Texto universitario

_____________________________

 

CAPÍTULO 5. Muestreo y preparación de muestras  


5.1 Introducción 


Los atributos de calidad en productos alimenticios, materias primas o ingredientes son características medibles que necesitan monitoreo para garantizar que se cumplan las especificaciones. Algunos atributos de calidad se pueden medir en línea utilizando sensores especialmente diseñados y los resultados son obtenidos en tiempo real (por ejemplo, el color del aceite vegetal en una planta de extracción de aceite). Sin embargo, en la mayoría de los casos, los atributos de calidad se miden en pequeñas porciones de material que se toman periódicamente de procesos continuos o en un cierto número de pequeñas porciones tomadas de un lote. Las pequeñas porciones tomadas para el análisis se denominan muestras, y el lote completo o toda la producción durante un cierto período de tiempo, en el caso de procesos continuos, se denomina población. El proceso de toma de muestras de una población se llama muestreo. Si el procedimiento se realiza correctamente, las características medibles obtenidas para las muestras se convierten en una estimación muy precisa de la población.


Al muestrear solo una fracción de la población, se puede obtener una estimación de calidad con precisión, rapidez y menos gastos, y tiempo del personal que si se midiera la población total. La fiabilidad del muestreo depende más del tamaño de la muestra que del tamaño de la población. Cuanto mayor es el tamaño de la muestra, más confiable es el muestreo. Sin embargo, el tamaño de la muestra está limitado por el tiempo, el costo, los métodos de muestreo y la logística del manejo de la muestra, el análisis y el procesamiento de datos. Además, en el caso de los productos alimenticios, el análisis de toda una población sería prácticamente imposible debido a la naturaleza destructiva de la mayoría de los métodos analíticos. Paradójicamente, los parámetros estimados utilizando muestras representativas son normalmente más precisas que las mismas estimaciones realizadas en toda la población (censo).

 

La muestra analizada en el laboratorio en la actualidad puede ser de cualquier tamaño o cantidad. Esta muestra de laboratorio generalmente se ha sometido a una preparación tal como homogeneización o molienda para prepararla para el análisis y es mucho más pequeña que la muestra que realmente fue recolectada. El muestreo inicia la serie de pasos necesarios para tomar decisiones sobre los datos recopilados: muestreo, preparación de muestras, análisis de laboratorio, procesamiento de datos e interpretación. En cada paso, existe la posibilidad de errores que comprometerían la certeza o confiabilidad del resultado final. Este resultado final depende de los errores acumulativos en cada etapa, y generalmente se describen por la varianza. La varianza es una estimación de la incertidumbre. La varianza total de todo el procedimiento de prueba es igual a la suma de las varianzas asociadas con cada paso del procedimiento de muestreo y representa la precisión del proceso. La precisión es una medida de la reproducibilidad de los datos. Por el contrario, la exactitud es una medida de qué tan cerca están los datos del valor verdadero. La forma más eficiente de mejorar la precisión es mejorar la confiabilidad de los datos con la mayor variación, y ese es frecuentemente el paso de muestreo inicial. A menudo se presta atención a la precisión y exactitud de los métodos analíticos, y menor atención a la validez del muestreo y la preparación de muestras. Sin embargo, el muestreo a menudo puede ser la mayor fuente de error en el análisis químico en general, pero especialmente un problema en el análisis de alimentos debido a la matriz alimentaria (Fig. 5.1). La homogeneización de muestras y otros aspectos de la preparación de muestras son fuentes adicionales de error potencial, incluso antes del análisis real.

A medida que lea cada sección de este texto, considere la aplicación de la información a algunos ejemplos específicos de necesidades de muestreo en la industria alimentaria: muestreo para el etiquetado nutricional, análisis de pesticidas, análisis de micotoxinas, materia extraña o propiedades reológicas). Para considerar la recolección y preparación de muestras para estas y otras aplicaciones sujetas a las regulaciones gubernamentales, se le remite también a la sección de recolección de muestras de los procedimientos de cumplimiento establecidos por la Administración de Alimentos y Medicamentos (FDA) y el Servicio de Seguridad e Inspección de Alimentos (FSIS) de los Estados Unidos Departamento de Agricultura de los Estados (USDA). Hay información adicional disponible sobre cómo la FDA realiza un muestreo vinculado a la Ley de Modernización de Seguridad Alimentaria y cómo el USDA recolecta muestras para el Banco Nacional de Datos de Nutrientes.

Imagen

Figura 5.1 Desviación estándar relativa típica de los componentes de error por la no-homogeneización de la matriz de alimentos. 1 Muestreo; 2 Homogeneización; 3 Preparación de la muestra; 4 Procedimiento del ensayo.

Cabe señalar que la terminología y los procedimientos de muestreo utilizados pueden variar entre empresas y entre aplicaciones específicas. Sin embargo, los principios descritos en este texto pretenden proporcionar una base para comprender, desarrollar y evaluar los planes de muestreo y los procedimientos de manejo de muestras para aplicaciones específicas encontradas. 


5.2 Selección de procedimientos de muestreo

5.2.1 Definición y propósito del plan de muestreo

 

La Unión Internacional de Química Pura y Aplicada (IUPAC) define un plan de muestreo como "Un procedimiento predeterminado para la selección, extracción, conservación, transporte y preparación de las porciones que se eliminarán de un lote como muestras[1]". Un plan de muestreo debe ser un documento bien organizado que establezca los objetivos del plan de muestreo, los factores a medir, el punto de muestreo, el procedimiento de muestreo, la frecuencia, el tamaño, el personal, la conservación de las muestras, etc. El objetivo principal del muestreo para obtener una muestra representativa, sujeta a restricciones de tamaño que satisfagan las especificaciones del plan de muestreo. Se debe seleccionar un plan de muestreo en función del objetivo de muestreo, la población de estudio, la unidad estadística, los criterios de selección de muestra y los procedimientos de análisis. Dependiendo del propósito del plan de muestreo, las muestras se toman en diferentes puntos del sistema de producción de alimentos, y el plan de muestreo puede variar significativamente para cada punto.

 

5.2.2 Factores que afectan la elección de los planes de muestreo

Cada factor que afecta la elección de los planes de muestreo (Tabla 5.1) debe considerarse en la selección de un plan: (1) propósito de la inspección, (2) naturaleza de la población, (3) naturaleza del producto y (4) naturaleza de la prueba método. Una vez que se determinan, se puede desarrollar un plan de muestreo que proporcionará la información deseada.

 

Tabla 5.1 Factores que afectan la elección de los planes de muestreo

Imagen


5.2.2.1 Propósito de la inspección


La mayoría del muestreo se realiza para un propósito específico y el propósito puede dictar la naturaleza del enfoque del muestreo. Los dos objetivos principales del muestreo son a menudo estimar el valor promedio de una característica y determinar si el valor promedio cumple con las especificaciones definidas en el plan de muestreo. Los propósitos de muestreo varían ampliamente entre las diferentes industrias alimentarias; sin embargo, las categorías más importantes incluyen lo siguiente:

1. Etiquetado nutricional

2. Detección de contaminantes y materias extrañas.

3. Aceptación de materias primas, ingredientes o productos (muestreo de aceptación)

4. Muestras de control de proceso

5. Lanzamiento de lotes de producto terminado

6. Detección de adulteraciones.

7. Inocuidad microbiológica

8. Autenticidad de los ingredientes alimenticios.


5.2.2.2 Naturaleza de la población y el producto


Se debe definir claramente la población y comprender la naturaleza del producto que se va a muestrear para seleccionar un plan de muestreo apropiado. Las poblaciones para el muestreo a menudo se definen en términos de ser homogéneas o heterogéneas y ser discretas o continuas. La población y el producto también pueden variar mucho en tamaño.


