Untitled - Ciencias de la Ingeniería UTE

Transcription

Revista Enfoque UTE
Volumen 5 – Número 2
Junio – 2014
ISSN: 1390-6542
Copyright © 2014
Facultad de Ciencias de la Ingeniería
Universidad Tecnológica Equinoccial
http://ingenieria.ute.edu.ec/enfoqueute/
Teléfono: +593-(2)-2990-800 ext.2232
Dirección: Av. Mariscal Sucre (Occidental) y Mariana de Jesús,
Quito-Ecuador.
Comité Editorial
Director Editorial
Jorge Viteri Moya
Coordinador Editorial
Diego Ordóñez Camacho
Comité Editorial
María José Andrade
Anita Argüello
Vladimir Bonilla
Juan Bravo
Analía Concellón
Manuel Coronel
Albert Ibarz
María Belén Jácome
Daniel Mideros
Carlota Moreno
Roger Peñaherrera
Galo Ramos
Neus Sanjuan
Gabriela Vernaza
Fabián Villavicencio
Contenido
Posibles riesgos para la salud debido al consumo de aspartame .................................................. pp. 1 - 13
Teresa Guerrero Villegas y Galo Mora Flores
Relación del desarrollo del color con el contenido de antocianinas y clorofila en diferentes grados de
madurez de mortiño (Vaccinium floribundum) .......................................................................... pp. 14 - 28
Mónica Arteaga Dalgo, María José Andrade Cuvi y Carlota Moreno Guerrero
Un modelo matemático para la reducción del tiempo de compostaje ........................................ pp. 29 - 37
Estefanía Larreategui y Carlos Banchón
Redes neuronales artificiales en la predicción de insolvencia. Un cambio de paradigma ante recetas
tradicionales de prácticas empresariales ................................................................................... pp. 38 - 58
Marcia M. Lastre Valdes, Arlys M. Lastre Aleaga y Gelmar García Vidal
Enfoque UTE, V.5-N.2, Jun.2014: pp.1 - 13
Copyright © 2014 Universidad Tecnológica Equinoccial
ISSN: 1390‐6542
Recibido (Received): 2014/03/09
Aceptado (Accepted): 2014/06/27
Posibles riesgos para la salud debido al consumo de
aspartame
(Possible health risks due to the consumption of aspartame)
Teresa Guerrero Villegas1, Galo Mora Flores1
Resumen:
Los edulcorantes son compuestos que confieren el sabor dulce a alimentos, bebidas y
medicamentos. El aspartame es uno de los más utilizados en la actualidad; su metabolismo
produce fenilalanina, ácido aspártico y metanol. El propósito de esta investigación fue revisar la
literatura científica sobre los niveles de consumo permitidos, toxicología y estudios
epidemiológicos del aspartame. La Directiva del Parlamento Europeo lo aprobó como aditivo
alimentario en 1994 y la FDA, en 1996. El Comité Mixto FAO / OMS de Expertos en Aditivos
Alimentarios y la FDA fijaron la ingestión diaria admisible en 40 y 50 mg / kg de peso corporal /
día, respectivamente. El edulcorante y sus productos de degradación han sido evaluados por
más de 30 años con la intervención de numerosas organizaciones internacionales. Sin
embargo, aún existe controversia sobre su uso porque hay investigaciones cuyos resultados le
atribuyen efectos secundarios neuropsíquicos, tumores cerebrales, propiedades cancerígenas
para diferentes órganos, daños para el feto durante la gestación, desarrollo de linfomas y
leucemias, mientras que otros investigadores aseguran que su uso es inocuo para los seres
humanos si el consumo es menor que la ingestión diaria admisible. No es recomendado para
personas con fenilcetonuria y mujeres embarazadas.
Palabras clave: Aspartame; ingestión diaria admisible; carcinogénesis; fenilcetonuria.
Abstract:
Sweeteners are compounds that give the sweet taste to foods, drinks and drugs. Aspartame is
one of the most used today; its metabolism produces phenylalanine, aspartic acid and
methanol. The purpose of this research was to review the scientific literature about the levels of
consumption considered safe, toxicology and epidemiological data of aspartame. The European
Parliament approved it as a food additive in 1994 and the FDA did it in 1996. Joint FAO / WHO
Expert Committee on Food Additives and FDA set the Acceptable Daily Intake at 40 and 50 mg /
kg bw / day, respectively. The sweetener and its degradation products have been evaluated for
over 30 years with the involvement of numerous international organizations. However, there is
still controversy over its use because there are researches whose results attribute to it
neuropsychiatric side effects, brain tumors, carcinogenic properties for different organs, damage
to the fetus during pregnancy, development of lymphomas and leukemia, while other
researchers say their use is harmless to humans if consumption is less than the Acceptable
Daily Intake. It is not recommended for people with phenylketonuria and pregnant women.
Keywords: Aspartame; acceptable daily intake; carcinogenesis; phenylketonuria.
1
Universidad Tecnológica Equinoccial, Facultad de Ciencias de la Ingeniería, Quito – Ecuador
([email protected], [email protected])
2
1. Introducción
Pese a que, a nivel mundial, la dieta de los seres humanos comprende una amplia variedad
de productos animales, vegetales y minerales, desde tiempos ancestrales la humanidad ha
tenido una marcada preferencia hacia los alimentos dulces (Durán et al., 2011), lo que
explica que a lo largo de la historia se hayan obtenido y sintetizado compuestos que
satisfagan esa necesidad.
El primer edulcorante del que se tiene registro es la miel, utilizada en las antiguas culturas
de Grecia (aprox. 500 – 300 AC) y China (3000 – 220 AC). En las cuevas de la Araña2, en
España, se encontró pinturas rupestres que datan de más de 20 mil años; entre ellas, la
denominada “El hombre de Bicorp”, que representa a un hombre subiendo por lianas para
obtener miel de abejas (Cuevas de la Araña, s.f.; Weihrauch & Diehl, 2004).
La miel fue reemplazada más tarde por la sacarosa o azúcar común, originalmente obtenida
de la caña de azúcar. Durante las Guerras Mundiales, la remolacha azucarera era la
principal fuente de sacarosa (Weihrauch & Diehl, 2004).
A fines del siglo XVII la comunidad médica ya responsabilizó a la ingesta de azúcar de
provocar muchas enfermedades, y ante esta situación surgió la necesidad de buscar
sustitutos que proporcionen las mismas cualidades y sensaciones que produce el azúcar,
pero sin afectar a la salud (Durán, et al., 2011). Sin embargo, el primer edulcorante artificial,
la sacarina, fue sintetizado recién en 1879 por Remsen y Fahlberg (Weihrauch & Diehl,
2004); ésta es aproximadamente 300 veces más dulce que la sacarosa, pero tiene un
regusto amargo, sobre todo a altas concentraciones (Weininger & Stermitz, 1988).
Astiasarán y Martínez (2003) definen edulcorante como “toda sustancia capaz de
proporcionar sabor dulce al alimento que la contiene” y agrupan a estos en tres categorías:
i) Edulcorantes naturales
- Monosacáridos: glucosa, fructosa, galactosa
- Disacáridos: sacarosa, lactosa, maltosa
ii) Edulcorantes nutritivos, derivados de productos naturales
- Productos que provienen del almidón: glucosa, jarabe de glucosa, isoglucosa
- Productos que provienen de la sacarosa: azúcar invertido
- Azúcares-alcoholes o polioles: sorbitol, manitol, xilitol, maltitol
2
Las cuevas de la Araña son un conjunto de cuevas epipaleolíticas cerca del río Escalona en Bicorp,
municipio de la Comunidad Valenciana de España.
Enfoque UTE, V.5-N.2, Jun.2014, pp.1 - 13
3
- Neoazúcares: fructo-oligosacáridos
iii) Edulcorantes intensos
- Edulcorantes de síntesis o artificiales: aspartame, acesulfamo, sacarina, ciclamato,
alitamo, dulcina
- Edulcorantes
intensos
de
origen
vegetal:
taumatina,
esteviósido,
monelina,
dihidrocalcona, glicirrizina
2. Aspartame
Es un edulcorante artificial intenso, bajo en calorías (EFSA, 2013). Fue descubierto en 1965
por James Schlatter, quien realizaba una investigación con aminoácidos para desarrollar un
tratamiento contra las úlceras y derramó por accidente un poco de sustancia sobre su mano;
cuando se lamió el dedo, se dio cuenta de que tenía un sabor dulce. Schlatter trabajaba
para la multinacional farmacéutica G.D. Searle and Company, que fue la primera propietaria
de la marca comercial del aspartame: NutraSweet®. En 1985 la empresa química Monsanto
adquirió G.D. Searle and Company y en el año 2000 J.W. Childs Equity Partners compró la
compañía NutraSweet de Monsanto (The NutraSweet Company, s.f.).
La comercialización del aspartame en Estados Unidos fue autorizada por primera vez en
1974. Pocos meses después, la autorización fue suspendida debido a que los primeros
estudios no habían evaluado correctamente su toxicidad y carcinogenicidad para el cerebro.
Tras nuevas valoraciones y examen de los datos, la FDA (siglas que corresponden a U.S.
Food and Drug Administration) autorizó su comercialización en alimentos sólidos en 1981, y
en bebidas refrescantes en 1983. En 1996 fue autorizado como edulcorante general (The
NutraSweet Company, s.f.).
Desde su introducción al mercado en 1981 como NutraSweet® millones de personas en
todo el mundo han consumido aspartame en más de 6 000 productos que contienen este
endulzante; entre ellos: gomas de mascar, edulcorantes artificiales de mesa, agua
saborizada, gelatinas, gaseosas y otros productos dietéticos, zumos en polvo, yogures,
cereales, medicamentos pediátricos y salsas para cocinar (Magnuson et al., 2007; The
NutraSweet Company, s.f.).
La Directiva del Parlamento Europeo aprobó el aspartame como aditivo alimentario el 30 de
junio de 1994 y su uso está permitido en más de 90 países (Aspartame, s.f.; EFSA, 2013).
2.1 Identificación, propiedades y síntesis
El número CAS (Chemical Abstracts Service) del aspartame es 22839-47-0, que
corresponde a una identificación numérica única asignada por la Sociedad Americana de
4
Química (CAS, 2014). Su número E (código para los aditivos alimentarios en la Unión
Europea, UE) es E 951 (EFSA, 2013).
El nombre IUPAC (siglas que corresponden a International Union of Pure and Applied
Chemistry) es: L-alfa-aspartil-L-fenilalanina-1-metil éster (FDA, 2013).
El peso molecular del aspartame es 294,3 daltons. Su fórmula molecular es C14H18N2O5 y
su fórmula estructural se muestra en la Figura 1.
Figura 1. Aspartame
Fuente: Wikimedia Commons [Public domain]
El aspartame es un éster metílico de un dipéptido formado por fenilalanina y ácido aspártico.
Es un sólido blanco, cristalino, sin olor, aproximadamente 200 veces más dulce que la
sacarosa o azúcar común y aporta 4 calorías por gramo (Durán et al., 2011).
El punto isoeléctrico del aspartame es 5,2; a medida que se aleja de este pH por
acidificación o alcalinización del medio, su solubilidad en agua aumenta. Para muchos usos
se prefiere sus sales hidrosolubles. El aspartame no se solubiliza en aceites y grasas
(Cubero, Montferrer & Villalta, 2002).
Es estable cuando se encuentra seco o congelado, pero se descompone y pierde su poder
edulcorante con el transcurso del tiempo cuando se conserva en líquidos a temperaturas
superiores a 30 °C, por lo que no debería ser utilizado en alimentos cocinados o
esterilizados. La descomposición del aspartame produce dicetopiperazina, que no posee
propiedades edulcorantes, y por hidrólisis se transforma en metanol, ácido aspártico y
fenilalanina (Cubero et al., 2002; EFSA, 2013).
Actualmente se encapsula el aspartame con aceites hidrogenados para que sea liberado al
final del calentamiento, con lo cual puede ser utilizado en productos horneados. También se
lo mezcla con otros edulcorantes, pues así aumenta su estabilidad frente a procesos que
requieren calor (Cubero et al., 2002; Gianuzzi & Molina, 1995).
5
El aspartame se sintetiza a partir de fenilalanina y ácido aspártico, por vía química o por vía
enzimática. La síntesis química genera productos secundarios y su principal impureza es
la dicetopiperazina (Aspartamo, s.f.; Cubero, et al., 2002).
2.2 Ingestión diaria admisible
El Codex Alimentarius (2014) define la ingestión diaria admisible (IDA) como “la ingestión
diaria que, durante una vida, parece no conllevar riesgos aparentes para la salud de los
consumidores… Se expresa en miligramos de producto químico por kilogramo de peso
corporal.”
La IDA del aspartame para los seres humanos se fijó en 40 mg / kg de peso corporal / día por
el JECFA (Comité Mixto FAO / OMS de Expertos en Aditivos Alimentarios) en 1981 (FAO,
2014); en Estados Unidos, la FDA la ha fijado en 0-50 mg / kg de peso corporal / día
(International Sweeteners Association, s.f.; Magnuson et al., 2007).
2.3 Metabolismo
Tras su ingestión, el aspartame se metaboliza en el tracto intestinal, por acción de esterasas
y peptidasas, en fenilalanina, ácido aspártico y metanol, de modo que casi nada de
aspartame llega a la sangre. La fenilalanina es un aminoácido esencial (que el organismo
humano no puede sintetizar por sí mismo). El ácido aspártico es uno de los veinte
aminoácidos con los que las células forman las proteínas, pero no es un aminoácido
esencial; es importante en la síntesis de ADN y como neurotransmisor. El metanol se
encuentra, en pequeñas cantidades, de forma natural en el organismo y en un gran número
de alimentos (Cubero et al., 2002).
En el cuerpo, el metabolismo del ácido aspártico y del metanol producidos es rápido, por lo
que no se eleva significativamente la concentración de estas dos sustancias en la sangre,
aun si se consumiera en una sola toma una cantidad equivalente a la IDA (Aspartamo, s.f.;
International Sweeteners Association, s.f.).
Si el consumo supera la IDA, el nivel de fenilalanina en sangre puede aumentar
proporcionalmente con la dosis administrada. Sin embargo, estos valores no son
importantes, excepto para personas que presentan fenilcetonuria (PKU) (Aspartamo, s.f.).
La PKU es una afección congénita causada por la carencia de la enzima fenilalanina
hidroxilasa, lo que impide descomponer apropiadamente la fenilalanina. Consecuentemente,
este aminoácido se acumula y resulta tóxico para el sistema nervioso central, ocasionando
daño cerebral (MedlinePlus, 2013). Por esta razón, en la UE y otros países los productos
alimenticios que contienen aspartame deben indicarlo en la etiqueta, con su nombre o su
número E (EFSA, 2013).
6
2.4 Controversia sobre el consumo de aspartame
El aspartame y sus productos de degradación han sido evaluados por más de 30 años por
medio
de
estudios
experimentales
en
animales,
investigación
clínica,
estudios
epidemiológicos y vigilancia post-comercialización, con la intervención de numerosas
organizaciones, incluyendo el JECFA y el Comité Científico de la Comisión Europea sobre la
Alimentación Humana (SCF) (EFSA, 2013).
La FDA y la EFSA han aprobado al aspartame como aditivo alimentario en base a
investigaciones que arrojan resultados positivos sobre su inocuidad. Sin embargo, aún
persiste la polémica entre ciertos sectores, debido a que también hay numerosos reportes
que alertan sobre su toxicidad.
A continuación se citan algunas investigaciones realizadas al respecto:
Según
Gianuzzi
y
Molina
(1995),
el
aspartame
presenta
efectos
secundarios
neuropsíquicos, como dolor de cabeza, insomnio, irritabilidad, depresión, fatiga, vértigo,
problemas visuales, gastrointestinales y menstruales. Cuando se consume en dosis
elevadas puede provocar inhibición del supresor del apetito.
Olney et al. (1996) analizaron los datos de tumores cerebrales en Estados Unidos durante
dos décadas y encontraron que se incrementaron en dos ocasiones: el primer incremento,
que fue leve, se asoció a un mejoramiento en la tecnología de diagnóstico, y un segundo,
más reciente y sostenido, implicó al aspartame debido a un estudio que reveló una alta
incidencia de tumores cerebrales en ratas alimentadas con el edulcorante, en comparación
con la ausencia de estos tumores en los controles. Los autores concluyeron que hay
necesidad de volver a evaluar el potencial carcinogénico del aspartame.
Luego de investigar el efecto de los metabolitos del aspartame, Schwartz escribió una carta
al Diario Western de Medicina que fue publicada en 1999, en la que sugirió una relación
entre el aspartame y el aumento de cáncer de mama y de próstata. Sostuvo que el
aspartame es parcialmente metabolizado a metanol, que a su vez se convierte en
formaldehído; así se acumula dentro de las células e induce el cáncer. En el mismo número
de la revista, el Dr. Trichopoulos (cuyas investigaciones eran financiadas por Monsanto)
respondió a la carta explicando que el aumento de la tasa de cáncer de mama ocurrió antes
de la introducción del aspartame, y ha ido decreciendo durante los años siguientes
(Schwartz, 1999).
Por otro lado, Soares, Azoubel y Batigália (2007) administraron aspartame en una
concentración de 14 mg / kg a un grupo de ratas preñadas, y agua a otro grupo que actuó
como control. En el grupo que recibió aspartame hubo reducción en los pesos promedio de
7
la placenta y materno-fetal, en el largo del cordón umbilical y en la mayoría de los
parámetros cariométricos del núcleo de los hepatocitos. Se concluyó que su uso durante la
gestación puede ser perjudicial para el feto.
Weihrauch y Diehl (2004) investigaron artículos escritos sobre edulcorantes artificiales. Fue
de su interés la publicación de Olney et al. (1996), sobre la que dijeron no ser admisible la
correlación entre el aumento de los tumores cerebrales y la introducción del aspartame, por
tratarse de una “falacia ecológica”, además de que sus resultados no pudieron ser
confirmados por ensayos posteriores.
Las conclusiones de Weihrauch y Diehl fueron las siguientes:
- El “uso pesado” de edulcorantes artificiales (mayor a 1,7 g por día) conduce a un
aumento del riesgo relativo de 1,3 para el cáncer de vejiga en humanos. No es posible
determinar los agentes exactos, debido a que muchos edulcorantes artificiales se
combinan en los productos alimenticios.
- A pesar de los artículos no científicos publicados y de las publicaciones científicas, no
hay evidencia de que el aspartame sea cancerígeno (Weihrauch & Diehl, 2004).
El Centro de Investigación del Cáncer Cesare Maltoni de la Fundación Europea Ramazzini,
con sede en la ciudad italiana de Bolonia, llevó a cabo un ensayo en el que se administró
aspartame a 1800 ratas, en dosis diarias de 100 000, 50 000, 10 000, 2 000, 400, 80 y 0 ppm.
El tratamiento duró hasta la muerte de los animales, y a todos se les sometió a necropsia
completa. Tras la evaluación histopatológica de órganos y tejidos los investigadores
publicaron los siguientes resultados:
a) Aumento de la incidencia de tumores malignos, en particular en las hembras tratadas a
50 000 ppm.
b) Aumento de linfomas y leucemias, particularmente en las hembras tratadas con dosis de
100 000, 50 000, 10 000, 2 000 y 400 ppm.
c) Aumento de la incidencia de carcinoma (tumor maligno) de células de transición de la
pelvis renal y del uréter en hembras tratadas con dosis de 100 000, 50 000, 10 000, 2 000
y 400 ppm.
d) Aumento de la incidencia de schwannomas malignos (tumores de la vaina de mielina) de
los nervios periféricos con una tendencia positiva en los machos.
Se concluyó que el aspartame es un agente cancerígeno multipotencial, incluso a una dosis
diaria de 20 mg / kg de peso corporal, que es menor que la IDA. También se sugirió una
urgente reevaluación de las directrices sobre su uso y consumo (Soffritti et al., 2006).
8
Luego de los primeros resultados del Instituto Ramazzini, Magnuson et al. (2007) realizaron
una revisión crítica de literatura científica sobre el aspartame y concluyeron:
- Los niveles de uso actuales del aspartame, incluso por altos usuarios se mantienen muy
