Orientador: Ana Maria Frattini Fileti

Dissertação (mestrado) - Universidade Estadual de Campinas, Faculdade de Engenharia Química

Resumo: A pimenta-rosa, produzida a partir dos frutos da aroeira-vermelha (Schinus terebinthifolius Raddi), é um dos mais sofisticados condimentos da culinária internacional e que vem apresentando um aumento na sua demanda. No entanto, na literatura encontram-se poucos estudos sobre o seu...

Resumo: A pimenta-rosa, produzida a partir dos frutos da aroeira-vermelha (Schinus terebinthifolius Raddi), é um dos mais sofisticados condimentos da culinária internacional e que vem apresentando um aumento na sua demanda. No entanto, na literatura encontram-se poucos estudos sobre o seu processamento, em que a secagem é uma etapa indispensável e que ainda é realizada de forma empírica. Nas empresas beneficiadoras, a etapa de secagem tem por finalidade aumentar a vida de prateleira do produto, além de agregar valor aos frutos da aroeira-vermelha. Neste contexto, este trabalho teve por objetivo realizar investigações no processo de secagem de frutos de aroeira-vermelha, focando principalmente no estudo de modelos matemáticos para a simulação do processo. As amostras de frutos de aroeira-vermelha, utilizadas nos ensaios de caracterização e secagem, foram classificadas manualmente e reumidificadas artificialmente. Para a caracterização do sistema particulado, os seguintes parâmetros foram determinados: teor de umidade em base seca; diâmetro médio e massa específica aparente dos frutos; e massa específica e porosidade do leito de frutos. Também foram determinadas, através do método estático, as isotermas de dessorção de umidade dos frutos em temperaturas de 30, 50 e 70 ºC. Um Delineamento Composto Central Rotacional (DCCR) com 11 experimentos foi desenvolvido e foram investigadas as influências da temperatura (40 a 70 ºC) e da velocidade do ar de secagem (0,4 a 0,8 m/s) no processo. Em cada um dos ensaios do DCCR foram analisadas a cinética de secagem e a curva de taxas de secagem dos frutos de aroeira-vermelha. Os modelos de difusão, de Lewis, de Henderson e Pabis, de Page modificado e de Henderson foram ajustados aos dados experimentais da cinética de secagem, sendo realizada a comparação destes modelos com um modelo fundamentado na Inteligência Artificial. Os resultados revelaram que, para as condições operacionais estudadas neste trabalho, a temperatura do ar de secagem apresenta uma influência maior no processo. A cinética de secagem ocorre principalmente no período de taxa decrescente. Isto indica que a secagem ocorre pela remoção da umidade interna do sólido. O modelo via Redes Neurais Artificiais (RNA's) e o modelo de Henderson apresentaram os resultados mais satisfatórios no ajuste aos dados da cinética de secagem dos frutos de aroeira-vermelha. No entanto, observou-se que a principal vantagem do modelo de RNA, em relação aos modelos clássicos, foi a sua generalidade. O modelo de RNA foi capaz de descrever uma série de experiências com precisão, enquanto que a aplicação de modelos clássicos foi limitada a uma experiência específica. Para o modelo neural, esta gama de condições experimentais pode ser expandida através da adição de novos conjuntos de experimentos de treinamento. Deste modo, os resultados satisfatórios da utilização de um modelo baseado em RNA's em processos de secagem indicam a potencialidade da aplicação desta ferramenta na modelagem de processos industriais de secagem

Abstract: The pink pepper, produced from the Brazilian pepper-tree fruits (Schinus terebinthifolius Raddi), is one of the most sophisticated condiments of the international cuisine. The demand for pink pepper is increasing because it adds taste and refinement to international cuisine. Until now,...

Abstract: The pink pepper, produced from the Brazilian pepper-tree fruits (Schinus terebinthifolius Raddi), is one of the most sophisticated condiments of the international cuisine. The demand for pink pepper is increasing because it adds taste and refinement to international cuisine. Until now, rare are the studies that investigated the drying of Brazilian pepper?tree fruits. In the processing companies, the process is carried out empirically and the drying operation is an important step. The Brazilian pepper?tree fruits are dried to inhibit microbial development and quality decay. Another benefit of drying is a reduction in weight. In this context, this study aimed to perform investigations in the drying process of Brazilian pepper?tree fruits, focusing mainly in the study of mathematical models to simulate drying kinetics. Before each test, the fruits were sorted manually and humidified artificially. In this study, physical characterization of Brazilian pepper?tree fruits was obtained by evaluating the moisture content on dry basis; mean diameter and apparent density; bulk density and porosity. The moisture sorption isotherm, at temperatures of 30, 50 and 70 ºC, were determined by the static method. A Central Composite Rotable Design (CCRD) with 11 experiments was developed. In each experiment, the drying kinetics and the drying rate were investigated, as well as the influence of input variables on the drying process. Classical models were fitted to the drying data, as well as a model based on Artificial Intelligence. In the operating conditions of this study, the results revealed that the air temperature has a greater influence on the thin layer drying process of Brazilian pepper?tree fruits. The drying kinetics occurs mainly in the falling-rate period of drying. This indicates that drying occurs mainly by removal of internal moisture of the solid. The artificial neural network model and the Henderson model fitted to the experimental data more accurately in comparison to the various mathematical models. However, it was observed that the main advantage of the artificial neural network model over classical models was their generality. The ANN model was able to describe a range of experiments accurately, while the application of classical models is limited to a specific experiment. For the neural model, this range of experimental conditions may be expanded by addition of new sets of experiments in training