Анализ ассортимента

Сущность метода. Метод основан на визуальном сравнении интенсивности окраски исследуемого пива с цветом йода различной концентрации.

Проведение испытаний. В один стакан отмеривают пиво объемом 100см3, а в другой - дистиллированную воду объемом 100см3.

В стакан с водой приливают из бюретки при перемешивании стеклянной мешалкой раствор йода до тех пор, пока цвет образующегося раствора не станет одинаковым с цветом пива в другом стакане.

Темное пиво разбавляют в мерном цилиндре дистиллированной водой в соотношении 1:3.

Обработка результатов. Цвет пива (Ц) в см3 раствора йода концентрацией 0,1 моль/дм3 на 100 см3 воды вычисляют по формуле:

 

Ц = V*K,

 

где V - объем раствора йода прибавленный к 100см3 воды до совпадения окраски раствора с окраской пива, см3;

K - коэффициент разбавления (для темного пива K=4, для светлого K=1) [5].

Затем результаты сравниваются с показаниями указанными в ГОСТе и делается вывод соответствует цвет пива требованиям ГОСТ или нет.

Физико-химические показатели качества пива в соответствии со стандартом указаны в Приложении А.

Определение кислотности прямым титрованием пробы с фенолфталеином

Испытание проводятся в соответствии с требованием ГОСТ 12788 - 87. «Пиво. Методы определения кислотности» [4].

Сущность метода: Метод основан на нейтрализации всех находящихся в пиве кислот и кислых солей раствором гидроокиси натрия, окончание которой устанавливается по изменению окраски фенолфталеина.

Проведение испытания. Темное пиво перед определением разбавляют в мерном цилиндре дистиллированной водой в соотношении 1:3.

Отмеривают пипеткой пиво объемом 10,0 см3, вносят в коническую колбу вместимостью 100 см3, добавляют дистиллированную воду объемом 40 см 3 и 3-4 капли фенолфталеина.

Содержимое колбы титруют из бюретки раствором гидроокиси калия до появления слабой розовой окраски, которая должна сохраняться не менее 30 с. Если окраска исчезает раньше, процесс титрования продолжают. Обработка результатов. Кислотность пива (Х) в см3 раствора гидроокиси калия концентрацией 1 моль/дм3 на 100см3 пива вычисляют по формуле:

 

Х = V*K1*К2,

 

где V - объем 0,1н раствора щелочи израсходованного на титрование, см3;

K1 - поправочный коэффициент рабочего раствора КOH отношению к 0,1н раствору, он равен 1,022;

К2 - коэффициент разбавления. Для темного пива К2=4, для светлого пива К2=1.

Результат выражают целым числом с одним десятичным знаком [4].

Затем результаты сравниваются с показаниями указанными в ГОСТе и делается вывод соответствует кислотность пива требованиям ГОСТ или нет, показания указаны в Приложении А.

Методы определения микробиологических показателей пива

В пивоварении используются специальные расы пивных дрожжей верхового и низового брожения видов Sacchoromyces cerevisiae и Saccharomyces carlabergensis. Дрожжи верхового брожения поднимаются к верху, образуя слой пены, а низового брожения находятся в нижней части бродящего сусла и оседают в виде хлопьев, способствуя осветлению пива. В основном в производстве нашли применение низовые дрожжи, которые быстро сбраживают сахар сусла и способствуют образованию ярко выроженного аромата и мягкого вкуса готового продукта [18].

Определение живых и мертвых дрожжевых клеток в пиве

Целью исследования является определение в пиве процентного содержания остаточного количества дрожжевых клеток. Метод предполагает определение живых и мертвых дрожжевых клеток.

Методика выполнения исследования:

. Исследования проводятся при  помощи камеры Горяева (рис. 1).

Помешивая стеклянной палочкой суспензию дрожжей, взять одну каплю и нанести ее на сетку счетной камеры, накрыть покровным стеклом, притерев его осторожно пальцем к боковым пластинкам. Жидкость под покровным стеклом должна растечься по всей сетке. Следить, чтобы не было пузырьков воздуха.

Камеру Горяева поместить на предметный столик микроскопа и с объективом 8 найти сетку, не передвигая ее, заменить объектив 8 объективом 40.

Дать препарату постоять несколько минут, чтобы клетки дрожжей осели на дно (сетку) камеры Горяева. Подсчитать число клеток дрожжей в 10 малых квадратах, передвигая камеру так, чтобы одно и то же место не попало в поле зрения микроскопа несколько раз. Если клетки дрожжей находятся на пограничных линиях, то их считают только на двух смежных границах квадрата: верхней и правой.

