SRO-ANN: UNA HERRAMIENTA INTEGRADA DE MATLAB PARA OPTIMIZACIÓN POR SUPERFICIE DE RESPUESTA A TRAVÉS DE FUNCIONES DE BASE RADIAL

GOICOECHEA, H. C.; GIORDANO, P. C.; OLIVIERI, A. C.

Río Cuarto

Congreso; IX Congreso Argentino de Química Analítica; 2017

desarrollada para aplicar metodología de superficie de respuesta basada en redes neuronales artificiales, integrada a una interfase gráfica sencilla. Esta nueva herramienta fue aplicada a un caso obtenido en la literatura.Resultados: Los datos fueron obtenidos del trabajo de Floros et al., 1992 [1]. Se intenta optimizar la calcificación de cubos de tomate para mejorar su firmeza, sin un contenido excesivo de calcio (menos de 800 μg g?1) y el menor pH posible. Involucra 3 factores: concentración de calcio (Ca), temperatura (Te) y tiempo (Ti), y 3 respuestas: contenido de calcio (CC), firmeza (F) y pH.En primer lugar, el análisis se realizó a través de una optimización por superficie de respuesta polinómica por cuadrados mínimos (SRO-LS, por sus siglas en ingles) y se obtuvieron modelos lineales para F y pH, en ambos casos sin falta de ajuste significativa. Los valores de R2 fueron 0,88 para F y 0,84 para pH. Sin embargo, CC mostró una falta de ajuste significativa, y se encontró que la transformación por raíz cuadrada [(CC)1/2] permite ajustar un modelo interactivo satisfactorio, sin falta de ajuste significativa y R2 = 0,96. Luego, al aplicar optimización por superficie de respuesta a través de redes neuronales artificiales (SRO-ANN, por sus siglas en ingles), los R2 para CC, F y pH fueron 0,99, 0,98 y 0,89, con mejoras de 2%, 10% y 6%, respectivamente.Considerando los modelos obtenidos, se aplicó la función deseabilidad para encontrar las condiciones experimentales que minimicen CC y pH, y maximicen F. Las soluciones obtenidas no fueron satisfactorias por SRO-LS o SRO-ANN, ya que los valores predichos fueron: para CC, 1631,7 y 2496,5 mg g?1, respectivamente, mucho mayores que 800 mg g?1. Se definió entonces un nuevo criterio: minimizar CC entre 700,0 y 1050,0 mg g?1, maximizar F entre 18,50 y 20,50 N g?1 y minimizar pH entre 3,92 y 3,95. El valor de D obtenido en el caso de SRO-LS fue 0,457, y los valores predichos fueron: CC 868,7 mg g?1, F 18,89 N g?1 y pH 3,82. En cambio, para SRO-ANN D fue de 0,955, indicando que los criterios fueron prácticamente cumplidos en su totalidad, con los siguientes valores predichos: CC 745,6 mg g?1, F 20,53 N g?1 y pH 3,87. Además, el ajuste con SRO-ANN permite obtener una mayor firmeza en comparación con SRO-LS, con prácticamente el mismo pH y un contenido de calcio dentro del límite legal.Conclusiones: Se desarrolló una herramienta de MatLab nueva, flexible y libremente disponible. Se probó usando un ejemplo de la literatura. En esta herramienta, se implementa el modelado con redes neuronales artificiales y la optimización a través de la función deseabilidad.Referencias1) J.D. Floros, A. Ekanayake, G.P. Abide, P.E. Nelson, J. Food Sci. 57 (1992) 1144-1148.