23º SINAPE - Simpósio Nacional de Probabilidade e Estatística

Página Inicial » Inscrições Científicas » Trabalhos

Dados do Trabalho


Título

MODELAGEM E OTIMIZAÇAO ESTATISTICA APLICADAS A DADOS DA EXTRAÇAO SUPERCRITICA DE CAFEINA

Resumo

O guaraná (Paullinia cupana) é muito popular no Brasil, sendo utilizado para a produção de bebidas sabor guaraná. Apresenta grande potencial econômico, além de possuir propriedades adstringentes e antioxidantes. A lei brasileira (Lei nº 8918 de 14/07/1994) não permite adicionar cafeína sintética ou de outras fontes nas bebidas, assim para se obter uma bebida com maior quantidade desse ingrediente é necessário obter um extrato de guaraná mais concentrado. Com isso o presente trabalho visa à otimização do processo de extração de cafeína a partir de sementes de guaraná (P. cupana). Para tanto, utilizou-se planejamento de experimentos fatorial de matriz ortogonal (OA_9(3^4)) fracionado 3^{4-2} realizado sob as variáveis do processo de extração, sendo modificador do solvente, tempo, temperatura e pressão de extração. A quantificação de cafeína no extrato foi analisada por cromatografia líquida de alta eficiência (CLAE) e os dados do planejamento foram analisados pelo programa R 3.3.4, a fim de obter o ponto ótimo por metodologia de superfície resposta (MSR). Os resultados indicaram que os parâmetros de pressão e temperatura são significativos na extração de cafeína, no qual fator pressão de 100 bar em conjunto com a temperatura de 60º favorece o maior percentual de cafeína, dado o experimento realizado. O modelo utilizado se adaptou bem aos dados que foram obtidos por meio de um planejamento experimental fracionado, no qual proporcionou a obtenção de bons resultados no que tange o rendimento de extração da cafeína de forma eficiente, rápida e de baixo investimento laboratorial.

Palavras-chave

Planejamento de Experimentos; Estatística Aplicada; Modelo de Regressão; Cafeína; Modelo de Superfície Resposta.

Área

Modelos de Regressão

Autores

Everton Costa, Lais Weber Aguiar, Leila Larissa Medeiros Marques, João Carlos Pallazo Mello, Terezinha Aparecida Guedes, Vanderly Janeiro