La población y el producto ideales serían uniformes en todas sus partes e idénticos en todos los lugares. Tal población sería homogénea. El muestreo de dicha población es simple, ya que se puede tomar una muestra de cualquier ubicación, y los datos analíticos obtenidos serán representativos del conjunto. Sin embargo, esto ocurre raramente, ya que incluso en un producto aparentemente uniforme, como el jarabe de azúcar, las partículas suspendidas y los sedimentos en algunos lugares pueden hacer que la población sea heterogénea. De hecho, la mayoría de las poblaciones y productos que se muestrean son heterogéneos. Por lo tanto, la ubicación dentro de una población donde se toma una muestra afectará los datos posteriores obtenidos. Sin embargo, los planes de muestreo y la preparación de la muestra pueden hacer que la muestra sea representativa de la población o tener en cuenta la heterogeneidad de alguna otra manera. Si la muestra es heterogénea, algunas preguntas adicionales se vuelven importantes: ¿Cuál es la naturaleza de la variación? ¿Deben agruparse o replicarse las muestras? ¿Deberían analizarse diferentes porciones de la muestra por separado? ¿Debería analizarse la superficie de la muestra?


El muestreo de poblaciones discretas (o compartimentadas) es relativamente fácil, ya que la población se divide en múltiples subunidades separadas (por ejemplo, latas de palitos de alimentos enlatados, cajas de cereales para el desayuno en un camión, una botella de jugo en una cinta transportadora). La elección del plan de muestreo está determinada en parte por el número y el tamaño de las subunidades individuales. El muestreo es más difícil a partir de una población continua ya que las diferentes partes de la muestra no están físicamente separadas (por ejemplo, papas fritas en una cinta transportadora, naranjas en un semirremolque).


El tamaño de la población puede variar desde un lote de producción, desde la producción de un día hasta el contenido de un almacén. La información obtenida de una muestra de un lote de producción particular en un almacén debe usarse estrictamente para hacer inferencias sobre ese lote en particular, pero las conclusiones no pueden extenderse a otros lotes en el almacén.

 

Para utilizar el análisis de alimentos para resolver problemas en la industria alimentaria, puede ser inadecuado enfocarse solo en la naturaleza de la población y el producto para desarrollar un plan de muestreo. Por ejemplo, para recolectar muestras para abordar un problema de variación del contenido de humedad de los productos envasados que salen de una línea de producción, sería importante examinar cada paso del procesamiento. Sería necesario comprender dónde es probable que exista variación para luego determinar cómo recolectar adecuadamente las muestras y los datos para analizar la variabilidad.

 

Uno de los casos más difíciles de explicar es la naturaleza de la población, ya que influye en el plan de muestreo, recolectar muestras para medir toxinas fúngicas, llamadas micotoxinas, en los sistemas alimentarios. Las micotoxinas se distribuyen de manera amplia y aleatoria dentro de una población y no se puede suponer una distribución normal. Dicha distribución requiere una combinación de muchas porciones seleccionadas al azar para obtener una estimación razonable de los niveles de micotoxinas. No se necesitan métodos de análisis extremadamente precisos para determinar los niveles de micotoxinas, cuando el error de muestreo es muchas veces mayor que el error analítico. En este caso, el muestreo y la buena trituración y mezclado antes de la reducción del tamaño de partícula son más importantes que el análisis químico en sí. 


5.2.2.3 Naturaleza del método de prueba


Los procedimientos utilizados para analizar las muestras recolectadas varían en varias características que ayudan a determinar la elección del plan de muestreo, por ejemplo, costo, velocidad, precisión, exactitud y destructivo versus no destructivo. Las pruebas rápidas, no destructivas y de bajo costo que son precisas y exactas hacen que sea más factible analizar muchas muestras. Sin embargo, las limitaciones en cualquiera de estas características harán que la naturaleza del método de prueba sea un determinante más importante del plan de muestreo.


5.3 Tipos de planes de muestreo

5.3.1 Muestreo por atributos y muestreo por variables


Los planes de muestreo están diseñados para examinar atributos o variabilidad. En el muestreo de atributos, el muestreo se realiza para decidir sobre la aceptabilidad de una población en función de si la muestra posee cierta característica o no. El resultado tiene un resultado binario de conforme o no conforme. Los planes de muestreo por atributos se basan en las distribuciones estadísticas hipergeométricas, binomiales o de Poisson. En el caso de una distribución binomial (por ejemplo, presencia de clostridium botulinum), la probabilidad de una sola ocurrencia del evento es directamente proporcional al tamaño de la muestra, que debe ser al menos diez veces menor que el tamaño de la población. Calcular las probabilidades binomiales permitirá al investigador hacer inferencias en todo el lote.


En el muestreo variable, el muestreo se realiza para estimar cuantitativamente la cantidad de una sustancia (por ejemplo, contenido de proteínas, contenido de humedad, etc.) o una característica (por ejemplo, color) en una escala continúa. La estimación obtenida de la muestra se compara con un valor aceptable (normalmente especificado por la etiqueta, las agencias reguladoras o el cliente) y se mide la desviación. Este tipo de muestreo generalmente produce datos que tienen una distribución normal, como el porcentaje de llenado de un contenedor y el total de sólidos de una muestra de alimentos. En general, el muestreo variable requiere un tamaño de muestra menor que el muestreo de atributos, y cada característica debe muestrearse por separado cuando sea posible. Sin embargo, cuando la FDA y el FSIS del USDA realizan un muestreo para cumplir con el etiquetado nutricional, se obtiene compuesto de 12 muestras y de al menos seis submuestras, respectivamente, y se utiliza para todos los nutrientes a analizar.


5.3.2 Aceptación del Muestreo 


La aceptación del muestreo es un procedimiento que cumple una función muy específica: determinar si un envío de productos o ingredientes tiene la calidad suficiente para ser aceptado. El procesador de alimentos puede realizar un muestreo de aceptación antes de recibir una gran cantidad de materiales de un proveedor o de un comprador que esté evaluando la producción del procesador. El muestreo de aceptación es un tema muy amplio que se puede aplicar a cualquier campo; se puede consultar literatura más específica si es necesario[2].


Los planes de muestreo de aceptación de lotes que se pueden usar para evaluar atributos o variables, o una combinación de ambos, se dividen en las siguientes categorías:


1. Planes de muestreo únicos. La decisión de aceptar o rechazar un lote para este tipo de plan se basa solo en una muestra de artículos tomados al azar. Estos planes generalmente se denotan como (n, c) planes para un tamaño de muestra n, donde el lote se rechaza si hay más de c muestras defectuosas. Si los resultados no son concluyentes, se toma una segunda muestra y la decisión de aceptar o rechazar se toma en función del resultado combinado de ambas muestras.