por debajo de la IDA fijada por la EFSA y por la FDA.
- El consumo de grandes cantidades de aspartame en una dosis única puede tener efecto
sobre algunos parámetros bioquímicos, incluyendo los niveles de aminoácidos en plasma
y los niveles de neurotransmisores del cerebro.
- Los estudios de toxicidad del aspartame y sus productos de descomposición, realizados
en ratones, ratas, hámsteres y perros han encontrado efectos adversos del edulcorante
con dosis desde 4 000 mg / kg de peso corporal / día.
- Los estudios de carcinogenicidad llevados a cabo sobre el aspartame no cuentan con
evidencias aceptables de que la sustancia es cancerígena.
- La hipótesis de que el aspartame afecta la función del sistema nervioso, de aprendizaje o
comportamiento no se ve apoyada por los resultados de las investigaciones.
Los investigadores de la Fundación Ramazzini volvieron a publicar sus resultados ampliados
y concluyeron que el gran número de animales utilizados y la larga duración de la
investigación fueron factores determinantes para que se haya revelado la carcinogenicidad
del aspartame, pues ellos observaron un aumento de linfomas y leucemias en las hembras,
y de tumores sólidos como tumores malignos de los nervios periféricos, del cráneo y de la
pelvis renal en ratas, además de tumores de hígado en ratones. Consideraron su trabajo
prioritario para la protección de la salud pública, en particular la salud de los niños y las
mujeres embarazadas que se encuentran entre las poblaciones vulnerables, tomando en
cuenta el uso cada vez mayor de edulcorantes artificiales, no solo aspartame, sino otras
mezclas utilizadas en miles de alimentos (Belpoggi et al., 2006).
Todos los estudios realizados en el Instituto Ramazzini fueron evaluados por la EFSA y por
la FDA y desechados argumentando numerosos errores metodológicos, manteniendo que el
aspartame es seguro para el consumo humano (EFSA, 2013; FDA, 2007).
En junio de 2011 se informó que científicos del Instituto Ramazzini fueron recibidos por
parlamentarios europeos con respecto a los resultados obtenidos en sus investigaciones
sobre el aspartame. A raíz de esto, los parlamentarios consiguieron que la Comisión
Europea solicite a la EFSA que comience un nuevo proceso de reevaluación de este
compuesto en 2012 (Navarro, 2014).
9
En el sitio Web de la EFSA se encuentran publicados, desde Diciembre de 2013 los
resultados y conclusiones de estas reevaluaciones:
- El aspartame se hidroliza rápida y completamente a fenilalanina, ácido aspártico y
metanol en el tracto gastrointestinal.
- A partir de estudios de toxicidad crónica en animales se identificó un NOAEL (Nivel sin
efecto adverso observable) de 4 000 mg / kg de peso corporal / día. No se excluye la
posibilidad de que se presente toxicidad en animales a dosis inferiores a 4 000 mg / kg.
- Se atribuye el desarrollo de toxicidad en animales a la fenilalanina, pues se conoce que
este aminoácido a niveles plasmáticos elevados causa toxicidad para los seres humanos.
- Se concluyó que el aspartame no constituye un problema de seguridad si su ingesta es
menor a la IDA de 40 mg / kg de peso corporal / día. Por lo tanto, no hay razón para revisar
la IDA del aspartame. Sin embargo, esta IDA no es aplicable a pacientes con PKU.
El 13 de diciembre de 2013 el Instituto Ramazzini publicó un comunicado de la Directora del
Centro de Investigación del Cáncer Cesare Maltoni en respuesta al informe de la EFSA
sobre el aspartame. En él, Fiorella Belpoggi escribe:
"Seguimos convencidos de que el aspartame es un carcinógeno para los seres
humanos, debido a que en nuestro modelo experimental ha demostrado ser
cancerígeno en dos especies animales, la rata y el ratón, y para diversos órganos
diana…”
La Dra. Belpoggi argumenta haber seguido los criterios de la Agencia Internacional para la
Investigación sobre el Cáncer de la Organización Mundial de la Salud para clasificar los
agentes carcinógenos. Manifiesta también que la EFSA no consideró otros estudios
epidemiológicos importantes, como el de Schernhammer et al. (2012) que incluye 122 000
personas y relaciona el uso de aspartame con un aumento en la incidencia de linfomas y
leucemias, ni el de Andreatta et al. (2008), llevado a cabo en Argentina, que evidenció un
incremento de tumores del tracto urinario en animales de experimentación tratados con
aspartame (Belpoggi, 2013).
También indica la Dra. Belpoggi que próximamente contarán con la colaboración del NIEHS /
USA (Instituto Nacional de Ciencias de la Salud Ambiental de los Estados Unidos) con la
finalidad de eliminar las incertidumbres sobre los datos obtenidos en sus experimentos
sobre el aspartame; se realizará una reevaluación desde el punto de vista estadístico y se
procederá a la caracterización de lesiones clasificadas como linfomas pulmonares, y
finalmente en 2015 se llamará a un Grupo de Trabajo Internacional de Patología para la
revisión de todos los tumores malignos diagnosticados (Belpoggi, 2013).
10
3. Conclusiones y Recomendaciones
Pese a las investigaciones que alertan sobre el consumo de aspartame, según la FDA y la
ESFA, ni el edulcorante ni sus metabolitos representan un riesgo para la salud de los seres
humanos, si su ingesta es menor que la IDA, fijada en 50 y 40 mg / kg de peso corporal / día,
respectivamente.
En vista de que las investigaciones sobre la seguridad del consumo de aspartame arrojan
resultados contradictorios, sería importante conocer el informe definitivo de la reevaluación
de su carcinogenicidad por parte del Instituto Ramazzini y el NIEHS / USA, que seguramente
se publicará en el sitio Web del Instituto.
El aspartame, así como cualquier fuente alimenticia de fenilalanina no debe ser consumido
por individuos con fenilcetonuria. Es recomendable que también se abstengan de su
consumo mujeres embarazadas.
Bibliografía
Andreatta, M. M., Muñoz, S. E., Lantieri, M. J., Eynard, A. R. & Navarro, A. (2008). Artificial
sweetener consumption and urinary tract tumors in Cordoba, Argentina. Prev Med.
47(1):136-9. doi: 10.1016/j.ypmed.2008.03.015. Epub 2008 Apr 8.
Aspartamo. (s.f.). Recuperado de http://www.greenfacts.org/es/aspartamo/l-3/aspartame1.htm#1p0
Astiasarán, I. & Martínez, A. (2003). Alimentos. Composición y Propiedades. México:
McGraw-Hill.
Belpoggi, F. (Diciembre 13, 2013). Aspartame: la risposta dell’Istituto Ramazzini alle
dichiarazioni dell’EFSA. Recuperado del sitio Web del Instituto Ramazzini:
http://www.ramazzini.org/news/aspartame-la-risposta-dellistituto-ramazzini-alledichiarazioni-dellefsa/
Belpoggi, F., Soffritti, M., Padovani, M., Degli Esposti, D., Lauriola, M. & Minardi, F. (2006).
Ann. N.Y. Acad. Sci. 1076: 559–577. doi: 10.1196/annals.1371.0
CAS,
Chemical
Abstracts
Service.
(2014).
Recuperado
de
http://www.commonchemistry.org/ChemicalDetail.aspx?ref=22839-470&terms=aspartame
Codex Alimentarius, Normas internacionales de los alimentos. (Febrero 1, 2014). Glosario
de términos. Recuperado de http://www.codexalimentarius.org/pestres/Glossary/es
11
Cubero, N., Montferrer, A. & Villalta, J. (2002). Aditivos Alimentarios. Madrid: A. Madrid
Vicente, Ediciones.
Cuevas de la Araña. (s.f.). Recuperado de http://www.rutasconhistoria.es/loc/cuevas-de-laarana
Durán, S., Quijada, M., Silva, L., Almonacid, N., Berlanga, M. & Rodríguez, M. (2011).
Niveles de ingesta diaria de edulcorantes no nutritivos en escolares de la región de
Valparaíso [Versión electrónica], Rev. Chil. Nutr. 38(4), 444-449. Recuperado de
http://www.scielo.cl/scielo.php?pid=S0717-75182011000400007&script=sci_arttext
EFSA, European Food Safety Authority. (Diciembre 10, 2013). Aspartame. Recuperado de
http://www.efsa.europa.eu/en/topics/topic/aspartame.htm
EFSA Panel on Food Additives and Nutrient Sources added to Food (ANS). Scientific opinion
on the re-evaluation of aspartame (E 951) as a food additive. EFSA Journal
2013;11(12):3496.
Recuperado
de
http://www.efsa.europa.eu/en/efsajournal/doc/3496.pdf
FAO, Organización de las Naciones Unidas para la Alimentación y la Agricultura. (2014).
Recuperado
de
http://www.fao.org/search/es/?cx=018170620143701104933%3Apvqiwqrhhhq&q=asp
artame&x=4&y=5&cof=FORID%3A9
FDA, U.S. Food and Drug Administration. (Abril 20, 2007). FDA Statement on European
Aspartame
Study.
Recuperado
de
http://www.fda.gov/food/ingredientspackaginglabeling/foodadditivesingredients/ucm20
8580.htm
FDA,
U.S.
Food
and
Drug
Administration.
(2013).
Recuperado
de
http://www.accessdata.fda.gov/scripts/cdrh/cfdocs/cfcfr/cfrsearch.cfm?fr=172.804
Giannuzzi, L. & Molina Ortiz. S. (1995). Edulcorantes Naturales y Sintéticos: Aplicaciones y
Aspectos Toxicológicos. Acta Farnz. Botlaeretise 14 (2): 119-3 1. Recuperado de
http://www.latamjpharm.org/trabajos/14/2/LAJOP_14_2_2_1_O7PY4U1EJI.pdf
International Sweeteners Association. (s.f.). Aspartamo. Recuperado de http://www.infoedulcorants.org/pdf/e951_aspartamo_sp.pdf
Magnuson, B. A., Burdock, G. A., Doull, J., Kroes, R. M., Marsh, G. M., Pariza, M. W.,
Spencer, P. S., Waddell, W. J. Walker, R. & Williams, G. M. (2007). Aspartame: A
Safety Evaluation Based on Current Use Levels, Regulations, and Toxicological and
12
Epidemiological
Studies.
Critical
Reviews
in
Toxicology,
37:629–727.
DOI:
Recuperado
de
10.1080/10408440701516184
MedlinePlus.
(Septiembre
06,
2013).
Fenilcetonuria.
http://www.nlm.nih.gov/medlineplus/spanish/ency/article/001166.htm
Navarro, R. (Febrero, 25 del 2014). La EFSA descarta riesgos para la salud en el
aspartamo.
Malagahoy.es.
Recuperado
de
http://www.malagahoy.es/article/salud/1667187/la/efsa/descarta/riesgos/para/salud/e
spartamo.html
Olney, J. W., Farber, N. B., Spitznagel, E. & Robins, L. N. (1996). Increasing brain tumor
rates: is there a link to aspartame? J Neuropathol Exp Neurol, 55(11): 115-23.
Recuperado
de
http://journals.lww.com/jneuropath/Abstract/1996/11000/Increasing_Brain_Tumor_Rat
es__Is_There_a_Link_to.2.aspx
Schernhammer, E. S., Bertrand, K. A., Birmann, B. M., Sampson, L., Willett, W. C. &
Feskanich, D. (2012). Consumption of artificial sweetener– and sugar-containing
soda and risk of lymphoma and leukemia in men and women. Am J Clin Nutr, vol.
96 no. 6:1419-1428. DOI: 10.3945/ajcn.111.030833
Schwartz, G. R. (1999). Aspartame and breast and other cancers. West J Med, 171(56):300-301. Recuperado de http://www.ncbi.nlm.nih.gov/pmc/articles/PMC1308737/
Soares Pórtela, G., Azoubel, R. & Batigália, F. (2007). Effects of Aspartame on MaternalFetal and Placental Weights, Length of Umbilical Cord and Fetal Liver: A Kariometric
Experimental
Study.
Int.
J.
Morphol., 25(3):549-554.
Recuperado
de
http://www.scielo.cl/scielo.php?script=sci_arttext&pid=S071795022007000300012&lng=es&tlng=en. 10.4067/S0717-95022007000300012.
Soffritti, M., Belpoggi, F., Degli Esposti, D., Lambertini, L., Tibaldi, E. & Rigano, A. (2006).
First Experimental Demonstration of the Multipotential Carcinogenic Effects of
Aspartame Administered in the Feed to Sprague-Dawley Rats. Environ Health
Perspect 114:379–385. DOI:10.1289/ehp.8711 available via http://dx.doi.org/ [Online
17 November 2005]
The NutraSweet Company. (s.f.). Recuperado de http://www.nutrasweet.com/company.asp
Weihrauch, M. & Diehl, V. (2004). Artificial sweeteners—do they bear a carcinogenic risk?
Annals
of
Oncology,
15,
1460–1465.
http://annonc.oxfordjournals.org/content/15/10/1460.full.pdf+html
Recuperado
de
13
Weininger, S. & Stermitz, F. (1988). Química Orgánica. Barcelona: Editorial Reverté, p. 836.
Recuperado
de
http://books.google.com.ec/books?id=O6YvtgAtXmcC&pg=PA836&lpg=PA836&dq=d
ulzura+relativa+de+la+sacarina&source=bl&ots=xyjDLWuV8f&sig=_3cMO6IWSjyTF1
mqHXKpLEnh8Bs&hl=es&sa=X&ei=KcuCUsasKYqQkAeArICQDQ&ved=0CDQQ6AE
wAQ#v=onepage&q=dulzura%20relativa%20de%20la%20sacarina&f=false
ISSN: 1390‐6542
Relación del desarrollo del color con el contenido de
antocianinas y clorofila en diferentes grados de madurez de
mortiño (Vaccinium floribundum)
( Development relationship of color with anthocyanins and
chlorophyll content in diferent degrees of maturity of mortiño
(Vaccinium floribundum) )
Mónica Arteaga Dalgo1, Maria Jose Andrade Cuvi1, Carlota Moreno Guerrero1
Resumen:
Se estudió la relación entre el desarrollo del color con el contenido de antocianinas y clorofila
en diferentes grados de madurez de mortiño (Vaccinum floribundum). Los frutos se cosecharon
según su color superficial de 100% verde hasta 100% negro. Se midió el color según la escala
CIE L*a*b* y se determinó la diferencia de color (∆E). El contenido de antocianinas y clorofila se
realizó por espectrofotometría UV-VIS. Se establecieron cinco estados de madurez: (1) verde,
(2) verde/rosado, (3) rosado, (4) rosado/negro y (5) negro. Se encontró que la maduración
presenta una relación inversa con la luminosidad y la saturación de color. Se obtuvieron valores
positivos de a* y negativos de b* para los estados de madurez 3, 4 y 5 (color rojo y azul); y
valores negativos de a* y positivos de b* para los estados 1 y 2 (color verde y amarillo). Entre
los estados 4 y 5 se encontró la menor diferencia de color (∆E). Entre los estados 1 y 5 se
observó una disminución de 0,052mg/g de clorofila y un incremento de 13700mg/kg del
contenido de antocianinas. Se encontró una relación directa entre el tono del color (Hue) y el
contenido de compuestos con actividad antioxidante constituyendo un antecedente para futuras
investigaciones y por otro lado, el aprovechamiento de este fruto en diferentes estados de
madurez.
Palabras clave: Mortiño, antocianinas, clorofila, color, madurez
Abstract:
The relationship between color development with anthocyanins and chlorophyll content at
different stages of maturity of mortiño (Vaccinum floribundum) was studied. The fruits were
harvested by surface color from 100% green to 100% black. The color scale was measured
according to CIE L* a* b* and color difference (∆E) was determined. The anthocyanin and
chlorophyll content was performed by UV-VIS spectrophotometry. The following scale was used
to establish the stage of maturity: (1) green, (2) green/pink, (3) pink, (4) pink/black and (5) black;
It was observed that increasing the maturation stage, the brightness and color saturation
decrease. Results showed positive values of a* and negative of b* for maturity stages 3, 4 and 5
(red and blue); and negative values of a * and positive of b * for states 1 and 2 (green and
yellow). Smallest differences in color (∆E) were found between states 4 and 5. Among the
states 1 and 5 was evident a decreased of 0,052 mg/g in chlorophyll content and an increase of
13700mg/kg in anthocyanins. The degree of maturity of the fruit has a direct relationship
between the color tone and content of components with antioxidant activity constituting a
precedent for future researches and its use of this fruit in different stages of maturity.
Keywords: Mortiño, anthocyanins, chlorophyll, color, maturity.
1
Universidad Tecnológica Equinoccial, Facultad Ciencias de la Ingeniería, Centro de Investigación de
Alimentos CIAL, Quito – Ecuador ([email protected])
15
1. Introducción
El mortiño (Vaccinum floribumdum) es un fruto climatérico perteneciente a la familia Ericaceae,
conocido como “Andean Blueberry”, es una especie endémica que se desarrolla de forma silvestre
en los páramos ecuatorianos entre los 2800 y 4000 m.s.n.m. (Jimenez, 2004; Popeneo, King,
León, & Sumar, 1989; Dávila, Andrés, Stalin, & Francisco, 2010; Pérez & Valdiviezo, 2007).
Durante el proceso de maduración el mortiño sufre una serie de cambios de color: desde verde
cuando aún no madura, rosado cuando alcanza la madurez fisiológica hasta alcanzar un color
negruzco cuando llega a la madurez hortícola o comercial (Vargas, 2002; Patiño, 2002).
El color es una propiedad de la materia que se relaciona directamente con el espectro de luz y se
puede medir físicamente debido a su energía radiante o intensidad, así como también por su
longitud de onda. El cambio de coloración que acompaña a la madurez fisiológica de las frutas se
emplea comúnmente para determinar el índice de madurez de las mismas. A pesar de que el ojo
humano es extremadamente sensible a las diferencias entre colores, sólo es capaz de dar una
medición subjetiva, es por esta razón que se utilizan aparatos precisos que combinan la
electrónica y la óptica permitiendo realizar medidas objetivas del color (Badui, 1981).
Las frutas tienen una alta concentración de pigmentos (la mayoría de ellos con actividad
antioxidante) fácilmente identificables por colores característicos presentes en su parte externa.
Es el caso de las antocianinas que poseen colores azul, púrpura, violeta, magenta, rojo y naranja.
Estos compuestos están ampliamente distribuidos en la naturaleza tanto en flores y frutas como
en raíces y hojas, presentan una reconocida capacidad antioxidante que ha sido ampliamente
estudiada; por otro lado, las clorofilas se caracterizan por el color verde e intervienen en la
fotosíntesis en las plantas, algas y bacterias fotosintéticas (Tupuna, 2012; Pokorny, Yanishlieva, &
Gordon, 2001; Skoog, West, Holler, & Crouch, 2001; Fennema, 2000).
Existe una relación entre el color y la maduración de las frutas que se refleja al momento de la
cosecha, postcosecha y comercialización, debido a los cambios de pigmentación que tienen lugar
durante el desarrollo y maduración del producto sobre la planta. De este modo se puede
relacionar el contenido antioxidante con el color de las frutas, pudiendo ser medido gracias a la
propiedad que posee cada pigmento para absorber una cierta longitud de onda del espectro
visible (Badui, 1981; Sinha, Sidhu, Barta, Wu, & Cano, 2012). El objetivo del presente trabajo de
investigación fue relacionar el desarrollo del color con el contenido de antocianinas y clorofila en
diferentes grados de madurez del mortiño.
16
2. Metodología
2.1 Material vegetal y medida de color superficial
Frutos de mortiño en diferentes grados de madurez fueron cosechados en el páramo “El
Pedregal”, ubicado en el cantón Mejía, Provincia de Pichincha. Inmediatamente se trasladaron al
Laboratorio de Biotecnología (Facultad Ciencias de la Ingeniería-UTE) donde se clasificaron
según su color superficial (relacionado con su grado de madurez). Se realizó la medición del color
usando un colorímetro Konica Minolta CR 400 (escala CIE L*,a*,b*); se obtuvo valores de L* para
luminosidad comprendidos entre 0 y 100; valores de a* para colores rojos (positivos) y verdes
(negativos), y valores de b* para colores azules (negativos) y amarillos (positivos) (Konica Minolta,
2012; Zheng, Chien, Shiow, & Wei, 2003).
Además se determinaron los parámetros de color: Chroma – C* (indicador de intensidad o
saturación de color) y el ángulo Hue - H (tono, matiz o longitud de onda dominante), para lo cual
se utilizó los valores de a*y b*, según las ecuaciones 1 y 2.
[( )
( ) ]
⁄
[1]
( )
H
[2]
Mediante la ecuación 3 se determinó la diferencia de color (ΔE) entre los diferentes estados de
madurez, en términos de Luminosidad, a* y b*.
[(
)
(
)
(
) ]
⁄
[3]
2.2 Extracción y cuantificación de antocianinas
Se cuantificó el contenido de antocianinas según el método de Beas (2011) con ligeras
modificaciones. Se pesó entre 0,02 y 5 gramos (según el estado de madurez) de tejido congelado
y triturado, se agregó 10 ml de HCl 1% en metanol, se agitó por 15 min y se centrifugó a 6000 rpm
durante 5 min, posteriormente se retiró el sobrenadante y se conservó protegido de la luz; al pellet
