OTIMIZAÇÃO EXPERIMENTAL DAS MÚLTIPLAS CARACTERÍSTICAS DE UM PRODUTO ALIMENTÍCIO ATRAVÉS DO USO DA FUNÇÃO PERDA

Transcrição

1 XXIX ENCONTRO NACIONAL DE ENGENHARIA DE PRODUÇÃO. Salvador, BA, Brasil, 06 a 09 de outubro de 009 OTIMIZAÇÃO EXPERIMENTAL DAS MÚLTIPLAS CARACTERÍSTICAS DE UM PRODUTO ALIMENTÍCIO ATRAVÉS DO USO DA FUNÇÃO PERDA Samanta de Oliveira Guzzon (UFRGS) samantaguzzon@gmail.com Samanta Ullmann de Campos (UFRGS) samantaeng99@yahoo.com.br José Luis Duarte Ribeiro (UFRGS) ribeiro@producao.ufrgs.br Este artigo apresenta um estudo da otimização de um produto alimentício avaliado através de múltiplas características de qualidade. A partir de um experimento fatorial composto de segunda ordem, analisou-se a influência da concentração de ccenoura e iogurte na formulação de um bolo de cenoura. Visando encontrar a melhor formulação, uma análise sensorial foi realizada utilizando o método de Análise Descritiva e Quantitativa (ADQ) e testes de aceitação através de escala hedônica de 9 pontos. No estudo de otimização, foram avaliadas as características aparência, sabor, cor, adesividade e aceitação de cada formulação. Para adesividade, o modelo de regressão não se austou aos dados experimentais. Para as demais características, observou-se boa aderência dos modelos de regressão, sendo estes então considerados na construção da função perda multivariada, utilizada para otimizar o produto. A formulação ótima foi obtida sem o uso de iogurte e acrescentando 83,1g de cenoura na composição. Palavras-chaves: Desenvolvimento de produto alimentício, Função Perda, Planeamento de Experimentos, Análise Sensorial

2 Salvador, BA, Brasil, 06 a 09 de outubro de Introdução Recentemente, a preocupação das empresas com a qualidade dos produtos fabricados deixou de ser uma estratégia de diferenciação para se tornar uma necessidade devido à forte concorrência comercial. A sobrevivência das organizações no mercado atual depende, principalmente, de dois fatores: competitividade e competência empresarial. Hoe esses fatores são funções diretas da qualidade e produtividade da empresa, que deve estar sempre focada no cliente (KOSCIUK, 000). Esta acirrada concorrência tem levado as empresas de alimentos a um esforço incessante por novos produtos, buscando satisfazer os consumidores que se tornam mais exigentes. O desenvolvimento de produtos alimentícios apresenta uma peculiaridade com relação aos demais, visto que sua aprovação final depende de avaliações sensoriais, que possuem um caráter subetivo. Ainda hoe, muitos acreditam que qualidade e custo são proporcionais, onde melhor qualidade implicaria em maior custo de produção. Porém, na prática, é possível verificar que a utilização de tecnologias apropriadas permite obter melhorias de qualidade com redução de custos. Desse modo, no processo de produção, todas as atividades da qualidade devem buscar, sistematicamente, a eliminação de falhas para aumentar a confiabilidade de produto, reduzir o tempo de processamento, reduzir retrabalho e aumentar os lucros. Um produto desenvolvido de acordo com as especificações técnicas mantém um padrão de qualidade que é valorizado pelo consumidor (PETENATE, 007). No intuito de diminuir os custos e o tempo de desenvolvimento de produtos, uma abordagem que pode ser utilizada é o planeamento de experimentos. A metodologia de planeamento experimental reúne um conunto de técnicas estatísticas para desenhar experimentos, construir modelos, avaliar o efeito de fatores e procurar condições ótimas dos fatores para atender uma resposta deseada. Essa metodologia tem a vantagem de permitir estudar efeitos realizando um número relativamente pequeno de experimentos, além de possibilitar o estudo das interações entre os fatores estudados. Entre as técnicas utilizadas, muitas vezes emprega-se a análise de superfícies de resposta, que consiste em estimar coeficientes de regressão polinomial e construção de um modelo empírico que descreve a relação entre os fatores e as respostas do produto ou processo (MAUGERI FILHO; RODRIGUES, 007; SILVA; SARAMAGO, 007). Uma vez que as características sensoriais de um produto alimentício dependem da aceitação deste no mercado, é válido dizer que a melhor forma de avaliação dos experimentos é através da análise sensorial. A Análise Sensorial é uma ciência que utiliza os sentidos humanos (visão, olfato, tato, paladar e audição) como instrumento de medida. Uma vez que as percepções sensoriais não podem ser medidas diretamente, faz-se uso de escalas para avaliar os estímulos individuais recebidos na avaliação sensorial. Em um contexto industrial, a análise sensorial é empregada para minimizar o risco associado com a introdução de novos produtos e para avaliar a permanência de produtos no mercado (BECH et al. apud SOUZA FILHO; NANTES, 004). O obetivo deste artigo é proceder a otimização experimental de um produto alimentício, utilizando planeamento de experimentos, análises sensoriais, superfícies de resposta e função