2. Planes de muestreo doble. Similar al plan de muestreo único, pero se toman dos muestras (Fig. 5.2).


3. Planes de muestreo múltiple. Estas son extensiones de planes de muestreo doble y utilizan más de dos muestras para llegar a una conclusión.


Imagen

Figura 5.5 Ejemplo de un plan de muestreo doble con dos puntos donde se puede tomar la decisión de aceptación o rechazo (Adaptado de NIST / SEMATECH [13]). N, tamaño de la población; n1 y n2, tamaño de muestra; a1 y a2, números de aceptación; r1 y r2, números de rechazo; d1 y d2, número de no conformidades, los subíndices 1 y 2 representan las muestras 1 y 2, respectivamente.


4. Planes de muestreo secuencial. Según este plan, que es una extensión final del muestreo múltiple, se toma una muestra y, después del análisis, se toma la decisión de aceptar, rechazar o tomar otra muestra. Por lo tanto, el número total de muestras a tomar depende exclusivamente del proceso de muestreo. En este gráfico de la figura 5.3, el número acumulado observado de muestras defectuosas se representa gráficamente frente al número de muestras tomadas. Se dibujan dos líneas, las líneas de rechazo y aceptación, dividiendo así la parcela en tres regiones diferentes: aceptar, rechazar y continuar con el muestreo. Se toma una muestra inicial y los resultados se trazan en el gráfico. Si el punto trazado cae dentro de las líneas paralelas, se toma una segunda muestra y el proceso se repite hasta que se alcanzan las zonas de rechazo o aceptación. Los detalles sobre la construcción de esta muestra están más allá del alcance de este texto, y se pueden encontrar detalles en literatura más especializada[3].


5. Omitir muestreo de lotes. Solo una fracción de los lotes enviados se inspecciona con este tipo de plan. Es un procedimiento de muestreo que ahorra dinero, pero solo se puede implementar cuando hay pruebas suficientes de que la calidad de los lotes es consistente.

Imagen

Figura 5.3 Plan de muestreo secuencial (Adaptado de NIST / SEMATECH[4])


5.3.3 Riesgos asociados con la aceptación del muestreo

Hay dos tipos de riesgos asociados con la aceptación del muestreo: riesgos de productores y consumidores.

El riesgo del consumidor describe la probabilidad de aceptar una población de baja calidad. Esto debería ocurrir raramente (<5% de los lotes), pero la probabilidad real aceptable (β) de un riesgo del consumidor depende de las consecuencias asociadas con la aceptación de un lote inaceptable. Estos pueden variar desde los principales riesgos para la salud y las muertes posteriores hasta que muchos sean de una calidad ligeramente inferior a los lotes estándar. Obviamente, el primero exige una probabilidad baja o nula de ocurrir, mientras que el segundo se permitiría que ocurra con mayor frecuencia. El riesgo del productor es la probabilidad de rechazar (α) un producto aceptable. Al igual que con el riesgo del consumidor, las consecuencias de un error determinan la probabilidad aceptable del riesgo. Una probabilidad aceptable de riesgo del productor suele ser del 5 al 10%. Puede encontrar más información sobre los planes de muestreo en la siguiente sección.


5.4. Procedimiento de muestreo

5.4.1 Introducción

La fiabilidad de los datos analíticos se ve comprometida si el muestreo no se realiza correctamente. Como se muestra en la Tabla 5.1, el uso de los datos que se obtienen es un factor importante que determina el procedimiento de muestreo. Los detalles para el muestreo de productos alimenticios específicos se describen en los Métodos Oficiales de Análisis de AOAC International y en el Código de Regulaciones Federales (CFR). 

 

5.4.2 Ejemplos

 

El Método AOAC 925.08, describe el método para tomar muestras de harina de sacos[5]. El número de sacos a muestrear está determinado por la raíz cuadrada del número de sacos en el lote. Los sacos a muestrear se eligen de acuerdo con su exposición. Las muestras que se exponen con mayor frecuencia se muestrean con más frecuencia que las muestras que se exponen menos. El muestreo se realiza dibujando un núcleo desde una esquina en la parte superior del saco diagonalmente hacia el centro. El instrumento de muestreo es un trier cilíndrico pulido con un extremo puntiagudo. Tiene 13 mm de diámetro con una ranura al menos un tercio de la circunferencia del trier. Se toma una segunda muestra de la esquina opuesta de manera similar. Los núcleos se almacenan para su análisis en un recipiente limpio, seco y hermético que se ha abierto cerca del lote a muestrear. El contenedor debe sellarse inmediatamente después de agregar la muestra. Se utiliza un contenedor separado para cada saco. Detalles adicionales sobre el contenedor y el procedimiento también se describen a continuación. 

 

El Título 21 CFR especifica los procedimientos de muestreo necesarios para garantizar que alimentos específicos se ajusten al estándar de identidad. En el caso de las frutas enlatadas, 21 CFR 145.3 define una unidad de muestra como “contenedor, una porción del contenido del contenedor o compuesto por una mezcla de producto de envases pequeños que es suficiente para probar una sola unidad”. Además, se especifica un plan de muestreo para contenedores de pesos netos específicos. El tamaño del contenedor está determinado por el tamaño del lote. Se debe llenar un número específico de contenedores para el muestreo de cada tamaño de lote. El lote se rechaza si el número de unidades defectuosas excede el límite aceptable. Por ejemplo, de un lote que contiene 48001–84000 unidades, cada una con un peso de 1 kg o menos, se deben seleccionar 48 muestras. Si seis o más de estas unidades no se ajustan al atributo de interés, el lote será rechazado. Basado en intervalos de confianza estadísticos, este plan de muestreo rechazará el 95% de los lotes defectuosos examinados, es decir, el 5% de riesgo para el consumidor.

 

5.4.3 Muestreo manual versus muestreo continuo

 

Para obtener una muestra manual, la persona que toma la muestra debe intentar tomar una "muestra aleatoria" para evitar sesgos humanos en el método de muestreo. Por lo tanto, la muestra debe tomarse de varios lugares dentro de la población para garantizar que sea representativa de toda la población. Para líquidos en envases pequeños, esto se puede hacer agitando antes del muestreo. Al tomar muestras de un gran volumen de líquido, como el almacenado en silos, la aireación garantiza una unidad homogénea. Se pueden tomar muestras de líquidos mediante pipeteo, bombeo o inmersión. Sin embargo, al muestrear granos de un vagón de ferrocarril, es imposible por el tipo de muestra , por lo que estas se obtienen sondeando al azar desde varios puntos dentro del vagón de ferrocarril. Tal muestreo manual de material granular o en polvo generalmente se logra con sondas o sondas que se insertan en la población en varios lugares. Pueden producirse errores en el muestreo, ya que las partículas redondeadas pueden fluir hacia los compartimientos de muestreo con mayor facilidad que las angulares. Del mismo modo, los materiales higroscópicos fluyen más fácilmente en los dispositivos de muestreo que el material no higroscópico. Se ha descubierto que las muestras de núcleos horizontales contienen una mayor proporción de partículas de menor tamaño que las verticales.

 

El muestreo continuo se realiza mecánicamente. La figura 5.4 muestra un dispositivo de muestreo automático que se utiliza para tomar muestras líquidas de una línea de producción continua. El muestreo continuo debería ser menos propenso al sesgo humano que el muestreo manual.

