Zero Waste Watermelon Production through Non-Traditional Rind Flour: Multi-Objective Optimization of the Fabrication Process
- Autores
- Capossio, Juan Pablo; Fabani, Maria Paula; Román Barón, María Celia; Zhang, Xin; Baeyens, Jan; Rodriguez, Rosa Ana; Mazza, German Delfor
- Año de publicación
- 2022
- Idioma
- inglés
- Tipo de recurso
- artículo
- Estado
- versión publicada
- Descripción
- Watermelon is a fruit produced around the world. Unfortunately, about half of it—the rind—is usually discarded as waste. To transform such waste into a useful product like flour, a thermal treatment is needed. The drying temperature for the rind that produces flour with the best characteristics is most important. A multiobjective optimization (MOO) procedure was applied to define the optimum drying temperature for the rind flour fabrication to be used in bakery products. A neural network model of the fabrication process was developed with the drying temperature as input and five process indicators as outputs. The group of process indicators comprised acidity, pH, water-holding capacity (WHC), oil-holding capacity (OHC), and batch time. Those indicators represent conflicting objectives that are to be balanced by the MOO procedure using the weighted distance method. The MOO process showed that the temperature interval from 67.3 °C to 73.1 °C holds the compromise solutions for the conflicting indicators based on the stakeholder’s preferences. Optimum indicator were 0.12–0.19 g malic acid/100 g dwb (acidity), 5.7–5.8 (pH), 8.93–9.08 g H2O/g dwb (WHC), 1.46–1.56 g oil/g dwb (OHC), and 128–139 min (drying time).
Fil: Capossio, Juan Pablo. Consejo Nacional de Investigaciones Científicas y Técnicas. Centro Científico Tecnológico Conicet - Patagonia Norte. Instituto de Investigación y Desarrollo en Ingeniería de Procesos, Biotecnología y Energías Alternativas. Universidad Nacional del Comahue. Instituto de Investigación y Desarrollo en Ingeniería de Procesos, Biotecnología y Energías Alternativas; Argentina
Fil: Fabani, Maria Paula. Consejo Nacional de Investigaciones Cientificas y Tecnicas. Centro Cientifico Tecnologico Conicet - Patagonia Confluencia. Instituto de Investigacion y Desarrollo En Ingenieria de Procesos, Biotecnologia y Energias Alternativas. Grupo Vinculado Instituto de Ingenieria Quimica | Universidad Nacional del Comahue. Instituto de Investigacion y Desarrollo En Ingenieria de Procesos, Biotecnologia y Energias Alternativas. Grupo Vinculado Instituto de Ingenieria Quimica.; Argentina
Fil: Román Barón, María Celia. Consejo Nacional de Investigaciones Cientificas y Tecnicas. Centro Cientifico Tecnologico Conicet - Patagonia Confluencia. Instituto de Investigacion y Desarrollo En Ingenieria de Procesos, Biotecnologia y Energias Alternativas. Grupo Vinculado Instituto de Ingenieria Quimica | Universidad Nacional del Comahue. Instituto de Investigacion y Desarrollo En Ingenieria de Procesos, Biotecnologia y Energias Alternativas. Grupo Vinculado Instituto de Ingenieria Quimica.; Argentina
Fil: Zhang, Xin. Beijing Academy Of Food Sciences; China
Fil: Baeyens, Jan. No especifíca;
Fil: Rodriguez, Rosa Ana. Consejo Nacional de Investigaciones Cientificas y Tecnicas. Centro Cientifico Tecnologico Conicet - Patagonia Confluencia. Instituto de Investigacion y Desarrollo En Ingenieria de Procesos, Biotecnologia y Energias Alternativas. Grupo Vinculado Instituto de Ingenieria Quimica | Universidad Nacional del Comahue. Instituto de Investigacion y Desarrollo En Ingenieria de Procesos, Biotecnologia y Energias Alternativas. Grupo Vinculado Instituto de Ingenieria Quimica.; Argentina
