Influencia del contenido de humedad, la temperatura y el tiempo sobre los ácidos grasos libres en el aceite de palma crudo almacenado

Scientific Reports volumen 12, número de artículo: 9846 (2022) Citar este artículo

2676 Accesos

1 altmétrica

Detalles de métricas

Como consecuencia de la importancia del aceite de palma crudo (CPO) para las industrias globales de procesamiento de alimentos y la necesidad de garantizar la calidad del CPO. Se ha desarrollado un modelo cinético que describe los cambios de ácidos grasos libres (AGL) en CPO almacenado industrialmente. CPO FFA es un indicador bien conocido del deterioro del CPO. En este trabajo se ha investigado el efecto del contenido de humedad inicial, la temperatura de almacenamiento y el tiempo sobre los FFA de CPO. Específicamente, se desarrollaron modelos estadísticos de regresión múltiple para cambios en los FFA y el contenido de humedad (CM) con un valor de P <0,05 o un intervalo de confianza del 95 %. Se encontró que los CPO FFA aumentan con el aumento del contenido de humedad, la temperatura y el tiempo en su término lineal y con respecto a las disminuciones en su término cuadrático y la interacción entre el contenido de humedad y la temperatura. También se encontró que el CPO MC disminuye con un aumento de la temperatura y el tiempo y aumenta en el término cuadrático de temperatura. Aunque mientras que el modelo para CPO FFA, basado en la prueba F de Fisher: \({\mathrm{F}}_{\mathrm{model}}(6.80)<{\mathrm{F}}_{95\mathrm{\ %}}(19.30)\), no mostró falta de ajuste; el de CPO MC mostró falta de ajuste, \({\mathrm{F}}_{\mathrm{model}}(13.67)\nless {\mathrm{F}}_{95\mathrm{\%}} (4.39)\). Además, basándose en la inferencia del modelo estadístico, también se desarrollaron sus modelos cinéticos. Mientras que la cinética de CPO FFA resultó ser un modelo cinético de medio orden y sus otros modelos auxiliares mostraron un muy buen ajuste (R2 {0.9933–0.8614} y RMSE {0.0020–3.6716}); el de CPO MC era un modelo cinético de primer orden mal ajustado (R2 {0,9885–0,3935} y RMSE {0,0605–17,8501}).

El aceite de palma, el aceite vegetal1 más producido en el mundo, se utiliza habitualmente en su forma cruda o refinada en la industria procesadora de alimentos. Contribuye significativamente al producto interno bruto (PIB) de Indonesia, Malasia, Guatemala, Nigeria y Brasil2. Comercialmente, el aceite de palma crudo (CPO) normalmente se produce en grandes cantidades mediante extracción húmeda (es decir, mejorada con agua) de sus frutos, extraídos de los racimos de frutas frescas (FFB)3. A modo de ejemplo, la empresa de palma aceitera Okomu procesa 60 toneladas de RFB/h (es decir, aproximadamente 13,2 toneladas de CPO por hora, para una extracción4 con una eficiencia del 22 % mediante este método5. Esta producción a gran escala es esencial para hacer frente a la demanda de CPO. Además, para abordar también la variación estacional de la cosecha de RFF, el CPO producido se almacena en tanques de techo fijo6 con un extractor de humedad instalado, a una temperatura moderada para mantener la viscosidad razonablemente baja 7. Normalmente, el CPO se alimenta desde la línea de producción a aproximadamente 90 ℃ hasta el lugar de almacenamiento. tanque, se enfría naturalmente y se mantiene entre 35 y 55 ℃ mediante un intercambiador de calor. Las condiciones del proceso de extracción húmeda (es decir, ~ 90 a 140 ℃ y contenido de humedad (MC) >> 3%8) y la temperatura de almacenamiento facilitan un aumento en el Ácido graso libre (FFA) de CPO, debido a la hidrólisis de varias moléculas de triglicéridos, diglicéridos y monoglicéridos. Estas moléculas se construyen con gliceroles unidos a aproximadamente un 50 % de ácido graso saturado (principalmente ~ 44 % de ácido palmítico y 5 % de ácido esteárico), 40 % ácidos grasos monoinsaturados (principalmente ácido oleico) y 10% de ácidos grasos poliinsaturados (ácidos linoleicos)9. La hidrólisis de estas moléculas de triglicéridos contribuye en diferentes proporciones al aumento de FFA10. Sin embargo, un valor bajo de FFA (2–5%), entre otros estándares (como contenido de humedad e impurezas (0,15–0,30%), índice de blanqueabilidad (2,1–2,8), color (naranja-rojo), etc.8,11, 12,13,14) es un importante estándar de garantía de calidad para las ventas globales de CPO. Por lo general, los FFA, la humedad y el contenido de impurezas son indicadores de los otros estándares15. Por lo tanto, para evitar el deterioro del CPO más allá del valor estándar de FFA, el CPO almacenado se seca continuamente con el extractor de niebla y se vende rápidamente.

