpara
‹ evitartraslapado plotCI(1:24,Medianas,ui=UpL,li=LowL, axes =FALSE,#Desabilitalosejespordefecto xlab =’’,#Eliminalaetiquetadelejex ylab ="um") axis(side =2)#A nadeelejeypordefecto axis(side =1, at=1:24,#A nadeelejex
‹ personalizadoconlasetiquetas labels= etiquetas) box(bty="l")#Anadecaja ##--## #Graficandolosintervalosdeconfianzaenorden
‹ crecientesegunlamediana Emulsionante<-c("Lecitina","Lecitina","Lecitina",
‹→ "Lecitina","Lecitina","Lecitina","Lecitina"
"Lecitina","Lecitina","Lecitina","Lecitina"," ‹ Tween_20","Tween_20","Tween_20","Tween_20",
"Tween_20","Tween_20","Tween_20","Tween_20"," ‹ Tween_20","Tween_20","Tween_20","Tween_20")
Porcentaje_emulsionante<-c("1%","1%","1%","1%"," ‹→ 1%","1%","3%","3%","3%","3%","3%","3%","1
"1%","1%","3%","3%","3%","3%","3%","3%") Porcentaje_aceite<-c("10%","10%","10%","15%","15
‹→ %","15%","10%","10%","10%","15%","15%","15
"10%","15%","15%","15%","10%","10%","10%","15%" ‹ ,"15%","15%")
Aceite<-c("Oliva","Sacha_inchi","Coco","Oliva"," ‹→ Sacha_inchi","Coco","Oliva","Sacha_inchi","
"Sacha_inchi","Coco","Oliva","Sacha_inchi","Coco"
‹→ ,"Oliva","Sacha_inchi","Coco","Oliva","
"Coco","Oliva","Sacha_inchi","Coco") Mediana_problema<-data.frame(Emulsionante,
‹→ Porcentaje_emulsionante,Porcentaje_aceite,
LowL,UpL,etiquetas) Mediana_problema$Emulsionante<-as.factor(Mediana_
‹ problema$Emulsionante) Mediana_problema$Porcentaje_emulsionante<-as.
‹→ factor(Mediana_problema$Porcentaje_
Mediana_problema$Porcentaje_aceite<-as.factor(
152
Se realizaron las pruebas de normalidad de Lilliefors (Kolmogorov-Smirnov)
y prueba de homogeneidad de varianza de Fligner-Killeen para realizar el analisis
de varianza (ANOVA), sin embargo los datos fueron no normales y de varianza no
homogenea, por lo que no se pudo realizar el analisis de varianza. Sin embargo, se
empleo la tecnica estadıstica de bootstrapping para estimar los intervalos de con-
fianza de la mediana del diametro de las partículas de aceite (D50). Los resultados
se presentaron en el Capítulo 4, en el Cuadro 32.
Acidez de emulsiones del experimento para evaluar el efecto de los
parametros de formulacion sobre la estabilidad de emulsiones
preparadas por ultrasonido
Se realizo el analisis de varianza (ANOVA) de un modelo lineal para los resulta-
dos de acidez de las muestras empleando el guion que se muestra a continuacion. El
ANOVA se muestra en el Cuadro 50. Tambien se realizo una ANOVA unifactorial
para determinar el efecto de los tratamientos (Cuadro 51).
#An alisisdeacidezdelasmuestrasdel ‹→ experimento3
Mediana_problema$Aceite<-as.factor(Mediana_
Mediana_problema_orden<-Mediana_problema[order(
‹→ Mediana_problema$Porcentaje_aceite)
‹→ problema$Aceite)
valor_mediana<-Mediana_problema_orden$Medianas valor_inferior<-Mediana_problema_orden$LowL valor_superior<-Mediana_problema_orden$UpL etiquetas<-Mediana_problema_orden$etiquetas par(las=2,#usarejesperpendiculares mar=c(10.1,4.1,4.1,2.1),#creasuficiente
‹→ Mediana_problema$Medianas),]
mgp=c(8,1,0))#mueveabajolaleyendadexpara
plotCI(1:24,valor_mediana,ui=valor_superior,li=
axes =FALSE,#Desabilitalosejespordefecto xlab =’’,#Eliminalaetiquetadelejex ylab ="um")
‹→ espacioparalargasetiquetasdex
‹→ evitartraslapado
‹→ valor_inferior,
axis(side =2)#A axis(side =1, at=1:24,#Anadeelejex
nadeelejeypordefecto
label = etiquetas) ‹→ personalizadoconlasetiquetas
box(bty="l")#Anadecaja #Imprimiendodatos Mediana_problema[1:7]
153
‹→ Porcentaje_aceite,
→ →
→
→
→
→
→
→
→
→
→
#N=0.01,47D #Importandovaloresdeacidez library(readr) Acidez <-read_csv("˜/Dropbox/Personal/Tesis-
‹ Cienciactiva/Analisis/acidez_formulacion/ ‹ acidez_formulacion.csv",
col_types = cols(Acidez =col_number(), Porcentaje_aceite =col_number(), Porcentaje_emulsionante =col_number())) #Factorizando Acidez$Tratamiento<-as.factor(Acidez$Tratamiento) Acidez$Emulsionante<-as.factor(Acidez$
‹ Emulsionante) Acidez$Aceite<-as.factor(Acidez$Aceite) #Definiendodatos Acidez_datos<-data.frame(Acidez$Emulsionante,
‹→ Acidez$Porcentaje_emulsionante,Acidez$
Acidez$Aceite,Acidez$Acidez) #Graficandodatos plot(Acidez_datos) #Ajustandounmodelolinear mod_acidez<-aov(Acidez ˜ Emulsionante*Porcentaje_
‹ emulsionante*Porcentaje_aceite*Aceite, data = Acidez) summary(mod_acidez) #Noseveunefectosignificativodelos
‹ factores par(las=2,#usarejesperpendiculares mar=c(10.1,4.1,4.1,2.1),#creasuficiente
‹ espacioparalargasetiquetasdex mgp=c(8,1,0))#mueveabajolaleyendadexpara
‹ evitartraslapado boxplot(Acidez$Acidez ˜ Acidez$Tratamiento,ylab="
‹ Acidez") #Presentandodatos print(Acidez_datos) #Agrupandoportratamientoyresumiendodatos
‹ descriptivos library(dplyr) por_tratamientos<-group_by(Acidez,Tratamiento) resumen_acidez<-summarise(por_tratamientos,mean(
‹ Acidez),sd(Acidez)) print(resumen_acidez) #Analizandounanovadeunav ía ow_anova<-aov(Acidez ˜ Tratamiento, data = Acidez
‹ ) summary(ow_anova) #Seconfirmaquenoessignificativoelefecto
‹→ deltratamiento
pH de las emulsiones del experimento para evaluar el efecto de los
parametros de formulacion sobre la estabilidad de emulsiones
preparadas por ultrasonido
Se realizo el analisis de varianza (ANOVA) de un modelo lineal para los resul-
tados de pH de las muestras empleando el guion que se muestra a continuacion. El
154
‹→ %’,’3%’),
‹→ formulacion.csv",
→
→
→
→
→
→
→
→
→
ANOVA se muestra en el Cuadro 52. Tambien se realizo una ANOVA unifactorial
para determinar el efecto de los tratamientos (Cuadro 53).