3 Salvador, BA, Brasil, 06 a 09 de outubro de 009 perda multivariada. A partir do referencial teórico, descrito na segunda seção, elabora-se o experimento, que é apresentado na terceira seção, na qual também se discute os resultados obtidos. A quarta seção resume as principais conclusões deste estudo.. Referencial Teórico.1 Função Perda Quadrática Ainda hoe muito se utiliza a filosofia de atendimento das especificações nos sistemas de produção. Nesse contexto, se o produto encontra-se dentro das especificações estabelecidas, é considerado aceito e pode então ser expedido. O problema dessa abordagem está no fato de não considerar todas as exigências do consumidor, não sendo possível, desse modo, constatar qualidade real. Um produto pode ter suas características de qualidade dentro das especificações estabelecidas pela produção, mas se o valor das características de qualidade estiverem freqüentemente afastadas do valor alvo e próximas dos seus limites máximo ou mínimo, podem não corresponder às expectativas do consumidor. Nesse caso, o consumidor irá ficar insatisfeito (FOGLIATO; RIBEIRO, 1993; ROSS, 1991). A fim de contemplar as exigências dos consumidores em obter produtos superiores e, ao mesmo tempo, o deseo do fabricante em produzir com menor custo, Taguchi estabeleceu uma abordagem alternativa. Para Taguchi, a qualidade é melhor avaliada ao se utilizar a perda financeira que um produto gera para a sociedade após ser expedido. Sociedade, neste caso, corresponde ao conunto consumidor, fabricante e todo o restante da população. As perdas devido à má qualidade podem ser divididas em: (i) aquelas mais diretamente associadas aos consumidores, como: insatisfação em relação ao desempenho do produto, indisponibilidade, perda de tempo, custos sofridos no decorrer da vida útil do produto; (ii) aquelas mais diretamente associadas ao fabricante, como: sucata, retrabalho, perda de fatia de mercado; e (iii) aquelas que podem ser percebidas pelo restante da população, como: desperdícios de matéria-prima e energia, sobrecarga na infra-estrutura de transporte e comunicação, ou impacto ambiental gerado pelo processo industrial. Na verdade, sempre que ocorre má qualidade, todos perdem (consumidor, fabricante, sociedade), e o obetivo do fabricante deve ser minimizar tais perdas (NACKAR, 1986; RIBEIRO; CATEN, 001; ROSS, 1991). Apesar de muitas vezes ser difícil quantificar a perda que um produto impõem à sociedade, geralmente pode-se considerar que essa perda resulta aproximadamente proporcional ao quadrado do desvio da meta estabelecida para uma certa característica de qualidade. Assim, Taguchi propôs o uso da função perda quadrática para avaliar a qualidade de um produto (TAGUCHI, 1990, FOGLIATO; RIBEIRO, 1993). A utilização da função perda quadrática apresenta vantagens, como, por exemplo, o fato de considerar que, se as características de qualidade estiverem desviadas de seu valor alvo, existe uma perda associada, mesmo estando o produto dentro dos limites de especificações. Desse modo, a fim de diminuir a perda gerada, os procedimentos de melhoria incluem reduções nas variações das características de qualidade. Assim, a utilização da função perda implica uma filosofia de melhoria contínua da qualidade e redução de custos, buscando alcançar a condição de processo exatamente centrado e com variabilidade zero. Além disso, por ser mensurada em 3

