선택한 단어 수는 입니다.
최소 단어 이상 선택하여야 합니다.
최소 단어 이상 선택하여야 합니다.
선택한 단어 수는 30입니다.
최대 10 단어까지만 선택 가능합니다.
최대 10 단어까지만 선택 가능합니다.
문제 정의
- 따라서 본 연구에서는 새로운 드레싱의 개발을 위한 목적의 일환으로 항산화성이 규명된 복분자를 드레싱에 활용하였을 때의 최적화 재료 혼합비를 찾고자 하였다.
제안 방법
- Kim 등(27)의 드레싱 문헌을 참고로 하여 수차례의 예비 실험을 거친 뒤 재료 및 부재료의 양을 결정하여 사용하였다. 총량을 기준으로 양파 9.
- , Minneapolis)을 사용하였다. Mixture design 중 D-optimal design(28)에 따라 설계하였고, 독립변수로 드레싱의 품질에 가장 큰 영향을 줄 수 있는 재료인 복분자즙(A), 기름(B), 식초(C)를 설정하였다. 종속변수로는 점도, 색도(L, a, b), 유화안정성, 관능검사(색, 냄새, 맛, 전반적인 기호도)를 설정하였다.
- 최적화 접근은 Derringer와 Suich(32)를 근원으로 하여 발전시킨 방법을 사용하였다. 독립변수 중 복분자즙은 최대값이 되도록, 기름, 식초의 첨가율은 범위내에서, 그 때의 적색도, 황색도 총색차는 범위 내에서, 명도와 관능검사 항목인 색, 냄새, 전반적인 기호도는 최대의 값이 되도록 설정하여 모델화에 의해 결정된 반응식을 이용하여 만족하는 수치점(numerical point)을 예측하였다(Table 4). 예측된 최적값의 재료양은 복분자즙 36.
- 1), 4개의 반복점이 선택되었다(Table 1). 모든 실험순서(Run)는 구획에 따른 오차를 없애기 위하여 무작위로 실행하였고, pseudo component는 실제 성분의 조합으로 실험 디자인의 구조와 모델의 적합성을 쉽게 보여주기 위하여 나타내었다. 설정된 혼합디자인 속에서 성분들 간의 상호작용을 알아보기 위해서 quadratic design model을 적용하였다.
- 여기서 D는 overall desirability(32), d는 각각의 desirability, n은 response의 수이다. 모형적 최적화는 각 반응에 대한 최소 혹은 최대 제한점을 결정하여 입력하였을 때 가능한 범위에서 그래프가 중첩되는 부분으로 구하였다.
- 샐러드드레싱의 관능적 특성을 평가하기 위하여 30명의 관능검사원(단국대 식품영양학과 대학원생)을 통하여 색, 냄새, 맛과 전반적인 기호도의 4가지 특성에 대하여 기호특성 조사를 9점 평점법(31)으로 2회 반복 실시하였다. 이 때 “대단히 좋음(like extremely)”을 9점, “대단히 싫음(dislike extremely)”을 1점으로 하여 평가하였다.
- 본 연구는 새로운 드레싱을 개발하기 위하여 복분자를 이용한 샐러드드레싱을 만들었을 때 최적의 혼합비를 찾기 위하여 혼합물 실험계획법(mixture design) 중 D-optimal design을 이용하였다. 샐러드드레싱의 품질에 가장 영향을 미치는 복분자즙, 기름, 식초의 첨가율을 독립변수로 설정하였고, 범위는 예비실험을 거쳐 각각 15.70～47.10%, 23.50～39.20%, 3.90～19.60%로 하였다. 실험 결과를 모델링하여 유의성을 검증한 결과, 점도, 적색도, 황색도, 총색차, 유화안정성과 관능검사 항목 중 색이 linear 모델로, 명도와 관능검사 항목 중 냄새, 맛과 전반적인 기호도는 quadratic 모델로 결정되었다.
