Estudo do potencial da utilização da espectroscopia para classificação de cervejas

Abstract

Atualmente, o setor cervejeiro representa 1,6% do PIB e gera 2,2 milhões de empregos diretos, indiretos e induzidos nas 53 unidades fabris, totalizando 14% da indústria de transformação nacional. Anualmente são fabricados 14 bilhões de litros, atingindo 99% dos lares brasileiros, tornando o Brasil no terceiro maior produtor mundial de cervejas e 27º lugar global em consumo per capita (CERVBRASIL, 2016). Para manter este mercado, que cresce anualmente sem recessões, é necessário e indispensável o controle de qualidade para manter a repetibilidade do produto, estilo e sensorial da cerveja ao longo das fabricações. O controle de qualidade desde a brassagem até o envasamento permite garantir um produto de sabor agradável e em condições de satisfazer às exigências do consumidor (SILVA; FERREIRA; TEIXEIRA, 2006). Há três pilares importantes que sustentam o controle de qualidade em uma cervejaria, são as análises: físico-químicas, microbiológicas e sensoriais. A falta de controle de qualidade afeta a padronização da cerveja e promove perdas e desperdícios na produção As grandes cervejarias dispõem de equipamentos de alta tecnologia, porém pouco produtivos, práticos e de alto custo de manutenção. Por produzirem menores volumes, estes métodos também restringem o acesso de micro e nano cervejarias, afetando diretamente o controle de qualidade do produto. Sendo assim, surge no mercado uma procura cada vez maior por tecnologias robustas, de alto custo benefício e de livre acesso às grandes e pequenas cervejarias para controle avançado de qualidade. Este trabalho avalia o uso de técnicas espectrométricas para quantificar e classificar, através dos espectros de FTIR e Fluorescência com o auxílio de técnicas quimiométricas, como o método de Análise de Componentes Principais (PCA) e Modelagem Quimiométrica com Componentes Espectrais Puros (PSCM) para classificação e quantificação das substâncias presentes na cerveja. Pela análise dos espectros foi possível identificar as principais bandas dos grupos funcionais, além de classificar corretamente um pequeno número amostral. Quando se aumentou o número de amostras, o estudo obteve um resultado com erro médio de 48,4%, o que inviabiliza o método empregado. Porém, os resultados quanto a predição com o método PSCM foram promissores para futuros estudos.