Se ha informado que la formación de FFA está influenciada por la CM y la temperatura del aceite vegetal y los lípidos almacenados16. Zhang et al.10 informaron que a medida que aumenta la temperatura, el porcentaje de degradación de los componentes de los triglicéridos de CPO a FFA es tal que los triglicéridos con ácido linoleico > esteárico > oleico > palmítico. Aunque cabe señalar que hay más triglicéridos con cadenas palmíticas que otros componentes de los triglicéridos y, como tal, el ácido palmítico influye significativamente en los CPO FFA. Almeida et al.17 y Taluri et al.18 también informaron que la temperatura de almacenamiento influyó en los AGL del aceite de coco y de oliva, respectivamente. Además, Lin et al.19 informaron un modelo cinético para la formación de FFA en lípidos extraídos de almendras almacenadas, teniendo en cuenta la influencia de la humedad relativa y la temperatura. Aunque se ha destacado en la literatura que la CM y la temperatura del aceite vegetal almacenado aumentan el valor de FFA, no hay informes sobre un modelo cinético para predecir los cambios de CPO FFA en función de estos dos factores de almacenamiento destacados. Este modelo, cuando se desarrolle, facilitaría la simulación, el seguimiento y el control de FFA en CPO almacenado industrialmente. La dinámica de los FFA en el aceite vegetal se puede investigar a través de los reactivos (es decir, la reacción de las moléculas de glicérido y agua), ecuación. (1)20,21,22,23,24. Sin embargo, las mediciones en este enfoque requieren el análisis simultáneo de glicéridos, agua y FFA, utilizando equipos costosos y complejos como cromatografía de gases, cromatografía de líquidos y HPLC25,26,27. Por lo tanto, un enfoque simplificado basado en el producto (es decir, cambio en CPO FFA, \(\mathrm{\%}\Delta \mathrm{FFA}\) mediante el método de titulación), Ec. (2) se considera en este trabajo. Además, el enfoque de desarrollo del modelo para la ecuación. (1) sugiere que es más compleja que la Ec. (2), ya que puede constituir múltiples subecuaciones del proceso de hidrólisis20 y, como tal, más variables. Donde, \({\mathrm{r}}_{\mathrm{FFA}}\) es la cinética de la reacción, \({\mathrm{y}}_{\mathrm{FFA}}=\mathrm{\%} \Delta \mathrm{FFA}\), \(\mathrm{k}\) es la constante de reacción, \(\mathrm{n}\) es el orden de reacción, \(\mathrm{i}\) es el orden específico molécula de glicérido considerada, \({\mathrm{x}}_{\mathrm{gly},\mathrm{i}}\) y \({\mathrm{x}}_{\mathrm{water}}\) son las composiciones de glicéridos y agua en el CPO.

Por lo tanto, en este trabajo, se analizarán CPO FFA y MC con FFA y MC iniciales conocidos almacenados a diferentes temperaturas en un entorno de humedad relativa conocida en diferentes tiempos de almacenamiento. Los objetivos incluirán: Análisis y recopilación de la cantidad adecuada de CPO de MC específicos de la empresa procesadora comercial de CPO; Diseño experimental mediante diseño Box-Behnken (BBD) del límite mínimo y máximo de factores (es decir, CM inicial (con FFA medido conocido), temperatura y tiempo) y con FFA y CM finales como respuestas; Almacenamiento de las muestras de CPO en la condición BBD diseñada y posterior evaluación de las respuestas especificadas; Deducir el modelo estadístico de regresión múltiple para el BBD diseñado y la evaluación de los factores y ecuaciones al nivel de confianza del 95% mediante la prueba F de Fisher; Evaluación de la cinética de FFA y MC y deducción de un modelo cinético de enésimo orden.

Las muestras de APC se seleccionaron de la rutina de muestreo regular de una empresa procesadora de APC en función del límite máximo aceptable (0,20 %) y el rango (0,015–0,30 %) de CM en aceite vegetal comestible14. Se identificaron tres conjuntos de muestras de 0,20 ± 0,02 %, 0,25 ± 0,02 % y 0,30 ± 0,02 % de CM, y también se determinaron sus FFA (5,17, 5,05 y 4,28 % respectivamente). Posteriormente, se recogió, selló y almacenó una cantidad adecuada (1000 ml) de estas muestras como muestra fuente en un recinto con una lámpara de radiación ultravioleta-C para limitar el aumento de FFA, como informaron Said et al.28. La Tabla 1 muestra las propiedades de las muestras de fuentes de CPO proporcionadas por la empresa.

Basado en la ecuación. (3)29,30, se mezclaron 2 g de muestra de CPO, \({\mathrm{m}}_{\mathrm{CPO}}\), con 10 ml de alcohol etílico. La mezcla se calentó a aproximadamente 35 °C, se enfrió y se tituló con una solución de NaOH 0,1 N, \({\mathrm{N}}_{\mathrm{NaOH}}\), mediante 2 a 3 gotas de fenolftaleína hasta obtener un color. cambia a rosa pálido y se anota el volumen del valorante, \({\mathrm{V}}_{\mathrm{T}}\). Donde 25,6 es el factor de equivalencia del ácido palmítico, el ácido graso dominante en CPO31. La hidrólisis del aceite de palma, a base de palmitato de glicerilo,\({\mathrm{C}}_{19}{\mathrm{H}}_{38}{\mathrm{O}}_{4}\) a palmítico ácido, \({\mathrm{C}}_{16}{\mathrm{H}}_{32}{\mathrm{O}}_{2}\) viene dado por la ecuación. (4).

Después de la medición inicial de FFA para la muestra fuente, \({\mathrm{FFA}}_{\mathrm{i}}\), los FFA posteriores de muestras a diferentes temperaturas y tiempos de almacenamiento, \({\mathrm{FFA} }_{\mathrm{t}}\), se expresan en términos de aumento porcentual del \({\mathrm{FFA}}_{\mathrm{i}}\) de la muestra, Ec. (5).

Siguiendo el método del horno de aire (Ca 2c-25) de la Sociedad Estadounidense de Químicos del Petróleo (AOCS)32 basado en la ecuación. (6), 10 g de muestra de CPO, \({\mathrm{m}}_{\mathrm{CPO},\mathrm{i}}\), medidos mediante una balanza sensible, se secaron a una temperatura y un tiempo determinados en un horno que funcione a ~ 70% de humedad relativa (RH). Se dejó enfriar en desecadores durante 15 min y se anotó el peso final de la muestra, \({\mathrm{m}}_{\mathrm{CPO},\mathrm{f}}\).

Tenga en cuenta que el \(\mathrm{MC}\) inicial o total de la muestra fuente, \({\mathrm{MC}}_{\mathrm{i}}\) se dedujo calentando a 105 ℃ durante 4 h. \(\mathrm{MC}\) posteriores para muestras a diferentes temperaturas y tiempos de almacenamiento, \({\mathrm{MC}}_{\mathrm{t}}\), se expresan en términos de porcentaje de reducción de \({ \mathrm{MC}}_{\mathrm{i}}\) de una muestra específica, Ec. (7).

