Upload
vunguyet
View
216
Download
0
Embed Size (px)
Citation preview
VII CAIQ 2013 y 2das JASP
AAIQ Asociación Argentina de Ingenieros Químicos - CSPQ
UTILIZACIÓN DE MODELOS NUMÉRICOS PARA LA
OPTIMIZACIÓN DEL TRATAMIENTO TÉRMICO Y
CONGELACIÓN DE VEGETALES
M.V. Santos1,2*, A. Califano
1 y N. Zaritzky
1,2
1Facultad de Ingeniería, Universidad Nacional de La Plata, 1 y 47, 1900 La Plata,
Buenos Aires; 2Centro de Investigación y Desarrollo en Criotecnología de Alimentos-
Facultad de Ciencias Exactas, UNLP, CONICET La Plata, Argentina.
E-mail: [email protected]
Resumen. Los repollitos de Bruselas (Brassica oleracea) son vegetales
crucíferos que contienen diversas vitaminas, sales minerales y antioxidantes.
Por esta razón para cumplir con la demanda continua de estos productos su
comercialización se realiza en forma pre-cocida congelada. Dado que en el
almacenamiento congelado existe actividad enzimática responsable del
deterioro en la textura, sabor y aromas, es necesario realizar un tratamiento
térmico que contribuya a inactivar las enzimas responsables de dicho
deterioro, como son la peroxidasa (POD) y lipoxigenasa (LOX).
Industrialmente es importante conocer los requerimientos energéticos para
procesar estos vegetales lo que implica estimar correctamente los tiempos de
proceso. Teniendo en cuenta este objetivo se realizó la simulación numérica
del proceso de transferencia de energía durante el calentamiento y
congelación considerando dos aspectos importantes: i) el acoplamiento de la
cinética de inactivación enzimática de LOX y POD durante el
calentamiento, ii) el cambio de fase durante la congelación. Asimismo, se
consideró el contorno irregular del vegetal asimilando la geometría real
como un sólido de revolución. Se utilizó el método de los elementos finitos
dado que es un método numérico especialmente útil para resolver problemas
donde existen geometrías irregulares. Se desarrolló un programa propio
* A quien debe enviarse toda la correspondencia
VII CAIQ 2013 y 2das JASP
AAIQ, Asociación Argentina de Ingenieros Químicos - CSPQ
utilizando el lenguaje de Matlab, que permitió el acoplamiento de subrutinas
específicas como la cinética de inactivación enzimática. Las predicciones
numéricas concordaron satisfactoriamente con los resultados experimentales
para los procesos térmicos a los cuales fueron sometidos los vegetales,
logrando así la optimización del procesamiento integral de vegetales pre-
cocidos congelados a los efectos de lograr una adecuada calidad.
Palabras clave: Inactivación enzimática, Simulación numérica,
Vegetales pre-cocidos congelados.
