Anales Cientícos, 79 (1): 194 - 200 (2018)
ISSN 2519-7398 (Versión electrónica)
DOI: http://dx.doi.org/10.21704/ac.v79i1.1163
Website: http://revistas.lamolina.edu.pe/index.php/acu/index
© Universidad Nacional Agraria La Molina, Lima - Perú
Presentado: 29/08/2017
Aceptado: 01/05/2018
Caracterización sensorial mediante perl Flash de dos marcas de hot-dog de pollo
comerciales y dos muestras formulados por ingeniería Kansei Tipo II
Sensory characterization by Flash prole of two trademarks of chiken´s hot-dog commercials and
two samples formulated by Kansei engineering Type II
Gustavo Gavino Puma Isuiza
1*
y Carlos Núñez Saavedra
2
* Autor de correspondencia
Resumen
En la presente investigación se caracterizaron sensorialmente dos muestras de hot-dog de pollo comerciales y dos
muestras obtenidas por Ingeniería Kansei tipo II, mediante el Perl Flash. Los prototipos se elaboraron usando las
siguientes operaciones: molienda, mezclado, cutterizado, embutido, escaldado, enfriado y escurrido. Los panelistas
usaron entre 3 y 5 atributos, generando un total de 37 descriptores sensoriales, que contribuyeron a la diferenciación de
las muestras dentro del espacio sensorial. El desempeño del panel se evaluó mediante el índice de consenso (Rc = 0,592).
Las dos primeras dimensiones del Análisis Procrustes Generalizado representaron el 92,85 % de la variabilidad de los
datos. El Análisis de Varianza del Procrustes Generalizado (PANOVA) del Perl Flash resultó signicativo para la etapa
de traslación (p-valor = 0,0001) y rotación (p-valor = 0,0004).
Palabras clave: Análisis Procrustes Generalizado (APG); caracterización sensorial; factor de escalamiento; hot-dog;
Ingeniería kansei; Perl Flash; PANOVA, Rc.
Abstract
In the present research two commercial hot-dog samples and two samples obtained by Ingeniería Kansei type II were
characterized by the ash prole. The prototypes were made using the following operations: grinding, mixing, cutter,
sausage, blanching, chilling and draining. The panelists used between 3 and 5 attributes, generating a total of 37 sensorial
descriptors, which contributed to the differentiation of the samples within the sensory space. Panel performance was
assessed using the consensus index (Rc = 0.592). The rst two dimensions of the Generalized Procrustes Analysis
represented 92.85% of the variability of the data. The Generalized Procrustes Variance Analysis (PANOVA) of the Flash
Prole was signicant for the translation stage (p-value = 0.0001) and rotation (p-value = 0.0004).
Keywords: Flash Prole, Generalized Procrustes Analysis (GPA), hot-dog, kansei engineering, PANOVA, Rc, sensory
characterization, scaling factor.
1
Maestría en Tecnología de Alimentos, Universidad Nacional Agraria La Molina, Lima, Perú. Email: [email protected]
2
Departamento Académica de Ingeniería de Alimentos y Productos Agropecuarios, Facultad de Industrias Alimentarias, Universidad Nacional
Agraria La Molina, Apartado postal 12-056- La Molina, Lima, Perú. Email: [email protected]
1. Introducción
Describir las características sensoriales de los productos ha
sido una práctica común en la industria de alimentos desde
hace mucho tiempo, ya sea para identicar el resultado
del cambio de insumos o procesos, estimar la vida útil,
asemejarse a un producto estándar, guiar la etapa de
desarrollo de un nuevo producto o como medio de control
de calidad. La caracterización sensorial es una de las
herramientas más potentes, sosticadas, y extensamente
aplicada en la ciencia sensorial, ya que proporciona una
representación de los aspectos cualitativos y cuantitativos
de la percepción humana, que permite la medición de
la reacción sensorial a los estímulos generados por un
producto (Stone y Sidel 2004; Lawless y Heymann 2010;
Moussaoui y Varela 2010; Varela y Ares 2014).
Los enfoques descriptivos convencionales son
referencias indiscutibles de elaboración de perles
sensoriales; sin embargo, se encuentran con limitaciones
que retrasan o impiden las investigaciones. Algunas de
estas limitaciones son intrínsecas al análisis descriptivo
y se relacionan con la dicultad de medir la percepción,
el tiempo de entrenamiento y los recursos necesarios para
formar y mantener el panel descriptivo (Varela y Ares,
2014; Bruzzone, 2014).