Se implementó el diseño del experimento mediante BBD para determinar si la CM, la temperatura y el tiempo de almacenamiento realmente influyen en el CPO FFA como se informa en la literatura. Esto se logró mediante la deducción del modelo de regresión multivariable utilizando Python Jupyter Notebook, y también se dedujo para CPO MC.

Se adoptó una BBD de “tres variables y tres niveles” de tres (3) puntos centrales, lo que dio como resultado quince (15) ejecuciones experimentales, \(\mathrm{N}\), con las tres variables especificadas consideradas para cada respuesta. El diseño analiza la contribución de estas variables en términos de efectos lineales, cuadráticos y de interacción en la predicción de CPO FFA y MC mediante un modelo de regresión polinómica generalizada de segundo orden, ecuación. (9). La ecuación (8) y la Tabla 2 muestran la relación entre los valores codificados, \(\mathrm{x}\) y reales, \(\upxi\) de las variables especificadas para el análisis. Donde \(\overline{\upxi }=\) 0.5 \(({\upxi }_{\mathrm{max}}+ {\upxi }_{\mathrm{min}})\), \({\upxi }_{\mathrm{max}}\) y \({\upxi }_{\mathrm{min}}\) son el valor real medio, máximo y mínimo del experimento.

De manera similar se eligieron los tres conjuntos de muestras para CPO (es decir, basándose en el estándar CPO MC para aceite vegetal comestible). El límite superior e inferior de temperatura también se ha elegido en función del rango sugerido en el que las empresas procesadoras comerciales de CPO procesan y almacenan CPO.

Donde \(\mathrm{Y}\), es la respuesta, es decir, \(\mathrm{\%}\Delta \mathrm{FFA}\) o \(\mathrm{\%}\Delta \mathrm{MC}\ ) según lo dado por las Ecs. (5) y (7) respectivamente. \({\mathrm{x}}_{\mathrm{i}}\) y \({\mathrm{x}}_{\mathrm{j}}\) representan las variables de consideración especificadas, \({\ upbeta }_{0}\) es la constante del modelo, \({\upbeta}_{\mathrm{i}}\) es el coeficiente del término lineal,\({\upbeta}_{\mathrm{ii} }\) es el coeficiente del término cuadrático, \({\upbeta}_{\mathrm{ij}}\) es el coeficiente de interacción y \(\mathbbm{n}\) es el número de variables consideradas.

La cinética de reacción para CPO FFA y MC se dedujo utilizando la ecuación. (10), mediante el ajuste de curvas de datos experimentales de FFA y MC para las tres muestras fuente recolectadas. Se vertieron 50 g de cada una de estas muestras fuente en un vaso de precipitados de 50 ml de altura 60,96 mm y diámetro 38,10 mm. La muestra se dejó abierta y se colocó en un horno, y el análisis de FFA y MC de la muestra siguiendo los procedimientos descritos anteriormente se realizó en un intervalo de temperatura de 10 ℃ de 35 a 85 ℃, y en un intervalo de tiempo de 6 h de 6 a 120 h. La constante de velocidad, \({\rm{k}}\) para la cinética de reacción se dedujo asumiendo que el orden de reacción (es decir,\(\mathrm{n}\), el factor de potencia en \(\mathrm{ \%}\Delta \mathrm{FFA}\), \({\mathrm{y}}_{\mathrm{FFA}}\) y \(\mathrm{\%}\Delta \mathrm{MC}\) , \({\mathrm{y}}_{\mathrm{MC}}\)) está dentro del orden de cero a segundo (es decir, \(\mathrm{n}\) = 0, 0,5, 1,0 y 2,0 ).

Al modelar la cinética de FFA, \({\mathrm{r}}_{\mathrm{FFA}}\), se supone que \(\mathrm{k}\) es una función de la temperatura y del cambio en el contenido de humedad inicial. , \(\Delta{\mathrm{MC}}_{\mathrm{i}}\), tal que es el producto de la relación de Arrhenius basada en la temperatura y \(\Delta{\mathrm{MC}}_{ \ mathrm{i}}\) (Donde \(\Delta {\mathrm{MC}}_{\mathrm{i}}={\mathrm{MC}}_{\mathrm{i}}-\Delta {\ mathrm {MC}}_{\mathrm{i},0.20\mathrm{\%}}\) expresado por las ecuaciones. (11) y (12).

La ecuación (11) se deduce ajustando la curva al valor de \(\mathrm{k}\) calculado para cada muestra fuente de CPO a diferentes temperaturas según los resultados de la ecuación. (10). Mientras que \({\mathrm{k}}_{\mathrm{m}}\), la ecuación. (12) se deduce ajustando la curva al valor de la relación de \({\mathrm{k}}_{0}\) en la ecuación. (11) con respecto a \({\mathrm{k}}_{0}\) del máximo permitido de 0,20% MC, es decir, \({\mathrm{k}}_{\mathrm{m}}={\ mathrm{k}}_{0}/{\mathrm{k}}_{\mathrm{0.0.20\%}}\). Esta manipulación implica reexpresar \(\mathrm{k}\) como la ecuación. (13). Donde R es la constante del gas ideal, 8.314 J·mol−1·K−1, \(\mathrm{T}(\mathrm{K})\) es la temperatura, \(\mathrm{E}\)(J ·mol−1) es la energía de activación, \(\mathrm{\varphi}\)(J·mol−1) es la energía de activación debida a \(\Delta{\mathrm{MC}}_{\mathrm{i } }\), y 273 es la temperatura en Kelvin a temperatura y presión estándar.

En el modelado de la cinética de MC, \({\mathrm{r}}_{\mathrm{MC}}\), Ecs. (10) y (11) son las únicas ecuaciones aplicables que se pueden utilizar.