После окончания работы счетную камеру и покровное стекло хорошо промыть водой, протереть чистой тряпочкой и убрать в футляр.

Далее необходимо сделать следующий расчет:

1) найти среднее число клеток  дрожжей для одного малого  квадрата, т.е. в 1/4000 мм3 суспензии, так как площадь малого квадрата сетки равна 1/400 мм2, а высота столбика жидкости под сеткой равна 1/10 мм;

2) найти число клеток дрожжей  в 1 мм3, для этого среднее число клеток дрожжей на 1 малый квадрат умножить на 4000;

) найти число клеток дрожжей  в 1 см3 испытуемой суспензии, для этого полученное число умножить на 1000;

) рассчитать число клеток в 1 г прессованных дрожжей по  формуле

 

x=

 

где х - число клеток в 1 г прессованных дрожжей; а - число дрожжевых клеток в 1 см3 суспензии; б - объем мерной колбы, см3; в-навеска прессованных дрожжей.

Сравнить полученный результат с нормативными показателями и сделать вывод о качестве исследуемых прессованных дрожжей.

 

 

Рис. 1 Счетная камера Горяева

1 - вид сверху; 2 - вид сбоку; 3 - сетка камеры (увеличено); 3.1 - большие квадраты; 3.2 - малые квадраты; а - сетка камеры; h - глубина камеры

 

. Для определения процентного  содержания мертвых клеток дрожжей взять каплю суспензии (тщательно перемешав предварительно) дрожжей на предметное стекло, добавить каплю раствора метиленовой сини, накрыть покровным стеклом. Через 1-2 мин микроскопировать препарат с объективом 40.

Подсчитать число окрашенных и неокрашенных клеток в 10 полях зрения. Рассчитать процентное содержание мертвых клеток. Мертвыми являются окрашенные клетки.

Исследование дрожжей позволяет судить о качестве пива, чем больше в пиве живых клеток, тем пиво будет хуже по состоянию физико-химических показателей; чем больше мертвых, тем быстрее образуется осадок, что свидетельствует о плохой фильтрации и пастеризации. Массовая концентрация дрожжевых клеток в осветленном - не более 0,5 млн. кл./см3. Высокий процент мертвых клеток может привести к появлению мути, плохой пене, изменению органолептических показателей и низкой вкусовой стабильности. Увеличение доли мертвых клеток тесно связано с ростом pн.

По микробиологическим показателям пиво должно соответствовать нормам. Число мезофильных аэробных и факультативно анаэробных микроорганизмов в пастеризованном и обеспложенном пиве должно быть не более 500 КОЕ/100 см3 (количество колониеобразующих единиц в 100 см3 продукта), бактерий группы кишечной палочки (колиформы) - от 1 в разливном до 10 см3 в пиве не пастеризованном в бутылках, пастеризованном и обеспложенном. В пиве в бутылках и разливном не допускается наличие патогенных организмов, в том числе сальмонеллы, в 25 см3 (г) напитка. В пастеризованном пиве не должны присутствовать дрожжи и плесени в 40 см3 продукта [11].

 

Таблица 2 - Микробиологические показатели пива

Наименование показателя	Норма							Метод испытаний
	Непастеризованное						пастеризованное
	пиво в бутылках с массовой долей сухих веществ, %				Пиво разливное фильтрованное и нефильтрованное		пиво в бутылках, металлических банках и других видах потребительской тары
	8-11.5	12-20
Бактерии группы кишечных палочек (колиформы), БГКП	Не допускаются в 3 см3	Не допускаются в 10 см3			Не допускаются в 1 см3		Не допускаются в 10 см3	По ГОСТ 30518
Количество мезофильных и факультатив-но-аназробных микроорганизмов, не более чем, КОЕ/см3	-	-			-		5*102	По ГОСТ 18963
Патогенные микроорганизмы, в том числе бактерии рода Сальмонелла	Не допускаются в 25 см3		Не допускаются в 25 см3	Не допускаются в 25 см3		Не допускаются в 25 см3		-

 

Методы статистической обработки результатов исследований

Описательная статистика позволяет обобщать первичные результаты, полученные при наблюдении или в эксперименте. Процедуры здесь сводятся к группировке данных по их значениям, построению распределения их частот, выявлению центральных тенденций распределения и, наконец, к оценке разброса данных по отношению к найденной центральной тенденции.

