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
- 본 연구는 여러 가지 생리활성이 풍부한 생강가루를 첨가한 찹쌀머핀의 제조 조건을 최적화하고자 반응표면분석을 통해 머핀의 품질특성을 분석하였고, 관능적인 최적 배합 레시피를 산출하였다.
- Johnson FC(1990)는 밀가루에 찹쌀가루를 첨가한 머핀의 연구에서 찹쌀가루를 첨가한 머핀이 순수 밀가루 머핀보다 보습 효과가 우수하고 냉장저장 후에도 밀가루로만 만든 제품보다 신선하다고 하였고, 생강은 다양한 약리효과가 있다고 보고하였다. 이에 본 연구에서는, 밀가루 대신 찹쌀가루로 대체하며, 생강가루를 첨가하여 생강가루 첨가 찹쌀머핀의 품질특성 및 최적 배합 비를 개발하고자 한다.
제안 방법
- 제조한 머핀에 대한 관능검사는 훈련된 패널 32명을 대상으로 시행하였으며 객관성과 정확성을 기하기 위하여 균형 불완전 블록 계획(BIBD: balanced incomplete block design)을 사용하였다. 32명의 관능요원이 16가지의 시료 중 6가지의 시료를 평가하도록 하였으며 각 처리는 12번 반복되며, 머핀은 균일크기 (1/4조각)로 절단하여 난수표에 의해 4자리 숫자로 표시하였다. 관능검사 항목은 색, 외관, 향미, 부드러움에 대한 기호도와 전반적인 선호도 평가를 실시하였으며, 7점 척도법(1점 아주 나쁘다, 7점 아주 좋다)으로 평가하여 기호도 및 선호도가 높을수록 7점에 가까운 점수를 주도록 하였다.
- Canonical 모형의 수치 최적화(numerical optimization)와 모형적 최적화(graphical optimization)를 통하여 최적화를 위한 생강가루(A), 달걀(B), 대두유(C)의 양을 독립 변수로 선정하였고, 그 한계 범위 내에서 관능평가 중 유의적으로 나타난 외관, 향미, 부드러움, 전반적인 선호도 항목을 최대(maximum)로 설정하여 그 때의 지점을 지점 예측(point prediction)을 통해 최적점으로 선정하였다. 수치 최적화는 canonical model을 기준으로 하는 모델의 계수에 각각의 반응 중 관능평가의 최고점을 목표 범위(goal area)로 설정하였다.
- 각 시료별 머핀 내부표면의 색도는 Color difference meter(CR-200, Minolta CO., Osaka, Japan)를 사용하여 L(lightness), a(+red/-green), b(+yellow/-blue)의 색채 값을 한 처리군당 3개의 시료를 이용하여 각각 3회 반복 측정하여 그 평균값으로 나타내었다. 이때 사용한 표준백판(Standard plate)의 L값은 97.
- 각 항목별 최적조건은 Canonical 모형의 수치 최적화 (numerical optimization)와 모형적 최적화(graphical optimization) 를 통해 모델의 최적화를 위해 생강가루, 달걀, 대두유의 양을 선정하였다. 최적값을 구하기 위해 생강가루, 설탕, 대두 유는 독립변수로 작용하며, 한계 범위 내에서 관능평가 중에서 유의적이지 않았던 색의 항목은 제외하고, 유의적으로 나타난 외관, 향미, 부드러움, 전반적인 선호도의 모든 항목의 최대값으로 결정하고, 모델화에 의해 결정된 반응식을 이용하여 만족하는 점(numerical point)을 수치 최적화와 모형 최적화(Fig.
- 32명의 관능요원이 16가지의 시료 중 6가지의 시료를 평가하도록 하였으며 각 처리는 12번 반복되며, 머핀은 균일크기 (1/4조각)로 절단하여 난수표에 의해 4자리 숫자로 표시하였다. 관능검사 항목은 색, 외관, 향미, 부드러움에 대한 기호도와 전반적인 선호도 평가를 실시하였으며, 7점 척도법(1점 아주 나쁘다, 7점 아주 좋다)으로 평가하여 기호도 및 선호도가 높을수록 7점에 가까운 점수를 주도록 하였다.
- 4)를 통해 선정했다. 그 중 가장 높은 desirability를 갖는 최적점을 선택하여 지점 예측(point prediction)을 통해 도출하였으며(Fig. 5), 각 독립변수의 예측된 최적값은 생강가루 8.39 g, 달걀 215.37 g, 대두유 54.40 g이었다.