se añadió 10 mL de solvente, se agitó y centrifugó nuevamente. Se midió la absorbancia del
sobrenadante a 540nm y se expresó el contenido de antocianinas totales en mg/kg (como
equivalentes de cianidina-3-glucósido), según la ecuación 4.
( )(
)(
)(
Donde,
C = Concentración de Antocianinas (mg/kg)
A = Absorbancia máxima
= Absortividad actividad molar cianidina-3-glicósido (25955/cmM)
Vol= Volumen total de extracto
PM= Peso molecular cianidina-3-glicósido (449Da)
)(
)
[4]
17
2.3 Extracción y cuantificación de clorofila
Se pesaron de 0,05 a 5 gramos de tejido congelado y triturado (según el estado de madurez de la
fruta), a los cuales se añadió 15 ml de acetona al 80%. El homogenizado resultante fue
centrifugado a 12000 rpm durante dos minutos. Para la medición de contenido de clorofila se
utilizó el método de Arnon (1949), en el cual se midió la absorbancia de la muestra a 645 y 662
nm. Se determinó el contenido de clorofila α (ecuación 5), clorofila β (ecuación 6) y clorofila total
(ecuación 7).
(
)
[(
) (
)]
(
)
[(
) (
)]
[5]
[6]
[7]
2.4 Análisis estadístico y diseño experimental
Se utilizó el diseño experimental completamente al azar. Se realizó el análisis de varianza (Anova
simple) y las medias se compararon por el test de Tukey con un nivel de significancia de 0,05, se
empleó el programa Statgraphics Centurion XV.
3. Resultados
3.1 Medida de color superficial
Los frutos fueron cosechados en diferentes estados de madurez y se clasificaron según su color
superficial utilizando la escala que se observa en la tabla 1.
Tabla 1. Clasificación del mortiño por grado de madurez
Estado de Madurez
Característica
1
Color verde 100%
2
Color 50% verde – 50%
rosado
3
Color rosado 100%
4
Color 50% negro - 50% rosado
5
Color negro 100%
18
En la tabla 2 se presentan los resultados de los parámetros de color de los diferentes grados de
madurez de mortiño. Se observó un descenso de los valores de L a lo largo de la maduración. Los
frutos de color verde 100% (estado de madurez 1) presentaron un valor de luminosidad de 37 que
se mantuvo prácticamente constante en los frutos hasta el estado de madurez 2 (color verderosado), mientras que al alcanzar la madurez fisiológica en el estado de madurez 3 (color rosado)
el valor de luminosidad disminuyó a 30,92; valor similar al encontrado en el estado de madurez 4
(color negro-rosado); cuando los frutos alcanzaron la madurez hortícola en el grado de madurez 5
(color negro), se determinó un valor de luminosidad de 28. Zheng, Chien, Shiow y Wei (2003)
reportaron para arándano maduro valores de L=32 (mayor al obtenido para mortiño),
probablemente esta diferencia se deba a la coloración que caracteriza al arándano cuando
alcanza su madurez comercial (color azul). Por lo contrario, en productos donde el cambio de
color durante la maduración es de amarillo a verde como la soya se registran incrementos de los
valores de L (Sinnecker, Gomes, Areas, & Marquez, 2002). Cuando el color se acerca a blanco los
valores de luminosidad son mayores que cuando el color tiende a negro (Kónica Minolta, 2012).
Tabla 2. Medida de parámetros de color L, a*, b*, C* y H para los diferentes estados de madurez
del mortiño (Vaccinium floribundum)
Parámetros de color
Estado de
madurez
L
1
37.36
a
-5.68
2
37.74
b
3
30.91
c
5.77
4
30.21
d
3.04
5
28.01
e
Tukey 0,05
0.54
a*
b*
C*
f
10.37
-0.51
d
6.38
a
0.41
b
a
H
11.84
b
6.53
c
5.82
-1.07
d
3.27
1.29
c
-1.67
e
0.37
0.41
a
c
155.46
b
204.04
b
c
91.63
d
308.34
2.14
e
331.82
0.47
34.29
d
a
a
Letras distintas indican que el valor es significativamente diferente entre los estados de madurez.
El valor inicial de a* en los frutos de color verde 100% (estado de madurez 1) fue de -5,68
aumentando 11 unidades en el estado 3 (a*=5,77) alcanzando al final de la maduración un valor
de 1,29 (estado de madurez 5). Los cambios ocurridos en a* se deben a que cuando el color
tiende a rojo los valores de a* aumentan en sentido positivo de acuerdo al plano del espacio de
color L*a*b* y por el contrario, si el color tiende a verde los valores de a* aumentan en sentido
negativo (Kónica Minolta, 2012; Sinnecker, et. al., 2002). Valores similares a los obtenidos para
los frutos de mortiño fueron reportados por Sinnecker, Gomes, Areas, & Marquez (2002) en
semillas de soya y por Zheng, et. al. (2003) para arándano azul.
En cuanto a los valores de b* se obtuvo un valor inicial de 10 (mortiño verde 100%) mientras que
en el estado 5 (madurez hortícola) se obtuvo un valor -1,67. Estos cambios se producirían debido
a que cuando el color tiende a azul la medida de b* aumentará en sentido negativo de acuerdo al
19
plano del espacio de color L*a*b*, y si el color tiende a amarillo, la medida de b* aumentará en
sentido positivo (Kónica Minolta, 2012).
A lo largo de la maduración el valor de Croma (C*) disminuyó gradualmente, según se observa en
la tabla 2. En el estado de madurez 1 se obtuvo un valor de C*=11,84 mientras que en el estado
de madurez 5 se encontró un valor de 2,14. La saturación del color disminuyó conforme aumentó
el estado de madurez de la fruta; lo que indica que mientras el color tiende a verde, se presenta
una saturación mayor y mientras el color tiende a negro, la saturación será menor. Resultados
similares a los obtenidos en la presente investigación fueron reportados por Zheng et. al. (2003)
en arándano azul; mientras que los valores del ángulo Hue se incrementaron durante la
maduración del mortiño de 155º (estado madurez 1) a 331º (estado madurez 5). Resultados
similares han sido reportados en manzana (Greer, 2013) y arándano (Zheng, et. al., 2003).
Tabla 3. Diferencia de color (∆E) durante la maduración del mortiño (Vaccinium floribundum)
Estado de Madurez
1
2
3
4
2
21,551
----
3
135,507
54,241
---
4
129,219
55,474
5,164
--
5
140,510
72,128
16,575
4,127
Al analizar la diferencia de color (∆E), según se observa en la Tabla 3, se encontró que entre los
estados de madurez 1 y 2 (mortiño verde y verde-rosado, respectivamente) la diferencia fue de
21,6 unidades; entre los estados 2 y 3 (mortiño rosado) el ∆E fue de 54,2 unidades. Al avanzar el
proceso de maduración de la fruta esta diferencia disminuyó a 5,2 unidades entre el estado 3
(madurez fisiológica) y 4 (mortiño negro-rosado). Cuando el mortiño pasó del estado 4 al 5
(mortiño negro) y alcanzó la madurez comercial, la diferencia de color fue de 4,1 unidades. Se
pudo observar que el cambio de color en los estados 1-2 y 2-3 es mayor en comparación con el
cambio entre los estados 3-4 y 4-5, resultados similares fueron reportados por Qudsieh et. al.,
(2002) indicando que durante el proceso de maduración esta diferencia disminuye debido a que la
fruta alcanza la madurez y además existe concentración de sustancias que aportan color.
3.2 Contenido de antocianinas
El contenido de antocianinas en los diferentes estados de maduración de mortiño se indica en la
tabla 4. En el estado de madurez 1 la concentración de antocianinas fue de 41 mg/Kg cianidina-3glucósido (mortiño verde) similares a los valores reportados por Kalt, et. al. (2003) en diferentes
variedades de arándano azul. Cuando los frutos de mortiño alcanzaron el estado de madurez 2
(mortiño verde-rosado) se produjo un incremento en relación 1:10 teniendo una concentración de
antocianinas 415 mg/Kg cianidina-3-glucósido; Kalt, et. al. (2003) indica que el contenido de
20
antocianinas para arándanos de color rosado se encuentra entre 75 a 450 mg/Kg cianidina-3glucósido según la variedad, siendo estos valores similares a los del mortiño.
Tabla 4. Contenido de antocianinas en los diferentes estados de madurez del mortiño (Vaccinium
floribumbun)
Estado de
Antocianinas
Madurez
(mg/Kg cianidina-3-glucósido)
1
40,97e
2
415,27d
3
1295,9c
4
3287,39b
5
13830a
Tukey0,05 = 1228,7
Letras distintas indican que el valor es significativamente diferente entre los
estados de madurez.
Cuando el fruto alcanza la madurez fisiológica (estado 3), se encontró una concentración de
antocianinas de 1295 mg/Kg cianidina-3-glucósido, mientras que cuando los frutos de mortiño
alcanzar el estado de madurez 4 (negro-rosado) la concentración sufrió un incremento casi dos
veces mayor alcanzando valores de 3280 mg/Kg cianidina-3-glucósido; valores similares fueron
reportados por Wang, et. al. (2009) para arándano azul. En el estado de madurez 5 (madurez
hortícola) los frutos de mortiño presentaron una coloración negruzca y la concentración de
antocianinas se incrementó hasta 13800 mg/Kg cianidina-3-glucósido, siendo mayor al contenido
de antocianinas en diferentes variedades de arándano azul en los que se han encontrado valores
entre 7400 y 9200 mg/Kg cianidina-3-glucósido (Kalt, et. al., 2003).
La concentración de antocianinas se incrementa durante la maduración en todas las especies de
Vaccinium. Este aumento se produciría debido a que las bayas en las primeras etapas de
madurez contienen clorofilas (color verde), las cuales se degradan progresivamente siendo
sustituidas por las antocianinas, las mismas que se manifiestan con la coloración característica
roja, morada o negra en el caso del mortiño que se complementa por una serie de cambios
relacionados con el desarrollo de compuestos tales como taninos y otros ácidos orgánicos, dando
como resultado colores más oscuros y variados (Kalt, et. al., 1999; Qudsieh, et. al., 2002; Coleto,
1994).
3.3. Cuantificación de clorofila
Se determinó el contenido de clorofila  y total en los diferentes estados de madurez del
mortiño (tabla 5). El mayor contenido de estos compuestos se encontró en estado de madurez 1 y
los menores valores se encontraron en los estados de madurez (4 y 5). Los valores de clorofila 
y que se obtuvieron en la presente investigación, para los frutos de mortiño, son mayores que
los reportados por Brotons, Manera, Conesa, & Porras, (2013) en brócoli (Brassica oleracea) y por
21
el contrario, son menores a los presentados por Burns, Fraser, & Bramley (2003) en lechuga y
pimiento, esta diferencia indica que existe variación del contenido de clorofila en cada vegetal.
Tabla 5. Contenido de clorofila y totales en el mortiño (Vaccinium floribundum)
Estado de
Madurez
1
2
3
4
5
Clorofila 
 mg/g)
0,045
0,035
0,019
0,013
0,010
Clorofila  Clorofila Total
mg/g)
 mg/g)
0,030
0,075a
0,018
0,053b
0,014
0,032c
0,010
0,023d
0,009
0,019e
Tukey0,05 = 0,011
Letras distintas indican que el valor es significativamente diferente entre los
estados de madurez.
El contenido de clorofila disminuye durante la maduración de los frutos. La cantidad de clorofilas
totales contenidas en el mortiño antes de empezar el proceso de maduración fue de 0,075 mg/g
(tabla 5). La concentración de clorofila varía según las especies y será mayor en aquellas que
presentan color verde a lo largo del proceso de maduración por ejemplo: brócoli (0,0191 mg/g),
limón verde (0,1590 mg/g) y melón verde (0,20 mg/g) (Burns, Fraser, & Bramley, 2003; Srilaong,
Aiamla-or, Soontornwat, Shigyo, & Yamauch, 2011; Tadmor, et. al., 2010).
Cuando los frutos de mortiño inician el proceso de maduración toman coloración rosada en ciertas
partes del fruto (estado de madurez 2), manteniendo varias zonas con color verde. La cantidad de
clorofila en esta etapa disminuyó a 0,053 mg/g y cuando la fruta alcanzó la madurez fisiológica
(estado de madurez 3-color rosado) el contenido de clorofila alcanzó valores de 0,032 mg/g.
En el estado de madurez 5 (madurez hortícola) los frutos presentan una coloración negruzca, la
concentración de clorofilas disminuyó a 0,019 mg/g. Zude (2003) reportó valores similares en
manzana; mientras que se han reportado valores ligeramente mayores en remolacha (Arnon;
1949) y en frutos de coloración negruzca como el pimiento jalapeño (Moreno et. al.,2010).
14000
Antocianinas Totales mg/kg
0.08
Antocianinas
0.07
Clorofila
12000
0.06
10000
0.05
8000
0.04
6000
0.03
4000
0.02
2000
0.01
0
Clorofila mg/g
16000
0
1
2
3
4
5
Estado de Madurez
Figura 2. Relación del contenido de antocianinas y clorofilas por estado de madurez
22
El color se toma como una característica de calidad sensorial y valor nutricional (Brotons et al,
2013). Se analizó la relación entre el contenido de antocianinas y clorofila en los diferentes
estados de maduración de mortiño (figura 2); en el estado de madurez 1 presentaron una alta
concentración de clorofilas en comparación a los estados 4 y 5, es decir que, mientras avanza el
proceso de maduración el contenido de clorofilas disminuye y ocurre lo contrario con las
antocianinas, las cuales se encuentran en baja cantidad en las primeras etapas de maduración
(estados de madurez 1 y 2) e incrementan gradualmente hasta llegar a una alta concentración en
los estados de madurez 3, 4 y 5. Siendo el mortiño un producto rico en antocianinas, su
determinación en diferentes estadíos de maduración permitiría el aprovechamiento del fruto para
la extracción de compuestos bioactivos.
A
B
Figura 3. Relación de las medidas de a*, b*, Luminosidad y Croma con el contenido de (A)
Antocianinas Totales y (B) Clorofila total en mortiño (Vaccinium floribundum)
En la figura 3A se puede observar la relación entre el contenido de antocianinas y los parámetros
de color L, a*, b* y C*. Cuando la fruta presenta colores con altos valores de Luminosidad y
23
Saturación, y valores negativos para la medida de a* y positivos para la medida de b*, la
concentración de antocianinas es baja. A medida que aumenta el contenido de antocianinas, los
valores de luminosidad y saturación son bajos, y se encuentran acompañados de valores positivos
de a* y negativos de b*. En contraste con lo que ocurre con el contenido de clorofila (figura 3B),
cuanto éste es mayor la fruta presenta medidas altas de Luminosidad y Saturación, y valores
negativos para a* y positivos para b*; y, por lo contrario cuando la concentración de clorofila
disminuye, el mortiño presenta medidas de luminosidad y saturación bajos, acompañado de
valores positivos para a* y negativos para b*.
La medida de luminosidad (L) y la saturación (Croma) descienden conforme la fruta aumenta su
estado de madurez, mientras que los valores del ángulo Hue fueron los correspondientes al
cuadrante del plano de color que caracteriza cada estado de madurez. Además, se obtuvieron
valores positivos de a* y negativos de b* para los estados de madurez que tienden hacia el color
rojo y azul respectivamente (estados 3, 4 y 5); y valores negativos de a* y positivos de b* para los
estados de madurez que tienden al color verde y amarillo, respectivamente (estados 1 y 2).
A medida que avanzó el proceso de maduración se produjo una reducción del 70% del contenido
de clorofilas entre los estados de madurez 1 (mortiño color verde) y 5 (mortiño color verde). Esta
diferencia de concentración está directamente relacionada con el color, que es una característica
física que indica qué tipo de compuestos están contenidos mayoritariamente en una fruta, de
forma que se establezca una relación directa entre el color y el contenido de compuestos
coloreados como clorofila y antocianinas.
Por otro lado, los resultados encontrados permiten el planteamiento de nuevos temas de
investigación como la relación entre la variación de color que sufre la fruta durante el proceso de
maduración y el contenido de compuestos antioxidantes presentes en el mortiño, de modo que se
pueda aprovechar los frutos en diferentes estados de madurez constituyendo una fuente de
compuestos bioactivos dada la importancia que tienen estos compuestos y su implicación en la
salud humana. Además, la promoción del consumo de productos con ingredientes funcionales
como el mortiño aumentaría su demanda en mercados nacionales así como generar fuentes
agroindustriales con efectos socio económicos en las zonas de producción.
Bibliografía
Aguilera, M., Reza, M., Chew, R., & Meza, J. (2011). Propiedades Funcionales de las
Antocianinas. Revista Biotecnia-Revistade Ciencias Biológicas y de la Salud de la
Universidad de Sonora, 16.
24
Allinger, Cava, De Jongh, Jhonson, Lebel, & Stevens. (1984). Química Orgánica. Barcelona:
Worth Publishers, Inc.
Andrade, J. (2012). Estudio de la capacidad antioxidante total y contenido de compuestos
antioxidantes en mortiño (Vaccinium Floribundum) tratado con luz UV-C. Tesis de
Ingeniería en Alimentos. Universidad Tecnológica Equinoccial. Quito, Pichincha, Ecuador.
Arnon, D. (1949). Coper Enzymes in isolated choloroplast. Polyphenoloxidase in beta vulgaris.
Plant Physol, 1-15.
Artigas, J., Capilla, P., & Pujol, J. (2002). Tecnología del Color. Valencia: Maite Simon.
Badui, S. (1981). Química de los Alimentos. México: Alhambra Mexicana.
Barreiro, J., & Sandoval, A. (2006). Operaciones de Conservación de Alimentos por bajas
temperaturas. Caracas: Equinoccio.
Beas, e. A. (2011).
Beas, R., Loarca, G., Guzmán, S., Rodríguez, M., Vasco, N., & Guevara, F. (2011). Potencial
nutracéutico de componentes bioactivos presentes en huitlacoche de la zona centro de
México. Revista Mexicana de Ciencias Farmacéuticas, 36-44.
Brotons, J. M., Manera, J., Conesa, A., & Porras, I. (2013). A fuzzy approach to the loss of green
color in lemon (Citrus lemon L. Burns. f.) rind during ripening. Compurers and Electronics in
Agriculture, 222-232.
Burns, J., Fraser, P., & Bramley, P. M. (2003). Identification and quantification of carotenoids,
tocophenols and chlorophylls in commonly consumed fruits and vegetable. Science Direct,
939-947.
Canjura, F. J., & Schwartz, S. J. (1991). Saparation of chlorophyll compounds and their polar
derivatives by high-performance liquid chromatography. J. Agric. Food Chem, 1102-1105.
Cogua, J., Orozco, M., & Chaparro, Á. (2002). Pigmentos Fotosintéticos. Fisiología Vegetal.
Bogotá.
Coleto, J. M. (1994). Crecimiento y Desarrollo de las especies frutales. Madrid: Grupo MundiPrensa.
Comité Ambiental de Cotopaxi. (2004). Iniciativa para el Uso de los Recursos Naturales de
Cotopaxi. Serie Comité Ambiental de Cotopaxi 1, (pág. 54). Latacunga.
25
Dávila, J., Andrés, C., Stalin, R., & Francisco, B. (2010). Ingredientes Funcionales de Plantas
Ecuatorianas. Revista Politécnica, 51-59.
Ege, S. (2000). Química Orgánica Estructura y Reactividad. Barcelona: Reverté S.A.
Estrella, E. (1988). El pan de América etnohistoria de los alimentos aborígenes del Ecuador. Quito:
Abya-yala.
Fennema, O. (2000). Química de los Alimentos. Zaragoza: ACRIBIA S.A.
Fuentes, V. (2008). Estudio del Mortiño y propuesta gastronómica aplicada a un recetario. Tesis
de gastronomía. Universidad Tecnológica Equinoccial. Quito, Pichincha, Ecuador.
Gonzalez, I. (2010). Caracterización química del color de diferentes variedades de guayaba
(Psidium guajava L.) colombiana. Tesis de Química. Universidad Nacional de Colombia.
Bogotá, Colombia.
Greer, D. (2013). Non-destructive chorophyll fluorescence and colour measurements of Braeburn
and Royal Gala apple (Malus domestica) fruit development throughout the growing season.
New Journal of Crop and Horticultural Science, 413-421.
Hernandez, L., & González, C. (2002). Introducción al Análisis Instrumental. Barcelona: Ariel S.A.
Hunter Lab. (2001). Principios básicos de medida y percepción de color. Recuperado el 3 de
Enero de 2013, de www.hunterlab.com
Jimenez, V. (2004). Determinación de métodos para producción de mortiño (Vaccinum
Floribumdun), con fines de propagación y producción comercial. Quito, Pichincha, Ecuador.
