Effect of Solid Fat Content on Structure in Ice Creams Containing Palm Kernel Oil and High‐Oleic Sunflower Oil
Notice bibliographique
Résumé
UNLABELLED: The development of a structural fat network in ice cream as influenced by the solid:liquid fat ratio at the time of freezing/whipping was investigated. The solid fat content was varied with blends of a hard fraction of palm kernel oil (PKO) and high-oleic sunflower oil ranging from 40% to 100% PKO. Fat globule size and adsorbed protein levels in mix and overrun, fat destabilization, meltdown resistance, and air bubble size in ice cream were measured. It was found that blends comprising 60% to 80% solid fat produced the highest rates of fat destabilization that could be described as partial coalescence (as opposed to coalescence), lowest rates of meltdown, and smallest air bubble sizes. Lower levels of solid fat produced fat destabilization that was better characterized as coalescence, leading to loss of structural integrity, whereas higher levels of solid fat led to lower levels of fat network formation and thus also to reduced structural integrity. PRACTICAL APPLICATION: Blends of highly saturated palm kernel oil and monounsaturated high-oleic sunflower oil were used to modify the solid:liquid ratio of fat blends used for ice cream manufacture. Blends that contained 60% to 80% solid fat at freezing/whipping temperatures produced optimal structures leading to low rates of meltdown. This provides a useful reference for manufacturers to help in the selection of appropriate fat blends for nondairy-fat ice cream.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».