#An alisisdepHdelasmuestrasdelexperimento3 #47D #ImportandovaloresdepH library(readr) pH_formulacion <-read_csv("˜/Dropbox/Personal/Tesis-
‹→ Cienciactiva/Analisis/pH_formulacion/pH_
col_types = cols(Porcentaje_aceite =col_number(), Porcentaje_emulsionante =col_number(), pH =col_number())) #Factorizando pH_formulacion$Emulsionante<-as.factor(pH_formulacion$
‹ Emulsionante) pH_formulacion$Porcentaje_emulsionante<-factor(pH_
‹→ formulacion$Porcentaje_emulsionante,labels=c(’1
ordered=TRUE) pH_formulacion$Aceite<-as.factor(pH_formulacion$Aceite) pH_formulacion$Porcentaje_aceite<-factor(pH_formulacion
‹ $Porcentaje_aceite,labels=c(’10%’,’15%’), ordered=TRUE) pH_formulacion$Tratamiento<-as.factor(pH_formulacion$
‹ Tratamiento) #Graficandodatos datos_pH<-data.frame(pH_formulacion$Emulsionante,pH_
‹ formulacion$Porcentaje_emulsionante, pH_formulacion$Aceite,pH_formulacion$Porcentaje_aceite, pH_formulacion$pH) plot(datos_pH) #Ajustandounmodelolinear mod_pH<-aov(pH ˜ Emulsionante*Porcentaje_emulsionante*
‹ Aceite*Porcentaje_aceite, data = pH_formulacion) summary(mod_pH) #Noseveunefectosignificativodelosfactores par(las=2,#usarejesperpendiculares mar=c(10.1,4.1,4.1,2.1),#creasuficienteespaciopara
‹ largasetiquetasdex mgp=c(8,1,0))#mueveabajolaleyendadexparaevitar
‹ traslapado boxplot(pH_formulacion$pH ˜ pH_formulacion$Tratamiento,
‹ ylab=’pH’) #Presentandodatos print(datos_pH) #Agrupandoportratamientoyresumiendodatos
‹ descriptivos library(dplyr) por_tratamientos<-group_by(pH_formulacion,Tratamiento) resumen_pH<-summarise(por_tratamientos,mean(pH),sd(pH)) print(resumen_pH) #Analizandounanovadeunav ía ow_anova<-aov(pH ˜ Tratamiento, data=pH_formulacion) summary(ow_anova)
155
Cuadro 50: Analisis de varianza de la acidez de las emulsiones preparadas con di-
ferentes formulaciones
Grados
de
libertad
Suma de
cuadrados
Media de
cuadrados
Valor de
F
p-valor
Emulsionante 1 0.00869 0.00869 0.211 0.666
% emulsionante 1 0.00027 0.00027 0.006 0.939
% aceite 1 0.00309 0.00309 0.075 0.795
Aceite 2 0.07445 0.03722 0.902 0.463
Emulsionante: % 1 0.01807 0.01807 0.438 0.537
emulsionante
Emulsionante: % 1 0.01201 0.01201 0.291 0.613
aceite
% emulsionante: % 1 0.04366 0.04366 1.058 0.351
Aceite
Emulsionante: 2 0.10276 0.05138 1.246 0.364
Aceite
% emulsionante: 2 0.05221 0.02611 0.633 0.569
Aceite
% aceite: Aceite 2 0.11102 0.05551 1.346 0.341
Emulsionante: % 1 0.06732 0.06732 1.632 0.258
emulsionante: %
Aceite
Emulsionante: % 2 0.03746 0.01873 0.454 0.659
emulsionante:
Aceite
Emulsionante: % 2 0.03407 0.01704 0.413 0.682
aceite: Aceite
% emulsionante: % 2 0.17789 0.08894 2.156 0.211
aceite: Aceite
Emulsionante: % 2 0.01381 0.00690 0.167 0.850
emulsionante: %
aceite: Aceite
Residuales 5 0.20625 0.04125
Cuadro 51: Analisis de varianza unifactorial de la acidez de las emulsiones prepa-
radas con diferentes formulaciones
Grados de
libertad
Suma de
cuadrados
Media de
cuadrados Valor de F
p-valor
Tratamiento 23 0.7568 0.03290 0.798 0.683
Residuales 5 0.2062 0.04125
Grados de
libertad
23
2
Suma de
cuadrados
4.305
0.826
Media de
cuadrados
0.1872
0.4131
p-valor Valor de F
0.453 Tratamiento
Residuales
0.867
156
Cuadro 52: Analisis de varianza del pH de las emulsiones preparadas con diferentes
formulaciones
Grados
de
libertad
Suma de
cuadrados
Media de
cuadrados
Valor de
F
p-valor
Emulsionante 1 0.0036 0.0036 0.009 0.935
% emulsionante 1 0.0619 0.0619 0.150 0.736
Aceite 2 0.0590 0.0295 0.071 0.933
% aceite 1 0.8627 0.8627 2.088 0.285
Emulsionante: % 1 0.8206 0.8206 1.986 0.294
emulsionante
Emulsionante: 2 0.5608 0.2804 0.679 0.596
Aceite
% emulsionante: % 2 0.5664 0.2832 0.686 0.593
aceite
Emulsionante: % 1 0.1939 0.1939 0.469 0.564
aceite
% emulsionante: % 1 0.0498 0.0498 0.121 0.762
Aceite: % aceite 2 0.0650 0.0325 0.079 0.927
Emulsionante: % 2 0.0354 0.0177 0.043 0.959
emulsionante:
Aceite
Emulsionante: % 1 0.3006 0.3006 0.728 0.483
emulsionante: %
Aceite
Emulsionante: % 2 0.1979 0.0990 0.240 0.807
aceite: Aceite
% emulsionante: % 2 0.3926 0.1963 0.475 0.678
