1

Estandarización de las curvas de calibración por la metodología NIR y la química húmeda

en las materias primas y carnes frías para la optimización de las respuestas de análisis

Trabajo de grado para optar al título de

Especialista en Nutrición y Alimentos

Jhon Fredy Ocampo

Asesor

Cesar Augusto Quintero

Maestro en Administración

Especialista en Alta Gerencia con Énfasis en Calidad

Corporación Universitaria Lasallista

Facultad de Ingeniería

Especialización en Nutrición y Alimentos

Caldas – Antioquia
2015
 2

Tabla de contenido

Introducción ...................................................................................................................... 10

Justificación....................................................................................................................... 13

Problema ........................................................................................................................... 15

Objetivos ........................................................................................................................... 17

Objetivo General ........................................................................................................... 17

Objetivos Específicos .................................................................................................... 17

Marco Teórico ................................................................................................................... 19

Metodología ...................................................................................................................... 25

Protocolo para Muestras Patrón .................................................................................... 27

Descripción del Equipo ................................................................................................. 32

Unidad central de Procesamiento (CPU de la sigla en inglés).¡Error! Marcador no

definido.

Espectrómetro ............................................................................................................... 32

Pantalla táctil ................................................................. ¡Error! Marcador no definido.

Resultados ......................................................................................................................... 37

Organización Estadistica de los Datos .......................................................................... 42

Resultados Antes de los Ajustes de Bias....................................................................... 43

Conclusiones y Recomendaciones ................................................................................ 47

Presupuesto ....................................................................................................................... 51
 3

Referencias ........................................................................................................................ 54
 4

Lista de Figuras

Figura 1. Propagación de una Onda en el Espacio ............................................................ 19

Figura 2. Espectro electromagnético ................................................................................. 20

Figura 3. Vibración de enlace entre átomos de carbono (C) y los átomos de hidrogeno en

la molécula de metano absorbe las ondas NIR de una onda en particular y refleja las otras ondas.

....................................................................................................................................................... 21

Figura 4. Rayos NIR absorbidos por algunos enlaces, reflejados por otros enlaces

(Reflectancia NIR), o transmitidos a través de la muestra............................................................ 22

Figura 5. Tramitancia NIR y Reflectancia NIR ................................................................ 23

 5

Lista de Imágenes

Imagen 1. Equipo NIR DA7200 de Perten Instruments .................................................... 32

Imagen 2. Limpieza del equipo NIR ................................................................................. 35

Imagen 3. Limpieza del sistema de ventilación y lámpara ............................................... 35

Imagen 4. Limpieza y calibración de la pantalla touch screen ......................................... 36

Imagen 5. Software de Análisis para equipo NIR perten .................................................. 40

Imagen 6. Producto de análisis con cada uno de los parámetros a analizar ...................... 41

Imagen 7. Cuadro de texto para modificar el valor del nuevo bias encontrado ................ 41
 6

Lista de Tablas

Tabla 1. Datos promedio de química húmeda y NIR de los productos en análisis antes de

ajustes de bias ............................................................................................................................... 44

Tabla 2. Datos promedio de química húmeda y NIR de los productos en análisis después

de ajustes de bias. .......................................................................................................................... 45

Tabla 3. Descripción Gastos de Personal .......................................................................... 51

Tabla 4. Relación compra de equipos ............................................................................... 51

Tabla 5. Relación en compra de papelería ........................................................................ 52

Tabla 6. Costos de Análisis por Química Húmeda ........................................................... 52

Tabla 7. Relación Costos Totales ...................................................................................... 53

 7

Lista de Gráficos

Gráfico 1. Tomado del Programa Bias Calculator ........................................................... 38

Gráfico 2. Muestras de CDM con cada uno de los parámetros ........................................ 43

 8

Resumen

El análisis de carnes frías y de cada una de las materias primas que componen la

formulación es de vital importancia. Entre los análisis que se realizan están los microbiológicos

para garantizar la inocuidad en este alimento y evitar cualquier tipo de riesgo asociado a

bacterias patógenas, hongos y demás.

Los análisis bromatológicos son otro factor determinante para el producto que se

entregará al consumidor, pero adicionalmente permiten a la compañía determinar cuanta cantidad

de alguna materia prima es la necesaria para garantizar los valores esperados o descritos por la

normatividad de cada producto.

El análisis químico de estas materias primas es costoso y consume gran cantidad de

tiempo del operario analista, por esta razón solo se hacen algunos muestreos y análisis a

productos según el plan de calidad de cada compañía. Al disminuir estos muestreos la

oportunidad de decisión y cambio en la formula si fuera necesario.

El equipo NIR permite aumentar este tipo de análisis y sus frecuencias, disminuyendo

los costos de análisis, reactivos y tiempo. Por medio de unas curvas de calibración dispuestas

para cada proyecto que permitirán realizar lecturas inmediatas y tener una oportunidad de

decisión más oportuna.

En este proyecto se desea analizar por química húmeda el comportamiento de algunas

muestras de carnes frías y de las posibles materias primas de origen animal que las componen.

Una vez analizadas se realizaran lecturas de estas en el equipo NIR y se buscará disminuir el

sesgo entre los datos obtenidos con química húmeda y NIR.

 9

Los resultados obtenidos muestran una mejora en la disminución de la variabilidad que

hay entre los resultados del NIR y los resultados de la química húmeda; la cual es nuestro

sistema de referencia. Los resultados obtenidos han mostrados mejoras significativas en la

disminución del Bias (sesgo) entre estos dos sistemas de análisis permitiendo obtener más

confianza en los datos del NIR y tendiendo a una disminución de costos en el proceso.

Se proponen mejoras técnicas, de software y equipamientos para garantizar estas lecturas.

Palabras Clave: Espectroscopia NIR, arreglo de Diodos, Pastas de Pollo, Bias (sesgo),

Reflectancia, transmitancia
 10

Introducción

La industria de alimentos cada día está creciendo y esto se debe a la acelerada expansión

demográfica que se está viviendo en el planeta. Colombia no es la excepción y el crecimiento en

nuestro país ha sido elevado, donde para el año de 1993 Colombia tenía una población de

33’109.840 y actualmente contamos con una población de 47´666.029 (Departamento Encargado

de las Estadísticas en Colombia, DANE).

El incremento de la población también es visto como un incremento en consumidores y

un alza en la demanda de los alimentos; estos deberán entregarse del productor al consumidor

garantizando todos los parámetros de calidad requeridos en cada alimento.

Por la variabilidad de la composición de cada alimento y el impacto que estos tendrán en

la sociedad (salud, desarrollo, economía, programa sociales entre otros), se deberá evaluar y

analizar el alimento. El conocimiento de la composición del alimento, ingredientes y/o aditivos

en lo posible, se convierte en la herramienta más importante que permitirá el cumplimiento de

los parámetros ofrecidos al cliente.

Analizar el alimento proporciona información importante al fabricante permitiéndole

elaborar este con la composición deseada y hacer las modificaciones necesarias a la formula en

búsqueda de una mejor preparación que optimice en tiempo o permita alcanzar más tiempo en la

duración del alimento.

Cuando nos centramos en un alimento en particular como las carnes frías se deben

analizar todas las materias primas con las que se elabora este alimento; en este caso se torna muy

complejo elaborar una fórmula general o estandarizada para cada carne fría puesto que las

mismas materias primas cambian su composición ya que son derivadas de un ser vivo en su
 11

mayor proporción y el proximal de cada animal puede variar según su alimentación. Adicional al

inconveniente mencionado con antelación también se presenta otra dificultad a la hora de

formular las carnes frías y es la no disponibilidad de las materias primas lo cual implica

variaciones en las proporciones de estas en la formulación.