- Canonical 모형의 수치 최적화(numerical optimization)와 혼합물 성분의 모형적 최적화(graphical optimization)를 통하여 선정하였고, 그 때의 점을 예측하였다. 수치 최적화는 canonical 모형을 근간으로 하는 모델의 계수에 각 반응에 대한 목표 범위(goal area)를 설정하고 다음 식에 의하여 구하였다.
- 11에 나타내었다. 수치적 최적화(numerical optimization)와 달리 각 반응 모형 그래프의 중첩되는 부분을 최적 범위로 정하였다. 결정된 최적화점으로는 desirability 0.
- 시료의 제시는 세 자리 숫자로 표기하였으며, 드레싱을 작은 컵에 30 g씩 담아 물과 함께 실온에서 동시에 제시하여 한 개의 시료를 평가한 다음 생수로 입안을 깨끗하게 헹군 후 다른 시료를 평가하도록 하였다. 시료의 검사 순서상에서 올 수 있는 오차를 줄이기 위해 무작위 순서대로 시료를 검사하게 하였다.
- 이 때 “대단히 좋음(like extremely)”을 9점, “대단히 싫음(dislike extremely)”을 1점으로 하여 평가하였다. 시료의 제시는 세 자리 숫자로 표기하였으며, 드레싱을 작은 컵에 30 g씩 담아 물과 함께 실온에서 동시에 제시하여 한 개의 시료를 평가한 다음 생수로 입안을 깨끗하게 헹군 후 다른 시료를 평가하도록 하였다. 시료의 검사 순서상에서 올 수 있는 오차를 줄이기 위해 무작위 순서대로 시료를 검사하게 하였다.
- Mixture design 중 D-optimal design(28)에 따라 설계하였고, 독립변수로 드레싱의 품질에 가장 큰 영향을 줄 수 있는 재료인 복분자즙(A), 기름(B), 식초(C)를 설정하였다. 종속변수로는 점도, 색도(L, a, b), 유화안정성, 관능검사(색, 냄새, 맛, 전반적인 기호도)를 설정하였다. 복분자즙, 기름, 식초의 최소 및 최대 범위는 예비실험을 거쳐 각각 15.
- Kim 등(27)의 드레싱 문헌을 참고로 하여 수차례의 예비 실험을 거친 뒤 재료 및 부재료의 양을 결정하여 사용하였다. 총량을 기준으로 양파 9.80%, 통조림 파인애플 7.80%, 설탕 7.80%, 소금 0.98%를 기준으로 복분자즙, 기름, 식초의 첨가율은 mixture design 중 D-optimal design(28)에 의한 Table 1의 실험점에 따라 각각의 양을 첨가하였다. 준비된 모든 재료를 한꺼번에 넣어 blender(MR 4050 CA, Braun, Spain)로 30초간 분쇄한 뒤 밀폐된 유리용기에 담아 즉시 시료로 사용하였다.
- 1과 같고, 실험점의 재료 혼합비율은 Table 1과 같다. 혼합물 실험계획법의 modified distance design을 이용하여 각 설정된 범위를 입력하였을 때 10개의 실험점이 형성되었고(Fig. 1), 4개의 반복점이 선택되었다(Table 1). 모든 실험순서(Run)는 구획에 따른 오차를 없애기 위하여 무작위로 실행하였고, pseudo component는 실제 성분의 조합으로 실험 디자인의 구조와 모델의 적합성을 쉽게 보여주기 위하여 나타내었다.
대상 데이터
- 복분자는 전라북도 고창군 일대의 농장에서 완숙된 검붉은 색의 열매를 수확한 것을 -20℃에 냉동 보관하였다가 자연 해동시켜 녹즙기(Green power gold juice extractor, Green power, Seoul, Korea)로 착즙하고 거즈를 사용해서 여과한 후 그 여과액을 시료로 사용하였다. 드레싱의 재료로는 포도씨유(해표), 식초(white vinegar, Heinz), 양파(한국산), 파인애플 통조림(동원), 설탕(정백당, 삼양사), 소금(재제염, 순도 88% 이상, 해표)을 사용하였다.