1. Introducción
El proceso de congelación es uno de los métodos más efectivos de preservación de
vegetales por períodos largos, sin embargo algunos aspectos como la textura, contenido
de nutrientes, y sabor se ven muy alterados si no se emplea un tratamiento térmico
previo. La causa de esto radica en la presencia de actividad enzimática aún a
temperaturas menores a 0°C. Las peroxidasa es una de las enzimas más utilizada para
monitorear la inactivación dada su gran resistencia térmica. Para un tratamiento térmico
óptimo y evitar un excesivo calentamiento se recomienda una concentración residual de
peroxidasa de 7.5-11% en repollitos de Bruselas. Estudios sensoriales en leguminosas
verdes (“green peas”, “green beans”) indicaron que la presencia de la enzima
lipoxigenasa es la responsable de modificaciones indeseables de sabor y aroma, por eso
se la ha seleccionado como indicadora de un buen tratamiento térmico previo a la
congelación. Se ha descubierto en estudios previos (Gunes y Bayindirh 1993) que
ambas enzimas presentan una curva de inactivación bifásica, lo que demuestra la
presencia de una fracción termolábil y una termo-resistente de un mismo compuesto
enzimático. Los vegetales son una fuente esencial de nutrientes necesarios en la ingesta
diaria. Por esta razón la demanda continua de estos productos durante todo el año
genera su comercialización en forma congelada. Los alimentos congelados son un sector
muy importante del mercado creciendo a un ritmo del 10% en Latinoamérica. Los
repollitos de Bruselas (Brassica oleracea) son vegetales crucíferos que contienen
muchas propiedades nutricionales como antioxidantes (carotenoides, flavonoides, ácido
VII CAIQ 2013 y 2das JASP
AAIQ, Asociación Argentina de Ingenieros Químicos - CSPQ
fólico, vitamina C, tocoferoles y tocotrienoles). Industrialmente es necesario conocer
tiempos de proceso en todas sus etapas, es decir escaldado/cocción y congelación. La
geometría del alimento juega un rol importante cuando se encara la simulación
numérica de estos procesos donde existe transferencia de energía y la consideración de
geometrías no irregulares puede llevar a resultados erróneos. El método de los
elementos finitos (MEF) es un método numérico especialmente útil para resolver
problemas de transferencia de calor en geometrías irregulares, ya que permite que los
elementos de interpolación se ajusten a contornos curvilíneos complejos. Sin embargo
los problemas de cambio de fase con MEF generalmente resultan no convergentes
requiriendo una reformulación del problema matemático utilizando como variable la
entalpía en lugar de la temperatura. Los objetivos del presente trabajo son: a) desarrollar
un programa utilizando el MEF para simular la transferencia de calor durante el
escaldado/cocción y congelación de repollitos de Bruselas considerando la geometría
real del alimento, b) medir experimentalmente mediante Calorimetría Diferencial de
Barrido (DSC) propiedades termofísicas del vegetal para luego incorporarlas al
programa computacional, c) acoplar la cinética de inactivación enzimática de POD y
LOX considerando sus fracciones termolábiles y resistentes, con el objeto de optimizar
el proceso, c) validar los modelos numéricos con resultados experimentales para las
distintas etapas del proceso.
2. Modelado Matemático del Procesamiento Térmico
2.1. Simulación numérica del tratamiento térmico y del proceso de congelación.
Se desarrolló un código en elementos finitos para resolver la ecuación a derivadas
parciales de conducción de calor en estado transiente (Ec.1) incorporando propiedades
térmicas dependientes de la temperatura.
( )T)T(kt
T)T(Cp)T(ρ ∇• ∇=
∂
∂ (1)
Se utilizó una transformación de variables expresando la Ec. (1) en términos de
entalpía (Ha) y la función de Kirchhoff (E) que es la integral de la conductividad
térmica (Ecs. 2-3). Las ecuaciones que describen las transformaciones son:
VII CAIQ 2013 y 2das JASP
AAIQ, Asociación Argentina de Ingenieros Químicos - CSPQ
dT)T(Cp)T(ρ)T(H
T
T
a*
∫= (2)
dT)T(k)T(E
T
T*
∫= (3)
Esta metodología es muy útil cuando se trata de encarar problemas de cambio de fase
como es el caso de la congelación de alimentos donde existen cambios abruptos de las
propiedades térmicas con la temperatura. La Ec. (1) transformada en variable entalpía y
función de Kirchhoff resulta en:
Et
H2a
∇=∂
∂ (4)
Luego de aplicar la formulación variacional del MEF el sistema discretizado
constituye un sistema de ecuaciones diferenciales ordinario, con tantas ecuaciones como
nodos tiene la malla:
FGTMGEKGdt
dHCG
a=++ (5)
donde CG, KG y MG son la matriz global de capacitancia, conductancia, y matriz
global convectiva, respectivamente. El vector FG es el vector global de fuerzas que
tiene en cuenta el coeficiente de transferencia de calor en la interfase (h). Un aspecto
muy importante del código computacional desarrollado es que permite simular tanto el
proceso térmico de calentamiento y enfriamiento (que son problemas matemáticos
lineales) como el proceso de congelación (proceso no-lineal con cambio de fase) en un
único código propio, es decir sin utilizar software comercial. Esta ventaja radica en la
utilización de la variable entálpica para describir el fenómeno de transferencia de
energía. El vegetal fue considerado como un sólido de revolución cuyo contorno
irregular se obtuvo a través de imágenes digitales. Estas imágenes fueron luego
importadas al mallador para la discretización de los objetos en elementos triangulares.
