Machine learning para optimizar el proceso de extrusión de snacks plant-based con subproductos de palta y proteínas vegetales

El sistema alimentario mundial enfrenta desafíos para abastecer a 9800 millones de personas en 2050, mientras la producción de proteína animal genera elevados nivels de GEI, impulsando alternativas vegetales mas sostenibles. La extrusión es una tecnología clave para desarrollar estos productos, aunque su optimización es compleja por la cantidad de variables involucradas y el comportamiento tipo “caja negra” del proceso. Las metodologías tradicionales, como la superficie de respuesta, requieren numerosos ensayos y un alto consumo de recursos. En este contexto, la optimización bayesiana (OB) surge como una técnica de machine learning capaz de explorar eficientemente sistemas complejos mediante surrogate models (Gaussian Processes, XGBoost), que aprenden con pocos experimentos y estiman simultáneamente el valor esperado y la incertidumbre de las respuestas. Esta metodología permitirá optmizar simultaneamente la formulación y los parámetros de extrusión, maximizando la calidad nutricional y funcional, manteniendo la textura objetivo y cumpliendo con la normativa vigente. Este enfoque permite reducirá la experimentación, aumentará la eficiencia y permitirá desarrollar alimentos extruidos sostenibles a futuro.