 

5.4.4 Consideraciones estadísticas


5.4.4.1 Muestreo de probabilidad

 

Los planes de muestreo de probabilidad prescriben la selección de una muestra de una población basada en el azar. Proporciona una base estadísticamente sólida para obtener muestras representativas con eliminación del sesgo humano. Se conoce la probabilidad de incluir cualquier elemento en la muestra y se puede calcular el error de muestreo. Varios métodos de muestreo probabilístico están disponibles para el investigador, y los más comunes se describen en los siguientes párrafos.

Imagen


Figura 5.4 Un dispositivo automático de muestreo de líquidos que utiliza aire a alta presión para recolectar múltiples muestras de 1.5 mL. La caja de control (arriba) regula la frecuencia de muestreo[6].

El muestreo aleatorio simple requiere que se conozca el número de unidades en la población y a cada unidad se le asigna un número de identificación. Luego, utilizando un proceso de selección aleatorio, se selecciona un cierto número de números de identificación de acuerdo con el tamaño de la muestra. El tamaño de la muestra se determina de acuerdo con el tamaño del lote y el impacto potencial de un error del consumidor o proveedor. La selección aleatoria de las unidades individuales se realiza mediante tablas de números aleatorios o números aleatorios generados por computadora. Las unidades seleccionadas al azar (muestra) se analizan y los resultados pueden considerarse una estimación imparcial de la población. 

El muestreo sistemático se usa cuando una lista completa de unidades de muestra no está disponible, pero cuando las muestras se distribuyen uniformemente en el tiempo o el espacio, como en una línea de producción. La primera unidad se selecciona al azar (inicio aleatorio) y luego las unidades se toman cada enésima unidad (intervalo de muestreo) después de eso.

El muestreo estratificado implica dividir la población (tamaño N) en un cierto número de subgrupos homogéneos mutuamente excluyentes (tamaño N1, N2, N3, etc.) y luego aplicar una técnica de muestreo aleatorio u otra a cada subgrupo. El muestreo estratificado se utiliza cuando se pueden observar subpoblaciones de características similares en toda la población. Un ejemplo de muestreo estratificado sería una empresa que produce jugo de tomate en diferentes plantas. Si necesitamos estudiar la actividad residual de la poligalacturonasa en el jugo de tomate, podemos estratificar en las plantas de producción y tomar muestras en cada planta.

El muestreo de conglomerados implica dividir la población en subgrupos o conglomerados, y luego seleccionar aleatoriamente solo un cierto número de conglomerados para el análisis. La principal diferencia entre el muestreo de conglomerados y el muestreo estratificado es que en este último, se toman muestras de cada subgrupo, mientras que en el muestreo de conglomerados solo se toman muestras de algunos conglomerados seleccionados al azar. Los grupos seleccionados para el muestreo pueden ser totalmente inspeccionados o submuestreados para su análisis. Este método de muestreo es más eficiente y menos costoso que el muestreo aleatorio simple, si las poblaciones se pueden dividir en grupos. Volviendo al ejemplo del jugo de tomate, cuando usamos el muestreo por conglomerados, consideraríamos todas las plantas de procesamiento, pero seleccionaríamos al azar solo algunas para el propósito del estudio.

El muestreo compuesto se utiliza para obtener muestras de productos en bolsas como harina, semillas y artículos más grandes a granel. Se toman pequeñas alícuotas de diferentes bolsas o contenedores, y se combinan en una muestra simple (la muestra compuesta) que se utiliza para el análisis. El muestreo compuesto también se puede utilizar cuando se necesita una muestra representativa de un día completo de producción en un proceso continuo. En este caso, se utiliza un enfoque sistemático para tomar alícuotas iguales en diferentes momentos, y luego se obtiene una muestra representativa mezclando las alícuotas individuales. Un ejemplo típico de muestreo compuesto es el plan de muestreo ordenado por la FDA y el FSIS para el etiquetado nutricional. Requieren un compuesto de 12 muestras con al menos seis submuestras tomadas y analizadas para cumplir con las normas de etiquetado nutricional[7].

5.4.4.2 Muestreo no probabilístico

La aleatorización siempre se desea. Sin embargo, no siempre es factible, o incluso práctico, tomar muestras basadas en métodos de probabilidad. Los ejemplos incluyen estudios preliminares para generar hipótesis, en la estimación de la desviación estándar para poder diseñar un plan de muestreo más preciso, o en casos en los que el volumen del material hace inaccesible la extracción de muestras. En estos casos, los planes de muestreo no probabilísticos pueden ser más económicos y prácticos que el muestreo probabilístico. Además, en ciertos casos de adulteración, como la contaminación de roedores, el objetivo del plan de muestreo puede ser resaltar la adulteración en lugar de recolectar una muestra representativa de la población.

El muestreo no probabilístico se puede hacer de muchas maneras, pero en cada caso la probabilidad de incluir una porción específica de la población no es igual porque el investigador selecciona las muestras deliberadamente. Sin el uso de una metodología que brinde a cada elemento de la población la misma oportunidad de ser seleccionado, no es posible estimar la variabilidad del muestreo y el posible sesgo.

El muestreo de juicio es únicamente a discreción de la muestra y, por lo tanto, depende en gran medida de la persona que toma la muestra. Este método se utiliza cuando es la única forma práctica de obtener la muestra. Puede resultar en una mejor estimación de la población que el muestreo aleatorio si el muestreo lo realiza un individuo experimentado y se entienden las limitaciones de la extrapolación de los resultados. El muestreo de conveniencia se realiza cuando la facilidad de muestreo es el factor clave. Se selecciona la primera paleta en un lote o la muestra que es más accesible. Esto también se denomina "muestreo fragmentario" o "muestreo aleatorio". Aunque este muestreo requiere poco esfuerzo, la muestra obtenida no será representativa de la población y, por lo tanto, no se recomienda. El muestreo restringido puede ser inevitable cuando no se puede acceder a toda la población. Este es el caso si el muestreo es de un vagón cargado, pero la muestra no será representativa de la población. El muestreo de cuotas es la división de un lote en grupos que representan varias categorías, y luego se toman muestras de cada grupo. Este método de muestreo es menos costoso que el muestreo aleatorio pero también es menos confiable.


5.4.4.3 Muestreo mixto

Cuando el plan de muestreo es una mezcla de dos o más métodos de muestreo básicos que pueden ser aleatorios o no aleatorios, entonces el plan de muestreo se llama muestreo mixto.

5.4.4.4 Estimación del tamaño de la muestra

La determinación del tamaño de la muestra puede basarse en análisis de precisión o análisis de potencia. Los análisis de precisión y potencia se realizan controlando el nivel de confianza (error tipo I) o la potencia (error tipo II). A los fines de esta sección, se utilizará el análisis de precisión y se basará en el enfoque del intervalo de confianza y en los supuestos de que la población es normal. El intervalo de confianza para una media de muestras se describe mediante la siguiente ecuación:

Ec. 5.1

Imagen

Donde 

x = Media de la muestra

 zα/2 = Valor z correspondiente al nivel de confianza deseado

SD = Desviación estándar conocida o estimada de la población 

n = Tamaño de muestra

En la ecuación 5.1 Imagen representa el error máximo (E) que es aceptable para un nivel deseado de confianza. Por lo tanto, podemos establecer la ecuación Imageny resolver para n:

Ec. 5.2

Imagen

El error máximo, E, en la ecuación 5.2 se puede expresar en términos de precisión (γ) como Imagen. Entonces la ecuación 5.2 se puede reorganizar como:

Ec. 5.3

Imagen

Ahora, tenemos una ecuación para calcular el tamaño de la muestra, pero la ecuación depende de un parámetro desconocido: la desviación estándar. Para resolver este problema, podemos seguir diferentes enfoques. Una forma es tomar algunas muestras usando un plan no estadístico y usar los datos para estimar la media y la desviación estándar. Un segundo enfoque es utilizar datos del pasado o datos de un estudio similar. Un tercer método es estimar la desviación estándar como 1/6 del rango de valores de datos[8]. Un cuarto método consiste en utilizar los coeficientes de variación típicos (definidos como 100 x [desviación estándar/ población media]) suponiendo que tengamos una estimación de la media de la población.

