بهينه‌سازي شرايط برشته‌كردن مغز بادام‌ زميني با هواي داغ توسط روش سطح پاسخ

Optimization of Hot Air Roasting of Peanut Kernels Using Response Surface Methodology

مقدمه: برشته كردن يك فرآيند حرارتي با دماي بالا و زمان پايين مي­باشد كه منجر به تشديد طعم و بهبود خصوصيات بافتي و حسي مغز­ها مي­گردد و شرايط برشته كردن نقش مهمي در بروز خصوصيات بافتي و حسي دارد. برشته كردن به طور مستقيم در كيفيت (چيپسي، رنگ و طعم و مزه) و زمان ماندگاري محصول نهايي اثر­گذار است، بنابراين برشته نمودن درست و اصولي مغز­ها و آجيل­ها از اهميت زيادي برخوردار است. مواد و روش‌ها: در اين تحقيق، فرايند برشته كردن با هواي داغ براي توليد اسنك بادام زميني با استفاده از روش سطح پاسخ (طرح مركب مركزي) در محدوده دمايي 140- 180 درجه سانتي­گراد و زمان­هاي مختلف 10- 30 دقيقه بهينه ­يابي شد. پارامترهاي رنگي شامل شاخص روشنايي (L*)، شاخص قرمزي (a*)، شاخص زردي (b*)، و تغييرات كلي رنگ (ΔE)، بافت (سفتي و انرژي فشاري)، خصوصيات حسي، مقدار رطوبت و ميزان مصرف انرژي به عنوان پاسخ براي توسعه يك مدل پيشگويي و بهينه­يابي فرآيند برشته كردن مورد استفاده قرار گرفتند. يافته­ ها: نتايج نشان داد كه افزايش دما و زمان برشته كردن باعث كاهش مقدار L*، b*، مقدار رطوبت، سفتي و انرژي فشاري و افزايش ΔE و ميزان مصرف انرژي گرديد. نتايج آناليز روش سطح پاسخ نشان داد كه پارامترهاي كيفي مي­توانند براي كنترل برشته كردن مغز بادام زميني در برشته كن هواي داغ مورد استفاده قرار بگيرند. براي رسيدن به يك پارامتر كيفي مطلوب، نقطه اپتيمم براي توليد اسنك بادام زميني، دماي 162 درجه سانتي­گراد به مدت 29 دقيقه تعيين شد. نتيجه‌گيري: نتايج حاصل از تحقيق بيانگر كارايي مفيد روش سطح پاسخ در بهينه ­يابي فرآيند برشته كردن با هواي داغ بود. براساس نتايج بدست آمده هر دو فاكتور دماي هواي داغ و زمان برشته كردن تاثير قابل توجه­اي بر خصوصيات كيفي و ميزان مصرف انرژي داشتند و باعث بهبود خصوصيات حسي و بافتي مغز بادام زميني گرديدند.

Introduction: Roasting is a high temperature short time (HTST) heat treatment process and enhances the flavor of product and improves the textural and organoleptic properties of the nuts. Materials and Methods: In this study, a hot-air roasting process for the production of peanut snack was optimized by response surface methodology (RSM) over a range of air temperatures (140–180°C) for various times (10-30 min). The color parameters including lightness (L*), redness (a*), yellowness (b*) and total color differences (ΔE), textural characteristics (hardness and compressive energy), sensory properties, moisture content of the peanuts and energy consumption were used as response parameters to develop predictive models and optimize the roasting process. Results: The results showed that by increasing the by temperature and time of roasting, the L*, b*, moisture content, hardness and compressive energy were decreased and ΔE* and energy consumption were increased. The result of RSM analysis showed that quality parameters could be used to control the roasting of peanut kernels in a hot-air roaster. In order to obtain the desired quality parameter, the optimum roasting for production of peanut snack was determined at 162°C for 29 min. Conclusion: This study revealed that RSM could be used to develop adequate prediction models for describing color and texture changes in peanut kernels during hot-air roasting. The changes in the quality parameters were adequately described by quadratic model. Successful optimization for the peanut kernels roasting process can also be made using desirability functions in RSM.