Mejorando la calidad en cervezas artesanales mediante determinaciones fisicoquímicas y aplicación de técnicas de machine learning

Autores
Bianchi, María Agostina; Mansilla, Cecilia; Vazquez, Raimundo Damian; Benitez, Elisa Ines
Año de publicación
2022
Idioma
español castellano
Tipo de recurso
documento de conferencia
Estado
versión publicada
Descripción
La producción y consumo de cerveza artesanal en ferias y festivales es un fenómeno que crece año a año en el mundo, por ese motivo es importante evaluar y controlar no solo los parámetros fisicoquímicos y microbiológicos de las bebidas sino también parámetros involucrados en las características de calidad de los diferentes estilos, como por ejemplo grado alcohólico, color, amargor, aroma, entre otros, ya que ayuda a los productores regionales a mantener estilos propios y definidos que impactan directamente en los atributos buscado por los consumidores. En el presente trabajo se presentan los estudios realizados durante un año de seguimiento a los productores regionales para evaluar sus estilos más representativos. Se realizaron análisis fisicoquímicos de densidad final, color, alcohol, amargor y alfa-ácidos a 8 estilos de cervezas. Los 4 primeros parámetros son los que caracterizan a los estilos según la guía de estilos ?Beer Judge Certification Program (BJCP)?, la más difundida entre los productores. Para el análisis predictivo se utilizó la metodología de Machine Learning utilizando el programa WEKA (Waikato Environment for Knowledge Analysis), un banco de trabajo de aprendizaje automático implementado en Java de código abierto ampliamente utilizado. A través del análisis predictivo fue posible ofrecer alternativas al cervecero para catalogar sus estilos mediante los parámetros que mejor representen sus cervezas. Por otro lado, este estudio contribuyó a concientizar y revelar las falencias con las que se realizan los diferentes estilos para luego poder mejorar las recetas.
Fil: Bianchi, María Agostina. Consejo Nacional de Investigaciones Científicas y Técnicas. Centro Científico Tecnológico Conicet - Nordeste. Instituto de Química Básica y Aplicada del Nordeste Argentino. Universidad Nacional del Nordeste. Facultad de Ciencias Exactas Naturales y Agrimensura. Instituto de Química Básica y Aplicada del Nordeste Argentino; Argentina
Fil: Mansilla, Cecilia. Universidad Tecnológica Nacional. Facultad Regional Resistencia. Departamento de Ingeniería Química. Laboratorio de Química Teórica y Experimental; Argentina
Fil: Vazquez, Raimundo Damian. Universidad Tecnológica Nacional. Facultad Regional Resistencia. Departamento de Ingeniería Química; Argentina
Fil: Benitez, Elisa Ines. Consejo Nacional de Investigaciones Científicas y Técnicas. Centro Científico Tecnológico Conicet - Nordeste. Instituto de Química Básica y Aplicada del Nordeste Argentino. Universidad Nacional del Nordeste. Facultad de Ciencias Exactas Naturales y Agrimensura. Instituto de Química Básica y Aplicada del Nordeste Argentino; Argentina
VIII Congreso Internacional de Ciencia y Tecnología de Alimentos
Córdoba
Argentina
Ministerio de Ciencia y Tecnología de Córdoba
Materia
FISICOQUIMICO
CERVEZA
PREDICCION
Nivel de accesibilidad
acceso abierto
Condiciones de uso
https://creativecommons.org/licenses/by-nc-sa/2.5/ar/
Repositorio
CONICET Digital (CONICET)
Institución
Consejo Nacional de Investigaciones Científicas y Técnicas
OAI Identificador
oai:ri.conicet.gov.ar:11336/203383
Acceder
id CONICETDig_ffde9adeb17b5cf56db662786d420891
oai_identifier_str oai:ri.conicet.gov.ar:11336/203383
network_acronym_str CONICETDig
repository_id_str 3498
network_name_str CONICET Digital (CONICET)