Si la muestra estimada es menor que 30, entonces la distribución t Student debe usarse en lugar de la distribución normal reemplazando zα/2 con el parámetro t, con n-1 grados de libertad. Sin embargo, el uso de la distribución de la prueba t Student viene con el costo adicional o la introducción de otra incertidumbre en la ecuación 5.3: los grados de libertad. Para la estimación del puntaje t, necesitamos comenzar en algún lugar asumiendo los grados de libertad, o asumiendo un puntaje t, y luego calculando el número de muestras, recalculando el puntaje t con n-1 grados de libertad, y calculando el número de muestras nuevamente. Para un nivel de incertidumbre del 95%, un lugar conservador para comenzar sería asumir un puntaje t de 2.0 y luego calcular el tamaño inicial de la muestra. Si usamos un experimento preliminar para estimar la desviación estándar, entonces podemos usar el tamaño de la muestra del experimento preliminar menos uno para calcular la puntuación t.

 

Ejemplo: Queremos probar la concentración de sodio en muchos productos alimenticios listos para el consumo con un nivel de confianza del 95%. Algunas pruebas preliminares mostraron un contenido promedio de 1000 mg de sodio por bandeja con una desviación estándar estimada de 500. Determine el tamaño de la muestra con una precisión del 10%.

Datos: nivel de confianza = 95% => α = 0.05 => z = 1.96; γ = 0.1; media= 1000; SD = 500

Imagen


5.4.5 Problemas en el muestreo y el almacenamiento de muestras

 

No importa cuán confiable sea nuestra técnica analítica, nuestra capacidad para hacer inferencias en una población siempre dependerá de la idoneidad de las técnicas de muestreo. El sesgo de muestreo, debido a la conveniencia no estadísticamente viable, puede comprometer la confiabilidad. También pueden introducirse errores al no comprender la distribución de la población y la posterior selección de un plan de muestreo inapropiado.

 

Los datos no confiables también pueden obtenerse por factores no estadísticos, como un almacenamiento deficiente de la muestra que resulta en degradación de la muestra. Las muestras deben almacenarse en un recipiente que proteja la muestra de la humedad y otros factores ambientales que pueden afectar la muestra (por ejemplo, calor, luz, aire). Para protegerse contra los cambios en el contenido de humedad, las muestras deben almacenarse en un recipiente hermético. Las muestras sensibles a la luz deben almacenarse en recipientes hechos de vidrio opaco o envueltos en papel de aluminio. Las muestras sensibles al oxígeno deben almacenarse bajo nitrógeno o un gas inerte. Puede ser necesario refrigerar o congelar para proteger muestras químicamente inestables. Sin embargo, se debe evitar la congelación al almacenar emulsiones inestables. Los conservantes (p. Ej., Cloruro de mercurio, dicromato de potasio y cloroformo) pueden usarse para estabilizar ciertas sustancias alimenticias durante el almacenamiento. Para ayudar a gestionar el problema de las condiciones de almacenamiento adecuadas para varias muestras, algunos laboratorios utilizan recipientes de muestra codificados por colores para garantizar que cada muestra se almacene correctamente.

 

El etiquetado incorrecto de las muestras provoca una identificación errónea de la muestra. Las muestras deben identificarse claramente mediante marcas en el recipiente de la muestra de tal manera que las marcas no se eliminen ni se dañen durante el almacenamiento y el transporte. Por ejemplo, las bolsas de plástico que deben almacenarse en agua con hielo deben marcarse con tinta insoluble en agua.

Si la muestra es una muestra oficial o legal, el contenedor debe sellarse para protegerlo contra la manipulación y la marca del sello se identifica fácilmente. Las muestras oficiales también deben incluir la fecha de muestreo con el nombre y la firma del agente de muestreo. La cadena de custodia de tales muestras debe identificarse claramente.


5.5 Preparación de las muestras 

5.5.1 Consideraciones generales de reducción de tamaño

 

Si el tamaño de partícula o la masa de la muestra es demasiado grande para el análisis, debe reducirse en volumen o tamaño de partícula. Para obtener una cantidad menor para el análisis, la muestra puede extenderse sobre una superficie limpia y dividirse en cuartos. Los dos cuartos opuestos se combinan. Si la masa aún es demasiado grande para el análisis, el proceso se repite hasta obtener una cantidad adecuada. Este método puede modificarse para líquidos homogéneos vertiéndolo en cuatro recipientes y puede automatizarse (Fig. 5.5). De este modo, las muestras se homogenizan para garantizar diferencias insignificantes entre cada porción.

Imagen


Figura 5.5 Un divisor de tubo giratorio para reducir muestras grandes (aprox. 880 kg) de material seco que fluye libremente a una muestra de tamaño de laboratorio (aprox. 0.2 kg[9]) Kinematica™ Polymix™ PX-MFC 90 D Hammer or Cutting Mill, AOAC International proporciona detalles sobre la preparación de muestras de alimentos específicos para el análisis, que depende de la naturaleza del alimento y del análisis a realizar. 

 

Por ejemplo, en el caso de la carne y los productos cárnicos, se especifica en el Método 983.18 que se deben evitar muestras pequeñas, ya que esto da como resultado una pérdida de humedad significativa durante la preparación y posterior manipulación[10]. Las muestras de carne molida deben almacenarse en recipientes de vidrio o similares, con tapas herméticas y al aire. Las carnes frescas, secas, curadas y ahumadas deben estar libres de huesos y pasar tres veces a través de un picador de alimentos con aberturas de placa de no más de 3 mm de ancho. La muestra se debe mezclar bien y analizar inmediatamente. Si no es posible un análisis inmediato, las muestras deben enfriarse o secarse para el almacenamiento a corto y largo plazo, respectivamente.

Otro ejemplo de reducción de tamaño es la preparación de productos de azúcar sólidos para el análisis como se describe en el Método AOAC 920.175. El método prescribe que el azúcar se debe moler, si es necesario, y mezclar hasta obtener una uniformidad. Los azúcares crudos deben mezclarse completa y rápidamente con una espátula. Los bultos se deben romper con un mortero y pistilo o aplastándolos con un rodillo de vidrio o hierro sobre una placa de vidrio.


