Non è una novità, almeno per chi collabora a stretto contatto con me, l’impegno da noi profuso nella ricerca di modelli matematici efficaci, che ci possano fornire previsioni utili nel nostro lavoro quotidiano di gelatieri e ricercatori.
In particolare il mio sforzo negli ultimi tempi si direziona in modo sempre più convinto nell’ambito dell’intelligenza artificiale (o meglio nel machine learning), laddove mio fratello Aldo Pasquarella, in virtù del suo background ingegneristico e fisico-matematico, è occupato nella simulazione termica e fluidodinamica della mantecazione.

Essendo il gelato un sistema estremamente complesso vanno necessariamente uniti più approcci, specificatamente analitico e statistico/probabilistico. Quest’ultimo è il pilastro su cui si poggia il criterio dell’Intelligenza Artificiale, in cui vengono simulati e automatizzati aspetti dell’intelligenza umana. Innumerevoli sono i campi di applicazione e i vantaggi ottenuti, mi riserverò però in un prossimo articolo di parlarne diffusamente in merito a un progetto di ampio respiro che abbiamo in mente.
Tra i vari paper che mi capita di leggere sull’argomento, uno in particolare ha destato il mio interesse. Purtroppo per motivi di copyright non posso farvelo leggere, non è un articolo a libero accesso come quelli che pubblichiamo nella nostra biblioteca scientifica. L’articolo in questione è:
Bahram-Parvar, Maryam & Salehi, Fakhreddin & Razavi, Seyed. (2014). Predicting Total Acceptance of Ice Cream Using Artificial Neural Network. Journal of Food Processing and Preservation. 38. 10.1111/jfpp.12066.

In sostanza, data una serie di attributi sensoriali del gelato se ne predice, attraverso una rete neurale abbastanza semplice, la palatabilità. L’operazione in sé non è nulla di particolarmente rivoluzionario.
Invece
l’aspetto dello studio che mi interessa far notare è il ruolo della viscosità in rapporto al corpo e alla texture del gelato.
In una tabella vengono presi in esame 9 mix, e per ciascuno sono calcolati dei punteggi sensoriali
rispetto a vari attributi. Ora siccome mi piace divertirmi con i numeri, ho prelevato i punteggi riferiti sia alla viscosità che appunto al corpo e alla texture del gelato. Su questi due insiemi di numeri ho poi calcolato la correlazione secondo tre diverse metodologie.

- Per i matematici: correlazione di Pearson
(0.761), correlazione di Spearman (0.730) e distanza Browniana (0.814).
- Per i non matematici: ho indagato
sulla relazione tra la viscosità e la valutazione su corpo e texture del gelato. Il risultato è che entro il range di valori di viscosità impiegati nel gelato, la valutazione di corpo e texture è ottima.

Per avere un’
ulteriore riprova ho voluto indagare la relazione tra viscosità e la palatabilità totale assegnata ai 9 diversi gelati. Ebbene anche qui la correlazione è buona (specie la distanza browniana, segno che la relazione è tipo non-lineare, come prevedibile).

L’essenza del discorso è che nuovamente il concetto di viscosità si conferma il parametro reologico più importante, uno strumento attraverso cui possiamo (e dobbiamo) elaborare delle previsioni sul gelato che andremo a produrre.
Il CAL, Controllo dell’Acqua Liquida, legato alla viscosità da una complessa equazione, permette appunto di fare questo tipo di previsioni risparmiandosi l’acquisto di strumentazione costosa e poco agevole nell’uso.

error: Content is protected !!
Share This