VII CAIQ 2013 y 2das JASP
AAIQ, Asociación Argentina de Ingenieros Químicos - CSPQ
Se desarrolló un programa en elementos finitos utilizando el lenguaje Matlab. El
problema matemático original en temperatura fue reformulado utilizando un cambio de
variable en Entalpía y empleando la función de Kirchhoff (integral de la conductividad
térmica). El programa permite el acoplamiento de subrutinas específicas como la
cinética de inactivación de enzimas y cambios de calidad.
2.2. Modelado Matemático de la Inactivación Enzimática.
Ling y Lund (1978) describieron la inactivación de enzimas en términos de un
modelo constituido por dos cinéticas de primer orden, la primera correspondiente a una
fracción termo-lábil y la segunda a una fracción termoresistente. Estos autores testearon
la aplicabilidad del modelo usando peroxidasa de rábano picante (“horseradish”) de
origen comercial. La velocidad de reacción de cada isoenzima se puede escribir como:
LL
LCk
dt
dC= (6)
donde CL y Cr es la concentración de enzima lábil y resistente en unidades de actividad
enzimática (AE/g seco) respectivamente, y kL y kr son las constantes de reacción de la
fracciones lábil y resistente, respectivamente. La concentración de enzima a t=0 y a un
tiempo t durante el tratamiento térmico se escribe como:
Looro CCC += Lr CCC += (7)
donde CoL y Cor son la concentración inicial de enzima lábil y resistente,
respectivamente. Integrando las ecuaciones se llega a:
)dtT
1
)t,z,r(T
1
R
Eexpkexp(
C
Ctp
0 R
aLRL
oL
L ∫ --
-
(8)
VII CAIQ 2013 y 2das JASP
AAIQ, Asociación Argentina de Ingenieros Químicos - CSPQ
)dtT
1
)t,z,r(T
1
R
Eexpkexp(
C
Ctp
0 R
ar
rR
or
r ∫ --
-
(9)
donde Ea es la energía de activación de la isoenzima lábil o resistente, según se utilice el
subíndice r (resistente) o L (lábil). La kR es la constante de reacción a la temperatura de
referencia de la fracción lábil( kRL) o resistente ( kRr) de la enzima, TR es la temperatura
de referencia dada en (K), R es la constante universal de los gases (8.31439J/mol K) y
T(r,z,t) es la temperatura en función del tiempo y la posición dentro del alimento (K).
La concentración media de cada fracción para una dada enzima a cada tiempo se calcula
como:
∫
∫=
v
v
L
LdV
dV)t,z,r(C
C
∫
∫
v
v
r
rdV
dV)t,z,r(C
C (10)
Además se cumple que en promedio en todo el alimento la concentración media total
de enzima es: Lr CCC += . De esta manera es posible estimar la concentración media
de las enzimas en todo el vegetal, es decir de la fracción lábil, resistente y total en el
alimento a cada tiempo del proceso.
