2022 PDF

Aplicación de los métodos Check All
That Apply y Perfil Sensorial Óptimo

en el desarrollo de un extruido de
maíz con sabor a queso
Rodrigo Alfonso Galindo Jiménez
Universidad Nacional de Colombia

Facultad de Ciencias Agrarias
Bogotá, Colombia
2022
Aplicación de los métodos Check All
That Apply y Perfil Sensorial Óptimo
en el desarrollo de un extruido de
maíz con sabor a queso
Rodrigo Alfonso Galindo Jiménez
Trabajo final presentado como requisito parcial para optar al título de:
Magíster en Ciencia y Tecnología de Alimentos
Director: Carlos Mario Zuluaga Domínguez

Profesor Asistente
Universidad Nacional de Colombia

Bogotá, Colombia
2022
Dedicatoria
A mi castaña despeinada, por

acompañarme y darme un motivo, a todos
quienes hicieron esto posible y con especial
cariño a Helena y Nicolas quienes me
apoyaron en todo momento.
Agradecimientos
A Comestibles Ricos S.A. por brindarme el tiempo y la oportunidad, a Alba Estella

González Gerente de Innovación por el apoyo económico, la confianza y el tiempo, a Hugo
Alejandro Sánchez Gerente de Desarrollo Nuevos productos por el tiempo, a Helena
Velosa y Nicolas Beltrán asistentes de desarrollo por todo el apoyo y la paciencia, sin
ustedes esto no sería posible, al profesor Carlos Mario Zuluaga por la dirección, la
confianza y el interés.
V Resumen
Resumen
Aplicación de los métodos Check All That Apply y Perfil Sensorial Óptimo en el
desarrollo de un extruido de maíz con sabor a queso
Se evaluó la capacidad de las metodologías Perfil Sensorial Óptimo (ODP) y Check All
That Apply (C.A.T.A.), para ser usadas por Comestibles Ricos S.A. para desarrollar
productos, usando cinco extruidos de maíz tipo collet, horneados y sazonados por
aspersión en dos etapas. Para C.A.T.A. se evaluó agrado general, textura, sabor,
emociones y producto ideal, donde el producto ganador se asoció a emociones negativas,
pero aun así recibió buenas calificaciones. ODP demostró ser una metodología rápida que
diferencia las muestras, a costa de pérdida de consenso y buen uso de la escala. La
muestra ganadora fue el producto actual, superando a la competencia y las propuestas de
mejora, debido a la ausencia de atributos negativos como terroso y rancio. Se demuestra
que las metodologías cumplen el objetivo y pueden mejorar si se modifica el orden de las
pruebas. El estudio permite la implementación de nuevas metodologías para el
entendimiento del consumidor.
Palabras Clave: Evaluación sensorial, extruido de maíz, análisis multivariante, aditivos

alimentarios, desarrollo de nuevos productos, investigación de mercados.
Abstract VI
Abstract
Application of the Check All That Apply and Optimal Sensory Profile methods in
the development of a corn extrudate with cheese flavor
The performance of Optimized Descriptive Profile (ODP) and Check All That Apply
(C.A.T.A.) methodologies to develop products were evaluated by Comestibles Ricos S.A.,
using five corn collet extrudates, baked and in two stages savoring. For C.A.T.A. Overall
liking, texture, flavor, emotions, and ideal product were evaluated. Although negative
emotions were evoked after tasting the best product received good scores. ODP proved to
be a fast methodology that differentiates the samples, but with poor agreement and scale
use. The better sample was the current product, overcome the competition and product
enhancements, due to the absence of negative characteristics as earthy and rancid. It is
shown that the methodologies accomplish the objective, and if the tests order is changed
the performance could be improved. The study allows the implementation of new
methodologies for understanding the consumer.
Keywords: Sensory evaluation, extruded corn, multivariate analysis, savoring, product

development, market research
7 Contenido
1. Contenido
1 MARCO TEÓRICO ................................................................................................. 23
1.1 MAÍZ ................................................................................................................ 23

1.2 SNACKS DE MAÍZ ............................................................................................... 25
1.2.1 Mercado de los snacks de maíz sabor a queso ......................................... 26
1.2.2 Elaboración de snacks .............................................................................. 26
1.2.3 Extrusión de maíz ..................................................................................... 27
1.2.4 Saborizado de snacks ............................................................................... 30
1.3 EVALUACIÓN SENSORIAL .................................................................................... 31
1.3.1 Perfiles sensoriales ................................................................................... 31
1.3.2 Desempeño de un panel sensorial ............................................................ 34
1.4 ANÁLISIS ESTADÍSTICO ....................................................................................... 36
1.4.1 Prueba t-student........................................................................................ 36
1.4.2 Análisis de Varianza .................................................................................. 36
1.4.3 Análisis de componentes principales (PCA) .............................................. 37
1.4.4 Análisis de Correspondencias (CA) ........................................................... 38
1.4.5 Prueba Q de Cochran y McNemar ............................................................ 38
1.4.6 Análisis de factores múltiples .................................................................... 39
2 METODOLOGÍA ..................................................................................................... 41
2.1 ELABORACIÓN DE LOS SABORES ......................................................................... 41

2.2 ELABORACIÓN DE MUESTRAS .............................................................................. 42
2.3 PERFIL ÓPTIMO (ODP) ....................................................................................... 46
2.4 EVALUACIÓN EN CONSUMIDOR ............................................................................ 49
2.5 CORRELACIÓN DE DATOS ODP Y CATA .............................................................. 50
Aplicación de los métodos Check All That Apply y Perfil Sensorial Óptimo en 8
el desarrollo de un extruido de maíz con sabor a queso
3 RESULTADOS Y DISCUSIÓN ................................................................................ 51
3.1 PREPARACIÓN DE LAS MUESTRAS ........................................................................ 51

3.2 PERFIL DESCRIPTIVO .......................................................................................... 52
3.2.1 Desempeño del panel ................................................................................ 61
3.2.2 Perfil descriptivo óptimo ............................................................................. 71
3.3 EVALUACIÓN CON CONSUMIDORES ...................................................................... 76
3.3.1 Análisis del agrado .................................................................................... 76
3.3.2 Clúster de consumidores ........................................................................... 79
3.3.3 Descripción Textura y Aspecto .................................................................. 84
3.3.4 Emociones ................................................................................................. 87
3.3.5 Descripción de atributos ............................................................................ 91
3.4 ATRIBUTOS QUE IMPULSAN EL AGRADO ................................................................ 97
4 CONCLUSIONES .................................................................................................. 102
5 BIBLIOGRAFÍA ..................................................................................................... 105

9 Contenido
Lista de figuras
Figura 1 Partes de un grano de maíz. Tomado de: (Paredes López et al., n.d.) ............ 24
Figura 2. Diagrama genérico de un extrusor. Fuente:(Riaz, 2019) ................................. 28
Figura 3 Proceso de obtención de extruido de un extruido duro de maíz ....................... 43
Figura 4. Proceso de saborizado del extruido de maíz .................................................. 45
Figura 5. Proceso para la elaboración del perfil sensorial óptimo .................................. 47
Figura 6. Escala de evaluación de los atributos ............................................................. 47
Figura 7. Esquema de presentación de muestras para la prueba .................................. 48
Figura 8. Esquema de la prueba de C.A.T.A. ................................................................ 49
Figura 9 Ejemplo de un cuestionario de prueba de C.A.T.A........................................... 50
Figura 10 Extruidos de maíz en cada etapa la imagen (a) es la base extruida y horneada,
(b) es el extruido después de la aplicación de la salsa, (c) y (d) corresponden a las
muestras de QN y PJC respectivamente luego de adicionar el sabor en polvo en la última
etapa de saborizado. ...................................................................................................... 52
Figura 11. Presentación de las muestras a los evaluadores .......................................... 57
Figura 12. Gráfico de cajas y bigotes para la intensidad de olor de cada muestra en el
atributo olor a queso maduro .......................................................................................... 58
Figura 13. gráfico de cajas y bigotes para todos los atributos separado por muestra, se
observa que el mismo descriptor, por ejemplo, terroso presentan el mismo
comportamiento en los 3 atributos de olor, sabor y residual, por lo cual podría existir una
relación entre ellos. ........................................................................................................ 60
Figura 14 Gráfico de interacción Evaluador-Producto para el descriptor a Queso Maduro
....................................................................................................................................... 62
Figura 15 Representación de la repetibilidad de cada evaluador por descriptor, de color
azul los valores menores la unidad y de color rosa, los valores mayores a 2. ................ 65
Figura 16 Desempeño individual de los evaluadores por atributo. Capacidad para
discriminar al menos 1 muestra del grupo de color azul p-valores <0.05 y de rosa <0.0166
Figura 17 Acuerdo entre la calificación de cada evaluador respecto del modelo ajustado
para cada atributo. De color rosa valores mayores a 0.7 y de azul claro los mayores a 0.9
....................................................................................................................................... 67
Figura 18 Biplot del ACP sobre el total de atributos del perfil óptimo ............................. 68
Figura 19 Biplot del análisis de componentes principales sobre los atributos más
relevantes de las muestras, se incluyen los individuos y variables .................................. 69
Figura 20 ACP sobre la matriz combinada de acuerdo y desempeño de los evaluadores.
Arriba biplot con la contribución en escala de color azul, abajo análisis de clúster sobre
los evaluadores ............................................................................................................... 70
Figura 21 Media predicha para cada muestra para cada descriptor, de azul los valores
más altos y de azul los más bajos que el global. ............................................................. 72
Figura 22 p-valor para cada atributo usando el modelo predicho ................................... 73
Figura 23 Perfil óptimo de las muestras en representación de radar o araña ................. 74
Figura 24. PCA de las medias ajustadas de los descriptores en función de las muestras
....................................................................................................................................... 75
Figura 25. Representación de los clústeres de productos usando el método de
clasificación jerárquica ascendente ................................................................................. 76
Figura 26. Gráfico de densidad para las calificaciones de agrado para cada muestra.... 77
Figura 27 Comparación de medias usando la prueba de Games-Howell. Sobre las cajas
se muestras los p-valores de las comparaciones con medias significativamente
diferentes. ....................................................................................................................... 79
Figura 28 PCA para las calificaciones de agrado, arriba usando como variables los
consumidores, abajo usando como variables las muestras o productos ......................... 81
Figura 29 Resultado del análisis jerárquico para determinar clúster de consumidores ... 82
Figura 30 Gráfico de cajas y bigotes dividido por clúster para las muestras. .................. 83
Figura 31 Biplot para textura y aspecto de las muestras ................................................ 86
Figura 32 Análisis de componentes principales categóricos CATPCA para textura y
aspecto, arriba el mapa de factores y abajo los valores propios de los componentes. .... 87
Figura 33. Análisis de correspondencias para las emociones asociadas a las muestras 89
Figura 34. Análisis de componentes principales categóricos para las emociones .......... 91
Figura 35 Biplot de lo atributos de sabor y olor para la prueba de C.A.T.A..................... 93
Figura 36. Análisis de correspondencia usando como individuos las calificaciones de
agrado en forma de variable nominal .............................................................................. 94
Figura 37. Análisis de Componente Principales Categóricos para los atributos de sabor y
olor de la prueba de C.A.T.A. .......................................................................................... 95
Figura 38 Representación de los individuos por grupos de variables por MFA, de rojo los
datos de C.A.T.A., de verde los datos de agrado y de azul los datos del perfil ODP ....... 98
11 Contenido
Figura 39 Relación entre en las calificaciones de agrado y las calificaciones del panel
usando los atributos más seleccionados del ODP .......................................................... 99
Figura 40. Relación de los diferentes componentes principales para cada grupo de
variables, se rojo las variables C.A.T.A., de verde las calificaciones de agrado y de azul
las del panel entrenado .................................................................................................101
Lista de Tablas
Tabla 1 Composición química gruesa de diferentes tipos de maíz en porcentaje (%) ..... 24
Tabla 2. Descripción y clasificación de los diferentes métodos utilizados para obtener un
perfil sensorial ................................................................................................................. 32
Tabla 3 Recopilación de Normas Técnicas Colombianas relacionadas con la medición del
desempeño de evaluadores sensoriales ......................................................................... 35
Tabla 4. Ejemplo matriz de una prueba de McNemar ..................................................... 39
Tabla 5 Muestras a evaluar y las características deseadas ............................................ 41
Tabla 6 Fórmulas de los sabores en porcentaje (%) ....................................................... 42
Tabla 7. Variables de extrusión del Collet y de horneo para la Base .............................. 43
Tabla 8. Composición del extruido de maíz saborizado .................................................. 44
Tabla 9 Cantidades preparadas por bache para cada muestra....................................... 46
Tabla 11. Frecuencias de aparición de atributos según el panel de evaluadores
seleccionados ................................................................................................................. 54
Tabla 12. Lista de atributos, definiciones y referencias consensuada para el perfil óptimo
....................................................................................................................................... 56
Tabla 13. Análisis de varianza para el descriptor Olor a "Queso maduro" ...................... 62
Tabla 14 Evaluación del desempeño del panel usando el análisis de varianza .............. 63
Tabla 15 Resumen del rendimiento del panel de evaluación .......................................... 64
Tabla 16 Análisis de varianza para las calificaciones de agrado para las muestras ........ 78
Tabla 17. Resultados de la prueba t sobre el modelo ANOVA ........................................ 78
Tabla 18. Tabla de contingencia para los atributos de textura ........................................ 84
Tabla 19. Tabla de contingencia para las emociones del cuestionario de C.A.T.A. ........ 88
Tabla 20. Tabla de contingencia para las descripciones de sabor las muestras por los
consumidores ................................................................................................................. 92
13 Contenido
Abreviaturas
Abreviatura Término
ODP Optimized Descriptive profile (Perfil Sensorial Óptimo)
C.A.T.A. Check All That Apply (Marque todo lo que aplique)
JAR Just About Right
IMC Índice de masa corporal
Análisis de components principals (principal Component
PCA
Analysis)
TSS Suma de cuadrados totales
SSE Suma de cuadrados del error
SST Suma de cuadrados del tratamiento
CA Análisis de correspondencias (Correspondence Analysis)
MFA Análisis de factores múltiples (Multiple Factor Analysis)
Introducción 14
Introducción
Los snacks suelen definirse como alimentos que se consumen entre comidas en pequeñas
cantidades, y tienen un gran impacto en las comidas posteriores, por ello en algunas
ocasiones definir si es realmente un snack o solo otra comida se hace complejo, ya que
depende del lugar, el momento, la cantidad, e incluso el tipo de alimento. También existen
diferentes especulaciones sobre el impacto de estas comidas en la salud, se estima que
tienen un efecto benéfico en el índice glucémico o en el control del índice de masa corporal
(Hess et al., 2016). Dentro de la amplia variedad de snacks, se encuentra que una porción
importante está compuesta por productos a base de cereales, como serían las galletas, los
cereales hojuelados (fuera del desayuno), tortillas, chips de maíz, galletas de arroz
infladas, extruidos de maíz, chips de mezcla de harinas, entre otros. Todos con una gran
variedad de texturas, sabores, ingredientes, empaques y demás, por ejemplo, las tortillas
son extruidos de maíz horneados y luego freídos en comparación con los chips de maíz
que también son extruidos de maíz, pero freídos justo después de la salida del formador,
y esta variación en el sabor causa cambio en la estructura y contenido de grasa y, por
ende, en todo el desempeño sensorial del alimento (Paredes López et al., n.d.).
Anteriormente, los ciclos de los productos triunfaban con el marketing, bastaba con tener
un producto, un posicionamiento, precio, producción y hablar directamente a las masas
desde la televisión o la radio, era un bucle, más marketing significaba más ventas y más
ventas más dinero para el marketing. El sistema ha cambiado, se ha regresado al voz a
voz, pero digital, ahora los buenos productos o servicios se propagan como virus, la
difusión de un producto comienza con los innovadores, luego los primeros adoptantes, la
mayoría temprana y el resto de la población, ahora el foco debería centrarse en desarrollar
15 Introducción
productos para nichos con productos o servicios tan buenos, que quienes lo prueben
propaguen la voz (Godin, 2009).
La aplicación de nuevas metodologías sensoriales para el estudio de las percepciones de

consumidor ha sido posible a los avances tecnológicos y el uso de programas estadísticos,
también permitió la recuperación de técnicas propuestas en el siglo pasado como el
Conjoint Analysis, Sorting o Perfil Flash, de las cuales no se había podido desarrollar todo
su potencial por la dificultad que representaban sus cálculos estadísticos (Dehlholm,
2015a). Al realizar una exploración sobre los enfoques de estudio de la ciencia sensorial
se encuentra que a finales de los años 90s y principios del 2000, se comenzó a trabajar
arduamente en la aplicación de métodos multivariados en el análisis de pruebas
sensoriales, por ejemplo, el uso de Análisis de Componentes Principales (PCA) para el
entrenamiento de evaluadores expertos (O’Sullivan, 2017c)⁠, luego, los esfuerzos se
enfocaron en determinar la relación entre los resultados de un panel descriptivo y las
calificaciones hedónicas de los consumidores sobre la misma matriz alimenticia, surgiendo
variedad de métodos como el mapeo de preferencias, que ganó un considerable interés,
sin embargo, esta metodología suele fallar en predecir medias válidas para la importancia
relativa de atributos multicolineales (Bi, 2012).
Las empresas y sus marcas siempre han realizado estudios enfocados en determinar cómo
los consumidores perciben sus marcas en cuanto a personalidad, valores, cercanía, entre
otros. Recientemente se ha propuesto medir la respuesta emocional de productos sin
marca, con resultados interesantes y de gran aceptación, especialmente si se aplica a la
innovación y optimización de productos, comprendiendo que es posible realizar una mejora
centrada en las experiencias positivas que despierta un producto, específicamente en
encontrar lo que realmente le gusta al cliente, aquello que genera buenas emociones
(Spinelli & Jaeger, 2019).
La extrusión es una operación unitaria común en la industria de alimentos para la obtención

de pasabocas o snacks. Los alimentos extruidos derivados del procesamiento del maíz
son los más comunes, a los cuales mediante la adición de diferentes ingredientes se
obtienen productos agradables en términos de apariencia y flavor. Aunque es posible
obtener productos de maíz listos para el consumo usando extrusores, los snacks sin
adición de sabor son poco apetitosos, por ello, para mejorar el gusto por el producto final
Introducción 16
es común adicionar saborizantes y colorantes (Alam et al., 2015), lo cual se puede realizar
por medio de diferentes tecnologías que varían según la matriz.
El presente trabajo tomó cinco extruidos con sabor a queso, tres prototipos de nuevos
desarrollos, el producto actual comercializado por la empresa donde se realizó este trabajo
y uno equivalente ofertado por la competencia, todos ellos sometidos a dos pruebas
descriptivas: la primera perfil sensorial óptimo (ODP) con evaluadores entrenados,
mientras la segunda consistió en una prueba de C.A.T.A. o marque todo lo que aplique en
la cual se preguntó por el agrado general de cada muestra y posteriormente la selección
de tres palabras entre una serie de opciones enlistadas (descriptores de textura, sabor y
emociones), relacionadas a todas aquellas características que el panelista considera
describen el producto, de esta forma fue posible relacionar las dos descripciones con el
nivel de agrado de las muestras estableciendo tanto el clúster de productos como el clúster
de consumidores y determinando cuales son los atributos que impulsan el agrado o la
intención de compra y cuales aquellos que por el contrario la afectan. Estos dos métodos
permiten abordar una nueva forma de comprender al consumidor y podrían a futuro usarse
como herramientas para explorar nuevos mercados, estableciendo cuales son las
características que se deben mantener y cuales evitar con el fin de realizar lanzamientos
exitosos de nuevos productos al mercado.
17 Planteamiento del problema
Planteamiento del problema
La búsqueda de los productos por parte de los consumidores podría dividirse en dos, la
primera desde una perspectiva relacionada al valor del alimento desde el punto nutricional
o funcional y otra desde sus características no alimentarias, como son novedad,
conveniencia, variedad o indulgencia (Guiné & Correia, 2013). Con los cambios en el
etiquetado frontal de los productos en países como Chile y México, se ha encontrado una
tendencia, los consumidores compran productos como pasabocas con sellos de alto en
sodio, grasa o calorías a pesar de sus advertencias, ya que se sienten atraídos
particularmente por sus atributos de sensoriales (Corvalán et al., 2021). Aunque las
características funcionales o nutritivas de un alimento son importantes para mantener una
buena salud, se deben mantener unas propiedades sensoriales que permitan al comprador
disfrutar la experiencia de la alimentación.
Los alimentos pueden hacerse más agradables usando diferentes enfoques, uno de ellos
podría ser mediante la aplicación de sabor o modificando su textura, sin embargo, una
mala elección en el tipo o en la dosis puede tener el efecto contrario. Para evitar esto,
existen múltiples métodos sensoriales para determinar y medir las características
organolépticas de un producto, como también para evaluar el nivel de agrado del
consumidor, a pesar de ello, es común en la industria colombiana encontrar que las
empresas lanzan al mercado productos con una inadecuada, poca o ninguna validación
sensorial, siendo esta una de las causas por las cuales la mayoría de los nuevos
desarrollos ingresan en la gran la lista de productos que fracasan cada año en el mercado
(López, 2015, 2017). Esto se podría mejorar si se implementan metodologías que permitan
encontrar los deseos reales sumado a la identificación de impulsores de agrado o drivers
of liking, considerados atributos críticos, manteniendo en el centro de los proyectos la
Introducción 18
opinión de los consumidores y comprendiendo como el alimento interactúa con el medio,

