The production of bakery products on an industrial scale leads to the need for implementing an exhaustive control of the production processes to maintain the quality and security standards set by the law and company. In recent years, thanks to IT developments, it has been possible to implement new analysis methods in the food industry. One of them has been the introduction of Near Infra-Red Spectroscopy (NIR Spectroscopy). While traditional methods require more people, time and economical resources, NIR Spectroscopy offers a fast, easy, economical and non-invasive way to analyse the composition of samples. The biggest problem NIR Spectroscopy faces, is that it requires calibration of the tool through traditional analysis before its use. The aim of this project was to calibrate a NIR Spectroscope to analyse the moisture and fat composition of fried bakery products from Europastry. The composition of fat and moisture of one hundred and four samples was analysed using traditional methods, as well as the measurement with the NIR. Afterwards, through chemometrics, a Partial Least Squares (PLS) regression model was applied. The results indicate that, due to the number of samples analysed, the model obtained could not explain the large variability, and it would be necessary to obtain a greater number of samples for statistically correct results.

La producció de productes de brioxeria a gran escala implica la necessitat d'establir un control exhaustiu dels processos d'elaboració del producte per mantenir els estàndards de qualitat i seguretat establerts legalment i per l'empresa. En els darrers anys, gràcies als avenços computacionals, s'ha pogut implantar nous mètodes d'anàlisi en el camp del sector alimentari. Un d'aquests ha sigut la introducció de l'espectroscòpia infraroja propera (NIR). Mentre que per mètodes tradicionals es necessita més personal, temps i recursos econòmics, l'espectroscòpia NIR ofereix la possibilitat d'analitzar in situ la composició de la mostra analitzada d'una manera ràpida, senzilla, econòmica i no invasiva. El major problema que presenta l'espectroscòpia NIR és que requereix d'una calibració prèvia al seu ús mitjançant mètodes tradicionals. L'objectiu del treball va ser calibrar un espectrofotòmetre NIR per poder analitzar la composició d'humitat i greix en productes de brioixeria de l'empresa Europastry. Es va analitzar la composició de greix i humitat per mètodes tradicionals de 104 mostres, es va fer la lectura amb el NIR i posteriorment, mitjançant quimiometria, es va aplicar el model estadístic de Regressió Parcial per Mínims Quadrats (PLS). Els resultats mostren que, per aquest conjunt de productes, les variables escollides no han explicat suficient variabilitat i serà necessari un número més gran de mostres per obtenir resultats estadísticament correctes.

La producción de productos de bollería a gran escala implica la necesidad de establecer un control exhaustivo de los procesos de elaboración del producto para mantener los estándares de calidad y seguridad establecidos legalmente y por la propia empresa. En los últimos años, gracias a los avances computacionales, se han podido implantar nuevos métodos de análisis en el campo del sector alimentario. Uno de ellos ha sido la introducción de la espectroscopia infrarroja cercana (NIR). Mientras que por métodos tradicionales se necesita mayor personal, tiempo y recursos económicos, la espectroscopia NIR ofrece la posibilidad de analizar in situ la composición de la muestra de una manera rápida, sencilla, económica y no invasiva. El mayor problema que presenta la espectroscopia NIR es que necesita de una calibración previa por métodos tradicionales. El objetivo de este trabajo fue calibrar un espectrofotómetro NIR para poder analizar la composición de humedad y grasa en productos de bollería de la empresa Europastry. Para ello se analizó la composición de humedad y grasa por métodos tradicionales de 104 muestras, se hizo lectura con el NIR y posteriormente, mediante quimiometría, se aplicó el modelo estadístico de Regresión Parcial por Mínimos Cuadrados (PLS). Los resultados muestran que, para este conjunto de productos, las variables elegidas no han explicado suficiente variabilidad y será necesario utilizar un mayor número de muestras para obtener resultados estadísticamente correctos.