BÀI TẬP_TIỂU LUẬN MÔN ỨNG DỤNG TIN HỌC TRONG CÔNG NGHỆ THỰC PHẨM

TIỂU LUẬN ỨNG DỤNG TIN HỌC TRONG CÔNG NGHỆ THỰC PHẨM Bài báo cáo tiểu luận này sẽ tiến hành thu thập thông tin từ những nguồn tài liệu đáng tin cậy và sẽ được tiến hành xử lý bằng các phần mềm khác nhau từ Excel, SPSS đến cả JMP. Nội dung chính sẽ bao gồm 4 phần: xử lý số liệu bài toán một yếu tố, xử lý số liệu cho bài toán 2 yếu tố, xử lý số liệu cho bài toán 3 yếu tố và cuối cùng là ứng dụng các phần mềm để xử lý bài toán phối trộn.

XỬ LÝ SỐ LIỆU BÀI TOÁN MỘT YẾU TỐ

Giới thiệu tóm tắt về bài báo

Đây là một dự án nằm trong khuôn khổ của luận văn thạc sĩ đến từ khoa Tài nguyên và khoa học Nông nghiệp của trường đại học Khoa học và Nông nghiệp Thụy Điển.

Mỗi dự án của chúng tôi đều nhắm đến mục đích chung: phát triển và cung cấp phương pháp có thể sử dụng để đánh giá cảm quan quy mô nhỏ đối với các loại sản phẩm thực phẩm và so sánh cách chúng được cảm nhận theo quan điểm cảm quan với các sản phẩm của đối thủ cạnh tranh.

Báo cáo này đóng vai trò là bước đầu tiên trong quá trình khởi động dự án đánh giá cảm quan mới tại Unilever Nghiên cứu này chủ yếu tập trung vào các thử nghiệm của đối thủ cạnh tranh Đánh giá được thực hiện ở Thụy Điển và Phần Lan Số lượng sản phẩm/nhãn hiệu thực phẩm được đánh giá tại mỗi lần thử giao động từ hai đến năm và số lượng người thử dao động từ 8 - 25 Ba loại thực phẩm khác nhau đã được nghiên cứu, bao gồm: bơ thực vật, món mặn, súp, nước sốt và nước dùng và trà Sau 16 đánh giá của 23 thương hiệu Unilever so với các sản phẩm tương ứng của đối thủ cạnh tranh

Bộ số liệu được trọn để sử dụng trong bài tiểu luận này là sản phẩm Margarine

4 (4 thương hiệu) - Phần Lan Số người tham gia là n = 17.

Phương pháp đánh giá cảm quan được sử dụng để đánh giá trong các thử nghiệm của đối thử cạnh tranh sản phẩm margarine 4 là kiểm tra chấp nhận để đo lượng mức độ thích hoặc không thích bằng cách sử dụng thang điểm 9 để đánh giá và bài kiểm tra xếp hạng với 4 thứ tự từ 1 đến 4 tương ứng với 4 thương hiệu Margarine (Trong đó, 1= được ưa thích nhất và 4 = ít được ưa thích nhất)

Kết quả thử nghiệm cho thấy Margarine B được người dùng yêu thích nhất, trong khi Margarine A lại ít được ưa thích nhất Thử nghiệm Friedman phát hiện ra sự khác biệt đáng kể về mức độ ưa thích giữa các nhãn hiệu, và phân tích LSD cho biết Margarine A được người dùng đánh giá thấp hơn đáng kể so với Margarine B và D.

Ma trận thực nghiệm và kết quả thực nghiệm

Yếu tố: Margarine A (Unilever), Margarine B, Margarine C và Margarine D.

Hàm mục tiêu: Thứ hạng về mức độ ưa thích của người tiêu dùng.