Por esta razón es muy importante analizar cada materia prima y determinar la

composición proximal en grasa, humedad, proteína total, cloruros (sodio) y carbohidratos; esto

se hace para saber qué cantidad de la materia prima se reincorporará a la formula en busca del

valor esperado.

El presente trabajo busca optimizar un método de análisis que garantice la respuesta de

estos parámetros con una tecnología más eficiente que permita reportar estos resultados o

parámetros a la mayor brevedad, permitiendo optimizar el tiempo de respuesta.

El uso de esta tecnología en procesos productivos como los piensos para animales y/ o

alimentos balanceados para animales se viene usando desde hace varios años y ha revolucionado

toda la línea del proceso. Esto debido a que se han estandarizado más de cien productos entre

materias primas y productos terminados.

Esta estandarización ha permitido realizar análisis a las materias primas usadas para el

alimento balanceado en el instante en que son muestreados y de esta forma la recepción de la

materia prima se ha hecho mucho más eficiente y en caso de ser requerida para la producción

podrá ser liberada a consumo sin ninguna restricción, de esta forma el proceso productivo no se

ve afectado por escases de materia prima.

Para el caso del producto terminado esta tecnología ha sido aún más determinante pues

permite realizar un control al inicio, durante y al final del producto terminado. Hecho que se

evidencia en la disminución de los reprocesos por incumplimientos de calidad bromatológicos,

 12

mayor rotación del producto terminado en bodega debido a la pronta liberación y como

consecuencia de estas variables el costo de transformación del alimento disminuye reflejándose

en una mayor rentabilidad para la compañía. Esto se explica a través de los costos cuantificables

y los no cuantificables.

Costos no cuantificables:

Velocidad de respuesta

Disminución de quejas y reclamos

Devoluciones de producto no conforme

La garantía de un mejor control en el proceso

Mejor resultados en el campo

Más satisfacción y seguridad para el cliente

Ventaja competitiva

La versatilidad en los análisis a las diferentes materias primas y la toma de decisiones con

las mismas

Costos cuantificables:

Disminución de costos de análisis: cálculo de ahorro por análisis bromatológico

Versatilidad en la disposición de las materias primas al disminuir el tiempo de

almacenamiento por cuarentena (mientras salen los resultados), determinar costos de

almacenamiento y retención de producto terminado.

Son estas ventajas las que se desean explotar en el proceso de formulación y elaboración

de carnes frías. Gracias a que desde la experiencia en un proceso de alimentos que han

funcionado exitosamente.
 13

Justificación

En la actualidad la gran mayoría de los reportes bromatológicos son emitidos después de

realizar análisis fisicoquímicos a todas las materias primas que son usadas en la formulación de

las carnes frías; igualmente se debe realizar un muestreo periódico al producto terminado con el

cual se confirmará cada uno de los parámetros que actualmente son requeridos en las normas

técnicas Colombianas.

Los análisis del NIR se comprueban con análisis de química húmeda, la cual siempre

será el referente para la toma de decisiones y la credibilidad del método. Cada una de las pruebas

tarda un tiempo determinado y este tiempo es inmodificable puesto que cada una de las mismas

está estandarizada por las normas técnicas colombianas, AOAC Official Methods of Analysis

entre otras. . Estas pruebas se ajustarán a las condiciones de cada laboratorio previo a una

validación de los resultados obtenidos bajo estas condiciones; esto se deberá estandarizar

demostrando reproducibilidad y un alto porcentaje de recuperación de cada una de las muestras.

La búsqueda de un método que optimice el análisis de las carnes frías, pasando desde las

materias primas usadas para la elaboración de este producto hasta el producto final mismo; es

una meta que garantizará agilidad y eficiencia en el reporte de resultados y en la toma de

decisiones ligadas a estos resultados, ayudando a mejorar la formulación y permitiendo cambios

en la formulación que garanticen la calidad del producto.

Cualquier corrección en una fórmula, cambio o cancelación de la misma se ve reflejada

en costos así como en la calidad del producto que se le está entregando al cliente; es por esta

razón que estos datos deben ser confiables, veraces y precisos.

 14

Al incluir la tecnología NIR en el proceso de carnes frías podemos tener mayor

versatilidad y representatividad en los análisis que se le pueden hacer tanto a las materias primas

como el producto terminado, tomando siempre como sistema de referencia la química húmeda;

de tal manera que busquemos mayor precisión en los resultados que el NIR nos arroja. Al incluir

la tecnología NIR en este proceso de carnes frías se optimiza el proceso permitiendo garantizar y

tener más confiabilidad en los resultados obtenidos.

 15

Problema

Los análisis necesarios para estas materias primas y/o pastas utilizadas en la fabricación

de diferentes productos embutidos, carnes frías o subproductos de pollo con algún plus adicional

comercial requieren un tiempo muy extenso. Es importante tener en cuenta que los tiempos de

los análisis en los equipos utilizados en la química húmeda son variables y dependen de la

capacidad del equipo para dichos análisis. Adicionalmente por las limitaciones de los equipos las

muestras no se pueden procesar con la misma velocidad en cada etapa.

En el caso de la preparación y manipulación de las muestras se observa una dificultad

debido a que algunos análisis requieren un pretratamiento o dependen directamente del resultado

de otro análisis o del residual de la muestra que quede, si el análisis no es completamente

destructivo esto incide en que en muchas ocasiones solo hasta después de analizar los datos del

primer análisis se podrá pasar al subsecuente.

El consumo de reactivos es un problema adicional y obviamente no aislado, este conlleva

a que se generen más residuos y mayores contaminantes que a la larga son subproductos

indeseables en cualquier proceso. Acompañado a este costo elevado inherente a los reactivos se

deberá sumar costos energéticos, de agua y por supuesto de personas capacitadas en las labores

operativas asociadas a este proceso de análisis. Adicionalmente pueden haber costos elevados

que obedecen a reactivos importados que son de grado analítico.

Sin embargo una buena cantidad de muestreo permite controlar más el proceso

productivo en cada etapa. La empresa busca optimizar los costos de los análisis con un plan de

muestreo que garantice la confiabilidad para la liberación de las materias primas y del producto

terminado. Esta optimización implica el menor número de análisis al menor costo posible.
 16

Dado que la compañía Operadora Avícola S.A.S tiene un equipo NIR el cual se encuentra

calibrado para varios proyectos enfocados a los cereales, subproductos de cereales y alimentos

balanceados disminuyendo el tiempo de respuesta en toda la línea de alimentos balanceados para

aves; se desea aplicar este mismo método de análisis rápido a la línea cárnica generando

proyectos cuyos resultados bromatológicos se aproximen a la química húmeda, la cual es tenida

como referente para la construcción de las curvas.

El uso de la química húmeda siempre será el referente para ajustar las curvas de cada

parámetro en el proyecto creado.

 17

Objetivos

Objetivo General

Desarrollar y validar métodos específicos a través de la medición por equipos NIR para

las materias primas usadas en la elaboración de carnes frías por medio de la tecnología NIR,

usando como referente la química húmeda para determinar la linealidad de los datos obtenidos en

las curvas.

