Facultad de Ciencias Químicas y Farmacéuticas

Magister en Ciencias de los Alimentos

“Optimización de leche saborizada con

vainilla utilizando la Metodología
Superficie de Respuesta”

Alumna : Mabel Araneda Chávez

Curso : Desarrollo de Productos
Profesor : Mario Villarroel
INTRODUCCIÓN

Actualmente, la industria de alimentos se ve enfrentada a un escenario altamente

competitivo y a consumidores cada vez más exigentes, lo que significa que éstas deben
adecuarse a las exigencias impuestas por los mercados si quieren ser competitivas y
permanecer en el tiempo. El desarrollo de productos (ya sea la introducción de nuevos
productos o la mejora de los mismos) es una actividad fundamental para mantener la
vitalidad de las ventas y adecuarse a las exigentes y cambiantes necesidades de los
consumidores. El desarrollo de productos requiere de una secuencia planificada de
etapas consecutivas e interrelacionadas, donde la etapa de optimización es vital para el
éxito del nuevo producto.

La optimización de un producto es el conjunto de acciones dirigidas a elegir la mejor

formulación de un producto, factible de ser elaborada. Los criterios para optimizar una
fórmula dependen del objetivo que se busca (aumentar la aceptabilidad, mejorar la
calidad, disminuir los costos, etc.). Este conjunto de acciones son llevadas a cabo
cuando se desea introducir un nuevo producto, desarrollar un producto que no existe o
maximizar la aceptabilidad de un producto con bajas expectativa de venta.

Se dispone de varios métodos para optimizar un producto ( diseño factorial fraccionado,

superficie de respuestas, diseño de mezclas, programación lineal, análisis
mancomunado) dentro de estos la metodología de superficie respuesta es la más
ampliamente utilizada.

El método de superficie respuesta (MSR) se puede definir como un método estadístico y

científico que utiliza datos cuantitativos de diseños experimentales para determinar y
resolver ecuaciones con múltiples variables, además de determinar como diferentes
variables afectan las respuestas, todas a un mismo tiempo.
Las principales características de este método son: es un método analítico que requiere
de apoyo computacional para la resolución de los problemas; se pueden ingresar
restricciones de tipo sensoriales y funcionales; requiere de experiencias previas en el
laboratorio y se pueden extraer nuevas respuestas a partir de la información
determinada.

En el presente informe se aplicará la metodología de superficie respuesta, utilizando el

diseño central compuesto para optimizar una fórmula de leche con sabor a vainilla.
ANTECEDENTES GENERALES

Definición

Según nuestro reglamento sanitario la leche sin otra denominación, es el producto de la

ordeña completa e ininterrumpida de vacas sanas, bien alimentadas y en reposos,
exenta de calostro. La leche de otros animales se denominará según la especie que
proceda, como también los productos de que ella se deriven.

Caracteres organolépticos

La leche es un componente líquido, opaco, de color blanco marfil y con el doble de

viscosidad que el agua. Esa coloración se torna ligeramente azulada cuando se añade
agua o se elimina la grasa. Es precisamente este componente, la porción lipídica, el que
da aspecto amarillento a la superficie cuando la leche se deja un tiempo en reposo; los
causantes son los pigmentos carotenoides que hay en los piensos con que se alimenta a
los animales. El sabor de la leche es delicado, suave, ligeramente azucarado; su olor
tampoco es muy intenso, aunque sí característico. La grasa que contiene presenta una
acusada tendencia a captar los olores fuertes o extraños procedentes del ambiente
(Larrañiaga I. et al., 1999).
El flavor de la leche se puede describir en función de los elementos básicos que
componen el sabor global . La leche somete la lengua a varias sensaciones, incluyendo
el dulzor de la lactosa (el azúcar de la leche), el sabor salado de las sales inorgánicas y
la cremosidad o el carácter suave de la grasa láctea. Además de estos, hay otros
componente que contribuyen al flavor de la leche, tale como alcoholes, ésteres, lactona
y compuestos inducidos por el calos (o sea, formados y/o activados durante el
tratamiento térmico) (Homsey C., 2004).

Composición de la leche

En cuanto a su composición encontramos representantes de todos los nutrientes

esenciales: proteínas, lípidos, glúcidos, sales minerales, vitaminas y agua.
En la tabla siguiente se muestra la composición promedio de la leche de vaca de
diferentes razas occidentales.

Tabla 1: Composición promedio de la leche de vaca de diferentes razas

occidentales.

