Abstract This research aims to optimize the extraction yield of total phenolic compounds (TPC) and quantify flavonoids by mass spectrometry in peel and kernel of mango (Mangifera indica L.), varieties: Edward, Kent, Haden, and Criollo from the department of Lambayeque, Peru, which resulted in eight samples. Mango peels and kernels were manually separated, frozen at -20 °C, freeze-dried, and ground (300 μm). For the extraction, the Central Composite Design was applied with the factors of ethanolic solution, time, and sample/volume ratio. The extracts determined TPCs by Folin-Ciocalteu and UV-Vis spectrophotometry expressed as gallic acid equivalent. Optimization was performed by the desirability function; Quercetin was also quantified by liquid chromatography-mass spectrometry (m/z). The highest yield of TPC content for Criollo mango kernel was obtained with 67.99% ethanolic solution, 89.94 min, and 0.343 g sample/10 mL ethanolic solution with R2 of 0.8966, and for Edward mango peel with 73.996% ethanolic solution, 58.5 min, and 0.432 g sample/10 mL ethanolic solution with R2 of 0.8020. For peel, the methanolic extract from Criollo mango peel had the highest Quercetin value at (23.28 ± 2.35 mg QE/100 g) (p < 0.05), and for kernels, in both extractions (ethanolic and methanolic), the four varieties did not present differences (p > 0.05).

Resumen La gestión de componentes críticos en industrias con uso intensivo de equipos, es importante por el impacto en la disponibilidad y por los elevados costos de capital en inventario. En tal sentido se propuso evaluar el tiempo medio entre intervenciones (MTBI) y tiempo medio entre fallas (MTBF) en la determinación del tiempo óptimo de reemplazo de componentes críticos reparables de seis palas hidráulicas EX5500, que operan en un emplazamiento minero a tajo abierto. Se comparó una política base que usa el MTBF proporcionado por el fabricante de los equipos, y la política propuesta que usa el MTBI obtenido del historial de intervenciones de la flota. El estudio evidenció que la política que usa el MTBI optimiza el tiempo de reemplazo de componentes críticos reparables, logrando un modelo de optimización de costos a un mejor nivel de confiabilidad.

Abstract Equipment-intensive industries must manage critical components due to their impact on the availability and high inventory carrying costs. In this context, this study seeks to assess mean times between interventions (MTBI) and mean times between failures (MTBF) to determine optimal replacement times for critical repairable components used in six EX5500 hydraulic excavators operating at an open-pit mining site. For these purposes, the authors compared a base policy using the MTBF values provided by the equipment manufacturer, against the proposed policy using the MTBI values obtained from equipment intervention records. The results from the study, revealed that the MTBI policy was able to streamline the replacement times for critical repairable components, thus, generating a cost optimization model at a higher level of reliability.

RESUMEN El objetivo de este trabajo fue evaluar la capacidad de las redes neuronales artificiales (RNA) para predecir la vida útil y la acidez en el queso fresco envasado al vacío. En primer lugar, se prepararon muestras de queso de 200 g por unidad. Luego estas muestras se almacenaron en un intervalo de 2 a 4 días a temperaturas de 4, 10 y 16 ◦ C y humedad relativa del 67,5%. A lo largo del almacenamiento se determinaron la acidez (AC) y la aceptabilidad sensorial. Esta aceptabilidad se utilizó para determinar el tiempo de vida útil (TVU) por el método de riesgo sensorial Weibull modificado. Se creó y entrenó un conjunto de redes neuronales artificiales (RNA); como entradas se utilizaron la temperatura (T), tiempo de maduración (M) y posibilidad de fallo (F (x)) y TVU y AC como salidas. A partir de este conjunto, se seleccionaron las redes con el menor error cuadrático medio (ECM) y el mejor ajuste (R2). Estas redes mostraron coeficientes de correlación (R2) de 0,9996 y 0,6897 para TVU y AC respectivamente y buena precisión en comparación con modelos de regresión. Se muestra que la RNA puede usarse para modelar adecuadamente TVU y en menor grado AC de quesos frescos envasados al vacío.

ABSTRACT The objective of this work was to evaluate the capability of artificial neural networks (ANN) to predict shelf life and the acidity on vacuum packed fresh cheese. First, cheese samples, of 200 g per unit, were prepared; then these samples were stored for 2 to 4 days at temperatures of 4, 10 and 16 ° C and relative humidity of 67.5%. Throughout the storage, the acidity (AC) and sensorial acceptability were determined; this acceptability was used to determine the Shelf life time (SLT) by modified Weibull sensory risk method. A set of artificial neural networks (ANN) was created and trained; temperatures (T), maturation time (M) and failure possibility (F(x)) were used as inputs and SLT and AC as outputs. From this set, the networks with the lowest mean squared error (MSE) and best fit (R2) were selected. These networks showed correlation coefficients (R2) of 0.9996 and 0.6897 for SLT and AC respectively, and good accuracy compared with regression models. It is shown that the ANN can be used to adequately model the SLT and, to a lesser degree, the AC of vacuum-packed fresh cheeses.

Se procedió a determinar la combinación óptima de parámetros de tamaño y forma a fin de obtener la clasificación de elementos estructurales con el menor porcentaje de error. Para este efecto se procedió a utilizar secuencias lógicas y una serie de micrografías de tejido de Cucurbita pepo L.'calabaza' a partir de las cuales se determinaron y clasificaron manualmente los elementos estructurales en tres diferentes clases (células, espacios intercelulares y elementos no reconocibles). De cada elemento se determinaron ocho parámetros de tamaño y forma (área, diámetro equivalente, longitud eje mayor, longitud eje menor, perímetro, redondez, elongación, compactación), se elaboró una secuencia lógica para determinar la combinación de parámetros que generaba el menor error en la clasificación de los elementos microestructurales, mediante comparación con la clasificación manual y se determinó con este proceso que el mínimo porcentaje de error fue 12,7%, mediante el uso de los parámetros de eje mayor, eje menor, perímetro y redondez.

The optimal combination of size and shape parameters for classifying structural elements with the lowest percentage error is determined. For this purpose, logical sequences and a series of micrographs of tissues of the pumpkin Cucurbita pepo L. were used to identify and manually classify structural elements into three different classes: cells, intercellular spaces and unrecognizable elements. From each element, eight parameters of size and shape (area, equivalent diameter, major axis length, minor axis length, perimeter, roundness, elongation and compaction) were determined, and a logical sequence was developed to determine the combination of parameters that generated the lowest error in the classification of the microstructural elements by comparison with manual classification. It was found by this process that the minimum error rate was 12.7%, using the parameters of major axis, minor axis, perimeter and roundness.