Congreso Lechería AUTEL 2015congresodelecheria.com.uy/site/media/archivos/Excelencia... ·...

Congreso Lechería AUTEL 2015

Ing. Mauro ZanuzziSales Manager Dairy, Central Region –

Sales & Marketing Argentina

Mobile: +54 9 3471 535527 - Office: + 54 11 4365 7700

Cómo plantear y realizar ensayos a nivel industrial de nuevos

ingredientes o cambios tecnológicos. Puntos a tener en cuenta,

mediciones, seguimientos, estadística, análisis y conclusiones

para poder obtener de ellos un beneficio aplicable en el tiempos

en productividad, calidad y/o rentabilidad. Ejemplo de casos

realizados con éxito.

Excelencia en ensayos

industriales para mejorar

productividad, calidad y

rentabilidad

LOS INDICADORES TECNICO-ECONOMICOS

La composición de los productos acabados y materias primas

Ecuación de los rendimientos queseros

Metrología e incertidumbres

Aproximación de los balances de materias

Análisis de la situación actual

Datos (muestreo, análisis)

Planificación de los ensayos

Datos de los ensayos

Análisis y presentación de resultados

6° Congreso de Lechería AUTEL3

La composición de los productos acabados y materias primas

1- El extracto seco total o materias secas totales (EST o MST)

en %

Es la cantidad de materia seca total contenida en 100 g de queso.

MG ESD AGUA

MG = Materias grasas

ESD = Extracto seco desgrasado

Métodos de referencia: Estufa Leche: Norma NF V 04-367#

Quesos: Norma NF V 04-282


2 - La proporción de Materias Grasas (MG) en %

Es la cantidad de MG contenida en 100 g de queso.

MG ES AGUA

Es, pues, la proporción de MG contenida en un peso de productos reducido

a 100 g.

Métodos de ref.: Leche (Gerber): Norma NF V 04-210#

Nata (Rose Goëtlieb) : Norma NF V 04-263#

Quesos (Heiss): Norma NF V 04-287#

3 - Graso /Seco en %

Es la cantidad de MG en 100 g de EST

G/S = MG x 100

EST


4 - Extracto Seco Desgrasado en %

Es la cantidad de materia seca (sin contar la MG) contenida en 100 g de queso

ESD = EST - MG


5 - Humedad en el queso desgrasado (específicas en los quesos) en %

5.1 Beneficios en la industria quesera

Es la cantidad de agua contenida en 100 g de queso desgrasado (100-MG)

HQD = 100 - ES x 100

100 - MG

La HQD permite cuantificar la textura de un queso independientemente de su

tasa de MG.

También permite comparar los quesos con tasas de MG diferentes.

Así pues, si se quiere modificar la tasa de MG de un queso sin que cambie su

textura, habrá que conservar su HQD y no su EST.


Ejemplos de cálculos

Hum MG/ST HFD ST MG ESD ESD+Hum HFD Cl Na Cl Na / Hum

44 45 58,82 56 25,20 30,80 74,80 58,82 1,2 2,73


44 43 57,96 56 24,08 31,92 75,92 57,96 1,2 2,73


44,88 43 58,82 55,12 23,70 31,42 76,30 58,82 1,2 2,67


La ecuación de los rendimientos queseros

1- Los rendimientos queseros

Existen varias formas de expresar los rendimientos:

- El rendimiento bruto (Rb), cuya ecuación es la siguiente:

Rb = Qf x 100

Ql

Rb : Rendimiento bruto en kg/100 kg de leche

Qf : Cantidad de queso en kg

Ql : Cantidad de leche en kg

Es la cantidad de queso fabricado con 100 l (o 100 kg) de leche (Kg /100

(l o Kg))


- El rendimiento corregido en ES (RcoES):

Permite comparar los rendimientos de los quesos obtenidos de los

extractos secos diferentes.

RcoES = Rb x ESTfe

ESTft

RcoES = Rendimiento corregido en ES en kg/100 kg

Rb = Rendimiento bruto en kg/100 kg de leche

ESTfe = Fracción de EST del queso de referencia

ESTft = Fracción de EST del queso de muestra


- El rendimiento corregido en ESD (RcoESD) :

Permite comparar los rendimientos de diferentes pruebas, teniendo en

cuenta a la vez las diferencias de Extracto Seco, así como las diferencias

de proporción de MG.

RcoESD = [Rb-(RbxMGfe)] x (ESTfe – Mgfe - ESDs)

(ESTft – MGft – ESDs)

RcoESD = Rendimiento desgrasado corregido en ESD (kg/100 kg)

Rb = Rendimiento bruto en kg/100 kg de leche

Mgfe = Fracción de MG del queso de referencia

ESTfe = Fracción de EST del queso de referencia

Mgft = Fracción de MG del queso de muestra

ESTft = Fracción de EST del queso de muestra

ESDs = Fracción de ESD del suero medio


- El coeficiente G

Es la cantidad de extracto seco desgrasado tras el cuajado de un litro o

de un kg de leche cuajada.