Componente Porcentaje medio Rango para las razas

(porcentajes medios)
Agua 86.6 85.4 - 87.1
Grasa 4.1 3.4 – 5.1
Proteína 3.6 3.3 - 3.9
Lactosa 5.0 4.9 - 5.0
Cenizas 0.7 0.68 - 0.74
Fuente: Larrañiaga I. et al., 1999.
Clasificación de la leche

De acuerdo al Reglamento Sanitario de los Alimentos (2004) la leche se clasifica en:

• Leche natural es aquella que solamente ha sido sometida a enfriamiento y

estandarizacón de su contenido de materia grasa antes del proceso de
pasteurización o tratamiento a ultra alta temperatura (UHT) o esterilización;
• Leche reconstituida es el producto obtenido por adición de agua potable a la
leche concentrada en polvo o a la leche en polvo, en proporción tal que cumpla
con los requisitos del RSA y su contenido de materia grasa corresponda a alguno
de los tipos de leche señalados en este reglamento. Deberá ser pasteurizada,
sometida a tratamiento UHT o esterilizada.
• Leche recombinada es el producto obtenido de la mezcla de leche descremada,
grasa de leche y agua potable en proporción tal que cumpla con los requisitos de
RSA y su contenido de materia grasa corresponda a alguno de los tipo de leche
señalados en dicho reglamento. Deberá ser pasteurizada, sometida a tratamiento
UHT o esterilizada

De acuerdo al contenido de materia grasa las leches se clasifican en:

Tabla 2: Clasificación de la leche de acuerdo a su contenido de materia grasa

Tipo de Leche Contenido de materia grasa (g/l de leche)

Mínimo Máximo
Entera - 30
Parcialmente descremada 5 30
Descremada - 5
Fuente: Reglamento Sanitario de Alimentos Chilenos (2004)

Leche saborizada

Según el Reglamento Sanitario de los Alimentos la leche saborizada es el producto

obtenido a partir de la leche entera, parcialmente descremada o descremada
pasteurizada, sometida a tratamiento UHT o esterilizada, a la que se ha adicionado
saborizantes, aromatizantes, edulcorantes y estabilizantes autorizados en el presente
reglamento con el objeto de obtener un producto con caracteres organolépticos
diferentes.

La leche saborizada está destinada principalmente a niños en etapa escolar para ser
consumida en el desayuno, once, como colación o postre.

En el mercado chileno encontramos leche natural sometida a tratamiento UHT,

parcialmente descremada con diferentes sabores (chocolate, vainilla, plátano, manjar y
frutilla). Los ingredientes que se utilizan en la elaboración de esta línea de productos
lácteos son:
• Leche parcialmente descremada
• Azúcar
 • Saborizantes
• Estabilizantes (carragenina, goma guar)
• Colorantes (annato, cúrcuma, tartrazina y amarillo crepúsculo)
• Vitaminas (algunas marcas)
• Fosfato disódico (algunas marcas)
• Otros (puré de platano, manjar, cacao)

La vida útil declarada para estos productos es de 6 meses.

METODOLOGÍA

Para resolver el problema se seguirán secuencialmente las fases del diseño

experimental que se muestran en el siguiente diagrama ( las etapas 2 y 13 no se llevaron
a cabo).

1. Enunciado del problema

2. Formación del grupo de trabajo

3. Determinación de los objetivos

4. Identificación de la variables en estudio

5. Determinación de los métodos de medición

6. Selección de las variables independientes

7. Especificación del rango de trabajo

8. Identificación de posibles interacciones

9. Ejecución de las actividades experimentales

10. Análisis estadístico de datos

11. Identificación de efectos significativos

12. Ecuación predictiva

13. Test confirmatorio

1. Enunciado del Problema

“Se desea optimizar los atributos de dulzor y aroma en leche con sabor a vainilla
utilizando azúcar como edulcorante natural y esencia de vainilla como aromatizante”.

2. Determinación de los objetivos

Objetivo General:

Optimizar el dulzor y aroma de leche con sabor a vainilla usando el Diseño compuesto
central rotacional con dos factores: azúcar y esencia de vainilla.

Objetivos específicos:

• Obtener ecuaciones matemáticas que relacionen los factores(azúcar, con la

variable respuesta (dulzor o aroma).
• Determinar la combinación de factores que llevarán a un óptimo o una zona de
respuesta óptima en el dulzor y/o aroma.
• Determinar como una respuesta es afectada por los cambios en los diferentes
niveles de los factores
• Determinar la interrelación entre las variables.

3. Identificación de las variables en estudio

Las variables que se estudiarán corresponden al dulzor y aroma.

4. Métodos de medición

Se medirá la aceptabilidad de estos atributos en la leche con sabor a vainilla, utilizando

una escala hedónica estructurada de 7 puntos donde 1: me disgusta mucho y 7 : me
gusta mucho. El test se llevará a cabo con 15 consumidores (ideal >25 consumidores)
debido a restricciones presupuestarias. En el anexo se muestra la cartilla que se utilizó.