- 복분자는 전라북도 고창군 일대의 농장에서 완숙된 검붉은 색의 열매를 수확한 것을 -20℃에 냉동 보관하였다가 자연 해동시켜 녹즙기(Green power gold juice extractor, Green power, Seoul, Korea)로 착즙하고 거즈를 사용해서 여과한 후 그 여과액을 시료로 사용하였다. 드레싱의 재료로는 포도씨유(해표), 식초(white vinegar, Heinz), 양파(한국산), 파인애플 통조림(동원), 설탕(정백당, 삼양사), 소금(재제염, 순도 88% 이상, 해표)을 사용하였다.
데이터처리
- 모든 실험의 design, data 분석 및 최적화는 Design Expert 6(Stat-Easy Co., Minneapolis)을 사용하였다. Mixture design 중 D-optimal design(28)에 따라 설계하였고, 독립변수로 드레싱의 품질에 가장 큰 영향을 줄 수 있는 재료인 복분자즙(A), 기름(B), 식초(C)를 설정하였다.
- 이때 full quadratic model은 stepwise regression 방법(α=0.1)으로 data 선택의 폭을 넓혔으며, 그 model과 coefficient 값들은 F-test로 그 유의성을 검증하였다.
이론/모형
- Canonical 모형의 수치 최적화(numerical optimization)와 혼합물 성분의 모형적 최적화(graphical optimization)를 통하여 선정하였고, 그 때의 점을 예측하였다. 수치 최적화는 canonical 모형을 근간으로 하는 모델의 계수에 각 반응에 대한 목표 범위(goal area)를 설정하고 다음 식에 의하여 구하였다.
- 1)으로 data 선택의 폭을 넓혔으며, 그 model과 coefficient 값들은 F-test로 그 유의성을 검증하였다. 각 모형에 따른 성분들의 반응을 보기 위하여 response surface plot과 trace plot(29)을 이용하였다.
- 75%일 때 유화안정도가 가장 높은 것으로 나타났다. 복분자즙, 기름, 식초의 첨가율이 서로 상호작용 없이 각각 독립적으로 작용하는 linear 모델이 선택되었다. Probability는 0.
- 본 연구는 새로운 드레싱을 개발하기 위하여 복분자를 이용한 샐러드드레싱을 만들었을 때 최적의 혼합비를 찾기 위하여 혼합물 실험계획법(mixture design) 중 D-optimal design을 이용하였다. 샐러드드레싱의 품질에 가장 영향을 미치는 복분자즙, 기름, 식초의 첨가율을 독립변수로 설정하였고, 범위는 예비실험을 거쳐 각각 15.
- 모든 실험순서(Run)는 구획에 따른 오차를 없애기 위하여 무작위로 실행하였고, pseudo component는 실제 성분의 조합으로 실험 디자인의 구조와 모델의 적합성을 쉽게 보여주기 위하여 나타내었다. 설정된 혼합디자인 속에서 성분들 간의 상호작용을 알아보기 위해서 quadratic design model을 적용하였다. Regression model을 나타내는 coefficient 값(26)들에 근거하여 계산되어졌고, linear와 canonical 형태의 quadratic model은 modified least square regression에 의해 만들어졌다.
- 제조한 샐러드드레싱의 유화안정성은 Pearce & Kinsella(30)의 방법으로 측정하였다.
- 최적화 접근은 Derringer와 Suich(32)를 근원으로 하여 발전시킨 방법을 사용하였다. 독립변수 중 복분자즙은 최대값이 되도록, 기름, 식초의 첨가율은 범위내에서, 그 때의 적색도, 황색도 총색차는 범위 내에서, 명도와 관능검사 항목인 색, 냄새, 전반적인 기호도는 최대의 값이 되도록 설정하여 모델화에 의해 결정된 반응식을 이용하여 만족하는 수치점(numerical point)을 예측하였다(Table 4).
성능/효과
- Table 3의 회귀식의 계수들을 살펴본 결과 색은 식초의 첨가율이 독립적으로 가장 크게 작용하였고, 냄새와 맛에서는 기름과 식초의 상호작용이, 전반적인 기호도는 복분자즙과 식초의 상호작용이 가장 크게 작용하였다.