cómo es percibido y cuando se consume (Lawless & Heymann, 2010).
El proyecto actual surge por la necesidad de una empresa de snacks, la cual desea mejorar
su proceso de desarrollo para mantenerse actualizada con base en los deseos actuales
de los consumidores y poder ampliar la base de clientes que compra sus productos. Hoy
en día el proceso de desarrollo consiste en realizar una apertura de proyecto con una idea
de producto proveniente de líderes de categoría o gerentes, con ella se crea un Brief,
donde se recopila información sobre los volúmenes de venta proyectados, posibles
sabores para el producto, unidades de venta, concepto del producto entre otros, con este
documento se solicita a los proveedores alternativas de materias primas para el posible
producto y se crean propuestas para ser evaluadas en reuniones de área, seleccionando
las mejores para evaluar con agencias de mercado. Con el modelo de “Desarrollo de un
producto” descrito no es posible utilizar la opinión del consumidor desde las etapas iniciales
del proceso, por este motivo, aunque en la prueba final de mercado el producto sea bien
evaluado frente a la competencia, no es posible garantizar su éxito, e igualmente es
probable que no cuente con características que impulsen la recompra, o que lo hagan un
producto poco mencionado. Dado que es necesario que la opinión del consumidor esté
presente en la mayoría de las etapas (O’Sullivan, 2017a), se debe enfocar los esfuerzos
en identificar los atributos que impulsan el agrado de los consumidores (drivers of liking) y
de esta forma aumentar las posibilidades de éxito. Para ello, es necesario la exploración
de nuevas metodologías, por lo cual se requiere de profesionales con el dominio de
técnicas sensoriales y estadísticas que permitan la implementación de dichos métodos.
En consecuencia, se plantea utilizar como punto de partida el producto actual ofertado por
la empresa, un extruido de maíz con sabor a queso saborizado en paso doble (slurry y
sabor en polvo), que cuenta con un buen potencial de mercado y bajo conocimiento de
marca, y a partir de éste desarrollar varias reformulaciones sin afectar la marca, a pesar
de que este extruido ya ha sido reformulado y lanzado al mercado en dos ocasiones, sin
lograr un incremento en ventas considerable. El producto tiene como promesa un sabor a
Súper Queso, que según estudios internos de marca (2019) se asocia más a un perfil
suave tipo mantequilla, que a un queso. En intentos previos al presente trabajo, el primer
perfil de producto desarrollado presentó un buen desempeño en el consumidor, pero, al
Aplicación de los métodos Check All That Apply y Perfil Sensorial
19
Óptimo en el desarrollo de un extruido de maíz con sabor a queso
tener baja recordación de marca se decidió realizar una validación para comprender el
porqué de esta situación. Para el proceso se eligió la metodología “análisis de penaltis” la
cual consiste en evaluar la intensidad de diferentes atributos usando una escala JAR (Just
About Right) de cinco puntos y determinar el impacto de estos en la intención de compra
o agrado general, de esta forma es posible determinar si la intensidad de un descriptor es
baja, adecuada o excesiva y su posible efecto en la impresión general del producto. Los
resultados indicaron niveles altos de sabor y sal, por lo cual para solucionar estas
debilidades se realizaron diferentes formulaciones bajando la intensidad del producto, sin
embargo, los prototipos obtenidos presentaron carencia de sabor y poca identidad.
En la última evaluación se exploró la aplicación de la metodología Sorting logrando

identificar que los atributos de sabor lácteo, cremoso, y crocancia impactan positivamente
el desempeño del producto, en cambio la combinación de notas ácidas, artificiales e
intensas a queso maduro causan rechazo en el consumidor, sin embargo, el tamaño de la
muestra y la metodología no permitieron establecer una correlación matemática entre los
atributos y el agrado general del producto.
20 Justificación
Justificación
En este trabajo se plantea emplear como prueba el mercado de extruidos de queso, que
según The Nielsen Company principalmente está principalmente está compuesta por tres
marcas: Chirricos® (Super Ricas), Cheetos® (Frito Lay) y Yupis® (Yupi). Según ventas y
estudios internos de la compañía, se cuenta con el producto de menos ventas, se plantea
entonces mejorar el producto y modificar el plan de mercadeo para lograr un mejor
posicionamiento en el mercado. Es posible considerar competir por una mayor fracción del
mercado con una mejora en el producto actual para alcanzar una participación de al menos
el 8,0 % según en el segmento de extruidos de queso The Nielsen Company, lo cual
significaría un incremento en ventas de 5,36 toneladas mensuales y de ingresos
aproximados de 1.479.360.000 COP anuales.
Al respecto, se determinaron los atributos que son impulsores de agrado y de disgusto en

cinco productos extruidos con diferentes perfiles de sabor a queso (el producto actual
ofertado por la empresa, tres propuestas de nuevas formulaciones y el producto
comercializado por la competencia el cual es líder en ventas, participación del mercado y
recordación de marca) y de esta manera proponer un alimento con base en las
características sensoriales que tengan un impacto relevante en el agrado general,
generando una primera versión de un producto destinado fundamentalmente a la población
entre los 10 y 18 años de estratos dos, tres y cuatro. A diferencia de los métodos usados
anteriormente en la empresa donde se llevó a cabo el desarrollo experimental, en este
trabajo se consideraron variaciones del nivel de incorporación de queso, picante, así como
la inclusión de notas diferenciadoras como son nachos y vegetales (tipo pimentón). El
análisis sensorial se planteó con base en dos pruebas de perfil rápido, la primera el
denominado método de Perfil Sensorial Óptimo u ODP (Optimized Sensory Profiling), este
método consiste en realizar una descripción cuantitativa con evaluadores semi-
Aplicación de los métodos Check All That Apply y Perfil Sensorial
21
Óptimo en el desarrollo de un extruido de maíz con sabor a queso
entrenados, calificando pocos atributos en cada sesión y usando referencias o patrones;

luego se realizará una prueba de consumidor de descriptiva, a través del método marque
todo lo que aplique o C.A.T.A. por sus siglas en inglés (Check All That Apply), con el fin de
comprender cómo los evaluadores no entrenados describen los productos, cómo califican
el agrado de cada uno de los mismos y preguntar cuáles serían las características del
producto ideal, determinando los descriptores que afectan positiva y negativamente el
desempeño sensorial del producto.
Se seleccionaron estos métodos ya que al realizar un análisis interno de la situación se

determinó que los métodos a explorar deben ser de respuesta ágil y flexible para que se
alineen con los nuevos modelos de ejecución de proyectos y al menor costo posible.
Considerando que la empresa cuenta con un panel entrenado también se investigaron los
métodos de ordenamiento, perfil Flash, sorting y de perfil óptimo (O’Sullivan, 2017b), de
estos se seleccionó el perfil óptimo porque permite obtener una aproximación al tradicional
QDA con menos tiempo y dinero (Aguiar et al., 2020), sobre métodos como perfil flash,
sorting y ordenamiento que permiten describir alimentos por atributos, pero no ofrecen
información de intensidad (Dehlholm et al., 2012; Delarue, 2015a; Liu et al., 2018).
Adicionalmente, al usar evaluadores entrenados no es posible determinar los atributos que
son importantes para el consumidor (Grygorczyk et al., 2013), por ello se plantea explorar
en conjunto un método que permita obtener de manera proyectiva la forma como los
consumidores describen los alimentos, para dilucidar aquellos atributos que impulsan el
agrado de los mismos (Dehlholm, 2015b; Stone et al., 2012), en particular, la técnica que
ha demostrado una mayor factibilidad es C.A.T.A. debido a que permite evaluar el agrado
general de los productos, determinar las características sensoriales de cada muestra y de
un hipotético producto ideal, de forma rápida y práctica (Ares et al., 2010).
Capítulo 1 – Marco teórico 22
Objetivos
Objetivo General
Evaluar el uso de los métodos sensoriales Check All That Apply (CATA) y Perfil Sensorial
Óptimo (ODP) en el desarrollo de productos extruidos de maíz con sabor a queso para la
compañía Comestibles Ricos S.A.
Objetivos específicos
• Perfilar un extruido de maíz sazonado con cuatro diferentes variaciones de sabor

queso, usando la metodología ODP.
• Evaluar la capacidad del método CATA para establecer los impulsores de agrado,
en extruidos de maíz con sabor a queso.
• Analizar las diferencias y similitudes en los resultados de los métodos CATA y Perfil
Sensorial Óptimo y sus capacidades para predecir atributos que son impulsores de
agrado.
23 Aplicación de los métodos Check All That Apply y Perfil Sensorial Óptimo en el
1 Marco teórico
1.1 Maíz
Los cereales, de la familia de las hierbas Poaceae o Gramíneas, de semillas

monocotiledóneas, son una de las mayores fuentes de energía y proteína en nuestra dieta,
se usan para alimentación diaria, alimentación animal o procesos industriales.
Contribuyeron ampliamente a la transformación del Homo Sapiens de un cazador a un
agricultor al ayudar a establecerse en un solo lugar y de esta forma crear civilizaciones.
Cerca del 90% de los cereales sembrados a nivel mundial son de maíz, trigo y arroz con
producción arriba de los 600 millones de toneladas anuales (Wrigley et al., 2017).
En particular, el maíz es uno de los granos más antiguos conocidos y uno de los más
importantes, es una gramínea de la tribu Maydeas; es la única especie cultivada de este
género, ya que no puede sobrevivir en la naturaleza sin la ayuda del hombre, se considera
una planta domesticada. Hoy, el maíz es el segundo cultivo más cosechado en el mundo,
sólo detrás del trigo, por su variedad de usos, se usa principalmente para alimentación
animal, producción de etanol, alimento, semilla, y en menor proporción para la obtención
de almidón, harina gruesa (grits), extruidos y más. Es de gran relevancia en nutricional
para Latinoamérica, ciertas partes de África y Europa (Granado. Paliwal, 2000).
Desde una perspectiva nutricional, el maíz es superior a otros cereales, excepto en

proteínas, es más rico en grasa, hierro y contenido de fibra que el arroz y trigo, sin
embargo, contiene menos proteína que el trigo. Aproximadamente la mitad de las proteínas
del maíz están conformadas por zeína la cual tiene un bajo contenido de aminoácidos
esenciales, siendo especialmente carente de lisina y triptófano (Granado. Paliwal, 2000).
Presenta amplia gama de variedades, que cambian en forma, tamaño, color, composición,
dureza, contenido de almidón, de las cuales se estima que el 97% tienen el endospermo
amarillo, una de ellas es la Flint o india, sembrada principalmente en Suramérica y el norte
de Europa. La estructura del grano se presenta en la Figura 1, esta se puede dividir en tres
partes principales, el pericarpio, endospermo y germen. El maíz es un cereal con un gran

contenido de almidón, considerable proteína y bajo contenido de aceite (alto en el germen),
la relación de estos componentes está dada en función de la variedad. Se estima que el
endospermo tiene el 98% del almidón, un 74% de la proteína y un 17% de cenizas, el
germen recoge un 80% de los lípidos, un 78% de cenizas y 69% de los azúcares (Wrigley
et al., 2017). Como composición total se estima una humedad del 11%, proteína cruda 8%,
extracto éter 3,5%, fibra cruda 2%, calcio 0,02% y fósforo 0,3%. En la Tabla 1 se presenta
un resumen de la composición por variedad (Capitulo 2 Composición Química y Valor
Nutritivo Del Maíz, n.d.).
Figura 1 Partes de un grano de maíz. Tomado de: (Paredes López et al., n.d.)
Tabla 1 Composición química gruesa de diferentes tipos de maíz en porcentaje (%)
Fibra Extracto
Tipo Maíz Humedad Ceniza Proteína Carbohidratos
Cruda Éter
Salpor 12,2 1,2 5,8 0,8 4,1 75,9
Crsitalino
10,5 1,7 10,3 2,2 5,0 70,3
(Crystaline)
Harinoso
9,6 1,7 10,7 2,2 5,4 70,4
(Floury)
Amiláceo
11,2 2,9 9,1 1,8 2,2 72,8
(Starchy)
Dulce 9,5 1,5 12,9 2,9 3,9 69,3
Reventón
10,4 1,7 13,7 2,5 5,7 66,0
(Pop)
Negro 12,3 1,2 5,2 1,0 4,4 75,9
Fuente: (Cultivo de Maíz, 1998)
En cuanto a su composición, cerca del 90% de las proteínas del maíz son prolaminas de
la cual la principal es la zeína y luego las glutelinas ambas presentes en el endospermo,
en el germen la composición cambia siendo las albuminas y globulinas las mayoritarias.
En cuanto a los aminoácidos esenciales el maíz es deficiente en lisina y triptófano, pero es
alto en leucina y carente de isoleucina. Aunque con un contenido bajo de grasas (5%) el
perfil de ácidos grasos es bajo en ácidos saturados y rico en insaturados como oleico y
linoleico. Por último, en micronutrientes el maíz contiene vitaminas A (provitamina) y E con
presencia de vitaminas hidrosolubles, rico en minerales en el germen, pero también tiene
presencia de ácido fítico catalogado como anti - nutriente al acomplejar minerales evitando
su absorción (Paredes López et al., n.d.).
1.2 Snacks de Maíz
Los pasabocas o snacks tienen diversas definiciones, una de ellas puede ser “alimento
para ingerir entre comidas”, “alimento ligero, comida para ingerir entre comidas, apta para
picar” entre otros (Edmund W. Lusas, 2001), es precisamente por este motivo que no se
tiene un concepto claro, ni sobre el concepto ni sobre el impacto sobre el cuerpo. Los
adultos consumen energía constantemente fuera de las comidas tradicionales (desayuno,
almuerzo y cena), la elección que se realiza al momento de decidir lo que se consume
entre comidas influye en la dieta del resto del día, haciendo aún más confusa la distinción
entre alimento y snack. Es así como se define como snack a aquellos alimentos altos en
energía, bajos en nutrientes, altos en sodio y azúcar o grasa (Hess et al., 2016). Hess
(2016) aborda más a fondo la cuestión relacionada respecto a qué es realmente un snack,
mencionando que la definición es dinámica, depende del momento, el tipo de comida, la
cantidad, el lugar o la combinación de todos estos, también se aborda preguntas frecuentes
sobre estas comidas, en cuanto efecto de los snacks en el peso, sin embargo, no se
presenta evidencia que demuestre una correlación positiva entre el consumo de snacks y
el incremento de peso pero si se ha asociado con el mantenimiento de peso saludable, se
han encontrado algunas relaciones positivas en individuos con IMC normal, pero negativas
con individuos obesos.
Los snacks se pueden clasificar por generaciones de acuerdo al proceso por el cual han
sido elaborados, los de primera generación son aquellos relativamente fáciles de producir
como mezclas de frutos secos, palomitas de maíz, nueces o almendras, luego estaría la
segunda generación compuesta principalmente por extruidos directos como chips de maíz,
expandidos de maíz, cortados o en formados como tortillas, papas y otros, por último la
tercera generación corresponde a los más elaborados como pellets o productos
intermedios, aquellos que primero pasan por extrusión luego por un proceso final como
horneo o freído (Saldivar, 2015).
1.2.1 Mercado de los snacks de maíz sabor a queso
En Colombia se comercializan chips de maíz, tortillas, extruidos, maíz freído (mezclas de

frutos secos). Según cifras de The Nielsen Company, en el 2019 el mercado de pasabocas
en Colombia en la región Cundi - Boyacense comercializó 261.897 toneladas equivalentes
a 760.950.000.000 COP, de los cuales aproximadamente el 29,2% corresponde a papas
fritas y el 10,2% a productos de maíz; específicamente el segmento de extruidos de maíz
comercializa 26.732,1 toneladas con unas ventas en valor de 68.302.500.000 COP (±25
COP/g), de este valor el sabor a queso representa el 40%, del cual el producto de la
competencia tiene el 96,8% del mercado con un crecimiento del 1,5%, en cambio el
producto de la compañía que tiene 1,5% del mercado con un crecimiento de -0,9%, lo que
significa una distribución de 14 toneladas mensuales.
1.2.2 Elaboración de snacks
Los snacks de maíz específicamente los chips y tortillas de maíz son los de más
crecimiento en el mercado y pertenecen a la segunda generación de snacks. Los chips de
maíz son extruidos fabricados de una masa de maíz gruesa (grit) cocida en cal que luego
de ser recibir su forma se pasa por un freído profundo, luego están las tortillas de maíz,
que son también masas cocidas en cal, pero primero horneadas y luego freídas. El horneo
previo de la masa antes del freído reduce la absorción de grasa y afecta las propiedades
sensoriales. Al final de ambos se sazonan generalmente con sabores salados, queso,

limón, picante entre otros (Saldivar, 2015), una parte importante del proceso depende del
nixtamalizado, proceso en el cual se cuece el maíz con una solución de cal (≈ 1%) en una
relación de 2 de solución a 1 de maíz por entre 14 y 18 horas, el tiempo depende del tipo
de maíz que para variedades vítreas es mucho más largo. Este proceso debilita el
pericarpio facilitando la remoción, bajando la fibra insoluble, pero aumentando la soluble,
afecta también las proteínas, reduce la solubilidad de las albuminas y globulinas, con la
aparición de glutelinas de alto peso molecular por fenómenos de entrelazamiento y ruptura
de proteínas, también se incrementa la disponibilidad de aminoácidos esenciales y en
general, se mejora el valor nutricional del alimento (Paredes López et al., n.d.).
1.2.3 Extrusión de maíz
Por definición, la extrusión es un proceso en el cual un material suave o plástico es

sometido a presión y se obliga a fluir a través de un espacio muy restringido llamado dado
En general, la extrusión es una operación eficiente, adaptable, de bajo costo y que requiere
poco espacio que suele tener entre tres o cuatro etapas (Alam et al., 2015; Riaz, 2019),
como se muestra en la Figura 2.
Figura 2. Diagrama genérico de un extrusor. Fuente:(Riaz, 2019)
1. Alimentación: Su función es proveer o mantener un flujo de material constante,

dado que las densidades de las materias primas usadas pueden variar y que el
principal método de alimentación es por gravedad. Para evitar variaciones en el
flujo de la alimentación se suele usar un control manual o automatizado basado en
la pérdida de peso ya que minimiza las variaciones causadas por cambios en la
altura del material en la tova de alimentación.
2. Pre - acondicionador: Esta operación no es realmente necesaria, aunque tiene un
papel importante, ya que se encarga de hidratar, calentar y mezclar las partículas
de los materiales usados, es especialmente útil cuando las materias primas se
alimentan por separado. De acuerdo con las condiciones de operación puede
considerar como una pre-cocción.
3. Barril Extrusor: Es el corazón de la operación. La gran mayoría de
transformaciones ocurren en esta sección. Está constituido por uno o dos tornillos
sinfín que giran dentro de un cabezal o barril, que empujan el material hacia
adelante, sometiéndolo a fuerzas de cizalla, presión y temperatura, induciendo
cambios físicos y químicos.
4. Cuchillo cortador: Es la parte final y su función principal es cortar el producto con