spelling Mejorando la calidad en cervezas artesanales mediante determinaciones fisicoquímicas y aplicación de técnicas de machine learningBianchi, María AgostinaMansilla, CeciliaVazquez, Raimundo DamianBenitez, Elisa InesFISICOQUIMICOCERVEZAPREDICCIONhttps://purl.org/becyt/ford/2.4https://purl.org/becyt/ford/2La producción y consumo de cerveza artesanal en ferias y festivales es un fenómeno que crece año a año en el mundo, por ese motivo es importante evaluar y controlar no solo los parámetros fisicoquímicos y microbiológicos de las bebidas sino también parámetros involucrados en las características de calidad de los diferentes estilos, como por ejemplo grado alcohólico, color, amargor, aroma, entre otros, ya que ayuda a los productores regionales a mantener estilos propios y definidos que impactan directamente en los atributos buscado por los consumidores. En el presente trabajo se presentan los estudios realizados durante un año de seguimiento a los productores regionales para evaluar sus estilos más representativos. Se realizaron análisis fisicoquímicos de densidad final, color, alcohol, amargor y alfa-ácidos a 8 estilos de cervezas. Los 4 primeros parámetros son los que caracterizan a los estilos según la guía de estilos ?Beer Judge Certification Program (BJCP)?, la más difundida entre los productores. Para el análisis predictivo se utilizó la metodología de Machine Learning utilizando el programa WEKA (Waikato Environment for Knowledge Analysis), un banco de trabajo de aprendizaje automático implementado en Java de código abierto ampliamente utilizado. A través del análisis predictivo fue posible ofrecer alternativas al cervecero para catalogar sus estilos mediante los parámetros que mejor representen sus cervezas. Por otro lado, este estudio contribuyó a concientizar y revelar las falencias con las que se realizan los diferentes estilos para luego poder mejorar las recetas.Fil: Bianchi, María Agostina. Consejo Nacional de Investigaciones Científicas y Técnicas. Centro Científico Tecnológico Conicet - Nordeste. Instituto de Química Básica y Aplicada del Nordeste Argentino. Universidad Nacional del Nordeste. Facultad de Ciencias Exactas Naturales y Agrimensura. Instituto de Química Básica y Aplicada del Nordeste Argentino; ArgentinaFil: Mansilla, Cecilia. Universidad Tecnológica Nacional. Facultad Regional Resistencia. Departamento de Ingeniería Química. Laboratorio de Química Teórica y Experimental; ArgentinaFil: Vazquez, Raimundo Damian. Universidad Tecnológica Nacional. Facultad Regional Resistencia. Departamento de Ingeniería Química; ArgentinaFil: Benitez, Elisa Ines. Consejo Nacional de Investigaciones Científicas y Técnicas. Centro Científico Tecnológico Conicet - Nordeste. Instituto de Química Básica y Aplicada del Nordeste Argentino. Universidad Nacional del Nordeste. Facultad de Ciencias Exactas Naturales y Agrimensura. Instituto de Química Básica y Aplicada del Nordeste Argentino; ArgentinaVIII Congreso Internacional de Ciencia y Tecnología de AlimentosCórdobaArgentinaMinisterio de Ciencia y Tecnología de CórdobaMinisterio de Ciencia y Tecnología de Córdoba2022info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/conferenceObjectCongresoBookhttp://purl.org/coar/resource_type/c_5794info:ar-repo/semantics/documentoDeConferenciaapplication/pdfapplication/pdfapplication/pdfapplication/pdfhttp://hdl.handle.net/11336/203383Mejorando la calidad en cervezas artesanales mediante determinaciones fisicoquímicas y aplicación de técnicas de machine learning; VIII Congreso Internacional de Ciencia y Tecnología de Alimentos; Córdoba; Argentina; 2022; 1469-1469978-987-47203-5-1CONICET DigitalCONICETspainfo:eu-repo/semantics/altIdentifier/url/https://cicytac.cba.gov.ar/Internacionalinfo:eu-repo/semantics/openAccesshttps://creativecommons.org/licenses/by-nc-sa/2.5/ar/reponame:CONICET Digital (CONICET)instname:Consejo Nacional de Investigaciones Científicas y Técnicas2025-10-22T12:01:25Zoai:ri.conicet.gov.ar:11336/203383instacron: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:34982025-10-22 12:01:26.061CONICET Digital (CONICET) - Consejo Nacional de Investigaciones Científicas y Técnicasfalse