Fil: Mazza, German Delfor. Consejo Nacional de Investigaciones Científicas y Técnicas. Centro Científico Tecnológico Conicet - Patagonia Norte. Instituto de Investigación y Desarrollo en Ingeniería de Procesos, Biotecnología y Energías Alternativas. Universidad Nacional del Comahue. Instituto de Investigación y Desarrollo en Ingeniería de Procesos, Biotecnología y Energías Alternativas; Argentina - Materia
-
BY-PRODUCT
MULTIOBJECTIVE OPTIMIZATION
NEURAL NETWORK MODELING
WASTE VALORIZATION
WATERMELON RIND - Nivel de accesibilidad
- acceso abierto
- Condiciones de uso
- https://creativecommons.org/licenses/by/2.5/ar/
- Repositorio
- Institución
- Consejo Nacional de Investigaciones Científicas y Técnicas
- OAI Identificador
- oai:ri.conicet.gov.ar:11336/218053
Ver los metadatos del registro completo
id |
CONICETDig_fdcc37573edfe4a6a59b64fb3c7e91c3 |
---|---|
oai_identifier_str |
oai:ri.conicet.gov.ar:11336/218053 |
network_acronym_str |
CONICETDig |
repository_id_str |
3498 |
network_name_str |
CONICET Digital (CONICET) |
spelling |
Zero Waste Watermelon Production through Non-Traditional Rind Flour: Multi-Objective Optimization of the Fabrication ProcessCapossio, Juan PabloFabani, Maria PaulaRomán Barón, María CeliaZhang, XinBaeyens, JanRodriguez, Rosa AnaMazza, German DelforBY-PRODUCTMULTIOBJECTIVE OPTIMIZATIONNEURAL NETWORK MODELINGWASTE VALORIZATIONWATERMELON RINDhttps://purl.org/becyt/ford/2.4https://purl.org/becyt/ford/2Watermelon is a fruit produced around the world. Unfortunately, about half of it—the rind—is usually discarded as waste. To transform such waste into a useful product like flour, a thermal treatment is needed. The drying temperature for the rind that produces flour with the best characteristics is most important. A multiobjective optimization (MOO) procedure was applied to define the optimum drying temperature for the rind flour fabrication to be used in bakery products. A neural network model of the fabrication process was developed with the drying temperature as input and five process indicators as outputs. The group of process indicators comprised acidity, pH, water-holding capacity (WHC), oil-holding capacity (OHC), and batch time. Those indicators represent conflicting objectives that are to be balanced by the MOO procedure using the weighted distance method. The MOO process showed that the temperature interval from 67.3 °C to 73.1 °C holds the compromise solutions for the conflicting indicators based on the stakeholder’s preferences. Optimum indicator were 0.12–0.19 g malic acid/100 g dwb (acidity), 5.7–5.8 (pH), 8.93–9.08 g H2O/g dwb (WHC), 1.46–1.56 g oil/g dwb (OHC), and 128–139 min (drying time).Fil: Capossio, Juan Pablo. Consejo Nacional de Investigaciones Científicas y Técnicas. Centro Científico Tecnológico Conicet - Patagonia Norte. Instituto de Investigación y Desarrollo en Ingeniería de Procesos, Biotecnología y Energías Alternativas. Universidad Nacional del Comahue. Instituto de Investigación y Desarrollo en Ingeniería de Procesos, Biotecnología y Energías Alternativas; ArgentinaFil: Fabani, Maria Paula. Consejo Nacional de Investigaciones Cientificas y Tecnicas. Centro Cientifico Tecnologico Conicet - Patagonia Confluencia. Instituto de Investigacion y Desarrollo En Ingenieria de Procesos, Biotecnologia y Energias Alternativas. Grupo Vinculado Instituto de Ingenieria Quimica | Universidad Nacional del Comahue. Instituto de Investigacion y Desarrollo En Ingenieria de Procesos, Biotecnologia y Energias Alternativas. Grupo Vinculado Instituto de Ingenieria Quimica.; ArgentinaFil: Román Barón, María Celia. Consejo Nacional de Investigaciones Cientificas y Tecnicas. Centro Cientifico Tecnologico Conicet - Patagonia Confluencia. Instituto de Investigacion y Desarrollo En Ingenieria de Procesos, Biotecnologia y Energias Alternativas. Grupo Vinculado Instituto de Ingenieria Quimica | Universidad Nacional del Comahue. Instituto de Investigacion y Desarrollo En Ingenieria de Procesos, Biotecnologia y Energias