Bảng 1.1: Kết quả thực nghiệm của bài toán 1 yếu tố

Xử lý số liệu và biểu diễn kết quả

1.3.1 Xử lý số liệu bằng phần mềm Excel

Bảng 1.2: Kết quả phân tích Summary bằng Excel

Groups Count Sum Average Variance

Bảng 1.3: Kết quả phân tích Anova bằng Excel

Variation SS df MS F P-value F crit

Nhận xét: Vì giá trị P-value (=0.000257) < α (= 0.05), nên có sự ảnh hưởng của các thương hiệu margarine khác nhau đến sự ưa thích của người tiêu dùng tại mức ý nghĩa α = 0.05

Hình 1.1: Biểu đồ Box-plot (Excel)

Hinh 1.2 Biểu đồ Histogram (Excel)

Nhận xét: Margarine B có số phiếu ưa thích lớn nhất với 10 phiếu và margarine A có số phiếu ít ưa thích nhiều nhất với 10 phiếu (Hình 1.2)

1.3.2 Xử lý số liệu bằng phần mềm SPSS

Bảng 1.4: Kết quả phân tích Anova bằng SPSS

Sum of Squares df Mean Square F Sig.

Nhận xét: Vì giá trị Sig (=0.000) < α (= 0.05), nên có sự ảnh hưởng của các thương hiệu margarine khác nhau đến sự ưa thích của người tiêu dùng tại mức ý nghĩa α = 0.05.

Bảng 1.5: Kết quả của phân tích LSD bằng SPSS

* The mean difference is significant at the 0.05 level.

Margarine A - B: Vì Sig (= 0.000) < α (= 0.05), nên tồn tại sự khác biệt có ý nghĩa thống kê giữa Margarine A và B tại mức ý α = 0.05.

Margarine A - D: Vì Sig (= 0.007) < α (= 0.05), nên tồn tại sự khác biệt có ý nghĩa thống kê giữa Margarine A và D tại mức ý α = 0.05.

Margarine B - C: Vì Sig (= 0.003) < α (= 0.05), nên tồn tại sự khác biệt có ý nghĩa thống kê giữa Margarine B và C tại mức ý α = 0.05.

Nhận xét : Nhãn hiệu riêng (Margarine A) có sự khác biệt đáng kể có ý nghĩa thống kê so với 2 nhãn hiệu Margarine B và D tại mức ý α = 0.05.

Hình 1.3: Biểu đồ Box-plot (SPSS) 1.4.2.4 Histogram

Hình 1.4 Biểu đồ Histogram (SPSS) Nhận xét: Margarine B có số phiếu ưa thích lớn nhất với 10 phiếu và margarine A có số phiếu ít ưa thích nhiều nhất với 10 phiếu (Hình 1.2)

Có sự khác biệt đáng kể có ý nghĩa thống kê về sự ưa thích người thử về các nhãn hiệu margarine khác nhau Trong đó, nhãn hiệu B có số phiếu ưa thích lớn nhất (average = 1.71), nhãn hiệu A (Unilever) có số phiếu ưa thích là ít nhất (average = 3.23).

Từ kiểm định LSD cho thấy rằng tồn tại sự khác biệt có ý nghĩa thống kê về mức độ ưa thích giữa nhãn hiệu riêng (margarine A) so với nhãn hiệu B và D.

XỬ LÝ SỐ LIỆU BÀI TOÁN HAI YẾU TỐ

Bài báo khoa học "Tối ưu hóa thông số quy trình chiết xuất protein cô đặc từ cám gạo và công dụng của nó trong công thức bánh quy giàu protein" được thực hiện bởi Khoa Công nghệ Thực phẩm và Khoa học Dinh dưỡng, Đại học Khoa học và Công nghệ Mawlana Bhashani, Bangladesh và Khoa Vi sinh, Đại học Trung hoa Hồng Kông, giám sát viên IYCF, Bangladesh.

Trong nghiên cứu này, protein cô đặc trong cám gạo (RBPC) được chiết xuất từ cám gạo đã khử chất béo Protein cô đặc chiết xuất được sử dụng trong sản phẩm bánh quy

Protein cô đặc được chiết xuất từ cám gạo ở các tỷ lệ nước khác nhau (25.86 - 54.14) và pH dung dịch (8.09 - 10.91) Thí nghiệm được thiết kế theo phương pháp Central Composite Design theo bảng 2.2.

Phân tích thống kế được thực hiện bằng SPSS Sự khác biệt về các thông số vật lý, thành phần và đặc điểm cảm quan được phân tích bằng phân tích phương sai Anova Mức ý nghĩa 0.05 đã được sử dụng cho nghiên cứu Các thí nghiệm được thực hiện bằng cách lặp lại và phân tích giá trinh trung bình và độ lệch chuẩn thông qua Excel.