La bondad de ajuste de los modelos cinéticos deducidos se evaluó utilizando R-cuadrado (R2), ecuación. (14) y raíz del error cuadrático medio (RMSE), ecuación. (15). El uso de estos dos criterios de evaluación depende del informe de que R2 es inapropiado cuando se usa para demostrar el desempeño o la validez de ciertos modelos no lineales33. A raíz de este informe, Jim34 ha sugerido que RMSE sería apropiado para tales casos. Partiendo de la base de que los modelos cinéticos se evaluarían para \(n\) = 0, 0,5, 1 y 2, de ahí la posibilidad de no linealidad. Por lo tanto, para los modelos no lineales, el RMSE se utilizaría como criterio principal aunque también se informaría R2. El valor de R2 oscila entre 0 y 1; cuanto más cerca de la unidad, mejor es el modelo, mientras que RMSE oscila entre 0 y \(\infty\), cuanto más cerca de cero, mejor. Donde \(\mathrm{y}\) y \(\overline{\mathrm{y} }\) es la salida y la salida media de los datos experimentales,\(\widehat{\mathrm{y}}\) es la salida del modelo ajustado a la curva, \(\mathrm{N}\) es el número de la ejecución experimental y \(\mathrm{p}\) es el número de variables dependientes en el modelo.

El ajuste de curvas de modelos cinéticos se implementó utilizando las herramientas de ajuste de curvas Lsqcurvefit en MATLAB.

Antes de desarrollar modelos cinéticos CPO FFA y MC almacenados, se utilizó el análisis estadístico mediante el diseño experimental de Box-Behnken para investigar las variables que influyen significativamente en ellos. Este análisis se logró mediante la comparación de coeficientes, \({\upbeta }_{0}, {\upbeta }_{\mathrm{i}}\), \({\upbeta }_{\mathrm{ii}}\ ) y \({\upbeta }_{\mathrm{ij}}\) calculados con valor P ** < 0,05 o intervalo de confianza del 95%. Los modelos de regresión múltiple resultantes para el análisis estadístico vienen dados por las Ecs. (16) y (17). El modelo muestra que los FFA aumentan con un aumento en el contenido de humedad inicial, \({\mathrm{x}}_{1}\), la temperatura, \({\mathrm{x}}_{2}\) y el tiempo. , \({\mathrm{x}}_{3}\) en su término lineal y decrementos en su término cuadrático, e interacción entre el contenido de humedad y la temperatura, \({\mathrm{x}}_{1}{\ matemáticas{x}}_{2}\). Este resultado es bastante similar al que informaron Gawrysiak-Witulska et al.35 sobre el efecto del contenido de humedad y la temperatura en la degradación del fitosterol, que también se encuentra en los lípidos. En el informe de Gawrysiak-Witulska et al.35 también se realizó un análisis factorial de varianza de los factores dados en la Tabla 2, pero solo con respecto a lineal (\({\mathrm{x}}_{1}\), \({\mathrm{x}}_{2}\), y \({\mathrm{x}}_{3}\)), y términos interactivos (\({\mathrm{x}}_{1 }{\mathrm{x}}_{2}\), \({\mathrm{x}}_{1}{\mathrm{x}}_{3}\), \({\mathrm{x} }_{2}{\mathrm{x}}_{3}\) y \({\mathrm{x}}_{1}{\mathrm{x}}_{2}{\mathrm{x}} _{3}\)), y se encontró que el contenido de humedad, la temperatura y el tiempo de almacenamiento influyeron significativamente en la degradación del fitosterol de la colza en todos los términos resaltados.

Además, CPO MC en referencia a la ecuación. (17) disminuyó con un aumento en los términos lineales de temperatura, \({\mathrm{x}}_{2}\), y tiempo,\({\mathrm{x}}_{3}\), y aumentó con un aumento en el término cuadrático de temperatura, \({\mathrm{x}}_{2}^{2}\).

Aunque estas ecuaciones mostraron las variables significativas y su relación con los FFA y CM. Mientras que \({\mathrm{y}}_{\mathrm{FFA}}\) no mostró falta de ajuste, es decir, \({\mathrm{f}}_{\mathrm{model}}(6.80)< {\mathrm{f}}_{95\mathrm{\%}}(19.30)\), \({\mathrm{y}}_{\mathrm{MC}}\) mostró falta de ajuste, es decir \({\mathrm{f}}_{\mathrm{modelo}}(13.67)\nmenos {\mathrm{f}}_{95\mathrm{\%}}(4.39)\), como tal \({ \mathrm{y}}_{\mathrm{FFA}}\) es adecuado para la predicción de FFA, a diferencia de \({\mathrm{y}}_{\mathrm{MC}}\) para la predicción de MC. \({\mathrm{y}}_{\mathrm{FFA}}\) habiendo pasado la prueba F de Fisher, se realiza una evaluación adicional de su idoneidad mediante los gráficos residuales, Fig. 1. La observación del gráfico no mostró resultados adecuados. signos de efecto bloque y la varianza no aumenta en tendencia. Esto es una indicación de que el diseño de Box-Behnken está bien aleatorizado. Por lo tanto, se puede inferir que \({\mathrm{y}}_{\mathrm{FFA}}\) se puede utilizar para predecir FFA para varios valores de las variables dentro de sus límites mínimo y máximo especificados.

Gráfico residual del modelo estadístico de regresión múltiple.

La gráfica de superficie de respuesta resultante para \({\mathrm{y}}_{\mathrm{FFA}}\) dentro de los límites especificados de la variable de proceso se muestra en la Fig. 1. 2. Aunque \({\mathrm{y}}_{\mathrm{MC}}\) no ha pasado la prueba F, también se muestra su gráfica. Análisis de la ecuación. (16) y las Figs. 2a, muestra que CPO FFA aumenta con \({\mathrm{x}}_{1}\), \({\mathrm{x}}_{2}\) y \({\mathrm{x}} . _{3}\), y la ecuación. (17) y las Figs. 2b indica que MC en CPO disminuye con \({\mathrm{x}}_{2}\) y \({\mathrm{x}}_{3}\).

Gráfico de superficie de respuesta del modelo estadístico de regresión múltiple.

Con base en la discusión hasta ahora, se puede inferir que al desarrollar la cinética de CPO FFA, el efecto del contenido de humedad y la temperatura deben incorporarse al modelo. Y como era de esperar, la temperatura se utilizaría para la cinética de CPO MC.