3. Trabajo Experimental
3.1. Determinación de las propiedades térmicas y coeficiente de transferencia de
calor de los sistemas estudiados
El calor específico de las hortalizas crucíferas, la temperatura de congelación inicial,
la cantidad de agua ligada y el calor latente de congelación del alimento, se midieron
utilizando calorimetría diferencial de barrido (DSC) en un Equipo DSC modelo Q100
controlado por un módulo TA 5000 (TA Instruments, New Castle, Delaware, USA). Se
determinaron los coeficientes de transferencia de calor en cada etapa para luego ser
incorporados en el modelo numérico. La conductividad térmica y la densidad del
vegetal en función de la temperatura se calcularon utilizando los modelos de Choi y
VII CAIQ 2013 y 2das JASP
AAIQ, Asociación Argentina de Ingenieros Químicos - CSPQ
Okos (1986) teniendo en cuenta la composición química de los repollitos de Bruselas
(USDA, 2011). Una vez obtenidas las propiedades térmicas, Cp, k, y ρ se procedió a
integrarlas en función de la temperatura para obtener la función Entalpía vs.
Temperatura y la función de Kirchhoff vs. Temperatura, las cuales son necesarias para
la simulación numérica.
3.2. Medición de historias térmicas
Muestras de repollitos de Bruselas fueron sometidas a un proceso térmico en agua
(temperatura menor a los 90°C) en un recipiente industrial (L=D=50cm). Las muestras
se sujetaron a un soporte antes de ser introducidos al agua para evitar que el producto
flotara. Luego se estabilizaron en una solución agua-hielo para posteriormente ser
introducidas en un túnel de congelación. Las historias térmicas dentro del producto y en
el fluido externo durante los procesos fueron obtenidas mediante termocuplas tipo T
conectadas a un equipo de adquisición de datos (TESTO175, TESTO AG, Alemania).
4. Resultados y Discusión
4.1. Generación de la malla
Los repollitos de Bruselas tienen una geometría irregular que puede asimilarse como
un sólido de revolución. Se tomaron imágenes digitales de cada muestra a procesar para
obtener el contorno irregular para luego generar la superficie de revolución y la
estructura general de la malla en nodos y elementos triangulares (Fig. 1).
Fig. 1. Imagen digital de una muestra de repollito de Bruselas junto con su contorno
irregular y discretización en elementos triangulares. Sólido de Revolución generado a
partir de la sección irregular.
VII CAIQ 2013 y 2das JASP
AAIQ, Asociación Argentina de Ingenieros Químicos - CSPQ
4.2. Propiedades Térmicas y Coeficientes de Transferencia de Calor
El coeficiente de transferencia de calor en la superficie en el recipiente con agua fue
de 650 W/m2K, valor determinado experimentalmente y además estimado a través de
una ecuación propuesta por Geankoplis (1993). Este valor es similar al h publicado por
Lamberg y Hällstrom (1986) para escaldado de papas en agua. Con respecto al
coeficiente de transferencia de calor en el aire del túnel de congelación escala piloto las
mediciones experimentales arrojaron valores entre 15-20 W/m2K, siendo h=19 W/m
2K
el valor que proporcionaba el mejor ajuste en el caso de repollitos de Bruselas. La
composición química de los repollitos Bruselas es de 86% agua, 0.3% lípidos, 3.38%
proteína, 1.37% cenizas. El porcentaje de agua en el alimento fue corroborado mediante
secado en estufa de vacío hasta obtener peso constante durante dos medidas
consecutivas. La temperatura inicial de congelación obtenida fue de -1⁰C, según el
método descripto por Fennema (1973). El calor específico aparente en función de la
temperatura, obtenido mediante DSC, se muestra en la Figura 2. La fracción en base
húmeda de agua ligada obtenida a través del termograma fue de xb=0.1843 (g de agua
ligada/g de alimento húmedo). Mediante la composición química del vegetal se lograron
estimar las curvas de conductividad y densidad en función de la temperatura (Choi y
Okos, 1986) para luego integrarlas junto con el Cp medido a través de DSC y obtener la
entalpía y función de Kirchhoff.