dc.title.none.fl_str_mv Mejorando la calidad en cervezas artesanales mediante determinaciones fisicoquímicas y aplicación de técnicas de machine learning
title Mejorando la calidad en cervezas artesanales mediante determinaciones fisicoquímicas y aplicación de técnicas de machine learning
spellingShingle Mejorando la calidad en cervezas artesanales mediante determinaciones fisicoquímicas y aplicación de técnicas de machine learning
Bianchi, María Agostina
FISICOQUIMICO
CERVEZA
PREDICCION
title_short Mejorando la calidad en cervezas artesanales mediante determinaciones fisicoquímicas y aplicación de técnicas de machine learning
title_full Mejorando la calidad en cervezas artesanales mediante determinaciones fisicoquímicas y aplicación de técnicas de machine learning
title_fullStr Mejorando la calidad en cervezas artesanales mediante determinaciones fisicoquímicas y aplicación de técnicas de machine learning
title_full_unstemmed Mejorando la calidad en cervezas artesanales mediante determinaciones fisicoquímicas y aplicación de técnicas de machine learning
title_sort Mejorando la calidad en cervezas artesanales mediante determinaciones fisicoquímicas y aplicación de técnicas de machine learning
dc.creator.none.fl_str_mv Bianchi, María Agostina
Mansilla, Cecilia
Vazquez, Raimundo Damian
Benitez, Elisa Ines
author Bianchi, María Agostina
author_facet Bianchi, María Agostina
Mansilla, Cecilia
Vazquez, Raimundo Damian
Benitez, Elisa Ines
author_role author
author2 Mansilla, Cecilia
Vazquez, Raimundo Damian
Benitez, Elisa Ines
author2_role author
author
author
dc.subject.none.fl_str_mv FISICOQUIMICO
CERVEZA
PREDICCION
topic FISICOQUIMICO
CERVEZA
PREDICCION
purl_subject.fl_str_mv https://purl.org/becyt/ford/2.4
https://purl.org/becyt/ford/2
dc.description.none.fl_txt_mv La producción y consumo de cerveza artesanal en ferias y festivales es un fenómeno que crece año a año en el mundo, por ese motivo es importante evaluar y controlar no solo los parámetros fisicoquímicos y microbiológicos de las bebidas sino también parámetros involucrados en las características de calidad de los diferentes estilos, como por ejemplo grado alcohólico, color, amargor, aroma, entre otros, ya que ayuda a los productores regionales a mantener estilos propios y definidos que impactan directamente en los atributos buscado por los consumidores. En el presente trabajo se presentan los estudios realizados durante un año de seguimiento a los productores regionales para evaluar sus estilos más representativos. Se realizaron análisis fisicoquímicos de densidad final, color, alcohol, amargor y alfa-ácidos a 8 estilos de cervezas. Los 4 primeros parámetros son los que caracterizan a los estilos según la guía de estilos ?Beer Judge Certification Program (BJCP)?, la más difundida entre los productores. Para el análisis predictivo se utilizó la metodología de Machine Learning utilizando el programa WEKA (Waikato Environment for Knowledge Analysis), un banco de trabajo de aprendizaje automático implementado en Java de código abierto ampliamente utilizado. A través del análisis predictivo fue posible ofrecer alternativas al cervecero para catalogar sus estilos mediante los parámetros que mejor representen sus cervezas. Por otro lado, este estudio contribuyó a concientizar y revelar las falencias con las que se realizan los diferentes estilos para luego poder mejorar las recetas.
