Аннотация

Удовлетворение потребительского спроса на информацию о продукте функционального назначения и его качественных характеристиках является основой конкурентоспособности товара и требует постоянного контроля. Цель исследования – разработка системы количественной оценки качественных характеристик сухих напитков функциональной направленности с помощью многомерных статистических методов анализа, а также выявление главных дескрипторов, отражающих потребительские критерии и органолептические показатели продукта.
Объектами исследования являются сухие напитки функциональной направленности на основе плодово-ягодного сырья (малина, брусника, клюква, черная смородина, черника, облепиха, ежевика, абрикос, персик и яблоко). Применяли методы фокус-группы, дегустационного анализа, разработанную порядковую шкалу и модифицированный метод многомерной статистической оценки (PCA).
Предложена единая балловая шкала для сенсорной оценки сухих напитков функциональной направленности. Она отражает не только нормируемые показатели качества, но и потребительские критерии выбора. Получена рейтинговая система главных дескрипторов, отражающая информацию о потребительских предпочтениях и позволяющая выявить значимые сенсорные характеристики и показатели качества сухих функциональных напитков. На основе кластеризации выделены две группы потребителей функциональных напитков: потребители в возрасте от 18 до 29 лет и от 30 до 59 лет. С учетом возрастных категорий при определении дескрипторов оценки напитков каждой группой установлены свои определяющие показатели качества.
Даны рекомендации в отношении маркировки производителям сухих напитков функционального назначения для повышения конкурентоспособности товара и удовлетворения потребительского спроса на информацию о продукте и его отличительных особенностях. Предложенная шкала может применяться для рейтинговой оценки различных видов напитков функционального назначения на основе плодово-ягодного сырья.

Ключевые слова

Напитки, сырье, потребительские критерии, дескрипторы, анализ PCA

СПИСОК ЛИТЕРАТУРЫ

1. Morais RMSC, Morais AMMB, Dammak I, Bonilla J, Sobral PJA, Laguerre J-C, et al. Functional dehydrated foods for health preservation. Journal of Food Quality. 2018;2018. https://doi.org/10.1155/2018/1739636
2. Сандракова И. В., Резниченко И. Ю. Исследование потребителей продуктов здорового питания // Практический маркетинг. 2019. Т. 274. № 12 . С. 22–27.
3. Гурьянов Ю. Г., Лобач Е. Ю. Оценка потребительских предпочтений к новым продуктам функционального назначения // Ползуновский вестник. 2012. № 2–2. С. 187–190.
4. Early R. Making life look and taste better. Food Science and Technology. 2020;34(3):52–55. https://doi.org/10.1002/fsat.3403_13.x
5. Abuajah CI, Ogbonna AC, Osuji CM. Functional components and medicinal properties of food: a review. Journal of Food Science and Technology. 2015;52(5):2522–2529. https://doi.org/10.1007/s13197-014-1396-5
6. Ершова Т. А., Божко С. Д, Чернышова А. Н. Разработка сухих смесей напитков для спортсменов в период соревнований // Пищевая промышленность. 2018. № 2. С. 64–68.
7. Логвинчук Т. М. Разработка рецептурных композиций функциональных напитков на основе растворимого цикория // Ползуновский вестник. 2019. № 4. С. 58–62.
8. Разработка технологии производства напитков функционального назначения на основе пивного сусла / Е. А. Сосюра [и др.] // Пиво и напитки. 2019. № 1. С. 38–42.
9. Мякинникова Е. И., Касьянов Г. И. Сухие быстровосстанавливаемые концентраты для производства напитков // Научные труды КубГТУ. 2015. № 4. С. 288–300.
10. Bakin IA, Reznichenko IYu, Mustafina AS, Aleksenko LA. Design of soft drinks compositions based on blackcurrant berries bhytoextracts. Storage and Processing of Farm Products. 2019;(2):37–50. (In Russ.). https://doi.org/10.36107/spfp.2019.71
11. Kelenkova ES, Egorova EYu. Use of dry extracts of fruit and berry raw materials to increase the nutritional value of kvasses of fermentation. News of Institutes of Higher Education. Food Technology. 2021;379(1):35–39. https://doi.org/10.26297/0579-3009.2021.1.8
12. Совершенствование процесса экстрагирования в производстве быстрорастворимых напитков / С. Н. Кравченко [и др.] // Хранение и переработка сельхозсырья. 2018. № 1. С. 5–10.
13. Shaw EF, Charters S. Functional drinks containing herbal extracts. In: Ashurst PR, editor. Chemistry and technology of soft drinks and fruit juices. John Wiley and Sons; 2016. pp. 310–355. https://doi.org/10.1002/9781118634943.ch12
14. Kaur J, Kumar V, Kumar S, Aggarwal P, Sharma K, Bhadariya V. Process optimization for the preparation of tea and fruit-oriented energy drink: A nutritional approach. Journal of Food Processing and Preservation. 2021;45(4). https://doi.org/10.1111/jfpp.15363
15. Podkorytov AG, Kadnikova IA, Podkorytova EA, Kovalev VV. Development of technology of a dry concentrate beverage based on modified pectin with the addition of Far East wild plants. Bulletin of the Far Eastern Federal University. Economics and Management. 2019;91(3):165–177. (In Russ.). https://doi.org/10.24866/2311-2271/2019-3/165-177
16. Malcolmson LJ, Winkler-Moser JK. Flavor and sensory aspects. In: Shahidi F, editor. Bailey's industrial oil and fat products. John Wiley and Sons; 2020. https://doi.org/10.1002/047167849X.bio032.pub2
17. Muche S, Pietzner V. Sensory evaluation: making it possible to experience basic chemical concepts with nose and tongue. Chemkon. 2020;27. https://doi.org/10.1002/ckon.202000016
18. Lisitsyn AB, Chernukha IM, Nikitina MA. Russian methodology for designing multicomponent foods in retrospect. Foods and Raw Materials. 2020;8(1):2–11. https://doi.org/10.21603/2308-4057-2020-1-2-11
19. Fadhil R, Agustina R. A multi-criteria sensory assessment of Cucumis melo (L.) using fuzzy-Eckenrode and fuzzy-TOPSIS methods. Foods and Raw Materials. 2019;7(2):339–347. https://doi.org/10.21603/2308-4057-2019-2-339-347
20. de Schipper NC, Van Deun K. Model selection techniques for sparse weight-based principal component analysis. Journal of Chemometrics. 2021;35(2). https://doi.org/10.1002/cem.3289
21. Meng C, Zeleznik OA, Thallinger GG, Kuster B, Gholami AM, Culhane AC. Dimension reduction techniques for the integrative analysis of multi-omics data. Briefings in Bioinformatics. 2016;17(4):628–641. https://doi.org/10.1093/bib/bbv108
22. Guo J, Wang X, Li Y, Wang G. Fault detection based on weighted difference principal component analysis. Journal of Chemometrics. 2017;31(11). https://doi.org/10.1002/cem.2926
23. Beddo V, Kreuter F. A handbook of statistical analyses using SPSS. Journal of Statistical Software. 2004;11(2). https://doi.org/10.18637/jss.v011.b02
24. Jolliffe IT. Principal component analysis, 2nd ed. New York: Springer; 2002. 518 p.
25. Filzmoser P, Nordhausen K. Robust linear regression for high-dimensional data: An overview. Wiley Interdisciplinary Reviews: Computational Statistics. 2020;12(4). https://doi.org/10.1002/wics.1524
26. Billard L, Kim J. Hierarchical clustering for histogram data. Wiley Interdisciplinary Reviews: Computational Statistics. 2017;9(5). https://doi.org/10.1002/wics.1405