El desarrollo de los métodos de Perl de Libre
Elección (PLE) y el Repertorio de Rejilla en los años
80 fue un punto de inexión en la era sensorial, ya que
permitió la utilización de consumidores y evaluadores
no entrenados para la descripción sensorial. En este
contexto, Sieffermann en el año 2000 ideó el Perl Flash
que combina los principios del PLE y la Evaluación
G. G. Puma & C. Núñez / Anales Cientícos 79 (1): 194 - 200 (2018)
195
Comparativa en Conjunto. La originalidad del Perl Flash
está en el hecho de que fue diseñado como un método
de una sola medición, con énfasis en el posicionamiento
sensorial relativo de los productos evaluados. Los datos
generados por el Perl Flash son procesados mediante el
Análisis Procrustes Generalizado (Naes y Risvik, 1996;
Dairou y Sieffermann, 2002; Valera y Ares, 2014; Delarue,
2015; Meullenet et al., 2007).
La Ingeniería Kansei (IK) tipo II es una técnica
especialmente centrada en el usuario que se basa en
trasladar y plasmar las imágenes mentales, percepciones,
sensaciones y gustos del consumidor en los elementos del
diseño que componen un producto, logrando incorporar los
valores emocionales que atraen al consumidor, de forma
cuantitativa (Nagamachi, 2011; Nagamachi y Mohd, 2011).
Por lo expuesto el objetivo de la investigación fue
caracterizar mediante el Perl Flash, dos hot-dog de pollo
comerciales que se expenden en Lima Metropolitana y
dos muestras de hot-dog de pollo obtenidas por Ingeniería
Kansei Tipo II en la Facultad de Industrias Alimentarias de
la UNALM.
2. Materiales y métodos
Lugar de Ejecución
La investigación se realizó en la Planta Piloto de Tecnología
de Alimentos y Productos Agropecuarios y el Laboratorio
de Evaluación Sensorial de la Facultad de Industrias
Alimentarias de la Universidad Nacional Agraria La
Molina (UNALM), Lima-Perú, desde agosto del 2015 a
noviembre del 2016.
Materia prima e insumos
La materia prima principal fue pechuga de pollo (Gallus
gallus); los insumos fueron: grasa dorsal de cerdo, hielo,
sal (Ensal), polifosfato de sodio (Alitecno), pimienta, nuez
moscada y comino esterilizados (GLM), color carmín
natural (Frutaron), fundas articiales (Alitecno), fundas
comestibles (Quimsa) y sal de cura al 20% (Alitecno). Los
hot-dog de pollo comerciales fueron de las marcas: Otto
Kunz y Braedt.
Materiales y equipos
Materiales
Cuchillo y olla (20 L) de acero inoxidable, termómetro (0
- 100 °C), pipeta volumétrica (1 mL), beaker (200 mL),
vasos de plástico (2 onzas), platos descartables (tamaño 3),
marcadores indelebles, chas de evaluación y lapiceros.
Equipos
Máquina picadora de carne (Mainca, PM-70), cocina
industrial (a gas, sin modelo), balanza analítica (OHAUS,
ARA 520), cutter (Hobart, 84145), embutidora Manual (sin
marca, 10 ICTEFIAL) y computadora (Intel® Pentium®
Dual CPU, 2 GB RAM).
Metodología experimenta
Obtención de hot-dog de pollo
Para la obtención de los dos prototipos de hot-dog de
pollo, se aplicó la Ingeniería Kansei tipo II, siguiendo la
metodología propuesta por Marco-Almagro (2011) que se
presenta en la Figura 1.
Figura 1. Modelo General de Ingeniería Kansei
Fuente: Marco-Almagro, 2011
Elaboración de hot-dog de pollo
Para la elaboración de los prototipos de hot-dog de pollo
se siguió el procedimiento mostrado en la Figura 2, que se
detalla a continuación (Elías et al., 2000):
Molienda, La carne de pollo y la grasa fueron molidas a
través de un disco de 3 mm de diámetro.
Cutterizado, se agregó al cutter los insumos en el
siguiente orden: carne de pollo, sal, sal de cura, eritorbato,
polifosfato, la mitad del hielo, grasa, el resto del agua y los
condimentos.