Objetivos Específicos

• Garantizar que los análisis realizados por el equipo NIR y por la química húmeda sean

confiables desde la toma de muestra hasta su resultado final para poder tomar decisiones

acertadas con base a los resultados obtenidos

• Evaluar los ajustes necesarios a la curva de calibración para asegurar que los datos

obtenidos en las lecturas del equipo sean muy similares a los obtenidos por química húmeda.

Esto con el fin de ir ajustando cada vez más la curva e ir disminuyendo el error que pueda venir

asociado a la lectura.

• Proponer la implementación de proyectos, a productos que aún no estén desarrollados

• Proponer el incremento de espectros a aquellos productos cuyos resultados sean muy

desviados respecto a la química húmeda.

 18

Optimizar el tiempo de velocidad de respuesta a través de los análisis que permita a

nuestros clientes internos la toma de decisiones en tiempo real.

 19

Marco Teórico

La palabra espectroscopia proviene de la raíz latina spectrum (apariencia, imagen) y la

palabra griega skopia (ver). Esta definición es más bien descriptiva de la medición

espectroscópica en sí misma; por ejemplo: ver una leve imagen procedente de una muestra

(Miller, 2001).

En esencia, la tecnología NIR involucra luz interactuando con un material, donde una

radiación electromagnética ocurre en forma de ondas. La longitud de onda es la distancia entre

los dos picos o puntos altos, y se indica con el símbolo λ (Figura 1). La longitud de onda en el

espectro NIR se mide normalmente en nanómetros (nm) donde 1nm = 10-9 m ó 1000nm =

.001mm.

A la temperatura superior del cero absoluto (-273.15 °C) cualquier molécula emitirá rayos

infrarrojos( Lopez, 2001)

Figura 1. Propagación de una Onda en el Espacio

 20

Esa parte del espectro visible al ojo humano se extiende de alrededor de 400nm á 800nm,

mientras que el espectro infrarrojo se extiende de aproximadamente 2,500nm á 25,000nm. El

infrarrojo cercano es considerado esa parte del espectro situada entre la región visible y la región

infrarroja. El rango de longitudes de onda que el NIR cubre, está entre 750nm á 2,600nm (Figura

2)

Figura 2. Espectro electromagnético

Estas longitudes de onda interactúan con las moléculas de las sustancias; donde estas son

grupos de átomos, los cuales se han combinado para formar compuestos químicos. Por ejemplo,

el metano contiene un átomo de carbono (C) y cuatro átomos de hidrógeno (H). Las uniones

específicas entre los átomos vibran a una cierta frecuencia, y cada tipo de estas uniones químicas

dentro de una muestra absorberán rayos NIR de una longitud de onda específica, mientras todas

las demás longitudes de onda son reflejadas.

Wehling, 1998 (Como se citó en Borjas O. Eva,(2002)) La espectroscopia de infrarrojo

cercano se basa en la absorción de grupos funcionales que tienen un átomo de carbono unido a

uno de hidrogeno, nitrógeno u oxígeno, las bandas originadas no son más que sobretonos de

respuesta. Muy comunes en parámetros del alimento como agua, proteínas, grasas y

polisacáridos.
 21

Figura 3. Vibración de enlace entre átomos de carbono (C) y los átomos de hidrogeno en

la molécula de metano absorbe las ondas NIR de una onda en particular y refleja las otras ondas.

En la práctica, la muestra a ser analizada es bombardeada con rayos NIR de diferentes

longitudes de onda como se ilustra en la Figura 4. Por cada longitud de onda, algunos de los

rayos serán entonces absorbidos por uniones químicas específicas. Al mismo tiempo, otros rayos

serán diseminados y reflejados por otras uniones químicas. Este proceso es comúnmente descrito

como Reflectancia NIR. En contraste, algunos de los rayos pasarán a través de la muestra, lo cual

es denominado Transmisión NIR (a menudo referida como NIT).

 22

Figura 4. Rayos NIR absorbidos por algunos enlaces, reflejados por otros enlaces
(Reflectancia NIR), o transmitidos a través de la muestra.

Los rayos esparcidos, reflejados y/o transmitidos de cada longitud de onda son

concentrados dentro de una célula de medición. Un número de reflejos a diferentes longitudes de

onda son medidos, y luego convertidos en resultados analíticos por un microprocesador. (Burns y

Ciurczak, 1992).

Existe a menudo una mala interpretación del término Reflectancia NIR. Los rayos no son

simplemente reflejados de la superficie externa, sino que realmente penetran la muestra. Cada

vez que se encuentra que una unión química no absorbe una particular longitud de onda, los

rayos son diseminados y reflejados en todas direcciones. Estos haces dispersos pueden entonces

ser absorbidos o reflejados por otras uniones químicas, hasta que una porción de los rayos

eventualmente salga de la muestra en todas direcciones (Figura 5). La profundidad de

penetración del haz dentro de la muestra no está determinada por la posición del detector, sino

más bien por la potencia de la fuente de luz.

 23

Figura 5. Tramitancia NIR y Reflectancia NIR

La espectroscopia de infrarrojo cercano se usó inicialmente para determinar la

composición de pienso para animales y forrajes. La información que se encuentra en la literatura

está enfocada en gran medida a la determinación de humedad, fibra cruda, proteína total y grasa

total; adicionalmente se encuentran datos relacionados a los aminogramas de algunas sustancias.

Actualmente la espectroscopia de infrarrojo cercano (NIR) es una de las técnicas más

importantes usadas en las industrias de alimentos y en las industrias farmacéuticas entre otros

sectores como el sector agropecuario, de bebidas, aceites etc.

Sin embargo esta técnica a menudo presenta una diferencia entre dos instrumentos de

medición, error que generalmente se asocia al tipo de muestreo realizado a la materia prima, la

inestabilidad de los métodos quimiométricos, variaciones en los equipos aun cuando sean de la

misma marca. Dicha inestabilidad se puede presentar en la quimiometría cuando el experto

selecciona los datos que se aproximen a la mejor curva de calibración. Con el fin de disminuir

estas discrepancias es necesario normalizar el instrumento de medición en este caso el NIR.

(Juan Antonio Fernández Pierna, et al., 2013)

 24

Varios autores proponen metodologías diferentes para la calibración de los equipos NIR,

pero todos ellas son métodos de ajustes de los espectros entre equipos buscando la concordancia

en cada uno de ellos.

Esta tecnología actualmente presenta varias aplicaciones, entre las cuales se encuentran

la industria química, petroquímica, textil, medicina, farmacia, cosmética, biología y medio

ambiente. Para industrias alimentarias, la tecnología NIR se ha usado desde hace tiempo para el

análisis y control de varios productos tales como piensos y cereales, lácteos, aceites y grasas,

productos cárnicos, frutas, vegetales, etc. (Nicolaï et al., 2007; Cen y He, 2007).Para el caso de

carnes frías se tiene una matriz compleja que tiene variaciones que dependen directamente del

tipo de molienda o de la composición de las materias primas usadas para generar la pasta. Por

esta razón se debe generar un histórico de cada una de las materias primas que se van a usar en la

formación de las pastas y de esta forma disminuir la variabilidad en el producto final.

 25

Metodología

Las pastas de pollo pueden ser de cualquier parte del animal, estas dependen de la

existencia y disponibilidad en el proceso productivo.

Cuando nos referimos a una pasta hacemos referencia a una porción de carne que fue

mecánicamente molida y es ese proceso de molienda en el que nos debemos centrar inicialmente

para asegurar que la muestra sea homogénea.

