Aplicação de técnicas multivariadas em painéis sensoriais de café

Detalhes bibliográficos
Ano de defesa: 2018
Autor(a) principal: Nonenmacher Junior, Luiz Antonio
Orientador(a): Anzanello, Michel José
Banca de defesa: Não Informado pela instituição
Tipo de documento: Dissertação
Tipo de acesso: Acesso aberto
Idioma: por
Instituição de defesa: Não Informado pela instituição
Programa de Pós-Graduação: Não Informado pela instituição
Departamento: Não Informado pela instituição
País: Não Informado pela instituição
Palavras-chave em Português:
Painel sensorial
Café
Seleção de variáveis
Palavras-chave em Inglês:
Sensory panels
Index Alfa of Ledauphin
Variable Selection
Multivariate Techniques
Coffee
Link de acesso: http://hdl.handle.net/10183/188010
Resumo: No setor alimentício é frequente o uso de painéis sensoriais. Esses painéis são formados por um grupo de degustadores treinados que avaliam amostras de produtos em diversos atributos sensoriais e podem ser utilizados para garantir a autenticidade de produtos, assegurar sua qualidade e obter suas características sensoriais. Esta dissertação visa a aplicar técnicas multivariadas em painéis sensoriais de café, com o objetivo de calibrar e selecionar degustadores, prever notas conferidas pelos mesmos e classificar produtos em categorias de qualidade. Para atingir esses objetivos, inicialmente utiliza-se o Índice Alfa de Ledauphin e um índice de aprendizado para simular o efeito do treinamento de degustadores e comparar o desempenho de três diferentes métodos de treinamento. Na sequência, aplica-se uma regressão por mínimos quadrados parciais (PLSR) para prever as notas conferidas pelos degustadores com base em variáveis físico-químicas, selecionando as variáveis mais relevantes para predição através de um índice de importância de variáveis. Por fim, compara-se o desempenho combinado de dois índices de seleção de variáveis baseados em distância de Bhattacharyya e análise de componentes principais (PCA), e três técnicas de classificação - algoritmo do vizinho mais próximo (k-NN), análise linear discriminante (LDA) e rede neural probabilística (PNN) – na classificação de amostras em categorias de qualidade com base em dados espectrais. Com a aplicação dessas técnicas foi possível aprimorar a capacidade preditiva e reduzir a quantidade de variáveis e avaliadores necessários, reduzindo o custo de futuros experimentos.
id URGS_764c2961633a87641ccd37f47874dedf
oai_identifier_str oai:www.lume.ufrgs.br:10183/188010
network_acronym_str URGS
network_name_str Biblioteca Digital de Teses e Dissertações da UFRGS
repository_id_str
spelling Nonenmacher Junior, Luiz AntonioAnzanello, Michel José2019-01-22T02:36:43Z2018http://hdl.handle.net/10183/188010001083302No setor alimentício é frequente o uso de painéis sensoriais. Esses painéis são formados por um grupo de degustadores treinados que avaliam amostras de produtos em diversos atributos sensoriais e podem ser utilizados para garantir a autenticidade de produtos, assegurar sua qualidade e obter suas características sensoriais. Esta dissertação visa a aplicar técnicas multivariadas em painéis sensoriais de café, com o objetivo de calibrar e selecionar degustadores, prever notas conferidas pelos mesmos e classificar produtos em categorias de qualidade. Para atingir esses objetivos, inicialmente utiliza-se o Índice Alfa de Ledauphin e um índice de aprendizado para simular o efeito do treinamento de degustadores e comparar o desempenho de três diferentes métodos de treinamento. Na sequência, aplica-se uma regressão por mínimos quadrados parciais (PLSR) para prever as notas conferidas pelos degustadores com base em variáveis físico-químicas, selecionando as variáveis mais relevantes para predição através de um índice de importância de variáveis. Por fim, compara-se o desempenho combinado de dois índices de seleção de variáveis baseados em distância de Bhattacharyya e análise de