la longitud deseada (Riaz, 2019).
Los equipos extrusores son considerados biorreactores, someten materias primas a altas
temperaturas por cortos periodos de tiempo para obtener un producto intermedio o final.
En el proceso de extrusión de maíz, una mezcla compuesta de harina, sémola o grit
humedecido más una pequeña cantidad de aceite, se transforma en un fluido vítreo al
atravesar el barril extrusor, debido a la acción de fuerzas de cizallamiento, presión y
temperatura, que inducen cambios químicos, físicos y nutricionales como son la
gelatinización de almidones, desnaturalización de las proteínas, oxidación lipídica,
degradación de vitaminas, formación de sabores, con un correspondiente incremento en
la biodisponibilidad de minerales, fibra dietaría y la formación de anti nutrientes(Alam et al.,
2015).
Las características finales del producto están determinadas por las condiciones de
operación del equipo y las materias primas usadas, en el caso del maíz, por ejemplo, la
textura final está influenciada principalmente por el tamaño de la partícula, una textura
crujiente y celular se obtiene usando una granulometría gruesa, en cambio, una textura
fina y suave se logra usando una granulometría fina (Riaz, 2006), otras características
como el sabor, se deben a una combinación de variables tanto de operación como de la
materia prima. Bredie (1998) determinó que el desarrollo del sabor está fuertemente ligado
al contenido proteico, la humedad y temperatura, en su estudio evalúa la combinación de
diferentes condiciones de temperatura (~120 a ~180°C) y humedad (~14 a ~22%),
logrando determinar que a una baja humedad y alta temperatura se inhibe la degradación
de lípidos y se propician las condiciones para la formación de compuestos derivados de
las reacciones de Maillard tales como pirazinas, pirroles, furanos, heterociclos, entre otros
y que en cambio, procesos a temperaturas bajas y con alta humedad facilitan la
degradación lipídica y disminuyen la formación compuestos derivados de reacciones de
Maillard.
Dos métodos usualmente empleados para extruir alimentos son el de Collet (Boquilla) y el
de Cooking (cocción). El extrusor tipo Collet usa un tornillo corto con elevada fuerza de
cizalla, para hidrolizar y gelatinizar parcialmente el almidón a una elevada temperatura a
partir de ingredientes de humedad relativamente baja. La masa sale por un troquel

expandiéndose y retorciéndose sobre sí misma para formar una especie de tornillo
crujiente. El extrusor tipo Cooking usa en cambio un tornillo largo, que puede utilizar tasas
altas o bajas de cizalla, permitiendo obtener diferentes grados de expansión, por ejemplo,
al usar bajas tasas de cizalla y temperatura el extruido se expande poco a la salida del
dado manteniendo niveles relativamente altos de humedad (Chang & Lin, 2017).
1.2.4 Saborizado de snacks
Diferentes snacks como las papas de paquete son comúnmente sazonadas con el objeto
de ofrecer experiencias de consumo o hacerlos más apetitosos. En múltiples snacks
freídos como papas, yucas o plátanos este proceso se realiza generalmente en caliente
con el objeto de mejorar a adherencia del sabor a la superficie de la hojuela. El proceso
genérico consiste en un sistema que aplica por aspersión el sabor (en polvo) el cual se
moviliza en un tambor rotatorio que se encarga de dar vueltas al snack haciendo que el
sabor quede adherido a toda la superficie (Saldivar, 2015). Existen algunas variaciones al
proceso según la naturaleza del producto. Según Hanify (2001) las tecnologías de
sazonado se pueden dividir en tres:
1. Paso único: consiste en la aplicación directa del sabor, generalmente en polvo al

producto, lo cual es posible cuando la superficie del alimento presenta un líquido o
una superficie en la cual el sabor se pueda adherir, como por ejemplo papas o chips
de maíz recién freídos.
2. Electrostática: utiliza el principio de la pintura electrostática para adherir sabor al
alimento. La técnica consiste en cargar eléctricamente sabor en polvo y dosificarlo
sobre un alimento en un tambor giratorio que polo a tierra.
3. Paso doble: Este proceso aplica cuando la superficie del alimento no cuenta con
un elemento que permita la adherencia del sazonador, por ello es necesario aplicar
en una primera etapa un líquido (aceite, polímero o solución de almidón), para que
el sabor en polvo aplicado en la segunda etapa quede “pegado” al alimento. Es
posible encontrar que el líquido adicionado se mezcle con el sabor polvo formando
un slurry, y se adicione en una sola etapa, también, aunque poco común, se pueden
encontrar sistemas en los cuales luego de la adición del slurry se dosifique sabor
en polvo.
1.3 Evaluación Sensorial
Describir las propiedades de un alimento requiere el uso de una escala de medición la cual
luego se transformará en un número, esto puede usarse para medir la intensidad de alguna
característica en especial o el nivel de agrado o desagrado. El método por usar y la escala
pueden variar (Lawless & Heymann, 2010d).
Una extensión compleja del uso de escalas es la descripción cuantitativa de los atributos
sensoriales de un producto, como se conoce usualmente “perfil sensorial”, es una técnica
que permite conocer la magnitud de los atributos del alimento e incluso comparar con otros
para determinar las diferencias entre estos, profundizando un poco más, es posible
identificar las variables de proceso, los ingredientes y las características que afectan el
agrado de los consumidores si se cruzan los datos de forma adecuada (Lawless &
Heymann, 2010b). Para estas pruebas se suele contar con la ayuda de 8 a 12 evaluadores
los cuales han demostrado tener sensibilidad adecuada, un determinado grado de
entrenamiento y, por ende, reproducibilidad y consenso. La forma de obtener un perfil
sensorial cambia, por ende, el juicio de los evaluadores se altera en función de la tarea
asignada (Lawless & Heymann, 2010d), pero, disminuir todos los sesgos es costoso tanto
en tiempo como en dinero, por este motivo los científicos sensoriales siempre están
buscando nuevas formas de realizar esta complicada labor.
1.3.1 Perfiles sensoriales
Existe en la actualidad una gran variedad de técnicas de elaboración de perfil sensorial,

sin embargo, cada una de ellas tiene sus ventajas y desventajas, la Guía Técnica
Colombiana 232, GCT232 (2020), presenta un compendio estructurado de las pruebas
más comunes y su forma de aplicación. En la norma se define un perfil cómo “Descripción

de las propiedades sensoriales de una muestra, que consiste en la presentación de los
atributos sensoriales en el orden en que son percibidos y con la asignación de un valor de
intensidad para cada uno”, el método para obtener el perfil dependerá entonces de las
necesidades particulares de cada investigador, ya sea por tiempo, costo, capacidad del
personal u otras condiciones. En la Tabla 2 se presenta un resumen de algunos de estos
métodos.
Tabla 2. Descripción y clasificación de los diferentes métodos utilizados para obtener un

perfil sensorial
Método Clasificación Descripción Referencia
Perfil de Tradicional Los evaluadores en mesa GTC 232:2020

Consenso redonda discuten y definen por
discusión en mesa redonda los
atributos, su orden de aparición y
la intensidad.
Descriptivo Tradicional Descripción de los atributos de un (Murray et al.,

Cuantitativo producto en orden de aparición y 2001)
con la intensidad, calificado de
forma individual y analizado por
varianza.
Elección Libre Tradicional Cada evaluador selecciona y (Liu et al., 2018)

califica sus propios atributos.
Rápido Rápido Proceso por el cual cada (Delarue, 2015a)

(Flash) evaluador sugiere atributos, los
discute con el grupo y selecciona
los que considere diferencian las
muestras, por último, ordena por
intensidad todas las muestras
para cada atributo seleccionado
Perfil Óptimo Rápido Procedimiento por el cual un (Minim, Valéria &

grupo de evaluadores define los Simiqueli, Andréa
atributos a evaluar, recibe un par & Moraes, Liliane
de sesiones de entrenamiento y & Gomide, Aline &
familiarización y califica todos los Minim, 2012)
atributos por triplicado de forma
monádica.
Ordenamiento Rápido Los evaluadores seleccionados (Richter et al.,

(entrenados o no) utilizan una 2010)
lista de atributos definida
previamente para ordenar por
intensidad para cada atributo
todas las muestras. Se incluyen
algunas sesiones de
entrenamiento.
Agrupación Rápido Perfil propuesto en 1995, se (Dehlholm, 2015a)

libre solicita al evaluador (entrenado o
no) agrupar las muestras por
similitud e indicar el motivo de la
agrupación, con la condición de
formar grupos con mínimo 2
muestras
Los métodos de perfil rápido son más recientes y presentan un enfoque en la rapidez,
aunque la denominación rápido no implica la inmediatez, se llaman de esta manera por
que presumen reducir el costo (tiempo, dinero) de obtener el resultado cuando se
comparan contra un perfil descriptivo cuantitativo, que es la técnica de referencia (Delarue,
2015b; Murray et al., 2001). Denominados métodos tradicionales de descripción permiten
un resultado robusto, pero son costosos y dispendiosos, como respuesta a ello se han
sugerido alternativas que permitan caracterizar y comparar muestras, sacrificando en la
menor cantidad posible la capacidad de diferenciar y reproducir resultados (Delarue,
2015a). Por ejemplo, el método de Perfil Flash desarrollo por Sierffman (2002), es una
extensión del método de perfil libre, se puede usar tanto con evaluadores entrenados y no
entrenados ya que sólo se requiere una explicación sobre el manejo de la escala, para ello
se presentan todas las muestras en simultáneo, luego cada evaluador prueba y genera
sus propio listado de atributos que permiten diferenciar las muestras, el paso siguiente
consiste en leer en mesa redonda los atributos individuales, apropiando o eliminando
atributos para luego calificarlos. El método se basa en el principio de que los evaluadores
no difieren en cuanto a su percepción sino en la verbalización de los atributos (Delarue,
2015b), sin embargo, se requiere un análisis estadístico con enfoque multivariado como el
análisis generalizado de procrustes GPA, el cual tiene como desventaja que los resultados
dependen del vocabulario y pueden conllevar problemas de interpretación.
Para el presente trabajo se decidió utilizar una modificación del método de Perfil
Descriptivo Óptimo(Minim, Valéria & Simiqueli, Andréa & Moraes, Liliane & Gomide, Aline
& Minim, 2012; Silva et al., 2014), ya que permite una descripción con intensidad de los
atributos de manera similar al Perfil Descriptivo, perdiendo poco poder discriminante. El
perfil óptimo es una metodología que se puede llevar a cabo con evaluadores entrenados
o no, el método original consistía en tomar una lista de atributos previamente establecidos,
luego con el grupo de evaluadores probar todas las muestras, establecer la definición de
los atributos y sus respectivas referencias, seguido de esto se realizan un par de sesiones
de familiarización con las muestras y las referencias, para luego realizar acuerdos en la
forma y método de evaluación de las muestras; una vez aclarada la metodología se
procede a calificar en un protocolo de atributo por atributo y por triplicado las muestras, o,
esto permite focalizar a los evaluadores conllevando teóricamente poca pérdida en la
discriminación de las muestras.
1.3.2 Desempeño de un panel sensorial
Para medir el desempeño de un panel sensorial se pueden encontrar en la literatura

diferentes metodologías, en la Tabla 3 se mencionan algunas de las normas colombianas
que mencionan la evaluación del desempeño de evaluadores sensoriales. Para el presente

trabajo se siguieron las bases de la NTC 3932(1996); GTC258 (2015). Para ello, se evaluó:
▪ El desempeño de los evaluadores por ANOVA
▪ Atributos discriminadores usando ANOVA y ACP
Tabla 3 Recopilación de Normas Técnicas Colombianas relacionadas con la medición del

desempeño de evaluadores sensoriales
Norma Título
Análisis Sensorial. Directrices para la selección, entrenamiento

GTC 280:2017 y seguimiento de evaluadores sensoriales seleccionados y
expertos.
GTC 258:2015 Análisis sensorial. Metodología. directrices, para monitorear el

desempeño de un panel sensorial cuantitativo.
GTC 232:2020 Análisis sensorial. Metodología. Guía general para el

establecimiento de un perfil sensorial.
NTC 5278:2004 Análisis sensorial. Metodología. Análisis secuencial.
NTC 3932:1996 Análisis sensorial. Identificación y selección de descriptores

para establecer un perfil sensorial por una aproximación
multidimensional.
La evaluación del desempeño de los evaluadores se basa esencialmente en tres

características importantes: la habilidad para diferenciar los productos (discriminación),
repetibilidad (consistencia) y acuerdo o consenso en la evaluaciones, se considera que los
evaluadores (K), miden los atributos (J) de una serie de muestras (I), una determinada
cantidad de veces o replicas (S), bajo estas condiciones se generan valores I x K x S cada
una de estas asociada a un descriptor (J) diferente o variable respuesta sobre la cual se
aplica un análisis ANOVA (Kermit & Lengard, 2005).
1.4 Análisis estadístico
1.4.1 Prueba t-student
Es una prueba para comparar la media de dos grupos poblacionales de variables continuas
independientes, se puede afirmar que, aunque las medias de los dos grupos no sean
iguales, existe una diferencia significativa ya que su varianza puede ser diferente. Para
validar estas hipótesis se pueden usar pruebas paramétricas como t-student, esta prueba
usa una distribución similar la normal, incorpora la media, varianza y una flexibilización de
las colas dada por los grados de libertad, siendo prácticamente igual a la normal cuando
los grados de libertad son mayores de (T-Test Con R, n.d.).
La prueba al ser paramétrica debe cumplir determinados criterios como: independencia,

normalidad (aproximada a la normal) y homocedasticidad. Si estas condiciones se
cumplen, es posible aplicar la prueba para aceptar o rechazar la hipótesis nula o alterna,
esto se realiza calculando un parámetro estimado o estadístico, que se extrapola desde la
muestra hacia la población de origen, luego se determina si se va a realizar con una o dos
colas, se realiza con una cola cuando se espera o se conoce la dirección de la desviación,
luego se determina el nivel de significancia que corresponde a la probabilidad de error que
se desea asumir en al momento de evaluar la hipótesis nula, generalmente se toma como
0.05, por último se calcula el p-valor, si este es menor al error esperado es posible rechazar
la hipótesis nula y considerar que las medias de las dos poblaciones son diferentes (Alberto
& Turcios, 2015).
1.4.2 Análisis de Varianza
El análisis de varianza ANOVA es una técnica básica para el estudio del efecto de factores
y sus niveles sobre la media de una variable continua, fue desarrollada por Fisher en 1930.
Es ideal para comparar las medias de dos o más grupos. ANOVA parte con la hipótesis
nula de que la media de dos poblaciones es igual, es decir que todos los grupos provienen
de la misma población. Para hacer el análisis se compara la varianza entre los grupos
contra la varianza al interior de los grupos (dentro de grupos o error). Existen diferentes
tipos de ANOVA, por ejemplo, si los datos son independientes, si son pareados, de un
factor o de dos factores.
Una forma de plantear el ANOVA es considerando la hipótesis de que μ es el valor

esperado para una población determinada y que αi es el efecto introducido por el nivel i,
por lo que es posible determinar la media de determinado nivel como:
𝜇𝑖 = 𝜇 + 𝛼𝑖
Ecuación 1
Se considera también que la variabilidad total es igual a la variabilidad explicada por el

factor (entre niveles) más la variabilidad no explicada por el factor (dentro del nivel). El
proceso de calcular cada una de estas varianzas ser realiza a través de las sumas de
cuadrados Totales (TSS), del tratamiento (SST) o nivel (SSE) y del error (David, 2017).
𝑇𝑆𝑆 = 𝑆𝑆𝐸 + 𝑆𝑆𝑇

Ecuación 2
1.4.3 Análisis de componentes principales (PCA)
Una de las herramientas para el análisis multivariado corresponde al Análisis de

Componentes Principales (PCA). Es una técnica que describe la interrelación de múltiples
variables dependientes y objetos, en el caso de evaluación sensoriales estas variables
corresponden a los descriptores de los productos (Lawless & Heymann, 2010b).
Como en el caso de las pruebas sensoriales, los datos recopilados en tablas de datos
pueden llegar a contener una gran cantidad de variables (columnas). El PCA disminuye la
cantidad de variables transformando la información original en un nuevo grupo de
variables, llamadas Componentes Principales (PC), las cuales son la combinación lineal
de las variables dependientes maximizando la varianza. El objetivo es expresar la mayor
cantidad de información usando una menor cantidad de variables, cada PC explica una
cantidad de varianza de los datos originales, generalmente se utiliza una cantidad de
variables que de forma acumulada expliquen al menos el 80% de los datos totales. El
resultado de este análisis es frecuentemente una gráfica en dos dimensiones que relaciona
las variables y los objetos, es muy útil cuando los datos presentan colinealidad, lo cual es
común en la evaluación sensorial (Everitt & Howell, 2005).
1.4.4 Análisis de Correspondencias (CA)
Esta técnica estadística es similar al análisis de componentes principales con la diferencia

de que se enfoca en el análisis de datos categóricos y no en datos continuos, los cuales
se colapsan en una tabla de contingencia en dos dimensiones. Todos los datos de esta
técnica deben estar en la misma escala para ser aplicable, por ejemplo, como frecuencia
de percepción de un atributo en una muestra. El CA crea componentes de forma ortogonal
similar al PCA y el resultado del análisis se grafica en dos dimensiones relacionando
directamente las columnas y las filas de la tabla de contingencia, basado en la distribución
de chi cuadrado. La frecuencia relativa de las categorías se analiza como una distancia en
un espacio chi cuadrado para relacionar los objetos y variables (David, 2017).
1.4.5 Prueba Q de Cochran y McNemar
La prueba de McNemar representa la prueba estadística más ampliamente utilizada para

el análisis de datos categóricos cuando se trata de observaciones independientes, sin
embargo, su distribución base puede ser utilizada para otras pruebas, por ejemplo, las
observaciones simples de un grupo evaluado por ausencia y presencia, con una variable
dicotómica pueden evaluarse usando la prueba de McNemar, para establecer el efecto
sobre la preferencia de dos productos luego de revelar la marca. Las respuestas se
clasifican en una matriz 2 x 2 con las mismas respuestas en columnas y filas. La
generalización de esta prueba para dos muestras con múltiples filas y columnas es llamada
la prueba de Stuart y para más de dos productos Cochran-Mantel-Haenzel. En la Tabla 4
se puede apreciar un ejemplo de la matriz McNemar (Lawless & Heymann, 2010a).
Tabla 4. Ejemplo matriz de una prueba de McNemar
Después de revelar información

Prefiere A Prefiere B
Antes de revelar información
Prefiere A a b
Prefiere B c d
La prueba de Q de Cochran es el equivalente del McNemar para más de grupos de datos,

permitiendo establecer si la distribución binomial es la misma para todos los grupos, como
en el caso anterior podría evaluar el efecto sobre la preferencia, sin la marca, con la marca
y después de revelarla. Su estadístico se aproxima al de chi cuadrado con k-1 grado de
libertad y mejora con el tamaño muestral, en este caso las hipótesis son:
H0: La proporción de eventos positivos es la misma en los diferentes niveles.