Fil: Bianchi, María Agostina. Consejo Nacional de Investigaciones Científicas y Técnicas. Centro Científico Tecnológico Conicet - Nordeste. Instituto de Química Básica y Aplicada del Nordeste Argentino. Universidad Nacional del Nordeste. Facultad de Ciencias Exactas Naturales y Agrimensura. Instituto de Química Básica y Aplicada del Nordeste Argentino; Argentina
Fil: Mansilla, Cecilia. Universidad Tecnológica Nacional. Facultad Regional Resistencia. Departamento de Ingeniería Química. Laboratorio de Química Teórica y Experimental; Argentina
Fil: Vazquez, Raimundo Damian. Universidad Tecnológica Nacional. Facultad Regional Resistencia. Departamento de Ingeniería Química; Argentina
Fil: Benitez, Elisa Ines. Consejo Nacional de Investigaciones Científicas y Técnicas. Centro Científico Tecnológico Conicet - Nordeste. Instituto de Química Básica y Aplicada del Nordeste Argentino. Universidad Nacional del Nordeste. Facultad de Ciencias Exactas Naturales y Agrimensura. Instituto de Química Básica y Aplicada del Nordeste Argentino; Argentina
VIII Congreso Internacional de Ciencia y Tecnología de Alimentos
Córdoba
Argentina
Ministerio de Ciencia y Tecnología de Córdoba
description La producción y consumo de cerveza artesanal en ferias y festivales es un fenómeno que crece año a año en el mundo, por ese motivo es importante evaluar y controlar no solo los parámetros fisicoquímicos y microbiológicos de las bebidas sino también parámetros involucrados en las características de calidad de los diferentes estilos, como por ejemplo grado alcohólico, color, amargor, aroma, entre otros, ya que ayuda a los productores regionales a mantener estilos propios y definidos que impactan directamente en los atributos buscado por los consumidores. En el presente trabajo se presentan los estudios realizados durante un año de seguimiento a los productores regionales para evaluar sus estilos más representativos. Se realizaron análisis fisicoquímicos de densidad final, color, alcohol, amargor y alfa-ácidos a 8 estilos de cervezas. Los 4 primeros parámetros son los que caracterizan a los estilos según la guía de estilos ?Beer Judge Certification Program (BJCP)?, la más difundida entre los productores. Para el análisis predictivo se utilizó la metodología de Machine Learning utilizando el programa WEKA (Waikato Environment for Knowledge Analysis), un banco de trabajo de aprendizaje automático implementado en Java de código abierto ampliamente utilizado. A través del análisis predictivo fue posible ofrecer alternativas al cervecero para catalogar sus estilos mediante los parámetros que mejor representen sus cervezas. Por otro lado, este estudio contribuyó a concientizar y revelar las falencias con las que se realizan los diferentes estilos para luego poder mejorar las recetas.
publishDate 2022
dc.date.none.fl_str_mv 2022
dc.type.none.fl_str_mv info:eu-repo/semantics/publishedVersion
info:eu-repo/semantics/conferenceObject
Congreso
Book
http://purl.org/coar/resource_type/c_5794
info:ar-repo/semantics/documentoDeConferencia
status_str publishedVersion
format conferenceObject
dc.identifier.none.fl_str_mv http://hdl.handle.net/11336/203383
Mejorando la calidad en cervezas artesanales mediante determinaciones fisicoquímicas y aplicación de técnicas de machine learning; VIII Congreso Internacional de Ciencia y Tecnología de Alimentos; Córdoba; Argentina; 2022; 1469-1469
978-987-47203-5-1
CONICET Digital
CONICET
url http://hdl.handle.net/11336/203383
identifier_str_mv Mejorando la calidad en cervezas artesanales mediante determinaciones fisicoquímicas y aplicación de técnicas de machine learning; VIII Congreso Internacional de Ciencia y Tecnología de Alimentos; Córdoba; Argentina; 2022; 1469-1469
978-987-47203-5-1
CONICET Digital
CONICET
dc.language.none.fl_str_mv spa
language spa
dc.relation.none.fl_str_mv info:eu-repo/semantics/altIdentifier/url/https://cicytac.cba.gov.ar/
dc.rights.none.fl_str_mv info:eu-repo/semantics/openAccess
https://creativecommons.org/licenses/by-nc-sa/2.5/ar/
eu_rights_str_mv openAccess
rights_invalid_str_mv https://creativecommons.org/licenses/by-nc-sa/2.5/ar/
dc.format.none.fl_str_mv application/pdf
application/pdf
application/pdf
application/pdf
dc.coverage.none.fl_str_mv Internacional
dc.publisher.none.fl_str_mv Ministerio de Ciencia y Tecnología de Córdoba
publisher.none.fl_str_mv Ministerio de Ciencia y Tecnología de Córdoba
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_ 1846782346314907648
score 12.982451

Publicaciones similares