COMPARACIÓN DE TIEMPOS DE CONGELACION Y PERDIDA DE PESO EN CONGELACION DE ALIMENTOS, CALCULADOS UTILIZANDO METODOS NUMERICOS, APROXIMADOS Y DE REDES NEURONALES

CAMPAÑONE, LAURA; ODDONE S.; GOÑI S.; SEGURA J.A.; SALVADORI V.O.; MASCHERONI R.H.

Montevideo, Uruguay

Congreso; Congreso Iberoamericano de aire acondicionado y refrigeración CIAR 2005; 2005

La congelación de alimentos es un proceso fuertemente nolineal. Su modelado y simulación es muy complejo. En muchos casos se produce una simultánea sublimación del hielo superficial, con lo que se acoplan los procesos de transferencia de calor y materia. Es muy difícil desarrollar métodos simples y precisos para la predicción de tiempos de proceso y pérdida de peso, que cubran amplios rangos de características del alimento y condiciones de operación. Las Redes Neuronales Artificiales (RNA) permiten modelar sistemas complejos de un modo relativamente simple, donde las nolinealidades intrínsecas del sistema se resuelven por el aprendizaje y entrenamiento de la red. Las RNA pueden ser utilizadas para estimar o predecir tiempos de proceso sin necesidad de un modelo matemático o una ecuación de predicción asociados al problema físico. Una red neuronal es una estructura de nodos interconectados organizada en capas y ponderada a través de factores de peso. Durante el entrenamiento de la red, se variaron los factores de peso hasta que el patrón de las respuestas calculadas -para una dada entrada- se ajustaba a las relaciones deseadas. Los datos de entrada considerados fueron: dimensión característica, factor de forma, velocidad del aire, Humedad Relativa y temperaturas inicial, final y ambiente. La red fue entrenada partiendo de 80 valores experimentales de bibliografía de tiempos de congelación y pérdida de peso para alimentos de alto contenido acuoso. Luego se realizó el proceso de validación. Los resultados predichos por la red se contrastaron contra los resultados provistos por un método numérico, un método de predicción aproximado y resultados experimentales. Se obtuvo una muy buena precisión, con errores absolutos del mismo orden que los de los métodos de predicción numéricos o simplificados.