Ha: La proporción de eventos positivos es distinta en los diferentes niveles.
Se deben cumplir tres condiciones: debe ser una variable binomial, ser datos pareados y
comparar más de dos grupos. Si el resultado es significativo se indica que al menos dos
grupos son diferentes entre ellos, para identificarlos se debe realizar una prueba de
McNemar con corrección de significancia (Lawless & Heymann, 2010c).
1.4.6 Análisis de factores múltiples
Múltiples grupos de variables de un conjunto de individuos puede ser estudiado usando la

técnica MFA. Principalmente esta técnica se basa en darle a cada grupo de variables un
“peso”, dando a los individuos y variables una connotación de factor. Este análisis de
factores lleva a un análisis global de grupos de variables en donde cada grupo se
representa como el producto escalar de una matriz definida en función de los individuos.
El análisis se realiza sobre tablas, en las cuales los individuos o muestras se ubican en las
filas y las variables en las columnas, las cuales pueden ser tanto numéricas como
categóricas y pueden pertenecer a un grupo, por ejemplo, los datos instrumentales de una
muestra o los datos sensoriales de la misma muestra (le Dien & Pagès, 2003).
El peso de cada grupo puede ser definido por el usuario, también pueden definirse como
grupos activos o ilustrativos (suplbementarios), es decir, no participan en los cálculos, pero
es posible graficarlos usando la información de los demás grupos. En esta técnica es
importante mantener la influencia de cada grupo comparable con el análisis global para
evitar que un sólo grupo tenga una influencia marcada. Tiene la ventaja que a diferencia
de PCA y CA permite mezclar datos categóricos y continuos en un solo análisis, sin
embargo, debe estar balanceada la influencia de estos dos tipos de variables o llevará a
errores en el análisis (Escofier & Pagès, 1994).
2 Metodología
2.1 Elaboración de los sabores
Las propuestas a elaborar corresponden a cinco, para estas muestras la dosis de

aplicación a la base (extruido horneado) se presenta en la Tabla 8. Composición del
extruido de maíz saborizado. La única muestra que no se fabricó corresponde a la
competencia la cual se compró directamente a un distribuidor para asegurar que se
encontrase lo más fresca posible. En Tabla 5 se presenta un resumen de las muestras y
características deseadas de las muestras a fabricar
Tabla 5 Muestras a evaluar y las características deseadas
Muestra Descripción
Competencia Muestra con sabor a queso y mantequilla.
Actual Elaborado con sabor a queso cheddar, umami y complementos.
QN Con sabor de nachos, queso cheddar, queso blanco y picante.
Elaborado con sabor a queso cheddar, sabor de nacho, jalapeño y queso

PJC
en polvo.
MQ Elaborado con sabor de queso blanco, queso cheddar & mantequilla.
Para elaborar estas muestras se partió de sabor en polvo de diferentes casas de sabores
(por confidencialidad de la empresa no se mencionan los proveedores), las cuales fueron
mezcladas y homogenizadas en un Erlenmeyer tapado con vinipel, según las fórmulas
descritas en la Tabla 6.
Capítulo 2 - Metodología 42
Tabla 6 Fórmulas de los sabores en porcentaje (%)
Sabor Actual PJC QN MQ
Queso &
100 0 0 30
Mantequilla Ow
Nacho Seas 0 10 40 10
Queso
0 30 20 0
Cheddar
Queso Blanco 0 0 5 20
Mantequilla 0 10 10 0
Jalapeño &
0 40 0 0
Cheddar
Queso &
0 0 15 30
Mantequilla N
Queso en
0 10 0 0
Polvo
Queso picante 0 0 10 0
Queso
0 0 0 10
Cremoso
Ow* Referencia comercial del sabor, sabor cremoso y lácteo con leve mantequilla
N* Referencia comercial del sabor, queso muy cremoso con notas de mantequilla y queso maduros, leve
rancio.
2.2 Elaboración de muestras
Las muestras fueron elaboradas en la empresa comestibles Ricos S.A. en el equipo de

planta para garantizar la mayor homogeneidad posible en el lote. El proceso general se
describe en la Figura 3 Proceso de obtención de extruido de un extruido duro de maíz
Recepción de la materia
prima
Humectación del maíz
Adición de ingredientes
restantes
Alimentación
Extrusión
Horneo
Saborizado
Figura 3 Proceso de obtención de extruido de un extruido duro de maíz
El primer paso consistió en obtener el collet (maíz extruido por el método de boquilla), para
ello la sémola de maíz se hidrató por adición de agua y se homogenizó por 15 minutos,
luego se ingresó a un pequeño silo de alimentación y se procesó en un extrusor de tornillo
simple, bajo las condiciones que se presentan en la Tabla 7.
Tabla 7. Variables de extrusión del Collet y de horneo para la Base
Proceso Variable
Velocidad cuchilla (RPM) 180-300
Velocidad tornillo (RPM) 150-300
Extrusión Flujo (kg/h) 110
Temperatura (°C) 130 – 160
Densidad del extruido (g/L) 70 – 90
Temperatura (°C) 175 – 185
Horneo
Tiempo (min) Variable
La cantidad de agua a adicionar para el proceso se calculó usando las ecuaciones 3 y 4,

donde 𝑋𝑓 y 𝑋𝑖 corresponden a la fracción másica de agua final e inicial de la sémola
respectivamente.
1 − 𝑋𝑓
𝐴𝑔𝑢𝑎 𝑘𝑔 = ( ∗ 𝑘𝑔 𝐵𝑎𝑐ℎ𝑒 ) − 𝑘𝑔 𝐵𝑎𝑐ℎ𝑒
1 − 𝑋𝑖
Ecuación 3
𝑆é𝑚𝑜𝑙𝑎 𝑘𝑔 = 𝑎𝑔𝑢𝑎 𝑘𝑔 − 𝑘𝑔 𝐵𝑎𝑐ℎ𝑒
Ecuación 4
Justo después de que el collet salió del extrusor se alimentó de forma continua a un horno
donde se disminuyó la humedad para dar las características de dureza y crocancia
deseadas, posterior a esto ingresó a un bowl plástico para aplicar el sabor en dos etapas,
en la primera por aspersión la salsa (slurry) y luego sabor en polvo como se puede apreciar
en la Figura 4. La composición de la salsa y la formula se muestran en la Tabla 8.
Tabla 8. Composición del extruido de maíz saborizado
Componente Contenido (g) Contenido (%)

Extruido de maíz 100.0 67.5
Salsa queso (oleína +sabor
41.7 28.0
en polvo)
Sabor queso (polvo) 6.7 4.5
Se ajustó la temperatura de la salsa a 40°C, correspondiente a una mezcla de aceite

(oleína de palma) y el sabor en polvo del queso deseado, luego se procedió a espolvorear
el mismo sabor de la salsa. Por último, se pesaron 10 g del extruido y se empacaron en
bolsas metalizada blancas de polipropileno bi-orientado metalizado.
Paso 1. Aspersión de salsa de queso
Extruido de
Aire + Salsa de queso
maíz
Paso 2. Aplicación sabor polvo
Extruido de Extruido
maíz + Salsa sazonado
Figura 4. Proceso de saborizado del extruido de maíz
El extruido base se obtuvo de un lote normal de producción, los parámetros de extrusión

cumplieron con lo establecido en la Tabla 7. El flujo promedio del extrusor fue de 113 kg/h,
con una densidad de collet de 80g/L. El horneo se realizó a un flujo de 96 kg/h para una
humedad final por plato caliente de 0,5% y una densidad de 88g/L. El extruido horneado
se recubrió con salsa con un atomizador y se distribuyó manualmente sobre la superficie
del collet, en el segundo paso el sabor en polvo preparado según lo indicado en la Tabla
6, se pesó en un salsero y se espolvoreó sobre la superficie mezclando manualmente para
distribuir el sabor.
Las muestras se prepararon en baches de 200 g, hasta completar 1.800 g y se empacaron

en bolsas metalizadas de 10g. Las cantidades pesadas de cada bache para cada sabor se
presentan en la Tabla 9. Las muestras de la competencia se compraron en un distribuidor
y se re-empacaron bajo las mismas condiciones de las muestras, pero 15 días posterior a
la fabricación de las muestras. Después del saborizado e incluyendo a la competencia los
extruidos se seleccionaron retirando aquellos más pequeños y partidos ya que durante la

manipulación muchos de estos se partieron. El producto terminado de dejó reposar 20 días
antes de la evaluación, esto se realizó para tratar de equiparar las condiciones de vida útil
entre las muestras fabricadas y la competencia.
Tabla 9 Cantidades preparadas por bache para cada muestra
Ingrediente Cantidad (g) Porcentaje (%)
Extruido 135 67.5

Salsa 56 28
Sabor preparado 9 4.5
Total 200 100
2.3 Perfil óptimo (ODP)
El perfil óptimo se realizó con los evaluadores sensoriales de Comestibles Ricos S.A,
quienes cuentan con experiencia en la evaluación de diferentes snacks como son papas
fritas saborizadas, chicharrón, plátano, yuca, arracacha y entre otros productos fritos
saborizados o no.
En la Figura 5. se plantea el paso a paso a seguir para obtener el perfil sensorial óptimo,
primero se realizó una evaluación descriptiva en términos de textura, olor, sabor y sabor
residual, persistencia o retrogusto enfocado principalmente en los atributos que son
diferentes entre las muestras(Liu et al., 2018). La selección de atributos a evaluar se realizó
en consenso y tomando como criterio la frecuencia de aparición de estos.
En la misma sesión de selección de atributos se planteó proponer la definición y las

referencias para los atributos seleccionados, mientras que, en una segunda sesión
denominada de familiarización, se degustaron las muestras junto con las referencias para
validar su pertinencia y posición en la escala.
Perfil ODP
Elaboración de muestras
Descripción de las muestras
Establecer referencias
Familiarización con las

referencias
Calificación de las muestras
Recolección de la información
Análisis de datos
Figura 5. Proceso para la elaboración del perfil sensorial óptimo
Para la calificación de la intensidad de cada atributo se utilizó una escala continua no

estructurada de 20 cm anclada en los extremos como se aprecia en la Figura 6. en la
sesión de familiarización también se expuso la escala y se explicó su uso.
Ausente Intenso
Figura 6. Escala de evaluación de los atributos

Usando la misma línea, el evaluador ubicó para cada atributo cada muestra según la
intensidad percibida. Para ello, el evaluador recibió todas las muestras al mismo tiempo en
la bandeja, junto con las referencias correspondientes, como se muestra en Figura 7.
Ref. 1 Ref. 1
débil Intenso
M1 M6 M4 M2 M5 M3
Figura 7. Esquema de presentación de muestras para la prueba
Una modificación del método original (Minim, Valéria & Simiqueli, Andréa & Moraes, Liliane
& Gomide, Aline & Minim, 2012), propuesta en el presente trabajo consistió en que en lugar
de realizar la prueba atributo por atributo, se hizo con tres atributos a la vez en cada sesión
y por triplicado, aprovechando que los evaluadores cuentan con experiencia y
entrenamiento, con objeto de disminuir el tiempo de ejecución del perfil.
Los datos obtenidos se analizaron con una prueba ANOVA de tres vías, evaluador,
muestra y replica, junto con sus respectivas interacciones. Para determinar variaciones
entre atributos y entre muestras se utilizó la prueba de F y se complementó con un análisis
de componentes principales (Aguiar et al., 2020), para ello se usó el software R base,
haciendo uso de los paquetes FactoMineR (Lê, S., Josse, J. & Husson, 2008) y
SensoMineR (Lê, Sébastien, Husson, 2008).
2.4 Evaluación en consumidor
La evaluación de las muestras se hizo por medio de una prueba de C.A.T.A., incluyendo
las preguntas: agrado general, descripción de las muestras y de las características del
producto ideal (Ares et al., 2010). El proceso de realización de la prueba se presenta en la
Figura 8.
C.A.T.A.
Preparación de muestras
Definir vocabulario
Reclutar consumidores
Evaluación de las muestras
Recolección de información
Análisis de datos
Figura 8. Esquema de la prueba de C.A.T.A.
Inicialmente, se determinó la lista de palabras o frases que se utilizaron en el estudio. Para

ello se propuso partir de dos fuentes de información, la primera usando los descriptores
propuestos en el ODP y la segunda los resultantes de una sesión de grupo con
evaluadores inexpertos de 10 a 18 años que fueran consumidores de productos con sabor
a queso al menos una vez a la semana (Mello et al., 2019).
De este procedimiento se obtuvieron dos listas de atributos, una correspondiente a

atributos de textura y una correspondiente a atributos generales (olor, sabor y residual)
(Meyners et al., 2013; Meyners & Castura, 2014), por último, una tercera lista de atributos
correspondió a emociones y experiencias generadas por el alimento, la cual se obtuvo a
partir de una revisión bibliográfica (Spinelli & Jaeger, 2019). En la Figura 9 se ejemplifica
el formato con una lista de atributos generales.
Considerando todas las caracterísicas del producto ¿Cómo lo

califica?
Me gusta Me desagrada
Mucho mucho
1 2 3 4 5 6 7 8 9
A continuación por favor marque con una X todas las

características que usted considera describen el la
muestra 098
Grasa Duro
Pollo Humo
Comino Cáscara
BBQ Crocante
Sal Dorado
Jugoso Quemado
Asado Amargo
Figura 9 Ejemplo de un cuestionario de prueba de C.A.T.A.
Los resultados de la prueba se analizaron usando un análisis de correspondencias,

ANOVA y PCA (Ares & Jaeger, 2015; Bruzzone et al., 2015). Para ello se usó el software
R base, con los paquetes FactoMineR (Lê, S., Josse, J. & Husson, 2008), MASS (W. N.
Venables and B. D. Ripley, 2002) y SensoMineR(Lê, Sébastien, Husson, 2008).
2.5 Correlación de datos ODP y CATA
Para establecer la relación entre las bases de datos se usó como punto de anclaje los
datos de agrado de cada una de las muestras y se empleó un análisis de factores múltiples
MFA para establecer cuáles fueron los posibles atributos calificados por el grupo de
evaluadores experto que podría explicar las diferencias en agrado de las muestras y una
posible relación con la descripción de los consumidores (Escofier & Pagès, 1994; le Dien
& Pagès, 2003).
51 Capítulo 3 – Resultados y discusión
3 Resultados y discusión
3.1 Preparación de las muestras
El extruido base se obtuvo de un lote normal de producción. Los parámetros de extrusión

cumplieron con lo establecido en la Tabla 6. El horneo se realizó a un flujo de 96 kg/h para
una humedad final por plato caliente de 0.5% y una densidad de 88 g/L. Para recubrir el
extruido se realizó una atomización y luego complemento con una dispersión manual de la
salsa en la superficie del collet. En la Figura 10 se presentan las fotos del proceso y del
resultado. Todas las muestras presentaron las características esperadas, un extruido tipo
collet, es decir un expandido de maíz en forma de tubo retorcido con ancho y largo variable,
debido a la superficie amorfa y desigual el color no es homogéneo. El extruido de la
competencia se percibe más pálido, con una menor cobertura de tópico o sabor en polvo,
todas las muestras son de color más intenso y dan un aspecto de estar más cubiertas de
color respecto a la competencia. Se destaca que la muestra QN tiene algunos puntos
negros por el sabor picante en la fórmula.
Capítulo 3 – Resultados y discusión 52
a b
c d
Figura 10 Extruidos de maíz en cada etapa la imagen (a) es la base extruida y

horneada, (b) es el extruido después de la aplicación de la salsa, (c) y (d) corresponden
a las muestras de QN y PJC respectivamente luego de adicionar el sabor en polvo en
la última etapa de saborizado.
3.2 Perfil descriptivo
Debido a las dificultades presentadas por la Pandemia Covid 19, la prueba se realizó con
siete evaluadores, cinco de ellos expertos y dos seleccionados por pruebas basadas en la
Guía Técnica Colombiana, análisis sensorial. Directrices para la selección, entrenamiento
y seguimiento de evaluadores sensoriales seleccionados y expertos (GTC 280:2017). Los
criterios fueron: identificación de olores 60%, identificación de gusto básicos del 100%,
ordenamiento de gustos básicos de mínimo 80%, ordenamiento de colores 100%, buena
capacidad descriptiva y principios de selección mencionados en la norma. Los evaluadores

expertos al no realizar pruebas por cerca de seis meses participaron en las mismas
pruebas.
Para obtener el listado de atributos las muestras se evaluaron en cabinas de forma

individual y se recolectaron las frecuencias de aparición de todos los atributos
mencionados, en la Tabla 10 se presentan las frecuencias de aparición de los atributos
sugeridos en la primera sesión de descripción. En una segunda sesión se presentaron a
los evaluadores las frecuencias con una serie de referencias sugeridas para cada atributo.
Por discusión grupal se determinó la definición de cada atributo, las referencias y se
filtraron los atributos a utilizar. Los atributos por seleccionar debían permitir una
discriminación entre las muestras y estar claros para todos los evaluadores, se agruparon
atributos para evitar sinónimos y previendo correlaciones futuras. Como se aprecia en la
Tabla 10, X hace referencia a los atributos eliminados por poca frecuencia, falta de claridad
y/o porque no permiten diferenciar las muestras, estos fueron butírico, pimienta, ácido
láctico, maíz, cheddar y grasa. Entre tanto, algunos descriptores (**) se combinaron por
referencia o por sensación, por ejemplo, cremoso y lácteo se agruparon en queso;
pimentón, chile (sensación del fruto), jalapeño, semilla y vegetal (vegetales cocidos) se
agruparon en terroso, por último, las notas pimienta y chile (sensación de calor o picor) se
unificaron en picante. Los descriptores con asterisco (*) se mantuvieron para ser calificados
posteriormente. Se comparó contra algunos artículos, pero los descriptores eran genéricos
y usaban 1 compuesto químico como referencia a una matriz compleja, por ejemplo,
butírico como referencia de queso, cuando este puede representar una mantequilla (Menis-
Henrique et al., 2020; Smith & Peterson, 2020), se utilizan las referencias y definiciones
establecidas por el panel.
Para finalizar, los términos de crocancia y dureza relacionados a la textura se incluyeron

como control, ya que a excepción de la competencia todas las muestras comparten la
misma base, también por ello los atributos grasa y maíz no presentaron una característica
de diferenciación, también se adicionó “residuo en dedos” que corresponde a la cantidad
de color o nivel en el cual quedan untados los dedos con polvo.
Tabla 10. Frecuencias de aparición de atributos según el panel de evaluadores

seleccionados
Atributo Descriptor Actual Comp. MQ QN PJC Frec. Total Decisión
Olor Queso Maduro 5 0 0 2 2 9 *

Olor Butírico 6 3 3 4 5 21 X
Olor Mantequilla 6 5 5 5 4 25 *
Olor Maíz 6 6 6 6 6 30 X
Olor Grasa 6 6 6 6 6 30 X
Olor Cremoso 6 5 5 5 5 26 **
Olor Ácido Láctico 3 2 2 3 3 13 X
Olor Queso 1 6 6 3 4 20 *
Olor Lácteo 0 5 5 4 4 18 **
Olor Pimentón 0 4 4 5 4 17 **
Olor Chile 0 0 1 3 3 7 **
Olor Terroso 0 0 4 5 4 13 *
Olor Parrilla 0 0 4 1 1 6 X
Olor Jalapeño 0 0 2 2 5 9 **
Olor Vegetal 0 0 2 3 2 7 **
Olor Cheddar 0 0 1 1 0 2 X
Sabor Queso Maduro 5 1 0 1 2 9 *
Sabor Maíz 6 6 6 6 6 30 X
Sabor Grasa 6 6 6 6 6 30 X
Sabor Astringente 1 0 0 1 0 2 X
Sabor Sal 6 6 6 6 6 30 *
Sabor Mantequilla 6 5 4 4 4 23 *
Sabor Butírico 6 5 2 3 4 20 X
Sabor Lácteo 6 3 3 3 4 19 **
Sabor Cremoso 6 4 3 5 5 23 **
Sabor Queso 1 4 3 3 4 15 *
Atributo Descriptor Actual Comp. MQ QN PJC Frec. Total Decisión

Sabor Jalapeño 0 0 3 5 6 14 **
Sabor Pimentón 0 0 6 6 6 18 **
Sabor Terroso 0 0 6 6 6 18 *
Sabor Ácido 2 1 5 4 3 15 X
Sabor Semilla 0 0 0 2 3 5 X
Sabor Picante 0 0 0 2 6 8 *
Sabor Pimienta 0 0 0 1 4 5 X
Sabor Chile 0 0 0 3 4 7 **
Residual Queso Maduro 5 0 0 2 2 9 *
Residual Grasa 6 6 6 6 6 30 X
Residual Sal 6 6 6 6 6 30 *
Residual Butírico 5 1 2 1 4 13 X
Residual Mantequilla 6 3 2 4 4 19 *
Residual Maíz 6 6 6 6 5 29 X
Residual Cremoso 6 3 4 3 5 21 **
Residual Lácteo 4 3 3 1 3 14 **
Residual Queso 1 3 6 4 4 18 *
Residual Pimentón 0 0 6 5 6 17 **
Residual Jalapeño 0 0 4 5 5 14 **
Residual Terroso 0 0 5 5 5 15 *
Residual Vegetal 0 0 3 3 3 9 **
Residual Picante 0 0 2 5 6 13 *
Residual Pimienta 0 0 2 4 4 10 X
Residual Chile 0 0 3 4 3 10 **
Residual Cheddar 0 0 0 1 0 1 X
En la Tabla 11 se presenta una lista de todos los atributos seleccionados para realizar el
perfil descriptivo bajo la metodología del perfil descriptivo óptimo, tanto las referencias
como las definiciones fueron establecidas por el grupo de evaluadores en una sesión de
tres horas. Desde la primera sesión de descripción se recopilaron sugerencias de

referencias, las cuales fueron presentadas en la segunda (definiciones) y tercera
(familiarización) sesión.
Tabla 11. Lista de atributos, definiciones y referencias consensuada para el perfil óptimo
Atributo Definición Referencia

Humo Sensación producida por los Débil: Esencia humo 0.2% p/p
productos ahumados o quemados Fuerte: Esencia humo 0.45%
p/p
Queso maduro Sensación producida por los Débil: Queso semi maduro semi
quesos madurados tipo graso
parmesano, paipa (semi maduro) Fuerte: Queso parmesano
Queso Atributo relacionado con las notas Débil: Queso doble crema
de los quesos frescos, blancos tipo Fuerte: Queso Camembert
doble crema
Picante Sensación de calor o dolor Débil: pimienta, solución de
producida por la pimienta, capsaicina 0.002% p/p
capsaicina y el chile Fuerte: Chile japaleño, solución
de capsaicina 0.0045 p/p
Mantequilla Descriptor de la mantequilla, Débil: aceite sabor mantequilla:
diacetilo, caracterizada por ser aceite sin sabor 60:40
dulce y láctea Fuerte: Aceite sabor
mantequilla 100%
Terroso Sensación que recuerda las notas Débil: Champiñón salteado
de champiñones, pimentón y los Fuerte: Pimentón fresco cortado
vegetales en julianas
Sal Gusto básico producido por las Débil: NaCl 0.2% p/p
sales metálicas como cloruro de Fuerte: 0.8% p/p
sodio o potasio
Residuo Cantidad de polvo/grasa o salsa Débil: Extruido sazonado con
Dedos que se queda pegada a los dedos dosis del 10%
luego de probar el alimento Fuerte: Extruido sazonado al
50%
Atributo Definición Referencia