Các thông số trích xuất được tối ưu bằng phương pháp bề mặt đáp ứng Điều kiện tối ưu cho tỷ lệ chiết protein cô đặc là 1:40,77 cám/nước và pH dung dịch là 9.55 Ở điều kiện tối ưu hiệu suất chiết của protein cô đặc là 11.76% và hàm lượng protein là 36,29%.

Ma trận thực nghiệm

Yếu tố thí nghiệm: là tỷ lệ đung môi (X1) và pH dung dịch (X2) Mỗi yếu tố bao gồm có 5 mức được thể hiện trong bảng 2.1.

Hàm mục tiêu: hiệu suất chiết protein.

Bảng 2.1: Các biến và mức độ

Factor levels Lowest Low Center High Highest

Ma trận thí nghiệm được thiết kế theo CCD, với k = 2 và n 0 = 5. α = 2 k /4 = 2 2 /4 = 1.14

Số thí nghiệm (N) = 2 k + 2k + n 0 = 2 2 + 2.2 + 5 = 13 thí nghiệm.

Bảng 2.2: Ma trận thí nghiệm CCD 2 yếu tố

Kết quả thực nghiệm

Bảng 2.3: Kết quả thực nghiệm

Pattern Independent variable Dependent variable

Solvent pH (X2) %yield of RBPC

Bảng 2.4: Kết quả Regression Statistics bằng Excel Regression Statistics

Nhận xét: Hệ số tương quan R Square = 0.93, do đó mức độ phù hợp của mô hình với dữ liệu là 93% Mô hình giải thích được 93% sự biến thiên trong biến phụ thuộc.

Bảng 2.5: Kết quả phân tích Anova bằng Excel df SS MS F Significance F

Nghiên cứu này chỉ ra rằng tỷ lệ nước và pH của dung dịch có ảnh hưởng đến hiệu suất thu hồi protein Điều này được xác định dựa trên hệ số Sig.F (=0.0005) nhỏ hơn mức ý nghĩa đã xác định trước là α (=0.05).

Bảng 2.6: Kết quả Coefficients bằng Excel Coefficients Standard Error t Stat P-value

P- value (intercept) = 7.8E-07 < α (=0.05) Nên hệ số B0 có ý nghĩa đến mô hình Và giá trị B0 = 11.72

P- value (X1X1) = 4.10E-05 < α (=0.05) Nên hệ số B11 có ý nghĩa đến mô hình Và giá trị B11 = -5.53

P- value (X2X2) = 0.0016 < α (=0.05) Nên hệ số B22 có ý nghĩa đến mô hình.

Nhận xét: Hệ số tự do B0, B11 và B22 có ý nghĩa đến mô hình do có giá trị P- value < 0.05 Hệ tố tự do B1, B2 và B12 không có ý nghĩa do giá trị P-value > 0.05 B0 ảnh hưởng cùng chiều đến hàm mục tiêu, còn B11 và B22 ảnh hưởng nghịch chiều đến hàm mục tiêu B0 có ảnh hưởng lớn nhất do 11.72 > 5.53 > 3.06 Từ kết quả phân tích ta có mô hình sau:

2.4.2 Xử lý số liệu bằng phần mềm JMP

Bảng 2.7: Kết quả Summary of Fit bằng JMP

Bảng 2.8: Kết quả phân tích Anova bằng JMP

Source DF Sum of Squares Mean Square F Ratio

Nhận xét: Vì hệ số Sig.F (=0.0005) < α (= 0.05), nên có sự ảnh hưởng của hai yếu tố tỷ lệ nước và pH dung dịch đến hiệu suất thu hồi protein tại mức ý nghĩa α = 0.05

Bảng 2.9: Kết quả kiểm định hệ số của mô hình bằng JMP

P- value (intercept) < 0.001 Nên hệ số B0 có ý nghĩa đến mô hình Và giá trị B0 = 11.72

P- value (X1X1) < 0.001 Nên hệ số B11 có ý nghĩa đến mô hình Và giá trị B11 = -5.51

P- value (X2X2) = 0.0016 < α (=0.05) Nên hệ số B22 có ý nghĩa đến mô hình.