aceite: Aceite
Emulsionante: % 2 0.1346 0.0673 0.163 0.860
emulsionante: %
aceite: Aceite
Residuales 2 0.8263 0.4131
Cuadro 53: Analisis de varianza unifactorial del pH de las emulsiones preparadas
con diferentes formulaciones
Apendice 6
Resultados estadísticos del efecto de
la concentracion de NaCl, pH y
pre-tratamiento convencional en una
emulsion preparada por ultrasonido
Para el desarrollo de la tesis se emplearon diferentes scripts o guiones para el
software estadístico R. A continuacion se presentan los guiones empleados para
cada analisis del experimento para evaluar el efecto de la concentracion de NaCl, pH
y pre-tratamiento convencional en una emulsion aceite de oliva preparada mediante
ultrasonido, ademas de sus principales salidas de interes estadístico, como las tablas
ANOVA.
157
158
Efecto de la concentracion de NaCl, pH y pre-tratamiento
en una emulsion preparada con aceite de oliva
Indice de cremado de las emulsiones del experimento para eva-
luar el efecto de la concentracion de NaCl, pH y pre-tratamiento
convencional en una emulsion aceite de oliva preparada mediante
ultrasonido
El guion para el analisis estadístico del ındice de cremado de las emulsiones
preparadas en el experimento para evaluar el efecto de la concentracion de NaCl, pH
y pre-tratamiento convencional en una emulsion aceite de oliva preparada mediante
ultrasonido se presenta a continuacion. Se realizo el ajuste de un modelo lineal. Se
realizo el ANOVA factorial pero no se encontraron efectos significativos (Cuadro
54). Un ANOVA unifactorial tambien se presenta en el Cuadro 55, aunque tampoco
se observo un efecto significativo de los tratamientos.
159
→
→
→
→
→
→
→
→
→
→
Cuadro 54: Analisis de varianza del ındice de cremado de las emulsiones con dife-
rente nivel de NaCl, pH y pre-tratamiento
Grados
de
libertad
Suma de
cuadrados
Media de
cuadrados
Valor de
F
p-valor
NaCl 2 1.55 0.776 0.111 0.896
pH 1 1.10 1.102 0.157 0.699
Tiempo AV 1 5.52 5.523 0.787 0.394
NaCl:pH 1 13.69 13.690 1.951 0.190
NaCl:Tiempo AV 1 1.69 1.690 0.241 0.633
pH:Tiempo AV 1 0.64 0.640 0.091 0.768
NaCl:pH:Tiempo AV 1 0.02 0.022 0.003 0.956
Residuales 11 77.20 7.018
#An alisisdeICdelasmuestrasdelexperimento ‹ 4
#46D #Importandovaloresdeacidez library(readr) IC_NapH <-read_csv("˜/Dropbox/Personal/Tesis-
‹ Cienciactiva/Analisis/IC_NapH/IC_NapH.csv", col_types = cols(IC =col_number())) #Factorizando IC_NapH$Tratamiento<-as.factor((IC_NapH$
‹ Tratamiento)) IC_NapH$NaCl<-as.factor(IC_NapH$NaCl) IC_NapH$pH<-as.factor(IC_NapH$pH) IC_NapH$Tiempo_AV<-as.factor(IC_NapH$Tiempo_AV) #Graficandodatos datos_IC<-data.frame(IC_NapH$NaCl,IC_NapH$pH,IC_
‹ NapH$Tiempo_AV,IC_NapH$IC) plot(datos_IC) #AjustandounmodelolinearyhaciendoelANOVA mod_lm_IC<-lm(IC ˜ (NaCl + pH + Tiempo_AV)ˆ3,
‹ data = IC_NapH) ANOVA <-aov(mod_lm_IC) summary(ANOVA) coef(ANOVA)#muestraloscoeficientes #Seobservaquelosfactoresnotienen
‹ influenciasignificativa #Agrupandoportratamientoyresumiendodatos
‹ descriptivos library(dplyr) por_tratamientos<- IC_NapH %> % group_by(
‹ Tratamiento) resumen_IC<-summarise(por_tratamientos,mean(IC),
‹ sd(IC)) print(resumen_IC) #Analizandounanovadeunav ía ow_anova<-aov(IC ˜ Tratamiento, data=por_
‹ tratamientos) summary(ow_anova)
160
‹→ 1A.csv")
‹→ 1B.csv")
‹→ 2A.csv")
‹→ 2B.csv")
‹→ 3A.csv")
‹→ 3B.csv")
‹→ 4A.csv")
‹→ 4B.csv")
‹→ 2A_add.csv")
‹→ 3A_add.csv")
→
Cuadro 55: Analisis de varianza unifactorial del ındice de cremado de las emulsio-
nes con diferente nivel de NaCl, pH y pre-tratamiento
Grados de
libertad
Suma de
cuadrados
Media de
cuadrados Valor de F
p-valor
Tratamiento 8 24.22 3.028 0.431 0.879
Residuales 11 77.20 7.018
Tamano de partícula de las emulsiones del experimento para eva-
luar el efecto de la concentracion de NaCl, pH y pre-tratamiento
convencional en una emulsion aceite de oliva preparada mediante
ultrasonido
Se empleo el siguiente codigo para estimar los intervalos de confianza de la
mediana del diametro de las partículas de aceite (D50) en las muestras.