Dureza Fuerza requerida para desintegrar Débil: Extruido de maíz blando
el alimento al momento de realizar (cheeto)
una compresión con los dientes Fuerte: Extruido de maíz duro
molares
Crocancia Ruido producido por el alimento al Débil: Galleta de leche
momento de quebrar o reducir en Fuerte: Papas fritas artesanales
tamaño el alimento (mayor grosor) o chicharrón de
snacks
La calificación final de las muestras se realizó en cabinas evaluando tres atributos a la vez,
por triplicado, las muestras se presentaron en orden completamente aleatorio para cada
evaluador, usando capacillos codificados con números aleatorios de tres cifras, junto con
las referencias correspondientes a cada atributo en la parte superior como se muestra en
la Figura 11, el formato de evaluación diligenciado se muestra en el Anexo A.
Figura 11. Presentación de las muestras a los evaluadores

Antes de realizar la comparación de los perfiles se realizó una exploración de los datos y
una evaluación del desempeño de los evaluadores. Como se muestra en la Figura 12, las
muestras presentaron diferentes niveles de intensidad, sin embargo, las variaciones en las
calificaciones fueron considerables, por ejemplo, la muestra de la competencia tiene una
desviación estándar de 0.92 y una media de 0.66 (140 CV), mientras que PJC con una
media mayor 3.75 tiene una desviación estándar de 2.19 (58.4 CV), ya sea por baja
claridad en el atributo o por un uso diferente de la escala.
Figura 12. Gráfico de cajas y bigotes para la intensidad de olor de cada muestra en el
atributo olor a queso maduro
De forma análoga en la Figura 13 se presentan los gráficos de cajas y bigotes para cada
atributo y para cada muestra. Como se aprecia, la evaluación de los mismos descriptores
en cada atributo (olor, sabor y residual), presentó valores o tendencias similares, por lo
cual es de esperar una correlación positiva entre ellos, por ejemplo, si se toman los valores
de las calificaciones individuales y se calcula el coeficiente de correlación de Pearson
Residual terroso y Sabor terroso tienen una correlación de 0.89, Olor terroso y sabor
terroso de 0.74, sabor a queso y olor a queso de 0.87, dureza y crocancia de 0.70, se
plantea de esta manera utilizar para cada uno de los descriptores, queso maduro, queso,
crocancia o dureza, picante, terroso, mantequilla y sal, el descriptor que más diferenció las
muestras y/o menor variación dentro de los grupos.
Figura 13. gráfico de cajas y bigotes para todos los atributos separado por muestra, se observa que el mismo descriptor, por
ejemplo, terroso presentan el mismo comportamiento en los 3 atributos de olor, sabor y residual, por lo cual podría existir una
relación entre ellos.
3.2.1 Desempeño del panel
Para evaluar el desempeño se realizó un análisis de varianza ANOVA siguiendo el

esquema de la Ecuación 5, donde se evalúan los factores producto (𝛼, si los productos son
diferentes), Evaluador (𝛽 si los evaluadores usan la misma escala de forma similar o no),
Replica (𝛾 si el panel usa la escala de forma consistente) y sus respectivas interacciones,
producto-panelista, indica si los evaluadores califican de la misma forma las muestras, es
decir el consenso o acuerdo entre los evaluadores, producto-replica informa sobre la
repetibilidad del panel, si el panel califica igual entre sesiones y por último evaluador:
réplica brinda información sobre si un evaluador usa la escala de forma diferente entre
replicas. Para usar ANOVA se debería demostrar que los residuales están normalmente
distribuidos tienen una media de 0, una varianza constante y son independientes, aunque
los datos de una evaluación sensorial incumplen al menos 1 de estas condiciones, se suele
utilizar el ANOVA ya que permite evaluar las fuentes de variación por separado (Kermit &
Lengard, 2005; Lê Sébastien & Worch Thierry, 2015)
Υ𝑖𝑘𝑠 ~𝜇 + 𝛼𝑖 + 𝛽𝑘 + 𝛾𝑠 + 𝛼𝛽𝑖𝑘 + 𝛼𝛾𝑘𝑠 + 𝛽𝛾𝑘𝑠 + 𝜀𝑖𝑘𝑠
Ecuación 5
En la Tabla 12 se presenta el resultado del análisis para el descriptor Olor Queso Maduro,
con un valor de F de 44.856. Es posible afirmar que las muestras son diferentes para el
grupo de evaluadores, con valores de F más pequeños pero significativos los evaluadores
son una fuente de variación, es decir que varía entre ellos la calificación de alguna de las
muestras y ya que existe interacción muestra-evaluador no hay acuerdo o consenso entre
los evaluadores.
Aplicación de los métodos C.A.T.A. y Perfil Sensorial Óptimo en el desarrollo 62
de un extruido de maíz con sabor a queso
Tabla 12. Análisis de varianza para el descriptor Olor a "Queso maduro"
Gl SC CM Valor de F Pr(>F)
Muestra 4 256.13 64.03 44.856 1.22E-15 ***
Evaluador 6 41.75 6.96 4.874 0.000583 ***
Replica 2 1.42 0.71 0.498 0.610588
Muestra:Evaluador 24 121.34 5.06 3.542 9.50E-05 ***
Muestra:Replica 8 9.18 1.15 0.804 0.602027
Evaluador:Replica 12 18.81 1.57 1.098 0.383255
Residuales 48 68.52 1.43
Signif. codes: 0 *** 0.001 ** 0.01 * 0.01* 0.05 ‘.’
El resultado del análisis de varianza se presenta de forma más didáctica en la Figura 14,
en esta se grafican los valores medios para cada muestra por cada evaluador participante,
en ella se observa que existe diferencia entre las muestras. La competencia tiene los
valores más bajos, así como también es evidente que algunas muestras como la MQ y
Actual son calificadas de forma diferente por los evaluadores 5 y 3, de esta forma se
ejemplifica el efecto de la interacción muestra-evaluador.
Figura 14 Gráfico de interacción Evaluador-Producto para el descriptor a

Queso Maduro
Este procedimiento se aplica a todos los atributos restantes para ello se combinan dos
funciones del paquete SensoMineR las cuales son panelperf y coltable (Lê, Sébastien,
Husson, 2008) para crear la Tabla 13 donde por medio del ANOVA y la prueba de F se
presentan los p-valores, resaltando aquellos >0.05.
Tabla 13 Evaluación del desempeño del panel usando el análisis de varianza

Descriptor Muestra Evaluador Replica Muestra: Muestra: Evaluador:
Evaluador Replica Replica
S_Terroso 0.00000 0.00810 0.69179 0.04943 0.58268 0.01679
T_Croc 0.00000 0.00000 0.60992 0.41938 0.19721 0.00070
S_picante 0.00000 0.00000 0.34983 0.00014 0.23862 0.02035
R_Sal 0.00000 0.00044 0.02837 0.51136 0.12489 0.12399
O_Terroso 0.00001 0.08573 0.73688 0.39517 0.38955 0.00499
O_Q_Mad 0.00001 0.00058 0.64564 0.00009 0.60203 0.38325
R_Terroso 0.00002 0.00008 0.24375 0.00265 0.30786 0.01269
S_sal 0.00002 0.00002 0.26977 0.03445 0.89199 0.10260
R_Q_Mad 0.00005 0.00830 0.85398 0.18090 0.88281 0.30127
T_Residuo 0.00009 0.00057 0.94817 0.53135 0.81458 0.38069
S_Q_Mad 0.00010 0.60242 0.50892 0.00156 0.94034 0.29839
O_Mqlla 0.00066 0.00000 0.10394 0.00097 0.10023 0.01208
R_picante 0.00420 0.00000 0.11608 0.34704 0.51863 0.82151
S_Mqlla 0.00694 0.00000 0.40032 0.28421 0.18253 0.12685
R_Queso 0.01769 0.00000 0.29644 0.00011 0.37611 0.16406
T_dureza 0.02012 0.00000 0.26612 0.00001 0.19027 0.00241
O_queso 0.12320 0.00000 0.03302 0.00000 0.21353 0.55148
R_Mqlla 0.16344 0.00035 0.70475 0.58563 0.53601 0.00223
S_queso 0.32145 0.00000 0.80719 0.00000 0.26034 0.03858
Se considera entonces que el grupo de evaluadores presentan un buen poder

discriminante ya que se logró diferenciar 16 de los 19 atributos. En la Tabla 14 se resume
el rendimiento del panel, se discriminan 84% de los descriptores, para un 11% de ellos se
usó la escala de forma similar y solamente en dos ocasiones se usó la escala de forma
inconsistente entre las sesiones. En cuanto a las interacciones, en 8 de 11 atributos hubo
consenso en la intensidad de las características, resaltando que todos los evaluadores
calificaron de forma consecuente entre sesiones, por último, el 53% de los evaluadores
usó la escala de igual forma entre sesiones. La repetibilidad se toma como la cantidad de
veces que existió diferencia entre replicas, para todos los atributos no hubo variación global
entre las diferentes sesiones, por ello el rendimiento del 100%.
Tabla 14 Resumen del rendimiento del panel de evaluación
Variable Diferencia No diferencia Rendimiento

Discriminación 16 3 84%
Escala 17 2 11%
Consistencia 2 17 89%
Consenso 11 8 42%
Repetibilidad 0 19 100%
Reproducibilidad 9 10 53%
Es importante aclarar que los cálculos realizados consideran al evaluador como un efecto
aleatorio, es decir que el efecto del factor no es debido a los niveles de este y se centra en
las diferencias globales y no específicas por evaluador. Para el desempeño, se realizó de
esta forma ya que se evaluó el desempeño global y no particular del panel, sin embargo,
es posible determinar cuándo un efecto aleatorio o fijo es significativo, pero esto excede el
alcance del presente trabajo.
Respecto al desempeño global del panel es posible afirmar que se cumplió el objetivo, el
cual consistía en caracterizar las muestras en atributos que permitieran establecer
diferencias entre ellas y de una forma rápida ya que en total se realizaron tres triplicados
de cada sesión, para un total de nueve sesiones, la velocidad de respuesta se obtuvo a
costa de manejos diferentes en la escala, autocorrección, perdida del consenso y un poco
de la reproducibilidad.
En el enfoque anterior se enfatizó en el ANOVA en el efecto Evaluador total y no en sus

niveles, por ello, para evaluar el desempeño individual de los evaluadores se siguió el
modelo presentado en Ecuación 6, de esta forma se consideró el efecto del producto, la
sesión y el error en el evaluador.
Υ𝑖𝑠 ~𝜇 + 𝛼𝑖 + 𝛾𝑠 + 𝜀𝑖𝑘𝑠
Ecuación 6.
Fue posible obtener una matriz con los p-valores de la prueba de F, para el efecto del
producto (muestras) sobre los evaluadores, es decir el cuadrado medio de los productos
sobre el cuadrado medio del error para cada evaluador, para un atributo determinado,
permitiendo comparar la desviación estándar de cada evaluador; también fue posible
obtener matrices respecto al modelo ajustado o predicho, como los coeficientes de
correlación, la variabilidad individual y el grado de diferenciación para cada descriptor.
Al tomar la matriz de residuales de cada evaluador y calcular la media, se obtuvo la matriz

de desviaciones estándar para cada sujeto, descrita en la Figura 15 Representación de la
repetibilidad de cada evaluador por descriptor tomando de forma arbitraria que los valores
menores que 1 (azul) son buenos y los mayores que 2 son altos (rojo). En consecuencia,
se puede apreciar que los evaluadores con mayor repetibilidad son 3, 5, 6 y 7, por el
contrario, el evaluador 2 presenta la menor reproducibilidad. Los valores de la columna
final corresponden a la mediana de las desviaciones por fila calculado para cada matriz.
Evaluador S_picante T_Croc T_dureza O_queso S_queso S_sal R_Q_Mad S_Q_Mad O_Q_Mad R_Queso median
Eval_1 0.376 0.563 0.398 0.629 0.683 1.051 0.861 0.883 0.96 1.065 0.772
Eval_2 0.461 0.393 0.214 1.167 1.485 1.012 2.089 1.809 1.448 1.485 1.307
Eval_3 0.258 0.315 0.387 0.563 0.645 0.594 0.465 0.438 0.492 0.387 0.452
Eval_4 0.775 0.75 0.664 1.515 0.975 0.842 1.469 1.065 0.952 1.569 0.964
Eval_5 0.665 0.129 1.291 0.563 0.313 0.281 0.512 0.684 0.281 0.229 0.413
Eval_6 0.516 0.658 0.577 0.73 1.169 0.796 1.835 2.302 2.284 1.095 0.946
Eval_7 0.522 1.237 0.709 0.431 0.782 0.387 0.741 0.82 0.502 0.289 0.616
median 0.516 0.563 0.577 0.629 0.782 0.796 0.861 0.883 0.952 1.065 0.772
Evaluador R_picante R_Mqlla R_Terroso R_Sal S_Mqlla S_Terroso O_Mqlla O_Terroso T_Residuo median
Eval_1 0.77 2.149 1.103 0.728 1.892 1.736 1.462 1.053 2.824 1.462
Eval_2 0.47 1.304 1.621 0.859 0.775 1.783 1.194 2.017 1.204 1.204
Eval_3 0.493 0.296 0.727 0.447 0.303 0.609 0.327 0.622 0.747 0.493
Eval_4 0.532 0.516 0.704 0.977 0.342 1.218 1.03 0.854 0.612 0.704
Eval_5 0.129 0.348 0.129 0.258 0.31 0.719 0.563 0.516 0.214 0.31
Eval_6 0 0.418 0.465 0.753 0.949 0.606 1.169 1.687 1.567 0.753
Eval_7 1.762 1.464 0.924 0.451 1.726 0.923 0.891 1.08 1.61 1.08
median 0.493 0.516 0.727 0.728 0.775 0.923 1.03 1.053 1.204 0.753
Figura 15 Representación de la repetibilidad de cada evaluador por descriptor, de color

azul los valores menores la unidad y de color rosa, los valores mayores a 2.
Para evaluar el desempeño individual (capacidad para discriminar una muestra en un

descriptor determinado) de cada evaluador se usa como criterio el p-valor asociado a la
prueba de F del efecto del producto en el ANOVA, ello se consigue dividiendo el cuadrado
medio (CM) de los productos en el CM del error de cada evaluador para cada uno de los
atributos de forma individual, si el valor de F es alto es evidencia de que la fuente de
variación principal es la muestra y no el evaluador. El resultado se muestra en la Figura
16, donde se presentan los p-valores, de color azul claro los menores a 0.05 y de color
rosa aquellos menores a 0.01. Se aprecia un buen desempeño para los jueces 1, 3 y 5,
mientras que los jueces 2, 6 y 4 tuvieron un trabajo regular.
Evaluador O_Q_Mad S_picante O_queso S_queso R_Q_Mad S_Q_Mad R_Queso S_sal T_dureza T_Croc median
Eval_1 9.32E-05 2.07E-03 2.47E-04 1.00E-02 1.91E-02 2.61E-04 2.19E-01 1.09E-02 9.57E-04 1.23E-02 6.05E-03
median 9.32E-05 3.48E-03 7.51E-03 1.00E-02 1.91E-02 2.25E-02 2.68E-02 2.93E-02 8.52E-02 1.22E-01 7.05E-03
Evaluador S_Terroso O_Mqlla O_Terroso R_Terroso R_picante T_Residuo R_Sal R_Mqlla S_Mqlla median
Eval_1 6.47E-03 1.79E-02 3.49E-03 1.09E-03 7.88E-02 1.52E-01 2.58E-02 8.26E-01 5.84E-01 2.58E-02
Eval_2 2.18E-01 2.12E-02 6.73E-01 1.46E-01 3.95E-02 7.15E-01 8.60E-02 4.74E-01 3.53E-03 1.46E-01
Eval_3 4.58E-03 3.22E-05 5.17E-03 3.62E-02 6.01E-04 1.12E-01 4.88E-03 3.33E-04 6.86E-05 4.58E-03
Eval_4 7.62E-02 2.33E-01 3.72E-02 2.99E-02 1.20E-01 2.48E-02 4.53E-01 2.98E-01 3.76E-01 1.20E-01
Eval_5 1.81E-02 5.79E-02 5.58E-03 4.95E-06 3.34E-03 1.60E-04 1.69E-01 4.53E-02 7.49E-02 1.81E-02
Eval_6 8.12E-05 1.81E-01 5.03E-01 8.67E-05 NaN 8.21E-02 7.57E-01 4.15E-02 8.11E-01 1.32E-01
Eval_7 3.15E-02 1.49E-02 2.72E-02 7.42E-02 9.73E-01 2.32E-01 2.42E-01 3.54E-01 6.25E-01 2.32E-01
median 1.81E-02 2.12E-02 2.72E-02 2.99E-02 5.92E-02 1.12E-01 1.69E-01 2.98E-01 3.76E-01 1.20E-01
Figura 16 Desempeño individual de los evaluadores por atributo. Capacidad para discriminar al
menos 1 muestra del grupo de color azul p-valores <0.05 y de rosa <0.01
Para evaluar el consenso o acuerdo entre los evaluadores se tomó como referencia el
coeficiente de correlación para cada evaluador respecto al modelo ajustado o predicho (en
el anexo C se presenta el modelo para el descriptor de Olor a Queso Maduro, se omiten
los demás debido a la longitud de los modelos). En la Figura 17 se presentan los valores
de regresión para cada uno, de color rosa los valores mayores 0.7 y de color azul los
valores mayores a 0.9. Los evaluadores con mejor consenso fueron 2, 4 y 5 puesto que
son los evaluadores con la mayor cantidad de coeficientes mayores a 0.7, por el contrario,
el evaluador 7 presentó correlaciones negativas en el descriptor queso, lo cual indica que
calificó de forma contraria a todos los evaluadores.
Evauador S_queso O_queso R_Queso S_Q_Mad T_dureza R_Q_Mad O_Q_Mad S_picante S_sal T_Croc median
Eval_1 0.640 0.665 0.840 0.840 0.894 0.831 0.822 0.988 0.949 0.911 0.840
Eval_2 0.784 0.623 0.655 0.976 -0.021 0.904 0.998 0.951 0.945 0.661 0.844
Eval_3 0.806 0.408 0.727 0.823 0.979 0.824 0.673 0.959 0.944 0.953 0.824
Eval_4 0.445 0.710 0.721 0.717 0.545 0.957 0.912 0.868 0.687 0.975 0.719
Eval_5 0.731 0.901 0.951 0.951 0.979 0.894 0.985 0.940 0.981 0.989 0.951
Eval_6 0.493 0.845 0.855 0.786 0.538 0.677 0.920 0.689 0.876 0.832 0.809
Eval_7 -0.813 -0.981 -0.904 0.759 0.859 0.902 0.845 0.771 0.748 0.984 0.765
median 0.640 0.665 0.727 0.823 0.859 0.894 0.912 0.940 0.944 0.953 0.824
Evaluador R_Mqlla S_Mqlla O_Terroso R_picante O_Mqlla R_Terroso S_Terroso R_Sal T_Residuo median
Eval_1 -0.275 0.667 0.870 0.890 0.746 0.906 0.918 0.932 0.961 0.890
Eval_2 0.422 0.845 0.735 0.951 0.480 0.919 0.930 0.912 0.515 0.845
Eval_3 0.782 0.714 0.946 0.926 0.880 0.955 0.975 0.957 0.817 0.926
Eval_4 0.713 0.716 0.967 0.814 0.898 0.969 0.970 0.925 0.792 0.898
Eval_5 0.649 0.935 0.815 0.870 0.935 0.888 0.867 0.953 0.978 0.888
Eval_6 0.838 0.766 0.670 NA 0.828 0.931 0.992 0.835 0.957 0.836
Eval_7 0.646 0.686 0.950 0.083 0.967 0.649 0.756 0.964 0.972 0.756
median 0.649 0.716 0.870 0.880 0.880 0.919 0.930 0.932 0.957 0.888
Figura 17 Acuerdo entre la calificación de cada evaluador respecto del modelo ajustado para
cada atributo. De color rosa valores mayores a 0.7 y de azul claro los mayores a 0.9
También fue posible evaluar el desempeño del panel por medio de técnicas multivariadas,
para ello se realizó un ACP abordando diferentes enfoques. Para un primer acercamiento
el cálculo se realizó sobre todos los descriptores y evaluadores, el resultado se muestra
Figura 18, a partir del cual se pudo establecer que los dos primeros componentes arrojaron
una varianza acumulada del 48%. En consideración a que los individuos se presentan con
diferentes colores, se puede observar que los evaluadores 6 y 7 presentan calificaciones
opuestas, que en cuanto el sabor picante aumenta disminuyen las notas de queso.
Figura 18 Biplot del ACP sobre el total de atributos del perfil óptimo
Al reducir los atributos dejando los más representativos o discriminantes, sabor terroso,
crocancia, sabor picante, residuo sal, olor a queso maduro, residuo en dedos, olor a
mantequilla y sabor a queso se obtiene la Figura 19, con un incremento del 10% en la
varianza explicada, la cual aumenta hasta un 70% aproximado al eliminar los atributos de
textura, lo cuales son poco diferentes como se mencionó anteriormente.
Figura 19 Biplot del análisis de componentes principales sobre los atributos más
relevantes de las muestras, se incluyen los individuos y variables
Cruzando los resultados del ANOVA y el ACP, se realizaron diferentes análisis sobre las
matrices de correlación (acuerdo) y los p-valores de la prueba de F (discriminación),
representados gráficamente en la Figura 20. Los atributos marcados con “.1” hacen
relación a los datos del desempeño de los evaluadores, entre más grande el vector menor
es la capacidad para discriminar dicho atributo, contrario a los vectores de la matriz de
correlaciones ya que a mayor acuerdo mayor tamaño del vector. Del análisis combinado
de estas matrices se determina que los evaluadores 5, 3 y 1, presentan un grado global
similar de diferenciación y acuerdo, donde el juez 7 presenta un excelente grado de
diferenciación de las muestras pero requiere un mayor nivel de acuerdo con el grupo en
picante y queso maduro, el 6 presenta baja capacidad discriminante y poco acuerdo, el
evaluador 2 debe mejorar en la calificación de los atributos de textura y queso, por último
el 4 también carece de discriminación pero puede mejorar con entrenamiento.
Figura 20 ACP sobre la matriz combinada de acuerdo y desempeño de los