5. Selección de las variables independientes

Las variables independientes corresponden a los ingredientes:

- Azúcar (“Iansa”)
- Esencia de vainilla (2,5g/L) ( Cramer)

6. Especificación del rango de trabajo

Debido a la falta de conocimiento previo del sistema, y al desconocimiento de las dosis

recomendada por el fabricante, el rango de trabajo se determinó mediante pruebas
preliminares; correspondiendo el punto central a aquellas concentraciones de azúcar y
esencia de vainilla que se asemejan al dulzor y aroma de las leches sabor a vainilla
disponible en el comercio y adicionando un margen de +/- 50% (establecido según
pruebas sensoriales) para establecer el nivel superior e inferior respectivamente.
Resultando los siguientes rangos de trabajo:
Tabla 3: Rango de trabajo de las variables independientes azúcar y vainilla
Ingredientes Nivel Inferior (-1) Nivel Central (0) Nivel Superior(+1)
Azúcar (%) 5 10 15
Esencia de Vainilla 0.5 1.0 1.5
(ml/100 ml leche)
Y los valores +alfa y –alfa????????? (se mencionan en tabla 4)
Nota. Emplear el sistema neutro –1; 0, +1 para especificar los niveles
7. Identificación de posibles interacciones

Es posible que se encuentre interrelación entre las variables azúcar y esencia de vainilla
en la respuesta de aroma , ya que tanto el azúcar como la vainilla están aportando sabor.

8. Ejecución de las actividades experimentales

En la siguiente tabla se presentan los diferentes ensayos que se llevaron a cabo de

acuerdo al diseño central compuesto, considerando tres repeticiones en el centro para
determinar el error aleatorio o del muestreo, y los promedios de aceptabilidad para
dulzor y aroma, considerando 15 participantes.

Tabla 4: Diseño Experimental y respuestas obtenidas en los diferentes ensayos

Ensayo Azúcar Vainilla Azúcar Vainilla Dulzor Aroma
(nivel (nivel (%p/v) (%v/v) (Puntaje (Puntaje
codific.) codific.) promedio) promedio)
1 -1 -1 5 0,5 2,6* 3,9
2 1 -1 15 0,5 3,7 4,1
3 -1 1 5 1,5 2,1 3,1
4 1 1 15 1,5 3,1 3,5
5 -1.414 0 2,93 1 1,9 4.0
6 +1.414 0 17,07 1 3.0 4,3
7 0 -1.414 10 0,29 5,9 3,6
8 0 +1.414 10 1,71 5,3 4,1
9 0 0 10 1 5.0 5,5
10 0 0 10 1 5,7 5,9
11 0 0 10 1 5,4 5,1
*Puntaje promedio????, N=???(número de repeticiones)
(rango escala) (punto 4)

9. Análisis estadístico de datos

9.1 Análisis estadístico para la variable respuesta dulzor

Tabla 5: Efectos estimados para la variable respuesta dulzor

----------------------------------------------------------------------
average = 5,36666 +/- 0,202759
A:Azucar = 0,913919 +/- 0,248327
B:Vainilla = -0,487129 +/- 0,248327
AA = -3,49165 +/- 0,295568
AB = -0,05 +/- 0,351188
BB = -0,341664 +/- 0,295568
----------------------------------------------------------------------
Standard errors are based on pure error with 2 d.f.
Esta tabla muestra cada uno de los efectos estimados: lineales (A; B), cuadráticos o de
curvatura (AA y BB)e interacción entre variables (AB). También muestra los errores
estándar de cada uno de los efectos, el cual mide su error debido al muestreo. De la
tabla se puede deducir que el efecto más significativo sería el efecto de la interacción
cuadrática del factor azúcar. Al comparar los errores estándar de los efectos con los
efectos estimados, se observa que en el caso de la interacción AB el error estándar es
mayor que el efecto mismo, por lo tanto este efecto debería descartarse.

Standardized Pareto Chart for Dulzor

AA

A:Azucar

B:Vainilla

BB

AB

0 1 2 3 4 5 6
Standardized effect

Este gráfico muestra el orden de importancia de cada uno de los efectos estimados.
Como se observa en el gráfico, la interacción doble de la variable azúcar (AA) es la
que tiene el mayor efecto en la respuesta dulzor . Este gráfico también permite
determinar las variables significativas del modelo. Las variables independientes que
sobrepasan la línea vertical azul se consideran significativas dentro del modelo a un
nivel de significación del 5%, de acuerdo a esto, sólo la interacción AA sería
significativa. Por lo tanto esta variable explica gran parte de la respuesta en el dulzor.

