Modeling of food thermal processes towards quality and energy optimization

Recently, many researchers are focusing their attention to food process modeling as a tool for optimizing not only the energetic and economic aspects, but also the final product texture, flavor and nutritional value. Modeling is also a valid instrument for better understanding the different scales of the cooking process. Quantitative models can be used for many activities and applications. A computational model of food processes is a computer tool that can make predictions of growth and inactivation kinetics, or predict dynamics over a food chain. It is extremely important to underline that food is usually very far from an ideal system: both experimental techniques and models used for homogeneous systems, as well as those for heterogeneous ones with two or three phases for many chemical systems could be useless for most of the practical applications. This leads to models simplification and multi-scale simulations with a hierarchy of interconnected sub-models, where homogenization is almost mandatory for reasonable process viewpoints. Bread Baking is one of the clearest example of food process that involves several chemical and physical phenomena. For this reason, the study of this process has been for decades to the attention of several researchers, that focuses on the general problem or to specific issues, such as for example the flavor generation, the browning development, the water and heat transport, the influence on oven design (e.g. for CFD based design), the volume expansion, etc. Within this context, a general model based on heat and mass transport equations has been developed and applied to bread baking, then further extended to two other food kinds, meat roast and multicomponent frozen food. The model needed a proper dissertation on phase transitions, with particular reference to water boiling and ice melting. One appropriate phase change formulation have been introduced and implemented in a commercial finite element method software through suitable mathematical functions, to overcome the numerical difficulties related to stiff differential equations. A multiphase, multicomponent matrix has been chosen to flexibly represent different food matrices, with transport properties coming from this approach. All the models have been validated with experimental data. One another relevant topic is the production of aroma and color compounds. Heat and mass transfer and moisture loss influence chemical reactions such as starch gelatinization, sugar caramelization and Maillard reaction. This condition flavor and texture development, color change. Flavor and odor are fundamental characteristics of food, since they strongly affect the global quality and the consumer sensorial perception. For this reason, it is interesting to analyze the color formation and the volatile profile towards the possibility to predict its development based on initial formulation and cooking process. Bread baking is a possible application case for this analysis. Maillard reaction is probably the most important related phenomena, resulting from the interaction of proteins and reducing sugars and from the subsequent chain of reactions. Lumped models for the description of compound classes can be introduced with more or less success for the description of flavor and color. Furthermore, a variety of complex analytic techniques are needed to get partial results for a specific food matrix (e.g. French fries, biscuits) in simple operating conditions (e.g. isothermal). Even in this case, the kinetic parameters have a very high uncertainty. The latter situation still represents a rarity in the food chemistry field, and only few papers have been published on the subject, avoiding the dependency on the local temperature, water content and activity, pH and structure, which could be derived from complex crossed analyses and coupled heat and mass transfer model. Within this context, a series of experiments with a domestic oven equipped with a PTR-TOF-MS have been performed on bread baking tests to identify the dynamic production of aroma compounds and related intermediate compounds selected on literature studies. For each experiment the mass spectrometer detected 355 different compounds, with concentrations ranging from 0 to approximately 700 ppbv, with variations measured in the order of 0.001 ppbv, with a resolution on masses of 0.0001 amu. A simplified physical model have been coupled with a kinetic model based on specific aroma markers production path to develop a tool for the prediction of aroma production from tests performed in analogous conditions. This approach can be further extended based on more information on the chemical state of the food matrix, and more and more mechanisms could be identified with powerful analytical and computational devices. In a parallel work, a browning kinetic model has been developed based on experimental data on bread baking as a function of temperature, water activity and bread size. The data set has been provided with detailed discussion to interpret the analyzed quality parameters (e.g. volume change, color variation, crust temperature, etc.). The model parameters have been obtained based on a parametric regression with a robust numerical library, to guarantee the fitting and the parameters reliability. This strategy aims at the quality parameters optimization through the combined use of sensory and analytical measurements with models and algorithm, to be used both for the small scale cooking devices and for the industrial-scale food processing. One other interesting application of the food models can be the optimization for specific targets, dealing with either quality or sustainability aspects. The energy target is relevant since commercial electric ovens are part of the domestic equipment that require a huge amount of energy to pursue the food transformation, using few technologies such as forced hot air convection, irradiation and, sometimes, microwaves. Dynamic optimization techniques have been applied to bread baking using the developed model, through the assessment of the energy demand of bread to be cooked. Energy is provided to the food load due to a combination of energy sources, in the case study forced air convection and irradiation. The related dynamic optimization procedure included the possibility to select optimal temperatures in discrete time steps. The optimization has been subject to selected quality constraints, related to the crumb starch gelatinization degree (as a minimum requirement for “cooked” bread) and crust browning (with a range of consumer acceptability). The optimization led to a 20% energy saving compared to a base baking case with constant oven temperature.

