Una tesis con mención industrial desarrolla modelos para mejorar el control de calidad agroalimentario

Detectar en tiempo real si una masa de pan está sin fermentar, en su punto óptimo o sobrefermentada, como haría un maestro panadero; identificar residuos de productos fitosanitarios en aceitunas; optimizar la fabricación de yogures o detectar deficiencias durante la elaboración industrial de alimentos, como la falta de agua o un tiempo de amasado insuficiente. Son algunas de las aplicaciones de los modelos predictivos desarrollados en la tesis doctoral defendida el pasado 17 de julio por David Castro Reigía, del área de Química Analítica de la Universidad de Burgos.

La investigación, desarrollada en el marco del Programa de Doctorado en Química Avanzada y titulada «Espectroscopía NIR y modelos multivariantes predictivos como estrategia eficaz para la toma de decisiones y cumplimiento de especificaciones en la industria agroalimentaria», ha sido dirigida por las doctoras María de la Cruz Ortiz y Silvia Sanllorente y ha obtenido las menciones cum laude y de Doctorado Industrial.

Esta última reconoce las investigaciones doctorales desarrolladas en estrecha colaboración entre la universidad y una empresa para abordar retos concretos del tejido productivo. Las tesis con mención industrial potencian la conexión entre la investigación académica y las necesidades reales de las empresas, al tiempo que facilitan la transferencia de conocimiento y el desarrollo de soluciones con aplicación directa.

En este caso, el trabajo es fruto de la colaboración entre el Grupo de Investigación de Quimiometría y Cualimetría de la Universidad de Burgos y la empresa Advanced Optical Technologies (AOTECH S.L.), y ha permitido desarrollar herramientas destinadas a mejorar el control de calidad, la eficiencia y la monitorización en tiempo real de procesos de la industria agroalimentaria mediante el uso de espectroscopía de infrarrojo cercano (NIR) y quimiometría.

Estas tecnologías permiten obtener rápidamente información sobre un producto y transformarla en datos útiles para monitorizar los procesos de producción y apoyar la toma de decisiones. A partir de esta información, la investigación ha desarrollado modelos predictivos adaptados a distintos procesos y productos agroalimentarios, capaces de identificar variables relevantes y anticipar posibles problemas durante la producción. La tesis incorpora además metodologías que permiten estimar la probabilidad de que una decisión analítica sea incorrecta, calculando el riesgo de aceptar como conforme un producto que no lo es o, por el contrario, rechazar uno que cumple las especificaciones. Esta capacidad permite mejorar la fiabilidad de los controles y reducir la incertidumbre asociada a la toma de decisiones.

Orientadas a su aplicación directa en la industria, las soluciones desarrolladas permiten monitorizar de forma continua los procesos de producción, lo que puede facilitar decisiones más rápidas, reducir costes y minimizar desperdicios, contribuyendo a mejorar la calidad final de los productos. El trabajo constituye así un ejemplo de transferencia de conocimiento entre la Universidad de Burgos y el tejido empresarial, al convertir los resultados de la investigación en herramientas aplicables a necesidades concretas de la industria agroalimentaria.