- 머핀의 기계적 텍스처는 머핀의 내부를 동일한 크기 (3×3×2 cm)로 잘라 Texture analyzer(TA-XT Express v.2.1, London, England)를 사용하여 경도, 응집성, 탄력성, 검성, 씹힘성, 점착성을 측정하였다.
- 부피 측정은 좁쌀을 이용한 종자치환법에 의하여 500 mL 비커에 종실을 가득 담고 그 종실을 비운 후 비커에 머핀을 넣고 그 위에 덜어낸 종실을 다시 채우고, 윗면이 수평이 되도록 하였다. 이 때 남은 종실을 메스실린더에 넣고 부피를 측정 하였다.
- Canonical 모형의 수치 최적화(numerical optimization)와 모형적 최적화(graphical optimization)를 통하여 최적화를 위한 생강가루(A), 달걀(B), 대두유(C)의 양을 독립 변수로 선정하였고, 그 한계 범위 내에서 관능평가 중 유의적으로 나타난 외관, 향미, 부드러움, 전반적인 선호도 항목을 최대(maximum)로 설정하여 그 때의 지점을 지점 예측(point prediction)을 통해 최적점으로 선정하였다. 수치 최적화는 canonical model을 기준으로 하는 모델의 계수에 각각의 반응 중 관능평가의 최고점을 목표 범위(goal area)로 설정하였다.
- 머핀은 대부분 크림 법으로 제조되나 본 연구에서는 액체 상태의 대두유를 사용하여, Choi SN과 Chung NY(2006)의 연구와 같이 공립 법으로 머핀을 제조 하였다. 예비 실험을 통하여 찾은 배합 비를 각각 계량하여 찹쌀가루, 생강가루, 베이킹파우더를 혼합한 가루를 체에 3번 내렸다. 달걀에 소금을 넣고 반죽기(Model K5SS, Kitchen Aid Co.
- 제조한 머핀에 대한 관능검사는 훈련된 패널 32명을 대상으로 시행하였으며 객관성과 정확성을 기하기 위하여 균형 불완전 블록 계획(BIBD: balanced incomplete block design)을 사용하였다. 32명의 관능요원이 16가지의 시료 중 6가지의 시료를 평가하도록 하였으며 각 처리는 12번 반복되며, 머핀은 균일크기 (1/4조각)로 절단하여 난수표에 의해 4자리 숫자로 표시하였다.
- , Minneapolis, MN, USA)프로그램을 사용하였다. 제품 최적화는 Response Surface 중 Central Composite Design에 따라 설계하였고, 머핀에 영향을 줄 수 있는 재료인 생강가루(A), 달걀(B), 대두유(C)의 함량을 독립변수의 세 가지 요인으로 설정하고 종속변수로는 색도(L, a, b), 단면의 높이(height), 부피(volume), 굽기 손실률(baking loss rate), 경도(hardness), 응집성(cohesiveness), 탄력성(springiness), 검성(gumminess), 씹힘성(chewiness), 점착성(adhesiveness), 관능적 특성의 색 (color), 외관(appearance), 향미(flavor), 부드러움(softness), 전반적인 선호도(overall quality)로 설정하였다. 첨가량에 대한 최소 및 최대 범위는 예비실험을 통해 생강가루 1.
- 각 항목별 최적조건은 Canonical 모형의 수치 최적화 (numerical optimization)와 모형적 최적화(graphical optimization) 를 통해 모델의 최적화를 위해 생강가루, 달걀, 대두유의 양을 선정하였다. 최적값을 구하기 위해 생강가루, 설탕, 대두 유는 독립변수로 작용하며, 한계 범위 내에서 관능평가 중에서 유의적이지 않았던 색의 항목은 제외하고, 유의적으로 나타난 외관, 향미, 부드러움, 전반적인 선호도의 모든 항목의 최대값으로 결정하고, 모델화에 의해 결정된 반응식을 이용하여 만족하는 점(numerical point)을 수치 최적화와 모형 최적화(Fig. 4)를 통해 선정했다. 그 중 가장 높은 desirability를 갖는 최적점을 선택하여 지점 예측(point prediction)을 통해 도출하였으며(Fig.
대상 데이터
- 본 실험에서는 생강가루(현재농원, 국산), 찹쌀가루(전원식품, 국산), 우유(서울우유, 국산), 베이킹파우더(초야식품, 국산), 황설탕((주) CJ, 국산), 소금(꽃소금, 국산), 달걀(한마음 영농조합, 국산), 대두유((주)CJ, 국산)를 사용하였다.