Kader, A. A., Adaskaveg, J. E., Crisosto, C. H., Arpaia, M. L., Edwards, D. E., Barret, D. M., y
otros. (2007). Tecnología Postcosecha de Cultivos Hortofrutículas. California: UC Peer
Reviewed.
Kalt, W., Forney, C., Martin, A., & Prior, R. (1999). Antioxidant Capacity, Vitmin C, Phenolics, and
Anthocyanins after Fresh Storage of Small Fruits. Journal of Agricultural and Food
Chemestry, 4638-4644.
Kalt, W., Lawand, C., Ryan, D., McDonald, J., Donner, H., & Forney, C. (2003). Oxygen Radical
Absorbing Capacity, Anthocyanin and Phenolic Content of Highbush Blueberries
(Vaccinium Corymbosum L.) during Ripening and Storage. Journal of Agricultural and Food
Chemestry, 917-923.
26
Konica Minolta. (2012). Comunicación Precisa de los colores. Recuperado el 30 de Octubre de
2012, de http://www2.konicaminolta.eu/eu/Measuring/pcc/es/index.html
Kónica Minolta. (2012). Comunicación Precisa de los colores. Recuperado el 30 de Octubre de
2012, de http://www2.konicaminolta.eu/eu/Measuring/pcc/es/index.html
La Cie Group. (2006). Libro blanco de la gestión del color 3 Espacios de color y conversión de
colores. New York: Evergreen Parkway.
Lide, D. (2004). Handbook of Chemestry and Physics. New York: CRC PRESS.
Lincoln, T., & Zeiger, E. (2002). Fisiología Vegetal. Jaume: Sinauer Associates.
Moreno, S., Guerra, J. A., Cárdenas, M. L., Nuñez, M. A., Gámez, H., & Villareal, J. A. (28 de
Mayo de 2010). Determinación de Carotenoides y Clorofila en frutos de cuatro variedades
de Chile (Capsicum sp). Guanajuato, Mexico.
Muñoz, V. (2004). Determinación de Métodos para producción de mortiño (Vaccinum Floribundum
Kunth), con fines de propagación y producción comercial. Tesis de Ingeniería en
Agroempresas. Universidad San Francisco de Quito. Quito, Pichincha, Ecuador.
Natakani, H. Y., Barber, J., & Forrester, J. A. (1979). Surface charges on chloroplast membranes
as studies by particle electrophoresis. Biochim. Biophys, 215-225.
Nielsen, S. (2009). Análisis de los Alimentos. Zaragoza: ACRIBIA, S.A.
Noboa, V. (2010). Efecto de seis tipos de sustratos y tres dosis de ácido alfa naftalenacético en la
propagación vegetativa de mortiño (Vaccinum Floribundum Kunth). Tesis de Ingeniería
Forestal. Escuela Superior Politécnica de Chimborazo. Riobamba, Ecuador.
Pascual, S., & Sánchez, M. (2007). "Anthocyanins: from plant to health". Phytochemestry review.
Patiño, V. (2002). Historia y Dispersión de los Frutales Nativos del Neotrópico. Cali.
Patzett, E. (1996). Flora del Ecuador. Quito, Pichincha, Ecuador.
Pérez, S., & Valdiviezo, C. (26 de Enero de 2007). Colección y caracterización morfológica In Situ
del mortiño (Vaccinum Floribundum Kunt) en la sierra norte del Ecuador. Tesis de
Ingeniería Agropecuaria. Escuela Politécnica del Ejercito. Sangolquí, Pichincha, Ecuador.
Pokorny, J., Yanishlieva, N., & Gordon, M. (2001). Antioxidantes de los Alimentos Aplicaciones
Prácticas. Zaragoza: ACRIBIA S.A.
Popeneo, H., King, S., León, J., & Sumar, L. (1989). Lost Crops of the the Incas. Washington D.C.
27
Qudsieh, H., Yusof, S., Osman, A., & Rahman, R. (2002). Effect of maturity on chlorophyll, tannin,
color and polyphenol oxidase (PPO) activity of sugarcane juice (Saccharum officinarum
Var. Yellow Cane). Agricultural and Food Chemestry, 1615-1618.
Rivera, J., Vasquez, F., Ayala, J., & Gonzalez, G. (Enero de 2005). Efecto del corte y la
temperatura de almacenamiento en la calidad de Papaya fresca cortada (Carica Papaya L.
CV. "maradol"). Revista Iberoamericana de Tecnología Postcosecha, 83-94.
Sinha, N., Sidhu, J., Barta, J., Wu, J., & Cano, P. (2012). Handbook of fruits and fruit processing.
Iowa: Wiley-Blackwell.
Sinnecker, P., Gomes, S., Areas, J., & Marquez, U. (2002). Relationship between color
(Instrumental and Visual) and Chorophyll Contents in Soybean Seeds during Ripening.
Journal of Agricultural and Food Chemistry, 3961-3966.
Skoog, D., West, D., Holler, J., & Crouch, S. (2001). Química Analítica. México: Mc GRAW-HILL.
Sociedad Latinoamericana de Nutrición. (1999). Archivos Latinoamericanos de Nutrición. Texas:
La Sociedad.
Srilaong, V., Aiamla-or, S., Soontornwat, A., Shigyo, M., & Yamauch¡, N. (2011). UV-B irradiatio
retards chlorophyll degradation in lime (Citrus lactifolia) fruit. Postharvest Biology and
Technology, 110-112.
Strain, H. H., Thomas, M. F., & Katz, J. J. (1963). Spectral absorption properties of ordinary and
fully deuteriated chloropylls a and b. Biochim. Biophys, 306-311.
Tadmor, Y., Burger, J., Yaakov, I., Feder, A., Libhaber, S., Portnoy, V., y otros. (2010). Genetics of
Flavonoid, Carotenoid and Chlorophyll Pigments in Melon Fruit Rinds. Journal of
Agricultural and Food Chemestry, 10722-10728.
Tupuna, D. (Septiembre de 2012). Obtención de jugo clarificado concentrado de mortiño
(Vaccinium Floribundum) mediante el uso de tecnología de membranas. Tesis de
Ingeniería Química y Agroindustria. Escuela Politécnica Nacional. Quito, Pichincha,
Ecuador.
Vargas, W. (2002). Guía Ilustrada de las Plantas de las Montañas del Quindío y los Andes
Centrales. Caldas: Universidad de Caldas.
28
Vasco, C. (2009). Phenolic Compounds in Ecuadorian Fruits. Tesis Doctoral. Swedish University of
Agricultural Sciences. Uppsala, Sweden.
Vasco, C., Avila, J., Ruales, J., Svanberg, U., & Kamal-Eldin, A. (2009). Physical and chemical
characteristics of golden-yellow and purple-red varieties of tamatillo fruit (Solanum
betaceum Cav.). International Journal of Food Sciences and Nutrition, S1-S11.
Vasco, C., Riihinen, K., Ruales, J., & Kamal-Eldin, A. (2009). Chemical Composition and Phenolic
Compound Profile of Mortiño (Vaccinium floribundum Kunth). Journal of Agricultural and
Food Chemestry, 1204-1212.
Viña, S., Mugridge, A., Olivera, D., Chaves, A., & Mascheroni, R. (2008). Características y Usos
Potenciales de Frutos de Okra de acuerdo al Cultivar de Origen. La Plata, Argentina.
Viñas, I., Recansens, I., Usall, J., & Graell, J. (2013). Poscosecha de per, manzana y melocotón.
Mundi Prensa Libros.
Wang, C., Chen, C.-T., & Wang, S. (2009). Changes of flavonoid content and antioxidant capacity
in the blueberries after illumination with UV-C. Food Chemistry , 426-431.
Yang, X., Song, J., Fillmore, S., Pang, X., & Zhang, Z. (2011). Effect of High temperature on color,
chorophyll fluorencece and volatile biosynthesis in green-ripe banana fruit. Postharvest
Biology and Technology, 246-257.
Zheng, Y., Chien, W., Shiow, W., & Wei, Z. (2003). Effect of High Oxygen Atmospheres on
Blueberry Phenolics, Anthocyanins, and Antioxidant Capacity. Journal of Agricultural and
Food Chemestry, 53.
Zude, M. (2003). Comparison of indices and multivariate models to non-destructively predict the
fruit chlorophyll by means of visible spectrometry in apple fruit. Science Direct, 119-126.
ISSN: 1390‐6542
Un modelo matemático para la reducción del tiempo de
compostaje
(A mathematical model for reducing the composting time)
Estefanía Larreategui1, Carlos Banchón2
Resumen:
El medio ambiente es todavía afectado por el uso inadecuado de residuos orgánicos aunque
una cultura de reciclaje y aprovechamiento ha sido promovida en Ecuador para disminuir la
huella de carbono. El compostaje, técnica de digestión de materia orgánica, la cual
tradicionalmente demora entre 16 y 24 semanas, es todavía ineficiente de aprovechar. Es por
esto que, el presente trabajo se refiere a la optimización del proceso de compostaje tanto en
calidad como en el tiempo de producción. Las variables estudiadas fueron: tipo de residuo
(frutas y vegetales) y tipo de bioacelerador (levaduras y microorganismos autóctonos).
2
Mediante el Diseño Factorial Completamente Aleatorio 2 (DFCA) se obtuvo un compost de
calidad en 7 semanas de procesamiento. Los factores de control como temperatura, densidad,
humedad, pH, relación carbono-nitrógeno permitieron comprobar las mejores condiciones para
el compostaje en la comunidad San Gabriel del Baba (Santo Domingo de los Colorados,
Ecuador). Como resultado de este estudio se obtuvo un modelo matemático de superficie que
explica la relación entre la temperatura y el tiempo de digestión de la materia orgánica.
Palabras clave: compostaje, digestión, optimización, residuos, materia orgánica.
Abstract:
The environment is still affected by the inappropriate use of organic matter waste, but a culture
of recycling and reuse has been promoted in Ecuador to reduce carbon footprint. The
composting, a technique to digest organic matter, which traditionally takes 16-24 weeks, is still
inefficient to use. Therefore, this paper concerns the optimization of the composting process in
both quality and production time. The variables studied were: type of waste (fruits and
vegetables) and type of bioaccelerator (yeast and indigenous microorganisms). By using a full
2
factorial random design 2 , a quality compost was obtained in 7 weeks of processing. Quality
factors as temperature, density, moisture content, pH and carbon-nitrogen ratio allowed the best
conditions for composting in the San Gabriel del Baba community (Santo Domingo de los
Colorados, Ecuador). As a result of this study, a mathematical surface model which explains the
relationship between the temperature and the digestion time of organic matter was obtained.
Keywords: composting, digestion, optimization, residues, microorganisms
1. Introducción
A nivel mundial, se considera al manejo de residuos sólidos un problema ambiental que afecta a la
población urbana y rural. La falta de infraestructura, presupuesto, técnicos o programas de
aprovechamiento de residuos es todavía latente en algunos países. En Ecuador se generan cerca
de 7,423 toneladas de residuos sólidos al día, del cual el 71.4% corresponde a materia orgánica
1
2
Universidad de Las Américas, Ingeniería Ambiental, Quito – Ecuador ([email protected])
Universidad de Las Américas, Ingeniería Ambiental, Quito – Ecuador ([email protected])
30
que pudiera ser utilizada en procesos de compostaje (Organización Panamericana de la Salud,
2002). En Ecuador, se estima que existe un reciclaje total de los residuos (formal e informal) del
14% y el costo promedio del manejo de los residuos sólidos por tonelada es de USD 43.05 (Soliz,
2011).
El compost mejora propiedades del suelo como su estructura, capacidad hídrica y de drenaje,
además de incrementar su contenido de materia orgánica y poblaciones de microorganismos
(Antil & Raj, 2012; Insam, Franke-Whittle, & Goberna, 2009; Termorshuizen, Moolenaar, Veeken,
& Blok, 2004; Xu et al., 2012). Es conocido también que el compost incrementa la calidad y
productividad de plantas porque incrementa la resistencia contra patógenos (Insam, FrankeWhittle, & Goberna, 2009; Termorshuizen, Moolenaar, Veeken, & Blok, 2004; Xu et al., 2012). Por
tanto, el objetivo del presente trabajo fue implementar un sistema de compostaje utilizando
residuos orgánicos de una población ubicada en una zona arbórea húmeda de Ecuador. Para este
propósito, se planteó el diseño de una unidad experimental de compostaje por pilas, la
identificación de qué tipos de residuos orgánicos y bioaceleradores de digestión que son
necesarios para la obtención de compost de calidad, y la aplicación de un diseño experimental
estadístico para determinar las condiciones óptimas de compostaje.
2. Metodología
2.1. Compostaje por pilas
El lecho de compostaje fue construído a base de madera (0.5 m de ancho, 1.0 m de largo y 1.0 m
de alto). En cada lecho se colocaron: 5 cm de virutas de madera en el fondo de acuerdo a
Bougnom et al., 2010, 10 cm de materia orgánica seca y 15 cm de materia orgánica húmeda
(frutas o vegetales) y 5 cm de suelo del bosque como material de cobertura. Esta unidad fue
ubicada en San Gabriel del Baba (Santo Domingo de los Colorados, Ecuador) a una altitud
promedio de 600 metros sobre el nivel del mar, temperatura entre 18-22°C, precipitación entre
2000-4000 mm por año; el lugar de experimentación es considerado como bosque muy húmedo
premontano (b.m.h.P.M.) según Restrepo, N. (2007).
2.2. Aislamiento de microorganismos eficientes autóctonos
Se aislaron microorganismos del suelo del bosque sub-tropical húmedo de San Gabriel del Baba
mediante la adaptación del método aplicado por Chantal et al. (2013). Para preparar una solución
activada de microorganismos (Effective Microorganism Activated Solution, EMAS), se preparó un
medio de cultivo a base de arroz cocido sin sal, extractos de carne y de pescado. El medio estéril
se colocó dentro de envases plásticos para posteriormente enterrarlos en un talud húmedo. Al
cabo de dos semanas, se retiraron los envases del talud y se preparó una solución madre con los
EMAS aislados. Para esto, se mezclaron los EMAS en un envase de 5 L con una porción de arroz
31
cocido, 0.75 L de melaza y 2 L de agua pura hasta homogeneización. La solución fue conservada
a 4°C.
2.3. Medición de parámetros físico-químicos del compost
La temperatura del compost fue tomada en la mitad de cada lecho de compostaje con termómetro
de mercurio. Se disolvió 10 g de muestra en 25 mL de agua destilada y con agitación constante se
midió el pH con un dispositivo portátil (FieldScout). La humedad fue determinada mediante el
método gravimétrico ASTM D4959. Para determinar la densidad aparente se utilizó una probeta
plástica para la toma de muestra en lugar de un cilindro metálico como lo indica el método ASTM
D 2937-00. El análisis químico determinó lo siguiente: carbono, nitrógeno y materia orgánica.
Estos parámetros fueron medidos mediante espectrometría de masas y Kjeldhal (Agrobiolab No.
46464).
2.4. Diseño experimental
Se aplicó el Diseño Factorial Completamente Aleatorio (DFCA) 22 el cual fue elaborado y
analizado mediante el programa estadístico JMP (versión 9.0) y el paquete R-project (versión
3.0.1, paquete rsm). En la Tabla 1, dos variables categóricas (X1 y X2) fueron seleccionadas: tipos
de residuos de pronta digestión, frutas y vegetales; y dos tipos de bioaceleradores del compostaje:
una mezcla de levaduras comerciales y bebida gaseosa altamente azucarada (L+G), y
microorganismos eficientes autóctonos (EMAS). En la Tabla 2, se combinaron aleatoriamente las
variables y sus niveles para generar un total de cuatro tratamientos (dos réplicas). En cada
tratamiento (lecho de compostaje) se analizó la evolución del proceso durante 7 semanas
mediante el control de temperatura, pH, humedad, densidad aparente, relación carbono-nitrógeno,
y materia orgánica.
Tabla 1. Matriz de factores y sus niveles para la experimentación.
Factores de estudio (X)
Nivel bajo (-1)
Nivel bajo (+1)
Tipo de residuo, X1
Frutas
Vegetales
Tipo de bioacelerador, X2
L+G
EMAS
Tabla 2. Matriz para la experimentación en 4 tratamientos: combinación de factores y sus
2
niveles de acuerdo al DFCA 2 .
Tratamiento (lecho)
X1
X2
1 (A)
-1 (Frutas)
-1 (L +G)
2 (B)
-1 (Frutas)
+1 (EMAS)
3 (C)
+1 (Vegetales)
-1 (L +G)
4 (D)
+1 (Vegetales)
+1 (EMAS)
32
3. Resultados
La combinación de los tipos de residuos y de bioaceleradores en el compostaje tuvo un
considerable efecto en la temperatura, densidad y humedad de los cuatro lechos A, B, C y D, así
como en su composición química. En la Figura 1 se presenta la variación de temperatura en
función de cuatro tratamientos y siete semanas de compostaje, en donde existieron incrementos
de hasta 34 ºC por encima de la temperatura inicial.
Figura 1. Variación de la temperatura en función del tiempo (7 semanas) y de los cuatro lechos
de compostaje A (Combinación de frutas y levaduras), B (Combinación de frutas y EMAS), C
(Combinación de vegetales y levaduras) y D (Combinación de vegetales y EMAS).
En la Figura 2 se presenta la variación del promedio de la densidad y humedad de la materia
orgánica en función del tiempo para todos los cuatro tratamientos.
Figura 2. Promedio de variación de la densidad y humedad de los cuatro lechos (A, B, C y D)
en función del tiempo (7 semanas).
33
El análisis químico de la materia orgánica inicial (muestra blanco) y de los cuatro tratamientos
después de siete semanas de compostaje se muestra en la Figura 3.
Figura 3. Análisis químico en los tratamientos A, B, C, D y la muestra blanco al cabo de 7
semanas.
De los datos de temperatura obtenidos en los cuatro tratamientos, se estableció un modelo
matemático polinomial en función del tiempo (Figura 4). Este modelo fue elaborado en el software
JMP (versión 9.0). El coeficiente de determinación de este modelo fue de 0.834 y el análisis de
varianza para todos los términos de la Ecuación (1) tuvieron un p < 0.0001. En la Figura 4B
también se reportan los residuales de las mediciones de temperatura.
Ec. (1) T = 66.1192 - 7.5168*t - 0.6415*(t - 4)2 + 0.5857*(t - 4)3
3. Discusión
La variación de temperatura de hasta 34 ºC, según la Figura 1, indica que los residuos orgánicos
estuvieron sometidos a las fases de degradación microbiana reportadas en la literatura para la
descomposición de azúcares, almidones y proteínas (Adediran, Taiwo, & Sobulo, 2003; Antil &
Raj, 2012). De los resultados obtenidos, se puede deducir que todos los cuatro tratamientos
cumplieron con las fases necesarias para un correcto desarrollo microbiano del compostaje:
mesofílica y termófila (Adediran, Taiwo, & Sobulo, 2003; Agnew & Leonard, 2003; Heribert Insam,
Franke-Whittle, & Goberna, 2010). Todos los tratamientos se encontraron dentro de los rangos aceptables
de humedad durante siete semanas, ya que la humedad (entre 50–60%) es un factor crítico para la
descomposición de la materia orgánica según la Figura 2 (Insam, Franke-Whittle, & Goberna,
34
2009). Los tratamientos A y B registraron los porcentajes más altos de humedad durante las
primeras semanas, debido a que en estos lechos se trabajó con desechos de frutas. En relación a
la composición de C/N, Figura 3, el mayor incremento se produjo en el lecho D con una relación
final de 10.56. La relación C/N óptima para un compost totalmente maduro es cercana a 10,
similar a la del humus. Generalmente, cuando la relación C/N es menor a 20, se considera que el
compost es estable o maduro. Según la Figura 3, la relación C/N para las cuatro muestras de
compost es cercana a 10, indicando nivel de madurez del compost (Jusoh, Manaf, & Latiff, 2013).
Figura 4. Ajuste polinomial: (A) modelo matemático para temperatura y tiempo de compostaje,
y (B) residuales del ajuste polinomial en función de 56 mediciones de temperatura en siete
semanas.
Figura 5. Efectos principales de los factores tipo de residuos y tipo de bioaceleradores.
El análisis de efectos principales de la Figura 5 indica qué nivel del factor de estudio genera mayor
incidencia en el tratamiento. La temperatura del compostaje fue la respuesta tomada en cuenta
para el análisis estadístico porque denota una gran relación el proceso de maduración y
degradación de la materia orgánica (Adediran, Taiwo, & Sobulo, 2003; Jusoh, Manaf, & Latiff,
2013). De acuerdo con la Figura 5, según el tipo de residuo, cuando se adicionan desechos de
35
vegetales la temperatura alcanza promedios más altos que cuando se trabaja con desechos de
frutas. Para el tipo de bioacelerador, cuando se adicionan EMAS el efecto en la temperatura es
mayor que el trabajar con levaduras comerciales.
Se observa en la Figura 6 las gráficas de superficie que representan los datos obtenidos de
humedad, densidad, pH, tiempo y temperatura. Una humedad de 56%, y pH 7.6 favorece el
incremento de la temperatura a niveles por encima de los 50 ºC. A medida que la humedad y