El resultado del ajuste de curvas de datos experimentales al modelo cinético, ecuación. (10) mediante prueba y error del orden de reacción, \(n\) = 0,0, 0,5, 1,0 y 2,0 mostraron una cinética de reacción de orden medio, \(n\) = 0,5 se ajusta mejor al modelo. La comparación de los datos experimentales y el modelo deducido se muestra en la Fig. 3 y en la Tabla 3, que destaca la constante de velocidad estimada, \(\mathrm{k}\), los criterios de evaluación \({\mathrm{R}}^{2} \) y RMSE para el modelo. Según el valor de \({\mathrm{R}}^{2}\), el mejor ajuste de curva fue para 0,30% \({\mathrm{MC}}_{\mathrm{i}}\) y 35 ℃ y 0,25% \({\mathrm{MC}}_{\mathrm{i}}\) y 85 ℃. Mientras que para RMSE, 0,25%, 0,30% \({\mathrm{MC}}_{\mathrm{i}}\) y 35 ℃ fue lo mejor.

Comparación de datos experimentales y modelo cinético de CPO FFA a diferentes temperaturas y \({\mathrm{MC}}_{\mathrm{i}}.\)

En general, a partir de la banda de rodadura en los valores de \(\mathrm{k}\), a medida que avanza el tiempo de almacenamiento, el CPO FFA aumenta con mayor \({\mathrm{MC}}_{\mathrm{i}}\) y temperatura. Esta observación también se indica claramente en la Fig. 4.

Variación de la constante de velocidad para la cinética de CPO FFA con temperatura para diferentes \({\mathrm{MC}}_{\mathrm{i}}.\)

La Figura 4 se dedujo del ajuste de la curva de las constantes de velocidad, \(\mathrm{k}\), en la Tabla 3 a la Ec. (11), y las constantes de Arrhenius resultantes,\({\mathrm{k}}_{0}\), la energía de activación, \(\mathrm{E}\) y los criterios de evaluación, \({\mathrm{R }}^{2}\) y RMSE se dan en la Tabla 4. El análisis de los valores de \({\mathrm{R}}^{2}\) y RMSE indican que el modelo tiene un ajuste muy bueno con las constantes de velocidad. , \(\mathrm{k}\).

Además, para tener en cuenta el efecto del contenido de humedad, las constantes de Arrhenius deducidas, \({\mathrm{k}}_{0}\), en la Tabla 4, se ajustaron a la curva de la ecuación. (12) a través de la relación, \({\mathrm{k}}_{\mathrm{m}}={\mathrm{k}}_{0}/{\mathrm{k}}_{\mathrm{0 ,0,20\%}}\) y \(\Delta {\mathrm{MC}}_{\mathrm{i}}\). Las constantes de Arrhenius resultantes, \({\mathrm{k}}_{\mathrm{m}0}\), energía de activación a \(\delta{\mathrm{MC}}_{\mathrm{i}}\) , \(\mathrm{\varphi }\) y los criterios de evaluación, \({\mathrm{R}}^{2}\) y RMSE se dan en la Tabla 5. Observación de las Figs. 5, y según lo respaldado por los valores \({\mathrm{R}}^{2}\) y RMSE, el modelo muestra un muy buen ajuste con \({\mathrm{k}}_{\mathrm{m} ). }\).

Variación de la relación de constante de velocidad, \({k}_{m}\), con cambios en el contenido de humedad inicial, \(\Delta {\mathrm{MC}}_{\mathrm{i}}\).

El modelo final ajustado a la curva para la cinética de CPO FFA viene dado por la ecuación. (18) como se deduce de la ecuación. (10) y (13), observando que el punto de inicialización del modelo es 100%.

El enfoque de modelado y los resultados de la cinética de CPO FFA, ecuación. (18) descrito hasta ahora es bastante similar a los resultados informados por Lin et al.19 para la cinética de FFA del aceite extraído de almendras almacenadas. Sin embargo, en el informe de Lin et al.19, se propusieron cinéticas de reacción de primer orden teniendo en cuenta la influencia de la humedad relativa (HR) y la temperatura. Los datos informados indicaron que la formación de FFA dependía más de la temperatura y la velocidad de reacción aumentó más rápido con una HR más alta que con una HR más baja. Se puede suponer que la HR en el informe de Lin et al.19 tiene el mismo efecto que el contenido de humedad inicial, \({\mathrm{MC}}_{\mathrm{i}}\) utilizado en este trabajo, ya que la HR fue se mantuvo constante en este caso. La inferencia sobre el efecto de la temperatura y la HR en el informe de Lin et al.19 se puede observar a partir de la constante de velocidad creciente, \(\mathrm{k}\) con la temperatura en la Tabla 3 y \({\mathrm{k}}_ {0}\) con \({\mathrm{MC}}_{\mathrm{i}}\) en la Tabla 4 respectivamente. Además, cabe señalar que, a diferencia de la consideración de la constante de velocidad del modelo en función del contenido de humedad inicial, es decir, \({\mathrm{k}}_{0}=\mathrm{f}({\mathrm{MC }}_{\mathrm{i}})\) y manteniendo la energía de activación, \(\mathrm{E}\) constante en el modelo de Arrhenius, Ec. (11). Lin et al.19 estimaron ambas variables en función de la HR.

