000			02034nab a22002777 4500
999			_c43933 _d43933
001			H(066) UTNSCyT
003			AR-sfUTN
008			190909b xx |||p|r|||| 00| 0 spa d
040			_cAR-sfUTN _aAR-SfUTN
080			_aH(066) UTNSCyT _22000
100	1		_aBaccifava, Ruben L. _920291
245	1	0	_aRendimiento quesero: su predicción como una herramienta para evaluar el proceso de elaboración
336			_2rdacontent _atexto _btxt
337			_2rdamedia _asin mediación _bn
338			_2rdacarrier _avolumen _bnc
505			_aNo existe consenso en el modo de predecir el rendimiento quesero. En la actualidad, las ecuaciones disponibles se basan en un balance de masa de componentes que incluyen coeficientes de transferencia y/o retención de un componente en queso o suero, sin considerar desviaciones provocadas por las condiciones de procesamiento, siendo estas tan complejas y diversas que hacen imposible desarrollar un modelo matemático que incluya factores fisicoquímicos, tecnológicos y humanos. En el trabajo, se estudió el rendimiento quesero de queso Cremoso Argentino con datos provistos por la planta piloto de la ESIL situada en Villa Maria. Se modeló e implementó una red neuronal para predicción de rendimiento basado en datos de composición de la leche, comparando el rendimiento real y el predicho. Finalmente, se probó la capacidad de predicción del modelo desarrollado y su aplicación a nivel industrial, demostrándose su aptitud para obtener predicciones precisas de la dimensión Rendimiento Quesero.
650			_aRENDIMIENTO QUESERO
650			_aCOMPOSICION LACTEA
650			_aREDES NEURONALES ARTIFICIALES
650			_aINTELIGENCIA ARTIFICIAL
700	1		_aPalombarini, Jorge
700	1		_aKivatinitz, Silvia C.
773			_tRevista de Ciencia y Tecnología de la Universidad Tecnologica Nacional _wH(066) UTNSCyT _nS.T.:H(066) UTNSCyT PP4337 _g(vol. 15, nro. 30, Mar. 2017), p. 7-16
942			_cAN _2udc