Recentemente, molti ricercatori stanno volgendo la loro attenzione alla modellazione dei processi alimentari come strumento per ottimizzare non solo gli aspetti energetici ed economici, ma anche la consistenza del prodotto finale, il sapore, l’aroma e il valore nutritivo. La modellazione è anche un valido strumento per comprendere meglio le diverse scale del processo di cottura. Modelli quantitativi possono essere utilizzati per molte attività e applicazioni. Un modello computazionale dei processi alimentari è uno strumento informatico in grado di fare previsioni di crescita e di inattivazione cinetica, o prevedere le dinamiche coinvolte in una catena alimentare. È estremamente importante sottolineare che il cibo è di solito molto lontano da un sistema ideale: sia le tecniche sperimentali e i modelli utilizzati per sistemi omogenei, così come quelli per i più eterogenei con due o tre fasi per molti sistemi chimici, potrebbero essere inutile per la maggior parte applicazioni pratiche. Questo porta ad accorte semplificazioni dei modelli e simulazioni multi-scala con una gerarchia di sotto-modelli interconnessi, dove l’omogeneizzazione è quasi obbligatoria per il punto di vista del processo. La cottura del pane è uno dei più chiari esempi di processo alimentare che coinvolge diversi fenomeni chimici e fisici. Per questo motivo, lo studio di questo processo è stato per decenni per l'attenzione di molti ricercatori, che si concentrano sul problema generale o su problemi specifici, come ad esempio la generazione sapori e aromi, lo sviluppo della doratura, il trasporto acqua e calore, l’influenza sulla struttura del forno, l'espansione del volume, ecc. In questo contesto, è stato sviluppato e applicato al pane un modello generale di equazioni di trasporto di calore e massa, poi ulteriormente esteso ad altri due generi alimentari, arrosti di carne e cibi multicomponente surgelati. Il modello aveva bisogno di una discussione appropriata sulle transizioni di fase, con particolare riferimento a ebollizione l'acqua e fusione del ghiaccio. Una appropriata formulazione di cambiamento di fase è stata introdotta e implementata in un software che sfrutta il metodo degli elementi finiti attraverso opportune funzioni matematiche, per superare le difficoltà numeriche relative alle rigidità delle equazioni differenziali. Un mezzo multifase e multicomponente è stato scelto per rappresentare flessibilmente diverse matrici alimentari, con proprietà di trasporto derivate da questo approccio. Tutti i modelli sono stati validati con i dati sperimentali. Un altro argomento rilevante è la produzione di composti aromatici e di colore. Il calore e la perdita di umidità influenzano le reazioni chimiche come gelatinizzazione, caramellizzazione degli zuccheri e reazione di Maillard. Questo condiziona il sapore, l’aroma, lo sviluppo di consistenza e il cambiamento di colore. Aroma e gusto sono caratteristiche fondamentali del cibo, dal momento che influenzano pesantemente la qualità globale e la percezione sensoriale del consumatore. Per questo motivo, è interessante analizzare la formazione di colore e il profilo dei composti volatili nell’ottica di prevedere il suo sviluppo basato su formulazione iniziale e cottura. La cottura del pane è un possibile caso applicativo per questa analisi. La reazione di Maillard è probabilmente il più importante dei fenomeni correlati a questi parametri. Essa è risultante dall'interazione di proteine e zuccheri riducenti e dalla successiva catena di reazioni. Modelli lumped per la descrizione delle classi di composti possono essere introdotti con più o meno successo per la descrizione di sapore e colore. In alternativa, una varietà di tecniche analitiche complesse sono necessari per ottenere risultati parziali per una specifica matrice