데이터처리
- 굽기 손실률은 반죽 중량과 머핀의 중량을 이용하여 다음과 같은 식으로 측정하였다. 각 측정은 한 처리군당 3개의 시료를 이용하여 각각 3회 반복 측정하여 평균값을 나타내었다.
- 생강가루 첨가 찹쌀머핀의 높이는 시료의 정 가운데 위에서 아래로 수직으로 자른 단면의 최고 높이를 7회 반복 측정하여 평균값을 나타내었다.
- 생강가루 첨가 찹쌀머핀의 모든 실험디자인, 테이터 분석 및 최적화는 Design Expert 8(State-Easy Co., Minneapolis, MN, USA)프로그램을 사용하였다. 제품 최적화는 Response Surface 중 Central Composite Design에 따라 설계하였고, 머핀에 영향을 줄 수 있는 재료인 생강가루(A), 달걀(B), 대두유(C)의 함량을 독립변수의 세 가지 요인으로 설정하고 종속변수로는 색도(L, a, b), 단면의 높이(height), 부피(volume), 굽기 손실률(baking loss rate), 경도(hardness), 응집성(cohesiveness), 탄력성(springiness), 검성(gumminess), 씹힘성(chewiness), 점착성(adhesiveness), 관능적 특성의 색 (color), 외관(appearance), 향미(flavor), 부드러움(softness), 전반적인 선호도(overall quality)로 설정하였다.
이론/모형
- 머핀은 대부분 크림 법으로 제조되나 본 연구에서는 액체 상태의 대두유를 사용하여, Choi SN과 Chung NY(2006)의 연구와 같이 공립 법으로 머핀을 제조 하였다. 예비 실험을 통하여 찾은 배합 비를 각각 계량하여 찹쌀가루, 생강가루, 베이킹파우더를 혼합한 가루를 체에 3번 내렸다.
- 머핀의 기계적 특성에 대한 측정값은 Table 5와 같으며, 분산 분석 결과 경도(hardness), 탄력성(springiness), 검성(gumminess), 씹힘성(chewiness)은 독립변수간의 교호 작용하는 quadratic model이 선택되었으며, 응집성(cohesiveness), 점착성(adhesiveness)은 생강가루, 달걀과 대두유에서 각각 독립적으로 작용하는 linear model이 선택되었다(Table 6). 경도의 신뢰구간 R2은 0.
성능/효과
- 1. 실험 결과를 모델링하여 유의성을 검증한 결과, a값, b 값, 높이, 응집성, 접착성은 세 요인이 각각 독립적으로 작용하는 linear 모델이 선택되었으며, 명도, 부피, 경도, 탄력 성, 검성, 씹힘성, 관능평가 항목인 색, 외관, 향미, 부드러움의 정도, 전반적인 선호도는 독립변수간의 교호 작용하는 quadratic 모델로 결정되었고, 높이, 부피, 관능의 색 항목을 제외한 모든 항목에서 5% 이내에서 유의성을 보여 모델의 적합성이 인정되었다.
- 2. 관능항목 중에서 색과 향미에서 대하여서는 생강가루의 영향을 많이 받는 것으로 외관, 부드러움, 전반적인 선호도에서는 생강가루의 첨가량보다는 달걀과 대두유의 첨가량에 영향을 더 받는 것으로 나타났다.
- 3. 실험 결과를 바탕으로 관능평가의 모든 항목의 목표범위를 모두 충족시키는 생강가루, 달걀, 대두유의 최적의 배합비율이 선정되었다. 조리 시 노화가 늦게 일어나고, 부드 러운 성질이 있는 찹쌀가루에, 식욕증진, 위장운동촉진을 하는 것으로 알려져 있는 생강가루를 첨가하여, 위장운동기능이 약해져 식욕이 저하된 분들을 위한 간식으로 활용할 수 있을 것이라 사료 된다.
- 0170로 5%이내 수준에서 유의하였고, 각각의 독립변수간의 교호 작용하는 quadratic model이 선택되었으며(Table 8), 전반적인 선호도는 생강가루의 양보다는 달걀, 대두유의 비율에 따라 선호도에 영향을 많이 주는 것으로 나타나 생강가루 첨가는 머핀에 긍정적인 반응으로 보았다. Fig. 3에서 전반적인 선호도에 대한 반응표면과 perturbation plot과 3차원적 그래프에서도 달걀(B-B), 대두유 (C-C)의 재료함량을 첨가할수록 전반적인 선호도에 대한 선호도는 증가하다가 중심점 부근에서 두 재료의 첨가량이 증가하면 점점 선호도가 감소하는 것을 보여주었다.