temperatura disminuyen, el aumento del pH evidencia reacciones bioquímicas del compostaje en
favor de su estabilización p.e. descarboxilación de aniones orgánicos (Cayuela, SánchezMonedero, & Roig, 2010).
2
Figura 6. Gráficas de superficie del proceso de compostaje en 7 semanas con un R = 0.9377,
p < 0.0001 a 5% de significancia. (A) humedad, densidad y temperatura, (B) densidad, tiempo y
temperatura, (C) humedad, pH y temperatura, (D) humedad, tiempo y temperatura.
En general, todos los cuatro tratamientos en donde se combinan variables de proceso presentan
el mismo patrón; sin embargo, se destaca el tratamiento con vegetales y EMAS. Los cambios
considerables de temperatura de los cuatro tratamientos de compostaje indican que el proceso de
descomposición de los residuos se realizó en un periodo de siete semanas hasta llegar a un
36
periodo de madurez. Así, se cumplió con el objetivo de reducir el tiempo de compostaje en
comparación con el tiempo tradicional de 16-24 semanas.
Se destaca la formulación de compost obtenida con residuos vegetales y microorganismos
aislados de un bosque muy húmedo premontano. En este producto se encontraron
concentraciones relevantes de carbono (10.13%) y nitrógeno (0.96%). En contenido de materia
orgánica, se registró un porcentaje final de 17.48%. Este resultado remarca la importancia de
incluir residuos vegetales en el compostaje por su contenido celulósico. El análisis estadístico
comprueba la incidencia que origina el tratamiento con EMAS y residuos vegetales en función de
la temperatura óptima de compostaje. Tomando en cuenta este tratamiento, se obtuvo un modelo
matemático de ajuste polinomial que explica la relación entre el tiempo y temperatura del proceso
de compostaje. Este modelo matemático es de importancia para el cálculo de consumo de materia
prima y predicción de las condiciones de operación.
Bibliografía
Adediran, J. A., Taiwo, L. B., & Sobulo, R. A. (2003). Effect of Organic Wastes and Method of
Composting on Compost Maturity, Nutrient Composition of Compost and Yields of Two
Vegetable
Crops.
Journal
of
Sustainable
Agriculture,
22(4),
95–109.
doi:10.1300/J064v22n04_08
Agnew, J. M., & Leonard, J. J. (2003). The Physical Properties of Compost. Compost Science &
Utilization, 11(3), 238–264. doi:10.1080/1065657X.2003.10702132
Antil, R. S., & Raj, D. (2012). Chemical and microbiological parameters for the characterization of
maturity of composts made from farm and agro-industrial wastes. Archives of Agronomy
and Soil Science, 58(8), 833–845. doi:10.1080/03650340.2011.554402
Bougnom, B. P., Knapp, B. A., Elhottová, D., Koubová, A., Etoa, F. X., & Insam, H. (2010).
Designer compost with biomass ashes for ameliorating acid tropical soils: Effects on the
soil microbiota. Applied Soil Ecology, 45(3), 319–324. doi:10.1016/j.apsoil.2010.05.009
Chantal, K., Shao, X., Jing, B., Yuan, Y., Hou, M., & Liao, L. (2013). Effects of effective
microorganisms (EM) and bio-organic fertilizers on growth parameters and yield quality of
flue-cured tobacco (Nicotiana tabacum). Journal of Food, Agriculture & Environment, 11(2),
1212–1215.
Insam, H., Franke-Whittle, I., & Goberna, M. (2009). Microbes at Work: From Wastes to
Resources. Springer. Retrieved from http://books.google.com.ec/books?id=5lhHN3Pq2goC
37
Insam, H., Franke-Whittle, I., & Goberna, M. (Eds.). (2010). Microbes at Work. Berlin, Heidelberg:
Springer Berlin Heidelberg. Retrieved from http://www.springerlink.com/index/10.1007/9783-642-04043-6
Jusoh, M. L. C., Manaf, L. A., & Latiff, P. A. (2013). Composting of rice straw with effective
microorganisms (EM) and its influence on compost quality. Iranian Journal of
Environmental Health Science & Engineering, 10(1), 17–17.
Organización Panamericana de la Salud. (2002). Análisis sectorial de residuos sólidos.
Organización
Mundial
de
la
Salud.
Retrieved
from
http://www.bvsde.paho.org/bvsars/e/fulltext/analisis/ecuador.pdf
Restrepo, N. J. F. (2007). Diccionario Ambiental. Ecoe Ediciones. Coleccion Textos Universitarios.
Soliz, F. (2011). Retos urgentes para un mundo sin basura. Clinica Ambiental: Alerta Naranja.
Retrieved from http://www.clinicambiental.org/docs/publicaciones/Alerta_Desechos.pdf
Termorshuizen, A. J., Moolenaar, S. W., Veeken, A. H. M., & Blok, W. J. (2004). The value of
compost. Reviews in Environmental Science and Bio/Technology, 3(4), 343–347.
doi:10.1007/s11157-004-2333-2
Xu, D., Liu, D., Tang, Z., Yu, G., Yuan, J., Shen, Q., & Huang, Q. (2012). Structure of chemical
components
in
different
compost
extracts
characterized
by
chromatogram
and
spectroscopy analysis and its influence on plant growth promotion. Journal of Material
Cycles and Waste Management, 14(4), 325–333. doi:10.1007/s10163-012-0071-z
ISSN: 1390‐6542
Redes neuronales artificiales en la predicción de insolvencia.
Un cambio de paradigma ante recetas tradicionales de
prácticas empresariales
(Artificial Neural Networks in the prediction of insolvency. A
paradigm shift to traditional business practices recipes)
Marcia M. Lastre Valdes1, Arlys M. Lastre Aleaga2, Gelmar García Vidal3
Resumen:
En este trabajo se realiza una revisión y análisis de las principales teorías y modelos que
abordan la predicción de la insolvencia y quiebra empresarial. Las redes neuronales son un
instrumento de más reciente aparición, si bien en los últimos años han recibido considerable
atención por parte del mundo académico y profesional, y ya empiezan a implantarse en
diversas organizaciones modelos de análisis de la insolvencia basados en la computación
neuronal. El objetivo del presente trabajo es arrojar evidencias de la utilidad de las Redes
Neuronales Artificiales, en la problemática de predicción de insolencia o quiebra por lo cual
comparamos su capacidad predictiva con la de los métodos utilizados habitualmente en dicho
contexto. Las conclusiones del estudio apuntan a que se pueden lograr altas capacidades
predictivas empleando las redes neuronales artificiales que cuenten con variables cualitativas y
cuantitativas.
Palabras clave: Redes Neuronales, Insolvencia, Quiebra, Redes de Petri.
Abstract:
In this paper a review and analysis of the major theories and models that address the prediction
of corporate bankruptcy and insolvency is made. Neural networks are a tool of most recent
appearance, although in recent years have received considerable attention from the academic
and professional world, and have started to be implemented in different models testing
organizations insolvency based on neural computation. The purpose of this paper is to yield
evidence of the usefulness of Artificial Neural Networks in the problem of bankruptcy prediction
insolence or so compare its predictive ability with the methods commonly used in that context.
The findings suggest that high predictive capabilities can be achieved using artificial neural
networks, with qualitative and quantitative variables.
Keywords: Neural Networks, Petri nets, Insolvency, Bankruptcy.
1. Introducción
El significado de la expresión “riesgo de insolvencia” para una empresa infiere que experimenta
dificultades financieras evidenciando esto cuando se observan hechos que caracterizan a un
1
Universidad de Holguín. Centro de Estudios de Gestión Empresarial (CEGEN). Holguín-Cuba
([email protected])
2
Universidad Tecnológica Equinoccial- Sede Santo Domingo, Ciencias de la Ingeniería, Santo Domingo de
los Tsachilas– Ecuador. ([email protected])
3
Universidad de Holguín. Centro de Estudios de Gestión Empresarial (CEGEN). Holguín-Cuba
([email protected])
39
“estado de cesación de pagos” como incumplimiento de sus obligaciones o interrupción en el pago
a los proveedores. De igual manera dicho estado es nocivo para cualquier entidad, debido a que
son desviadas de sus objetivos principales que son la creación de valor y la maximización de sus
utilidades. Si esta situación perdurase en el tiempo, la empresa se puede declarar en quiebra.
Como bien plantea DrC. Andrés Fernández Companioni junto a un colectivo de autores en el
“Diccionario de Términos Económicos Contables” (Santiago de Cuba 2008) al referirse al término
de quiebra como “Situación que se produce en un empresa cuando los pasivos son superiores a
los activos, llevando a sus propietarios a cesar en el pago de sus obligaciones…Para que se
produzca una quiebra es preciso que la situación apuntada no sea coyuntural o pasajera.”. (pp.
75-98) De tal forma que cuando una empresa declara su cierre o quiebra decimos que es
insolvente y su estado irreversible.
El fenómeno de quiebra e insolvencia empresarial no resulta nuevo dentro del estudio financiero,
este presenta distintos niveles de complejidad cuyo reconocimiento dependerá de la del estilo y la
eficacia en la gestión para que se dé. La práctica parece demostrar que la gestión eficiente dota
de mejores posibilidades de supervivencia a las empresas. Pese a la basta literatura desarrollada,
es difícil encontrar un tratamiento homogéneo de la temática en cuestión. Si la intención es
entender la complejidad del fenómeno de quiebra e insolvencia, se debe asociar con el fracaso
empresarial. Sin embargo, lo que es verdad es que no se ha alcanzado a entender el fenómeno
en toda su magnitud y eso se traduce en un escaso consenso sobre lo que se entiende y la forma
en cómo se mide.
Algunos tratadistas apelan a una disminución en las condiciones de rentabilidad como elemento
que evidencia el fracaso, en tanto otros se refieren a la incapacidad para hacer frente a los
compromisos adquiridos con sus acreedores; algunos autores simplemente se centran en el
comportamiento en las ventas. Para Beaver (1966), la empresa es una reserva de activos líquidos
en la que hay flujos de entrada y de salida de tesorería, sustentando su enfoque en que la reserva
sirve, por definición, como un “colchón” que permite salvar diferencias temporales entre estas
entradas y salidas.
Sin embargo, Altman, Marco y Varetto (1994) plantean que el fracaso empresarial comienza como
un fenómeno propiciado por un evento catastrófico en la organización, aunque exponen que
puede manifestarse como el resultado final de un lento proceso de declinación que solo es
percibido cuando es irremediable. Por su parte, McRobert y Hoffman (1997) asumen que el
fracaso empresarial es un proceso que se inicia por defectos en el sistema administrativo que
desembocan en decisiones desacertadas, en deterioro financiero y en un colapso de toda la
empresa. Perfeccionando las propuesta clásicas, Abad, Arquero y Jiménez (2003) plantean la
hipótesis de que el fracaso financiero es decir quiebra e insolvencia se produce cuando el deudor
es incapaz de atender a sus compromisos, ya que cualquier acreedor estaría dispuesto a aplazar
40
el cobro de una deuda (o a conceder un préstamo) si se le compensa suficientemente y se le
garantiza el reembolso. Por lo tanto, las expectativas favorables no solo aumentarían la capacidad
de endeudamiento, también atraerían a los inversionistas. Más reciente, Mosqueda (2008) concibe
el fracaso como el momento, conforme a un umbral, en que se detecta el incumplimiento de los
objetivos financieros y estratégicos marcados por la gerencia que, en su conjunto, posibilitan el
riesgo de quiebra de los negocios.
De todos estos enfoques se deduce que una de las consecuencias más importantes del fracaso
empresarial es la quiebra del negocio, entendiendo como quiebra empresarial los problemas
serios de liquidez-solvencia que no pueden ser resueltos y causan el cierre definitivo de la entidad,
transformando estados de insolvencia sostenible e irremediables en devenida e irreversible
quiebra; y por tanto surge la necesidad de predicción de estados financieros en ámbito
empresarial actual.
2. Antecedentes
El estudio para predecir la insolvencia con el fin de evitar un posible cierre o quiebra en una
empresa, ha sido explorado en numerosas investigaciones a partir de 1932 cuando Fitzpatrick
llevó a cabo los primeros trabajos que dieron origen a la denominada etapa descriptiva. Motivados
al encontrar que índices contable-financieros diferían significativamente entre empresas en
quiebra y empresas prósperas, Smith y Winakor (1935) propusieron un modelo simple que les
permitía clasificar a las empresas y predecir su quiebra. Sin embargo, los estudios hasta esa
época fueron considerados poco formales y no fue hasta la década de los años 60 en que se
comienzan a utilizar modelos matemáticos y estadísticos más robustos. Es en esta época cuando
aparece el primer acercamiento científico serio que conducía a los especialistas financieros a
utilizar la información contable, que introducen en testes dicotómicos, para identificar los ratios
que mejor correspondían a la realidad de las empresas estudiadas. De esta época se destacan los
aportes correspondientes de Beaver (1966) quien se interesó por el fracaso empresarial y la
suspensión de pagos mediante el uso de las razones financieras y en especial el Modelo Z-score
de Altman (1968) utiliza el análisis multivariado discriminante para predecir la insolvencia. El
modelo de Altman utilizó cinco razones financieras con un poder de predicción entre el 72% y el
80%. El modelo de Altman no solo permitió una interpretación más clara del efecto de cada
variable en el modelo, sino que definió puntos de corte, lo cual se traduce en un aumento de la
eficiencia del esfuerzo de análisis, al reducir el tiempo dedicado a las empresas con una
probabilidad de quiebra muy alta o muy baja, y así aumentar la eficiencia de la dirección para
evaluar aquellas firmas que se encontraban en la “zona gris”.
Las variables del Z-score identificadas por Altman son las siguientes: capital de trabajo; ATOT
representa al activo total; UTRET son las utilidades retenidas; EBIT es la utilidad antes de
41
intereses e impuestos; PTOT son los pasivos totales. Supuso en ese momento una revolución en
la investigación contable que, en aquellos momentos, se estaba planteando: la eliminación del
análisis mediante ratios como técnica analítica para evaluar el rendimiento de las empresas.
A partir de dicho trabajo revolucionario se desarrollaron un sinnúmero de modelos predictivos del
riesgo de quiebra, aunque estudios recientes sugieren que estos no son mejores que el modelo
inicial de Altman. Durante los siguientes 40 años, el esfuerzo dirigido a la mejora del Z-score fue
impresionante. Luego, durante la década de 1970, los estudios de predicción del fracaso
empresarial se orientaron, en su mayoría a la técnica del Análisis Discriminante Múltiple (Libby,
1975; Wilcox, 1973). Sin embargo, debido a sus características operacionales, la mayoría de los
autores que escribió sobre quiebra diseñaron modelos más complejos, pero al mismo tiempo más
precisos, para determinar la probabilidad de quiebra de la empresa. Tales son los modelos Logit
(Ohlson, 1980), el análisis Probit (Zmijewski, 1984).
Sin embargo, estas técnicas presentan limitaciones pues partían de hipótesis más o menos
restrictivas que, por su propia naturaleza, la información económica, y en especial los datos
extraídos de los estados financieros de las empresas, no iban a cumplir, perjudicando los
resultados. Carmona Vega (2009, p. 12) plantea que la aplicación de técnicas procedentes del
campo de la Inteligencia Artificial surge como un intento de superar dichas limitaciones, pues
estas últimas no parten de hipótesis preestablecidas y se enfrentan a los datos de una forma
totalmente exploratoria, configurándose como procedimientos estrictamente no paramétricos. Es
por esto que nacen los modelos de inteligencia artificial aplicados a la predicción de quiebra o
insolvencia, cuyo antecedente lo encontramos en el test de Turing. Este test postulaba que una
máquina presenta comportamiento inteligente si un observador es incapaz de distinguir entre las
sucesivas respuestas proporcionadas por la máquina y un ser humano. La ventaja de estos
modelos es que no parten de hipótesis preestablecidas y se enfrentan a los datos de una forma
totalmente exploratoria, configurándose como procedimientos estrictamente no paramétricos.
Según el propio Altman y Saunders (1998, p. 1722) el análisis de la solvencia empresarial sufría
una gran evolución a lo largo de los últimos 20 años, debido a factores tales como el aumento en
el número de empresas insolventes y de las quiebras, la desintermediación creciente que se
observaba en los mercados financieros, o el desarrollo de nuevos instrumentos financieros. Todo
ello impulsaba el desarrollo de nuevos y más sofisticados métodos de análisis de predicción de la
insolvencia, y entre este tipo de sistemas ocupan un papel destacado aquellos que están basados
en técnicas de Inteligencia Artificial.
Podemos decir que el estudio de la predicción de insolvencia hasta ese momento implicaba una
investigación selectiva dentro de un espacio de alternativas inmenso pues, como se ha
comentado, no existía un procedimiento que condujera de forma inequívoca a la solución óptima.
42
Por lo tanto, la selección estaba basada en reglas prácticas o heurísticas, debiendo fijarse también
un criterio de suficiencia para determinar cuándo las soluciones encontradas eran satisfactorias.
Todo ello concordaba plenamente con el paradigma de la racionalidad limitada, que gobierna los
procesos de decisión en el ámbito económico. Es por ello que la aplicación de técnicas
procedentes del campo de la Inteligencia Artificial surge como un intento de superar dicha
limitación. La Inteligencia Artificial (IA) en el mundo empresarial representa más que un reto, un
cambio de paradigmas y pensamientos por las llamadas recetas de las prácticas empresariales
que sustentaban los pensamientos de análisis económicos financieros.
Carmona Vega (2009, p. 17) expone que las redes neuronales comienzan a utilizarse para
analizar la solvencia empresarial cuando se desarrolla el algoritmo BP, a finales de los años
ochenta. Su introducción vino motivada por el deseo de mejorar los resultados que se alcanzaban
con los modelos estadísticos (análisis discriminante y regresión logística, principalmente), pues
estos proporcionan regiones de decisión definidas a través de funciones lineales, mientras que
con la inserción de capas “ocultas” de neuronas en un modelo perceptrón es posible la definición
de regiones mucho más complejas y, por lo tanto, la reducción del número de empresas
incorrectamente clasificadas. En la Figura. 1 se puede ver un ejemplo de las regiones de decisión
definidas por los distintos modelos para el caso de un espacio de variables bidimensional. El
diagrama (a) representa las regiones de clasificación que genera un modelo estadístico lineal, (b)
las que se obtendrían con una red perceptrón de dos capas, mientras que (c) es un posible
ejemplo de regiones generadas mediante la inserción de una capa intermedia de neuronas entre
la de entrada y la de salida.
Figura. 1. Variables de los Modelos de Predicción de quiebra y su representatividad. (Fuente:
Beynon, M.; Curry, B., y Morgan, P. (1999): "Classification and rule induction using Rough Sets
theory", Proceedings of the VI International Meeting on Advances in Computational
Management, Reus.)
En una muestra selectiva de estudios relacionados con el fracaso empresarial se constatan los
siguientes resultados que evidencian la superioridad de los modelos desarrollados a través de
empleo de las redes neuronales artificiales (RNA):
43