Inicialmente se deben hacer moliendas de cada una de las partes del pollo para determinar

bromatológicamente la composición porcentual de estas materias primas

. Los análisis realizados son los siguientes

Análisis de Proteína en el cual se digiere una porción de ensayo con Ácido Sulfúrico

concentrado, usando un catalizador de cobre (II) para convertir el nitrógeno orgánico en iones de

amonio; se alcaliniza y se destila en una solución ácida. Se calcula el Nitrógeno total a partir del

amoniaco ligado. (NTC 1556, 1999)

Análisis de Grasa Soxhlet procedimiento realizado con el principio de extracción por

solvente orgánico y con extensos tiempos de recirculación del solvente hasta alcanzar una óptima

extracción (NTC 1677, 1999)

Análisis de Humedad, consiste en una técnica termo gravimétrica basada en la pérdida de

masa debido a la volatilización por el método de estufa. ( NTC 1663, 2009)

Análisis de Cenizas, técnica termogravimetrica que consiste en calcinar la muestra en

una mufla a altas temperaturas convirtiendo todas las porciones orgánicas de la muestra en

volátiles y quedando solo la porción mineral de la muestra. (Echeverri. 1999)

 26

Análisis de Cloruros basado en el principio de precipitación con Nitrato de Plata y el

cromato de potasio como indicador final (AOAC. 1990). Estos datos permiten elucidar cual sería

la composición porcentual de una fórmula constituida por partes del pollo que serán

determinadas como se ha dicho anteriormente por su disponibilidad en el momento de elaborar la

mezcla cárnica.

En el momento de realizar la molienda de cada parte del pollo se debe garantizar que la

porción sea completa y si por alguna razón se retira piel o hueso se deberá tener presente esa

ausencia de materia prima al momento de analizar los datos por si se presenta un incremento o

una disminución en los valores esperados bromatológicos.

Para el buen desarrollo del análisis tanto bromatológico cómo en la Espectroscopia NIR

se deben seguir las seguir las siguientes etapas:

 Seleccionar las piezas del pollo que van a ser molidas

 Moler la pieza por un molino ( esta pieza podrá tener hueso )

 Separar con mallas la pasta cárnica de los subproductos de hueso

 Tomar una muestra representativa de la molienda (800 y 1000 gramos) y enviarla

al laboratorio previamente refrigerado.

 Mezclar bien la muestra para garantizar una buena homogenización y disminuir el

error asociado a una posible heterogeneidad de la muestra.

 De esta muestra se toma la cantidad necesaria para el recipiente de lectura en el

NIR.

 Se propone un protocolo para el análisis de materias primas y/o producto

terminado en el NIR que permita estandarizar el método del análisis , condiciones

 27

de operación, mantenimiento del equipo, capacitaciones que permitan disminuir

las variaciones en la lectura

Protocolo de estandarización de análisis de Muestras Patrón

Muestras patrón: definición

Son muestras que ya fueron validadas entre química húmeda y NIR cuyas diferencias en

los resultados son aceptables para la toma de decisiones.

Existen algunas variables atribuibles al equipo que hacen que se generen desviaciones en

los resultados. Entre estas variables tenemos: problemas de software y de Hardware del equipo

como son los mecanismos de sincronización, el tiempo de vida útil de las lámparas, tiempo de

integración, daños en algunas partes del equipo, y condiciones de operación que afectan su

estado de limpieza. Por todo lo anterior se pueden generar algunas desviaciones en los resultados

de las muestras analizadas. Para determinar las fallas en el equipo NIR se propone un

seguimiento que nos permitirá detectar si hay un problema en el equipo.

Inicialmente se selecciona la muestra que se va a analizar tanto por química húmeda

como por NIR y de esta se deberán congelar tres porciones de muestras para que sirva de patrón

durante tres meses. Para conservar la muestra el congelamiento es el procedimiento ideal puesto

que por su misma naturaleza y alta humedad estas muestras tienden a deteriorase muy rápido.

Empacarlas al vacío no les da un tiempo de vida útil superior a 15 días refrigerados y si

estas se empacaran al vacío y congelaran estas perderían parte de los valores solubles en agua a

causa del vacío cuando se formen los cristales de agua.

Congelar la muestra nos permite tener una vida útil de la muestra superior a un año sin

percibir deterioros en ella.

 28

Cada mes se deberá descongelar una de estas muestras y será leída en el equipo NIR con

el fin de detectar la variabilidad entre los datos obtenidos en esta lectura con los obtenidos

inicialmente cuando se recibió la muestra. También se deberá evaluar la concordancia entre los

datos obtenidos con los resultados bromatológicos obtenidos en el análisis preliminarmente.

Este procedimiento deberá hacerse con cada una de las muestras de análisis y solo se

proponen almacenar por tres meses con el fin de que la muestra no se deteriore.

Las materias primas a usar para el análisis provendrán de las plantas de beneficio y/o

desposte previamente identificadas con los siguientes datos: Nombre de la muestra legible, lote,

procedencia y fecha de vencimiento.

Protocolo de Recepción y Manipulación Muestras

Cuando la muestra ingresa al laboratorio esta deberá ser previamente identificada y

registrada en la hoja de trabajo. Se les proporcionará un código de identificación interno el cual

permitirá la lectura en el equipo NIR y una posterior trazabilidad para la recolección de datos.

Los códigos a usar estarán compuestos por dos letras que determinarán si se está trabajando con

una materia prima y/o un producto terminado (carne fría); seguidos de dos dígitos del presente

año en la lectura y 4 dígitos más que irán desde 0001 hasta el 9999. Dicho esto los códigos a usar

serán:

CF140001 (CARNES FRIAS)

MP140002 (MATERIAS PRIMAS)

 29

La lectura se realiza en un recipiente plástico de capacidad de 2 onzas. Esta se realiza

automática en el equipo NIR y este almacena los datos obtenidos de esta lectura gracias al código

interno que fue otorgado en la recepción.

El paso siguiente será realizar cada uno de los análisis bromatológicos a la muestra

problema con el fin de aumentar la base de datos de referencia para iniciar con las curvas de

calibración.

Comparar los resultados obtenidos en cada uno de los proyectos o muestras problemas

leídos en el NIR con los respectivos valores obtenidos por química húmeda. De esta forma

iniciar el ajuste estadístico y sistemático de las curvas de calibración.

Identificación de las Variables

La composición de cada una de las materias primas será una variable a tener presente,

esto debido a que el NIR trabaja con transmisión de la luz y cualquier interferente cartilaginoso

puede propiciar un error sistemático al análisis.

La lámpara del equipo es una variable a tener en cuenta pues el desgaste de la misma

genera desviaciones significativas en los resultados encontrados en el equipo NIR y los

propiciados por la química húmeda.

 30

Preparación de la muestra para la lectura. Si la muestra fue molida, picada, macerada

entre otros podría presentar diferencias debido a que el área expuesta de la muestra será diferente

y por ende podría representar variaciones.

La continuidad del analista en las pruebas de química húmeda pues el cambio de persona

podría repercutir en un error de análisis.

Los reactivos usados deben ser de buena calidad, grado analítico.

Instrumentos deberán estar calibrados y verificados; garantizando que los datos obtenidos

de ellos sean veraces y confiables.

 31

Resultados Esperados

Eficiencia en la entrega de resultados a nuestros clientes internos (investigación y

desarrollo, producción y plantas de beneficio), los cuales podrán tener más información y a

tiempo que les permitirá tomar decisiones en tiempo real.