- 각각의 독립변수간의 교호 작용하는 quadratic model이 선택되었으며(Table 8), 달걀과 대두유의 교호작용이 외관의 선호도에 영향을 많이 주고 있음을 알 수 있었다. Fig. 3에서도 생강가루(A-A)의 첨가량보다는 달걀(B-B)과 대두유(C-C)의 양에 더 영향을 받는 것으로 나타났으며, 달걀과 대두유의 양이 중심점 근처에서 선호도가 가장 높으며, 양이 첨가 될수록 선호도가 떨어짐을 볼 수 있었다(Fig. 3).
- 0019로 1% 이내 수준에서 유의하였다. 각각의 독립변수간의 교호 작용하는 quadratic model이 선택되었으며(Table 8), 달걀과 대두유의 교호작용이 외관의 선호도에 영향을 많이 주고 있음을 알 수 있었다. Fig.
- 또한 포화지방을 염려하는 현대인들에게 대두유를 사용한 생강가루 첨가 찹쌀머핀의 식품개발의 가능성을 충분히 확인할 수 있었다.
- L값은 독립변수간의 교호 작용하는 quadratic model, a값과 b값은 생강가루, 달걀, 대두유에서 각각 독립적으로 작용하는 linear model이 선택되었다. 반응표면곡선을 살펴본 결과, 생강가루 첨가량(A-A)이 증가할수록 L값은 점점 낮아지는 결과를 보였고(Fig. 1), a값에 가장 영향을 주는 요인으로는 생강 가루(A-A)이며, 생강가루 양이 증가할수록 a값은 증가하나, 달걀(B-B)과 대두유(C-C) 첨가량이 증가할수록 a값의 미세한 감소를 보여 주었다. b값에 영향을 주는 요인은 생강가루의 첨가량보다는 달걀이며, 달걀(B-B)의 첨가량이 증가하면 b값이 증가됨을 보였는데, 이는 재료 중 달걀의 난황에 존재하는 카로티노이드의 색소의 의한 것으로 사료되며, 재료 자체의 색소에 의한 영향이 색도의 차이를 나타냄을 선행연구(Kim YS 등 2004, Park SH와 Lim SI 2007)에서 같이 보여주었다.
- 생강가루 첨가 찹쌀머핀의 외관(appearance)에 대한 관능 검사 결과 이차회귀식에 의한 R2은 0.9567로 높은 신뢰수준을 보였고, p-value는 0.0019로 1% 이내 수준에서 유의하였다. 각각의 독립변수간의 교호 작용하는 quadratic model이 선택되었으며(Table 8), 달걀과 대두유의 교호작용이 외관의 선호도에 영향을 많이 주고 있음을 알 수 있었다.
- 생강가루 첨가 찹쌀머핀의 전반적인 선호도(overall quality)에 대한 관능평가 결과, 이차회귀식에 의한 R2은 0.9066, p-value는 0.0170로 5%이내 수준에서 유의하였고, 각각의 독립변수간의 교호 작용하는 quadratic model이 선택되었으며(Table 8), 전반적인 선호도는 생강가루의 양보다는 달걀, 대두유의 비율에 따라 선호도에 영향을 많이 주는 것으로 나타나 생강가루 첨가는 머핀에 긍정적인 반응으로 보았다. Fig.
- 생강가루 첨가 찹쌀머핀의 제조조건의 최적화를 목적으로 세 가지 독립변수(생강가루, 달걀, 대두유)를 design expert 프로그램을 이용하여 16가지 조건에서 얻어진 물리적 측정 결과, Table 3과 같으며 생강가루를 첨가한 머핀에 대해 색도측정 결과, L값은 53.56~65.03, a값은 -2.15~1.29, b값은 21.06~25.17이며 높이는 29~38 mm, 굽기 손실률은 10.54~15.98%, 부피는 73.0~85.5 mL 사이의 범위를 나타내었다.
후속연구
- 실험 결과를 바탕으로 관능평가의 모든 항목의 목표범위를 모두 충족시키는 생강가루, 달걀, 대두유의 최적의 배합비율이 선정되었다. 조리 시 노화가 늦게 일어나고, 부드 러운 성질이 있는 찹쌀가루에, 식욕증진, 위장운동촉진을 하는 것으로 알려져 있는 생강가루를 첨가하여, 위장운동기능이 약해져 식욕이 저하된 분들을 위한 간식으로 활용할 수 있을 것이라 사료 된다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.