#An alisisdetama nodepart ıculadelexperimento ‹ 4
#64D #Importandodatos library(readr) require(car) Size_01A<-read_csv("˜/Dropbox/Personal/Tesis-
‹→ Cienciactiva/Analisis/size_NapH/Resultados_
Size_01B<-read_csv("˜/Dropbox/Personal/Tesis-
‹→ Cienciactiva/Analisis/size_NapH/Resultados_
Size_02A<-read_csv("˜/Dropbox/Personal/Tesis-
‹→ Cienciactiva/Analisis/size_NapH/Resultados_
Size_02add<-read_csv("˜/Dropbox/Personal/Tesis-
‹→ Cienciactiva/Analisis/size_NapH/Resultados_
Size_02B<-read_csv("˜/Dropbox/Personal/Tesis-
‹→ Cienciactiva/Analisis/size_NapH/Resultados_
Size_03A<-read_csv("˜/Dropbox/Personal/Tesis-
‹→ Cienciactiva/Analisis/size_NapH/Resultados_
Size_03A_add<-read_csv("˜/Dropbox/Personal/Tesis-
‹→ Cienciactiva/Analisis/size_NapH/Resultados_
Size_03B<-read_csv("˜/Dropbox/Personal/Tesis-
‹→ Cienciactiva/Analisis/size_NapH/Resultados_
Size_04A<-read_csv("˜/Dropbox/Personal/Tesis-
‹→ Cienciactiva/Analisis/size_NapH/Resultados_
Size_04B<-read_csv("˜/Dropbox/Personal/Tesis-
‹→ Cienciactiva/Analisis/size_NapH/Resultados_
Size_04B_add<-read_csv("˜/Dropbox/Personal/Tesis-
‹→ Cienciactiva/Analisis/size_NapH/Resultados_
161
‹→ 9.csv")
‹→ 5A.csv")
‹→ 5B.csv")
‹→ 6A.csv")
‹→ 6B.csv")
‹→ 7A.csv")
‹→ 7B.csv")
‹→ 8A.csv")
‹→ 8B.csv")
‹→ 10.csv")
‹→ 11.csv")
‹→ 6A_add.csv")
‹→ 8B_add.csv")
→
→
‹ 4B_add.csv") Size_05A<-read_csv("˜/Dropbox/Personal/Tesis-
‹→ Cienciactiva/Analisis/size_NapH/Resultados_
Size_05B<-read_csv("˜/Dropbox/Personal/Tesis-
‹→ Cienciactiva/Analisis/size_NapH/Resultados_
Size_06A<-read_csv("˜/Dropbox/Personal/Tesis-
‹→ Cienciactiva/Analisis/size_NapH/Resultados_
Size_06A_add<-read_csv("˜/Dropbox/Personal/Tesis-
‹→ Cienciactiva/Analisis/size_NapH/Resultados_
Size_06B<-read_csv("˜/Dropbox/Personal/Tesis-
‹→ Cienciactiva/Analisis/size_NapH/Resultados_
Size_07A<-read_csv("˜/Dropbox/Personal/Tesis-
‹→ Cienciactiva/Analisis/size_NapH/Resultados_
Size_07B<-read_csv("˜/Dropbox/Personal/Tesis-
‹→ Cienciactiva/Analisis/size_NapH/Resultados_
Size_08A<-read_csv("˜/Dropbox/Personal/Tesis-
‹→ Cienciactiva/Analisis/size_NapH/Resultados_
Size_08B<-read_csv("˜/Dropbox/Personal/Tesis-
‹→ Cienciactiva/Analisis/size_NapH/Resultados_
Size_08B_add<-read_csv("˜/Dropbox/Personal/Tesis-
‹→ Cienciactiva/Analisis/size_NapH/Resultados_
Size_09<-read_csv("˜/Dropbox/Personal/Tesis-
‹→ Cienciactiva/Analisis/size_NapH/Resultados_
Size_10<-read_csv("˜/Dropbox/Personal/Tesis-
‹→ Cienciactiva/Analisis/size_NapH/Resultados_
Size_11<-read_csv("˜/Dropbox/Personal/Tesis-
‹→ Cienciactiva/Analisis/size_NapH/Resultados_
Size_12<-read_csv("˜/Dropbox/Personal/Tesis- ‹ Cienciactiva/Analisis/size_NapH/Resultados_ ‹→ 12.csv")
Diam_01A<-Size_01A$Diametro Diam_01B<-Size_01B$Diametro Diam_02A<-Size_02A$Diametro Diam_02add<-Size_02add$Diametro Diam_02B<-Size_02B$Diametro Diam_03A<-Size_03A$Diametro Diam_03A_add<-Size_03A_add$Diametro Diam_03B<-Size_03B$Diametro Diam_04A<-Size_04A$Diametro Diam_04B<-Size_04B$Diametro Diam_04B_add<-Size_04B_add$Diametro Diam_05A<-Size_05A$Diametro Diam_05B<-Size_05B$Diametro Diam_06A<-Size_06A$Diametro Diam_06A_add<-Size_06A_add$Diametro Diam_06B<-Size_06B$Diametro Diam_07A<-Size_07A$Diametro Diam_07B<-Size_07B$Diametro Diam_08A<-Size_08A$Diametro Diam_08B<-Size_08B$Diametro Diam_08B_add<-Size_08B_add$Diametro Diam_09<-Size_09$Diametro Diam_10<-Size_10$Diametro
162
→
→
→
→
→
→
→
→
→ onno
Diam_11<-Size_11$Diametro Diam_12<-Size_12$Diametro