4 Salvador, BA, Brasil, 06 a 09 de outubro de 009 unidades monetárias, sua utilização fornece subsídios para decisões referentes a alterações e investimentos nos processos (NACKAR, 1986; RIBEIRO; CATEN, 001). A tabela 1 apresenta a formulação matemática da função perda quadrática para características de qualidade do tipo nominal-é-melhor, maior-é-melhor e menor-é-melhor. As fórmulas contemplam tanto o cálculo da perda para uma unidade individual como o cálculo da perda média unitária para um lote de produtos. Característica Nominal-é-melhor Maior-é-melhor Menor-é-melhor Exemplos de Comprimento, peso, Durabilidade, resistência, Ruído, tempo de espera, Aplicação voltagem, viscosidade, etc. força de aderência, etc. corrosão, defeitos, etc. L(y) para unidade L i k ( yi m) L(y) para lote L k ( ym m) s L( y) k y L( y) k y 1 3s L k 1 L k ( y s ) y m m y m A Constante K o k k 0 A k A IR K (para função K IR perda multivariada) LSE LIE IR K K m LIE LSE m Fonte: adaptado de Fogliato e Ribeiro (1993) e Ribeiro e Caten (001) Tabela 1 - Formulações matemáticas e exemplos de aplicação da função perda de Taguchi para os três tipos de características de qualidade Onde: Li representa a perda financeira da unidade i; yi é o valor medido da unidade i; m é a meta para determinada característica; k é o coeficiente de perda da qualidade, que converte o desvio do alvo em unidades monetárias (u.m.); A 0 é o custo de reparo ou substituição de produto; Δ é o desvio da meta que exigiria reparo ou substituição; (y m - m) é o desvio da meta da média da amostra em relação ao valor nominal m; s² é a variância da amostra; y m é o valor médio de y no conunto da amostra; IR é a importância relativa de cada variável de resposta e LSE e LIE são os limites superior e inferior de especificação, respectivamente. Na prática, o valor de k é, muitas vezes, difícil de ser calculado. No entanto, quando o intuito é comparar processos distintos (avaliar melhorias do processo), pode-se usar k=1. Nesse caso, obtém-se um valor relativo de aumento ou redução da perda financeira (RIBEIRO; CATEN, 001). O conceito de função perda pode ser usado de modo eficaz em diversas aplicações, tais como: ustificativa de investimentos, cálculo da tolerância da produção, avaliação da necessidade de inspeção 100%, comparação de processos distintos, identificação do momento de substituição de ferramenta, otimização multivariada (KACKAR, 1986; RIBEIRO; CATEN, 001; 003; ROSS, 1991; TAGUCHI, 1990). 4

5 Salvador, BA, Brasil, 06 a 09 de outubro de 009 Na ótica de proeto de experimentos, muitos estudos englobam mais de uma característica de qualidade de interesse. Para considerar essas características simultaneamente, faz-se necessário o emprego de um procedimento multivariado na busca do auste ótimo dos fatores controláveis. Fogliatto (1999) apresenta um levantamento das diferentes técnicas existentes para modelar e otimizar experimentos deste tipo. Uma das possíveis opções é a utilização da função perda multivariada apresentada por Ribeiro e Elsayed (1995). Segundo esses autores, essa função consegue englobar múltiplos obetivos de interesse em engenharia da qualidade, uma vez que busca, ao mesmo tempo, minimizar os desvios do valor alvo, minimizar a variabilidade e maximizar a robustez do produto às flutuações dos parâmetros do processo. A Equação 1 apresenta uma simplificação dessa função, utilizada de forma eficaz por outros autores, como Pizzolato, Caten e Fogliatto (005) na otimização experimental de um produto utilizado na criação de animais. J 1 L( i) K Yˆ m (1) Onde: L(i) é o valor que a função perda assume para um dado auste i do conunto dos fatores controláveis; K é a ponderação atribuída à variável de resposta. Na Tabela 1 encontra-se sua formulação matemática para cada tipo de característica de qualidade; é o modelo matemático que fornece uma estimativa da média da variável de resposta em função do auste dos fatores controláveis; m é o valor alvo para a variável de resposta. Na utilização da função perda multivariada, atribuem-se pesos a cada variável de resposta, a fim de considerar sua importância relativa, além de normalizar os valores que representam os desvios do alvo, de modo que todas as variáveis de respostas seam diretamente comparáveis (RIBEIRO; CATEN, 003).. Análise Sensorial A qualidade sensorial de um alimento é resultado da interação entre o alimento e o homem, uma vez que depende tanto das características próprias do alimento como das condições fisiológicas, psicológicas e sociológicas do indivíduo. Ainda, é importante salientar que as informações provenientes das cinco vias sensoriais são detectadas no cérebro simultaneamente, havendo sempre interações e associações psicológicas entre elas. A fim de eliminar esse caráter subetivo da análise sensorial, é preciso tomar alguns cuidados, tais como realizar os testes em locais tranqüilos, selecionar previamente os provadores, realizar um treinamento com estes, escolher o horário ideal para realização do teste, entre outros (DUTCOSKY, 1996). Essa mesma autora acredita que a escolha do método de análise sensorial para desenvolvimento de produto está condicionada à resposta a três questões fundamentais. Assim, se o obetivo é descobrir se o produto é aceito pelos consumidores, indica-se a utilização de testes de aceitação. Já, se o que se desea saber é se existe diferença perceptível entre produtos, o ideal é realizar testes discriminativos (ou de diferença). Por último, se o intuito é determinar os principais pontos de diferenças entre os produtos, usam-se análises descritivas. O ADQ é um método de análise descritiva quantitativa capaz de analisar o conunto de atributos sensoriais presente num produto alimentício, além de permitir avaliar o grau de intensidade com 5