G = QESD

Ql

G : Coeficiente G en g/kg o g/l

QESD : Cantidad de extracto seco desgrasado del queso en g

Ql : Cantidad de leche empleada en kg o en l

Generalmente, está comprendido entre los 27 y los 34 g ESD /l


- Los coeficientes de recuperación

Es la proporción de un constituyente encontrado en el queso.

En Extracto Seco Desgrasado Qf x ESDf x 100

Ql x ESDl

En Materias Nitrogenadas Totales Qf x MATf x 100

Ql x MATl

En Materias Grasas Qf x MGf x 100

Ql x MGl

Qf : Cantidad de queso obtenido en kg

Ql : Cantidad de leche empleada en kg

ESDf : Proporción de Extracto Seco Desgrasado del queso en g/kg

ESDl : Proporción de Extracto Seco Desgrasado de la leche en g/kg

MATf : Proporción de Materias Nitrogenadas Totales del queso en g/kg

MATl : Proporción de Materias Nitrogenadas totales de la leche en g/kg

MATf : Proporción de Materias Grasas del queso en g/kg


Algunos datos de tamaño: Caseínas 94 %

MG 92 %

MA 76 %

E.S. 55 a 65 %

Incertidumbre media obtenida generalmente

Rendimiento bruto (kg/100 kg): 0.055

Rendimiento corregido (kg/100 kg): 0.436

Coef. recup. MAT (%) : 3.01

Coef. Recup. ESD (%) : 1.37

Coeficiente G (g/kg): 0.641


Metrología e incertidumbres

El establecimiento de rendimientos de fabricación o de balances de materias

necesita, con el fin de relativizar los resultados obtenidos, que se tomen en

cuenta los errores de las medidas y de los análisis efectuados durante el

establecimiento de estos cálculos.

Medida de un tamaño o variable – Las incertidumbres

Mediciones

Errores – Error absoluto – Valor exacto

Incertidumbre absoluta / relativa


Teoremas de las incertidumbres

En una suma o una diferencia, la incertidumbre absoluta es igual a la suma de

las incertidumbres de cada uno de los términos.

a = b+c � ∆a = ∆b +∆c

a = b-c � ∆a = ∆b +∆c

En un producto o un cociente, sólo pueden utilizarse las incertidumbres

relativas. La incertidumbre relativa de un producto o un cociente es igual a la

suma de las incertidumbres relativas de cada uno de los términos.

a = bxc � ∆a = ∆b + ∆c

a b c

a = b/c � ∆a = ∆b + ∆c

a b c


Ejemplos de incertidumbres calculadas según el modo de

pesaje

a- Caso N°1

10 quesos se pesan individualmente sobre su soporte en una

balanca de incertidumbre absoluta de ± 0,2 kg.

Los soportes que constituyen la tara también se pesan

individualmente en la misma balanza.

Por tanto, entre los 10 quesos (820 kg) y los 10 soportes (70 kg)

se ha obtenido un total de 20 pesajes a 0,2 kg aproximadamente

O sea: 20 x 0,2 = 4 kg de incertidumbre absoluta

Es decir: (4 / 750 )x100 = 0,53% de incertidumbre relativa


b- Caso N°2

Los 10 quesos se pesan individualmente sobre su soporte y

los soportes se pesan de una sola vez en la misma balanza.

Sólamente se realizan 11 pesajes

O sea: 11 x 0,2 = 2,2 kg de incertidumbre absoluta

Es decir: (2,2 / 750)x100 = 0,29 % de incertidumbre relativa


c- Caso N°3

Los 10 quesos se pesan en bloque sobre su soporte y los soportes

se pesan de una sola vez en la misma balanza.

Sólamente se realizan 2 pesajes

O sea: 2 x 0,2 = 0,4 kg de incertidumbre absoluta

Es decir: (0,4 / 750)x100 = 0,05 % de incertidumbre relativa

Este ejemplo muestra, por tanto, la importancia de los

procedimientos de medida en cuanto a la optimización de las

incertidumbres relativas atribuídas a cada tamaño recuperado

en un balance o en un cálculo técnico-económico.


Otros puntos a tener en cuenta:

Mediciones de volúmenes: indicadores de nivel, presencia de aire, espuma, la temperatura

Los balances y los cálculos técnico-económicos se expresan a menudo en peso, de ahí la necesidad de calcular los pesos por conversión con las masas volumétricas y de ahí una fuente de incertidumbre suplementaria que hace que la utilización de los volúmenes sea, a menudo, mucho más inexacta e imprecisa que la determinación del peso

Puede ser común tener una incertidumbre de +/-50 kg en una tina de

10.000 kg de leche

Las incertidumbres relacionadas con los análisis físico-químicos

MuestreoMétodos Calibración de equipos


21

Aproximación de los balances de materia

Para validar en estudio o análisis, la recuperación de lo analizado

debe ser igual o mayor al 98%.

Ejemplo:

Leche 100 kg de ES = Queso + Suero 100 +/- 2 kg de ES

6° Congreso de Lechería AUTEL

Excellence in TrialsSix Sigma

Herramientas: Minitab

23

Resumen de las diferentes etapas en los ensayos

Fase 1 Fase 2 Fase 3

� Planificación del ensayo

� Inicio de los ensayos

� Ensayos en curso

Fase 4

� Ensayos finalizados


24

Qué es Six Sigma?