#Juntandodatosderepeticiones Diam_01<-c(Diam_01A,Diam_01B) Diam_02<-c(Diam_02A,Diam_02add,Diam_02B) Diam_03<-c(Diam_03A,Diam_03A_add,Diam_03B) Diam_04<-c(Diam_04A,Diam_04B,Diam_04B_add) Diam_05<-c(Diam_05A,Diam_05B) Diam_06<-c(Diam_06A,Diam_06A_add,Diam_06B) Diam_07<-c(Diam_07A,Diam_07B) Diam_08<-c(Diam_08A,Diam_08B,Diam_08B_add) Diam_09<-c(Diam_09,Diam_10,Diam_11,Diam_12)
#RealizauntestdenormalidaddeLilliefors(>0 ‹ .05significaquesonnormales)
library(nortest) lillie.test(Diam_01) lillie.test(Diam_02) lillie.test(Diam_03) lillie.test(Diam_04) lillie.test(Diam_05) lillie.test(Diam_06) lillie.test(Diam_07) lillie.test(Diam_08) lillie.test(Diam_09) #Sererificaquetodoslosvalorespfueron
‹ menoresa0.05,porloquenosonnormales #Evaluandolahomogeneidaddevarianzacontest
‹ deFligner-Killeen,yaquenosepuedeusar #eltestdeBartleyporqueladistribuci
‹ esnormal.ParaFligner-Killeenpdebeser #mayora0.05paraqueseanhomogeneaslas
‹ varianzas lista<-list(Diam_01,Diam_02,Diam_03,Diam_04,Diam_
‹ 05,Diam_06,Diam_07,Diam_08,Diam_09) fligner.test(lista) #Graficandolosdatosenunboxplot boxplot(lista) #Comosepuedever,hayheterocedasticidad #Seproceder aausarbootstrappingparaestimar
‹ losintervalosdeconfianzadelamediana library(boot) #definiendounafunci onquecalculalamediana, #seg unhttp://www.mayin.org/ajayshah/KB/R/
‹ documents/boot.html med <-function(data,indices){ return(median(data[indices])) }
#realizandoelbootstrapping B_01<-boot(Diam_01,statistic=med,10000) B_02<-boot(Diam_02,statistic=med,10000) B_03<-boot(Diam_03,statistic=med,10000) B_04<-boot(Diam_04,statistic=med,10000) B_05<-boot(Diam_05,statistic=med,10000) B_06<-boot(Diam_06,statistic=med,10000) B_07<-boot(Diam_07,statistic=med,10000) B_08<-boot(Diam_08,statistic=med,10000) B_09<-boot(Diam_09,statistic=med,10000)
#Ahoracalculandolosintervalosdeconfianzaal ‹ 95%
IC_01<-boot.ci(B_01,type=’bca’) IC_02<-boot.ci(B_02,type=’bca’) IC_03<-boot.ci(B_03,type=’bca’) IC_04<-boot.ci(B_04,type=’bca’)
163
→
→
→
→
→
→
→
→
→
→
→
→
→
→
→
→
→
→
→
IC_05<-boot.ci(B_05,type=’bca’) IC_06<-boot.ci(B_06,type=’bca’) IC_07<-boot.ci(B_07,type=’bca’) IC_08<-boot.ci(B_08,type=’bca’) IC_09<-boot.ci(B_09,type=’bca’)
#Guardadndolosl ımitesdelosintervalosde ‹ confianza
LowL<-c(IC_01[4]$bca[4],IC_02[4]$bca[4],IC_03[4]$ ‹ bca[4],IC_04[4]$bca[4],IC_05[4]$bca[4],
IC_06[4]$bca[4],IC_07[4]$bca[4],IC_08[4]$bca[4], ‹ IC_09[4]$bca[4])
UpL<-c(IC_01[4]$bca[5],IC_02[4]$bca[5],IC_03[4]$ ‹ bca[5],IC_04[4]$bca[5],IC_05[4]$bca[5],
IC_06[4]$bca[5],IC_07[4]$bca[5],IC_08[4]$bca[5], ‹ IC_09[4]$bca[5])
#Guardandolosvaloresdelasmedianas Medianas<-c(B_01$t0,B_02$t0,B_03$t0,B_04$t0,B_05$
‹→ t0,B_06$t0,B_07$t0,B_08$t0,B_09$t0)
#Graficarl ımitesdeconfianzadetodoslos ‹ tubosusandoplotCI
etiquetas<-c("1%.3.8pH.0s","3%.3.8pH.0s","1%.7.0 ‹ pH.0s","3%.7.0pH.0s","1%.3.8pH.180s",
"3%.3.8pH.180s","1%.7.0pH.180s","3%.7.0pH.180s", ‹ "2%.5.4pH.90s")
require(plotrix) par(las=2,#usarejesperpendiculares mar=c(10.1,4.1,4.1,2.1),#creasuficiente
‹ espacioparalargasetiquetasdex mgp=c(8,1,0))#mueveabajolaleyendadexpara
‹ evitartraslapado plotCI(1:9,Medianas,ui=UpL,li=LowL, axes =FALSE,#Desabilitalosejespordefecto xlab =’’,#Eliminalaetiquetadelejex ylab ="um") axis(side =2)#A nadeelejeypordefecto axis(side =1, at=1:9,#A nadeelejex
‹ personalizadoconlasetiquetas labels= etiquetas) box(bty="l")#A nadecaja ##--## #Graficandolosintervalosdeconfianzaenorden
‹ crecientesegunlamediana NaCl<-c(0.01,0.03,0.01,0.03,0.01,0.03,0.01,0.03,0
‹ .02) pH<-c(3.8,3.8,7.0,7.0,3.8,3.8,7.0,7.0,5.4) Tiempo_AV<-c(0,0,0,0,180,180,180,180,90) Mediana_problema<-data.frame(NaCl,pH,Tiempo_AV,
‹ Medianas,LowL,UpL,etiquetas) Mediana_problema$NaCl<-as.factor(Mediana_problema
‹ $NaCl) Mediana_problema$pH<-as.factor(Mediana_problema$
‹ pH) Mediana_problema$Tiempo_AV<-as.factor(Mediana_