De manera similar a la cinética de CPO FFA, también se investigó la cinética de CPO MC. El ajuste de curva resultante de los datos experimentales al modelo cinético propuesto, ecuación. (10), mostró una cinética de reacción de primer orden, \(n\) = 1,0 se ajusta mejor al modelo. La comparación de los datos experimentales y el modelo cinético se muestra en la Fig. 6 y en la Tabla 6, que destaca la constante de velocidad estimada,\(\mathrm{k}\), los criterios de evaluación \({\mathrm{R}}^{2 }\) y RMSE para el modelo. Según el valor de \({\mathrm{R}}^{2}\) (la linealidad se mantiene), el modelo dio mejores ajustes a temperaturas más bajas (es decir, 35 ℃) y más altas (75 y 85 ℃) en los tres \ ({\mathrm{MC}}_{\mathrm{i}}\) muestras. Además, se observa que el valor de \(\mathrm{k}\) es el más alto para el 0,25% \({\mathrm{MC}}_{\mathrm{i}}\), y el más bajo para el 0,20% \({ \mathrm{MC}}_{\mathrm{i}}\), contrariamente a la expectativa de que \(\mathrm{k}\) habría cambiado consistentemente y proporcionalmente con los cambios en \({\mathrm{MC}}_{ \mathrm{i}}\) o permaneció constante. Esta inconsistencia es indicativa del hecho de que el modelo cinético propuesto para el CPO MC es inadecuado, como se observa en la inspección visual de la Fig. 6. La razón de este pobre resultado puede atribuirse al hecho de que durante el secado de la humedad en líquido En las muestras, la humedad está constantemente en equilibrio con la humedad del aire circundante. Por lo tanto, si la tasa de eliminación de humedad no es lo suficientemente alta (es decir, a baja temperatura), se elimina una pequeña cantidad de humedad, mientras que a una temperatura más alta se elimina mucha humedad. Y entre temperaturas bajas y altas, la tasa de eliminación de humedad es bastante inconsistente. Además, factores como la cantidad y el área de superficie efectiva o expuesta de las muestras y la variación de la humedad relativa del entorno pueden afectar significativamente la tasa de eliminación de humedad.

Comparación de datos experimentales y modelo cinético de CPO MC a diferentes temperaturas y \({\mathrm{MC}}_{\mathrm{i}}.\)

Además, las constantes de velocidad, \(\mathrm{k}\), en la Tabla 6 se ajustaron a la curva en función de la temperatura utilizando la forma linealizada de la ecuación. (11), y los resultados se dan en la Tabla 7 y, según el valor de \({\mathrm{R}}^{2}\), el modelo mostró un ajuste deficiente, como también se ilustra en la Fig. 7. En general, el mal ajuste del modelo cinético CPO MC, Ec. (10) y (11), colaboran con el resultado de falta de ajuste del modelo estadístico de regresión múltiple, Ec. (17) desarrollado anteriormente.

Variación de la constante de velocidad para la cinética de CPO MC con temperatura para diferentes \({\mathrm{MC}}_{\mathrm{i}}.\)

La cinética de CPO MC ajustada a la curva a partir de la combinación de las Ecs. (10) y (11) vienen dadas por la ecuación. (19) con una inicialización del 100%.

En comparación de la cinética de CPO MC con las ecuaciones de la curva de secado de capa fina, la ecuación. (19), cuando se integra algebraicamente, es equivalente al modelo de Henderson y Pabis36. Habiendo destacado anteriormente la insuficiencia de la cinética de CPO MC, es necesario deducir un modelo elaborado para predecir los cambios de CPO MC con la temperatura, siguiendo enfoques integrales descritos en la literatura37,38,39.

En conclusión, el resultado de este trabajo mostró matemáticamente cómo el contenido de humedad, \({\mathrm{x}}_{1}\), la temperatura, \({\mathrm{x}}_{2}\), y el almacenamiento Al mismo tiempo, \({\mathrm{x}}_{3}\) influyó en los cambios en CPO FFA a partir del análisis de un modelo de regresión múltiple estadísticamente significativo, deducido del diseño experimental de Box-Behnken para estos factores de proceso. Se encontró que cada uno de estos factores influyó significativamente en el CPO FFA linealmente (\({\mathrm{x}}_{1}\), \({\mathrm{x}}_{2}\) y \({\ mathrm{x}}_{3}\)), cuadráticamente (\({\mathrm{x}}_{1}^{2},\) \({\mathrm{x}}_{2}^{ 2}\) y \({\mathrm{x}}_{3}^{2}\)) y por una interacción entre el contenido de humedad y la temperatura (\({\mathrm{x}}_{1}{\ mathrm{x}}_{2}\)) solamente. Además, se desarrolló un modelo cinético de reacción de orden medio bien ajustado para describir los cambios de CPO FFA con la incorporación del efecto de la temperatura y el contenido de humedad a través del modelo de Arrhenius. De manera similar, se desarrolló un modelo cinético de primer orden y multiregresión para CPO MC. Sin embargo, la regresión múltiple fue estadísticamente insignificante y el modelo cinético de primer orden no se ajustaba bien a los datos experimentales. La insuficiencia de los modelos CPO MC desarrollados puede sugerir que es necesario investigar más a fondo consideraciones detalladas de los fenómenos físicos y termodinámicos asociados con la evaporación de la humedad del CPO.

Los autores no desean compartir datos complementarios, porque todos los datos experimentales vitales son los mismos que los datos utilizados para los gráficos de este artículo.

Shahbandeh, M. Aceites vegetales: producción mundial 2012/13-2020/21, por tipo. Statista https://www.statista.com/statistics/263933/production-of-vegetable-oils-worldwide-since-2000/ (2021).

Indexmundo. Exportaciones de aceite de palma por país. https://www.indexmundi.com/agriculture/?commodity=palm-oil&graph=exports (2021).

Bunchai, A., Suttinun, O., H-Kittikun, A. & Musikavong, C. Emisiones de gases de efecto invernadero del ciclo de vida de la producción de aceite de palma mediante procesos de extracción húmedos y secos en Tailandia. En t. J. Evaluación del ciclo de vida. 22(11), 1802–1814 (2016).

Artículo de Google Scholar

Poku, K. Procesamiento de aceite de palma a pequeña escala en África. http://www.fao.org/3/y4355e/y4355e03.htm (2002).

Okomu. Productos de aceite de palma. http://okomunigeria.com/ (2021).

Junta de Aceite de Palma de Malasia. Prácticas recomendadas para el almacenamiento y transporte de aceites y grasas comestibles. (2010).

Civis-mundi. Temperatura de almacenamiento del aceite de palma. https://civis-mundi.hr/yvaxbj/palm-oil-storage-temperature (2021).

Azeman, NH, Yusof, NA y Othman, AI Detección de ácidos grasos libres en aceite de palma crudo. Asiático J. Chem. 27, 1569-1573 (2015).