5.5.2 Molienda

5.5.2.1 Introducción

 

La molienda es importante tanto para la preparación de muestras antes del análisis como para el procesamiento de ingredientes alimentarios. Varios molinos están disponibles para reducir el tamaño de partícula para lograr la homogeneización de la muestra. Para homogeneizar muestras húmedas, se utilizan cortadores de tazón, picadoras de carne, picadoras de tejidos, morteros, o licuadoras. Sin embargo, los morteros y molinos son los mejores para muestras secas. Algunos alimentos se muelen más fácilmente después de secarlos en un desecador u horno de vacío. La molienda de muestras húmedas puede causar pérdidas significativas de humedad y cambios químicos. Por el contrario, la molienda de muestras congeladas reduce los cambios indeseables. El proceso de molienda no debe calentar la muestra y, por lo tanto, el molino no debe sobrecargarse porque el calor se producirá por fricción. Para muestras especialmente sensibles al calor, los molinos se pueden enfriar con nitrógeno líquido y luego las muestras molidas se almacenan a -80 °C. Debe evitarse el contacto de los alimentos con superficies metálicas desnudas si se va a realizar un análisis de trazas de metales.

 

Para romper los tejidos húmedos, hay disponibles varios dispositivos de corte: los cortadores de tazón se pueden usar para tubérculos carnosos y verduras de hoja, mientras que las picadoras de carne pueden ser más adecuadas para frutas, raíces y carne. La adición de arena como abrasivo puede proporcionar una mayor subdivisión de los alimentos húmedos. Los mezcladores son efectivos para moler suspensiones y alimentos blandos y flexibles. Las cuchillas giratorias (25000 rpm) desintegrarán una muestra en suspensión. En los molinos coloidales, se hace fluir una suspensión diluida bajo presión a través de un espacio entre las cuchillas ligeramente aserradas o de superficie lisa hasta que se desintegran por cizallamiento. Las vibraciones sónicas y supersónicas dispersan los alimentos en suspensión y en solución de gas acuoso y presurizado. El desintegrador Mickle agita sónicamente las suspensiones con partículas de vidrio, y la muestra se homogeneiza y centrifuga al mismo tiempo. Alternativamente, un homogenizador de tejido continuo de bajo cizallamiento es rápido y maneja grandes volúmenes de muestra.

Otra alternativa es la molienda criogénica o la criomolienda. Este método es ideal para muestras biológicas y materiales que son sensibles al oxígeno o la temperatura. Sin embargo, la mayoría de los materiales son adecuados para esta técnica. La criomolienda se puede realizar manualmente con un mortero y una mano de mortero después de congelar la muestra con nitrógeno líquido. El mortero y la mano del mortero deben preenfriarse con nitrógeno líquido antes de agregar el material. Además, hay varias marcas de equipos de molienda especializados con un sistema de enfriamiento integrado que realizan la congelación y molienda criogénica automáticamente.

 

5.5.2.2 Aplicaciones para equipos de molienda

Los molinos difieren según su modo de acción, y se clasifican como fresa, martillo, impulsor, ciclón, impacto, centrífugo o molino de rodillos. Los métodos para moler materiales secos varían desde una simple mano de mortero hasta molinos de martillos de accionamiento eléctrico. Los molinos de martillos desgastan bien y trituran cereales y alimentos secos de manera confiable y efectiva, mientras que molinos de bolas pueden triturar finamente pequeñas muestras. Un molino de bolas se muele girando la muestra en un recipiente que está medio lleno de bolas de cerámica. Esta molienda de impacto puede tardar horas o días en completarse. Un molino de bolas refrigerado se puede utilizar para moler alimentos congelados sin presecado y también reduce la probabilidad de que se produzcan reacciones químicas no deseadas iniciadas por calor durante la molienda. Alternativamente, los materiales secos se pueden moler usando un molino ultracentrífugo golpeando, impactando y cortando. Los alimentos se suministran desde una entrada a una cámara de molienda y los rotores reducen su tamaño. Cuando se obtiene el tamaño de partícula deseado, las partículas se entregan por fuerza centrífuga en una bandeja colectora. Se pueden moler grandes cantidades continuamente con un molino de ciclones.

 

5.5.2.3 Determinación del tamaño de partícula

El tamaño de partícula se controla en ciertos molinos ajustando la distancia entre rebabas o cuchillas o por el tamaño/número de malla de la pantalla. El número de malla es el número de aberturas de pantalla cuadradas por pulgada lineal de malla. Las partículas finales de los alimentos secos deben ser de malla 20 para determinar la humedad, proteínas totales o minerales. Las partículas de tamaño de malla 40 se utilizan para ensayos de extracción, como la estimación de lípidos y carbohidratos.

Además de reducir el tamaño de partícula para el análisis de muestras, también es importante reducir el tamaño de partícula de muchos ingredientes alimenticios para su uso en productos alimenticios específicos. Por ejemplo, la avena arrollada para un snack bar a base de granos puede tener un tamaño de granulación especificado, descrito como el 15% del máximo de avena pasa a través de un tamiz estándar # 7 de EE. UU. Una granulación mayor (es decir, partículas más pequeñas) significaría más finura y menos avena entera en la barra terminada. Esto daría lugar a mayores incidencias de rotura de snack bar.

Hay una variedad de métodos para medir el tamaño de partícula, cada uno adecuado para diferentes materiales. La forma más sencilla de medir tamaños de partículas de materiales secos de menos de 50 μm de diámetro es haciendo pasar la muestra a través de una serie de tamices apilados verticalmente con un número de malla creciente. A medida que aumenta el número de malla, las aberturas entre la malla son más pequeñas y solo partículas más finas y más finas pasan a través de tamices posteriores (ver Tabla 5.2). Se han especificado tamaños de tamiz para sal, azúcar, harina de trigo, harina de maíz, sémola y cacao. El método de tamizado es económico y rápido, pero no es adecuado para emulsiones o polvos muy finos. Un estándar en la industria es el W.S. Agitador de tamiz Tyler® Ro-Tap® (Fig. 5.6).

Imagen

Figura 5.6 W.S. Agitador de tamiz[11]. 


Tabla 5.2 Malla estándar US con equivalentes en pulgadas y milímetros

Imagen


Para obtener datos de tamaño más preciso para partículas más pequeñas (<50 μm), se miden características que se correlacionan con el tamaño y, por lo tanto, el tamaño se mide indirectamente. El área de superficie y el potencial zeta (carga eléctrica en una partícula) son características que se usan comúnmente. El potencial Zeta se mide mediante un método electroacústico mediante el cual las partículas oscilan en un campo eléctrico de alta frecuencia y generan una onda de sonido cuya amplitud es proporcional al potencial zeta. Los microscopios ópticos y electrónicos se usan rutinariamente para medir el tamaño de partícula. Los microscopios ópticos se conectan con salidas de video y software de Imag5 de video para estimar el tamaño y la forma. La ventaja del enfoque visual es que se puede observar un tamaño tridimensional y una estructura de partículas detallada.

 

Una técnica generalizada para medir la distribución del tamaño de partícula utiliza un principio conocido como dispersión de luz o difracción láser. Cuando una fuente de luz coherente, como el rayo láser, apunta a una partícula, pueden tener lugar cuatro interacciones del rayo con la partícula: reflexión, refracción, absorción y difracción. La reflexión es la porción de luz que es rechazada por la partícula. La refracción es la luz que atraviesa materiales transparentes o translúcidos y sale de la partícula con una longitud de onda sin cambios, en un ángulo diferente y generalmente con una intensidad más baja. Parte de la luz puede ser absorbida por la partícula y reirradiada a una frecuencia diferente, que puede mostrarse como fluorescencia o calor. La última interacción, la difracción, es el resultado de la interacción de la luz con los bordes de la partícula. Esta interacción hace que la luz se extienda o se difunda y produzca frentes de onda alrededor de la partícula que actúan como ondas esféricas secundarias. Este fenómeno es similar al experimento de doble rendija de Young, que los lectores pueden encontrar en una simple búsqueda en Google.