Confiabilidad en los resultados obtenidos por el equipo NIR, que presenten desviaciones

muy bajas comparadas con la química húmeda que es el referente. Se espera que la desviación

del NIR esté por encima de la química húmeda en aproximadamente un 0,2 % para cada variable.

(Perten,) y la química húmeda puede tener una variación de un 0,2% respecto al laboratorio de

referencia (Nutrianalisis).

Disminución en el consumo de reactivos para análisis, llevando a una disminución en los

residuos de laboratorio y garantizando que se es más limpio con el ambiente.

Aumento en el número de muestras a analizar según plan de calidad de la compañía

permitiendo conocer con una mayor precisión las materias primas que se van a usar para la

elaboración del producto terminado.

Garantía de calidad al consumidor al entregarle un producto que ha sido pasado por

muestreos más representativos de un lote global.

 32

Descripción del Equipo

Imagen 1. Equipo NIR

El equipo está comprendido por tres partes fundamentales las cuales son:

Espectrómetro

En una sección intermedia del equipo se encuentra la sección del espectrómetro el cual

cuenta con:

Paleta para realizar el blanco a la prueba. Esta paleta hace que toda la mayor parte de la

luz que se incide sea refleja al detector; gracias a este blanco se puede determinar sobre una

muestra real, la luz que es dispersada y aquella que es reflejada.

 33

Se cuenta con un dispositivo que sirve de base para ubicar el plato donde se recolecta la

muestra. Este dispositivo rota sobre su propio eje con el fin de que el haz de luz incida sobre la

totalidad de la muestra para su respectivo análisis.

Las especificaciones técnicas del equipo

Rango de longitud de onda: 950-1650 nm

Longitud de onda precisión: mejor que 0,3 nm

Longitud de onda de estabilidad: mejor que 0,2 nm / año

Resolución: 3.125 nm / diodo

Detector: T.E. enfriado 256 In- Ga -As elemento

Número de recorridos: Hasta 100 espectros / s

Ruido: <0.00006 AU más de 3 s de tiempo de medición F / 3

Óptica: rejilla estacionaria

Tiempo de vida de la lámpara: Mínimo dos años.

Lámparas intercambiables de tungsteno

Referencia: Cerámica automática

Perten Instrumets, (2015)

Productos: Todos los granos, comidas, pastas, pastas y otros productos

Parámetros: Humedad, proteína, aceite, almidón, fibra y muchos más.

Presentación de la muestra: Sin contacto, abajo de la vista, el plato de muestra Rotación.

Área de Medición: Plato de muestra estándar 108 cm2, Pequeño plato de muestra 44 cm2.
 34

Perten Instrumets, (2015)

Limpieza del Equipo

El equipo requiere que constantemente se le realice una limpieza preventiva para evitar el

deterioro del mismo.

La lámpara debe ser limpiada con regularidad con alcohol isopropilico al igual que la

paleta para el blanco o línea base. El alcohol isopropilico disminuye el riesgo de manchas en el

lente óptico o lámpara gracias a su alta presión de vapor.

El sistema de ventilación cuenta con una rejilla de seguridad y con una espuma especial

que retiene gran cantidad de material partículado. La rejilla deberá desmontarse y limpiar todo el

sistema de ventilación para evitar calentamientos en el equipo debido a obstrucciones por este

material partículado.

El deterioro de la lámpara debido a su uso puede ser corregido mediante el ajuste del

tiempo de integración. Este ajuste se puede hacer directamente en el software del equipo.

Para la protección del equipo es importante tenerlo conectado a un sistema UPS que

regule la corriente que pasa al equipo y que evite un apagado no controlado que pueda perjudicar

el sistema del equipo. Adicionalmente se recomienda tener el equipo alejado del polvo y de

algún lugar con mucha humedad.

 35

Dependiendo del uso del equipo se programa un mantenimiento preventivo con una

frecuencia no superior a un año; este mantenimiento incluye limpieza interna completa del

equipo, revisión del software de análisis, lámpara de tungsteno, espectrómetro y demás

componentes del equipo con el fin de aumentar la vida útil del mismo.

Imagen 2. Limpieza del equipo NIR

Imagen 3. Limpieza del sistema de ventilación y lámpara

 36

Imagen 4. Limpieza y calibración de la pantalla touch screen

 37

Resultados

El modelo estadístico utilizado es un modelo lineal que predice el valor de una variable a

través de otras mediante una función lineal de estos.

El ajuste de una curva de calibración de lecturas realizadas en un equipo NIR consiste

principalmente en una corrección a la diferencia sistemática que se origina entre los valores

obtenidos por química húmeda y los predichos por el equipo NIR. Esta diferencia es conocida

como “Bias” o sesgo.

Para hacer este ajuste se dispone de una hoja de trabajo que permite introducir los datos

obtenidos por química húmeda y aquellos que fueron predichos por las lecturas del NIR. Este

procedimiento se realiza para cada parámetro y para cada proyecto o producto en análisis.

Inicialmente se deben transcribir cada uno de los datos obtenidos por química húmeda

como por NIR en las columnas correspondientes para estos datos e inmediatamente se generará

una gráfica de datos de Laboratorio vs NIR.

 38

Gráfico 1. Tomado del Programa Bias Calculator

LAB vs NIR
20,0
18,0
16,0
14,0
12,0
NIR

10,0
8,0
6,0
4,0
2,0
0,0
0,0

2,0

4,0

6,0

8,0

10,0

12,0

14,0

16,0

18,0

20,0
LAB
Unadjusted Bias Adjusted

A partir de este grafico inicial el programa determina un Bias o sesgo desajustado el cual

no es mas que el promedio entre cada una de las diferencias obtenidas entre los datos de química

húmeda y el NIR.

La forma en que el programa lo cálcula se muestra en la siguiente ecuación :

∑ (1)
BIAS
El parámetro t-BIAS por medio de la ecuación

t-BIAS =
(2)
 39

Como el gráfico que se espera de correlación entre los datos es lineal se deberá calcular el

valor de la Pendiente de la curva, este cálculo se hace de la siguiente con la ecuación:

(3)

Un valor de t-pendiente es calculado así:

t-pendiente =

(4)

Donde NIR final = NIR inicial ×m × Intercepto

También son calculados los valores de R y R2 para determinar la linealidad de la nueva

curva.

La correlación se busca lineal por esta razón se hace uso de la ecuación de una línea recta.

(5)

Una vez el programa ha realizado estos cálculos arroja un nuevo valor de bias o sesgo y

este deberá ser introducido en el software de lectura para una nueva lectura.
 40

Imagen 5. Software de Análisis para equipo NIR perten

Se dirige a productos y se le da clic en ese icono para seleccionar el proyecto y el

parámetro al que se le desea mejorar el sesgo bias. Cómo se observa en el imagen número 2.

Cuando es seleccionado el proyecto se selecciona el parámetro a ser modificado y se

despliega un cuadro como el de la imagen número 3.

El valor de la casilla donde se encuentra el bias se modifica con el nuevo encontrado y se

le da ok. De esta forma el nuevo bias ya esta ingresado.

Después de este procedimiento se deberá sincronizar el equipo para que los cambios sean

reconocidos desde el servidor al equipo en partícular.

Es importante aclarar que la compañía actualmente posee nueve equipos nir y cada uno

tiene una dirección o nombre en el servidor y este protocolo o modificación solo será dispuesta

para aquellos equipos que la requieran.