evaluadores. Arriba biplot con la contribución en escala de color azul, abajo
análisis de clúster sobre los evaluadores
Los evaluadores 1, 3 y 5 presentaron mejor desempeño, el evaluador 7 debe mejorar su

capacidad para discriminar muestras, el grupo de los evaluadores 2,4 y 6 deben recibir
entrenamiento completo para mejorar su uso de la escala, acuerdo y discriminación entre
muestras.
3.2.2 Perfil descriptivo óptimo
Una vez conocido el desempeño de los evaluadores, fue posible centrarse en la

descripción de las muestras, a diferencia de los métodos tradicionales no se cuenta con
sesiones de entrenamiento adicionales para los atributos, por este motivo se continuó con
los datos originales y usando ANOVA, pero centrando el análisis en función de las
muestras y no de los evaluadores, el motivo ahora no es determinar si los evaluadores
diferencian las muestras, es en cambio determinar si las muestras difieren la intensidad de
sus características. En este caso, el análisis de varianza no se realizó sobre los datos
originales, sino sobre los datos de un modelo ajustado (lineal), basado en la Ecuación 5
(Sébastien & Thierry, 2015).
En la ¡Error! No se encuentra el origen de la referencia., se presenta la media de cada a

tributo para el modelo predicho, de color azul se resaltan las muestras para las cuales la
media es significativamente más alta que la media global del atributo calculada con las
medias ajustadas y el valor de Z, de igual forma de color rosa se encuentran las medias
de los descriptores considerados más bajos. Los resultados permiten identificar las
diferencias entre las muestras, la competencia es la muestra con menor intensidad todos
los descriptores, PJC y QN son muestras similares con el mayor nivel de picante, notas
picante y nivel de sal, pero, QN es más intensa en notas terrosas. Por otra parte, el
producto Actual es el más intenso en olor a queso y sabor mantequilla, por último, la
muestra MQ es intermedia destacando en pocos atributos. Es importante resaltar que, en
algunos casos, aunque existe diferencia como en el caso específico de crocancia, el
tamaño de esta no es elevado. En conclusión, el método permite diferenciar
estadísticamente las muestras, pero se debe mejorar el uso de la escala, es decir calificar
de forma más separada las muestras cuando se perciban variaciones de intensidad o
mejorando las referencias/patrones de la escala, lo cual sería posible con un par de

sesiones adicionales para entrenamiento y/o definición de referencias.
Muestras O_Q_Mad O_queso S_Q_Mad S_queso T_dureza R_Q_Mad R_Queso S_sal S_picante T_Croc
Actual 3.69 4.11 3.27 3.98 4.83 2.40 2.95 3.28 0.56 4.19
Comp. 0.66 2.10 0.73 2.88 3.62 0.59 1.32 1.89 0.13 3.07
MQ 3.27 3.15 3.72 3.66 4.86 2.76 2.65 3.43 0.97 4.40
PJC 3.75 3.75 2.75 4.21 5.05 2.06 3.47 3.60 1.77 4.40
QN 5.51 3.46 4.81 3.25 4.72 3.60 2.62 4.00 2.14 4.37
Muestras R_Sal R_picante O_Mqlla O_Terroso T_Residuo S_Mqlla S_Terroso R_Mqlla R_Terroso
Actual 1.96 0.23 3.30 1.65 4.22 3.93 1.19 2.61 0.60
Comp. 0.85 0.33 1.30 0.61 1.93 2.48 0.48 1.93 0.40
MQ 1.91 0.61 3.11 2.31 4.55 3.38 2.72 2.38 1.79
PJC 2.12 1.03 3.46 2.30 3.74 3.13 3.04 2.30 2.41
QN 2.07 1.19 3.59 3.31 3.90 3.55 3.88 2.77 2.88
Figura 21 Media predicha para cada muestra para cada descriptor, de azul los valores
más altos y de azul los más bajos que el global.
Entre tanto, en la Figura 22 se presentan esquemáticamente los valores de p, para cada

uno de los atributos calculado usando la prueba de F, se evidencia que el único atributo
que no diferenció alguna de las muestras es residual a mantequilla, para los demás
descriptores al menos una de las muestras difiere en intensidad de las otras.
Figura 22 p-valor para cada atributo usando el modelo predicho
Como usualmente se suele representar, en la Figura 23 se presenta el gráfico de radar de

los atributos para las muestras, en el cual sobre cada eje se grafica la intensidad de un
descriptor determinado para cada muestra permitiendo ver de forma visual las diferencias
globales. La línea roja, la cual corresponde a la competencia se aprecia que su intensidad
es la más baja y de forma contraria QN presenta mayor intensidad en todos los atributos,
combinando los resultados de las Figura 21 y Figura 23 se determina si las diferencias
observadas son significativas o no.
Actual Comp. MQ PJC QN
O_Q_Mad
S_Terroso 9.0 O_queso
8.0
S_Terroso S_Q_Mad
7.0
6.0
S_Terroso 5.0 S_queso
4.0
3.0
S_Mqlla 2.0 T_dureza
1.0
0.0
T_Residuo R_Q_Mad
O_Terroso R_Queso
O_Mqlla S_sal
R_picante S_picante
R_Sal T_Croc
Figura 23 Perfil óptimo de las muestras en representación de

radar o araña
Sin embargo, el enfoque anterior es univariado. Para explorar más a fondo las diferencias
considerando al tiempo todos los descriptores se ejecutó un PCA sobre las medias
ajustadas como se evidencia en la Figura 24. Consolidando la información la muestra
Actual es la más relacionada con la dimensión 2 y con ello a sabor queso, mantequilla y
residuo en dedos; MQ y PJA son similares en sal, queso maduro y crocancia. QN es la
más relacionada con notas terrosas y picantes probablemente debido al ingrediente queso
picante, que imparte notas fuertes que combinadas con las notas de nachos causan la
sensación anteriormente mencionada. La muestra de la competencia, como en los análisis
anteriores, es la más alejada de las muestras elaboradas en la empresa siendo la de menor
intensidad general, con el perfil más plano, sin la presencia de notas terrosas y de queso
madura, es un perfil de queso suave y mantequilla.
Figura 24. PCA de las medias ajustadas de los descriptores en función de las muestras
Con los datos obtenidos del PCA fue posible realizar una clasificación jerárquica con el
propósito de agrupar individuos y grupos de individuos según la distancia entre los puntos,
esto se realiza sobre los componentes principales para reducir la dimensionalidad y no
ejecutarlo sobre todos los atributos simultáneamente, reduciendo la complejidad del
cálculo y a su vez haciéndolo más estable. Los resultados de este análisis se muestran en
la Figura 25, con la creación de cuatro clústeres de forma arbitraria considerando los
resultados del PCA, con ello se aprecia que las muestras MQ y PJC pertenecen al mismo
grupo, QN es un poco distante caracterizándose por sus notas picantes y terrosas, luego
estaría la muestra actual la cual es está más asociada a notas de queso, mantequilla sin
notas picantes; por último, completamente distante del grupo está la competencia, ya que
es la muestra con menos intensidad, es la muestra que se califica de forma diferente, con
un perfil más suave, probablemente con menos salsa y sabor tópico.
Figura 25. Representación de los clústeres de productos usando el método de

clasificación jerárquica ascendente
Los resultados son satisfactorios ya que se logró realizar un perfil descriptivo que diferencia
entre las muestras luego de nueve sesiones de calificación y dos sesiones previas para un
total de 11, pero sacrificando un poco el uso de la escala y el acuerdo entre evaluadores
Se podría mejorar si se evalúan solo 2 atributos por sesión o si se realizan algunas
sesiones adicionales de familiarización con el objeto de mejorar el uso de la escala y
ajustar de mejor manera los patrones o referencias, ya que con solo una sesión no fue
posible obtener una referencia y definición completamente clara de los descriptores a
evaluar.
3.3 Evaluación con consumidores
3.3.1 Análisis del agrado
La primera pregunta del cuestionario C.A.T.A. fue “en GENERAL que tanto le gusta este
producto”, ver Anexo B, se usó una escala discreta de 9 puntos comenzando en 1 (me
desagrada muchísimo) y 9 (me agrada muchísimo). Para analizar los datos lo primero
realizar una exploración, para ello se graficó la densidad de los datos, la cual se muestra
en la Figura 26. La imagen indica la distribución de frecuencias de las calificaciones de
manera similar a un histograma, donde en adición también es posible observar la variación

de los datos. Las calificaciones del producto actual tienen un comportamiento bi-modal,
presentando poca varianza, con la mayoría de sus calificaciones en 8 y 9, en comparación
con las muestras PJC y MQ por ejemplo, con calificaciones a lo largo de toda la escala y
con la competencia y QN que tiene calificaciones con tendencias positivas. Es posible
afirmar sin una prueba estadística que las muestras tienen varianzas desiguales.
Figura 26. Gráfico de densidad para las calificaciones de agrado para cada muestra
Para determinar cuál es el producto que más gustó, se realizó un análisis de varianza
considerando como fuentes de variación los productos y los consumidores, no se tuvo en
cuenta la interacción ya que al ser una variable hedónica se espera que el efecto exista, al
igual que diferencias en la escala de evaluación, para ello se utilizó un modelo de ANOVA
aún con las varianzas desiguales con el objeto de conocer el efecto de cada factor (Lê, S.,
Josse, J. & Husson, 2008). El resultado se presenta en la Tabla 15, donde se aprecia que
el valor F para los productos es significativamente mayor al de los consumidores, lo cual
indica que la fuente de variación en las calificaciones es debida principalmente a los
productos y no a diferencias de calificación entre los evaluadores (Lê & Worch, 2014).
Tabla 15 Análisis de varianza para las calificaciones de agrado para las muestras
Factores SC gl CM Valor F p-valor

Producto 368.44 4 92.11 19.3404 3.64E-14
Consumidor 0.58 1 0.584 0.1226 0.7264
Residuales 1424.01 299 4.763
En la Tabla 16 se presenta el resultado del modelo con los efectos igualados a 0, en ella
se observan valores de t alejados de 0 a excepción de los consumidores y de la muestra
QN, estos dos factores se encuentran cerca al centro. En cambio, se evidencia la aparición
de valores positivos para Actual y competencia, de lo cual se deduce que fueron las
muestras con mejor desempeño, contrario a la MQ la cual sería la muestra con el
desempeño más bajo.
Tabla 16. Resultados de la prueba t sobre el modelo ANOVA
Prueba t Estimate Std. Error t value Pr(>|t|)

(intercepto) 6.2311475 0.2530244 24.6267 < 2e-16
Producto - Actual 1.6918033 0.2499196 6.7694 < 2e-16
Producto - Comp 0.7081967 0.2499196 2.8337 0.00491
Producto - MQ -1.4229508 0.2499196 -5.6936 < 2e-16
Producto - PJC -0.7836066 0.2499196 -3.1354 0.00189
Producto - QN -0.1934426 0.2499196 -0.774 0.43953
Consumidores 0.0024855 0.0070972 0.3502 0.72643
Para complementar la información anterior se presentan los gráficos de cajas y bigotes en

la Figura 27 luego de realizar una prueba de Games-Howell, la cual es una prueba Post-
Hoc no paramétrica cuando las varianzas no son iguales (RPubs - Games-Howell
Nonparametric Post-Hoc Test, n.d.). Los p-valores para las comparaciones con diferencia
de media significativa se presentan como líneas en la parte superior del gráfico. De
acuerdo con los resultados se puede afirmar que ninguno de los prototipos es mejor que
la competencia o el producto actual. El extruido de queso actual fue significativamente
superior a todas las propuestas, la competencia es significativamente superior a MQ y PJC,

por último, en concordancia con el análisis anterior QN es la muestra con una media cerca
al centro global.
Figura 27 Comparación de medias usando la prueba de Games-Howell. Sobre las cajas

se muestras los p-valores de las comparaciones con medias significativamente
diferentes.
3.3.2 Clúster de consumidores
Para hacer una aproximación multivariada de los datos de agrado es posible realizar dos
modalidades, se puede elaborar un PCA con los evaluadores como variables. Este enfoque
permite comprender cómo de forma individual se perciben las muestras y así formar
agrupaciones de consumidores, por el contrario, al poner las muestras en columnas como
variables se puede comprender como se agrupan y se puede realizar un análisis de clúster

sobre los individuos(Lê & Worch, 2014).
En la Figura 28 se presentan los resultados del PCA. Usando los consumidores como
variables se aprecia una tendencia positiva con las muestras Competencia y Actual
indicando que las características de estos productos fueron las de mejor agrado, contrario
a la MQ que presenta un efecto contrario negativo. De este mismo análisis se determina
que tres componentes explicaron el 86% de los datos y con cuatro se logra explicar
el100%. Con esto se estima que tres clústeres de consumidores serán suficientes para
explicar las diferentes formas de calificar las muestras. El resultado se presenta en Figura
29, estos tres grupos representan las formas diferentes de calificar los productos por parte
de los consumidores, el grupo más grande corresponde al clúster 3 (color gris), seguido
del 1 (color azul) y el más pequeño y central, el clúster 2 (amarillo), de acuerdo con sus
ubicaciones en el gráfico de individuos se estiman diferencias claras entre el grupo 1 y 3,
con un grupo 2 intermedio entre estos. Como el análisis jerárquico toma en cuenta todos
los componentes principales, el grupo 2 parece estar inmerso en el grupo 3, sin embargo,
es posible afirmar que algunos individuos están cerca de pertenecer al grupo 3.
Figura 28 PCA para las calificaciones de agrado, arriba usando como variables los
consumidores, abajo usando como variables las muestras o productos
Figura 29 Resultado del análisis jerárquico para determinar clúster de consumidores

Tomando la división por grupos del análisis de clústeres, los datos de nivel de agrado se
graficaron mediante un diagrama de cajas y bigotes dividida por muestras, el resultado se
aprecia en la Figura 30. El clúster 1 es una representación de los análisis anteriores donde
el producto actual y la competencia tienen calificaciones positivas, mientras que las demás
muestras no alcanzan resultados satisfactorios; el clúster 2, el más pequeño, se caracteriza
por calificar con bajo nivel de agrado la competencia, muy alto el producto actual e
intermedias las propuestas. Por último, al clúster 3 tienden a gustarles todas las muestras
a excepción de la muestra MQ que la califica de una forma no regular.
Figura 30 Gráfico de cajas y bigotes dividido por clúster para las muestras.
En conclusión, fue posible omitir de futuros análisis las calificaciones de los evaluadores
no entrenados correspondientes al clúster 2, ya que estos no son una fuente de
diferenciación entre las muestras en el nivel de agrado general. Los consumidores son: 4,
13, 45, 47, 52 y 61.
3.3.3 Descripción Textura y Aspecto
La segunda parte de preguntas de la prueba de C.A.T.A. consistió en marcar de tres listas

de palabras aquellas que describieran la muestra en los atributos de Textura/Aspecto,
Sabor y Emociones. Estas listas se construyeron luego de realizar una sesión virtual con
8 niños hijos de trabajadores de la empresa, con edad entre los 10 y 18 años, pero su
capacidad para generar descriptores no fue muy buena, motivo por el cual se decidió subir
el grupo objetivo de 14 a 26 años. Esto se debe a que debido a la pandemia se cambió la
estrategia de comercialización y comunicación, también se aceleraron los cambios en los
productos y el sabor del extruido de queso que se comercializaba se cambió por un sabor
más actualizado y con mayor preferencia, mayor intensidad, con un carácter de queso
cheddar y mantequilla, lo cual se apreció en los análisis de agrado general. Adicional a
esto también se tomó la decisión de cambiar el rango de edades seleccionadas, ya que,
en las dos sesiones de grupo con los hijos de colaboradores, los perfiles de las muestras
mostraron ser para un público mayor.
La primera lista de atributos corresponde a los descriptores de textura y aspecto. En la

Tabla 17 se incluyen las frecuencias de los descriptores marcados para el producto ideal,
los cuales se preguntaron al final del formato después de calificar todas las muestras y
usando la misma lista de palabras y bloques. En esta tabla se puede observar que, aunque
la base es similar, los consumidores calificaron las muestras con algunas diferencias en
textura, especialmente en crocante, esto podría estar relacionado con un mayor agrado
por el sabor de esas muestras. La competencia tiene más cantidad de menciones de
blando y pálido, QN de puntos negros, mientras que el actual en términos colorido y
pegajoso en manos.
Tabla 17. Tabla de contingencia para los atributos de textura
Descriptores Actual Comp. Ideal MQ PJC QN

Blando 5 12 5 3 5 1
Colorido 48 25 33 35 28 40
Corto 4 5 2 7 5 7
Crocante 47 42 49 32 37 35
Deforme 15 22 8 18 19 18
Descriptores Actual Comp. Ideal MQ PJC QN

Duro 11 11 9 13 12 15
Fuerte 13 4 15 16 23 20
Grande 18 17 30 16 12 14
Gruesos 13 15 25 16 13 14
Llamativo 40 24 49 19 16 21
Mancha dedos 42 37 19 41 36 33
Pálido 0 18 3 4 4 5
Parchudo 2 3 1 6 8 3
Pegajoso en manos 23 9 4 18 18 13
Polvoroso 23 15 18 18 20 17
Puntos negros 9 2 5 6 12 44
Seco 10 11 8 9 14 13
sintético 15 13 1 22 10 17
La Figura 31 representa el resultado del análisis de correspondencias eliminando los

descriptores peor representados en los tres primeros ejes como son duro, seco, polvoroso
y corto, y usando el producto ideal como individuo suplementario, es decir no participa en
la construcción del diagrama, solo se representa como vector. Como se esperaba, los
atributos de textura tienen poco poder discriminante. La muestra de la competencia
presentó menciones de palidez y de textura blanda, mientras que QN presentó algunos
puntos negros por la materia prima “queso picante”. Las muestras PJC, Actual y MQ fueron
de mayor colorido y de características cercanas al producto ideal. En conclusión, excepto
por los atributos pálido, blando, puntos negros y pegajoso en manos, los atributos de
textura presentaron poco poder discriminante y, por ende, se omitieron en análisis
posteriores.
Figura 31 Biplot para textura y aspecto de las muestras
Para finalizar, se realizó un análisis de componentes principales categóricos (CATPCA)

con la librería Gifi de R de forma exploratoria, se eliminó la fila ideal y se realizó el cálculo
con las calificaciones de agrado como factores ordinales, el resultado se muestra en la
Figura 32. A partir de dicho gráfico, es posible concluir que las variables de textura y
aspecto, aunque son relevantes no son discriminatorias, ya que la varianza explicada es
solo del 19% con los dos primeros componentes y que características como blando, que
están lejanas del producto ideal, son representadas como positivas en el CATPCA.
Figura 32 Análisis de componentes principales categóricos CATPCA para

textura y aspecto, arriba el mapa de factores y abajo los valores propios de los
componentes.
3.3.4 Emociones
De manera análoga a textura y aspecto se pregunta de forma exploratoria por las

emociones o sensaciones generadas o asociadas a las muestras, la tabla de contingencia
para esta sección se presenta en la Tabla 18. Las palabras menos marcadas corresponden
a preocupación, afectuoso, cariño, angustia, culpable, nostalgia, libre y molesto, todas por
debajo de las 30 menciones, esto es importante ya que, debido a la naturaleza del análisis
de correspondencias, al ser la distancia el inverso de la frecuencia de aparición son los
que más distancia de chi cuadrado representan, en comparación con emociones como
“vivo” que tienen más menciones, pero no diferencian las muestras. Los resultados son
interesantes si se tiene en cuenta que emociones positivas como felicidad y alegre son
poco mencionadas en el producto actual, el cual tiene las mejores calificaciones de agrado
y tiende a recibir algunas negativas como poco saludable, desagrado y angustia, el
producto de la competencia destaca por la satisfecho y antojo, mientras las propuestas por
emociones tales como emocionante y antojo.
Tabla 18. Tabla de contingencia para las emociones del cuestionario de C.A.T.A.
Descriptor Actual Comp Ideal MQ PJC QN