Alternativas. Grupo Vinculado Instituto de Ingenieria Quimica.; ArgentinaFil: Zhang, Xin. Beijing Academy Of Food Sciences; ChinaFil: Baeyens, Jan. No especifíca;Fil: Rodriguez, Rosa Ana. Consejo Nacional de Investigaciones Cientificas y Tecnicas. Centro Cientifico Tecnologico Conicet - Patagonia Confluencia. Instituto de Investigacion y Desarrollo En Ingenieria de Procesos, Biotecnologia y Energias Alternativas. Grupo Vinculado Instituto de Ingenieria Quimica | Universidad Nacional del Comahue. Instituto de Investigacion y Desarrollo En Ingenieria de Procesos, Biotecnologia y Energias Alternativas. Grupo Vinculado Instituto de Ingenieria Quimica.; ArgentinaFil: Mazza, German Delfor. Consejo Nacional de Investigaciones Científicas y Técnicas. Centro Científico Tecnológico Conicet - Patagonia Norte. Instituto de Investigación y Desarrollo en Ingeniería de Procesos, Biotecnología y Energías Alternativas. Universidad Nacional del Comahue. Instituto de Investigación y Desarrollo en Ingeniería de Procesos, Biotecnología y Energías Alternativas; ArgentinaMDPI2022-10info:eu-repo/semantics/articleinfo:eu-repo/semantics/publishedVersionhttp://purl.org/coar/resource_type/c_6501info:ar-repo/semantics/articuloapplication/pdfapplication/pdfapplication/pdfapplication/pdfapplication/pdfapplication/pdfhttp://hdl.handle.net/11336/218053Capossio, Juan Pablo; Fabani, Maria Paula; Román Barón, María Celia; Zhang, Xin; Baeyens, Jan; et al.; Zero Waste Watermelon Production through Non-Traditional Rind Flour: Multi-Objective Optimization of the Fabrication Process; MDPI; Processes; 10; 10; 10-2022; 1-222227-9717CONICET DigitalCONICETenginfo:eu-repo/semantics/altIdentifier/doi/10.3390/pr10101984info:eu-repo/semantics/openAccesshttps://creativecommons.org/licenses/by/2.5/ar/reponame:CONICET Digital (CONICET)instname:Consejo Nacional de Investigaciones Científicas y Técnicas2025-09-29T09:40:11Zoai:ri.conicet.gov.ar:11336/218053instacron:CONICETInstitucionalhttp://ri.conicet.gov.ar/Organismo científico-tecnológicoNo correspondehttp://ri.conicet.gov.ar/oai/requestdasensio@conicet.gov.ar; lcarlino@conicet.gov.arArgentinaNo correspondeNo correspondeNo correspondeopendoar:34982025-09-29 09:40:11.997CONICET Digital (CONICET) - Consejo Nacional de Investigaciones Científicas y Técnicasfalse |
dc.title.none.fl_str_mv |
Zero Waste Watermelon Production through Non-Traditional Rind Flour: Multi-Objective Optimization of the Fabrication Process |
title |
Zero Waste Watermelon Production through Non-Traditional Rind Flour: Multi-Objective Optimization of the Fabrication Process |
spellingShingle |
Zero Waste Watermelon Production through Non-Traditional Rind Flour: Multi-Objective Optimization of the Fabrication Process Capossio, Juan Pablo BY-PRODUCT MULTIOBJECTIVE OPTIMIZATION NEURAL NETWORK MODELING WASTE VALORIZATION WATERMELON RIND |
title_short |
Zero Waste Watermelon Production through Non-Traditional Rind Flour: Multi-Objective Optimization of the Fabrication Process |
title_full |
Zero Waste Watermelon Production through Non-Traditional Rind Flour: Multi-Objective Optimization of the Fabrication Process |
title_fullStr |
Zero Waste Watermelon Production through Non-Traditional Rind Flour: Multi-Objective Optimization of the Fabrication Process |
title_full_unstemmed |
Zero Waste Watermelon Production through Non-Traditional Rind Flour: Multi-Objective Optimization of the Fabrication Process |
title_sort |
Zero Waste Watermelon Production through Non-Traditional Rind Flour: Multi-Objective Optimization of the Fabrication Process |
dc.creator.none.fl_str_mv |
Capossio, Juan Pablo Fabani, Maria Paula Román Barón, María Celia Zhang, Xin Baeyens, Jan Rodriguez, Rosa Ana Mazza, German Delfor |
author |
Capossio, Juan Pablo |
author_facet |