componentes principais (PCA), e três técnicas de classificação - algoritmo do vizinho mais próximo (k-NN), análise linear discriminante (LDA) e rede neural probabilística (PNN) – na classificação de amostras em categorias de qualidade com base em dados espectrais. Com a aplicação dessas técnicas foi possível aprimorar a capacidade preditiva e reduzir a quantidade de variáveis e avaliadores necessários, reduzindo o custo de futuros experimentos.In the food industry, the utilization of sensory panels is common. Those panels are composed of a group of trained graders that evaluate some samples in a group of sensory attributes, and can be utilized to guarantee the product’s authenticity, assure its quality and obtain its sensory characteristics. This dissertation aims to apply multivariate techniques in sensory panels of coffee products, to train and select graders, forecast the grades given by them and classify products in quality categories. For those purposes, initially the Alfa Index of Ledauphin and a learning index are utilized to simulate the effect of training and compare the performance of three methods of evaluators training. After, a partial least squares regression (PLSR) is applied to forecast the grades given by graders based on physical and chemical variables of the samples, selecting the variables with the best performance using a variable importance index. Last, the combined performance of two variable importance indexes, based on the Bhattacharyya distance and the principal component analysis (PCA), and three classification techniques – the k-nearest neighbor algorithm (k-NN), the linear discriminant analysis (LDA) and the probabilistic neural network (PNN) – are compared when classifying samples based on spectral data. With the use of those techniques, it was possible to increase the predictive capacity and reduce the amount of variables and evaluators utilized, reducing the cost of future experiments.application/pdfporPainel sensorialCaféSeleção de variáveisSensory panelsIndex Alfa of LedauphinVariable SelectionMultivariate TechniquesCoffeeAplicação de técnicas multivariadas em painéis sensoriais de caféApplication of multivariate techniques in coffee sensory panels info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisUniversidade Federal do Rio Grande do SulEscola de EngenhariaPrograma de Pós-Graduação em Engenharia de ProduçãoPorto Alegre, BR-RS2018mestradoinfo:eu-repo/semantics/openAccessreponame:Biblioteca Digital de Teses e Dissertações da UFRGSinstname:Universidade Federal do Rio Grande do Sul (UFRGS)instacron:UFRGSTEXT001083302.pdf.txt001083302.pdf.txtExtracted Texttext/plain151055http://www.lume.ufrgs.br/bitstream/10183/188010/2/001083302.pdf.txtdfcc9b3d1b4c7189463a679b5ce5a4c9MD52ORIGINAL001083302.pdfTexto completoapplication/pdf1344088http://www.lume.ufrgs.br/bitstream/10183/188010/1/001083302.pdffe37737938d8bdab59e0087f4d2c557dMD5110183/1880102019-01-23 02:37:31.603311oai:www.lume.ufrgs.br:10183/188010Biblioteca Digital de Teses e Dissertaçõeshttps://lume.ufrgs.br/handle/10183/2PUBhttps://lume.ufrgs.br/oai/requestlume@ufrgs.br||lume@ufrgs.bropendoar:18532019-01-23T04:37:31Biblioteca Digital de Teses e Dissertações da UFRGS - Universidade Federal do Rio Grande do Sul (UFRGS)false
dc.title.pt_BR.fl_str_mv Aplicação de técnicas multivariadas em painéis sensoriais de café
dc.title.alternative.en.fl_str_mv Application of multivariate techniques in coffee sensory panels
title Aplicação de técnicas multivariadas em painéis sensoriais de café
spellingShingle Aplicação de técnicas multivariadas em painéis sensoriais de café
Nonenmacher Junior, Luiz Antonio
Painel sensorial
Café
Seleção de variáveis
Sensory panels
Index Alfa of Ledauphin
Variable Selection
Multivariate Techniques
Coffee
title_short Aplicação de técnicas multivariadas em painéis sensoriais de café
title_full Aplicação de técnicas multivariadas em painéis sensoriais de café