Nhận xét: Hệ số tự do B0, B11 và B22 có ý nghĩa đến mô hình do có giá trị P- value < 0.05 Hệ tố tự do B1, B2 và B12 không có ý nghĩa do giá trị P-value >

0.05 B0 ảnh hưởng cùng chiều đến hàm mục tiêu, còn B11 và B22 ảnh hưởng nghịch chiều đến hàm mục tiêu B0 có ảnh hưởng lớn nhất do 11.72 > 5.53 > 3.06 Từ kết quả phân tích ta có mô hình sau:

Bảng 2.10: Kết quả Lack of Fit bằng JMP

Nhận xét: Hệ số giá trị của hệ số lack of fit nhỏ, điều đó cho thấy rằng mô hình tuyến tính phù hợp với dữ liệu và không có sự thiếu khớp đáng kể Do Max RSq = 0.9882, nên sự phù hợp của mô hình với dữ liệu là khá thấp.

Hình 2.1: Kết quả Pareto Plot bằng JMP

Nhận xét: Từ biểu đồ Pareto Plot ta có thể thấy được X1X1 có sự ảnh hưởng lớn nhất, sau đó là X2X2 và cuối cùng là X1 X12 và X2 không có sự ảnh hưởng đáng kể ở mức ý nghĩa α = 0.05.

Hình 2.2: Kết quả Prediction profiler bằng JMP

Quan sát Hình 2.2, có thể thấy hiệu suất thu hồi protein đạt mức tối đa là 11,76 khi tỷ lệ dung môi:chất rắn là 40,77 và pH dung môi là trung tính.

Nhận xét: Biểu đồ bề mặt đáp ứng có thấy tác động bậc hai của tỷ lệ chất rắn/dung môi và độ pH đối với quá trình chiết cô đặc protein Đường cong hình 2.3 cho thấy sự gia tăng đáng kể của hiệu suất thu hồi protein với độ pH và tỷ lệ cám/dung môi tăng dần Mục tiêu của phân tích này là xác định thông số quy trình tốt nhất để đạt được hiệu suất tối đa của protein Tỷ lệ dung rắn/dung môi và pH lần lượt là 40.77 và 9.55 Giá trị dự đoán tối ưu cho hiệu suất cô đặc là 11.76% và rất gần với giá trị thực nghiệm là 11.71

Hình 2.4: Contour Plot của Pred formula % yield

Hình 2.5: Contour Plot của % yield

Protein cô đặc được sản xuất thông qua phương pháp chiết kiềm Ngoài ra, thiết kế hỗn hợp có tâm và phương pháp bề mặt đáp ứng được ứng dụng để tối ưu hóa các thông số trong quá trình chiết xuất protein.

Bằng phân tích Anova ta nhận thấy có sự ảnh hưởng của hai yếu tố lên tỷ lệ solvent:solid và Solvent pH lên hàm mục tiêu % yield.

Phương trình hồi quy cho các phản ứng quan sát được của các thí nghiệm quá trình tách chiết protein như sau: Y = 11.72 - 5.51X1X1 - 3.05X2X2

Các thông số trích xuất được tối ưu bằng phương pháp bề mặt đáp ứng Điều kiện tối ưu cho tỷ lệ chiết protein cô đặc là 1:40,77 cám/nước và pH dung dịch là 9.55 Ở điều kiện tối ưu hiệu suất chiết của protein cô đặc là 11.76% và hàm lượng protein là 36,29%.

XỬ LÝ SỐ LIỆU BÀI TOÁN BA YẾU TỐ

Bài báo khoa học có tên là Tối ưu hóa quá trình chiết xuất hợp chất colchocine từ Colchicum hausknechtii với sự hỗ trợ siêu âm bằng pp bề mặt đáp ứng

Trong nghiên cứu này, phương pháp chiết có sự hỗ trợ của siêu âm (UAE) đã được sử dụng để chiết colchicine trong rễ cây Colchicum haussknechtii trước khi sắc ký lỏng hiểu suất cao với đầu dò UV.

Phương pháp bề mặt đáp ứng được sử dụng để nghiên cứu ảnh hưởng của ba biến số đến hiệu suất chiết colchicine từ rễ cây C haussnachtii Các yếu tố chính là nồng độ ethanol (%, X1), thời gian siêu âm (min, X2) và lượng chất rắn (g, X3) và ảnh hưởng của chúng được tối ưu hóa để nâng cao hiệu quả chiết.