 41

Imagen 6. Producto de análisis con cada uno de los parámetros a analizar

Imagen 7. Cuadro de texto para modificar el valor del nuevo bias encontrado
 42

Despues de este procedieminto se podrán leer nuevamente las muestras y se espera que la

lectura sea mucho más aproximada a las valores encontrados en la química húmeda.

Organización Estadística de los Datos

Cuando se inició este trabajo el equipo NIR solo se usaba para realizar análisis por

espectroscopia de cereales y piensos para animales. Sin embargo también se manejan otras como

los productos cárnicos y se desea optimizar los análisis de estas materias primas para pastas o

embutidos con el fin de disminuir costos.

Cómo nunca se había desarrollado proyectos enfocados en partes del pollo o pastas

derivadas de mezclas molidas del mismo animal se debió procesar cada una de las muestras,

leerlas en el equipo NIR y analizar por química húmeda .

Las muestras que inicialmente se determinaron para realizarle estos análisis fueron :

CDM 1,CDM 2,Carcaza de Pollo,Costillar de Pollo, Cuello con Piel de Pollo, Cuello sin

Piel de Pollo, Hueso Contramuslo, Hueso de Pechuga, Rabadilla, Alas con Costillar, Alas sin

Costillar, Butifarra Cerdo, Butifarra de Pollo, Chorizo de Cerdo, Chorizo de Pollo, Jamon de

Cerdo, Mortadela de Pollo, Mortadela de Cerdo, Salchicha de Cerdo, Salchicha de Pollo,

Salchichon de Cerdo, Salchichon de Pollo, Pechuga de Pollo, Pollo Entero, Muslos

Inicialmente se observan valores muy alejados de lo real que no nos permiten concluir

absolutamente nada de la correlación.

Sin embargo ese comportamiento no se evidencia en estas dos muestras usadas como

pastas para hacer embutidos cómo se observa en el grafico a continuación.

 43

Estas pastas son la mezcla homogenea de varias materias primas o partes del pollo de las

que se mencionó anteriormente y su composición es definida mediante un modelo de

formulación al que se le introducen los datos de las demás materias primas.

Gráfico 2. Muestras de CDM con cada uno de los parámetros

VARIACIONES ENTRE QUÍMICA HÚMEDA VS

PREDICCIÓN NIR
70,00 69,85
69,90
60,00 68,87 68,45

50,00 PROM % HD. QH

40,00 PROM % HD. NIR

%

PROM % PT. QH
30,00
PROM % PT. NIR
20,00 17,95 17,23 PROM %GRASA. QH
15,87 15,61
10,00 13,60 13,12 PROM %GRASA.NIR
12,92 12,39
0,00
CDM 1 CDM 2
MUESTRAS DE ANÁLISIS

Resultados Antes de los Ajustes de Bias

A pesar de que las muestras de CDM se han comportado bien en los analisis por química

húmeda y espectroscopia NIR, las demás materias primas no presentaron tanta correlación entre
 44

estos dos tipos de análisis y es debido a estas diferencias tan marcadas que se hace necesario

realizar el ajuste del bias que se mencionó parrafos atrás.

En el tabla 1 se pueden observar solo los siguientes proyectos o productos Carcaza de

Pollo, Costillar de Pollo, Cuello sin Piel de Pollo, Rabadilla, Alas con Costillar. Esto se debe a

dos razones fundamentales:

Desavastecimiento de materias primas y/o muestras: por razones asociadas al proceso

productivo en las plantas de proceso o por cierre de lineas de producción varios de los productos

que inicialmente se tuvieron en cuenta para hacer los respectivos análisis y seguimientos se

vieron completamente agotados. Esto no nos permite tener un análisis real a las muestras.

Predicciones NIR no concluyentes: para algunos productos el Equipo NIR en cada uno de

los parámetros reportaba exclusivamente valores iguales a cero; estos valores no permiten tener

un acercamiento lineal al valor real encontrado por la química húmeda por esta razón estas

muestras deberan tener un tratamiento especial que requiere un desarrollo del espectro.

Por esta razón solo se muestran los siguientes resultados iniciales. En la tabla1.

Tabla 1. Datos promedio de química húmeda y NIR de los productos en análisis antes de
ajustes de bias
Humedad Humedad ∆( H. QH - Proteina Proteina ∆( PT. QH - ∆( PT. QH -
PARÁMETROS Grasa Q.H Grasa NIR
Q.H NIR H. NIR) Q.H NIR PT. NIR) PT. NIR)
PRODUCTO
Promedio datos Carcaza de Pollo 75,46 29,26 46,20 14,87 58,81 43,94 8,28 15,00 6,72
DEVEST. Datos Carcaza de Pollo 2,51 9,95 7,44 1,24 6,51 5,26 1,73 5,70 3,97
Promedio datos Costillar de Pollo 69,85 26,23 43,62 11,47 56,72 45,26 15,70 10,60 5,11
DEVEST. Datos Costillar de Pollo 3,85 7,10 3,25 3,11 3,15 0,04 4,01 2,39 1,60
Promedio datos Cuello sin piel 69,69 23,50 46,19 12,07 55,91 43,80 16,27 49,74 33,50
DEVEST. Datos Cuello sin piel 6,61 5,88 0,70 1,59 1,10 0,50 7,28 15,77 8,50
Promedio datos Rabadilla 64,76 24,81 39,95 10,84 50,33 39,50 22,05 20,31 1,74
DEVEST. Datos Rabadilla 4,82 4,31 0,50 1,95 4,66 2,71 6,22 3,54 2,70
Promedio Ala con costillar 73,43 26,51 46,91 12,65 56,71 44,10 12,80 8,55 4,26
DEVEST. Ala con costillar 2,38 7,25 4,87 1,10 3,37 2,27 1,82 3,87 2,05
 45

Como se observa en la tabla1, los valores de cada uno de los parámetros tanto por

química húmeda como por NIR están muy desfasados, hecho que se evidencia en el ∆( Q.H –

NIR).

Adicionalmente las diferencias en la desviación estándar del total de datos analizados por

química húmeda y los de NIR permiten concluir que los datos obtenidos por el análisis en el NIR

están bastante heterogéneos y no presentan alguna tendencia uno con respecto al otro.

Con base en estos datos y en el análisis de datos, se permitió ir ajustando el bias de estas

muestras en cada ocasión y este proceso se hizo en varias ocasiones hasta que se evidenciara una

mejora en la curva esperada y que los datos fueran cada vez más correlacionados.