title_fullStr Aplicação de técnicas multivariadas em painéis sensoriais de café
title_full_unstemmed Aplicação de técnicas multivariadas em painéis sensoriais de café
title_sort Aplicação de técnicas multivariadas em painéis sensoriais de café
author Nonenmacher Junior, Luiz Antonio
author_facet Nonenmacher Junior, Luiz Antonio
author_role author
dc.contributor.author.fl_str_mv Nonenmacher Junior, Luiz Antonio
dc.contributor.advisor1.fl_str_mv Anzanello, Michel José
contributor_str_mv Anzanello, Michel José
dc.subject.por.fl_str_mv Painel sensorial
Café
Seleção de variáveis
topic Painel sensorial
Café
Seleção de variáveis
Sensory panels
Index Alfa of Ledauphin
Variable Selection
Multivariate Techniques
Coffee
dc.subject.eng.fl_str_mv Sensory panels
Index Alfa of Ledauphin
Variable Selection
Multivariate Techniques
Coffee
description No setor alimentício é frequente o uso de painéis sensoriais. Esses painéis são formados por um grupo de degustadores treinados que avaliam amostras de produtos em diversos atributos sensoriais e podem ser utilizados para garantir a autenticidade de produtos, assegurar sua qualidade e obter suas características sensoriais. Esta dissertação visa a aplicar técnicas multivariadas em painéis sensoriais de café, com o objetivo de calibrar e selecionar degustadores, prever notas conferidas pelos mesmos e classificar produtos em categorias de qualidade. Para atingir esses objetivos, inicialmente utiliza-se o Índice Alfa de Ledauphin e um índice de aprendizado para simular o efeito do treinamento de degustadores e comparar o desempenho de três diferentes métodos de treinamento. Na sequência, aplica-se uma regressão por mínimos quadrados parciais (PLSR) para prever as notas conferidas pelos degustadores com base em variáveis físico-químicas, selecionando as variáveis mais relevantes para predição através de um índice de importância de variáveis. Por fim, compara-se o desempenho combinado de dois índices de seleção de variáveis baseados em distância de Bhattacharyya e análise de componentes principais (PCA), e três técnicas de classificação - algoritmo do vizinho mais próximo (k-NN), análise linear discriminante (LDA) e rede neural probabilística (PNN) – na classificação de amostras em categorias de qualidade com base em dados espectrais. Com a aplicação dessas técnicas foi possível aprimorar a capacidade preditiva e reduzir a quantidade de variáveis e avaliadores necessários, reduzindo o custo de futuros experimentos.
publishDate 2018
dc.date.issued.fl_str_mv 2018
dc.date.accessioned.fl_str_mv 2019-01-22T02:36:43Z
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/masterThesis
format masterThesis
status_str publishedVersion
dc.identifier.uri.fl_str_mv http://hdl.handle.net/10183/188010
dc.identifier.nrb.pt_BR.fl_str_mv 001083302
url http://hdl.handle.net/10183/188010
identifier_str_mv 001083302
dc.language.iso.fl_str_mv por
language por
dc.rights.driver.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv application/pdf
dc.source.none.fl_str_mv reponame:Biblioteca Digital de Teses e Dissertações da UFRGS
instname:Universidade Federal do Rio Grande do Sul (UFRGS)
instacron:UFRGS
instname_str Universidade Federal do Rio Grande do Sul (UFRGS)
instacron_str UFRGS
institution UFRGS
reponame_str Biblioteca Digital de Teses e Dissertações da UFRGS
collection Biblioteca Digital de Teses e Dissertações da UFRGS
bitstream.url.fl_str_mv http://www.lume.ufrgs.br/bitstream/10183/188010/2/001083302.pdf.txt
http://www.lume.ufrgs.br/bitstream/10183/188010/1/001083302.pdf
bitstream.checksum.fl_str_mv dfcc9b3d1b4c7189463a679b5ce5a4c9
fe37737938d8bdab59e0087f4d2c557d
bitstream.checksumAlgorithm.fl_str_mv MD5
MD5
repository.name.fl_str_mv Biblioteca Digital de Teses e Dissertações da UFRGS - Universidade Federal do Rio Grande do Sul (UFRGS)
repository.mail.fl_str_mv lume@ufrgs.br||lume@ufrgs.br
_version_ 1831316058759233536

Registros relacionados