Estudo do pré-resfriamento industrial de carcaças de aves usando métodos multivariados lineares e não-lineares

• Autor(a) principal: Sanchez, Jorge Leonardo
• Data de Publicação: 2014
• Tipo de documento: Trabalho de conclusão de curso
• Idioma: por
• Título da fonte: Repositório Institucional da UTFPR (da Universidade Tecnológica Federal do Paraná (RIUT))
• Texto Completo: http://repositorio.utfpr.edu.br/jspui/handle/1/6764
• topic: Engenharia de Alimentos; Análise de componentes principais; Redes neurais (Computação); Carne de ave; Controle de processo; Principal components analysis; Neural networks (Computer science); Poultry as food; Process control

Os dados extraídos em um processo industrial apresentam relações complexas, lineares ou não-lineares entre múltiplas variáveis. A utilização de métodos multivariados se faz necessária para um melhor aproveitamento das informações disponíveis e armazenadas corriqueiramente pelas indústrias. O objetivo deste trabalho foi estudar o comportamento do pré-resfriamento de carcaças de frango em sistemas de imersão em água e gelo, a partir de dados coletados em um abatedouro de aves, utilizando análise de componentes principais (ACP) e redes neurais artificiais (ANN). Por meio da ACP observou-se uma clara separação das amostras provenientes de cada linha de pré-resfriamento ao longo da primeira componente principal (CP1). Os mapas de pesos e os mapas topológicos obtidos por meio das redes neurais artificiais (mapas auto-organizáveis – SOM) possibilitaram a análise separada de cada variável do processo e sua contribuição para a segmentação das amostras. Ao comparar duas linhas de pré-resfriamento foi possível compreender melhor os principais fatores operacionais responsáveis pelo teor de água absorvida pela carcaça e sua temperatura final. O aumento na velocidade de abate, associado à alta variação na massa da carcaça, exigiu uma maior carga térmica ao sistema para a redução da temperatura da carcaça. A aplicação de métodos multivariados lineares e não-lineares foi eficiente na extração de informações para um melhor controle do processo.