Анализ физико-химических результатов проводился с использованием табличного процессора Excel. При этом определялись следующие величины:

. Средняя арифметическая величина - это среднее значение признака, при вычислении которого общий  объем признака в совокупности  сохраняется неизменным. Формула  средней арифметической величины  представлена в следующем виде:

 

,

 

где: - средняя величина;

- индивидуальное значение признака  каждой единицы совокупности;

n - число единиц совокупности.

Среднее - некоторое число, заключенное между наибольшим и наименьшим значением.

. Медиана распределения - величина  варьирующего признака, делящая  совокупность на две равные  части - со значениями признака  меньше медианы и со значениями  признака больше медианы [20].

В интегральном вариационном ряду для нахождения медианы применяется формула:

 

,

 

где: Ме - медиана;

- нижняя граница интервала, в  котором находится медиана;

- накопленная частота в интервале, предшествующем медианному;

- частота в медианном интервале;

- число групп.

. Мода - величина признака, которая  встречается в изучаемом ряду, в совокупности чаще всего. В  дискретном ряду мода определяется  без вычисления как значение  признака с наибольшей частотой. Отсюда имеем применяемую формулу:

 

,

 

где: - нижняя граница модального интервала;

- частота в модальном интервале;

- частота в предыдущем интервале;

- частота в следующем интервале  за модальным;

- величина интервала.

. Дисперсия выборки - квадрат среднего  квадратичного отклонения или  дисперсия - характеристика распределения  вероятностей случайной величины, наиболее употребимая мера рассеяния ее значений.

Формула дисперсии:

 

.

 

. Асимметричность - показатель, характеризующий  разность между средней величиной  и модой:

 

.

 

. Эксцесс распределения - момент  четвертого порядка, характеризующийся сложным свойством рядов распределения, чем асимметрия.

Показатель эксцесса рассчитывается по формуле:

 

.

 

. Интервал, максимум и минимум

Интервал указывает определенные пределы значений варьирующего признака и обозначается нижней и верхней границами интервала.

Зная число групп, рассчитывают величину интервала:

 

,

 

где: i - величина интервала;

- максимальное значение признака  первичного ряда;

- минимальное значение признака  первичного ряда;

- число групп.

Значение величины интервала позволяет определить границы всех интервалов ряда распределения. Нижнюю границу первого интервала целесообразно принимать равной минимальному значению признака [22].

. Стандартное отклонение - фактических  данных от их среднего арифметического  значения или квадратный корень  из дисперсии:

 

.

 

Отклонение показывает количественную изменчивость исследуемого свойства относительно его среднего арифметического значения.

. Стандартная ошибка - средняя ошибка  выборочной средней:

 

.

 

. Сумма - результат сложения.

. Уровень надежности - означает, что  при идеальном случайном отборе  истинное значение признака (т.е. такое, которое есть на самом деле) будет встречено в 954 случаях из 1000, следовательно, ошибиться можно лишь в 46 случаях из 1000, что очень не вероятно. Если ошибка выборки зафиксирована на каком-то уровне, например, равняется 5%, то с определенного момента увеличение объема выборки не влияет на точность полученных результатов.

По итогам анализа устанавливается уравнение регрессии.

 

.

 

Теоретической линией регрессии называется та линия, вокруг которой группируются точки корреляционного поля и которая указывает основное направление, основную тенденцию связи. Теоретическая линия регрессии должна отображать изменение средних величин результативного признака Y по мере изменения величин факторного признака Х при условии полного взаимопогашения всех прочих - случайных по отношению к фактору Х - причин.

Благодаря уравнению регрессии проводится дисперсионный анализ и регрессионная статистика [22].

В регрессионной статистике наиболее значимыми коэффициентами являются множественный R и R - квадрат.

Коэффициент детерминации, R - квадрат означает, что построенная регрессия объясняет разброс значений выборки данных о числе относительно среднего.

Степень зависимости двух или более предикторов (независимых переменных или переменных X) с зависимой переменной (Y) выражается с помощью коэффициента множественной корреляции R. По определению он равен корню квадратному из коэффициента детерминации.

В дисперсионном анализе обращают внимание на коэффициент значимость F и Р - значение.

С помощью F-критерия осуществляется проверка достоверности и соблюдения условий, которым должна удовлетворять исходная информация в уравнении множественной регрессии. Если это число меньше 0,05, то построенное нами уравнение (по критерию Фишера) адекватно описывает опытные данные [22].