Serrano y Martín (1993) y Laffarga (1986), emplean un modelo basado en Redes neuronales
artificiales en el mercado español. Los resultados obtenidos evidencian la superioridad de
las RNA respecto a los métodos multivariantes habituales. No obstante en el presente
trabajo corroboran, tal y como apunta Altman (1994), que las RNA no sean por el momento
un instrumento sustitutivo de los métodos convencionales, sino más bien un complemento,
ya que, en esta última, el proceso de entrenamiento es relativamente lento cuando la DATA
no es lo suficientemente fiable y completa

Marose (1992), emplea Redes neuronales (Sistema híbrido de perceptrón multicapa y
herramientas estadísticas). Este modelo conocido como PCML (Public Company Loan
Model). Fue desarrollado por el Chase Manhattan Bank para que sirva de ayuda para decidir
la concesión de créditos a través del suministro de extensos informes, gráficos, puntos
fuertes y débiles, así como una clasificación de las empresas según el crédito que merecen.
Minimizan la problemática de la fiabilidad de la DATA pues el origen de esta fue el banco

Altman, Marco & Varetto (1994), emplean Redes neuronales (Perceptrón multicapa). Los
autores alertan del peligro que supone la imposibilidad de interpretación del modelo
neuronal ante la problemática de la DATA básica. Los autores de dicha alternativa utilizan
únicamente información contable no incorporan variables cualitativas

López y Flórez (2000), utilizando de la muestra original de 66 bancos en España,
únicamente toman 52, la mitad de los cuales quebraron, observan mejores resultados en las
predicciones efectuadas por una RNA del tipo PMC ( perceptrón multi capa). Asimismo,
únicamente utilizan 6 ratios contables para clasificar las entidades bancarias en solventes y
fracasadas (Activo Circulante/Activo Total,Coste de Ventas/Ventas Brutas,Reservas/Pasivo
Exigible, Ventas/Activo, Reservas/Neto y Tesorería/Activo Circulante). En la muestra de
estimación, la RNA ofrece una fiabilidad del 100%, mientras que la regresión logit acierta el
95% de casos y el análisis discriminante, el 92,5%. En la muestra de comprobación, la RNA
se continúa manteniendo con un porcentaje de aciertos más elevado que los otros métodos.