Trong nghiên cứu này, thiết kế thử nghiệm trung tâm kết hợp (CCD) đã được sử dụng Giá trị mã hóa của các yếu tố thực nghiệm và các mức độ tương ứng được trình bày trong Bảng 3.1 Thiết kế được thực hiện ngẫu nhiên để giảm thiểu tác động của biến số không kiểm soát Thiết kế ba yếu tố với năm mức độ đã được sử dụng để khám phá bề mặt phản ứng bậc hai và xây dựng phương trình đa thức bậc hai Các điều kiện chiết xuất colchicine tối ưu được xác định là nhiệt độ 40°C, thời gian chiết xuất 32 phút và dung môi hỗn hợp ethanol:nước theo tỷ lệ 70:30 theo thể tích, có tỷ lệ dung môi:rắn là 45:1 Kết quả thu được chỉ ra rằng 1,2% colchicine đã được chiết xuất từ rễ cây.

Các yếu tố: là nồng độ ethanol (%, X1), thời gian siêu âm (min, X2) và lượng chất rắn (g, X3) Các yếu tố và mức của chúng được thể hiện trong bằng 3.1.

Hàm mục tiêu: Peak area

Bảng 3.1: Các yếu tố thực nghiệm và mức của chúng

Factors Levels Star point α = 1.682 Low (-1) Central (0) High (+1) - α + α

Bảng 3.2: Ma trận thực nghệm

Bảng 3.3: Kết quả thực nghiệm của 16 thực nghệm

Bảng 3.4: Kết quả Summary of Fit bằng Excel

Bảng 3.5: Kết quả phân tích Anova bằng Excel df SS MS F Significance F

Nhận xét: Vì hệ số Sig.F (=0.0001235) < α (= 0.05), nên có sự ảnh hưởng của ba yếu tố nồng độ ethanol, thời gian siêu âm và lượng chất rắn đến hiệu suất chiết colchicine tại mức ý nghĩa α = 0.05

Bảng 3.6 Kết quả kiểm định hệ số của mô hình bằng JMP

Coefficients Standard Error t Stat P-value

P- value (X1) = 0.01 < α (=0.05) Nên hệ số B1 có ý nghĩa đến mô hình Và giá trị B1 = 30.79

P- value (X3) = 2.087E-06 < α (=0.05) Nên hệ số B3 có ý nghĩa đến mô hình.

P- value (X13) = 0.035 < α (=0.05) Nên hệ số B13 có ý nghĩa đến mô hình Và giá trị B13 = 30

Nhận xét: Hệ số tự do B0, B1, B2, B3 và B13 có ý nghĩa đến mô hình do có giá trị P-value < 0.05 Hệ tố tự do B12, B23, B11, B22 và B33 không có ý nghĩa đến mô hình do giá trị P-value > 0.05 Tất cả đều ảnh hưởng cùng chiều đến hàm mục tiêu B0 có ảnh hưởng lớn nhất, sau đó là B3, B1, B13 và B2 do 294.62 > 150.09 > 30.79 > 30 > 25.77 Từ kết quả phân tích ta có mô hình sau:

Nhận xét: từ mô hình ta thu được giá trị lớn nhất của hàm mục tiêu là 531.27 tương ứng với X1 = 1 (0.75 ml), X2 = 1 (30 phút) và X3 = 1 (0.11 g)

Bảng 3.7 Kết quả Summary of Fit bằng JMP

Bảng 3.8 Kết quả phân tích Anova bằng JMP

Source DF Sum of Squares Mean

Nhận xét: Vì hệ số Sig.F (=0.0001235) < α (= 0.05), nên có sự ảnh hưởng của ba yếu tố nồng độ ethanol, thời gian siêu âm và lượng chất rắn đến hiệu suất chiết colchicine tại mức ý nghĩa α = 0.05

Bảng 3.9: Kết quả kiểm định hệ số của mô hình bằng JMP

Term Estimate Std Error t Ratio Prob>|t|

P- value (X3) = 2.087E-06 < α (=0.05) Nên hệ số B3 có ý nghĩa đến mô hình.