Capossio, Juan Pablo Fabani, Maria Paula Román Barón, María Celia Zhang, Xin Baeyens, Jan Rodriguez, Rosa Ana Mazza, German Delfor |
author_role |
author |
author2 |
Fabani, Maria Paula Román Barón, María Celia Zhang, Xin Baeyens, Jan Rodriguez, Rosa Ana Mazza, German Delfor |
author2_role |
author author author author author author |
dc.subject.none.fl_str_mv |
BY-PRODUCT MULTIOBJECTIVE OPTIMIZATION NEURAL NETWORK MODELING WASTE VALORIZATION WATERMELON RIND |
topic |
BY-PRODUCT MULTIOBJECTIVE OPTIMIZATION NEURAL NETWORK MODELING WASTE VALORIZATION WATERMELON RIND |
purl_subject.fl_str_mv |
https://purl.org/becyt/ford/2.4 https://purl.org/becyt/ford/2 |
dc.description.none.fl_txt_mv |
Watermelon is a fruit produced around the world. Unfortunately, about half of it—the rind—is usually discarded as waste. To transform such waste into a useful product like flour, a thermal treatment is needed. The drying temperature for the rind that produces flour with the best characteristics is most important. A multiobjective optimization (MOO) procedure was applied to define the optimum drying temperature for the rind flour fabrication to be used in bakery products. A neural network model of the fabrication process was developed with the drying temperature as input and five process indicators as outputs. The group of process indicators comprised acidity, pH, water-holding capacity (WHC), oil-holding capacity (OHC), and batch time. Those indicators represent conflicting objectives that are to be balanced by the MOO procedure using the weighted distance method. The MOO process showed that the temperature interval from 67.3 °C to 73.1 °C holds the compromise solutions for the conflicting indicators based on the stakeholder’s preferences. Optimum indicator were 0.12–0.19 g malic acid/100 g dwb (acidity), 5.7–5.8 (pH), 8.93–9.08 g H2O/g dwb (WHC), 1.46–1.56 g oil/g dwb (OHC), and 128–139 min (drying time). Fil: Capossio, Juan Pablo. Consejo Nacional de Investigaciones Científicas y Técnicas. Centro Científico Tecnológico Conicet - Patagonia Norte. Instituto de Investigación y Desarrollo en Ingeniería de Procesos, Biotecnología y Energías Alternativas. Universidad Nacional del Comahue. Instituto de Investigación y Desarrollo en Ingeniería de Procesos, Biotecnología y Energías Alternativas; Argentina Fil: Fabani, Maria Paula. Consejo Nacional de Investigaciones Cientificas y Tecnicas. Centro Cientifico Tecnologico Conicet - Patagonia Confluencia. Instituto de Investigacion y Desarrollo En Ingenieria de Procesos, Biotecnologia y Energias Alternativas. Grupo Vinculado Instituto de Ingenieria Quimica | Universidad Nacional del Comahue. Instituto de Investigacion y Desarrollo En Ingenieria de Procesos, Biotecnologia y Energias Alternativas. Grupo Vinculado Instituto de Ingenieria Quimica.; Argentina Fil: Román Barón, María Celia. Consejo Nacional de Investigaciones Cientificas y Tecnicas. Centro Cientifico Tecnologico Conicet - Patagonia Confluencia. Instituto de Investigacion y Desarrollo En Ingenieria de Procesos, Biotecnologia y Energias Alternativas. Grupo Vinculado Instituto de Ingenieria Quimica | Universidad Nacional del Comahue. Instituto de Investigacion y Desarrollo En Ingenieria de Procesos, Biotecnologia y Energias Alternativas. Grupo Vinculado Instituto de Ingenieria Quimica.; Argentina Fil: Zhang, Xin. Beijing Academy Of Food Sciences; China Fil: Baeyens, Jan. No especifíca; Fil: Rodriguez, Rosa Ana. Consejo Nacional de Investigaciones Cientificas y Tecnicas. Centro Cientifico Tecnologico Conicet - Patagonia Confluencia. Instituto de Investigacion y Desarrollo En Ingenieria de Procesos, Biotecnologia y Energias Alternativas. Grupo Vinculado Instituto de Ingenieria Quimica | Universidad Nacional del Comahue. Instituto de Investigacion y Desarrollo En Ingenieria de Procesos, Biotecnologia y Energias Alternativas. Grupo Vinculado Instituto de Ingenieria Quimica.; Argentina Fil: Mazza, German Delfor. Consejo Nacional de Investigaciones Científicas y Técnicas. Centro Científico Tecnológico Conicet - Patagonia Norte. Instituto de Investigación y Desarrollo en Ingeniería de Procesos, Biotecnología y Energías Alternativas. Universidad Nacional del Comahue. Instituto de Investigación y Desarrollo en Ingeniería de Procesos, Biotecnología y Energías Alternativas; Argentina |