6 Salvador, BA, Brasil, 06 a 09 de outubro de 009 que cada atributo está presente neste. Já o teste de aceitação analisa o quanto o provador gostou ou não do produto (DUTCOSKY, 1996). 3. Estudo Aplicado Neste estudo, utilizou-se a função perda multivariada na otimização de uma formulação de bolo de cenoura, buscando maximizar a qualidade e minimizar o custo total de produção. Para tanto, realizou-se um proeto composto de segunda ordem, constituído de 4 pontos correspondentes ao fatorial completo, 4 pontos axiais e 3 pontos centrais, totalizando 11 ensaios (Tabela ). Os três ensaios no ponto central foram realizados com o intuito de calcular o erro experimental. Os resultados foram modelados através de análise de regressão utilizando um pacote estatístico. Para auste dos modelos, foi empregado o modelo quadrático para duas variáveis, onde x 1 e x são as variáveis independentes e Y é a variável dependente, conforme Equação (BARROS et al., 1995). 1x1 b x b11x1 bx b1x1x Y bo b () Amostra Níveis Codificados Níveis Reais Cenoura Iogurte Cenoura (g) Iogurte (g) ,3 3, ,6 3, ,3 136, ,6 136, , , , , Tabela - Planeamento composto de segunda ordem apresentado em níveis codificados e níveis reais Em todos os experimentos, manteve-se constante as quantidades de óleo (1,75g), farinha de trigo (95,5g), ovo (57,5g), açúcar (150,8g) e fermento (4,85g) utilizados, variando-se as quantidades de cenoura e iogurte natural sem sabor conforme o planeamento experimental. As onze amostras de bolo de cenoura foram preparadas um dia antes da realização da análise sensorial, em condições aproximadamente iguais (tempos de mistura e de forno, temperatura do forno e de armazenagem, entre outros). Uma vez que Kilcast (1999) afirmou que, apesar de existirem outros fatores importantes na escolha por um produto alimentício (como preço e valor nutricional), são suas características sensoriais o fator principal na hora da escolha realizada pelo consumidor, optou-se pela avaliação sensorial das formulações de bolo. A análise sensorial foi realizada com 30 provadores, á que, segundo Kilcast (1999), a percepção da qualidade dos alimentos é algo complexo e subetivo, o que pode gerar muitas dificuldades para os provadores e, conseqüentemente, alta variabilidade e baixa precisão dos resultados. A fim de diminuir essa variabilidade é recomendado utilizar um grande número de provadores (mínimo 6