P- value (X13) = 0.035 < α (=0.05) Nên hệ số B13 có ý nghĩa đến mô hình Và giá trị B13 = 30

Nhận xét: Hệ số tự do B0, B1, B2, B3 và B13 có ý nghĩa đến mô hình do có giá trị P-value < 0.05 Hệ tố tự do B12, B23, B11, B22 và B33 không có ý nghĩa đến mô hình do giá trị P-value > 0.05 Tất cả đều ảnh hưởng cùng chiều đến hàm mục tiêu B0 có ảnh hưởng lớn nhất, sau đó là B3, B1, B13 và B2 do 294.60 > 150.09 > 30.79 > 30 > 25.77

Từ kết quả phân tích ta có mô hình sau:

Hình 3.1: Kết quả Prediction profiler bằng JMP

Nhận xét: Quan sát hình ảnh 3.1 ta có thể thấy được, Peak area tối đa thu được ở mức 549.67 khi X1 = 0.75mL, X2 = 30 phút và X3 = 0.11g Khi đó Desirability đạt được là 0.9.

Nhận xét: Quan sát kết quả của Pareto Plot từ hình 3.2 ta có thể nhận thấy rằng, X3 có ảnh hưởng lớn nhất đến, sau đó là X1, X2 và X1X3 Trong khi đó X1X1, X2X3, X2X2, X1X2 và X3X3 không có ảnh hưởng đến ở mức ý nghĩa α = 0.05.

Hình 3.2 Kết quả Pareto Plot bằng JMP 3.4.2.6 Surface profiler

Hình 3.3 Biểu đồ bề mặt đáp ứng của X1 và X2

Đồ thị bề mặt đáp ứng và đường đồng mức mô tả ảnh hưởng của các thông số chiết lên hàm lượng colchicine Độ cong của các đồ thị này cho thấy sự tương tác giữa các biến Nhìn chung, cả ba đồ thị đều chỉ ra rằng hiệu suất chiết tăng khi tăng giá trị của X1, X2 và X3.

Hình 3.6: Contour Plot của X1 và X2 cho Pred Formula Peak area

Colchicine được chiết xuất từ rễ cây C.haussknechtii và tối ưu hóa điều kiện chiết bằng cách sử dụng thiết kế hỗn hợp có tâm bằng pp bề mặt đáp ứng.

Bằng phân tích Anova ta nhận thấy có sự ảnh hưởng của ba yếu tố nồng độ ethanol, thời gian siêu âm và khối lượng rắn lên hàm mục tiêu diện tích peak của colchicine.

Phương trình hồi quy cho các phản ứng quan sát được của các thí nghiệm quá trình tách chiết colchicine như sau: Y = 294.60 + 30.79X1 + 25.77X2 + 150.09X3 + 30X1X3. Điều kiện thích hợp nhất để chiết xuất colchicine được tìm thấy là ở nhiệt độ 40 độ C, thời gian chiết 32 phút và hỗn hợp ethanol:nước là 70:30 v/v với tỷ lệ dung môi:rắn là 45:1 Với diện tích peak là 549.67

XỬ LÝ SỐ LIỆU BÀI TOÁN PHỐI TRỘN

Nghiên cứu này tiến hành phương pháp thiết kế hỗn hợp dạng lưới đơn giản nhằm đánh giá các đặc tính hóa lý và cảm quan của lúa mì vụn được làm bằng các loại bột cây họ đậu khác nhau Phương pháp này giúp xác định sự tương tác giữa các thành phần và tối ưu hóa đặc tính cảm quan của sản phẩm thông qua việc xây dựng mô hình thống kê.

Trong nghiên cứu này, các đặc tính hóa lý và cảm quan của khoai tây chiên được làm bằng các loại bột đậu khác nhau đã được nghiên cứu Công thức chế biến lúa mì vụn được tạo thành từ hỗn hợp bột mì và hỗn hợp của ba loại bột đậu khác nhau (tỷ lệ lúa mì 80:20)

Phương pháp thiết kế hỗn hợp được sử dụng để xác định ảnh hưởng của sự tương tác giữa đậu Hà Lan, đậu xanh và bột đậu nành lên các đặc tính hóa lý hoặc cảm quan của khoai tây chiên

Việc tối ưu hóa sản phẩm được thực hiện bằng cách sử dụng mixture design để xác định tỷ lệ hỗn hợp bột đậu tối ưu

Thiết kế hỗn hợp mạng đơn giản (SLMD) đã được sử dụng để đánh giá ảnh hưởng bột đậu xanh X1, bột đậu Hà Lan X2 và bột đậu nành X3 15 thí nghiệm là 3 nghiệm thức một thành phần, 9 nghiệm thức hỗn hợp hai thành phần và 3 nghiệm thức hỗn hợp ba thành phần.