Embutido, Cuando la masa estuvo lista se embutió, en el
equipo correspondiente, tratando de no introducir aire en
las fundas.
Escaldado, Se escaldó en agua a 75 – 80 °C, hasta que la
temperatura interna del producto alcanzó los 68 – 72 °C.
Enfriado, Se enfriaron los productos en agua helada (15
°C) hasta que la temperatura en el punto más frío fue
menor a 25 ºC.
Escurrido, Se dejó escurrir el agua del hot-dog de pollo
con ayuda de un colador.
Perl Flash
Los panelistas reclutados fueron profesionales de la carrera
de Ingeniería en Industrias Alimentarias de la FIAL o anes
con experiencia en el desarrollo de perles de sabor, perl
Caracterización sensorial mediante perl Flash de dos marcas de hot-dog de pollo comerciales y dos muestras formulados por ingeniería
Kansei Tipo II
Enero - Junio 2018
196
de textura o Análisis Descriptivo Cuantitativo (QDA), por
lo que fueron capaces de entender las instrucciones del líder
de panel y generar atributos discriminantes y no hedónicos.
Para llevar a cabo el Perl Flash de las muestras de hot-
dog de pollo se siguieron los lineamientos establecidos
por Varela y Ares (2014). Para ello, como primer paso,
antes de iniciar la evaluación de las muestras se les brindó
información sobre el fundamento de la metodología del
Perl Flash; además, se presentó un ejemplo práctico para
el mejor entendimiento, teniendo en cuenta que este no tuvo
inuencia con el producto en estudio. También se les brindó
información sobre las características
texturales presentes en los alimentos.
En la etapa obtención de atributos se
indicó a los panelistas que se centren en
las diferencias entre los productos y que
las diferencias detectadas las escriban
en la cha de evaluación. Esto implicó
que los panelistas dieran prioridad
directamente sobre las principales
diferencias entre los productos. Se tuvo
cuidado en que el panelista no se quede
sin muestra al generar los atributos; y en
caso que fuese necesario, se les brindó
más muestra. Se pidió a los panelistas
que observen, manipulen y prueben
las muestras con el n de describir las
características texturales que diferencian
a los productos entre sí. Se les solicitó
que utilizaran cualquier atributo no
hedónico que consideraran apropiado
para describir las muestras, siempre
que sea sucientemente discriminativo
para permitir una clasicación de las
muestras (o una clasicación parcial).
En la etapa evaluación de las muestras se
presentaron las cuatro muestras de hot-dog de pollo,
en simultáneo y codicadas con letras, teniendo
en cuenta que fueran homogéneas en cantidad y
temperatura. Los panelistas ordenaron las muestras
para cada atributo, con vinculaciones permitidas.
El panelista pudo elegir anclajes que él encontró
apropiados para evaluar los atributos sensoriales.
Además, fueron libres de evaluar las muestras de
hot-dog de pollo; tantas veces como consideraron
necesario. Los panelistas realizaron la evaluación a su
propio ritmo y fueron libres de tomarse un descanso
en cualquier momento de la evaluación (Dairou y
Sieffermann, 2002; Delarue y Sieffermann, 2004;
Varela y Ares, 2014).
Diseño experimental
El diseño experimental para la caracterización de
los prototipos de hot-dog de pollo se muestra en la
Figura 3.
Análisis estadísticos. El Análisis Procrustes Generalizado
se ejecutó con el software XL-STAT 2014 versión de
prueba. Cada panelista generó una matriz X
k
de datos,
la cual consistió en N las con las puntuaciones de los
descriptores generados en la evaluación sensorial. Esta
matriz contuvo X
ijk
elementos, donde i es el índice sobre
la cantidad de muestras de hot-dog evaluados; j=1,..., M
k
,
el número de atributos generados por el K panelista, y k =
1,..., K, el número de los panelistas (Varela y Ares, 2014;
Naes y Risvik, 1996; Mak et al., 2013).