Analisis de Varianza para Dulzor

Hipótesis establecidas

Ho = Los efectos de las variables independientes (A, B, AA, BB, AB) no son
significativos en la respuesta dulzor.
H1= Los efectos de las variables independientes(A, B, AA, BB, AB) o algunos de éstos
son significativos en la respuesta dulzor.
Nivel de significación establecido: 5%
Con respecto al ajuste del modelo se plantean las siguientes hipótesis:

Ho: El modelo tiene capacidad de predecir el comportamiento del sistema, o sea la falta
de ajuste del modelo no es significativa
H1: El modelo no predice el comportamiento del sistema, o sea, la falta de ajuste del
modelo es significativa
Nivel de significación establecido: 5%

Tabla 6: Análisis de Varianza para dulzor

--------------------------------------------------------------------------------
Suma de
Fuente Suma de cuadrados GL Cuadrados Valor F Valor p
--------------------------------------------------------------------------------
A:Azucar 1,6705 1 1,6705 13,54 0,0665
B:Vainilla 0,474591 1 0,474591 3,85 0,1888
AA 17,2118 1 17,2118 139,56 0,0071
AB 0,0025 1 0,0025 0,02 0,8998
BB 0,164802 1 0,164802 1,34 0,3671
Lack-of-fit 2,68998 3 0,896661 7,27 0,1233
Pure error 0,246667 2 0,123333
--------------------------------------------------------------------------------
Total (corr.) 23,0218 10

R-squared = 87,2441 percent

R-squared (adjusted for d.f.) = 74,4881 percent
Standard Error of Est. = 0,351188
Mean absolute error = 0,484852
Durbin-Watson statistic = 1,0692

La tabla ANOVA lo que hace es separar la variabilidad en la respuesta dulzor para cada
fuente de error. Para saber la significancia de cada uno de los efectos, este test compara
el cuadrado medio del factor con el error estándar del estimado (0.351) Si el valor F es
mayor que 4 o el valor p es menor que un nivel de significación del 5%, se rechaza la
hipótesis H0 y se acepta H1 ( no se está questionando su validez), es decir se acepta que
el efecto es significativo con un 95% de confianza. En este caso sólo el efecto
cuadrático AA tiene un efecto significativo (0.0071) sobre la variabilidad del dulzor. El
valor p del lack-of-fit es mayor que 0.05 lo que indica que se debe aceptar H0, es decir,
que la falta de ajuste no es significativa y por lo tanto el modelo sería adecuado y
respondería frente a su capacidad de predicción.
El coeficiente de determinación (R2) está indicando que el modelo explica el 87.2% de
los datos experimentales, lo cual sería aceptable ya que estaría explicando más del 50%
de los datos experimentales.
El estadístico Durbin –Watson determina si existe autocorrelación entre los residuos
(yiobservado- yipredicho), y debe estar entre 1.4y 2.5. En este caso el D-W es menor 1.4 por lo
tanto los residuos no serían independientes y el modelo debería transformarse.
En la tabla siguiente se muestra el impacto porcentual de cada una de las variables
independientes en la variable respuesta dulzor.

Tabla 7: Impacto porcentual de las variables independientes en la respuesta dulzor

Variables SC (a) SC (b) Impacto (a/b)(%)
A 1,67 23.02 7,3
B 0,47 23.02 2,1
AA 17,21 23.02 74,8
AB 0,003 23.02 0.01
BB 0,16 23.02 0.7
De la tabla se desprende que la interacción cuadrática (AA) explica tres cuartas partes
(75%) de la respuesta dulzor, o el 75% de las respuestas dulzor están siendo explicadas
por la interacción cuadrática (AA) y el 7.3% están siendo explicadas por el efecto lineal
A. Por lo tanto considerando estas dos variables se estaría explicando el 82% de las
respuestas en el dulzor.
A continuación se irán descartando los efectos menos significativos, comenzando por el de menor
significancia (AB).

Tabla 8: Análisis de Varianza para dulzor descartando el efecto AB

--------------------------------------------------------------------------------
Source Sum of Squares Df Mean Square F-Ratio P-Value
--------------------------------------------------------------------------------
A:Azucar 1,6705 1 1,6705 13,54 0,0665
B:Vainilla 0,474591 1 0,474591 3,85 0,1888
AA 17,2118 1 17,2118 139,56 0,0071
BB 0,164802 1 0,164802 1,34 0,3671
Lack-of-fit 2,69248 4 0,673121 5,46 0,1608
Pure error 0,246667 2 0,123333
--------------------------------------------------------------------------------
Total (corr.) 23,0218 10

R-squared = 87,2332 percent

R-squared (adjusted for d.f.) = 78,722 percent
Standard Error of Est. = 0,351188
Mean absolute error = 0,484852
Durbin-Watson statistic = 1,09079

Al descartar el efecto AB, se observa que el r-squared ajustado aumentó de 74.5% a

78.7%, lo que nos estaría indicando que este modelo es más adecuado que el anterior.

Ahora se descartará el efecto menos significativo (BB).