Aburrido 13 9 0 9 10 10
Activo 12 10 10 9 8 9
Afectuoso 0 5 2 3 2 4
Alegre 11 19 16 14 13 14
Angustia 7 2 1 1 3 3
Antojo 19 23 36 23 20 26
Atrevido 10 11 12 13 9 11
Cariño 2 2 2 5 2 4
Culpable 4 3 2 1 3 7
Desagrado 14 7 0 8 7 9
Divertido 5 13 19 15 11 14
Emocionante 9 17 13 19 12 17
Encantado 7 18 18 10 14 9
Entusiasta 5 5 7 7 7 6
Falso 11 7 4 6 11 5
Felicidad 7 12 19 15 11 12
Libre 6 6 3 3 5 3
Molesto 8 3 0 3 10 5
Nostalgia 2 3 5 4 3 4
Poco saludable 20 16 14 16 17 16
preocupación 4 1 0 2 2 2
Satisfecho 16 32 37 29 20 33
Tranquilo 13 14 19 13 10 12
Vivo 5 8 8 6 8 8
En la Figura 33. Análisis de correspondencias para las emociones asociadas a las

muestras se aprecia el efecto de las palabras con pocas menciones, aunque el producto
actual es la muestra con mayor nivel de agrado, se representó cercano a emociones
negativas y distante de las positivas, totalmente contrario al ideal. Se puede afirmar que el
producto apunta a un perfil completamente indulgente, en el cual después de comer se
presentan sentimientos de culpa, molestia y poco saludable, ya que es la muestra con
mayor intensidad de sabor a queso, mayor colorido y pegajoso en dedos. En general, el
producto tiene una oportunidad de mejora en este aspecto, ya que es muy agradable, pero
genera emociones de culpabilidad y de poco saludable, esto se podría mejorar bajando la
intensidad del color y del nivel de pegajoso en dedos.
Figura 33. Análisis de correspondencias para las emociones asociadas a las muestras
El análisis de componentes principales categóricos se muestra la Figura 34. Análisis de

componentes principales categóricos para las emociones, en la cual la varianza explicada
por los dos primeros componentes corresponde a un 27%, se pueden apreciar tres
agrupaciones de variables: una que involucra satisfecho, encantado, nostalgia, tranquilo y

antojo, relacionadas directamente con las muestras de mayor agrado, otro grupo de
emociones contrarias como son: poco saludable, angustia, desagrado, preocupación
aburrido, preocupación, culpable y molesto y, un tercer grupo, que no es fácilmente
relacionable con el agrado, donde algunas de estas emociones son entusiasta, alegre,
divertido, feliz, emocionante, afectuoso, activo y atrevido. Este enfoque permitió apreciar
cuales fueron las características que presentaron las muestras de mayor agrado, a
diferencia del enfoque de C.A.T.A. que permitió obtener el ideal de las emociones. En
conclusión, el producto actual es completamente indulgente y se consume a pesar de que
se suele percibir como poco saludable, causa sentimiento de culpa y angustia y carece de
las emociones ideales.
3.3.5 Descripción del sabor y olor
La segunda lista de atributos para describir las muestras corresponde a sabor y olor, para
este análisis de manera análoga a la de emociones, se obtuvo con dimensiones un 87%
de la varianza explicada. Retirando los descriptores pobremente representados (caliente,
Figura 34. Análisis de componentes principales categóricos para las emociones

carne, condimentos, oloroso y queso maduro) la varianza alcanzó un 88%, una pequeña
diferencia numérica pero una mejor separación gráfica. En la Tabla 19 se presenta la tabla
de frecuencias de menciones de cada descriptor para cada muestra.
Tabla 19. Tabla de contingencia para las descripciones de sabor las muestras por los
consumidores
Descriptores Actual Comp Ideal MQ PJC QN

Ácido 0 0 2 2 7 6
Ahumado 2 1 8 15 11 14
Ají 0 0 10 3 27 18
Ajo cebolla 1 0 12 7 12 12
Añejo 3 1 1 7 9 11
Asado 1 0 10 6 6 12
Balanceado 13 12 28 4 5 3
Caliente 0 0 2 1 1 0
Carne 2 0 6 5 6 7
Chile 0 0 6 3 10 13
Condimentos 16 10 15 23 22 21
Cremoso 9 4 11 1 3 3
Débil 2 21 2 9 3 6
Dulce 5 3 5 2 3 1
Especias 3 2 15 8 12 22
Feo 1 5 0 19 10 4
Fuerte 19 4 24 20 34 35
Hostigante 4 1 0 14 15 12
Intenso 14 10 21 12 27 18
Invasivo 3 3 1 8 7 7
Maíz 27 28 33 20 17 16
Mantequilla 37 31 37 18 20 21
Oloroso 12 11 6 13 17 20
Parrilla 0 0 15 11 8 10
Pecueca 1 1 0 7 4 8
Picante 1 0 20 6 22 29
plástico 0 4 0 11 8 9
Queso 55 45 53 34 39 43
Queso maduro 13 5 9 13 12 11
Rancio 2 1 0 12 8 7
Salado 8 8 8 3 11 9
sintético 11 15 1 21 9 13
Suave 15 33 10 11 3 3
Terroso 3 3 2 9 5 9
Descriptores Actual Comp Ideal MQ PJC QN

Tradicional 19 23 21 9 6 3
En la ¡Error! No se encuentra el origen de la referencia. que es el biplot de sabor y olor s

e aprecia que el producto actual está más cercano al ideal en cuanto a características
sensoriales. QN y PJC presentaron características buenas como son: sal, intensidad y
cremosidad, pero las notas como cebolla, asado rancio lo alejan del ideal. Por otra parte,
el producto MQ es rancio, plástico, parrilla y presenta mal olor, finalmente al igual que en
el perfil ODP la competencia presenta un perfil suave y débil.
Figura 35 Biplot de lo atributos de sabor y olor para la prueba de C.A.T.A.
Haciendo un análisis de la Figura 35 y Figura 36, esta última realiza un análisis de

correspondencias usando las calificaciones de agrado como variable nominal para
construir la tabla de frecuencias, no se incluye el producto por que para este no se califica
el nivel de agrado. En general, el consumidor prefirió las muestras más tradicionales, siente
agrado por las notas cremosas, lácteas, queso, queso maduro y mantequilla que
mantienen un balance, mientras que no pueden estar presentes notas plásticas, rancias,
terrosas, sintéticas, ahumadas, aliáceas (ajo y cebolla), tampoco debe ser invasivo u
hostigante. Algunas otras notas, las cercanas a 6 y 7 en la Figura 36, pueden ser
interesantes para marcar diferenciación como lo son: picante, especias, chile y ácido. En
conclusión, aunque las propuestas no superan al producto actual o de la competencia, es
posible identificar cuáles son los descriptores que impulsan el agrado y el desagrado.
Figura 36. Análisis de correspondencia usando como individuos las calificaciones de

agrado en forma de variable nominal
Al realizar un análisis de CATPCA sobre los atributos de sabor y olor como se representa
en Figura 37, se encontró una varianza explicada del 20%, siendo los atributos: tradicional,
balance, mantequilla, cremoso, dulce y queso impulsores de agrado, y sintético, feo,
rancio, pecueca, plástico, terroso y hostigante, descriptores negativos que deben evitarse.
Los descriptores suave y débil, añejo, oloroso, invasivo, picante, y en general aquellos del
cuarto cuadrante, son difíciles de asociar con el agrado.
Figura 37. Análisis de Componente Principales Categóricos para los atributos de sabor y
olor de la prueba de C.A.T.A.
Realizando un análisis a las fórmulas, se deben evitar las materias primas: nacho Seas,
jalapeño y queso blanco. Por otro lado, se deben explorar mejores combinaciones de
queso picante, mantequilla, queso & mantequilla N, queso en polvo y queso cheddar, para
obtener un producto que balancee las notas de queso maduro y mantequilla, un queso
cremoso y lácteo y, un queso con leve picante sin puntos negros tratando de que no opacar
las notas cremosas y de queso.
3.4 Atributos que impulsan el agrado
Se realizó un análisis de factores múltiples con los tres grupos de datos analizados, con el
agrado como centro. Para poder relacionar las diferentes tablas de datos, en las filas se
ubicaron las muestras, en el caso de las calificaciones de agrado los consumidores se
ubican como variables en columnas, para evaluar el comportamiento total de los
consumidores. Para comparar las diversas variables se realiza un análisis de factores
múltiples (MFA), este análisis compara las diferentes tablas después de realizar sobre cada
una un análisis de componentes principales o de correspondencias como en el caso de las
variables de frecuencia de C.A.T.A., este permite comparar las variables estandarizadas y
con un peso proporcional y en función de sus valores propios.
En la Figura 38 se representan los individuos y su posición relativa para cada grupo de

variables o tabla de datos, a partir del centro (puntos negros) se analiza el comportamiento
de cada grupo de factores, por ejemplo, si se consideran los datos de agrado (línea verde)
la muestra MQ se aleja de todas las demás en especial de QN. PJC se mueve un poco
hacia QN, mientras que Actual y competencia se alejan juntas, esto quiere decir que en
nivel de agrado MQ es la más lejana con respecto a las demás. Si se considera el
comportamiento descriptivo de los consumidores, PJC y QN son cercanas, un poco
distantes de MQ y completamente diferentes del producto actual y de la competencia. Por
último, tomando los datos del panel, que para este ejercicio fueron los promedios ajustados
del modelo predicho por ANOVA, QN, MQ, actual y competencia se encuentran cercanas
y muy alejadas de PJC, lo cual son resultados diferentes de los obtenidos por los
consumidores. Esto revela que, aunque se lograron diferenciar las muestras en términos
estadísticos por el panel entrenado, probablemente el tamaño de la diferencia no es los
suficientemente grande para separar las muestras al mismo nivel que el consumidor o que
los descriptores seleccionados no fueron los mejores o incluso no reflejan las percepciones
de los consumidores. Se platea realizar el ejercicio de forma contraria, primero las sesiones
de grupo con consumidores, luego la prueba de C.A.T.A. y con los resultados presentar
una lista de atributos predefinida pero modificable al panel para realizar una evaluación
atributo por atributo como en la metodología ODP, esto para para calificar con el grupo de
evaluadores lo que percibe en el consumidor y no al contrario tratar de que los
consumidores califiquen lo que percibe el panel que puede variar en la interpretación de

los atributos.
Figura 38 Representación de los individuos por grupos de variables por MFA, de rojo los
datos de C.A.T.A., de verde los datos de agrado y de azul los datos del perfil ODP
En la Figura 39 se representa la relación de los descriptores del perfil ODP con las
calificaciones de agrado de los consumidores: los descriptores se encuentran en el mismo
lado del plano de las calificaciones de agrado en la dimensión 1 pero no en la dimensión
2, esto explica que existe una relación entre el agrado y las calificaciones pero no es clara,
como se mencionó anteriormente, probablemente a que los descriptores calificados no
reflejan las percepciones del consumidor. También es importante resaltar que las muestras
de mayor agrado, competencia y actual presentaron las mismas notas, pero de forma
contraria, es decir, las dos no tienen notas terrosas, picantes, ahumado pero sí diferentes
niveles de intensidad de queso, mantequilla y queso maduro, por ejemplo. Lo anterior hace
que no sea fácil encontrar una tendencia positiva respecto a estos atributos, pero sí una
negativa respecto a terroso, humo, parrilla, pecueca. Al final, el resultado reflejó más los
impulsores de disgusto que los de gusto, y se destaca sobre esto el efecto positivo de
algunas notas picantes.
Figura 39 Relación entre en las calificaciones de agrado y las calificaciones del panel
usando los atributos más seleccionados del ODP
Para finalizar, en la Figura 40, se grafica la relación entre los diferentes componentes
principales de las variables, fortaleciendo el análisis anterior. La dimensión 1, que agrupa
la mayoría una buena porción de calificaciones de agrado y de comportamiento similar al
del clúster 1, es contrario a la dimensión 1 y 2 de C.A.T.A. Estas dimensiones están
fuertemente representadas por algunas variables negativas como pecueca, feo y sintético
y, de forma contraria, a las positivas como por ejemplo balance, mantequilla y queso. De
esta misma forma, las dimensiones 2 y 3 del panel tienen alguna relación con la 1 de los
consumidores, la dimensión 2 del panel está representada por características que se
representan en ese eje con correlación positiva como picante, terroso y, de forma negativa,
residuo en dedos. En el caso de la dimensión 3, esta tiene una contribución positiva
principalmente de picante, sal y queso, lo cual revela que sí existe una relación positiva
con las notas de picante, algo de queso y sal, pero variable para las notas terrosas que
son las causantes de la molestia. En conclusión, el análisis permite entender
principalmente cuales son los descriptores que se deben evitar para obtener un perfil con
buen desempeño, pero sin determinar claramente las positivas, ya que las muestras
ganadoras en términos de perfil fueron muy diferentes en intensidad, pero con notas
parecidas.
Figura 40. Relación de los diferentes componentes principales para cada grupo de
variables, se rojo las variables C.A.T.A., de verde las calificaciones de agrado y de azul
las del panel entrenado
4 Conclusiones
La metodología ODP, permitió diferenciar las muestras en los atributos seleccionados de

forma rápida, usando solo 11 sesiones en total, labor que tomó tres semanas, a costa de
perder acuerdo entre los evaluadores, uso de la escala y tamaño de la diferencia entre
muestras. También faltó claridad en algunos atributos y referencias como olor y sabor a
queso maduro, residual a queso y olor mantequilla, ya que se evidencia poco acuerdo entre
los evaluadores, es decir los evaluadores califican de forma diferente las muestras. Lo cual
se puede mejorar si se adicionan un par de sesiones para verificar las referencias, la
definición de los atributos y realizar ejercicios de uso de la escala, también se podría
reducirla cantidad de atributos evaluados por sesión a dos, aunque esto aumente el tiempo
de ejecución. También se resalta que el resultado fue positivo a pesar de las dificultades
presentadas por la pandemia Covid 19 ya que los evaluadores llevaban cerca de seis
meses sin participar en sesiones y se incorporaron al grupo dos nuevos integrantes. La
metodología permitió caracterizar las muestras y diferenciarlas de forma rápida según las
necesidades de la compañía, los jueces deben seguir en entrenamiento y mejorar su uso
de la escala de medición.
El método C.A.T.A. demostró ser una herramienta versátil que permitió obtener información
relevante respecto a los descriptores, emociones o atributos de interés. Para el caso de
este estudio, el resultado estuvo más enfocado hacía la identificación de atributos que
impulsaron el desagrado los cuales se deben evitar para futuras formulaciones como son
terroso, rancio, plástico, sintético y añejo. La creencia de que un perfil con notas de nacho,
algo de pimiento y vegetales podría mejorar el perfil fue rechazada, aunque se encontró
que las notas asociadas a humo, como parrilla y de picante pueden ser interesantes para
incluirlas en una propuesta como diferenciadores.
Del método C.A.T.A. se obtuvieron dos resultados, por un lado, las características
asociadas al producto ideal en la mente del consumidor y por otro, aquellas características
mejor y peor calificadas. El producto ideal se asoció a notas tales como: salado,
mantequilla, balanceado, dulce, cremoso y queso. Entre tanto, las características mejor
103 Capítulo 4 – Conclusiones
calificadas o con mayor frecuencia de aparición con las calificaciones más altas de agrado
fueron: mantequilla, cremoso, queso, intenso, queso maduro, balance, tradicional y dulce.
Contrario a esto, las no ideales fueron: feo, plástico, rancio, parrilla, invasivo, hostigante,
asado, añejo y ajo/cebolla, luego las asociadas a calificaciones bajas: feo, plástico, terroso,
invasivo, sintético, añejo y oloroso.
La evaluación de emociones resultó ser una herramienta muy valiosa para comprender el
comportamiento de los consumidores, ya que permitió comprender el contraste entre lo
ideal y la realidad. Aunque se proponen como características ideales las emociones
positivas, el deseo de satisfacer antojos lleva a comer alimentos agradables
sensorialmente, pero de connotación poco saludable de forma indulgente, para luego sentir
culpa y angustia.
En general la combinación de metodologías permitió identificar los impulsores de agrado y

los de desagrado y comprender la segmentación de los consumidores, aunque la relación
entre las calificaciones de agrado y el perfil ODP fue pobre, esto se podría mejorar si se
cambia el orden de ejecución, es decir, realizar primero C.A.T.A. y luego calificar los
descriptores resultantes, de esta forma se trataría de calificar las mismas percepciones del
consumidor y no esperar que el evaluador no entrenado califique lo mismo que un juez con
entrenamiento.
Finalmente, las muestras con mejor desempeño fueron Actual y Competencia por la
ausencia de notas negativas. Contrariamente las modificaciones propuestas presentaron
mal desempeño al tratar de incluir notas tipo “Nachos”, humo y picantes simultáneamente,
ya que el perfil pierde equilibrio resultando en un producto para un grupo objetivo diferente
al evaluado, es un perfil para consumidores de nachos tipo mexicanos y no jóvenes
consumidores de snacks con sabor a queso como Doritos® o Cheese Tris®. Se debe
trabajar en perfiles de producto que mantengan un balance entre notas maduras, queso,
cremoso y mantequilla, sin que se presenten notas intensas de los quesos maduros como
rancio y hostigante, también es posible matizar algunos prototipos con la incorporación de
notas ácidas, picantes y, tal vez, humo si se eliminan las características asociadas a
terroso.
Recomendaciones
Las emociones seleccionadas fueron basadas en literatura de estudios de países
angloparlantes, sería muy interesante realizar un estudio para comprender cuales
emociones son realmente positivas, cuales negativas y cuales son relevantes para los
colombianos.
Se recomienda incrementar en dos las sesiones previas a la evaluación especialmente

cuando la lista de atributos es extensa, ya que se pueden dividir en grupos y evaluar de
mejor forma la validez de la definición y de las referencias seleccionadas para los
descriptores. También, es valioso realizar el ejercicio de calificar una de las muestras
durante estas sesiones para ayudar a mejorar el manejo de la escala. Cuando el listado
de notas sea corto se puede reducir la cantidad de atributos evaluador por sesión a dos.
Para mejorar el desempeño del producto actual se recomienda debe disminuir el residuo
que deja en los dedos, ya que observando comportamiento durante las sesiones se vuelve
tedioso limpiar y mancha los dedos, los usuarios no lo expresaron de forma propositiva,
pero si constituye una conducta observable la cual no se cuantificó. En términos de perfil
no se recomienda cambiar el sabor, se debe trabajar en diferenciar la marca de la
competencia y en la prueba del producto ya que se desconoce y al momento de la compra
se busca el de siempre. También es importante continuar en la busca de un sabor que se
diferencie y tenga identidad propia.
5 Bibliografía
Aguiar, L. A. de, Rodrigues, D. B., Queiroz, V. A. V., Melo, L., & Pineli, L. de L. de O.
(2020). Comparison of two rapid descriptive sensory techniques for profiling and
screening of drivers of liking of sorghum breads. Food Research International,
131(September 2019), 108999. https://doi.org/10.1016/j.foodres.2020.108999
Alam, M. S., Kaur, J., Khaira, H., & Gupta, K. (2015). Extrusion and Extruded Products:
Changes in Quality Attributes as Affected by Extrusion Process Parameters: A
Review. Https://Doi.Org/10.1080/10408398.2013.779568, 56(3), 445–473.
https://doi.org/10.1080/10408398.2013.779568
Alberto, R., & Turcios, S. (2015). t-Student. Usos y abusos.

http://www.medigraphic.com/revmexcardiol
ANALISIS SENSORIAL. IDENTIFICACION Y SELECCION DE DESCRIPTORES PARA

ESTABLECER UN PERFIL SENSORIAL POR UNA APROXIMACION
MULTIDIMENSIONAL., (1996).
ANÁLISIS SENSORIAL. METODOLOGÍA. DIRECTRICES PARA MONITOREAR EL

