Miriam E. Ramos Ramirez, Oscar B. Jordán Suárez, Marcial Silva Jaimes, Bettit K. Salvá Ruiz
El presente estudio tuvo como objetivo optimizar la formulación de cabanossi bajo en grasa, empleando el método de Diseño de Mezclas (D-Optimal) a partir de 16 formulaciones de cabanossi compuestas por carne de llama (60-80%), grasa de cerdo (10-20%) y pulpa de papa cocida (10-20%). Las variables respuestas fueron: el perfil de textura (cohesividad, masticabilidad, dureza, gomosidad y elasticidad), croma (C*), humedad, rendimiento, actividad de agua y pH. Para la optimización de la formulación se consideró minimizar la grasa de cerdo, manteniendo la dureza y humedad semejantes a un cabanossi comercial. El análisis del diseño de mezclas planteó la formulación con las siguientes proporciones: carne de llama (72,41%), grasa de cerdo (10,78%) y pulpa de papa cocida (16,81%), con una deseabilidad de 0,84; formulación que fue validada a través de un proceso experimental, y contrastada por la prueba t de Student, confirmando la efectividad en la predicción del modelo matemático obtenido. AbstractThe objective of this study was to optimize the formulation of low-fat cabanossi using the Mix Design method (D-Optimal) from 16 cabanossi formulations composed of Lama glama meat (60-80%), pork fat (10-20%) and cooked potato pulp (10-20%). The response variables were: a texture profile analysis (cohesiveness, chewiness, hardness, gumminess and springiness), chroma (C*), moisture, yield, water activity and pH. For the optimization stage, it was considered minimizing the pork fat, maintaining the hardness and humidity as similar as to those in a commercial cabanossi. The mixture design analysis set up the formulation with 72,41% of llama meat, 10,78% pork fat and 16,81% cooked potato pulp as the optimum, with 0,84 of desirability. This formulation was validated through the experimental process and contrasted by the t-Student test. It confirmed the effectiveness in the prediction of the mathematical model obtained.
© 2001-2025 Fundación Dialnet · Todos los derechos reservados