Tabla 9: Análisis de Varianza para dulzor descartando el efecto BB

--------------------------------------------------------------------------------
Source Sum of Squares Df Mean Square F-Ratio P-Value
--------------------------------------------------------------------------------
A:Azucar 1,6705 1 1,6705 13,54 0,0665
B:Vainilla 0,474594 1 0,474594 3,85 0,1888
AA 17,7728 1 17,7728 144,10 0,0069
Lack-of-fit 2,85729 5 0,571457 4,63 0,1870
Pure error 0,246667 2 0,123333
--------------------------------------------------------------------------------
Total (corr.) 23,0218 10

R-squared = 86,5173 percent

R-squared (adjusted for d.f.) = 80,7391 percent
Standard Error of Est. = 0,351188
Mean absolute error = 0,499468
Durbin-Watson statistic = 0,964694
Al descartar el efecto BB, se observa que el r-squared ajustado aumentó de 78.7 a
80.7%, lo que nos estaría indicando que este modelo es más adecuado que el anterior.
Ahora se descartará el efecto menos significativo (B).

Tabla 10: Análisis de Varianza para dulzor descartando el efecto B

--------------------------------------------------------------------------------
Source Sum of Squares Df Mean Square F-Ratio P-Value
--------------------------------------------------------------------------------
A:Azucar 1,6705 1 1,6705 12,58 0,0121
AA 17,7728 1 17,7728 133,80 0,0000
Lack-of-fit 2,78155 2 1,39077 10,47 0,0110
Pure error 0,797 6 0,132833
--------------------------------------------------------------------------------
Total (corr.) 23,0218 10
R-squared = 84,4559 percent
R-squared (adjusted for d.f.) = 80,5698 percent
Standard Error of Est. = 0,364463
Mean absolute error = 0,499468
Durbin-Watson statistic = 1,16246

Al descartar el efecto B, se observa que el r-squared ajustado no varió, pero el

coeficiente de determinación disminuyó y el valor p del lack-of-fit es menor que 0.05,
lo que nos estaría indicando que este modelo no es adecuado, y por lo tanto nos
quedamos con el anterior.

Tabla 11: Estimación de los efectos lineales y cuadrático (AA) en la respuesta dulzor.
----------------------------------------------------------------------
average = 5,20588 +/- 0,147529
A:Azucar = 0,913919 +/- 0,248327
B:Vainilla = -0,487131 +/- 0,248327
AA = -3,39116 +/- 0,282495
----------------------------------------------------------------------
Standard errors are based on pure error with 2 d.f.

Modelo Explicatorio del comportamiento del sistema considerando las variables

codificadas

Dulzor = 5.2 + 0.9*A’ – 0.5*B’ – 3.4*A`*A’

2 2 2
Error estándar: +/- 0.15 +/-0.25 +/-0.25 +/-0.25

Donde:A’ = 0.2*A –2
B’= 2*B-2

El signo negativo de los coeficientes estaría indicando que se trataría de un máximo.

Tabla 12: Coeficientes de regresión para dulzor

----------------------------------------------------------------------
constant = -2,00323
A:Azucar = 1,44786
B:Vainilla = -0,487131
AA = -0,0678232
----------------------------------------------------------------------

Modelo Explicatorio del comportamiento del sistema

Dulzor = -2 + 1,45*A - 0,49*B -0,068*A*A

Valor óptimo = 5,58112

Factor Low High Optimum
-----------------------------------------------------------------------
Azucar 2,92893 17,0711 10,6733
Vainilla 0,292893 1,70711 0,292893

Esta tabla muestra los valores óptimos de azúcar y vainilla para obtener el máximo
puntaje en el dulzor, y los rangos de la zona experimental para estos ingredientes. Los
valores óptimos de azúcar y vainilla para obtener una respuesta máxima igual a 5.6 en el
dulzor son de 10.67% y 0.29 %(p/v) respectivamente. Esta respuesta significa que la
aceptabilidad máxima que se puede obtener en el dulzor, combinando estos
ingredientes, se encuentra entre gusta levemente y gusta.

Gráfica Tridimensional de Superficie Respuesta

Estimated Response Surface

5,8
5,3
Dulzor

4,8
4,3
3,8
3,3 1,5
2,8 1,11,3
0,9 Vainilla
5 7 9 11 13 0,50,7
15
Azucar

Esta gráfica muestra la influencia de las variables Azúcar y vainilla sobre la variable
respuesta dulzor. En esta gráfica se comprueba el efecto cuadrático de la variable
azúcar, observándose una misma respuesta de dulzor para dos niveles de azúcar, además
se observa un pequeño efecto lineal de pendiente negativa de la vainilla, afectando
levemente en la respuesta al modificar los niveles de vainilla.

