Peynir Verimi Tahmin Modellerinin Değerlendirilmesi

Peynir verimi neden önemlidir

Peynir, süt endüstrisinde çok önemli bir ticari üründür; Fox ve ark. peynirin payını toplam süt kullanımının yaklaşık %35 düzeyinde verir [1]. Verim, standartlaştırılmış yağ ve protein düzeylerinde 100 kg süt başına kilogram peynir olarak ifade edilir; işletmeler ayrıca verim etkinliğini, yani gerçekleşen verimin süt bileşiminden tahmin edilen verime oranını yüzde olarak izler [1]. Verimi etkileyen faktörler iyi bilinmektedir — süt bileşimi ve kalitesi, standardizasyon, ısıl işlem, kesim anındaki jel sertliği, kesme ve karıştırma rejimi, pıhtı parçacık boyutu ve tekne tasarımı — ve bunlar, süt jelinin bileşimini ve pıhtı parçacıklarından ne kadar nemin atılacağını ve ne kadar yağın kaybolacağını etkileyerek işlev görür [1].

Verimin süt bileşiminden tahmini

Tahmine dayalı verim formülleri, 1895 yılında yayımlanan ve yalnızca kazein ile yağa dayanan bir formülden türemiştir; bu soyun en bilineni Van Slyke formülüdür ve sonraki iyileştirmeler peynir nemini ve tuzunu, peynir altı suyu katı maddelerini ve kazein yerine parakazeini eklemiştir [2]. Emmons ve Modler, General, Barbano ve Van Slyke formüllerini 22 tekne Cheddar üzerinde sınamış ve düzeltilmemiş formüllerin verimi doğru tahmin etmediğini bulmuştur: ortalama tahmini verim gerçek verimin %99,17 düzeyindeydi ve ölçülen peynir bileşenlerinin toplamı %100 değerinin altında kalıyordu [2]. Gözlenen bileşen toplamına göre yapılan düzeltme ortalamayı gerçek verimin %99,99 düzeyine taşımıştır; bu nedenle hedef verimler ve verim etkinliği için düzeltilmiş formüller önerilir. Dikkat çekici biçimde, bu durumda toplam süt proteini kazeinle aynı tahmini verimleri vermiştir; dolayısıyla kazein tayini her zaman gerekli olmayabilir [2].

Girdiler tekne sütünün yağ ve proteinidir ve bu değerler ancak dayandıkları referans yöntemler kadar iyidir: gravimetrik yağ referansı, ISO 1211'in yerini alan ISO 23318 | IDF 249'dur [3]; ISO 8968-1 | IDF 20-1 ise azotu Kjeldahl ilkesiyle tayin eder ve ham proteini buradan hesaplar [4].

Kızılötesi spektroskopi süt kabulünde ne katar

Referans yöntemler peynir yapımının hızına göre yavaştır; bu nedenle günlük değerleri, bu yöntemlere karşı kurulan spektroskopik kalibrasyonlar sağlar. Laporte ve Paquin, inek sütünde yağ, ham protein, gerçek protein ve kazeini yakın kızılötesi geçirgenlikle, 96 numune üzerinde PLS kalibrasyonlarıyla tayin etmiştir; bağımsız doğrulamada tahmin standart hataları yağ için %0,07, ham protein ve kazein için %0,06, gerçek protein için %0,05 bulunmuş ve homojenizasyonun yağ tayinini etkilediği görülmüştür [5].

Daha doğrudan bir yol, spektrumu verimin kendisine karşı kalibre etmektir. Ferragina ve ark., sabit bir laboratuvar protokolüyle tek tek ineklerin sütünden 1.264 model peynir yapmış ve işlenmemiş sütün orta kızılötesi (FTIR) spektrumlarını ölçülen verim özellikleriyle ilişkilendirmiştir; çapraz doğrulamada belirtme katsayıları toplam katı madde peynir verimi için 0,95, taze peynir verimi için 0,83, buna karşılık pıhtıda tutulan su için yalnızca 0,65 ve yağ geri kazanımı için 0,41 olmuştur [6]. Spektrum, katı madde verimini belirleyen bileşim bilgisini taşır; su tutulması ve yağ kaybı ise teknede belirlenir ve süt spektrumunda görünmez. Sorunun tekne içi izlemenin ele aldığı kısmı budur.

