Robustez y Variabilidad de una Región de Alta Aceptabilidad en un Dulce de Zanahoria: Análisis Mediante Diseño de Mezclas y Simulación de Monte Carlo
DOI:
https://doi.org/10.70747/cr.v5i3.1173Palabras clave:
Dirichlet, Scheffé, diseño de mezclas, optimización, Monte CarloResumen
La formulación de alimentos basada en diseños de mezclas permite identificar regiones sensoriales prometedoras, aunque los óptimos predichos pueden resultar inestables cuando el dominio experimental es limitado. Este estudio caracterizó la estructura interna, la variabilidad y la robustez de una región de alta aceptabilidad delimitada para un dulce de zanahoria, mediante muestreo restringido de mezclas, un metamodelo cúbico especial y simulación de Monte Carlo. Se realizó un análisis computacional con polvo de zanahoria, una mezcla de chiles y sal como componentes restringidos. Se generaron combinaciones aleatorias dentro del simplex factible, se filtraron según los límites experimentales y se evaluaron mediante el metamodelo de referencia. Posteriormente, se analizaron la distribución de la aceptabilidad predicha, la robustez regional, la sensibilidad local, la incertidumbre predictiva y las formulaciones candidatas. La región experimental mostró una aceptabilidad heterogénea predicha, con zonas diferenciadas en lugar de un desempeño uniforme. Una subregión más estrecha presentó respuestas más estables y una mayor proporción de mezclas por encima del umbral de desempeño. La simulación de Monte Carlo mostró que la incertidumbre predictiva fue relevante, por lo que la selección de candidatas se basó en la aceptabilidad esperada, la probabilidad de cumplir el umbral y la amplitud del intervalo. En conclusión, la región delimitada se presentó como un espacio heterogéneo, dentro del cual la subregión prometedora ofreció una base consistente para seleccionar mezclas candidatas a la validación sensorial.
Citas
Adeyeye, A. D., Akpan, O. U., & Adedeji, P. A. (2022). Mixture model with inverse terms for weld-metal chemistry prediction as a function of saw flux ingredients. Nigerian Journal of Technology, 41(5), 870-878. https://doi.org/10.4314/njt.v41i5.7
Anaya-Esparza, L. M., Aurora-Vigo, E. F., Villagrán, Z., Rodríguez-Lafitte, E., Ruvalcaba-Gómez, J. M., Solano-Cornejo, M. Á., Zamora-Gasga, V. M., Montalvo-González, E., Gómez-Rodríguez, H., Aceves-Aldrete, C. E., & González-Silva, N. (2023). Design of Experiments for Optimizing Ultrasound-Assisted Extraction of Bioactive Compounds from Plant-Based Sources. Molecules, 28(23), 7752. https://doi.org/10.3390/molecules28237752
Becerra, M., & Goos, P. (2023). Bayesian D- and I-optimal designs for choice experiments involving mixtures and process variables. Food Quality and Preference, 110(104928). https://doi.org/10.1016/j.foodqual.2023.104928
BenJemaa, M., Rahali, F. Z., Falleh, H., Beji-Serairi, R., Megdiche-Ksouri, W., Hamrouni, I., Hammami, M., Nehme, R., Pereira, R. B., Andrés, S., Bouhallab, S., Pereira, D. M., Ceciliani, F., Abdennebi-Najar, L., & Ksouri, R. (2022). Essential Oil Stabilisation by Response Surface Methodology (RSM): Nanoemulsion Formulation, Physicochemical, Microbiological, and Sensory Investigations. Molecules, 27(21), 7330. https://doi.org/10.3390/molecules27217330