Gráfica de Contorno

Contours of Estimated Response Surface

1,5
Dulzor
4,0
1,3
4,2
Vainilla

4,4
1,1
4,6
4,8
0,9
5,0
5,2
0,7
5,4
5,6
0,5
x:10,7169 5 7 9 11 13 15

z:5.47594 Azucar
En este gráfico de superficie de contorno, se muestran las diferentes combinaciones de
azúcar/vainilla para obtener una misma zona de respuesta en el dulzor, llamada zona de
respuesta ( líneas de colores diferentes). La línea verde más gruesa (mayor puntaje de
dulzor observado en la gráfica) indica las diferentes concentraciones de azúcar que están
en el rango de 9.5- 11.8% y de vainilla que están entre 0.5-0.7% para obtener una
respuesta de 5.4 lo que significa que gusta levemente. El punto óptimo (5.6) no se
observa en la gráfica, ya que el nivel de vainilla que maximiza la respuesta es inferior a
0.5 (0.29). También esto indica que los niveles seleccionados para vainilla están
desplazados hacia –1. Si se hubiera trabajado disminuyendo el valor para +1 se podría
tener un mejor comportamiento de la vainilla..pues se centraría el gráfico y aparecería el
óptimo de la vainilla en él

9.2. Análisis estadístico para la variable respuesta aroma

Tabla 13: Efectos estimados de las variables independientes para la variable

respuesta aroma
----------------------------------------------------------------------
average = 5,5 +/- 0,273724
A:Azucar = 0,25607 +/- 0,335241
B:Vainilla = -0,173217 +/- 0,335241
AA = -1,52499 +/- 0,399016
AB = 0,1 +/- 0,474103
BB = -1,82499 +/- 0,399016
----------------------------------------------------------------------
Standard errors are based on total error with 5 d.f.

Como se desprende en la tabla los mayores efectos son los cuadráticos AA y BB, los
cuales tiene signo negativo lo que indicaría que se trataría de un máximo. Al comparar
los errores estándar de los efectos con los efectos estimados, se observa que los efectos
lineales A y B, y la interacción AB tienen errores estándar mayores que el efecto
mismo, por lo tanto estos efectos deberían descartarse.

Gráfico de Pareto para la variable respuesta aroma

Standardized Pareto Chart for Aroma

BB

AA

A:Azucar

B:Vainilla

AB

0 1 2 3 4 5
Standardized effect
Como se observa en el gráfico, la interacción doble de la variable vainilla(BB) es la
que tiene mayor efecto en la respuesta aroma seguida de la interacción doble de la
variable azúcar (AA). De acuerdo a este gráfico ambas interacciones son significativas
ya que sobrepasan la línea azul con un nivel de significancia de 5%.

Analisis de Varianza para Aroma

Hipótesis establecidas

Ho = Los efectos de las variables independientes (A, B, AA, BB, AB) no son
significativos en la respuesta aroma.
H1= Los efectos de las variables independientes (A, B, AA, BB, AB) o algunos de
éstos son significativos en la respuesta aroma.
Nivel de significación establecido: 5%

Con respecto al ajuste del modelo se plantean las siguientes hipótesis:

Ho: La falta de ajuste del modelo no es significativa, es decir..el modelo tiene capacidad
para predecir el comportamiento del sistema.
H1: La falta de ajuste del modelo es significativa, es decir, el modelo no tiene capacidad
para predecir el comportamiento del sistema.

Nivel de significación establecido: 5%

Tabla 14: Análisis de Varianza para la variable respuesta aroma

--------------------------------------------------------------------------------
Source Sum of Squares Df Mean Square F-Ratio P-Value
--------------------------------------------------------------------------------
A:Azucar 0,131145 1 0,131145 0,82 0,4608
B:Vainilla 0,0600082 1 0,0600082 0,38 0,6026
AA 3,28324 1 3,28324 20,52 0,0454
AB 0,01 1 0,01 0,06 0,8259
BB 4,70204 1 4,70204 29,39 0,0324
Lack-of-fit 0,80387 3 0,267957 1,67 0,3951
Pure error 0,32 2 0,16
--------------------------------------------------------------------------------
Total (corr.) 7,53636 10

R-squared = 85,0874 percent

R-squared (adjusted for d.f.) = 70,1747 percent
Standard Error of Est. = 0,4
Mean absolute error = 0,268051
Durbin-Watson statistic = 2,21756

De la tabla se desprende que los efectos cuadráticos AA y BB tienen efecto

significativo sobre la respuesta aroma, ya que tienen p-valor menores a 0.05. El valor p
del lack-of-fit es mayor que 0.05 (0.3951) lo que indica que el modelo sería adecuado y
respondería frente a su capacidad de predicción.
El coeficiente de determinación (R2) está indicando que el modelo explica el 85% de los
datos experimentales, lo cual sería aceptable ya que estaría explicando más del 50% de
los datos experimentales.
El estadístico Durbin –Watson está entre 1.4 y 2.5 (2.2), indicando que los residuos
están distribuidos al azar mayor y por lo tanto se estaría cumpliendo con este requisito
para poder aplicar el modelo

En la tabla siguiente se muestra el impacto porcentual de la variables independientes en

la respuesta aroma.
 Tabla 15: Impacto porcentual de las variables independientes en la respuesta
aroma
Variables SC (a) SC (b) Impacto (a/b)(%)
A 0.131 7.536 1.7
B 0.06 7.536 0.8
AA 3.283 7.536 43.6
AB 0.01 7.536 0.1
BB 4.702 7.536 62.4
De la tabla se desprende que la interacciones cuadráticas BB y AA explican el 100% de
las respuestas de aroma. Por lo tanto considerando estas dos variables se estaría
explicando la totalidad de las respuestas en el aroma.
A continuación se irán descartando los efectos menos significativos, comenzando por el
de menor significancia (AB).