Artículo CAS Google Scholar

Mancini, A. y col. Propiedades biológicas y nutricionales del aceite de palma y del ácido palmítico: efectos sobre la salud. Moléculas 20, 17339–17361 (2015).

Artículo CAS PubMed PubMed Central Google Scholar

Zhang, Z.-S., Li, D. y Zhang, L.-X. Efecto del calentamiento sobre la composición de ácidos grasos y productos de oxidación del aceite de linaza. Asiático J. Chem. 25, 10082–10086 (2013).

Artículo CAS Google Scholar

Man, YBC, Moh, MH & Voort, FR Determinación de ácidos grasos libres en aceite de palma crudo y oleína de palma refinada, blanqueada y desodorizada mediante espectroscopía infrarroja por transformada de Fourier. Mermelada. Química del petróleo. Soc. 76, 485–490 (1999).

Artículo CAS Google Scholar

Ashaari, A., Ahmad, T., Awang, SR y Shukor, NA Un modelado dinámico basado en gráficos para el proceso de refinación de aceite de palma. Procesos 9, 523 (2021).

Artículo CAS Google Scholar

Metrohm USA Inc. Determinación de la calidad del producto de aceite de palma. Noticias de ciencias biológicas médicas https://www.news-medical.net/whitepaper/20190214/Palm-Oil-Product-Quality-Determination.aspx (2019).

Negash, YA, Amare, DE, Bitew, BD y Dagne, H. Evaluación de la calidad de los aceites vegetales comestibles a los que se accede en la ciudad de Gondar, noroeste de Etiopía Res. BMC. Notas 12, 1 a 5 (2019).

Artículo de Google Scholar

Constant, L.-L.-NB et al. Una revisión de los principales factores que afectan la acidez del aceite de palma dentro del sector de los pequeños agricultores de palma aceitera (Elaeis guineensis Jacq.) en Camerún. África. J. Ciencia de los alimentos. 11, 296–301 (2017).

Artículo CAS Google Scholar

Mahesar, SA, Sherazi, STH, Khaskheli, AR, Kandhro, AA y Uddin, S. Enfoques analíticos para la evaluación de ácidos grasos libres en aceites y grasas. Anal. Métodos 6, 4956–4963 (2014).

Artículo CAS Google Scholar

de Almeida, DT, Viana, TV, Costa, MM, Silvas, CS & Feitosa, S. Efectos de diferentes condiciones de almacenamiento sobre la estabilidad oxidativa del aceite de palma crudo y refinado, oleína y estearina (Elaeis guineensis). Ciencia de los alimentos. Tecnología. 39, 211-217 (2018).

Artículo de Google Scholar

Saffar Taluri, S., Jafari, SM & Bahrami, A. Evaluación de cambios en la calidad del aceite extraído de frutos de aceituna almacenados bajo diferentes temperaturas e intervalos de tiempo. Ciencia. Rep. 9, 1–8 (2019).

ADS del artículo Google Scholar

Lin, X. y col. Vida útil de las almendras de California: deterioro de los lípidos durante el almacenamiento. J. Ciencia de los alimentos. 77, C583–C593 (2012).

Artículo CAS PubMed Google Scholar

Jaya, HS, Wardana, ING, Hamidi, N. y Widhiyanuriyawan, D. Reacción de hidrólisis utilizando cavitación de un chorro de agua a alta presión que incide en un baño de aceite de palma. Ain Shams Ing. J. 12, 3905–3918 (2021).

Artículo de Google Scholar

Monie, A. et al. Hidrólisis enzimática de aceite de colza con una lipasa no transgénica: una estrategia para sustituir mono y diglicéridos de ácidos grasos y mejorar la suavidad de los bizcochos. LWT 137, 110405 (2021).

Artículo de Google Scholar

Luo, H. y col. Hidrólisis de aceites vegetales a ácidos grasos utilizando líquidos iónicos ácidos de Brønsted como catalizadores. Ing. de Indiana. Química. Res. 53, 11653–11658 (2014).

Artículo CAS Google Scholar

Salimon, J., Abdullah, BM & Salih, N. Estudio de optimización y caracterización de la hidrólisis de la preparación de ácidos grasos a partir del aceite de semilla de Jatropha curcas. Química. Central J. 5, 1–9 (2011).

Artículo de Google Scholar

Linfield, WM, Barauskas, RA, Sivieri, L., Serota, S. & Stevenson, RW Hidrólisis y síntesis enzimática de grasas. Mermelada. Química del petróleo. Soc. 61, 191-195 (1984).

Artículo CAS Google Scholar

Lau, HLN, Puah, CW, Choo, YM, Ma, AN y Chuah, CH Cuantificación simultánea de especies moleculares de ácidos grasos libres, esteroles libres, escualeno y acilglicerol en aceite de palma mediante cromatografía de gases de alta temperatura: detección de ionización de llama. Lípidos 40, 523–528 (2005).

Artículo CAS PubMed Google Scholar

Kail, BW, Link, DD & Morreale, BD Determinación de ácidos grasos libres y triglicéridos mediante cromatografía de gases mediante reacciones de esterificación selectivas. J. Cromatogr. Ciencia. 50, 934–939 (2012).

Artículo CAS PubMed Google Scholar

Ruiz-Gutiérrez, V. & Barron, LJR Métodos para el análisis de triacilgliceroles. J. Cromatogr. B Biomédica. Ciencia. Aplica. 671, 133–168 (1995).

Artículo de Google Scholar

Said, SD, Maimun, T., Asnawi, TM & Muslim, A. Inhibición de la generación de ácidos grasos libres en aceite de palma crudo durante el almacenamiento mediante el uso de tratamiento con luz UV-C. Conferencia de la PIO. Ser. Madre. Ciencia. Ing. 854, 012015 (2020).

Artículo CAS Google Scholar

Nduka, JKC, Omozuwa, PO & Imanah, OE Efecto del tiempo de calentamiento sobre las propiedades fisicoquímicas de aceites vegetales seleccionados. Árabe. J. química. 14, 103063 (2021).