Giá trị tối ưu của hỗn hợp đậu (đậu xanh, đậu Hà Lan, bột đậu nành) dùng trong chế biến khoai tây chiên dao động trong phạm vi sau: đậu xanh từ 50 - 100g, đậu Hà Lan trong khoảng 0 - 60g, bột đậu nành trong khoảng 0 - 45g.

Phương trình đa thức của mô hình là Y = b1x1 + b2x2 + b3x3 + b12x1x2 + b13x1x2 + b23x2x3

Bột đậu xanh được cho là thành phần được mong muốn cao nhất tùy thuộc vào điểm chấp nhận chung của khoai tây chiên Hàm lượng protein trong khoai tây chiên tăng lên đáng kể khi bổ sung thêm bột đậu nành

Kết quả phân tích sườn núi cho thấy rằng khoai tây chiên chỉ nên bao gồm bột đậu xanh trong thành phần bột đậu để được điểm ưa thích tổng thể tối đa là6.08.

Các yếu tố chính: bột đậu xanh (X1, 0 - 100g), bột đậu Hà Lan (X2, 0 - 60g) và bột đậu nành (X3, 0 - 45g).

Hàm mục tiêu: taste, color, crisness và overall preferred

Bảng 4.1: Ma trận thực nghiệm

Bảng 4.2: Kết quả thực nghiệm về các đặc tính hóa lý

Bảng 4.3: Kết quả thực nghiệm về đặc tính cảm quan

Mixtur e Taste Color Crispness Overall preference

Bảng 4.4 Kết quả Summary of Fit bằng JMP

Taste Color Crisness Overall Preference

Nhận xét: Hệ số tương quan R Square của các hàm mục tiêu lần lượt là: Taste

(R^2 = 0.81), Color (R^2 = 0.79), Crisness (R^2 = 0.80) và Overall Preferred (R^2 = 0.74) Do đó, mức độ phù hợp của mô hình với dữ liệu lần lượt là 81%, 79%, 80% và 74% tương ứng với taste, color, crisness và overall preferred.

Bảng 4.5 Kết quả phân tích Anova bằng JMP

Do hệ số Sig.F (= 0,0046) < α (= 0,05), ba yếu tố bao gồm bột đậu xanh, bột đậu Hà Lan và đậu nành có ảnh hưởng đến hương vị của sản phẩm.

Color: Vì hệ số Sig.F (=0.0073) < α (= 0.05), nên có sự ảnh hưởng của ba yếu tố bột đậu xanh, bột đậu Hà Lan và đậu nành tới hàm mục tiêu màu sắc tại mức ý nghĩa α = 0.05

Crisness: Vì hệ số Sig.F (=0.0054) < α (= 0.05), nên có sự ảnh hưởng của ba yếu tố bột đậu xanh, bột đậu Hà Lan và đậu nành tới hàm mục tiêu Độ giòn tại mức ý nghĩa α = 0.05

Overall Preferred: Vì hệ số Sig.F (=0.0173) < α (= 0.05), nên có sự ảnh hưởng của ba yếu tố bột đậu xanh, bột đậu Hà Lan và đậu nành tới hàm mục tiêu overall preferred tại mức ý nghĩa α = 0.05

Bảng 4.6 Kết quả kiểm định hệ số của mô hình bằng JMP

Chickpea flour(Mixture) 5.6902857 0.107094 53.13

Tiêu đề	Ứng Dụng Tin Học Trong Công Nghệ Thực Phẩm
Tác giả	Trương Hoài Nam
Người hướng dẫn	Thầy Trần Quyết Thắng
Trường học	Trường Đại Học Công Thương Tp. Hcm
Chuyên ngành	Công Nghệ Thực Phẩm
Thể loại	tiểu luận
Năm xuất bản	2023
Thành phố	Tp. Hồ Chí Minh

Định dạng
Số trang	43
Dung lượng	1,53 MB