Tabla 16: Análisis de Varianza descartando el efecto AB

--------------------------------------------------------------------------------
Suma de
Fuente Suma de cuadrados GL Cuadrados Valor F Valor p
--------------------------------------------------------------------------------
A:Azucar 0,131145 1 0,131145 0,82 0,4608
B:Vainilla 0,0600082 1 0,0600082 0,38 0,6026
AA 3,28324 1 3,28324 20,52 0,0454
BB 4,70204 1 4,70204 29,39 0,0324
Lack-of-fit 0,81387 4 0,203468 1,27 0,4848
Pure error 0,32 2 0,16
--------------------------------------------------------------------------------
Total (corr.) 7,53636 10

R-squared = 84,9547 percent

R-squared (adjusted for d.f.) = 74,9245 percent
Standard Error of Est. = 0,4
Mean absolute error = 0,268051
Durbin-Watson statistic = 2,16295

Al descartar el efecto AB, se observa que el r-squared ajustado aumentó de 70.2% a

74.9%, lo que nos estaría indicando que este modelo es más adecuado que el anterior.
Ahora se descartará el efecto menos significativo (B).

Tabla 17: Análisis de Varianza descartando el efecto Descartando el efecto B

--------------------------------------------------------------------------------
Suma de
Fuente Suma de cuadrados GL Cuadrados Valor F Valor p
-------------------------------------------------------------------------------
A:Azucar 0,131145 1 0,131145 0,64 0,4686
AA 3,28324 1 3,28324 16,02 0,0161
BB 4,70205 1 4,70205 22,94 0,0087
Lack-of-fit 0,373879 3 0,124626 0,61 0,6442
Pure error 0,82 4 0,205
--------------------------------------------------------------------------------
Total (corr.) 7,53636 10

R-squared = 84,1584 percent

R-squared (adjusted for d.f.) = 77,3692 percent
Standard Error of Est. = 0,452769
Mean absolute error = 0,277275
Durbin-Watson statistic = 1,9216
Al descartar el efecto B, se observa que el r-squared ajustado aumentó de 74.9% a
77.4%, lo que nos estaría indicando que este modelo es más adecuado que el anterior.
Ahora se descartará el efecto menos significativo (A).

Tabla 18: Análisis de Varianza descartando el efecto descartando el efecto A

--------------------------------------------------------------------------------
Source Sum of Squares Df Mean Square F-Ratio P-Value
--------------------------------------------------------------------------------
AA 3,28323 1 3,28323 18,04 0,0081
BB 4,70205 1 4,70205 25,84 0,0038
Lack-of-fit 0,415023 3 0,138341 0,76 0,5628
Pure error 0,91 5 0,182
--------------------------------------------------------------------------------
Total (corr.) 7,53636 10

R-squared = 82,4183 percent

R-squared (adjusted for d.f.) = 78,0228 percent
Standard Error of Est. = 0,426615
Mean absolute error = 0,277275
Durbin-Watson statistic = 2,11556

Al descartar el efecto A, se observa que el r-squared ajustado aumentó levemente de

77.4% a 78%, lo que nos estaría indicando que este modelo resulta igual de adecuado
que el anterior, pero nos quedaremos con este ya que está en función de sólo los efectos
más significativos.

Tabla Nº19: Efectos estimados para la variable respuesta aroma

----------------------------------------------------------------------
average = 5,5 +/- 0,246306
AA = -1,52499 +/- 0,359048
BB = -1,82499 +/- 0,359048
----------------------------------------------------------------------
Standard errors are based on pure error with 5 d.f.

Modelo Explicatorio del comportamiento del sistema considerando las variables

codificadas

Aroma = 5.5 – 1.5*A’^2 – 1.8*B’^2

2 2
Error estándar:+/- 0.25 +/-0.36 +/-0.36

Donde: A’ y B’ son las variables codificadas de azúcar y vainilla respectivamente

Tabla 20: Coeficientes de regresión para la variable respuesta aroma

----------------------------------------------------------------------
constant = -1,19997
A:Azucar = 0,609998
B:Vainilla = 7,29997
AA = -0,0304999
BB = -3,64998
----------------------------------------------------------------------

Modelo Explicatorio del comportamiento del sistema

 Aroma = -1,2 + 0,61*A + 7,3*B -0,03*A^2 - 3,65*B^2

Donde A y B son los valores reales de azúcar y vainilla.