Boateng, I. D., Kuehnel, L., Daubert, C. R., Agliata, J., Zhang, W., Kumar, R., Flint-Garcia, S., Azlin, M., Somavat, P., & Wan, C. (2023). Updating the status quo on the extraction of bioactive compounds in agro-products using a two-pot multivariate design. A comprehensive review. Food & Function, 14(2), 569-601. https://doi.org/10.1039/D2FO02520E
Buruk Sahin, Y., Aktar Demirtaş, E., & Burnak, N. (2016). Mixture design: A review of recent applications in the food industry. Pamukkale University Journal of Engineering Sciences, 22(4), 297-304. https://doi.org/10.5505/pajes.2015.98598
De Souza, V. R., Pereira, P. A. P., Pinheiro, A. C. M., Nunes, C. A., Silva, T. L. T., Borges, S. V., & Queiroz, F. (2012). Multivariate approaches for optimization of the acceptance: Optimization of a Brazilian Cerrado fruit jam using mixture design and parallel factor analysis. Journal of Sensory Studies, 27(6), 417-424. https://doi.org/10.1111/joss.12005
Giannakourou, M. C., Lazou, A. E., & Dermesonlouoglou, E. K. (2020). Optimization of Osmotic Dehydration of Tomatoes in Solutions of Non-Conventional Sweeteners by Response Surface Methodology and Desirability Approach. Foods, 9(10), 1393. https://doi.org/10.3390/foods9101393
Hu, Y., Lu, Z., Hu, Z., Liu, G., Li, G., Huang, J., Chin, Y., Yuan, C., & Wang, D. (2025). Deep-sea salt as a novel additive for 3D-printed surimi: Boosting protein bonding, antioxidant capacity, and digestibility. Food Chemistry: X, 30, 102942. https://doi.org/10.1016/j.fochx.2025.102942
Jiang, Y., Bin Noor Azlee, N. I., Ko, W. S., Chen, K., Lim, B. G., & Nelson, A. Z. (2025). Plant-based protein extrusion optimization: Comparison between machine learning and conventional experimental design. Current Research in Food Science, 11, 101157. https://doi.org/10.1016/j.crfs.2025.101157
Kuk, D.-H., Ha, E.-S., Ha, D.-H., Sim, W.-Y., Lee, S.-K., Jeong, J.-S., Kim, J.-S., Baek, I., Park, H., Choi, D. H., Yoo, J.-W., Jeong, S. H., Hwang, S.-J., & Kim, M.-S. (2019). Development of a Resveratrol Nanosuspension Using the Antisolvent Precipitation Method without Solvent Removal, Based on a Quality by Design (QbD) Approach. Pharmaceutics, 11(12), 688. https://doi.org/10.3390/pharmaceutics11120688
Liu, L., Yang, X., Bhandari, B., Meng, Y., & Prakash, S. (2020). Optimization of the Formulation and Properties of 3D-Printed Complex Egg White Protein Objects. Foods, 9(2), 164. https://doi.org/10.3390/foods9020164
Liu, Y., Zhou, S., Han, W., Li, C., Liu, W., Qiu, Z., & Chen, H. (2021). Detection of Adulteration in Infant Formula Based on Ensemble Convolutional Neural Network and Near-Infrared Spectroscopy. Foods, 10(4), 785. https://doi.org/10.3390/foods10040785
Loubes, M. A., Flores, S. K., & Tolaba, M. P. (2016). Effect of formulation on rice noodle quality: Selection of functional ingredients and optimization by mixture design. LWT - Food Science and Technology, 69, 280-286. https://doi.org/10.1016/j.lwt.2016.01.055
Martin-Diana, A. B., Izquierdo, N., Albertos, I., Sanchez, M. S., Herrero, A., Sanz, M. A., & Rico, D. (2017). Valorization of Carob’s Germ and Seed Peel as Natural Antioxidant Ingredients in Gluten-Free Crackers: Carob Antioxidant By-Products in Gluten-Free Snack. Journal of Food Processing and Preservation, 41(2), e12770. https://doi.org/10.1111/jfpp.12770