DESEMPEÑO DE UN PANEL SENSORIAL CUANTITATIVO. (2015). INCONTEC.
Ares, G., Barreiro, C., Deliza, R., Giménez, A., & Gámbaro, A. (2010). Application of a
check-all-that-apply question to the development of chocolate milk desserts. Journal
of Sensory Studies, 25(SUPPL. 1), 67–86. https://doi.org/10.1111/j.1745-
459X.2010.00290.x
Ares, G., & Jaeger, S. R. (2015). Check-all-that-apply (CATA) questions with consumers
in practice: Experimental considerations and impact on outcome. In Rapid Sensory
Profiling Techniques and Related Methods: Applications in New Product
Development and Consumer Research (pp. 227–245). Elsevier Inc.
https://doi.org/10.1533/9781782422587.2.227
Bi, J. (2012). A review of statistical methods for determination of relative importance of

correlated predictors and identification of drivers of consumer liking. Journal of
Sensory Studies, 27(2), 87–101. https://doi.org/10.1111/j.1745-459X.2012.00370.x
Bredie, W. L. P., Mottram, D. S., & Guy, R. C. E. (1998). Aroma Volatiles Generated
during Extrusion Cooking of Maize Flour. Journal of Agricultural and Food Chemistry,
46(4), 1479–1487. https://doi.org/10.1021/jf9708857
Bruzzone, F., Vidal, L., Antúnez, L., Giménez, A., Deliza, R., & Ares, G. (2015).
Comparison of intensity scales and CATA questions in new product development:
Sensory characterisation and directions for product reformulation of milk desserts.
Food Quality and Preference, 44, 183–193.
https://doi.org/10.1016/j.foodqual.2015.04.017
Chang, C., & Lin, J. (2017). Comparison between collet and cooking extrusions on
physicochemical properties of whole grain barley. Journal of Food Process
Engineering, 40(3), e12480. https://doi.org/10.1111/JFPE.12480
Corvalán, C., Correa, T., Reyes, M., & Paraje, G. (2021). Impacto de la Ley chilena de
etiquetado en el sector productivo alimentario. In Impacto de la Ley chilena de
etiquetado en el sector productivo alimentario. FAO e INTA.
https://doi.org/10.4060/cb3298es
Cultivo de Maíz (1st ed.). (1998). Centro para el Desarrollo Agropecuario y Forestal.
David, V. (2017). Structure as Gradients of Objects/Variables. Data Treatment in

Environmental Sciences, 57–94. https://doi.org/10.1016/B978-1-78548-239-7.50004-
8
Dehlholm, C. (2015a). Free multiple sorting as a sensory profiling technique. In Rapid

Sensory Profiling Techniques and Related Methods: Applications in New Product
Development and Consumer Research. Woodhead Publishing Limited.
https://doi.org/10.1533/9781782422587.2.187
Dehlholm, C. (2015b). Free multiple sorting as a sensory profiling technique. In Rapid

Sensory Profiling Techniques and Related Methods: Applications in New Product
Development and Consumer Research (pp. 187–196). Elsevier Inc.
https://doi.org/10.1533/9781782422587.2.187
107 Anexos
Dehlholm, C., Brockhoff, P. B., Meinert, L., Aaslyng, M. D., & Bredie, W. L. P. (2012).
Rapid descriptive sensory methods - Comparison of Free Multiple Sorting, Partial
Napping, Napping, Flash Profiling and conventional profiling. Food Quality and
Preference, 26(2), 267–277. https://doi.org/10.1016/j.foodqual.2012.02.012
Delarue, J. (2015a). Flash Profile, its evolution and uses in sensory and consumer
science. In Rapid Sensory Profiling Techniques and Related Methods: Applications
in New Product Development and Consumer Research. Woodhead Publishing
Limited. https://doi.org/10.1533/9781782422587.2.121
Delarue, J. (2015b). The use of rapid sensory methods in R&D and research: An
introduction. In Rapid Sensory Profiling Techniques and Related Methods:
Applications in New Product Development and Consumer Research (Issue 2012).
Woodhead Publishing Limited. https://doi.org/10.1533/9781782422587.1.3
Edmund W. Lusas, L. W. R. (2001). Snack Foods Processing (Vol. 1). CRC Press.
Escofier, B., & Pagès, J. (1994). Multiple factor analysis (AFMULT package).
Computational Statistics & Data Analysis, 18(1), 121–140.
https://doi.org/10.1016/0167-9473(94)90135-X
Everitt, Brian., & Howell, D. C. (2005). Encyclopedia of statistics in behavioral science.

John Wiley & Sons.
Godin, S. (2009). Purple cow : transform your business by being remarkable.

https://www.panamericana.com.co/purple-cow-transform-your-business-by-being-
remarkable-615749/p
Granado. Paliwal. (2000). EL MAÍZ EN LOS TRÓPICOS: Mejoramiento y producción. In

Fao (p. 10). http://www.fao.org/3/X7650S/x7650s02.htm#P0_0
Grygorczyk, A., Lesschaeve, I., Corredig, M., & Duizer, L. (2013). Extraction of consumer
texture preferences for yogurt: Comparison of the preferred attribute elicitation
method to conventional profiling. Food Quality and Preference, 27(2), 215–222.
Guiné, F., & Correia, P. M. D. R. (2013). Emerging Technologies for Food Quality and
Food Safety Evaluation. In Physicochemical Aspects of Food Engineering and
Processing. http://www.ucd.ie/sun/
Hanify, D. E. (2001). Snack Seasonings Application.
Hess, J. M., Jonnalagadda, S. S., & Slavin, J. L. (2016). What Is a Snack, Why Do We
Snack, and How Can We Choose Better Snacks? A Review of the Definitions of
Snacking, Motivations to Snack, Contributions to Dietary Intake, and
Recommendations for Improvement. Advances in Nutrition, 7(3), 466–475.
https://doi.org/10.3945/AN.115.009571
GTC 232:2020 Análisis sensorial. metodología. guía general para el establecimiento de

un perfil sensorial, (2020) (testimony of ICONTEC).
Kermit, M., & Lengard, V. (2005). Assessing the performance of a sensory panel–panellist
monitoring and tracking. Journal of Chemometrics, 19(3), 154–161.
https://doi.org/10.1002/CEM.918
Lawless, H. T., & Heymann, H. (2010a). Data Relationships and Multivariate Applications.
433–449. https://doi.org/10.1007/978-1-4419-6488-5_18
Lawless, H. T., & Heymann, H. (2010b). Descriptive Analysis (pp. 227–257).

https://doi.org/10.1007/978-1-4419-6488-5_10
Lawless, H. T., & Heymann, H. (2010c). Principles of Good Practice. 57–77.

https://doi.org/10.1007/978-1-4419-6488-5_3
Lawless, H. T., & Heymann, H. (2010d). Scaling. In Sensory Evaluation of Food (Vol. 0,
Issue i, pp. 149–177). Springer New York. https://doi.org/10.1007/978-1-4419-6488-
5_7
Lawless, H. T., & Heymann, H. (2010e). Strategic Research. 451–471.

https://doi.org/10.1007/978-1-4419-6488-5_19
le Dien, S., & Pagès, J. (2003). Hierarchical Multiple Factor Analysis: application to the
comparison of sensory profiles. Food Quality and Preference, 14(5–6), 397–403.
https://doi.org/10.1016/S0950-3293(03)00027-2
Lê, S., Josse, J. & Husson, F. (2008). FactoMineR: An R Package for Multivariate
Analysis. Journal of Statistical Software., 25(1), 1–18.
http://factominer.free.fr/index.html
109 Anexos
Lê, S., & Worch, T. (2014). Analyzing sensory data with R. In Analyzing Sensory Data
with R. https://doi.org/10.1201/b17502
Lê, Sébastien, Husson, F. (2008). SensoMineR: a package for sensory data analysis.
Journal of Sensory Studies. 23 (1) (pp. 14–25). http://sensominer.free.fr/
Lê Sébastien, & Worch Thierry. (2015). When panelists rate products according to a
single list of attributes. In Analyzing Sensory Data with R (pp. 5–32). CRC Press.
Liu, J., Bredie, W. L. P., Sherman, E., Harbertson, J. F., & Heymann, H. (2018).
Comparison of rapid descriptive sensory methodologies: Free-Choice Profiling, Flash
Profile and modified Flash Profile. Food Research International, 106(January), 892–
900. https://doi.org/10.1016/j.foodres.2018.01.062
López, R. (2015). El secreto de la innovación exitosa – Nielsen.

https://www.nielsen.com/co/es/insights/article/2015/secreto-innovacion-exitosa/
López, R. (2017). Innovación disruptiva como motor de crecimiento – Nielsen.

https://www.nielsen.com/co/es/insights/article/2017/innovacion-disruptiva-como-
motor-de-crecimiento/
Mello, L. S. S., Almeida, E. L., & Melo, L. (2019). Discrimination of sensory attributes by
trained assessors and consumers in semi-sweet hard dough biscuits and their
drivers of liking and disliking. Food Research International, 122, 599–609.
https://doi.org/10.1016/j.foodres.2019.01.031
Menis-Henrique, M. E. C., Janzantti, N. S., Monteiro, M., & Conti-Silva, A. C. (2020).

Physical and sensory characteristics of cheese-flavored expanded snacks obtained
using butyric acid and cysteine as aroma precursors: Effects of extrusion
temperature and sunflower oil content. LWT, 122, 109001.
https://doi.org/10.1016/J.LWT.2019.109001
Meyners, M., & Castura, J. (2014). Check-All-That-Apply Questions. Novel Techniques in

Sensory Characterization and Consumer Profiling, September, 271–306.
https://doi.org/10.1201/b16853-12
Meyners, M., Castura, J. C., & Carr, B. T. (2013). Existing and new approaches for the
analysis of CATA data. Food Quality and Preference, 30(2), 309–319.
Minim, Valéria & Simiqueli, Andréa & Moraes, Liliane & Gomide, Aline & Minim, Luis.
(2012). Optimized Descriptive Profile: A rapid methodology for sensory description.
Food Quality and Preference, 24(1), 190–200.
Murray, J. M., Delahunty, C. M., & Baxter, I. A. (2001). Descriptive sensory analysis: Past,
present and future. In Food Research International (Vol. 34, Issue 6, pp. 461–471).
Elsevier Ltd. https://doi.org/10.1016/S0963-9969(01)00070-9
O’Sullivan, M. G. (2017a). A Handbook for Sensory and Consumer-Driven New Product

Development. In A Handbook for Sensory and Consumer-Driven New Product
Development. Elsevier. https://doi.org/10.1016/c2014-0-03843-9
O’Sullivan, M. G. (2017b). Rapid Sensory Profiling Methods. In A Handbook for Sensory

and Consumer-Driven New Product Development (pp. 59–82). Elsevier.
https://doi.org/10.1016/b978-0-08-100352-7.00004-x
O’Sullivan, M. G. (2017c). Sensory and Consumer-Led Innovative Product Development –

From Inception to the Shelf (Current and Future Methodologies). In A Handbook for
Sensory and Consumer-Driven New Product Development (pp. 197–222). Elsevier.
https://doi.org/10.1016/b978-0-08-100352-7.00010-5
Paredes López, O., Guevara Lara, F., & Bello Pérez, L. A. (n.d.). La nixtamalización y el
valor nutritivo del maíz. Ciencias, 92(092). Retrieved January 4, 2022, from
http://www.revistas.unam.mx/index.php/cns/article/view/14831
Riaz, M. N. (2006). Handbook of Food Science, Technology, and Engineering (Yiu H. Hui,
Ed.; Vol. 4). Taylor & Francis.
https://books.google.com.co/books?id=rTjysvUxB8wC&printsec=frontcover&hl=es&s
ource=gbs_ge_summary_r&cad=0#v=onepage&q&f=false
Riaz, M. N. (2019). Food Extruders. In Handbook of Farm, Dairy and Food Machinery
Engineering (pp. 483–497). https://doi.org/10.1016/b978-0-12-814803-7.00019-1
RPubs - Games-Howell Nonparametric Post-Hoc Test. (n.d.). Retrieved January 9, 2022,

from https://rpubs.com/aaronsc32/games-howell-test
111 Anexos
Saldivar, S. O. S. (2015). Snack Foods: Types and Composition. In Encyclopedia of Food

and Health (pp. 13–18). Elsevier Inc. https://doi.org/10.1016/B978-0-12-384947-
2.00633-4
Sébastien, L., & Thierry, W. (2015). When products are rated according to a single list of
atributes. In Analyzing Sensory Data with R (pp. 35–67). CRC Press.
Silva, R. de C. dos S. N. da, Minim, V. P. R., Silva, A. N. da, Peternelli, L. A., & Minim, L.
A. Ô. (2014). Optimized Descriptive Profile: How many judges are necessary? Food
Quality and Preference, 36, 3–11. https://doi.org/10.1016/j.foodqual.2014.02.011
Smith, K., & Peterson, D. G. (2020). Identification of aroma differences in refined and
whole grain extruded maize puffs. Molecules, 25(9), 1–9.
https://doi.org/10.3390/molecules25092261
Spinelli, S., & Jaeger, S. R. (2019). What do we know about the sensory drivers of
emotions in foods and beverages? Current Opinion in Food Science, 27, 82–89.
https://doi.org/10.1016/J.COFS.2019.06.007
Stone, H., Bleibaum, R., & Thomas, H. A. (2012). Chapter 5 - Discrimination Testing.
Sensory Evaluation Practices, 167–231. https://doi.org/10.1007/978-1-4419-6488-5
T-test con R. (n.d.). Retrieved January 7, 2022, from

https://www.cienciadedatos.net/documentos/12_t-test
W. N. Venables and B. D. Ripley. (2002). Modern Applied Statistics with S (Fourth).

Springe. https://www.stats.ox.ac.uk/pub/MASS4/
Wrigley, C., Batey, I., & Miskelly, D. (2017). Grain Quality: The Future is With the
Consumer, the Scientist and the Technologist. Cereal Grains: Assessing and
Managing Quality: Second Edition, 695–725. https://doi.org/10.1016/B978-0-08-
100719-8.00025-5
Anexo A. Formato de evaluación

perfil ODP
113 Anexos
Anexo B. Formato de evaluación

C.A.T.A.
115 Anexos
Anexo C. Modelo ANOVA para Olor a

Queso Maduro
Se presentan lo coeficientes del modelo ajustado ANOVA para el descriptor de Olor a
Queso Maduro
Intercepto MuestraComp. MuestraMQ

0.95619048 -1.01428571 0.04761905
MuestraPJC MuestraQN EvaluadorEval_2
1.98571429 5.7 3.23333333
EvaluadorEval_3 EvaluadorEval_4 EvaluadorEval_5
3.06666667 4.62666667 2.8
EvaluadorEval_6 EvaluadorEval_7 Replica2
4.13333333 2.64666667 -0.55714286
Replica3 MuestraComp.:EvaluadorEval_2 MuestraMQ:EvaluadorEval_2
0.18857143 -2.16666667 -0.5
MuestraPJC:EvaluadorEval_2 MuestraQN:EvaluadorEval_2 MuestraComp.:EvaluadorEval_3
-3 -4.5 -3
MuestraMQ:EvaluadorEval_3 MuestraPJC:EvaluadorEval_3 MuestraQN:EvaluadorEval_3
1.5 -6.16666667 -4.66666667
MuestraComp.:EvaluadorEval_4 MuestraMQ:EvaluadorEval_4 MuestraPJC:EvaluadorEval_4
-2.1 -1.06666667 -1.8
MuestraQN:EvaluadorEval_4 MuestraComp.:EvaluadorEval_5 MuestraMQ:EvaluadorEval_5
-5.46666667 -1.16666667 -0.83333333
MuestraPJC:EvaluadorEval_5 MuestraQN:EvaluadorEval_5 MuestraComp.:EvaluadorEval_6
-2.66666667 -5.33333333 -4.83333333
MuestraMQ:EvaluadorEval_6 MuestraPJC:EvaluadorEval_6 MuestraQN:EvaluadorEval_6
-2.16666667 -4.83333333 -6.33333333
MuestraComp.:EvaluadorEval_7 MuestraMQ:EvaluadorEval_7 MuestraPJC:EvaluadorEval_7
-2.13333333 -1.06666667 -0.93333333
MuestraQN:EvaluadorEval_7 MuestraComp.:Replica2 MuestraMQ:Replica2
-5.3 0.3 -0.11428571
MuestraPJC:Replica2 MuestraQN:Replica2 MuestraComp.:Replica3
1.68571429 0.91428571 0.24285714
MuestraMQ:Replica3 MuestraPJC:Replica3 MuestraQN:Replica3
0.47142857 0.85714286 0.98571429
117 Anexos
EvaluadorEval_2:Replica2 EvaluadorEval_3:Replica2 EvaluadorEval_4:Replica2

-0.8 0.3 -0.04
0.4 2.2 -0.16
-1.4 -0.5 -1.24
0.2 -0.1 -0.38

2022 PDF

Cargado por

Copyright:

Formatos disponibles

2022 PDF

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

2022 PDF

Cargado por

Copyright:

Formatos disponibles

Aplicación de los métodos Check All

That Apply y Perfil Sensorial Óptimo

Rodrigo Alfonso Galindo Jiménez

Universidad Nacional de Colombia

Rodrigo Alfonso Galindo Jiménez

Director: Carlos Mario Zuluaga Domínguez

Universidad Nacional de Colombia

A mi castaña despeinada, por

A Comestibles Ricos S.A. por brindarme el tiempo y la oportunidad, a Alba Estella

Palabras Clave: Evaluación sensorial, extruido de maíz, análisis multivariante, aditivos

Keywords: Sensory evaluation, extruded corn, multivariate analysis, savoring, product

1 MARCO TEÓRICO ................................................................................................. 23

1.1 MAÍZ ................................................................................................................ 23

2.1 ELABORACIÓN DE LOS SABORES ......................................................................... 41

3 RESULTADOS Y DISCUSIÓN ................................................................................ 51

3.1 PREPARACIÓN DE LAS MUESTRAS ........................................................................ 51

4 CONCLUSIONES .................................................................................................. 102

5 BIBLIOGRAFÍA ..................................................................................................... 105

La aplicación de nuevas metodologías sensoriales para el estudio de las percepciones de

La extrusión es una operación unitaria común en la industria de alimentos para la obtención

Planteamiento del problema

opinión de los consumidores y comprendiendo como el alimento interactúa con el medio,

En la última evaluación se exploró la aplicación de la metodología Sorting logrando

Al respecto, se determinaron los atributos que son impulsores de agrado y de disgusto en

entrenados, calificando pocos atributos en cada sesión y usando referencias o patrones;

Se seleccionaron estos métodos ya que al realizar un análisis interno de la situación se

• Perfilar un extruido de maíz sazonado con cuatro diferentes variaciones de sabor

Los cereales, de la familia de las hierbas Poaceae o Gramíneas, de semillas

Desde una perspectiva nutricional, el maíz es superior a otros cereales, excepto en

partes principales, el pericarpio, endospermo y germen. El maíz es un cereal con un gran

Tabla 1 Composición química gruesa de diferentes tipos de maíz en porcentaje (%)

1.2 Snacks de Maíz

1.2.1 Mercado de los snacks de maíz sabor a queso

En Colombia se comercializan chips de maíz, tortillas, extruidos, maíz freído (mezclas de

1.2.2 Elaboración de snacks

sensoriales. Al final de ambos se sazonan generalmente con sabores salados, queso,

1.2.3 Extrusión de maíz

Por definición, la extrusión es un proceso en el cual un material suave o plástico es

Figura 2. Diagrama genérico de un extrusor. Fuente:(Riaz, 2019)

1. Alimentación: Su función es proveer o mantener un flujo de material constante,

4. Cuchillo cortador: Es la parte final y su función principal es cortar el producto con

partir de ingredientes de humedad relativamente baja. La masa sale por un troquel

1.2.4 Saborizado de snacks

1. Paso único: consiste en la aplicación directa del sabor, generalmente en polvo al

1.3 Evaluación Sensorial

1.3.1 Perfiles sensoriales

Existe en la actualidad una gran variedad de técnicas de elaboración de perfil sensorial,

más comunes y su forma de aplicación. En la norma se define un perfil cómo “Descripción

Tabla 2. Descripción y clasificación de los diferentes métodos utilizados para obtener un

Método Clasificación Descripción Referencia

Perfil de Tradicional Los evaluadores en mesa GTC 232:2020

Descriptivo Tradicional Descripción de los atributos de un (Murray et al.,

Elección Libre Tradicional Cada evaluador selecciona y (Liu et al., 2018)

Rápido Rápido Proceso por el cual cada (Delarue, 2015a)

Perfil Óptimo Rápido Procedimiento por el cual un (Minim, Valéria &

Ordenamiento Rápido Los evaluadores seleccionados (Richter et al.,

Agrupación Rápido Perfil propuesto en 1995, se (Dehlholm, 2015a)

1.3.2 Desempeño de un panel sensorial

Para medir el desempeño de un panel sensorial se pueden encontrar en la literatura