Artículo CAS Google Scholar

Mićić, R. et al. Reducción de ácidos grasos libres en aceite usado para la producción de biodiesel mediante glicerolisis: investigación y optimización de parámetros del proceso. Proceso Verde. Sintetizador. 8, 15-23 (2019).

Artículo de Google Scholar

Japir, AAW y cols. Características fisicoquímicas del aceite de palma crudo con alto contenido de ácidos grasos libres. OCL Semillas oleaginosas Grasas Cultivos Lípidos 24, D506 (2017).

Google Académico

Che Man, YB & Mirghani, MES Método rápido para determinar el contenido de humedad en aceite de palma crudo mediante espectroscopía infrarroja por transformada de Fourier. Mermelada. Química del petróleo. Soc. 77, 631–637 (2000).

Artículo de Google Scholar

Spiess, A.-N. & Neumeyer, N. Una evaluación de R2 como medida inadecuada para modelos no lineales en investigación farmacológica y bioquímica: un enfoque de Monte Carlo. BMC Farmacol. 10, 1-11 (2010).

Artículo de Google Scholar

Jim Frost. R cuadrado no es válido para regresión no lineal: estadística de Jim. https://statisticsbyjim.com/regression/r-squared-invalid-nonlinear-regression/.

Gawrysiak-Witulska, M., Rudzińska, M., Wawrzyniak, J. & Siger, A. El efecto de la temperatura y el contenido de humedad de la colza almacenada sobre la tasa de degradación de los fitoesteroles. Mermelada. Química del petróleo. Soc. 89, 1673–1679 (2012).

Artículo CAS PubMed PubMed Central Google Scholar

Kucuk, H., Kilic, A. y Midilli, A. Aplicaciones comunes de las ecuaciones de la curva de secado de capa fina y sus criterios de evaluación. Prog. Entorno energético exergético. https://doi.org/10.1007/978-3-319-04681-5_63 (2014).

Artículo de Google Scholar

Houle, FA, Miles, REH, Pollak, CJ y Reid, JP Una descripción puramente cinética de la evaporación de las gotas de agua. J. química. Física. 154, 054501 (2021).

Artículo ADS CAS PubMed Google Scholar

Aursand, E. & Ytrehus, T. Comparación de modelos de evaporación de la teoría cinética para películas delgadas líquidas. En t. J. Flujo multifásico 116, 67–79 (2019).

Artículo MathSciNet CAS Google Scholar

Penner, SS Sobre la cinética de la evaporación. J. Física. Química. 56, 475–479 (2002).

Artículo de Google Scholar

Descargar referencias

Departamento de Control Automático e Informática, Universidad Tomas Bata, Jižní Svahy Nad Stránemi 4511, 76001, Zlin, República Checa

Samuel Emebu y Dagmar Janáčová

Departamento de Ingeniería Química, Universidad de Benin, PO Box 1154, Ciudad de Benin, Nigeria

Samuel Emebu, Omokaro Osaikhuiwuomwan y Charity Okieimen

Departamento de Energía, Universidad Tecnológica de Lappeenranta-Lahti, Mukkulankatu 19, 15210, Lahti, Finlandia

Aleksi Mankonen

Instituto de Investigación sobre la Inflamación Sistémica, Universidad de Lübeck, Ratzeburger Allee 160, 23562, Lübeck, Alemania

Chinweike Udoye

También puedes buscar este autor en PubMed Google Scholar.

También puedes buscar este autor en PubMed Google Scholar.

También puedes buscar este autor en PubMed Google Scholar.

También puedes buscar este autor en PubMed Google Scholar.

También puedes buscar este autor en PubMed Google Scholar.

También puedes buscar este autor en PubMed Google Scholar.

Conceptualización, SE, OO; Metodología, OO; Software, SE, CU; Validación, AM; Análisis formal, AM, CU; Investigación, OO; Recursos, OO; Curación de datos, SE, OO; Redacción-preparación de borrador original, SE; Escritura-revisión y edición, SE, AM, CC, DJ; Visualización, CU; Supervisión, CO, DJ; Administración de proyectos, SE; Adquisición de financiación, SE, DJ Todos los autores han leído y aceptado la versión publicada del manuscrito.

Correspondencia a Samuel Emebu.

Los autores declaran no tener conflictos de intereses.

Springer Nature se mantiene neutral con respecto a reclamos jurisdiccionales en mapas publicados y afiliaciones institucionales.

Acceso Abierto Este artículo está bajo una Licencia Internacional Creative Commons Attribution 4.0, que permite el uso, compartir, adaptación, distribución y reproducción en cualquier medio o formato, siempre y cuando se dé el crédito apropiado a los autores originales y a la fuente. proporcione un enlace a la licencia Creative Commons e indique si se realizaron cambios. Las imágenes u otro material de terceros en este artículo están incluidos en la licencia Creative Commons del artículo, a menos que se indique lo contrario en una línea de crédito al material. Si el material no está incluido en la licencia Creative Commons del artículo y su uso previsto no está permitido por la normativa legal o excede el uso permitido, deberá obtener permiso directamente del titular de los derechos de autor. Para ver una copia de esta licencia, visite http://creativecommons.org/licenses/by/4.0/.

Reimpresiones y permisos

Emebu, S., Osaikhuiwuomwan, O., Mankonen, A. et al. Influencia del contenido de humedad, la temperatura y el tiempo sobre los ácidos grasos libres en el aceite de palma crudo almacenado. Informe científico 12, 9846 (2022). https://doi.org/10.1038/s41598-022-13998-1

Descargar cita

Recibido: 26 de enero de 2022

Aceptado: 18 de mayo de 2022

Publicado: 14 de junio de 2022

DOI: https://doi.org/10.1038/s41598-022-13998-1

Cualquier persona con la que compartas el siguiente enlace podrá leer este contenido:

Lo sentimos, actualmente no hay un enlace para compartir disponible para este artículo.

Proporcionado por la iniciativa de intercambio de contenidos Springer Nature SharedIt

Al enviar un comentario, acepta cumplir con nuestros Términos y pautas de la comunidad. Si encuentra algo abusivo o que no cumple con nuestros términos o pautas, márquelo como inapropiado.