7 Salvador, BA, Brasil, 06 a 09 de outubro de 009 5) ou, alternativamente, poucos provadores muito bem treinados. As amostras, codificadas com três números aleatórios, foram oferecidas em um prato a cada um dos provadores. O teste de Análise Quantitativa Descritiva foi aplicado para analisar as características sensoriais de 11 amostras diferentes de bolo de cenoura, quanto ao sabor, cor, adesividade (força requerida para remover o material que adere à boca durante o processo de comer) e aparência. Realizou-se também um teste de aceitação através de escala hedônica de nove pontos, variando de 1 (desgostei muito) a 9 (gostei muitíssimo), visando encontrar a formulação ideal em termos de aceitabilidade. Cada um dos provadores deveria caracterizar a intensidade percebida por cada característica segundo essa escala. Na Tabela 3 encontram-se os resultados médios obtidos com o planeamento fatorial composto. sabor cor aceitação adesividade aparência A1 5,1 3,63 5,97 4, 4,67 A 5,67 7,3 5,77 4,33 6,53 A3 4,97 5,9 6,4 4,03 6,43 A4 5,3 7,1 4,03 5,3 3,7 A5 5,9 7,4 6,43 4,7 6,67 A6 5,67 7,83 6,8 4,67 6,7 A7 5,8 6,87 6,97 3,77 7,1 A8,63 1,73 4,57 4,47 4,57 A9 6,33 7 7,67 4,07 7,73 A10 5,53 7,7 4,33 4,93 3,83 A11 5,6 7,53 4,87 5,57 4,13 Tabela 3 - Resultado das médias por atributo A partir dos resultados apresentados na Tabela 3, empregou-se a metodologia de análise de regressão. A análise estatística dos dados, realizada de acordo com Barros, Scarminio e Bruns (1995), evidenciou que o modelo foi significativo para as características aparência, cor, aceitação e sabor, a um nível de significância de 0,05, uma vez que o F calculado da regressão foi superior que o F tabelado para essas características. Já para a característica adesividade, a regressão não foi significativa, uma vez que o F calculado foi menor que o F tabelado. Os modelos de regressão foram então estabelecidos para cada uma das características onde o auste foi significativo. Nas equações de auste apresentadas na Tabela 4, as letras C e I representam, respectivamente, a concentração de cenoura e concentração de iogurte. Foram mantidos, nessas equações, apenas os termos significativos, adotando-se o nível de significância de 0,05. Cada coeficiente possui um erro de estimativa associado, que se encontra indicado entre parêntesis ao lado do coeficiente correspondente na equação. Nessa mesma tabela, encontram-se ainda os valores do coeficiente de determinação (R ) para cada um dos modelos austados. VR R (%) Modelo (Y 1 ) Aparência 0,94 Y 1 = 6,796(0,07) - 1,395.C²(0,186) - 0,47.I(0,18) - 1,55.C.I(0,15) (Y ) Cor 0,96 Y = 7,(0,07) + 1,9.C(0,185) - 1,41.C²(0,198) (Y 3 ) Aceitação 0,9 Y 3 = 6,443(0,165) - 1,136.C²(0,158) - 0,910.I(0,148) (Y 4 ) Sabor 0,80 Y 4 = 5,99(0,1) + 0,65.C(0,17) - 0,84.C²(0,0) 7

8 Salvador, BA, Brasil, 06 a 09 de outubro de 009 Tabela 4 - Modelos de regressão obtidos para as variáveis de resposta Foi possível ainda aplicar a metodologia de superfície de resposta, obtendo-se as superfícies de contorno para cada característica modelada (Figura 1). A partir da análise dessas superfícies, podese verificar a região que otimiza as características analisadas. Para as características aparência, aceitação e sabor, observa-se que, quanto menor a concentração de iogurte, melhor a respectiva característica do produto. Além disso, a concentração de cenoura que maximiza cada uma dessas características está situada próxima ao ponto central. Já quanto a cor, verificou-se que, quanto maior a concentração de cenoura, melhor a cor do produto, não influenciando a concentração de iogurte presente no produto. A concentração de cenoura que maximiza a cor está situada acima do ponto central. Este é o resultado esperado, uma vez que a quantidade de cenoura é fator determinante na intensidade da cor. Analisando todos os gráficos e relacionando-os, é possível determinar uma faixa ótima para a formulação, que seria de -1,41 a -1 (valores codificados) para o iogurte e de 0,50 a 0,8 (valores codificados) para a cenoura. Figura 1 - Superfícies de resposta apresentadas na forma de linhas de contorno para as diferentes características de qualidade A partir das equações de regressão obtidas, foi realizado o estudo de otimização, utilizando a função perda multivariada acrescida dos custos de matéria-prima. A otimização foi conduzida buscando obter a melhor combinação de concentração de cenoura e iogurte, que, ao mesmo tempo, melhorasse as características sensoriais avaliadas, maximizasse qualidade e minimizasse o custo de produção. Para maximizar qualidade, o que se busca é minimizar os desvios em relação ao valor alvo pretendido, conforme preconizado pelafunção perda multivariada (Equação 3). A importância relativa foi determinada pelos provadores da análise sensorial, que ordenaram de 8