Resultados Después de los Ajustes de Bias

Tabla 2. Datos promedio de química húmeda y NIR de los productos en análisis después
de ajustes de bias.
Humedad Humedad ∆( H. QH - Proteina Proteina ∆( PT. QH - ∆( PT. QH -
PARÁMETROS Grasa Q.H Grasa NIR
Q.H NIR H. NIR) Q.H NIR PT. NIR) PT. NIR)
PRODUCTO
Promedio datos Carcaza de Pollo 77,12 85,44 8,30 13,06 15,58 2,50 9,25 14,06 4,80
DEVEST. Datos Carcaza de Pollo 6,83 0,59 6,20 3,76 2,28 1,50 0,83 0,61 0,20
Promedio datos Costillar de Pollo 72,15 77,52 5,40 12,43 9,28 3,15 14,40 12,38 2,02
DEVEST. Datos Costillar de Pollo 2,94 0,55 2,40 1,45 3,26 1,81 3,33 1,94 1,40
Promedio datos Cuello sin piel 76,98 76,01 0,97 12,48 12,25 0,23 9,17 0,00 9,17
DEVEST. Datos Cuello sin piel 5,15 0,51 4,60 1,41 1,61 0,20 4,90 0,00 4,90
Promedio datos Rabadilla 62,72 69,84 7,10 9,12 7,16 1,96 25,34 24,61 0,73
DEVEST. Datos Rabadilla 7,49 0,57 6,90 2,36 1,88 0,50 12,71 3,09 9,60
Promedio Ala con costillar 74,30 81,40 7,10 13,21 10,67 2,55 12,63 8,78 3,85
DEVEST. Ala con costillar 2,46 1,13 1,30 0,51 2,77 2,26 2,02 0,66 1,40
 46

En la tabla 2 se observa una muy notoria disminución en los datos de ∆( Q.H – NIR).

Esto quiere decir que los valores de Q.H son más parecidos a los encontrados en la lectura por el

equipo NIR.

Otro aspecto que se observa es que las desviaciones están inferiores a las encontradas en

la tabla 1 antes del ajuste; esto quiere decir que los datos están más organizados y no tan

dispersos permitiendo corroborar un funcionamiento adecuado para estas muestras.

 47

Conclusiones y Recomendaciones

Con los resultados obtenidos es claro que el equipo NIR es una tecnología que ayuda a

mejorar la eficiencia en el proceso para la toma de decisiones en términos de costos, tiempo y

recurso humano. Los análisis bromatológicos de una pasta de pollo y/o una materia prima usada

para hacer estas pastas tienen un costo muy significativo para una industria.

Durante el proceso de análisis se evidencia que los ajustes realizados al equipo ayudaron

a estandarizar los resultados arrojados por el equipo NIR frente a la química húmeda. Lo que

permite tener resultados más confiables y precisos en las diferentes variables.

Dado los buenos resultados obtenidos con los proyectos en estudio se propone el

desarrollo de curvas para otras materias primas que aún no se han tenido en cuenta tales como:

subproductos derivados de otros animales y/o con fórmulas que varíen su composición o que

contengan un plus adicional.

Las rabadillas y los contramuslos son subproductos del pollo que se encuentran en

grandes cantidades en la industria; el comportamiento de estas materias primas por análisis de

química húmeda muestra bastante estabilidad por tal razón se propone mejorar el espectro de

estos productos.

De acuerdo al seguimiento de los análisis en el equipo y dada la robustez y facilidad del

mismo, se sugiere que lo manipule un operario. El equipo es muy práctico y amigable para

manipularlo por tal razón no es necesario un estudio avanzado ni personal técnico para

manejarlo, basta con una buena inducción de lo que se debe hacer para la manipulación.
 48

Dado que el laboratorio genera diariamente alrededor de cinco litros de reactivo

contaminante este equipo nos permite reducir los niveles de contaminación teniendo mayor

número de análisis, . (Garbisu, 2005)

Adicional a estos costos que se pueden disminuir evidentemente el costo de oportunidad

es el más determinante cuando nos referimos al análisis por espectroscopia NIR. Un análisis

bromatológico completo tarda cerca de 6 horas hábiles, mientras que el equipo NIR realiza este

análisis en 1 minuto incluyendo la disposición de la muestra. (Soldado et al., 2013)

La velocidad en este análisis permite tener capacidad de respuesta inmediata y determinar

si es necesario realizar cambios en la línea de producción o si la fórmula que se está usando es

ideal con lo esperado y si no lo fuera realizar un cambio inmediato evitando que la compañía

desperdicie más materia prima antes de que salga el análisis por química húmeda.

Se propone desarrollar una curva de calibración para materias primas contaminadas

conociendo el contaminante. Para el desarrollo de esta curva se contaminarían muestras en

diferentes proporciones, se analizaría su química húmeda y a través de la quimiometría se haría

la curva de calibración.

A partir de un proyecto ya creado generar otros proyectos independientes por proveedor

de materias primas, de tal forma que un mismo producto se lea en proyectos diferentes cuando el

proveedor de materias primas cambie.

 49

Mirar nuevas tecnologías en el mercado de los NIR que permitan bajar el nivel de

incertidumbre en el equipo. Que sea sostenible en el tiempo y que sea competitivo

comercialmente con los equipos que se disponen en el mercado.

Se propone una mejora en el software de análisis del equipo con la adición de un mini pc,

que nos permita realizar la transición entre el sistema operativo Windows XP y el Windows 7.

Esta mejora permite tener mayor velocidad en el software de análisis así como mejoras en la

memoria RAM del equipo.

Con el NIR no se puede tener más exactitud, pero si un factor de seguridad mucho más

alto. Nutricionalmente es muy importante pues se evidencia variabilidad en el proceso y que la

formula se correlaciona con los datos reales. Tomando decisiones más precisas y más

inmediatas. (Workman et al., 2003).

El nutricionista puede determinar la correlación que hay entre el proceso y los valores

esperados en la formulación. Se podrán tomar decisiones sobre el producto sin esperar la

química húmeda y detener el proceso.

El disponer de un equipo calibrado y ajustado que permite hacer trazabilidad a cada lote

que sea fabricado y liberado al mercado permite asegurar que se está cumpliendo con la norma y

que aquello que se publica en la etiqueta coincide con lo real. De esta forma el cliente puede

recibir un producto de calidad, y con los parámetros bromatológicos requeridos por el ente

regulador del país.

El nutricionista puede tener un visualizador online que le permite evaluar y hacerle

trazabilidad a las materias primas que van a ser usadas en la formula. De esta forma podrá hacer
 50

cambios desde su puesto de trabajo sin necesidad de dirigirse a la planta o al laboratorio;

optimizando el proceso productivo y la toma de decisiones.

 51

Presupuesto

Tabla 3. Descripción Gastos de Personal

DESCRIPCIÓN DE LOS GASTOS DE PERSONAL

Nombre Función en el Dedicación Costo/semana

proyecto horas/sem

Recepción,
Jhon Fredy
análisis y lectura 20 300.000 4´800.000
Ocampo
de muestras

Asesoría en la
elaboración de la 2|0 ----
Asesor
monografía
monografía

TOTAL 5’800.000

Tabla 4. Relación compra de equipos

COMPRA DE EQUIPOS

Equipo Justificación Cantidad Total

Lectura de las muestras

Equipo NIR 1 160’000.000
problema
Recopilación de información
Computador 1 1´200.000
y elaboración trabajo escrito

Impresora Informe escrito y borradores 1 250.000

TOTAL 3 161´450.000
 52

Tabla 5. Relación en compra de papelería

COMPRA DE PAPELERÍA
Equipo Justificación Cantidad Total

Resma de papel Impresión trabajo escrito 1 7.800

Bolígrafos Recopilación información 4 4.800

Cuadernos Recopilación información 1 2.000

Memorias USB Recopilación información 2 30.000

TOTAL 8 44.600

Tabla 6. Costos de Análisis por Química Húmeda

GASTOS POR QUÍMICA HÚMEDA

Cantidad de
Descripción Justificación Costo
análisis/ 16 semanas
Análisis requeridos para
Costo análisis de
curvas de calibración y 160 2’528.736
Proteínas
líneas base
Análisis requeridos para
Costo análisis de grasas curvas de calibración y 160 2’332.848
líneas base
Análisis requeridos para
Costo análisis de
curvas de calibración y 160 552.048
humedad
líneas base
Análisis requeridos para
Costo análisis de
curvas de calibración y 160 712.320
cenizas
líneas base
TOTAL 36 6’125.952
 53

Tabla 7. Relación Costos Totales

PRESUPUESTO GLOBAL

Rubros Fuentes de financiación Total

Gastos Personal Recursos propios 5’800.000
Compra de equipos Recursos propios 161´450.000
Compra de papelería Recursos propios 44.600
Gastos por química húmeda Recursos propios 6’125.952

TOTAL 173’420.552
 54

Referencias

Aberle, E. D., Forrest, J. C., Gerrard, D. E., & Mills, E. W. (2001). Principles of Meat

Science (4th ed.).Dubuque, IA: Kendall/Hunt Publishing Co.