description |
Watermelon is a fruit produced around the world. Unfortunately, about half of it—the rind—is usually discarded as waste. To transform such waste into a useful product like flour, a thermal treatment is needed. The drying temperature for the rind that produces flour with the best characteristics is most important. A multiobjective optimization (MOO) procedure was applied to define the optimum drying temperature for the rind flour fabrication to be used in bakery products. A neural network model of the fabrication process was developed with the drying temperature as input and five process indicators as outputs. The group of process indicators comprised acidity, pH, water-holding capacity (WHC), oil-holding capacity (OHC), and batch time. Those indicators represent conflicting objectives that are to be balanced by the MOO procedure using the weighted distance method. The MOO process showed that the temperature interval from 67.3 °C to 73.1 °C holds the compromise solutions for the conflicting indicators based on the stakeholder’s preferences. Optimum indicator were 0.12–0.19 g malic acid/100 g dwb (acidity), 5.7–5.8 (pH), 8.93–9.08 g H2O/g dwb (WHC), 1.46–1.56 g oil/g dwb (OHC), and 128–139 min (drying time). |
publishDate |
2022 |
dc.date.none.fl_str_mv |
2022-10 |
dc.type.none.fl_str_mv |
info:eu-repo/semantics/article info:eu-repo/semantics/publishedVersion http://purl.org/coar/resource_type/c_6501 info:ar-repo/semantics/articulo |
format |
article |
status_str |
publishedVersion |
dc.identifier.none.fl_str_mv |
http://hdl.handle.net/11336/218053 Capossio, Juan Pablo; Fabani, Maria Paula; Román Barón, María Celia; Zhang, Xin; Baeyens, Jan; et al.; Zero Waste Watermelon Production through Non-Traditional Rind Flour: Multi-Objective Optimization of the Fabrication Process; MDPI; Processes; 10; 10; 10-2022; 1-22 2227-9717 CONICET Digital CONICET |
url |
http://hdl.handle.net/11336/218053 |
identifier_str_mv |
Capossio, Juan Pablo; Fabani, Maria Paula; Román Barón, María Celia; Zhang, Xin; Baeyens, Jan; et al.; Zero Waste Watermelon Production through Non-Traditional Rind Flour: Multi-Objective Optimization of the Fabrication Process; MDPI; Processes; 10; 10; 10-2022; 1-22 2227-9717 CONICET Digital CONICET |
dc.language.none.fl_str_mv |
eng |
language |
eng |
dc.relation.none.fl_str_mv |
info:eu-repo/semantics/altIdentifier/doi/10.3390/pr10101984 |
dc.rights.none.fl_str_mv |
info:eu-repo/semantics/openAccess https://creativecommons.org/licenses/by/2.5/ar/ |
eu_rights_str_mv |
openAccess |
rights_invalid_str_mv |
https://creativecommons.org/licenses/by/2.5/ar/ |
dc.format.none.fl_str_mv |
application/pdf application/pdf application/pdf application/pdf application/pdf application/pdf |
dc.publisher.none.fl_str_mv |
MDPI |
publisher.none.fl_str_mv |
MDPI |
dc.source.none.fl_str_mv |
reponame:CONICET Digital (CONICET) instname:Consejo Nacional de Investigaciones Científicas y Técnicas |
reponame_str |
CONICET Digital (CONICET) |
collection |
CONICET Digital (CONICET) |
instname_str |
Consejo Nacional de Investigaciones Científicas y Técnicas |
repository.name.fl_str_mv |
CONICET Digital (CONICET) - Consejo Nacional de Investigaciones Científicas y Técnicas |
repository.mail.fl_str_mv |
dasensio@conicet.gov.ar; lcarlino@conicet.gov.ar |
_version_ |
1844613271617798144 |
score |
13.070432 |