9 Salvador, BA, Brasil, 06 a 09 de outubro de 009 forma decrescente as características de qualidade de maior importância. Seu valor final foi determinado levando-se em consideração essa ponderação, além de normalizar os valores que representam os desvios do alvo, a fim de que todas as características fossem diretamente comparáveis. A Tabela 5 apresenta essa informação, além das especificações e valor alvo de cada característica de qualidade. 9

10 Salvador, BA, Brasil, 06 a 09 de outubro de 009 Variável de Importância Tipo de variável Limites de Especificação Valor Alvo Resposta Relativa de resposta Min Max Aparência 0,75 Maior é melhor 8 (muito boa) 7 (boa) - Cor 3 Nominal é melhor 7 (moderadamente 5 (nem fraca nem forte) forte) 9 (intenso) Aceitação 5 Maior é melhor 9 (gostei 7 (gostei muitíssimo) moderadamente) - Sabor 1 Nominal é melhor 5 (nem fraco nem 4 (levemente 6 (levemente forte) fraco) forte) 3 Y 8 Y 7 Tabela 5 - Descrição das características de qualidade 1 Y 9 Y 0,75 5 L( i) Utilizou-se uma rotina de programação não linear para encontrar os valores ótimos de C e I, que minimizavam a função perda multivariada (Equação 3), sendo os valores obtidos proporcionais à perda devido à má qualidade. A fim de obter a perda em valores monetário, utilizou-se o método proposto por Ribeiro e Caten (1996). Para definir o valor de k para o bolo de cenoura realizou-se uma pesquisa com 15 consumidores. Foram oferecidos a cada consumidor dois pedaços de bolo, preparadas com as formulações que apresentaram a maior e a menor perda, correspondente à pior e à melhor formulação, respectivamente, e perguntou-se quanto o consumidor estaria disposto a pagar por um pedaço de 80g de cada um dos bolos. À melhor formulação, que possuía uma perda adimensional igual a 3,14, foi atribuído um valor médio de R$ 1,41. À pior formulação, que possuía uma perda adimensional igual a 90,77, foi atribuído um valor médio de R$ 0,73. Utilizando-se esses dados, foi então calculado o valor de k, como está demonstrado na Equação 4. Assim, foi possível converter o valor de perda adimensional obtido previamente em unidades monetárias. O custo devido à má qualidade foi então definida conforme Equação 5. R$ 0,73 1,41 k 0,0077 (4) L( i) 90,77 3,14 C Q ( i) k L( i) 0,0077 L( i) (5) Para minimizar o custo de produção, modelou-se o custo de matéria-prima em função da concentração de cenoura e iogurte (Equação 6). Com essas informações, calculou-se o custo global (Equação 7), de forma que o auste ótimo encontrado representasse o compromisso entre os custos devido à má qualidade do produto e custos da matéria-prima. (3) 10