Figura 2. Flujo de operaciones para la obtención de Hot–dog a
base de carne de pollo
Figura 3. Diseño experimental para la caracterización sensorial de las muestras
de hot-dog de pollo
G. G. Puma & C. Núñez / Anales Cientícos 79 (1): 194 - 200 (2018)
197
3. Resultados y discusión
Conformación del panel para la evaluación sensorial
mediante el Perl Flash
El panel para realizar el Perl Flash estuvo conformado por
nueve panelistas, de los cuales cuatro fueron estudiantes del
Doctorado de Ciencia de los Alimentos, dos estudiantes de
la Maestría de Tecnología de alimentos y tres estudiantes
de la Facultad de Industrias Alimentarias que regularmente
asistían al curso de Métodos Avanzados de Evaluación
Sensorial, de la UNALM. Varela y Ares (2014) indican
que cuando se realiza el Perl Flash con panelistas con
experiencia, el número mínimo de panelistas es de
cuatro a cinco; ya que en esta metodología las medidas
son complementarias a diferencia de los perlados
convencionales en donde las medidas son repetitivas.
Cada panelista generó entre 3 a 5 descriptores haciendo
un total de 37 descriptores sensoriales. Esta cantidad de
descriptores es inferior a los reportados en la literatura,
debido a que en la presente investigación la evaluación
sensorial estaba direccionada para solamente atributos
texturales, a comparación de otros estudios en donde se
evalúa el producto en cuanto a apariencia, olor, aroma,
sabor y textura. Rason et al. (2006) realizaron el Perl
Flash de 12 salchichas secas tradicionales con 6 panelistas,
cada uno generó entre nueve y 19 atributos haciendo un
total de 83 descriptores, de los cuales los relacionados a
la textura fueron entre uno y cuatro, haciendo un total de
15 descriptores. Ramírez-Rivera et al, (2016) realizaron el
Perl Flash de hamburguesas con cinco panelistas, cada
uno generó entre nueve y 16 atributos, haciendo un total de
54 descriptores. Delaure y Sieffermann (2004) trabajaron
con nueve y 10 panelistas para evaluar yogurt de fresa y
queso fresco de albaricoque, respectivamente, generando
entre cinco y nueve descriptores, haciendo un total de 38 y
29 descriptores, respectivamente.
Los tiempos de evaluación fueron aproximadamente de
25 y 45 minutos para la etapa de generación de descriptores
y posicionamiento relativo, respectivamente, haciendo un
total de 70 minutos, considerando que ningún panelista
tomó descanso en la evaluación de los productos. Rason
et al. (2006) en su investigación con 12 salchichas secas
tradicionales reportaron que la duración total
del Perl Flash fue entre 105 a 120 minutos.
Además, Varela y Ares (2014) mencionan que
un Perlado Flash puede variar entre 40 a 120
minutos de evaluación.
Análisis de Varianza del Procrustes
Generalizado (PANOVA)
En la Tabla 1 se muestra el Análisis de Varianza
del Procrustes Generalizado (PANOVA, por
sus siglas en inglés), donde se resume la
eciencia de cada transformación del Análisis
Procrustes Generalizado en términos de
reducción de la variabilidad total (Silva et al.,
2016; Tomic, 2013).
Tabla 1. Análisis de Varianza del Procrustes Generalizado
(PANOVA)
Fuente
Grados
de
libertad
Suma de
cuadrados
Cuadrados
medios
F p-valor
Residuos después
del escalamiento
32 19,0446 0,5951
Escalamiento 8 1,4274 0,1784 0,2998 0,9606
Residuos después
de la rotación
40 20,4720 0,5118
Rotación 80 143,3058 1,7913 3,0099 0,0004
Residuos después
de la traslación
120 163,7778 1,3648
Traslación 40 88,8889 2,2222 3,7339 0,0001
Total corregido 160 252,6667 1,5792
La etapa de traslación (p-valor = 0,0001) obtuvo un
impacto preponderante en la reducción de la variabilidad
de las conguraciones, seguida de la etapa de rotación
(p-valor = 0,0004); sin embargo, la etapa de escalamiento
(p-valor = 0,9606) no tuvo efecto signicativo en la
contribución de la reducción de la variabilidad de las
conguraciones.
La Figura 4 presenta los residuos de cada panelista
luego de la evaluación del Análisis Procrustes Generalizado
(APG), donde el residuo fue mayor para el panelista 2
(3,11), lo que indicó que dicho panelista estuvo más alejado
del consenso. Similar comportamiento se observó en los
panelistas 4 (2,85), 1 (2,63) y 7 (2,23), seguidos de los
panelistas 8, 9, 5 y 6 quienes obtuvieron 1,92, 1,91, 1,75
y 1,65, respectivamente. El panelista 3 fue quien obtuvo
menos residuo (0,96) lo que indicó que estuvo más cerca al
consenso del panel.
