Análise das características de secagem da proteína texturizada de soja

• Main Author: Cassini, Aline Schilling
• Other Authors: Marczak, Ligia Damasceno Ferreira
• Format: Others
• Language: Portuguese
• Published: 2007
• Subjects: Proteína texturizada de soja : Secagem
• Online Access: http://hdl.handle.net/10183/4737

As proteínas vegetais vêm sendo largamente utilizadas na indústria alimentícia como substitutas da proteína animal, além de agir como um ingrediente funcional nos mais variados produtos. Dentre as proteínas mais utilizadas encontra-se a proteína texturizada de soja. Seu processamento envolve uma etapa de secagem que é uma das operações unitárias mais relevantes e desafiadoras para a indústria alimentícia. Neste trabalho, determinaram-se as curvas de secagem de três diferentes tipos de proteína texturizada de soja (PTS), através de diferentes experimentos, variando-se a temperatura do ar de secagem (T) – 90, 110 e 130°C – a velocidade do ar de secagem (v) – 100, 125 e 150 cm.s-1 – e a altura da camada de produto (h) – 3 e 6 cm para a PTS Tipo I, 2,5 e 5 cm para a PTS Tipo II e 5 e 10 cm para a PTS Tipo III. A partir dos dados experimentais obtidos de teor de umidade em função do tempo, fez-se o ajuste a um modelo exponencial de duas constantes. Todas as combinações de parâmetros apresentaram ajustes de boa qualidade, cujos coeficientes de correlação foram superiores a 0,99. Uma das constantes obtidas (C1) apresentou valores muito próximos à unidade para todos os casos (e para os três tipos de PTS), enquanto que a outra constante (C2) apresentou valores variáveis. Realizouse, então, uma análise estatística (Teste F), a fim de verificar quais dos parâmetros estudados (bem como seus efeitos de interação) eram significativos para a determinação da constante C2 do modelo exponencial. Para as PTS tipos I e II, a um nível de 95% de significância, todos os parâmetros e efeitos de interação apresentaram-se significativos para a determinação de C2 e desenvolveu-se, então, um modelo estatístico de dez constantes em função destes Obteve-se um ótimo ajuste dos dados de C2 em função dos parâmetros aos modelos testados, atingindo-se valores de erro médio relativo (EMR) sempre inferiores a 10% e coeficientes de correlação elevados. Para a PTS Tipo III apenas dois dos parâmetros testados, somados a dois efeitos de interação, mostraram-se significativos. Apesar disso, foram obtidos os melhores ajustes através, novamente, do modelo de 10 constantes. Assim, para os três tipos de PTS, foi possível a obtenção de um modelo que prevê o tempo de processo de cada tipo de PTS, para que se atinja uma determinada umidade final, ou vice-versa, em função da umidade inicial da amostra, de sua umidade de equilíbrio e dos parâmetros de processo (T, v e h). Paralelamente, determinaram-se as isotermas de sorção de dois tipos de PTS (um contendo cerca de 20% de açúcares e outro não contendo açúcares) para quatro temperaturas (10, 20, 30 e 40°C). Para o ajuste dos dados experimentais foram utilizados os modelos de Oswin, Halsey, BET, GAB, Peleg e Darcy-Watt. Os modelos de Peleg e GAB foram os que melhor se ajustaram aos dados experimentais, embora outros modelos como Halsey e Oswin também se mostraram representativos para temperaturas mais elevadas. As isotermas de sorção da PTS que continha açúcar apresentaram uma inversão de comportamento em uma atividade de água em torno de 0,9, enquanto que as curvas obtidas para a outra PTS não se cruzaram em nenhum momento. O calor de sorção foi estimado, pela equação de Clausius-Clapeyron, para ambos os tipos de PTS e este aumentou com a diminuição de umidade. Estimaram-se valores de umidade de monocamada, através do ajuste dos dados ao modelo de GAB, entre 4,6 e 7,4% para a PTS Tipo I e entre 4,4 e 5,4% para a PTS Tipo IV; os valores de umidade de monocamada diminuíram com o aumento de temperatura.