11 Salvador, BA, Brasil, 06 a 09 de outubro de 009 C M ( i) 1,3 0,0016C 0, 004 I (6) C G ( i) C ( i) C ( i) Q M (7) Assim, determinou-se a formulação ótima como sendo a que apresenta os valores codificados de cenoura e iogurte respectivamente iguais a 0,47 e -1,41, que correspondem a valores reais de 83,1g de cenoura e 0g de iogurte. 4. Conclusão Este artigo apresentou a otimização de um produto alimentício avaliado através de múltiplas características de qualidade, a saber: cor, sabor, aparência, aceitação e adesividade. Inicialmente, foi realizado um experimento fatorial composto, onde as características de interesse foram avaliadas através de análises sensoriais em formulações que continham diferentes concentrações de cenoura e iogurte. Após, foram construídos modelos de regressão descrevendo a influência da concentração de cenoura e iogurte sobre as características mencionadas. Finalmente, foi utilizada a função perda multivariada para identificar o auste ótimo dos fatores controláveis. Os resultados do experimento revelaram que o melhor auste para a formulação do produto é 83,1g de cenoura e 0g de iogurte. As técnicas utilizadas, envolvendo o uso seqüencial de proeto de experimentos, análise sensorial, modelos de regressão e função perda multivariada acrescida dos custos de matéria-prima, revelaram-se adequadas para os obetivos do trabalho, que contemplavam a identificação da formulação ótima que minimizava o custo total da receita. Apesar de a análise sensorial ser um método de avaliação subetiva, ela é a alternativa natural na condução de estudos que buscam verificar a aceitabilidade de um novo produto alimentício no mercado. No entanto, deve-se atentar para que esta sea realizada com um número suficiente de provadores, a fim de tratar adequadamente o erro experimental relativamente elevado. Referências BARROS, B. N.; SCARMINIO, I. S. & BRUNS, R. E. Planeamento e otimização de experimentos..ed. Campinas: Editora da UNICAMP, p. DUTCOSKY, S. D. Análise sensorial de alimentos. Curitiba: Champagnat, p. FOGLIATTO, F. S. Techniques for modeling and optimizing multiresponse experiments a survey. Produto & Produção. Porto Alegre, v. 3, n., p. 9-38, un FOGLIATTO, F. S. & RIBEIRO, J. L. D. Função de perda de Taguchi - definição e algumas aplicações. In: Encontro Nacional de Engenharia de Produção. Anais. 3.ed. Florianópolis: Abepro, p KILCAST, D. Sensory techniques to study food texture. In: ROSENTHAL, A. J. Food texture: Measurement and perception. Maryland: Aspen, p KOSCIUK, E. Serviços associados à fabricação: um estudo de caso com auxílio do QFD. Porto Alegre, RS: UFRGS, 000. Dissertação de Mestrado em Engenharia de Produção, Programa de Pós-Graduação em Engenharia de Produção, Universidade Federal do Rio Grande do Sul, 000. MAUGERI FILHO, F. & RODRIGUES, M.I. Planeamento experimental e otimização de processos. Disponível em: < Acesso em: 17 abr

12 Salvador, BA, Brasil, 06 a 09 de outubro de 009 NACKAR, R. N. Taguchi s quality philosophy: analysis and commentary. Quality Progress. Milwaukee, v. XIX, n. 1, dez PETENATE, A. J. Utilização do método de Taguchi na redução dos custos de proetos. Disponível em: < >. Acesso em: 0 un PIZZOLATO, M.; CATEN, C. S. & FOGLIATTO, F. S. Definição do prazo de garantia de um produto otimizado experimentalmente. Gestão & Produção. São Carlos, v. 1, n., p , mai./ago RIBEIRO, J. L. D. & CATEN, C. S. T. Controle estatístico do processo: cartas de controle para variáveis, cartas de controle para atributos, função de perda quadrática, análise de sistemas de medição. Porto Alegre: FEEng/UFRGS, p. RIBEIRO, J. L. D. & CATEN, C. S. T. Custos da qualidade e da manufatura : um estudo de caso na indústria química. Gestão & Produção. São Carlos, v. 3, n. 3, p , dez RIBEIRO, J. L. D. & CATEN, C. S. T. Proeto de experimentos. Porto Alegre: FEEng/UFRGS, p. RIBEIRO, L. J. D. & ELSAYED, E. A. A case study on process optimization using the gradient loss function. International Journal of Production Research, London, v. 33, n. 1, p , dez ROSS, P. J. Aplicações das técnicas Taguchi na engenharia da qualidade. São Paulo: Makron, p. SILVA, N. P. & SARAMAGO, S. F. P. Uma introdução ao estudo de superfícies de resposta. Disponível em: Acesso em: 17 abr SOUZA FILHO, M. S. S. & NANTES, J. F. D. O QFD e a análise sensorial no desenvolvimento do produto na indústria de alimentos: Perspectivas para futuras pesquisas. Bauru, SP: XI SIMPEP, 004. Disponível em: < lisesenso.pdf. >. Acesso em: abr TAGUCHI, G. et al. Engenharia da qualidade em sistemas de produção. São Paulo: Mcgraw-Hill, p. 1