En la Figura 5 se muestra los factores de escalamiento
isotrópico del APG. Los panelistas 7 y 9 obtuvieron un factor
de escalamiento mayor a 1 (1,19 y 1,20, respectivamente)
lo que indica que sus conguraciones han sido estiradas
para llegar al consenso, debido a que calicaron algunos
atributos con la parte inferior de la escala; además, son los
que generaron menor cantidad de atributos texturales.
Los panelistas 1, 2, 3, 4 y 5 presentaron un factor de
escalamiento menor a 1 (0,98, 0,97, 0,97, 0,89 y 0,90,
Figura 4. Residuos de los panelistas luego de la evaluación APG
Caracterización sensorial mediante perl Flash de dos marcas de hot-dog de pollo comerciales y dos muestras formulados por ingeniería
Kansei Tipo II
Enero - Junio 2018
198
respectivamente), lo que indica que; sus
conguraciones han sido reducidas para
llegar al consenso. Los panelistas 6 y 7
obtuvieron un factor de escalamiento cercano
a 1 (1,00 y 1,03, respectivamente) por lo que
sus conguraciones no han sufrido mayor
modicación en la etapa de escalamiento del
APG. Los resultados son similares a los datos
reportados por Silva et al., (2016) quienes
obtuvieron factores que oscilan entre 0,77 y
1,25, aproximadamente.
En la Figura 6 se observan los residuos para
cada muestra después de las transformaciones
del APG. La muestra C obtuvo el menor
residuo (3,40), lo cual indicó que no hubo
gran diferencia entre las calicaciones de los
panelistas para esta muestra. Por otra parte, el
mayor residuo se obtuvo para el hot-dog Otto
Kunz (7,13) es decir, se presentó un menor
consenso entre los panelistas respecto a esta
muestra.
Determinación del consenso de los
panelistas mediante el índice Rc
Para la determinación del consenso de los
panelistas se utilizó el índice de consenso
Rc (Figura 7). El Rc para los panelistas fue
de 0,592 (59,2%); este valor indicó una
correlación positiva, es decir, se generó un
adecuado consenso en el desempeño de los
panelistas. Dicho valor fue superior a los
reportado por Hernández et al. (2010) en la
evaluación de quesos con jueces no entrenados
(Rc = 55,3%) y Silva et al. (2016) en la
evaluación con consumidores de una salsa a
base de hongos (Rc 56,0%); sin embargo, fue
inferior a lo reportado por Ramírez et al. (2011)
en la caracterización sensorial de frituras tipo
chip (Rc = 78,1%) y Wu et al. (2002) en la
descripción sensorial de yogurt mediante el
Perl de Libre Elección (Rc = 77,7%).
En la Figura 8se observa la ubicación de
los cuatro productos y del consenso, evaluados
por los nueve panelistas, cada uno en diferentes
cuadrantes respecto a las dimensiones F1 y
F2 (92,85%). En la Figura 9 se observa que
la primera dimensión estuvo relacionada
principalmente con los descriptores: dureza,
arenosidad, pegajosidad, granulosidad y
grasoso. La segunda dimensión fue explicada
mejor por el término: masticabilidad. Según Kobayashi y
Benassi (2012) solo los descriptores con coecientes de
correlación igual o superior a 0,60 (valor absoluto) y a la
vez citados por varios panelistas, deben ser utilizados para
visualizar las relaciones entre las muestras y los atributos.
El resultado del análisis del Perl Flash representado
en dos dimensiones (F1 = 69,82 y F2 = 23,03) explicó el
Figura 5. Factores de escalamiento isotrópico del APG de cada panelista.