 

Las ondas secundarias generadas en el borde de las partículas interactúan entre sí, en algunas áreas de manera constructiva y otras de manera destructiva, produciendo patrones de interferencia que se correlacionan con el tamaño de partícula. En general, las partículas más grandes dispersan la luz en ángulos más pequeños y con mayor intensidad. Las partículas más pequeñas, por otro lado, dispersan la luz en ángulos más amplios y con menos intensidad. Estos patrones de dispersión se pueden correlacionar con el tamaño de partícula mediante el uso de algoritmos matemáticos.

 

Además del tamaño, la forma y las propiedades ópticas afectan el ángulo y la intensidad de la luz dispersa. Cuando las partículas son capaces de transmitir luz, el índice de refracción juega un papel en la determinación del tamaño de partícula. Por lo tanto, los instrumentos de dispersión de luz aprovechan el índice de refracción para mejorar la precisión, especialmente para partículas pequeñas.

 

Un analizador de partículas de difracción láser típico tiene un puerto de muestra, un medio para el transporte de la muestra, una celda de flujo, un rayo láser, un detector, electrónica y software. La muestra se introduce en el puerto, que contiene un sistema de dispersión para evitar la aglomeración de partículas. Luego, la muestra es transportada por un líquido, para muestras húmedas, o aire comprimido, para muestras secas, a una celda de flujo. A medida que la muestra atraviesa la celda de flujo, un rayo láser irradia la muestra. Esto da como resultado patrones de difracción que después de pasar a través de una lente de condensación se proyectan en un detector donde se miden los ángulos de difracción y las intensidades. Esta información se transforma luego en una distribución del tamaño de partícula por la electrónica del instrumento y un algoritmo de software de computadora (Fig. 5.7). Los resultados se muestran como distribuciones de frecuencia con tamaño de partícula en el eje xy frecuencia en el eje y.

Imagen


Figura 5.7 Conceptos básicos de un instrumento para medir la distribución del tamaño de partícula por dispersión de luz (difracción láser[12])


La determinación del tamaño de partícula por dispersión de luz tiene muchas ventajas, tales como:

• Amplio rango dinámico: desde el nanómetro hasta el rango de varios milímetros. 

• Adecuado para materiales húmedos y secos, como sólidos en suspensiones líquidas, polvos secos, emulsiones líquido-líquidas y pastas.

 • Medición rápida: en el orden de segundos. 

• Sin calibración necesaria. 

• Fácil de usar e interpretar resultados. 

• Competente en la detección de mezclas de partículas grandes y pequeñas. 

• Técnica cubierta por la norma ISO 13320: 2009.

Las desventajas más importantes son las siguientes:

• Suposición de que las partículas son esféricas, lo que introdujo un error en las partículas que se desvía mucho de la esfericidad. 

• Aglomeración de partículas. 

• Los resultados se expresan en volumen, lo que da más peso a las partículas grandes. 

• Los resultados no se pueden comparar con otros métodos de determinación de tamaño.

Para las partículas en el rango de nanoescala, una técnica ampliamente utilizada para el análisis de partículas es la dispersión dinámica de la luz. Estos instrumentos determinan el tamaño de partícula e incluso el peso molecular de las moléculas grandes en solución. Esto se logra midiendo los cambios de frecuencia de la luz dispersada por partículas debido al movimiento browniano.

La comprensión de los principios del instrumento utilizado para obtener datos de tamaño es vital para apreciar las limitaciones de cada método. Por ejemplo, los datos obtenidos de la misma muestra usando tamices y dispersión de luz serán diferentes. Los tamices separan las partículas usando agujeros cuadrados y, por lo tanto, distinguen el tamaño en la dimensión más pequeña, independientemente de la forma. Sin embargo, las técnicas de dispersión de luz suponen que la partícula es esférica y los datos se derivan del promedio de todas las dimensiones. La medición del tamaño de partícula es útil para mantener la calidad de la muestra, pero se debe tener cuidado al elegir un método apropiado e interpretar los datos.

 

5.5.3 Inactivación enzimática

 

Los materiales alimenticios a menudo contienen enzimas que pueden degradar los componentes alimenticios que se analizan. Por lo tanto, la actividad enzimática debe eliminarse o controlarse utilizando métodos que dependen de la naturaleza del alimento. La desnaturalización por calor para inactivar las enzimas y el almacenamiento en el congelador (−20 a −30 C) para limitar la actividad enzimática son métodos comunes. Sin embargo, algunas enzimas se controlan más efectivamente cambiando el pH o eliminando la sal[13]. Las enzimas oxidativas pueden controlarse mediante la adición de agentes reductores.

 

5.5.4 Protección de la oxidación de lípidos

 

Los lípidos presentan problemas particulares en la preparación de muestras. Los alimentos con alto contenido de grasa son difíciles de moler y pueden necesitar ser molidos mientras están congelados. Los lípidos insaturados son sensibles a la degradación oxidativa y deben protegerse almacenándolos bajo nitrógeno o vacío. Los antioxidantes pueden estabilizar los lípidos y pueden usarse si no interfieren con el análisis. La fotooxidación iniciada por la luz de lípidos insaturados se puede evitar controlando las condiciones de almacenamiento. En la práctica, los lípidos son más estables cuando se congelan en tejidos intactos que como extractos[14]. Por lo tanto, idealmente, los lípidos insaturados deben extraerse justo antes del análisis. Generalmente se recomienda el almacenamiento a baja temperatura para proteger la mayoría de los alimentos.

 

5.5.5 Crecimiento microbiano y contaminación

Los microorganismos están presentes en casi todos los alimentos y pueden alterar la composición de la muestra. Del mismo modo, los microorganismos están presentes en todas las superficies excepto en las esterilizadas, por lo que puede ocurrir contaminación cruzada de la muestra si las muestras no se manejan con cuidado. El primero siempre es un problema y el segundo es particularmente importante en las muestras para el examen microbiológico. La congelación, el secado y los conservantes químicos son controles efectivos y, a menudo, se usa una combinación de estos. Los métodos de conservación utilizados están determinados por la probabilidad de contaminación, las condiciones de almacenamiento, el tiempo de almacenamiento y el análisis a realizar[15].


5.6 Resumen

La calidad de los alimentos se controla en varias etapas de procesamiento, pero la inspección al 100% rara vez es posible o incluso deseable. Para asegurar que se obtenga una muestra representativa de la población para el análisis, se deben desarrollar e implementar métodos de muestreo y reducción de la muestra. La selección del procedimiento de muestreo está determinada por el propósito de la inspección, la naturaleza de la población y el producto, y el método de prueba. El aumento del tamaño de la muestra generalmente aumentará la confiabilidad de los resultados analíticos, y el uso de técnicas de prueba t optimizará el tamaño de la muestra necesaria para obtener datos confiables. También se pueden utilizar múltiples técnicas de muestreo para minimizar el número de muestras a analizar. El muestreo es un proceso vital, ya que a menudo es el paso más variable en todo el procedimiento analítico.