4.3. Validación experimental del Modelo Numérico
Las predicciones numéricas de las temperaturas concordaron satisfactoriamente con
los resultados experimentales para los procesos térmicos a los cuales fueron sometidos
los vegetales (Fig. 4). La raíz cuadrada del error cuadrático medio (RECM) fue de
2.47°C y se calculó mediante la ecuación:
N
)TT(RECM
2
predexp∑ - (11)
donde N es el número de datos considerados. El apartamiento más pronunciado del
modelo se ubicó al comienzo del calentamiento y podría adjudicarse al retraso en el
VII CAIQ 2013 y 2das JASP
AAIQ, Asociación Argentina de Ingenieros Químicos - CSPQ
tiempo de respuesta de la termocupla al cambio de la temperatura externa del agua.
donde N es el número de datos considerados. El apartamiento más pronunciado del
modelo se ubicó al comienzo del calentamiento y podría adjudicarse al retraso en el
tiempo de respuesta de la termocupla al cambio de la temperatura externa del agua. En
el caso del proceso de congelación de los vegetales el modelo presentó un ajuste muy
satisfactorio siendo el ESP=0.965°C.
Fig. 2. a) Calor específico aparente medido mediante DSC b) Conductividad Térmica
vs. Temperatura calculado mediante Choi y Okos (1983).
Fig. 3. a) Entalpía Volumétrica vs Temperatura b) Función de Kirchhoff vs.
Temperatura
4.4. Modelado de la Inactivación Enzimática.
Los parámetros cinéticos correspondientes a los vegetales utilizados en el modelo
fueron obtenidos de datos reportados por Morales-Blancas y col. (2002) para Brassica
oleracea var. italica.
La Tabla 1 resume los datos utilizados; las constantes cinéticas están evaluadas a la
temperatura de referencia de 80⁰C para ambas enzimas, peroxidasa y lipoxigenasa. Un
VII CAIQ 2013 y 2das JASP
AAIQ, Asociación Argentina de Ingenieros Químicos - CSPQ
Fig. 4. Temperaturas experimentales y predichas por el modelo durante a) el tratamiento
térmico. Posición de la termocupla r=0, z=25 x10-3 en metros. Temperatura del agua
85⁰C b) durante la congelación. Posición de la termocupla r=6x10-3, z=23.8 x10-3 en
metros. Temperatura del aire -25⁰C.
aspecto muy importante a tener en cuenta es la concentración inicial de enzima en el
vegetal que fue obtenida a partir de los resultados de Morales y col.(2002).
Para repollitos de Bruselas se tomó una concentración inicial de actividad enzimática
de 199.12 y 76.79 AE/g seco para POD y LOX respectivamente. Se ha utilizado el
método propuesto por Yamamoto (1961) para obtener la proporción resistente de la
isoenzima correspondiente a partir de la extrapolación lineal hacia el eje de las abscisas
de la curva de inactivación enzimática en la zona de la fracción termo-resistente.
Aplicando dicho método en cada tipo de enzima se obtuvo que la proporción termo-
resistente a termo-lábil fue de 23.54:76.46 para POD y 34.83:65.17 para LOX.
Tabla 1. Parámetros cinéticos utilizados en la simulación numérica de inactivación
enzimática.
LOX POD
EaL(J/mol) 6.1x104 7.5x10
4
Ear(J/mol) 5.5x104 5.8x10
4
kRL(s-1
) 223.4x10-4 496.0x10
-4
kRr(s-1
) 1.26x10-4
35.7x10-4
EaL(J/mol) 6.1x104 7.5x10
4
Se asumió en el modelo que la concentración de LOX y POD en el vegetal tenía una
distribución homogénea. En la Fig. 6a y b se muestran las predicciones numéricas del
Experimental
a) b)
VII CAIQ 2013 y 2das JASP
AAIQ, Asociación Argentina de Ingenieros Químicos - CSPQ
modelo desarrollado en el presente trabajo, que indican las variaciones de la
concentración media de las enzimas POD y LOX en todo el vegetal y sus fracciones
lábil y resistente en función del tiempo de calentamiento a 85ºC. El porcentaje de
enzima inactivada después de 10 minutos de tratamiento fue del 95% para POD y del
65.5% para LOX.