‹ problema$Tiempo_AV) Mediana_problema_orden<-Mediana_problema[order(
‹ Mediana_problema$Medianas),] valor_mediana<-Mediana_problema_orden$Medianas valor_inferior<-Mediana_problema_orden$LowL valor_superior<-Mediana_problema_orden$UpL etiquetas<-Mediana_problema_orden$etiquetas par(las=2,#usarejesperpendiculares mar=c(10.1,4.1,4.1,2.1),#creasuficiente
‹ espacioparalargasetiquetasdex mgp=c(8,1,0))#mueveabajolaleyendadexpara
‹→ evitartraslapado
164
‹→ NapH.csv",
→
→
Se realizaron las pruebas de normalidad de Lilliefors (Kolmogorov-Smirnov)
y prueba de homogeneidad de varianza de Fligner-Killeen para realizar el analisis
de varianza (ANOVA), sin embargo los datos fueron no normales y de varianza no
homogenea, por lo que no se pudo realizar el analisis de varianza. Sin embargo, se
empleo la tecnica estadıstica de bootstrapping para estimar los intervalos de con-
fianza de la mediana del diametro de las partículas de aceite (D50). Los resultados
se presentaron en el Capítulo 4, en el Cuadro 35.
Acidez de las emulsiones del experimento para evaluar el efecto de
la concentracion de NaCl, pH y pre-tratamiento convencional en
una emulsion aceite de oliva preparada mediante ultrasonido
Se realizo el analisis de varianza (ANOVA) de un modelo lineal para los resulta-
dos de acidez de las muestras empleando el guion que se muestra a continuacion. El
ANOVA se muestra en el Cuadro 56. Tambien se realizo una ANOVA unifactorial
para determinar el efecto de los tratamientos (Cuadro 57).
#An alisisdeacidezdelasmuestrasdel ‹ experimento4
#54D.NaOH=0.1N #Importandovaloresdeacidez library(readr) #require(car) Acidez <-read_csv("˜/Dropbox/Personal/Tesis-
‹→ Cienciactiva/Analisis/acidez_NapH/acidez_
col_types = cols(Acidez =col_number(), NaCl = ‹ col_number(),
Tiempo_AV =col_number(), pH =col_number())) #Factorizando
plotCI(1:9,valor_mediana,ui=valor_superior,li=
axes =FALSE,#Desabilitalosejespordefecto xlab =’’,#Eliminalaetiquetadelejex ylab ="um")
‹→ valor_inferior,
axis(side =2)#A axis(side =1, at=1:9,#A nadeelejex
nadeelejeypordefecto
label = etiquetas) ‹→ personalizadoconlasetiquetas
box(bty="l")#A nadecaja
#Imprimiendodatos Mediana_problema[1:6] write.csv(Mediana_problema[1:6],file=’tamano_
‹→ NapH.csv’)
165
‹→ debil
→
→
→
→
→
→
→
→
→
→
→
→
→
→
Acidez$Tratamiento<-as.factor((Acidez$Tratamiento ‹ ))
Acidez$Tiempo_AV<-factor(Acidez$Tiempo_AV,labels ‹ =c(’0s’,’90s’,’180s’),ordered=TRUE)
Acidez$NaCl<-factor(Acidez$NaCl,labels=c(’1%’,’ ‹ 2%’,’3%’),ordered=TRUE)
Acidez$pH<-factor(Acidez$pH,labels=c(’3.8’,’5.4 ‹ ’,’7.0’),ordered=TRUE)
#Graficandodatos plot(data.frame(Acidez$NaCl,Acidez$pH,Acidez$
‹ Tiempo_AV,Acidez$Acidez)) #Ajustandounmodelolinear mod_acidez<-aov(Acidez ˜ NaCl*pH*Tiempo_AV,data =
‹ Acidez) summary(mod_acidez) #Noseveunefectosignificativodelos
‹→ factoresexceptoparaNaCl(0.09)aunquees
par(las=2,#usarejesperpendiculares mar=c(10.1,4.1,4.1,2.1),#creasuficiente
‹ espacioparalargasetiquetasdex mgp=c(8,1,0))#mueveabajolaleyendadexpara
‹ evitartraslapado boxplot(Acidez$Acidez ˜ Acidez$Tratamiento,ylab="
‹ Acidez") #Presentandodatos print(data.frame(Acidez$NaCl,Acidez$pH,Acidez$
‹ Tiempo_AV,Acidez$Acidez)) #Agrupandoportratamientoyresumiendodatos
‹ descriptivos library(dplyr) por_tratamientos<-group_by(Acidez,Tratamiento) resumen_acidez<-summarise(por_tratamientos,mean(
‹ Acidez),sd(Acidez)) print(resumen_acidez) #Analizandounanovadeunav ía ow_anova<-aov(Acidez ˜ Tratamiento, data = Acidez
‹ ) summary(ow_anova) #Seconfirmaquenoessignificativoelefecto
‹ deltratamiento write.csv(resumen_acidez,file=’resumen_acidez.