 

El muestreo puede ser por atributos o variabilidad. Los atributos se controlan por su presencia o ausencia, mientras que las variables se cuantifican en una escala continua. Los planes de muestreo se desarrollan para atributos o variables y pueden ser simples, dobles o múltiples. Los planes de muestreo múltiple reducen los costos al rechazar lotes de baja calidad o aceptar lotes de alta calidad rápidamente, mientras que los lotes de calidad intermedia requieren más muestreo. No existe un plan de muestreo sin riesgo. El riesgo del consumidor es la probabilidad de aceptar a un pobre producto de calidad, mientras que el riesgo del vendedor es la probabilidad de rechazar un producto aceptable. Una probabilidad aceptable de riesgo depende de la gravedad de una consecuencia negativa.

 

Los planes de muestreo están determinados por si la población es homogénea o heterogénea. Aunque el muestreo de una población homogénea es simple, rara vez se encuentra en situaciones industriales prácticas. El muestreo de poblaciones heterogéneas es el más común, y se deben usar planes de muestreo adecuados para obtener una muestra representativa. Los métodos de muestreo pueden ser manuales o continuos. Idealmente, el método de muestreo debería ser estadísticamente sólido. Sin embargo, el muestreo no probabilístico a veces es inevitable, a pesar de que no hay una probabilidad igual de que cada miembro de la población sea seleccionado debido al sesgo del muestreo de la persona. Se prefiere el muestreo probabilístico porque garantiza un muestreo aleatorio y es un método estadísticamente sólido que permite el cálculo del error de muestreo y la probabilidad de que cualquier elemento de la población se incluya en la muestra.

Cada muestra debe marcarse claramente para su identificación y conservarse durante el almacenamiento hasta la finalización del análisis. Las muestras oficiales y legales deben ser selladas y una cadena de custodia mantenida e identificada. A menudo, solo una parte de la muestra se usa para el análisis y la reducción del tamaño de la muestra debe garantizar que la parte analizada sea representativa tanto de la muestra como de la población. La preparación y el almacenamiento de la muestra deben tener en cuenta los factores que pueden causar cambios en la muestra. Las muestras se pueden preservar limitando la actividad enzimática, previniendo la oxidación de lípidos e inhibiendo el crecimiento/contaminación microbiana.


5.7 Autoevalución 

1. Como parte de su trabajo como supervisor en un laboratorio de control de calidad, debe dar instrucciones a un nuevo empleado sobre la elección de un plan de muestreo. ¿Qué factores generales discutirías con el nuevo empleado? Distinga entre muestreo por atributos versus muestreo por variabilidad. Diferenciar los tres planes de muestreo básicos y los riesgos asociados con la selección de un plan. 


2. Su supervisor quiere que desarrolle e implemente un plan de muestreo múltiple. ¿Qué tomaría en cuenta para definir las líneas de aceptación y rechazo? ¿Por qué? 


3. Distinga el muestreo probabilístico del muestreo no probabilístico. ¿Cuál es preferible y por qué? 


4. (a) Identifique una pieza de equipo que sería útil para recolectar una muestra representativa para el análisis. Describa las precauciones que deben tomarse para garantizar que se tome una muestra representativa y un producto alimenticio adecuado que pueda tomarse una muestra con este dispositivo. (b) Identifique una pieza de equipo que sería útil para preparar una muestra para análisis. ¿Qué precauciones deben tomarse para garantizar que la composición de la muestra no cambie durante la preparación? 


5. Para cada uno de los problemas identificados a continuación que se pueden asociar con la recolección y preparación de muestras para el análisis, indique una solución para resolver el problema: 


(a) Sesgo de la muestra

(b) Cambio en la composición durante el almacenamiento de la muestra antes del análisis 

(c) Contaminación metálica en la molienda 


6. Crecimiento microbiano durante el almacenamiento del producto antes del análisis

Las instrucciones que sigue para el análisis de la proteína del cereal especifican la molienda de una muestra de cereal a una malla 10 antes de eliminar la proteína mediante una serie de extracciones con solventes: 

a) ¿Qué significa la malla 10? 


b) ¿Cuestionaría el uso de un tamiz de malla 10 para este análisis? Proporcione razones para su respuesta.


7. Debe recolectar y preparar una muestra de cereal producida por su compañía para los análisis requeridos para crear una etiqueta nutricional estándar. Su producto se considera “bajo en grasa” y “alto en fibra” (consulte la información sobre declaraciones de nutrientes y los procedimientos de cumplimiento de la FDA. ¿Qué tipo de plan de muestreo usará? ¿Hará un muestreo por atributos o variabilidad? ¿Cuáles son los riesgos asociados con el muestreo en su caso específico? ¿Usaría muestreo probabilístico o no probabilístico y qué tipo específico elegiría? ¿Qué problemas específicos anticiparía en la recolección, almacenamiento y preparación de muestras? ¿Cómo evitarías o minimizarías cada uno de estos problemas?



Referencias


[1] Meija, Juris & Garcia-Martinez, Javier & Apotheker, Jan. (2020). IUPAC Periodic Table Challenge. Chemistry International. 42. 18-21. 10.1515/ci-2020-0204.

[2] Pardo, Scott. (2020). The Acceptance Sampling Game. 10.1007/978-3-030-43328-4_13.

[3] Schmitz, Norbert. (1993). Optimal sequential sampling plans. 10.1007/978-1-4612-2736-6_2.

[4] NIST/SEMATECH (2013) e-Handbook of statistical methods, chapter 6: process or product monitoring and control. http://www.itl.nist.gov/div898/handbook/

[5] Cunniff, Patricia. (2003). Official Methods of Analysis of AOAC International. II.

[6] https://petersoninst.com/all-products/sa-77/

[7] https://www.fsis.usda.gov/wps/portal/fsis/topics/science/Sampling+Programs

[8] NIST/SEMATECH (2013) e-Handbook of statistical methods, chapter 6: process or product monitoring and control. http://www.itl.nist.gov/div898/handbook/

[9] https://www.glenmills.com/product/kinematica-polymix-px-mfc-90-d-hammer-or-cutting-mill/

[10] https://www.aoac.org

[11] https://vibrowest.it/index.php/en/

[12] https://www.shimadzu.com

[13] Milde, David & Ondrej, Valas & Pankowská, Anna. (2015). Laser Ablation ICP-MS study of Ba and Sr distributions in Teeth.

[14] Mehendale, Ninad & jeevan kumar, Prashant & Mani, Naresh Kumar & Sevda, Surajbhan & Naha, Sunandan & Sharma, Swati & Garlapati, Vijay Kumar. (2020). Microfluidics in Lipid Extraction.

[15] Alekseev, A.V. & Yakimovich, P.V. & Kvachonok, I.K.. (2020). DETERMINATION OF IMPURITIES IN NICKEL BY ICP-MS. Proceedings of VIAM. 101-108. 10.18577/2307-6046-2020-0-2-101-108.

Autores:

Eduardo Ochoa Hernández
Nicolás Zamudio Hernández
Lizbeth Guadalupe Villalon Magallan
Mónica Rico Reyes
Pedro Gallegos Facio
Gerardo Sánchez Fernández
Rogelio Ochoa Barragán