Monitoring of wine fermentatións using mir spectrocopy and data mining techniques.

Abstract

Las fermentaciones alcohólicas lentas e incompletas son un problema serio y omnipresente para la industria del vino. La recuperación de ellas depende en gran medida de poder detectar a tiempo su ocurrencia y de poder identificar sus causas. En otro tipo de fermentaciones ha sido posible clasificar en forma temprana su evolución por medio del monitoreo de ciertos compuestos claves, analizando por ejemplo como éstos aparecen o desaparecen en el curso de la fermentación. A su vez, la espectroscopia infrarroja cercana y mediana (NIR, MIR) han demostrado ser una excelente opción para monitorear fermentaciones, debido a que permite medir un gran número de metabolitos en pocos minutos. Inicialmente, en este trabajo estudiamos el comportamiento de diferentes fermentaciones vínicas de laboratorio, utilizando espectroscopia infrarroja mediana (MIR) como herramienta de monitoreo, para explorar su aplicabilidad en detectar tempranamente indicios de problemas en la fermentación. Se desarrollaron diferentes tipos de calibraciones para cuantificar la concentración de azúcares, alcoholes y ácidos orgánicos, en fermentaciones bajo condiciones de deficiencia de nitrógeno y temperaturas extremas, comprobándose que las calibraciones desarrolladas con muestras de mosto artificial en fermentación son apropiadas para monitoreas en forma adecuada los compuestos de interés en una fermentación vínica con mosto artificial. Se verificó que antes de las 20 horas, la evolución de los azúcares, alcoholes y ácidos succínico y acético se ve afectada si existe una deficiencia de nitrógeno. En forma similar, el glicerol y el ácido succínico reaccionan rápidamente cuando la temperatura del mosto experimenta un fuerte aumento de temperatura. Posteriormente, se desarrollaron calibraciones aplicables al análisis de mostos, mostos en fermentación y vinos chilenos de la variedad Cabernet-Sauvignon en fermentaciones vínicas industriales, de los compuestos mencionados anteriormente. Utilizando un procedimiento de validación externa se encontró un error de predicción porcentual promedio que varío entre un 6 y 8%, dependiendo del compuesto analizado. Finalmente, utilizando estas calibraciones, se monitorearon 24 fermentaciones industriales de la variedad Cabernet-Sauvignon generándose una base de alrededor 22.000 datos. Esta base de datos se utilizó para explorar la aplicabilidad de técnicas de minería de datos en la detección temprana de fermentaciones problemáticas. Dado que la dimensión del problema es muy grande, primero se aplicó PCA para obtener una dimensión reducida más fácil de analizar y luego se aplicó análisis clustering (K-means) al sistema reducido para agrupar las fermentaciones en clases que presenten un comportamiento similar. Así se pudo concluir que los datos obtenidos durante los primeros 3 días contienen información suficiente para establecer la probabilidad que una fermentación culmine normalmente. Además fue posible verificar que las mediciones de azúcar, alcoholes y ácidos orgánicos contienen suficiente información para lograr detectar en forma temprana (antes de los 3 días) un 70% de las fermentaciones anormales con un 100% de confiabilidad. No obstante, al incorporar las mediciones de compuestos nitrogenados a la base de datos, un 63% del total de las fermentaciones se puede detectar como normal o problemática. Sin embargo, al considerar en el análisis ambas clasificaciones, solo 5 fermentaciones de 24 no fueron clasificadas apropiadamente. Por lo tanto, ambas clasificaciones pueden considerarse complementarias.