Es una estrategia metodológica y sistemática que utiliza herramientas

estadísticas para la mejora de procesos, donde las decisiones se basan

exclusivamente en números y hechos (“midiendo en lugar de suponer”, ya que

medir es igual a conocer), utilizando un software estadístico (Minitab) para el

correspondiente soporte analítico.

La metodología Six Sigma es utilizada para describir la Calidad de un

Proceso

6σ corresponde a una tasa de error de 3,4 ppm (3,4 cada 1.000.000 millón de

errores posibles)

La Variación es el Enemigo de la Calidad!!!

Six Sigma (6 σ) en la Industria Láctea


Check for OutliersCheck normal distribution in histogram

25

Generate data

Data analysis CH way step-by-stepPrepare data

Re-arrange in excel Transfer to Minitab

Check for normal distribution useeyeball test

Yes

No, get more

data or fix

problem

Locate outliers

Start

Go to data analysisRemove outliers

only if they can beexplained


Example of conclusive illustrations

26

5,405,345,285,225,165,105,04

LSL USL

LSL 5,08

Target *

USL 5,32

Sample Mean 5,20971

Sample N 693

StDev (O v erall) 0,0703996

Process Data

% < LSL 3,03

% > USL 5,48

% Total 8,51

O bserv ed Performance

Process Capability of Final pH 2011

Error rate %

Average

Standard deviation


• Histograma: verificar la Distribución Normal (Gauss) de un conjuntode Datos; aquí podemos calcular:

Process Capability: la habilidad que posee un Proceso de generar datos dentro de los límites que indica la especificación. Hace referencia directamente a la Calidad del Proceso (indicadores claves de la

performance)

• Boxplot

27

Tipos de Gráficos

60 ,7557 ,7554 ,7551 ,7548 ,7545 ,75

6 ,0

4 ,5

3 ,0

1 ,5

0 ,0

LSL Tar USL

Cp 0 ,244

CPL -0 ,072

CPU 0 ,559

Cpk -0 ,072

W it h in

Pp 0 ,244

PPL -0 ,072

PPU 0,559

Ppk -0 ,072

Cpm 0,176

Ove rall

W ith in

O v erall

60 ,7557 ,7554 ,7551 ,7548 ,7545 ,75

12

9

6

3

0

LSL Tar USL

Cp 0 ,401

CPL -0 ,118

CPU 0 ,919

Cpk -0 ,118

W it h in

Pp 0 ,401

PPL -0 ,118

PPU 0,919

Ppk -0 ,118

Cpm 0,215

Ove rall

W ith in

O v erall

Capability Histograms of Humedad Queso by Coagulante

Coagu lant e = DSM

Coagu lant e = Hansen

Indice Cp: USL – LSL/6 desviación Estandar (a menor variación, mayor proceso más controlado y mayor Cp)

Cuando Cp = CpK, el promedio está en el centro de la especificación.


28

Estudio de Caso con Minitab


29

Una empresa produce queso Mozzarella

Utiliza actualmente un Bulk Starter (BS Competitor B)

En la siguiente serie de Ensayos, se testearon la performance de

nuestros cultivos Easy Set i400 y otro cultivo directo de la

competencia (Competitor A). Desean comparar los resultados entre

los cultivos directos y el actual Bulk starter.

Los puntos críticos del proceso están dados en la tina quesera y en

la cinta desueradora.

El parámetro más importante para el Cliente es la Humedad.


30

Límites de Proceso (Especificación)

Parámetros Límite Inferior (LSL) Límite Superior (USL)

Drymatter cheese 51,50 53,50

pH Milk 6,45 6,55

pH-value DMC start 6,35 6,45

pH-value DMC end 5,05 5,35

Temp. Milk inlet 36,50 37,50

Cooking temp. Vat 38,00 39,00


Descriptive Statistics: Drymatter final product [%]

Total

Variable Culture rotation Count Mean StDev Maximum

Drymatter final BS Competitor B 20 53,653 0,992 55,470

DS Competitor A 20 53,012 0,578 53,830

i 405 20 52,363 0,335 52,850

i 410 20 52,496 0,383 53,380

i 450 20 52,751 0,343 53,420


Exp. Overall Performance

Variable % < LSL % > USL % Total

Drymatter final_BS Competitor B 1,62 56,05 57,67

Drymatter final_DS Competitor A 0,49 20,25 20,74

Drymatter final product [_i 405 0,57 0,04 0,61



I405 has the lowest error rate.

The best capability is obtain with i405 as the Cp is 0,98


OBJETIVO DEL TRABAJO

40

% Moisture

N°° °°Vats


Apuntaral blanco


MUCHAS GRACIAS

Congreso Lechería AUTEL 2015congresodelecheria.com.uy/site/media/archivos/Excelencia... ·...

Documents

Transcript of Congreso Lechería AUTEL 2015congresodelecheria.com.uy/site/media/archivos/Excelencia... ·...