Figura 6. Residuo por muestra después de las transformaciones del
APG
Figura 7. Índice de consenso (Rc) del panel de Perl Flash
92,85% de la variabilidad de los datos (Figura 9). Este valor
fue superior a lo obtenido por Rason et al. (2006) en la
caracterización sensorial de salchichas secas tradicionales
(78,0%), Ramírez et al. (2010) en la caracterización
sensorial de hamburguesas de pescado (83,23%),
Ramírez et al. (2009) en la caracterización sensorial del
camarón ahumado (82,39%), Gamboa et al. (2012) en
G. G. Puma & C. Núñez / Anales Cientícos 79 (1): 194 - 200 (2018)
199
Relacionando la Figura 8 y Figura 9,
la muestra C, fue caracterizada con los
descriptores: pegajosidad, arenosidad
(Componente F1 positivo), granulosidad
y masticabilidad (Componente F2
positivo). La muestra D fue caracterizada
con los descriptores: granuloso y grasoso
(Componente F1 positivo). La marca Braedt
fue caracterizada por los descriptores:
jugosidad (Componente F1 negativo) y
cohesividad (Componente F2 negativo).
La marca Otto Kunz fue caracterizada
por el descriptor: dureza (componente F1
negativo).
4. Conclusiones
La aplicación del Perl Flash en la
caracterización de hot-dog de carne
de pollo permitió un rápido acceso al
posicionamiento sensorial de los productos y
atributos que contribuyeron a diferenciar las
muestras, ya que esta metodología permite
eliminar las sesiones de entrenamiento del
panel, reduciendo tiempo y costos. Los
descriptores generados mediante el Perl
Flash para las muestras de hot-dog de pollo
fueron: dureza, arenosidad, pegajosidad,
granulosidad, grasoso y masticabilidad.
5. Literatura citada
Bruzzone, F. 2014. Aplicación de
Metodologías de Caracterización Sensorial
Con Consumidores en el Desarrollo de
Postres Lácteos Funcionales. Tesis Para
Optar El Título de Magister en Ciencias y
Tecnología de Alimentos. Universidad de la
República. Facultad de Química – Facultad
de Ingeniería. 113 P.
Dairou, V. and Sieffermann, J. 2002. A
Comparison of 14 Jams Characterized by
Conventional Prole and a Quick Original
Method, The Flash Prole. Journal of Food
Science 67(2):826-834.
Delarue, J. and Sieffermann, J. 2004. Sensory
Mapping Using Flash Prole. Comparison
With a Conventional Descriptive Method for
The Evaluation of the Flavour of Fruit Dairy
Products. Food Quality and Preference 15
(2004) 383–392.
Delarue, J. 2015. Flash Prole, its Evolution
and uses In Sensory and Consumer Science.
Applications In New Product Development and
Consumer Research. A volume In Woodhead
Publishing Series In Food Science, Technology and
Nutrition. 121–151 P.
Elías, C.; Chirinos, R. y Salvá, B. 2000. Elaboración de
Figura 8. Espacio sensorial y de consenso de las cuatro muestras de
hot-dog
Figura 9. Espacio sensorial de los atributos del panel de Perl Flash
la determinación de atributos sensoriales de queso tipo
Manchego durante la maduración (72,69%), Dairou y
Sieffermann (2002) en la comparación de 14 mermeladas
caracterizadas por QDA® y Perl Flash (69,0%) y Silva
et al. (2016) en la caracterización de salsa a base de hongo
(82,60%).
Caracterización sensorial mediante perl Flash de dos marcas de hot-dog de pollo comerciales y dos muestras formulados por ingeniería
Kansei Tipo II
Enero - Junio 2018
200
Embutidos. Lima, Perú. 91p.
Gamboa, J.; Guadalupe, D. y Ramírez, E. 2012. Calidad
Fisicoquímica y Sensorial de Queso Tipo Manchego
Durante la Maduración. Revista Cientíca Udo
Agrícola 12(4):929-938.
Hernández, M.; López, J.; Gómez, T.; Santiago, R.; Ramón,
L.; Delgado, F.; Shain, A.; Huante, Y. y Ramírez,
E. 2010. Comparación de la Descripción Sensorial
del Queso Fresco “Cuajada” Mediante el Análisis
Descriptivo Cuantitativo y el Perl Flash. Ciencia y
Mar 2010, Xiv 42: 3-12.
Kobayashi, M. y Benassi, M. 2012. Caracterização
Sensorial de Cafés Solúveis Comerciais Por Perl
Flash. Semina: Ciências Agrárias.33(2):3081-3092.
Lawless, H. y Heymann, H. 2010. Sensory Evaluation
of Food. Principles and Practices. Segunda Edición.