- 수치적 최적화(numerical optimization)와 달리 각 반응 모형 그래프의 중첩되는 부분을 최적 범위로 정하였다. 결정된 최적화점으로는 desirability 0.577에 해당하는 복분자즙 36.00%, 기름 26.44%, 식초 12.06%로 수치 최적화점과 유사하게 나타났다.
- 기호도의 반응표면과 trace plot(Fig. 7～10)을 살펴보면 색의 경우에는 복분자즙(A-A선)과 기름(B-B선)의 첨가율이 감소할수록, 식초의 첨가율(C-C선)이 증가할수록 점수가 높아졌다. 냄새에서는 모든 독립변수의 첨가율이 증가할수록 기호도 점수가 최대값을 보인 후 감소하는 경향을 보였다.
- 색도의 결과에서 복분자즙 첨가율이 적을수록, 식초 첨가율이 증가할수록 색이 흐려지는 것을 알 수 있었는데, 기호도의 결과와 연결해 보면 색이 너무 진한 드레싱은 기호도가 낮은 것을 알 수 있다. 또한 복분자즙, 기름, 식초를 과도하게 첨가하는 것은 바람직하지 않은 것을 알 수 있었다. 맛과 전반적인 기호도에서와 달리 기름의 첨가율이 냄새에 큰 영향을 미치는 것은 기름 특유의 향 때문인 것으로 생각된다.
- 냄새에서는 모든 독립변수의 첨가율이 증가할수록 기호도 점수가 최대값을 보인 후 감소하는 경향을 보였다. 맛과 전반적인 기호도는 복분자즙(A-A선)과 식초(C-C선)의 첨가율에 따라 점수가 최대값을 보이다가 감소하는 경향을 보였으나, 기름(B-B선)의 첨가율은 큰 영향을 미치지 않았다. 색도의 결과에서 복분자즙 첨가율이 적을수록, 식초 첨가율이 증가할수록 색이 흐려지는 것을 알 수 있었는데, 기호도의 결과와 연결해 보면 색이 너무 진한 드레싱은 기호도가 낮은 것을 알 수 있다.
- 실험 결과를 모델링하여 유의성을 검증한 결과, 점도, 적색도, 황색도, 총색차, 유화안정성과 관능검사 항목 중 색이 linear 모델로, 명도와 관능검사 항목 중 냄새, 맛과 전반적인 기호도는 quadratic 모델로 결정되었다. 모델의 적합성을 분석한 결과 모든 항목에서 probability가 모두 0.05% 이내에서 유의성을 보여 모델로서 적합함이 인정되었다. 복분자즙을 이용한 샐러드드레싱의 최적 재료 혼합비율은 수치 최적화에서는 복분자즙 36.
- 8의 범위를 값을 보였다(Table 2). 복분자즙, 기름, 식초 첨가율이 15.70%, 39.20%, 19.60% 첨가하였을 때 명도, 적색도와 황색도에서 가장 높은 값을 보여 복분자즙의 첨가율이 낮을수록 샐러드드레싱의 색은 밝았고, 기름과 식초의 첨가율이 높을수록 적색도와 황색도가 높아지는 것을 알 수 있었다. 이는 복분자즙이 검붉은색을 나타내기 때문에 색도에 영향을 준 것인데, 이 때 기름과 식초의 첨가율이 증가하면 복분자즙의 색이 희석되어 적색도와 황색도가 증가되는 것으로 생각된다.
- 05% 이내에서 유의성을 보여 모델로서 적합함이 인정되었다. 복분자즙을 이용한 샐러드드레싱의 최적 재료 혼합비율은 수치 최적화에서는 복분자즙 36.02%, 기름 26.48%, 식초 12.00%이었고, 모형적 최적화에서는 desirability가 0.577에 해당하는 복분자즙 36.00%, 기름 26.44%, 식초 12.06%로 수치 최적화 점과 거의 일치하는 수치를 보였다. 이는 드레싱을 만들 때 복분자의 활용 가능성을 제시하여 새로운 드레싱 제품 개발의 기초자료를 제공하고, 새로운 것을 추구하는 소비자들의 욕구를 충족시킬 수 있을 것으로 기대된다.