‹→ csv’)
Cuadro 56: Analisis de varianza de la acidez de las emulsiones con diferente nivel
de NaCl, pH y pre-tratamiento
Grados
de
libertad
Suma de
cuadrados
Media de
cuadrados
Valor de
F
p-valor
NaCl 2 1.6159 0.8080 2.073 0.272
pH 1 0.0741 0.0741 0.190 0.692
Tiempo AV 1 0.4753 0.4753 1.219 0.350
NaCl:pH 1 0.3081 0.3081 0.791 0.439
NaCl:Tiempo AV 1 0.0231 0.0231 0.059 0.823
pH:Tiempo AV 1 0.2701 0.2701 0.693 0.466
NaCl:pH:Tiempo AV 1 0.0378 0.0378 0.097 0.776
Residuales 3 1.1693 0.3898
166
#An alisisdepHdelasmuestrasdelexperimento ‹→
#4 D #ImportandovaloresdepH library(readr) pH_NapH <-read_csv("˜/Dropbox/Personal/Tesis-
5 4
col_types = cols(NaCl =col_number(), ‹→ Cienciactiva/Analisis/pH_NapH/pH_NapH.csv",
Tiempo_AV =col_number(), pH =col_number(), pH_set=col_number())) #Factorizando pH_NapH$Tratamiento<-as.factor((pH_NapH$
pH_NapH$Tiempo_AV<-factor(pH_NapH$Tiempo_AV, ‹→ Tratamiento))
‹→ labels=c(’0s’,’90s’,’180s’),ordered=
pH_NapH$NaCl<-factor(pH_NapH$NaCl,labels=c(’1%’ ‹→ TRUE)
pH_NapH$pH_set<-factor(pH_NapH$pH_set,labels=c( ‹→ ,’2%’,’3%’),ordered=TRUE)
pH_NapH<-data.frame(pH_NapH) ‹→ ’3.8’,’5.4’,’7.0’),ordered=TRUE)
#Graficandodatos datos_pH<-data.frame(pH_NapH$NaCl,pH_NapH$pH_set,
plot(datos_pH) ‹→ pH_NapH$Tiempo_AV,pH_NapH$pH)
#AjustandounmodelolinearyhaciendoelANOVA mod_lm_pH<-lm(pH ˜ (NaCl + pH_set+ Tiempo_AV)ˆ3,
ANOVA <-aov(mod_lm_pH) summary(ANOVA) coef(ANOVA)#muestraloscoeficientes #Gr aficadelosefectosprincipales plot.design(pH ˜ NaCl*pH_set*Tiempo_AV, y = pH,
‹→ data = pH_NapH)
Cuadro 57: Analisis de varianza unifactorial de la acidez de las emulsiones prepa-
radas con diferente nivel de NaCl, pH y pre-tratamiento
Grados de Suma de Media de Valor de F
p-valor
pH de las emulsiones del experimento para evaluar el efecto de la
concentracion de NaCl, pH y pre-tratamiento convencional en
una emulsion aceite de oliva preparada mediante ultrasonido
Se realizo el analisis de varianza (ANOVA) de un modelo lineal para los resul-
tados de pH de las muestras empleando el guion que se muestra a continuacion. El
ANOVA se muestra en el Cuadro 52. Tambien se realizo una ANOVA unifactorial
para determinar el efecto de los tratamientos (Cuadro 53) y una prueba de Tukey
par diferencia significativa, que se muestra en el Cuadro 38 del Capítulo 4.
libertad cuadrados cuadrados
Tratamiento 8 2.804 0.3506 0.899 0.6
Residuales 3 1.169 0.3898
167
→
→
→
→
→
→
→
→
→
‹ fun =’mean’, ylab =’pH’, xlab =’Factor’, data = pH_NapH) #Graficadeinteracci on attach(pH_NapH) interaction.plot(x.factor= NaCl, trace.factor= pH_set, response= pH, fun =mean, type =’b’, xlab =’NaCl’, ylab =’media de pH’, col=c(1:3), pch =c(19,17,15), fixed =TRUE, leg.bty ="o") #Otraformadehacerlagr aficadeinteracci on library(dae) interaction.ABC.plot(pH, x.factor= NaCl, groups.factor= Tiempo_AV, trace.factor= pH_set, title=’’, xlab =’Concentraci on de NaCl’, key.title=’Tiempo de pre-tratamiento’, data = pH_NapH) #Analizandolosresiduos plot(rstandard(mod_lm_pH), xlab =’Observaci on’, ylab =’Residuos estandarizados’) #Seapreciaquelosresiduosestandarizadosno
‹ hansuperadoelvalorde3(sd)locual #esbuenindicador #Gr aficodeQ-QnormalypruebadeShapiro qqnorm(rstandard(mod_lm_pH)) qqline(rstandard(mod_lm_pH),col=’red’) shapiro.test(rstandard(mod_lm_pH))#Sies>0.05
‹ ,losresiduossecomportandeformanormal #Porlotantolosresiduossecomportandeforma
‹→ normal
#Graficandovaloresajutados plot(fitted(mod_lm_pH), pH,col=c(’red’,’blue’), pch=19, ylab =’Valores reales’, xlab =’Valores
‹ ajustados’) legend(’topleft’,col=c(’red’,’blue’),legend=c(’
‹→ Ajustado’,’real’),pch=19)
#Agrupandoportratamientoyresumiendodatos ‹ descriptivos
library(dplyr) por_tratamientos<- pH_NapH %> % group_by(
‹ Tratamiento) resumen_pH<-summarise(por_tratamientos,mean(pH),
‹ sd(pH)) print(resumen_pH) write.csv(resumen_pH,file=’resumen_pH.csv’) #Analizandounanovadeunav ía ow_anova<-aov(pH ˜ Tratamiento, data=por_
‹ tratamientos) summary(ow_anova) #Seconfirmaquehaydiferenciasignificativaen
‹ elefectodeltratamiento #RealizandotestdeTukey posthoc <- TukeyHSD(ow_anova,’Tratamiento’,conf.