AOAC. 1997. Official methods of analysis; Association of Official Analytical

Chemists.15 ed. va. USA. 1298 p.

Benavente Ana, Ato Manuel , Lopez J.Juan. ( 2006) Procedimientos para detectar y

medir el sesgo entre observadores. Anales de Psicología. 22(1), 161-167

Borjas O. Eva,(2002) Establecimiento y validación de curvas de calibración NIRs para

determinar la calidad química del jamón Virginia (Trabajo de graduación presentado como

requisito parcial para optar al título de Ingeniero en Agroindustria) Zamorano, Honduras.

Burns, D.A. y Ciurczak, E.W. (1992). Handbook of near infrared analysis. Burns, D. A.

and Ciurczak, E.W. (eds.) Marcel Dekker, New York, NY, USA.

Cen, H. y He, Y. (2007). Theory and application of near infrared reflectance spectroscopy

in determination of food quality. Trends in Food Science and Technology, 18, 72-83.

Cozzolino, D. Murray, I. Paterson, R. 1996. Visible and near infrared reflectance

spectroscopy for the determination of moisture, fat and protein in chicken breast and thigh

muscle. Journal of Near Infrared Spectroscopy 4, 213–223 (1996)

Cozzolino, D; Murray, I. 2002. Effect of sample presentation and animal muscle species

on the analysis of meat by near infrared reflectance spectroscopy (en línea). Journal of Near

Infrared Spectroscopy 10, 37–44 (2002).

 55

Duglas A. Skoog, F. James Holler, Timothy A. Nieman, (1992). Principios de Análisis

Instrumental (5th ed).

E. Restainoa, A. Fassioa and D. Cozzolino (2011). Discriminación de muestras de pate´

de carne según tipo de especie mediante el uso de la espectroscopia en el infrarrojo cercano y la

quimiometría. CyTA – Journal of Food, 9,(3), November 2011, 210–213

FAO, OMS. 1995. Codex Alimentarius. Métodos de Análisis y Muestreo. 2 (13). Roma.

G. Ripoll , P. Albertí , B. Panea J.L. Olleta, C. Sañudo(2008). Near-infrared reflectance

spectroscopy for predicting chemical, instrumental and sensory quality of beef. 80, 697–702

Garbisu, C, Alonso, E, Luengas, I, Aristegieta, A. Murua, G. (2005). Determinación de

parámetros nutricionales por espectroscopia de infrarrojo cercano (NIRS). Informe técnico final

FEED NIRS.

Instituto Colombiano de Normas Técnicas y Certificación. (2008) Industrias

Alimentarias: Productos Cárnicos Procesados no Enlatados. Bogotá : ICONTEC, 2008. (NTC

1325).

M. De Marchi, P. Berzaghi, A. Boukha, M. Mirisola, L. Gallo (2007). Use of near

infrared spectroscopy for assessment of beef quality traits. ital.j.anim.sci. 6, 421-423, 2007

Martínez C Cristina , (2013) Implantación de la tecnología NIRS en aplicaciones in-situ

como herramienta de apoyo a las decisiones en el sector primario (tesis de maestría)Universidad

de Oviedo, España.

Millmier A, Lorimor J, Hurburgh Jr, C; Fulhage C; Hattey J Zhang h (2000). Near-

infrared sensing of manure nutrients. Transactions of the ASAE, 43 (4), 903–908.

 56

Nicolaï, B.M., Beullens, K., Bobelyn, E., Peirs, A., Saeys, W., Theron, K.I y Lammertyn,

J. (2007). Nondestructive measurement of fruit and vegetable quality by means of NIR

spectrsocopy: A review. Postharvest Biology and Technology, 46, 99-118.

Paolo Berzaghi, Roberto Riovanto, (2009). Near infrared spectroscopy in animal science

production principles and applications. Ital.J.Anim.Sci. 8 (3), 39-62, 2009

Perten Instrumenst, Unscrambler X 10.2 Training, Manual de procedimiento Nir DA

7200. 2014

Perten Instrumets, (2015), Recuperado de

http://www.perten.com/es/Productos/Analizador-NIR-DA-7250/Especificaciones/

Pierna. F. Juan Antonio et al. (2013). Standardization of NIR microscopy spectra

obtained frominter-laboratory studies by using a standardization cell. Biotechnol. Agron. Soc.

Environ 17(4), 547-555.

Riovanto R, et al. (2009). Near infrared spectroscopy (NIRS) as a tool to predict meat

chemical composition and fatty acid profile in different rabbit genotypes. Ital.J.Anim.Sci. 8,799-

801

Samantha A. Hawkins, Brian Bowker, Hong Zhuang, Gary Gamble & Ronald Holser.

(2014). Post-Mortem Chemical Changes in Poultry Breast Meat Monitored With Visible-Near

Infrared Spectroscopy. Journal of Food Research; 3, (3)

Soldado, A, Fernández,, Martínez, A. de la Roza D. B. (2013). The transfer of NIR

calibrations for undried grass silage from the laboratory to on-site instruments: Comparison of

two approaches, Talanta, 105, 8-14.

 57

Soldado,A, Fonseca, I, Martínez Fernández,A., Modroño, S. y de la roza delgado, b.

(2013). Del laboratorio al campo: Caracterización de Ensilados de Maíz con Sensores NIRS

portátiles. En: Los Pastos: nuevos restos, nuevas oportunidades . 195-202

Varo G. A, et al. (2005) Near infrared spectroscopy for enforcement of European

legislation concerning the use of animal by-products in animal feeds. Biotechnol. Agron. Soc.

Environ. 9 (1), 3–9

Wehling, RL. 1998. Basic principles of spectroscopy. In Nielsen, S. Food analysis. 2 ed.

Indiana US. RB. 630

Willy Mamani-Linares, Daniel Alomar, Carmen Gallo. (2012). Potential use of near

infrared reflectance spectroscopy (NIRS) for the identification of beef, llama and horse jerky. 43

(2) 2012

Workman Jr., J, Koch, M. y Veltkamp D. (2003). Process analytical chemistry. Anal.

Chem.75. pp. 2859–2876.

Departamento Administrativo Nacional de Estadistica (DANE) , 2015 recuperado de

http://www.dane.gov.co/

NTC 1677. Carne y Productos Cárnicos. Determinación del contenido de Grasa libre.

1999

NTC 1556. Carne y Productos Cárnicos. Método para determinar contenido de Nitrógeno

(método de referencia). 1999

NTC 1663. Carne y Productos Cárnicos. Determinación de Humedad (método de

referencia)

Echeverri, Olga Isabel. Segunda edición. Química analítica Cuantitativa. 1999