- 맛과 전반적인 기호도는 복분자즙(A-A선)과 식초(C-C선)의 첨가율에 따라 점수가 최대값을 보이다가 감소하는 경향을 보였으나, 기름(B-B선)의 첨가율은 큰 영향을 미치지 않았다. 색도의 결과에서 복분자즙 첨가율이 적을수록, 식초 첨가율이 증가할수록 색이 흐려지는 것을 알 수 있었는데, 기호도의 결과와 연결해 보면 색이 너무 진한 드레싱은 기호도가 낮은 것을 알 수 있다. 또한 복분자즙, 기름, 식초를 과도하게 첨가하는 것은 바람직하지 않은 것을 알 수 있었다.
- 색은 linear 모델로, 냄새, 맛과 전반적인 기호도에서는 quadratic 모델로 결정되었고, probability는 각각 0.0155, 0.0905, 0.2595, 0.0165로 유의성을 보여 모델의 적합성이 인정되었다.
- 선택된 모델에 대한 반응표면과 trace plot(Fig. 3～5)은 복분자즙의 첨가율(A-A)이 낮고 기름(B-B)과 식초(C-C)의 첨가율이 높을수록 명도와 적색도는 높아졌고, 복분자즙과 기름의 첨가율이 낮고 식초의 첨가율이 높을수록 황색도는 증가하였다.
- 6의 반응표면곡선과 trace plot에서 복분자즙(A-A)의 첨가율이 증가할수록, 기름의 첨가율(B-B)이 감소할수록 유화안정성이 높게 나타났다. 스피루리나를 첨가한 기름과 식초 드레싱 연구(35)에서 유화안정성이 40%로 낮은 편인데 비하여 복분자즙을 사용하여 드레싱을 만든 경우에는 유화안정성이 64%로 높은 것으로 보아 복분자즙이 유화액을 안정화시키는데 도움을 주는 것을 알 수 있었다.
- 60%로 하였다. 실험 결과를 모델링하여 유의성을 검증한 결과, 점도, 적색도, 황색도, 총색차, 유화안정성과 관능검사 항목 중 색이 linear 모델로, 명도와 관능검사 항목 중 냄새, 맛과 전반적인 기호도는 quadratic 모델로 결정되었다. 모델의 적합성을 분석한 결과 모든 항목에서 probability가 모두 0.
- 독립변수 중 복분자즙은 최대값이 되도록, 기름, 식초의 첨가율은 범위내에서, 그 때의 적색도, 황색도 총색차는 범위 내에서, 명도와 관능검사 항목인 색, 냄새, 전반적인 기호도는 최대의 값이 되도록 설정하여 모델화에 의해 결정된 반응식을 이용하여 만족하는 수치점(numerical point)을 예측하였다(Table 4). 예측된 최적값의 재료양은 복분자즙 36.02%, 기름 26.48%, 식초 12.00%로 나타났다. 최적화의 다른 방법으로 혼합물 성분의 모형을 이용한 모형적 최적화(graphical optimization)는 Fig.
- 유화안정성을 측정한 결과는 Table 2와 같으며 20～64의 범위의 결과를 보여, 복분자즙 39.25%, 기름 23.50%, 식초 11.75%일 때 유화안정도가 가장 높은 것으로 나타났다. 복분자즙, 기름, 식초의 첨가율이 서로 상호작용 없이 각각 독립적으로 작용하는 linear 모델이 선택되었다.
후속연구
- 06%로 수치 최적화 점과 거의 일치하는 수치를 보였다. 이는 드레싱을 만들 때 복분자의 활용 가능성을 제시하여 새로운 드레싱 제품 개발의 기초자료를 제공하고, 새로운 것을 추구하는 소비자들의 욕구를 충족시킬 수 있을 것으로 기대된다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.