‹→ level =0.95)
168
posthoc plot(posthoc) #Comolalistaeslargaseusar aelpaquetede
library(agricolae) ‹→ agricolaedelaUNALM
posthoc_agricolae<-HSD.test(ow_anova,’Tratamiento
posthoc_agricolae write.csv(posthoc_agricolae$groups,file=’Tukey.
‹→ csv’)
‹→ ’)
Cuadro 58: Analisis de varianza del pH de las emulsiones preparadas con diferente
nivel de NaCl, pH y pre-tratamiento
Grados
de
libertad
Suma de
cuadrados
Media de
cuadrados
Valor de
F
p-valor
NaCl 2 2.1971 1.0985 12.378 0.00153
pH inicial 1 0.0116 0.0116 0.130 0.72505
Tiempo AV 1 0.6360 0.6360 7.166 0.02152
NaCl:pH inicial 1 0.4727 0.4727 5.326 0.04146
NaCl:Tiempo AV 1 0.4193 0.4193 4.724 0.05246
pH inicial:Tiempo AV 1 0.9950 0.9950 11.211 0.00650
NaCl:pH inicial:Tiempo AV 1 0.0008 0.0008 0.009 0.92811
Residuales 11 0.9763 0.0888
Cuadro 59: Analisis de varianza unifactorial del pH de las emulsiones preparadas
con diferente nivel de NaCl, pH y pre-tratamiento
Grados de
libertad
Suma de
cuadrados
Media de
cuadrados Valor de F
p-valor
Tratamiento 8 4.732 0.5915 6.665 0.00262
Residuales 11 0.976 0.0888
#An alisisdelaevaluaci #7D(07-12-17/30-11-17)
onsensorialdelexperimento5
#Importandovaloressensoriales library(readr) sensorial <-read_csv("˜/Dropbox/Personal/Tesis-
# ‹→ Cienciactiva/Analisis/sensorial/sensorial.csv")
sensorial$Juez<-as.factor(sensorial$Juez) #Agrupandoportratamientoyresumiendodatos
Factorizando
library(dplyr) ‹→ descriptivos
por_jueces<- sensorial %> % group_by(Juez) resumen_sensorial<-summarise(sensorial,mean(Sabor),sd(
mean(Aroma),sd(Aroma),mean(Aceptabilidad),sd( ‹→ Sabor),mean(Apariencia),sd(Apariencia),
print(resumen_sensorial) write.csv(resumen_sensorial,file=’resumen_sensorial.
‹→ csv’)
‹→ Aceptabilidad))
Apendice 7
Analisis estadístico y resultados de la
evaluacion sensorial
Como se indico en el Capítulo 4, se realizo una evaluacion sensorial por esca-
la de categorías, empleando la cartilla de evaluacion que se muestra en la Figura
36. Las respuestas de cada juez se muestran en el Cuadro 60. El procesamiento
estadístico se realizo empleando el guion que se muestra a continuacion. Sus resul-
tados (promedios) se mostraron ya en el Cuadro 39.
169
Cuadro 60: Respuestas de cada juez para la evaluacion sensorial por escala de cate-
forías
Juez Sabor Apariencia Aroma Aceptabilidad
1 4 5 5 4
2 6 6 5 6
3 7 7 6 7
4 5 7 2 6
5 5 7 8 6
6 5 5 7 6
7 4 5 7 4
8 4 5 5 5
9 6 7 5 5
10 6 7 6 6
170
Apendice 8
Imagenes empleadas para la
determinacion del tamano de
partícula
Para determinar el tamano de partícula (gotitas de aceite) empleando el software
de procesamiento de imagenes ImageJ (Schindelin et al., 2012), se empleo la meto-
dología descrita en el Apendice 2. A continuacion se incluyen las imagenes usadas
para el analisis de los siguientes experimentos:
1. Efecto de los par
(Figura 38).
2. Efecto de los par
gura 39).
3. Efecto de los par
ametros tecnologicos de la emulsificacion por ultrasonido
ametros tecnologicos de la emulsificacion convencional (Fi-
ametros de formulacion sobre la estabilidad de emulsiones
preparadas por ultrasonido (Figura 40).
4. Efecto de la concentraci on de NaCl, pH y pre-tratamiento convencional en
una emulsion aceite de oliva preparada mediante ultrasonido (Figura 41).
171
172
Figura 38: Microfotografías de las emulsiones obtenidas por ultrasonido (tamano de
cada campo ≈ 48 µm)
173
Figura 39: Microfotografías de las emulsiones obtenidas por emulsificacion con-
vencional (tamano de cada campo ≈ 48 µm)
174
≈
Figura 40: Microfotografías de las emulsiones obtenidas por ultrasonido a diferentes
niveles de NaCl, pH y pre-tratamiento convencional (tamano de cada campo 48
µm)
175
Figura 41: Microfotografías de las diferentes formulaciones de emulsiones obteni-
das por ultrasonido (tamano de cada campo ≈ 48 µm)