Alicja Faron Katedra Przetwórstwa i Chemii Surowców Roślinnych

Slides:



Advertisements
Podobne prezentacje
XII Międzynarodowa Konferencja Naukowa „Nowe Technologie i Osiągnięcia w Metalurgii i Inżynierii Materiałowej” BADANIA WPŁYWU INTENSYWNOŚCI PODGRZEWANIA.
Advertisements

Analiza współzależności zjawisk
Czynniki kształtujące odczyn i przewodność elektrolityczną właściwą ekstraktów wodnych kory sosny zwyczajnej Justyna Kudelska Uniwersytet Humanistyczno-Przyrodniczy.
Analiza wariancji jednoczynnikowa
Magdalena Dryglewska, Radosław Jeleniewicz, Maria Majdan
Badania operacyjne. Wykład 2
Praca systemów zbiorników retencyjnych z uwzględnieniem przerzutów międzyzbiornikowych Dzisiejsze wystąpienia poświecę Systemom zbiorników retencyjnych.
SYSTEM ZARZĄDZANIA JAKOŚCIĄ
Analiza wariancji Analiza wariancji (ANOVA) stanowi rozszerzenie testu t-Studenta w przypadku porównywanie większej liczby grup. Podział na grupy (czyli.
Statystyka w doświadczalnictwie
Uniwersytet Warszawski Wydział Chemii Barbara Zalewska
Nowy kod Statistica 6.1 HEN6EUEKH8.
Dobór materiałów Schemat postępowania przy projektowaniu nowego wyrobu.
PLONOWANIE I WARTOŚĆ TECHNOLOGICZNA ZIARNA PSZENICY ORKISZ (Triticum aestivum ssp. spelta L.) W ZALEŻNOŚCI OD WYBRANYCH CZYNNIKÓW AGROTECHNICZNYCH mgr.
Korelacje, regresja liniowa
Analiza współzależności dwóch zjawisk
Wykład 4. Rozkłady teoretyczne
Statystyka szkolna wskaźniki efektywności nauczania
DIAGNOSTYKA LABORATORYJNA
Opracowanie wyników pomiarów
analiza dynamiki zjawisk Szeregi czasowe
Piotr Fąfara, Katarzyna Ratusz
BADANIA WPŁYWU PARAMETRÓW PRACY PIECA NA SZYBKOŚĆ PROCESU NAGRZEWANIA
WYNIKI SPRAWDZIANU SZÓSTOKLASISTÓW
Seminarium 2 Krzywe kalibracyjne – rodzaje, wyznaczanie, obliczanie wyników Równanie regresji liniowej Współczynnik korelacji.
Analiza współzależności cech statystycznych
Pobieranie próbek paliw stałych
Irena Woroniecka EKONOMIA MENEDŻERSKA - dodatek do W2
USTALANIE NORM WYDAJNOSCI PRACOWNIKÓW
Hipotezy statystyczne
Podstawy statystyki, cz. II
Statystyka i opracowanie wyników badań
Regresja wieloraka.
Seminarium licencjackie Beata Kapuścińska
Spotkanie WOK; CO-I Warszawa r.
Raport z ewaluacji wewnętrznej 2014/2015
Analiza możliwości zastosowania urządzeń wielostrumieniowych w przemyśle i w gospodarce komunalnej, oraz projekt urządzenia doświadczalnego o powiększonej.
JAKOŚĆ TECHNICZNA WĘGLA
Średni plon odmiany pszenicy ozimej KBH 1261/00 - KOHELIA w % wzorca w poszczególnych rejonach kraju w latach na poziomie a1.
Regresja liniowa Dany jest układ punktów
Składowe szeregu czasowego
EWD gimnazjalne Czym jest metoda edukacyjnej wartości dodanej (EWD)? Efektywność pracy szkoły, przed kilku laty, oceniano jedynie na podstawie wyników.
Podstawowe pojęcia i terminy stosowane w statystyce
Statystyczna analiza danych w praktyce
Statystyczna analiza danych
Statystyczna analiza danych
Model ekonometryczny Jacek Szanduła.
Statystyczna analiza danych
Próba zastosowania metody Lowry’ego do oznaczania białka w sokach surowych dr Bożena Wnuk.
Przeprowadzenie badań niewyczerpujących, (częściowych – prowadzonych na podstawie próby losowej), nie daje podstaw do formułowania stanowczych stwierdzeń.
Próba ściskania metali
Wpływ obróbki termicznej osadów nadmiernych na udział azotu w hydrolizatach Sylwia Myszograj Uniwersytet Zielonogórski, Instytut Inżynierii Środowiska,
Koło Naukowe Metod Ilościowych
WYNIKI ZMIANY TWARDOŚCI ZIARNA PSZENICY W TRAKCIE PROCESU NAWILŻANIA
Autor Sezonowe zmiany stężenia fluoru w suchej masie wydzieliny gruczołów okołoodbytowych skunksa zwyczajnego Mephitis mephitis Praca dyplomowa wykonana.
Wstęp Wyniki Cel Wnioski
Szkoła Główna Gospodarstwa Wiejskiego, Wydział Nauk o Żywności, Katedra Inżynierii Żywności i Organizacji Produkcji, Nowoursynowska 159C, Warszawa.
METODYKA MODELOWANIA POWIERZCHNI CZYNNEJ NARZĘDZI ŚCIERNYCH
METODYKA MODELOWANIA POWIERZCHNI CZYNNEJ NARZĘDZI ŚCIERNYCH
Nazwiska autorów Afiliacje autorów
Wyniki egzaminu gimnazjalnego 2017 przedmioty przyrodnicze
59 Konferencja Naukowa KILiW PAN oraz Komitetu Nauki PZITB
Regresja wieloraka – bada wpływ wielu zmiennych objaśniających (niezależnych) na jedną zmienną objaśnianą (zależą)
WPŁYW RASY NA WŁAŚCIWOŚCI FIZYCZNE KOŚCI ROSNĄCYCH ŚWIŃ
KLASYFIKACJA NA HYDROCYKLONACH W ZAMKNIĘTYCH UKŁADACH MIELENIA
PODSTAWY STATYSTYKI Wykład udostępniony przez dr hab. Jana Gajewskiego
Analiza współzależności zjawisk
KORELACJA WIELOKROTNA I CZĄSTKOWA
Analiza kanoniczna - stanowi uogólnienie liniowej regresji wielorakiej na dwa zbiory zmiennych tzn. dla zmiennych zależnych i niezależnych. Pozwala badać.
Temat pracy dyplomowej
Zapis prezentacji:

WPŁYW WILGOTNOŚCI NA JAKOŚĆ TECHNOLOGICZNĄ ZIARNA PSZENICY ODMIANY TONACJA ZE ZBIORÓW 2013 Alicja Faron Katedra Przetwórstwa i Chemii Surowców Roślinnych Wydział Nauki o Żywności Uniwersytet Warmińsko-Mazurski w Olsztynie WSTĘP W celu oceny przydatności ziarna pszenicy na cele przetwórcze konieczne jest określanie jego wilgotności, szklistości, barwy, kształtu oraz twardości, a ponadto masy tysiąca ziaren, gęstości w stanie zsypnym, zawartości białka i glutenu, siły glutenu, wskaźnika sedymentacyjnego i aktywności amylolitycznej. Wartość technologiczną ziarna pszenicy można również określić bezpośrednio na podstawie próbnego przemiału laboratoryjnego. Pozwala on w krótkim czasie stwierdzić przydatność odmiany do przerobu na mąkę wyciągową i ustalić optymalne warunki kondycjonowania, a także przemiału. Celem przeprowadzonych badań było określenie jakości technologicznej i przydatności do przetwórstwa ziarna pszenicy odmiany Tonacja pochodzącego ze zbiorów 2013r., z uwzględnieniem wpływu wilgotności ziarna na jego cechy jakościowe. MATERIAŁ I METODY Materiałem do badań było ziarno pszenicy odmiany Tonacja pochodzące ze zbiorów 2013r. z rejonu województwa warmińsko-mazurskiego. Z partii ziarna wydzielono 4 próbki, które doprowadzono do wilgotności 6, 9, 12 i 17%. W materiale oznaczono masę tysiąca ziaren (MTZ) [g] i gęstość w stanie zsypnym [kg · hl-1]. Następnie wykonano próbny przemiał laboratoryjny na młynie walcowym AGROMATIC AQC 109 i określono wydajność uzyskanej mąki [%]. W otrzymanej mące oznaczono liczbę opadania [s], zawartość glutenu mokrego [%] i wskaźnik sedymentacyjny [ml]. Wszystkie oznaczenia wykonano w 5 powtórzeniach. Wyniki przedstawiono graficznie i analizowano statystycznie przy użyciu programu STATISTICA v. 10 (StatSoft Polska). Przeprowadzono analizę wariancji, na poziomie istotności α = 0,05, z wykorzystaniem testu „post-hoc” Duncana w celu wyróżnienia grup jednorodnych. Ponadto wyznaczono współczynniki korelacji pomiędzy poszczególnymi wyróżnikami jakościowymi i określono, czy są to istotne zależności (α = 0,05). W tym celu analizowano macierz korelacji. WYNIKI Rys. 1. Wpływ wilgotności na masę tysiąca ziaren (MTZ) Rys. 2. Wpływ wilgotności na gęstość w stanie zsypnym Rys. 3. Wpływ wilgotności na wydajność mąki Rys. 4. Wpływ wilgotności na liczbę opadania Rys. 5. Wpływ wilgotności na zawartość glutenu mokrego Rys. 6. Wpływ wilgotności na wskaźnik sedymentacyjny WNIOSKI Stwierdzono spadek masy tysiąca ziaren i gęstości w stanie zsypnym oraz wzrost wydajności mąki wraz ze wzrostem wilgotności ziarna. Od wilgotności ziarna pszenicy istotnie zależały ponadto wszystkie badane wyróżniki jakościowe. Najwyższą wartością wypiekową cechowała się mąka ziarna o wilgotności 9%. Istotnie najwyższą dodatnią korelację stwierdzono między gęstością w stanie zsypnym. Najwyższą istotną statystycznie ujemną korelację odnotowano dla masy tysiąca ziaren i wilgotności. Brak korelacji między wskaźnikiem sedymentacyjnym i zawartością glutenu mokrego wskazywał na jego niską jakość. Tabela 1. Współczynniki korelacji między wyróżnikami jakości technologicznej ziarna pszenicy odmiany Tonacja Wilgot-ność Masa tysiąca ziaren Gęstość w stanie zsypnym Liczba opadania Zawartość glutenu mokrego Wskaźnik sedymen-tacyjny -0,93* -0,90* 0,97* -0,81* 0,56* 0,51* -0,87* 0,90* 0,85* 0,50* Wskaźnik sedymentacyjny -0,46* 0,40 0,32 0,58* 0,16 Wydajność mąki 0,95* -0,79* -0,76* -0,92* -0,75* -0,48* * – wyniki oznaczone gwiazdką są statystycznie istotne (α=0,05)