Valor óptimo = 5,5

Factor Low High Optimum
-----------------------------------------------------------------------
Azucar 2,92893 17,0711 10,0
Vainilla 0,292893 1,70711 1,0

Los valores óptimos de azúcar y vainilla para obtener una respuesta máxima igual a 5.5
en el aroma son de 10% y 1 %(p/v) respectivamente. Esta respuesta significa que la
aceptabilidad máxima que se puede obtener en el aroma, combinando estos
ingredientes gusta levemente a gusta (puntaje igual a 5 equivale a me gusta levemente )

Gráfica Tridimensional de Superficie Respuesta

Estimated Response Surface

5,6
5,3
Aroma

5
4,7
4,4
4,1 1,5
3,8 1,11,3
0,9 Vainilla
5 7 9 11 13 0,50,7
15
Azucar

En este gráfica se observa el efecto cuadrático del azúcar y de la vainilla sobre el

aroma, observándose un mayor efecto sobre éste, al modificar los niveles de vainilla que
modificando los niveles de azúcar .
Gráfica de Contorno

Contours of Estimated Response Surface

1,5
Aroma
4,5
1,3
4,6
Vainilla

4,7
1,1
4,8
4,9
0,9
5,0
5,1
0,7
5,2
5,3
0,5
5,4
x:10,0184 5 7 9 11 13 15 5,5
y:1,00159
z:5.49943 Azucar

En esta gráfica de superficie de contorno, se muestran las diferentes combinaciones de

azúcar y vainilla para dar una misma respuesta en el aroma. La línea verde más gruesa
representa los diferentes niveles de azúcar que varían entre 8.2-11.8% y vainilla que
varían entre 0.8-1.2 ml para obtener una respuesta de 5.4 en el aroma que corresponde a
“me gusta levemente”. El óptimo se representa con un símbolo triangular y corresponde
a una respuesta de 5.5 la cual se obtiene con un nivel de 10% de azúcar y 1 % (p/v) de
vainilla.

CONCLUSIONES

• Es posible explicar la respuesta dulzor y aroma en leche con sabor a vainilla

utilizando como variables independientes o explicativas del sistema los niveles
de azúcar y vainilla.
• La respuesta dulzor puede ser explicada en gran parte (75%) por el efecto
cuadrático del azúcar.
• La respuesta aroma puede ser explicada totalmente por los efectos cuadráticos
del azúcar y vainilla.
• La vainilla no tuvo un efecto significativo en la respuesta dulzor.
• Los niveles óptimos de azúcar y vainilla que maximizan la aceptabilidad del
dulzor son 10.7% y 0.3% (p/v) respectivamente.
• Los niveles óptimos de azúcar y vainilla que maximizan la aceptabilidad del
aroma son 10 y 1% (p/v) respectivamente.
• La aceptabilidad máxima en el dulzor y aroma fue de 5.6 y 5.5 respectivamente.
• Para obtener una aceptabilidad igual o mayor a 5 en el aroma y dulzor se deben
utilizar combinaciones de azúcar en el rango 8-13 % y de vainilla en el rango
0.6-1.4%, que satisfagan simultáneamente las ecuaciones predictivas de dulzor
y aroma.
• Es posible explicar el 86.5% de las respuestas de dulzor y un 82.4% de las
respuestas de aroma, utilizando un modelo matemático en función de las
variables independientes azúcar y vainilla.
 • Se hubieran obtenido resultados más confiables trabajando con un número
mínimo de 25 consumidores (niños preferentemente) u 8-10 panelistas
entrenados , y con 5 repeticiones en el centro.
• Se debe estimar la ponderación de cada atributo (dulzor y aroma), para
determinar la importancia de cada atributo en la calidad total

Nota. Hubiera sido interesante haber hecho un análisis considerando en forma

simultánea (es decir, sobre una sola respuesta) las dos variables de control,
utilizando un test de puntaje compuestio.

• Este mismo análisis se puede llevar a cabo, considerando calidad total como
variable respuesta, aplicando el test de Karlsruhe.

BIBLIOGRAFÍA

HOMSEY C., 2004 :”Saborización de lácteos”. Industria de alimentos. Vol. 4 (18),

Págs..20-25.

LARRAÑIAGA I. et al., 1999: “Control e Higiene de los Alimentos”. Editorial Mc

Graw Hill.

MINISTERIO DE SALUD, 2004: “Reglamento Sanitario de los Alimentos”.Editorial

textos jurídicos Ltda.

PROGRAMA STATGRAPHICS 4.0 PLUS

WITTIG E., 2003: “Apuntes Desarrollo de Productos”

VARAS L., 2000: “Recopilación y Análisis de Métodos para el Desarrollo y

Formulación de Alimentos y las aplicaciones de estos”. Tesis de grado, Universidad
Católica de Valparaíso.

VILLARROEL M., 2004: “Aplicaciones de la metodología de superficie respuesta al

desarrollo de productos”.