Harvey et. al. (2000), utiliza como variables predictivas, los ratios PER y book-tomarket y la
rentabilidad por dividendo observan, en diferentes mercados emergentes, que las RNA del
tipo PMC generan estrategias de compra y venta de acciones más eficientes que las
efectuadas por una regresión lineal o una estrategia de comprar y mantener. Kanas (2001)
compara, en el mercado inglés y alemán, el comportamiento de los PMC y de la regresión
lineal en la estimación de rendimientos a partir de la rentabilidad media por dividendo del
mercado y del volumen negociado en anteriores periodos, con un resultado favorable a las
RNA

En el mercado español, Fernández et. al. (2000) muestran la capacidad predictiva de los
PMCs en el Índice General de la Bolsa de Madrid (IGBM). Las estrategias generadas por las
RNA, en ausencia de costes de transacción, se muestran más eficientes que las de comprar
y mantener en escenarios estables o bajistas de la bolsa, si bien ello no se manifiesta en el
44
episodio alcista analizado. Por otra parte, Pérez y Torras (2001) contrastan, en el IBEX-35,
la capacidad predictiva de diversos modelos no lineales econométricos de series temporales
(series del tipo ARCH, LSTAR, etc.) y de diversas arquitecturas de RNA (PMC, redes de
Elman y redes de Jordan). Observan que es posible efectuar predicciones del IBEX-35 a
partir de su comportamiento pasado, mostrándose las RNA como un instrumento de
predicción sensiblemente superior

Sánchez (2003), evidencia en su trabajo luego de realizado un análisis comparativo de la
capacidad de ajuste y predicción de los métodos econométricos convencionales respecto al
empleo de las RNA en la predicción de la quiebra; y en la estimación de los rendimientos de
carteras de valores a partir de una formulación multibeta. En la primera aplicación debiendo
realizar una modelización uniecuacional, trabajando con datos de carácter transversal,
mientras que en la segunda, los datos utilizados fueron series temporales, siendo la
modelización de los rendimientos de las carteras, de carácter multiecuacional. Aunque se
trata de escenarios de modelización diferentes, en ambos casos, los resultados son
favorables a las RNA

Mariano Alcántara y Eduardo Daniel (2007), emplean un modelo de redes neuronales
desarrollado en las empresas en la CONASEV. Dichos autores revelaron que para los
modelos de redes neuronales desarrollados en su investigación consideraron variables
cuantitativas como los ratios financieros, pretendiendo luego incluir como aporte y necesidad
variables cualitativas tales como el desempeño, calidad dejando abierto la posibilidad de
incursión y relación de otras de este tipo. Evidencian superioridad de las RNA ante los
modelos estadísticos tradicionales

Bravo, F. y Pinto, C. (2008). La aplicación de modelos predictivos de la probabilidad de
insolvencia en microempresas chilenas reflejaron que los modelos de redes neuronales
presentan un mejor desempeño clasificatorio y predictivo con respecto a los modelos de
rough set y la regresión logística. Estos modelos desarrollados con RNA evidencian su
rapidez para procesar gran cantidad de información, tanto cualitativa como cuantitativa, y su
capacidad para generar reglas de decisión fácilmente comprensibles, constituye una
alternativa muy competitiva con las técnicas más eficientes.
De manera general de acuerdo a los diferentes hallazgos evidenciados en las aplicaciones
actuales Romani Chocce (2002) plantea que los modelos de RNA muestran mejor desempeño, en
cuanto a clasificación y predicción de quiebra empresarial con elevadas capacidades predictiva. Y
evidencia el empleo de estas como un avance en el estudio del fracaso en las empresas Chilenas
y en el mundo. Resulta necesario relacionar aparejado a dicha temática relacionar las siguientes
observaciones derivadas de la concepción de los modelos de forma general:
45

Abad, Arquero & Jiménez (2003), Identifican a la manipulación contable como un factor que
limita los resultados finales de cualquier modelo, esto manipula la acertada predicción

Mosqueda, (2004), emplea la Teoría de síndrome financiero. Las empresas con síndrome
“agujero negro” se distinguen de aquellas saneadas por los ratios “capital contable / activo
total” y “cobertura de intereses”. En tanto que para aquellas con síndrome de “crecimiento
fracasado”, las variables más significativas son el crecimiento del activo y, de nuevo, capital
contable / activo total. El estudio se limita a empresas que cotizan en la bolsa mexicana de
valores por la limitante de la una DATA fiable. Adolece de variables cualitativas

Mosqueda R, (2008), referencia la necesidad de tener en cuenta información cualitativa.
Define el fracaso a partir del cierre del negocio. Los descubrimientos obtenidos que sugieren
que el fracaso empresarial se debe a los siguientes indicadores: la Presión Financiera, a la
habilidad para detectar las Oportunidades de Negocio, al Sistema de Gestión Financiera, a
la Dotación en Equipo y Tecnología, a la Rentabilidad de la Inversión y algún Indicador
Específico propio a cada Sector. De estos indicadores destacan el “Ratio Presión
Financiera” y las “Oportunidades del negocio” como los más relevantes. Refieren la
necesidad de incorporar variables cualitativas y hacen alusión a la problemática de la DATA
Las variables que han conformado los modelos de predicción han sido varias las más
significativas y su representatividad se puede observar en la Figura. 2. Variables de los Modelos
de Predicción de quiebra y su representatividad.
La literatura especializada demuestra que los modelos actuales para predecir la quiebra o
insolvencia no son estables en el tiempo, pues muestran resultados inconsistentes a lo largo del
tiempo; esta circunstancia ha llevado a diversos investigadores a indagar sobre los aspectos
puntuales en los que fallan. Todo parece indicar que el esfuerzo debería centrarse primeramente
en la calidad y el tipo de datos que alimenta al modelo. Además se puede percibir,
lamentablemente que la generalidad de los modelos se vale exclusivamente de la información
contable la representatividad de aspectos fuera del marco contable financiero traducido en datos
cualitativos es casi nulo. Algunos autores alegan que es preciso clasificar los procesos de fracaso
empresarial porque existe la posibilidad de que algunas empresas, que están experimentando
tensiones financieras o formas leves de fracaso, manipulen la información contable para aumentar
la confianza del público (Wilcox, 1971). Otros afirman que las técnicas estadísticas sobre ajustan
los modelos predictivos para alcanzar el máximo éxito clasificatorio en la muestra, reduciendo su
validez externa (Hair et al., 1999).
46
Figura. 2. Variables de los Modelos de Predicción de quiebra y su representatividad.
En general, se argumenta que las empresas parecen seguir diferentes procesos que desembocan
en el fracaso financiero y, por lo mismo, no es posible establecer sobre qué variables financieras
ni valores en las mismas se determina la futura solvencia o insolvencia (Ball, Kothari, & Robin,
2000; Laitinen, 1993). Bravo, F. y Pinto, C. (2008, p. 39) la introducción de variables cualitativas
robustece la capacidad de los modelos. Los resultados han demostrado que en el caso de las
microempresas, la información contable y activos tangibles del negocio no son suficientes por si
solos para predecir el éxito o fracaso de la microempresa.
La característica de valerse de los modelos de predicción, exclusivamente de la información
contable, resulta común e imperante en los estudios iniciales y actuales. Aún y cuando la
información cualitativa no está exenta de brindar información parcial, al igual que la información
contable, los teóricos coinciden en que la mezcla de estos dos tipos de información en los
modelos predictivos robustece sus predicciones.
Corroborando lo anterior Rubén Mosqueda, Doctor en Ciencias Económicas y Empresariales,
afirma que, a pesar de que la importancia de los ratios en el estudio del fracaso empresarial no
puede ser negada, su uso ha sido por demás criticado, fundamentalmente por: (a) los constructos,
que se elaboran con ratios financieros que no tiene una teoría que justifique su uso y, a su vez, los
modelos y los resultados que de estos se derivan, serían simplemente un ejercicio estadístico; (b)
estos modelos son incapaces de pronosticar la quiebra de las empresas de aquellas que
47
presentan una alta clasificación crediticia debido a que omiten uno o varios elementos
importantes, tales como la relación entre riesgo-rendimiento de manera adecuada.
Estas dos circunstancias planteadas por Rubén Mosqueda y los estudios relacionados hasta este
momento dan pie a los siguientes razonamientos:
1.
Restricción. Dado que la obligación por presentar públicamente la información contable los
modelos de predicción del fracaso empresarial que utilizan ratios están restringidos.
2.
Imagen fiel. Se debe reconocer que existe información contable viciada que no puede
proporcionar la imagen real del negocio. Rosner, (2003) encontró evidencia de que las
empresas fracasadas manejan ganancias al alza para dar una imagen positiva sobre su
situación financiera, especialmente cuando se encuentran al borde del fracaso.
3.
Parcialidad. Desde el momento en que los investigadores introducen solo ratios financieros
a sus modelos predictivos, ellos asumen que los indicadores relevantes, ya sea de fracaso
o éxito, quedan captados por la información contable. Argenti, (1976) asegura que “a pesar
de que los ratios financieros pueden mostrarnos que algo anda mal…dudo que alguien
pudiera atreverse a predecir el colapso o fracaso con la sola evidencia de estos ratios.” (p.
62).
Por tanto hasta este momento se plantea que la aplicación de las redes neuronales artificiales
vislumbra un importante avance para el abordaje de problemas financieros complejos. La
evidencia en la literatura encuentra gran aceptación y en los estudios actuales de predicción de
quiebra o insolvencia con el empleo de RNA se demuestra que a pesar de la complejidad del
aprendizaje de las RNA, su amplia aplicación en el tema financiero, en especial, en el pronóstico
de estados futuros de quiebra es factible evidenciado en sus altos porcentaje de fiabilidad y
aciertos, además pueden emplearse como herramientas complementarias a los enfoques
tradicionales de análisis multivariante.
La data inicial de las empresas manipula, tergiversa y complejiza el resultado final de una RNA.
Por tanto desempeñarán un papel importante las aplicaciones que hibriden redes neuronales con
otras técnicas (sistemas expertos, algoritmos genéticos, redes de petri) para eliminar la
problemática existente. Aunque estos estudios tienen un carácter más experimental, pues muchos
de ellos son muy novedosos, también se puede encontrar alguna aplicación en servicio en
instituciones financieras. Sin embargo, parece ser solo el inicio de una búsqueda frenética que
interrelaciona a distintas y diversas ciencias con el propósito firme de lograr “predecir con datos
fiables y arribar a estados reales”.
48
3. Propuesta de Enfoque de Solución
3.1. Formalización y definición del empleo de variables financieras cuantitativas y
cualitativas.
El entorno empresarial integra un cúmulo de ciencias, herramientas y estudios que pueden
garantizar una predicción de estados empresariales certeros. El camino hacia esa predicción, se
sustenta en hacer el híbrido correcto sin obviar las realidades de la conformación de las
informaciones económicas financieras que sustentan las entidades actuales.
La propuesta de solución de esta investigación tiene como punto de partida las limitantes de la
integración y relación de las variables cuantitativas y cualitativas para predecir la quiebra o
insolvencia así como la manera de alimentar la RNA propuesta con una data fiable. La primera
novedad de este modelo, a diferencia de los desarrollados hasta este momento, es el de
incorporar información cualitativa. Integrando lo que hasta el momento se ha expuesto se presenta
la lógica que facilita la construcción de la Red Neuronal Artificial a través de tres etapas.
Primera etapa. Construcción y recolección del conjunto de datos que permitirá activar el proceso
de aprendizaje de la Red Neuronal Artificial. En esta etapa se realiza el muestreo, selección y
limpieza de la DATA inicial. Esto permite transformar la información disponible en conocimiento
útil. La selección de esta consiste en elegir los atributos que sean relevantes para la organización,
pues a una mejor selección y mayor relevancia de los datos los algoritmos aprenderán con mayor
rapidez y los resultados han de ser fiables y certeros ver la Figura 3. El resultado de esta primera
etapa será.
 Depurar, recolectar y organizar la información
 Identificación de las variables financieras y no financieras que se van a pronosticar
 Construcción del conjunto de datos que permitirán activar el proceso de aprendizaje
de la Red Neuronal Artificial (variables de entrada).
Figura. 3. Proceso de transformación de la información y formación de las variables de entrada
49
Figura. 4. Variables propuestas
Luego de procesada la información se establece la adecuada relación de las variables
cuantitativas y cualitativas, asociadas a la empresa y a su micro y macro entorno lo que
conforman la variante más importante en la predicción del fracaso empresarial. En la predicción de
ese estado final la relación de todos los datos describen la trayectoria y el comportamiento de una
empresa; es necesario tener presente oportunidades amenazas y el grado de satisfacción con que
ese percibe ese producto o servicio, la capacidad de respuesta y la razón de ser de la entidad. Los
estados finales deben permitir diagnosticar a priori situaciones actuales y futuras.
Las variables se dividirán en criterios de rentabilidad, liquidez, solvencia y eficiencia y se
seleccionaran conforme a las razones más usadas en estudios previos por lo que en caso de ser
necesario se aplicará análisis factorial para reducir la muestra amplia de razones o seleccionar de
manera aleatoria las razones para finalmente quedar con las razones financieras más
representativas en los siguientes aspectos financieros ver la Figura 4. Variables propuestas.
50
Se establecerá la identificación de las principales variables que inciden sobre la situación
económica de la empresa en un período determinado y en un sector determinado. En el caso
particular de los estudios de predicción se utilizaran datos de mercado, información del mercado y
se incorporará información relevante de la empresa. Se deben determinar las variables de forma
categórica e incorporar en una función lineal los ratios seleccionados como variables
independientes, asignándoles una ponderación individual a cada uno de ellos con el fin de aplicar
un método multivariable clasificatorio para obtener porcentajes de exactitud y errores predictivos
“ex-ante” o “expost”.
Segunda etapa. Activación del proceso de aprendizaje, con la selección de la arquitectura y los
parámetros necesarios para la definición de los pesos de la conexión entre las neuronas. Para
procesar la información las neuronas se organizaran en capas: la capa de entrada transmite las
variables input utilizadas, la capa de salida presenta el output final y entre medias pueden existir
una o más capas ocultas que procesan la información. Los parámetros a tener en cuenta en esta
etapa son.
 La división temporal de la base de datos
 El número de las capas ocultas y el número de neuronas que se insertarían en cada
capa
 Los mecanismos de conexión entre las diferentes capas
 La función de activación
 Las reglas de aprendizaje
 Los indicadores de error de la Red Neuronal.
Tercera etapa. Generalización de los reportes de salida para el pronóstico de las variables. Una
vez que los indicadores son favorables para la Red Neuronal, es necesario verificar la bondad del
pronóstico. Es posible que el modelo sea exitoso en la selección de los conjuntos de aprendizaje y
de prueba, pero sea inadecuado en el proceso del pronóstico. Figura 5.
Figura. 5. Modelo lógico integral
51
3.2. Redes de Petri
Las redes de Petri (PN, por sus siglas en ingles Petri Nets) representan una alternativa para
modelar el comportamiento y la estructura de un sistema, y llevar el modelo a condiciones límite,
que en un sistema real son difíciles de lograr o muy costosas. La teoría de PN ha llegado a ser
reconocida como una metodología establecida en la literatura de la robótica para modelar los
sistemas de manufactura flexibles, pero su empleo ha llegado hasta la modelación de sistemas de
mercados, financieros, transporte, logísticos entre otros.
Las PN comparada con otros modelos de comportamiento dinámico gráficos, como los diagramas
de las máquinas de estados finitos, ofrecen una forma de expresar procesos que requieren
sincronía. Y quizás lo más importante es que las PN pueden ser analizadas de manera formal y
obtener información del comportamiento dinámico del sistema modelado. Para modelar un
sistema en una PN debemos reconocer las condiciones y los eventos que se dan en él, de esta
manera podemos hacer la analogía entre el sistema y el modelo, al conocer las condiciones que
se necesitan para dar cierto evento podemos diseñar los módulos y relacionarlos con otras
condiciones, y para esto necesitamos saber la estructura de una PN para saber que corresponde
a una condición y un evento en la red. La representación gráfica de una PN es importante porque
al observar el modelo del sistema en forma gráfica y observar cómo cambia de un estado a otro
puede mantener la atención y dar una perspectiva más clara a quién esté analizando el problema.
Definición: Una gráfica G de una PN P=(P,T,I,O) es una gráfica múltiple bipartita dirigida G=(V,A).
Dónde V={ v1, v2, …, vn} es un conjunto de vértices y A={ a1, a2, …, an} es un conjunto de arcos
dirigidos ai=(vj,vk) con vj, vk V, V=P T para cada ai A se cumple aj=(vj,vk) vj P, vk T, ó vj T, vk
P.Más adelante se puede observar un ejemplo de representación de una red sencilla con tres
estados y cuatro transiciones. Es importante comentar que a pesar de que las dos
representaciones de la figura parecen distintas, las redes son equivalentes ya que los elementos
son los mismos. Ver Figura.6 Ejemplos de representación de una PN.
Figura.6. Ejemplos de representación de una PN.
52
Las redes de Petri Lugar/Transición, también denominadas PT por su sigla en inglés, son las
redes más estudiadas en la literatura y son las que más se aplican para modelar sistemas de la
vida real.
Las PN permiten reducir el tiempo de ciclo de la producción, buscando los cuellos de botella,
estaciones de trabajo verificando limitantes de tiempo. Las propiedades de las PN: por
comportamiento (estado inicial) y estructural (topología o estructura de red), nos permitirán
observar que el modelado del sistema cumpla con el comportamiento de un sistema esto es que
sea asequible, acotable, conservable, alcanzable y persistente.
Revisando las múltiples técnicas de modelización existentes (Flowchart, Workflow, Role
interaction diagrams, Integrated definition for function modelling-IDEF, Yourdon-DFD, Object
Oriented, Structured Systems Analysis and Design Methodology-SSADM, Graph with Results and
Activities Interrelated-GRAI, etc.), se selecciona la técnica de Redes de Petri para el presente
estudio por sus características de robustez y flexibilidad (semántica y representaciones gráficas)
como exponen algunos autores (Billington, 1997; Thiagarajan, 2000; Billington et al. 2003). Un
elemento fundamental en las Redes de Petri es la posibilidad de análisis del comportamiento
dinámico de los sistemas (procesos, tiempos, costes, etc.) que ofrece esta técnica, aspecto
estudiado y explotado por Wang (1998); y Salimifard y Wright (2001), que permite una gran
variedad de aplicaciones debido a su generalidad y adaptabilidad inherentes.
Las redes de Petri han sido utilizadas para modelar sistemas híbridos. En se hace una
presentación tanto intuitiva como formal de las redes de Petri híbridas, es decir, de redes de Petri
conteniendo una parte discreta y una continua, cuya aplicación permite el modelado de sistemas
con eventos discretos y dinámicas de tiempo continuas. Para sistemas híbridos se ha modelado la
parte discreta por una red de Petri mientras el aspecto continuo está descrito como un conjunto de
ecuaciones algebraicas diferenciales. Este modelo puede ser visto como una extensión de un
autómata híbrido. Las redes de Petri de alto nivel están caracterizadas por el uso detokens
individuales estructurados, este modelo provee una representación gráfica simple de sistemas
híbridos tomando ventaja de la estructura de las redes de Petri para ver una descripción compacta
de los sistemas. Corroborado esto por lo expuesto por Borja Chois y Mejía Delgadillo (2004)
cuando plantean relacionado a las redes PN lo siguiente:
 Pueden modelar diferentes tipos de familias de procesos en un mismo modelo compacto
gracias a su naturaleza coloreada
 Permiten la asociación de tiempos estocásticos o determinísticos a sus transiciones
gracias a su naturaleza temporal
 Tienen en cuenta la perspectiva de recursos
53
 Soportan el modelamiento de patrones avanzados con la ayuda de algunas extensiones
como arcos inhibidores y ponderados, y transiciones tipo fuente
3.3. Ventajas y desventajas de la simulación
A modo de resumen se plantea que la simulación asistida por computadora presenta ciertas
desventajas:
1.
Los resultados numéricos obtenidos se basan en el conjunto específico de números
aleatorios, cuyos valores corresponden a sólo uno de los resultados posibles Por tanto, los
valores finales reportados en una simulación son sólo estimaciones de los valores reales
que está buscando.
2.
Cada simulación requiere su propio diseño especial para imitar el argumento real bajo
investigación y su propio programa de computadora asociado. Aunque es posible aprender y
usar paquetes de software especializados, el esfuerzo de desarrollo en el diseño y
programación de simulaciones del mundo real es extremadamente tardado.
3.
Siempre quedarán variables por fuera que, si hay mala suerte, pueden cambiar
completamente los resultados en la vida real que la simulación no previó... en ingeniería se
"minimizan riesgos, no se evitan".
4.
Como resultado de estas desventajas, usted debería intentar resolver su problema usando
técnicas analíticas siempre que sea posible. Hacer esto requiere menos esfuerzo y da como
resultado respuestas exactas en vez de estimaciones.
No obstante, a pesar de las desventajas, la simulación es una de las que ofrece las
siguientes ventajas:
1.
La simulación le permite analizar grandes problemas complejos para los que no están
disponibles resultados analíticos. De hecho, la mayoría de los problemas de mundo real
encajan en esta categoría. La simulación proporciona una alternativa práctica.
2.
Como con cualquier forma de simulación, la simulación por computadora permite que el
tomador de decisiones experimente con muchas políticas y argumentos diferentes sin
cambiar o experimentar realmente con el sistema existente real. Por ejemplo, con una
simulación por computadora, usted puede estudiar el impacto de añadir una nueva estación
de trabajo a una línea de producción sin tener que organizar la estación de trabajo
físicamente.
3.
La simulación por computadora le permite comprimir tiempo. Por ejemplo, usted puede
estudiar el impacto a largo plazo de una política para un banco durante todo un año en una
simulación por computadora que dura unos cuantos minutos. La alternativa de implantar
realmente la política y observar sus resultados en un año tal vez no sea práctica.
54
4.
Algunas técnicas analíticas requieren de experiencia matemática sofisticada, tanto para
utilizarlas como para comprenderlas. Una simulación por computadora pueda requerir pocas
o ningunas matemáticas complejas y por tanto, puede ser intuitivamente más
comprensibles.
3.4. Concepción de la integración
Las redes neuronales si bien ya han demostrado su eficacia en la solución de diversos problemas
y el desarrollo de un gran número de aplicaciones, aún resulta necesario profundizar en la
problemática de la data inicial Mosqueda R.(2010) que atenta contra la veracidad y factibilidad del
resultado final. Pese a la superioridad de las RNA, ante modelos tradicionales, no las deja exentas
de los problemas inherentes del pronóstico del fracaso empresarial, como la selección de la
muestra de empresas, la identificación de las variables, la existencia de valores perdidos o
extremos, y el de la data fiable y completa, todos estos no se eliminan por la mera utilización de
redes neuronales, por lo que deben de ser igualmente abordados y considerados (Nasir, 1998, p.
2). Por ello resulta necesario obtener una data fiable y representativa del proceso productivo y
financiero de una empresa con el fin de garantizar la generación de un buen modelo de
predicción.
Los investigadores de la presente investigación plantean que para la captura u obtención de los
datos productivos y financieros, se propone la simulación de un entorno empresarial, que
considere de manera integrada los parámetros y restricciones que caracterizan el entorno
tecnológico, flujo productivo, mercado, las normas de gestión y la definición de las variables o
indicadores, ya sean de carácter objetivo o subjetivo, que permitan describir inequívocamente los
diferentes estados financieros (solvencia o quiebra).
Tal simulación se realizará con el empleo de redes de Petri lo cual presupone la definición de:

Un conjunto de nodos.

Un conjunto de transiciones.

Una función de entrada.

Una función de salida.
Esto permitirá obtener una base de datos, que contendrá los valores de la salida de diferentes
escenarios productivos evaluados con sus correspondientes estados financieros. Esta Data
corresponde a diferentes estados de ejecución del sistema productivo, sin la influencia de
parámetros que pueden perjudicar, falsear o alterar la misma, lo cual permitirá para la generación
de la red neuronal artificial para la predicción de los estados financieros, sea de solvencia o
55
quiebra, ver Figura.7. Esquema de la concepción general para la obtención de un modelo de
predicción fiable de estados financieros.
Figura.7. Esquema de la concepción general para la obtención de un modelo de predicción
fiable de estados financieros.
4. Conclusiones
1.
La data inicial que ofrecen las empresas, por lo general, se encuentra alterada con datos
falsos, lo cual manipula, tergiversa y complejiza el resultado final de una RNA.
2.
La adecuada definición de las variables cuantitativas y cualitativas, asociadas a la empresa
y a su micro y macro entorno permitirán en mejor medida la predicción del fracaso
empresarial.
3.
Las Redes de Petri son una alternativa de modelado de sistemas, aplicados principalmente
hacia el control y proceso, por su facilidad de manejo en el problema de la sincronización de
procesos.
4.
La simulación de los ambientes empresariales con redes de Petri permitirá la obtención de la
data confiable para la generación de modelos de predicción de estados financieros con
redes neuronales artificiales.
Bibliografía
Altman, E.I. y Saunders, A. (1998): "Credit risk measurement: Developments over the last 20
years", Journal of Banking and Finance, nº 21, pp. 1721-1742.
56
Altman, E.I.; Marco, G., y Varetto, F. (1994): "Corporate distress diagnosis: comparisons using
linear discriminant analysis and neural networks (the Italian experience)", Journal of
Banking and Finance, nº 18, pp. 505-529.
Altman, E. I. (1968): “Financial Ratios, Discriminant Analysis and the Prediction of Corporate
Bankruptcy”. The Journal of Finance, 4 (XXIII), pp. 589-609.
Alcántara Mariano, Eduardo Daniel (2007): “Pronóstico de solvencia empresarial mediante un
modelo de redes neuronales en las empresas registradas en la CONASEV”, Julio 21.
Baesens, B., Setiono, R., Mues, C., & Vanthienen, J. (2003): “Using neural network rule extraction
and decision tables for credit risk evaluation”. Management Science Vol 49, pp 312-329.
Basch, M. y Montenegro, C. (1989): “Aplicación de Modelos Estadísticos Multivariados a la
Predicción de Quiebra de Empresas Latinoamericanas”. Paradigmas en administración, pp
14.
Beaver, W. H. (1966): “Financial ratios as predictors of failure”. Journal of Accounting Research, 5
(Supplement),pp 71-127.
Billington, J., Christensen, S., Hee van, K., Kindler, E., Kummer, O., Petrucci, L., Post, R., Stehno,
C., Weber, M:(2003). “The Petri Net Markup Language: Concepts, Technology, and Tools”,
In: Proc. ICATPN 2003, Eindhoven. LNCS 2679, Springer-Verlag, pp. 483-505.
Bonsón Ponte, E. y Sierra Molina, G. (1996): "Intelligent Accounting: impact of Artificial Intelligence
on accounting research and accounting information", Proceedings of the ITHURS, León, pp.
361-368.
Bravo, F. y Pinto, C. (2008): “Modelos predictivos de la probabilidad de insolvencia en
microempresas chilenas”, Contaduría Universidad de Antioquia, 53, pp13-52.
Carmona Vega Esther Guadalupe (2009): “Estudio sobre los diferentes modelos de redes
neuronales aplicados en las finanzas”, Universidad Popular Autónoma del Estado de
Puebla,16 de Mayo.
Curet, O. Y Jackson, M. (1997): "A case based learning and reasoning agent in unstructured
decision making", en Sierra Molina, G. y Bonsón Ponte, E. (Eds.): Intelligent Technologies
in Accounting and Business, Huelva, pp. 21-34.
57
CHEN, Yigang; TSAI, W. T. y CHAO, Daniel. (Abril 1993):“Dependency Analysis - A Petri Net
Based Technique for Synthesizing Large Concurrent Systems.” En: IEEE Transactions on
parallel and distributed systems. Vol. 4, No. 4 pp. 414-426.
De Andrés, J. (2001) “Técnicas de Inteligencia Artificial Aplicadas al Análisis de la Solvencia
Empresarial”. Universidad de Oviedo, España, Junio, pp.1-31.
De Miguel, L.J.; Revilla, E.; Rodríguez, J.M., y Cano, J.M. (1993): “A comparison between
statistical and neural network based methods for predicting bankfailures”, Proceedings of
the IIIth International Workshop on Artificial Intelligence in Economics and Management,
Portland (USA).
EUROPEAN WORKSHOP ON APPLICATION AND THEORY OF PETRI NETS. (1982):
“Application and theory of Petri Nets:selected papers”.
Strasbourg, Francia: Springer-
Verlag.
Fernández, F.; González, C. y Sosvilla, S. (2000): “On the Profitability of Technical Trading Rules
Based on Artificial Neural Networks: Evidence from Madrid Stock Market”, Economic
Letters, vol. 69, nº 1, pp. 89-94.
García, P. y Lamothe, P. (2002). “Aplicaciones de las Redes Neuronales en las Finanzas”.
Documento de Trabajo. Universidad Complutense de Madrid, Facultad de Ciencias
Económicas y Empresariales. Madrid, España. Abril, pp.1-42.
Ginannni A. Romani Chocce, Gonzales Aroca Patricio, Aguirre Aguierre Nelson, Vega Leiton
Paola, Carrazana Muñoz Javier (2002): “Modelos de clasificación y predicción de quiebras
de empresas; una aplicación a empresas chilenas”,Forum empresarial, Mayo, volumen 7,
numero 001, San Juan, Puero Rico.
Grau Algueró, C. (1999): "La toma de decisiones a través de una red neuronal artificial borrosa",
Proceedings of the VI International Meeting on Advances in Computational Management,
Reus.
Harvey, C.R; Travers, K.E. y Costa, M.J. (2000): “Forecasting Emerging Market Returns Using
Neural Networks”, Emerging Markets Quarterly, vol. 4, nº 2, pp. 1-12.
Kanas, A. (2001): “Neural Networks vs Linear Models of Stock Returns: An Application to the UK
and German Stock Market Indexes”, en Zopounidis; C.; Pardalos, P. y Baourakis, G.
(coords.), Fuzzy Sets in Management, Economics and Marketing, World Scientific, New
Jersey,pp. 181-193.
58
López, E. y Flórez, R. (2000): “Aplicación de dos modelos de redes neuronales artificiales para el
análisis económico-financiero empresarial”, Revista Europea de Dirección y Economía de
la Empresa, vol. 9, nº 2, pp. 141-166.
Mosqueda, R. (2010): “Falibilidad del método rough set en la conformación de modelos índice de
riesgo dinámico en la predicción del fracaso empresarial”. Journal of Economics, Finance
and Administrative Science ISSN 2077-1886.
Mosqueda, R. (2008). “Indicadores del fracaso empresarial en las empresas mexicanas”. México
D. F.: Instituto Mexicano de Ejecutivos de Finanzas.
Mosqueda, R. (2004). “Evidencia empírica de las medianas empresas mexicanas sobre la
capacidad predictiva de los modelos de fracaso empresarial” (Documento de trabajo VIII).
Conferencia Internacional de las Ciencias Económicas y Empresariales, Camagüey, Cuba.
Proceedings of the 31st Conference on Decision and Control. Tucson, Arizona (1992): IEEE Press,
1992. pp. 1184-1189.
Sánchez Jorge de Andrés. (2003): REVISTA ASTURIANA DE ECONOMÍA - RAE Nº 28.
Salimifard K, Wright M, (2001): “Petri Net-based modelling of workflow systems: an overview”,
European Journal of Operational Research 134, pp. 664–676. 472
Stern, J. & Stewart, B. (2001): “All about EVA. The Real Key to Creating Wealth. Evaluation: Stern
Stewart & Co”. Reseach, 1, pp.1-16.
Thiagarajan P.S. (2000): “Elementary net systems. In: Petri nets: central models and their
properties”. Springer-Verlag.
Wang, J. (1998): Timed Petri Nets—theory and Application, Kluwer Academic Publishers.
Zhang D., Jiang Q., Li X. (2004): “Application of Neural Networks in Financial Data Mining”.
International Journal of Computational Intelligence, Volume 1. Number 2., p. 116-119.

Untitled - Ciencias de la Ingeniería UTE

Transcription

Similar documents

batulaxe - UTE Centro Penitenciario de Villabona

PROYECTO GRADUACION MGP - Allan Navarro

Relatos de los tojolabales, mayas de los Altos de Chiapas en México

4. Posicionamiento de Chile en Desarrollo Digital Avances

Numero 5 Revista ALVAC

resultados de la dnc - Dirección de Administración

Lista de aves de Salta

PRODUCTOS AGRÍCOLAS

- Universidad Autónoma de Nuevo León

INVITACIÓN GENERAL PARA ENTIDADES COLABORADORAS

Modelo de Dinámica de Sistemas para la implantación de

El empleo propagandístico de Internet 2.0 en