Teknede pıhtılaşma ve sinerezisin izlenmesi

O'Callaghan ve ark., pıhtı oluşumunu izlemeye yönelik çevrim içi teknikleri — sıcak tel, titreşimli ve optik sondalar — derlemiş ve mevsimsel süt değişkenliğini kapsayan fabrika denemelerinden, çevrim içi izlemenin kesim anındaki pıhtı tutarlılığını iyileştirebileceği sonucuna varmıştır [7]. Optik yaklaşım, kazein misellerinin kümelenmesiyle ışık saçılmasında görülen artışa dayanır. Castillo ve ark. keçi sütünün pıhtılaşmasını 880 nm dalga boyunda çalışan bir difüz yansıma sensörüyle izlemiştir; yansıma parametresi T_max, Berridge pıhtılaşma süresiyle korelasyon göstermiş (R² = 0,9913), T_max değerine dayalı bir kesim süresi denklemi ise farklı pH, sıcaklık ve enzim derişimlerinde kesim süresini 84,5 s standart hatayla tahmin etmiştir (R² = 0,9785) [8]. Lyndgaard ve ark. bunu hat içinde kaydedilen tam NIR spektrumlarına (1.000–2.500 nm) genişletmiştir: spektrumlar temel bileşen analiziyle sıkıştırılmış ve κ-kazein proteolizini, misel kümelenmesini ve ağ oluşumunu birbirinden ayıran kinetik bir modelle uydurulmuştur; model 12 partiye 0,99 üzerinde R² ile uymuş ve otomatik kesim süresi belirleme için gerçek zamanlı kestirime olanak vermiştir [9].

Aynı sinyal kesimden sonra da bilgi taşır. Fagan ve ark., yanıt yüzeyi yöntemiyle yağ tutulmasının kesim süresi ve sıcaklığın bir fonksiyonu olduğunu, pıhtı veriminin kalsiyum klorür ilavesine de bağlı olduğunu ve kesim anında, jelin hızla kabalaşması ve mikrosinerezis önlenerek en üst düzeye çıkarılması gereken optimum bir jel sertliği bulunduğunu göstermiştir [10]. İzleyen çalışmada süt bileşimini geri saçılım parametreleriyle birleştiren denklemler, yağ kayıplarını ±2,65 g/100 g (R² = 0,93), pıhtı verimini ±%0,95 (R² = 0,90) ve pıhtı nemini ±%1,43 (R² = 0,94) tahmin standart hatasıyla öngörmüştür [11]. Bunlar koşulların bilerek çeşitlendirildiği pilot tekne çalışmalarıdır; sinyalin bilgiyi içerdiğini gösterirler, bir üretim teknesinin neye ulaşacağını değil.

Sağlam bir verim modeli kurmak

Bir peynir verimi modeli aslında iki modeldir: sütün vermesi gereken verimin bileşime dayalı tahmini ve bu potansiyelin ne kadarının gerçekleştiğine ilişkin tekne içi bir model. Üç uygulama her ikisini de savunulabilir kılar:

• Tahmin ettiğiniz verimi tanımlayın. Ferragina ve ark. taze verimi, toplam katı madde verimini ve pıhtıda tutulan suyu, ayrıca yağ, protein ve toplam katı madde geri kazanımını birbirinden ayırır [6]; bunlardan birine göre kalibre edilmiş bir model bir diğeri olarak okunamaz.
• Kalibrasyonu referans yöntemlere bağlayın. Yağ ve protein değerleri ISO 23318 ve ISO 8968-1 yöntemlerinden gelmelidir [3][4]; süt ürünlerinde NIR kalibrasyonu ve doğrulaması ISO 21543 | IDF 201'i izler [12].
• Mevsimler boyunca doğrulayın. Kesim süresi ve sinerezis yanıtı pH, sıcaklık, kalsiyum ve enzim düzeyine bağlıdır [8][10]; fabrika derlemesi de mevsimsel değişkenliğin altını çizer [7]. Bir modele bir sonraki mevsimin sütünde güvenmeden önce onu yeniden doğrulayın.

USTECH bu konuya nasıl yaklaşıyor

ProLine2550 proses analizörü, boru hatları ve tanklardaki sıvılar ve bulamaçlar için tasarlanmıştır; bu, bileşime dayalı verim tahminini besleyen tekne sütü ölçümünü kapsar. caliX yazılım paketi ise yukarıda atıf yapılan çalışmalarda kullanılan PLS regresyonu ve PCA araçlarını sağlar [5][6][9]. ProChem üzerinden tahmin edilen değerler, gösterge panelleri ve alarmlar için tesisin PLC veya SCADA sistemine aktarılabilir. Bir tesisin önem verdiği verim özelliklerinin gereken doğrulukla tahmin edilip edilemeyeceği yayımlanmış rakamlardan varsayılmaz; ISO 21543'e uygun olarak [12], kendi numunelerinizle yapılan bir fizibilite çalışmasında belirlenir.