Editorial. Springer. New York, Usa. 596P.
Mak, A.; Lumbers, M.; Eves, A. and Chang, R. 2013.
An Application of The Repertory Grid Method and
Generalised Procrustes Analysis To Investigate The
Motivational Factors of Tourist Food Consumption.
International Journal of Hospitality Management 35.
327–338 P.
Marco-Almagro, L. 2011. Statistical Methods In Kansei
Engineering Studies (Tesis Para Optar el grado de
Doctor). Universidad Politécnica de Catalunya.
Barcelona, España.
Meullenet, J.; Xiong, R. y Findlay, C. 2007. Multivariate
and Probabilistic Analyses of Sensory Science
Problems. Ift Press Ed. Advisory Board. 248 P.
Moussaoui, K. and Varela, P. 2010. Exploring Onsumer
Product Proling Techniques and Their Linkage To A
Quantitative Descriptive Analysis. Food Quality and
Preference 21. 1088–1099.
Nagamachi, M. 2011. Kansei/Affective Engineering. CRC
Press. Taylor & Francis Group. 309 P.
Nagamachi, M. and Mohd, A. 2011. Innovations of Kansei
Engineering. Crc Press. Taylor & Francis Group. 151 P.
Naes, T. and Risvik, E. 1996. Multivariate Analysis of Data
In Sensory Science. Elsevier Science B.V. 16. 348.
Ramírez, E.; Ramón, L.; Huante, Y.; Shaín, A.; Bravo,
H. y Martínez, C. 2009. Caracterización Sensorial del
Camarón Ahumado (Litopenaeus Vannamei) Mediante
la Técnica Perl Flash. Ciencia y Mar. Xiii (38):27-34
P.
Ramírez, E.; Ramón, L.; Camacho, M.; Reyes, V.;
Rodríguez, M. y Shaín, A. 2010. Correlación Entre
el Perl Descriptivo Cuantitativo y Perl Flash
de Hamburguesas de Pescado de Barrilete Negro
(Euthynnus Lineatus). Nacameh. 4(2):55-68.
Ramírez, E.; Paz, E. y Nogueira, H. 2011. Caracterización
Sensorial y Análisis de las Preferencias de los
Consumidores de Frituras Tipo Chips de Malanga
(Colocasia Esculenta). Revista Venezolana de Ciencia
y Tecnología de Alimentos 2 (2): 277-292.
Ramírez-Rivera, E. D. J.; Juárez-Barrientos, J. M.;
Rodríguez-Miranda, J.; Ramírez-García, S. A.; Villa-
Ruano, N. & Ramón-Canul, L. G. 2016. Comparación
de mapas de preferencia mediante el análisis descriptivo
cuantitativo y perl ash en hamburguesas.Ecosistemas
y recursos agropecuarios 3(7), 103-112.
Rason, J.; Léger, L. Dufour, E. and Lebecque, A. 2006.
Relations Between The Know-How of Small-Scale
Facilities and The Sensory Diversity of Traditional
Dry Sausages From The Massif Central In France. Eur
Food Res Technol. 222: 580–589 P.
Silva, R.; Huamán, M.; Hurtado De Mendoza, K. y Bravo,
N.; Silva, A. 2016. Caracterización Sensorial de Salsa
a Base de Hongos (Pleurotus Ostreatus) Mediante La
Técnica Perl Flash. Revista Venezolana de Ciencia y
Tecnología de Alimentos 7 (1): 001-016 P.
Stone, H. and Sidel, J. 2004. Sensory Evaluation Practices.
Tercera Edición. London, U.K.: Elsevier Academic
Press. 377 P.
Tomic, O. 2013. Differences Between Generalised
Procrustes Analysis and Multiple Factor Analysis In
The Case Of Projective Mapping. (Tesis Para Optar
el grado de Magíster ). Department of Chemistry,
Biotechnology And Food Science Norwegian
University of Life Sciences.
Varela, P. and Ares, G. 2014. Novel Techniques In Sensory
Characterization and Consumer Proling. Crc Press.
Taylos and Francis Group. London, New York. 389 P.
Wu, W.; Guo, Q.; De Jong, S. and Massart, D.L. 2002.
Randomisation Test For The Number O Dimensions Of
The Group Average Space In Generalised Procrustes
Analysis. Food Quality and Preference 13(3):191-200 .