De acuerdo a resultados reportados por Olivera y col. (2007), un tratamiento a 100 ºC
durante 4 minutos de este vegetal permitió mantener una calidad adecuada del producto
congelado y almacenado a -18ºC durante 8 meses.
Aplicando el modelo desarrollado, a los datos de Olivera y col. (2007) resulta que
este tratamiento inactiva 49.15 % de LOX y 71% de POD. A 85ºC un proceso
equivalente en cuanto a porcentaje de inactivación sería de 5 minutos. El modelo por lo
tanto permite optimizar los procesos de transferencia de energía.
Fig. 6. Inactivación de enzima total (curva roja) , fracción lábil ( curva verde) y
resistente ( curva azul) expresada como AE/g producto seco, a) POD b) LOX
5. Conclusiones
El modelo numérico implementado permitió simular el proceso de calentamiento
(acoplando las cinéticas de inactivación enzimática) y de congelación de vegetales
(Repollitos de Bruselas), con el fin de representar el proceso global. Un aspecto a
resaltar es que se utilizó un código computacional propio tanto para simular el proceso
sin cambio de fase (calentamiento) como el de congelación (que incluye la variación de
las propiedades termofísicas con la temperatura). Se logró calcular la concentración
media de las enzimas peroxidasa y lipoxigenasa, en el producto, las cuales son
a) b)
VII CAIQ 2013 y 2das JASP
AAIQ, Asociación Argentina de Ingenieros Químicos - CSPQ
indicadoras del tratamiento térmico, considerando su cinética bifásica donde existen
isoenzimas termo-lábiles y resistentes. El modelo fue capaz de determinar los tiempos
adecuados de pre-tratamiento térmico y de congelación para lograr un producto vegetal
de óptima calidad.
Reconocimientos
Los autores agradecen las contribuciones recibidas del CONICET, la Universidad
Nacional de La Plata y ANPCYT de Argentina para la realización de este trabajo.
Referencias
Choi Y., Okos M. R. (1986) Effects of Temperature and Composition on the Thermal Properties of Foods. In Le
Magher and Jelen P. Food Engineering and Processs Applications. Vol 1. New York. 93-103.
Fennema O. R., Powrie, W. D., y Marth, E. H. (1973) Low Temperatures Preservation of Foods and Living Matter.
Marcel Dekker Inc. New York.
Geankoplis, C. J. (1993) Transport processes and unit operations (3rd ed.). Prentice Hall, New Jersey. (pp. 259–262).
Günes B, Bayindirh A. (1993) Peroxidase and lipoxygenase inactivation during blanching of green beans, green peas
and carrots. Lebensm–Wiss u-Technol 26(5), 406-410.
Ling A, Lund D. (1978) Determining kinetic parameter for thermal inactivation of heat-resistant and heat-labile
isozymes from thermal destruction curves. J Food Sci., 43(4), 1307-1310.
Morales-Blancas E.F., Chandia V.E., Cisneros-Zevallos L., (2002) Thermal Inactivation Kinetics of Peroxidase and
Lipoxygenase from Broccoli, Green Asparagus and Carrots. Journal of Food Science, 67(1), 146-154.
Olivera D.F., Viña S.Z., Marani C.M., Ferreyra R.M., Mugridge A., Chaves A.R., Mascheroni R.H. (2008) Effect of
blanching on the quality of Brussels sprouts (Brassica oleracea L. gemmifera DC) after frozen storage. Journal of
Food Engineering, 84, 148-155.
Powers, J.R., Costello M.J., Leung H.K. (1984). Peroxidase fractions from asparagus of varying heat stabilities. J
.Food Sci., 49(6), 1618-1619.
Yamamoto, H.Y., Steinberg, M.P., Nelson, A.I. (1962). Kinetic studies on the heat inactivation of peroxidase in
sweet corn. .J Food Sci. 27(1), 113-119.