alimentare (ad esempio patatine fritte, biscotti) in condizioni di processo semplificate (ad esempio isotermiche). Anche in questo caso, i parametri cinetici hanno una elevata incertezza. Quest'ultima situazione rappresenta ancora una rarità nel campo chimica alimentare, e solo pochi articoli sono stati pubblicati sull'argomento, evitando la dipendenza della temperatura locale, contenuto di acqua e di attività, pH e la struttura, che potrebbero essere derivati da analisi incrociate complesse e accoppiati a modelli di trasferimento di massa e calore. In questo contesto, una serie di esperimenti con un forno domestico dotato di un PTR-TOF-MS sono stati effettuati su test di cottura del pane per identificare la produzione dinamica di composti aromatici e composti intermedi relativi selezionati studi di letteratura. Per ogni esperimento spettrometro di massa ha rilevato fino a 355 composti diversi, con concentrazioni che vanno da 0 a circa 700 parti per miliardo, con variazioni misurate nell'ordine di 0.001 ppbv, con una risoluzione sulle masse di 0,0001 u.m.a. Un modello fisico semplificato è stato accoppiato con un modello cinetico in base a uno specifico percorso marcatori aroma di produzione di sviluppare uno strumento per la previsione della produzione di aromi dalle prove condotte in condizioni analoghe. Questo approccio può essere ulteriormente esteso in base a informazioni sullo stato chimico della matrice alimentare, e sempre più meccanismi potrebbe essere identificato con dispositivi analitici e computazionali potenti. In un lavoro parallelo, un modello cinetico di imbrunimento è stato sviluppato sulla base di dati sperimentali di cottura del pane in funzione della temperatura, dell’attività dell'acqua e delle dimensioni pane. Il set di dati è stato provvisto di una discussione dettagliata per interpretare l’andamento dei parametri di qualità analizzati (ad esempio variazione di volume, variazione di colore, temperatura della crosta). I parametri del modello sono stati ottenuti sulla base di una regressione parametrica con una libreria numerica robusta ed efficiente, per garantire l’approssimazione dei dati sperimentali e l'affidabilità dei parametri. Questa strategia mira all'ottimizzazione parametri di qualità attraverso l'uso combinato di misurazioni sensoriali e analitici con modelli e algoritmi, da utilizzare sia per i dispositivi di cottura di piccola scala sia per l'industria alimentare su scala industriale. Un’altra interessante applicazione dei modelli alimentari può essere l'ottimizzazione di processo per obiettivi specifici, ad esempio aspetti qualitativi o di sostenibilità. L'obiettivo di minimizzare l’utilizzo energetico è rilevante, in quanto forni elettrici commerciali fanno parte delle apparecchiature domestiche che richiedono una grande quantità di energia per portare avanti la trasformazione alimentare, utilizzando alcune tecnologie come la convezione forzata di aria calda, irraggiamento e, a volte, le microonde. Tecniche di ottimizzazione dinamica sono state applicate per la cottura del pane utilizzando il modello sviluppato, attraverso la valutazione del fabbisogno energetico del pane da cuocere. L'energia viene fornita al cibo tramite una combinazione di fonti energetiche, nel caso di studio, convezione forzata e irraggiamento. La procedura di ottimizzazione dinamica ha permesso di selezionare le temperature ottimali in fasi temporali discrete. L'ottimizzazione è stata oggetto di vincoli di qualità, relativi al grado gelatinizzazione dell’amido nella mollica (come requisito minimo per il pane "cotto") e l’imbrunimento della crosta (con un intervallo di accettabilità per i consumatori). L'ottimizzazione ha portato ad un risparmio energetico del 20% rispetto ad un caso base da forno con temperatura del forno costante.