Nadal, J., Ávila, S., Boing, L., Pereira, M. M., Quadros, D. A. D., Gibbert, L., Silva, A. D., Frizon, C. N. T., Krüger, C. C. H., & Ferreira, S. M. R. (2021). Influence of binary mixtures of cassava starch and rice flour on the chemical and sensory characteristics of gluten-free bread. Research, Society and Development, 10(3), e13910313120. https://doi.org/10.33448/rsd-v10i3.13120
Oguaghamba, O. A., & Onyia, M. E. (2019). Modified and generalized full cubic polynomial response surface methodology in engineering mixture design. Nigerian Journal of Technology, 38(1), 52-59. https://doi.org/10.4314/njt.v38i1.8
Pal, S., & Heumann, C. (2022). Clustering compositional data using Dirichlet mixture model. PLOS ONE, 17(5), e0268438. https://doi.org/10.1371/journal.pone.0268438
Pérez-Flores, J. G., Hernández-Callejas, Y. C., García-Curiel, L., Ocampo-Salinas, I. O., Pérez-Escalante, E., Ángel-Jijón, C., & Trejo-Díaz, G. N. (2026). Delimitación de una región de alta aceptabilidad para un dulce de zanahoria mediante diseño de vértices extremos. Boletín Científico de las Ciencias Económico Administrativas del ICEA, 14, 98-108. https://doi.org/10.29057/icea.v14iEspecial.16650
Ramírez-Brewer, D., Quintana, S. E., & García-Zapateiro, L. A. (2024). Modeling and optimization of microwave-assisted extraction of total phenolics content from mango (Mangifera indica) peel using response surface methodology (RSM) and artificial neural networks (ANN). Food Chemistry: X, 22, 101420. https://doi.org/10.1016/j.fochx.2024.101420
Serban, R., Wang, Y., Choi, K. K., & Jayakumar, P. (2019). Special Issue: Sensitivity Analysis and Uncertainty Quantification. Journal of Computational and Nonlinear Dynamics, 14(2), 020301. https://doi.org/10.1115/1.4042262
Silva, L. B. D., Queiroz, M. B., Fadini, A. L., Fonseca, R. C. C. D., Germer, S. P. M., & Efraim, P. (2016). Chewy candy as a model system to study the influence of polyols and fruit pulp (açai) on texture and sensorial properties. LWT, 65, 268-274. https://doi.org/10.1016/j.lwt.2015.08.006
Skaltsi, A., Marinopoulou, A., Poriazi, A., Petridis, D., & Papageorgiou, M. (2022). Development and optimization of gluten‐free biscuits with carob flour and dry apple pomace. Journal of Food Processing and Preservation, 46(10), e15938. https://doi.org/10.1111/jfpp.15938
Squeo, G., De Angelis, D., Leardi, R., Summo, C., & Caponio, F. (2021). Background, Applications and Issues of the Experimental Designs for Mixture in the Food Sector. Foods, 10(5), 1128. https://doi.org/10.3390/foods10051128
Taromsari, A., & Ghiassi Tarzi, B. (2024). Optimization of Functional Gluten‐Free Cake Formulation Using Rice Flour, Coconut Flour, and Xanthan Gum via D‐Optimal Mixture Design. Food Science & Nutrition, 12(12), 10734-10755. https://doi.org/10.1002/fsn3.4523
Wang, J., Chen, Q., Belwal, T., Lin, X., & Luo, Z. (2021). Insights into chemometric algorithms for quality attributes and hazards detection in foodstuffs using Raman/surface enhanced Raman spectroscopy. Comprehensive Reviews in Food Science and Food Safety, 20(3), 2476-2507. https://doi.org/10.1111/1541-4337.12741
Publicado
Cómo citar
Número
Sección
Licencia
Derechos de autor 2026 Yeimi Carolina Hernández Callejas, Jesús Guadalupe Pérez Flores, Laura García Curiel, Emmanuel Pérez Escalante, Elizabeth Contreras López, Israel Oswaldo Ocampo-Salinas

Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial-SinDerivadas 4.0.


ISSN: 3045-5537














