Código Científico Revista de Investigación/ V.6/ N. E1/ www.revistacodigocientifico.itslosandes.net
ISSN: 2806-5697
Vol. 6 – Núm. E1 / 2025
pág. 1460
Evaluación de la calidad de bebidas fermentadas mediante la
aplicación de un flujograma establecido por Inteligencia Artificial
Evaluation of the quality of fermented beverages through the application of
a flow chart established by Artificial Intelligence
Avaliação da qualidade de bebidas fermentadas através da aplicação de um
fluxograma estabelecido por Inteligência Artificial
Bryan Alejandro Coral Mendoza1
Instituto Superior Tecnológico Tsa´chila
bryancoralmendoza@tsachila.edu.ec
https://orcid.org/0009-0005-6430-4868
María Belén Córdova Rey2
Instituto Superior Tecnológico Tsa´chila
mariacordovarey@tsachila.edu.ec
https://orcid.org/0009-0005-8106-8166
Ronald Ricardo Jiménez Delgado3
Instituto Superior Tecnológico Tsa´chila
ronaljimenez@tsachila.edu.ec
https://orcid.org/0000-0002-7853-7540
DOI / URL: https://doi.org/10.55813/gaea/ccri/v6/nE1/782
Como citar:
Coral, B., Córdova, M., Jiménez, R., (2025). Evaluación de la calidad de bebidas fermentadas
mediante la aplicación de un flujograma establecido por Inteligencia Artificial. Código
Científico Revista de Investigación, 6(E1), 1460-1482.
Recibido: 30/01/2025 Aceptado: 10/02/2025 Publicado: 31/03/2025
Código Científico Revista de Investigación/ V.6/ N. E1/ www.revistacodigocientifico.itslosandes.net
pág. 1461
Research Article
Volumen 6, Número Especial 1, 2025
Resumen
La presente investigación evaluó la calidad de bebidas fermentadas mediante la aplicación de
un flujograma establecido por inteligencia artificial (IA). El estudio, se desarrolló en el Instituto
Superior Tecnológico Tsa’chila durante el periodo II-2024, combinó enfoques cualitativos y
cuantitativos para analizar la implementación de IA en el proceso de vinificación utilizando
tres frutas: uva, mora y Jamaica, con 2 tipos de levadura, liofilizada y fresca. Se estableció un
diseño completamente al azar con seis tratamientos y tres repeticiones, evaluando parámetros
fisicoquímicos, organolépticos y costos. Los resultados mostraron que el pH osciló entre 2,58
y 3,08, con estabilidad destacada en el mosto de uva. Los sólidos solubles variaron entre
5,13°Brix y 10,93°Brix, generando contenidos alcohólicos entre 1,47% y 5,2%, valores por
debajo de la norma INEN 374. El análisis sensorial realizado por 12 docentes calificó al
tratamiento T4 (uva + levadura fresca) como el más aceptado, gracias a su equilibrio
organoléptico. La concentración de metanol en este tratamiento fue de 36 mg/L, cumpliendo
ampliamente con los límites establecidos (≤ 1000 mg/L). Aunque los parámetros
fisicoquímicos no alcanzaron los estándares normativos, los análisis de costos destacaron a los
tratamientos T3 (mora + levadura liofilizada) y T6 (jamaica + levadura fresca) con costos de
$0,79 y $1,02 por kilogramo, respectivamente, posicionándolos como opciones económicas
frente a vinos comerciales. Se concluye que la aplicación de IA, aunque no optimizó
completamente las características fisicoquímicas y organolépticas, permitió identificar
tratamientos viables en términos de costo-beneficio.
Palabras clave: Bebidas fermentadas, inteligencia artificial, parámetros fisicoquímicos,
análisis sensorial, costos de producción.
Abstract
The present research evaluated the quality of fermented beverages through the application of a
flow chart established by artificial intelligence (AI). The study, developed at the Instituto
Superior Tecnológico Tsa'chila during the period II-2024, combined qualitative and
quantitative approaches to analyze the implementation of AI in the winemaking process using
three fruits: grape, blackberry and Jamaica, with two types of yeast, freeze-dried and fresh. A
completely randomized design was established with six treatments and three replicates,
evaluating physicochemical, organoleptic and cost parameters. The results showed that pH
ranged between 2.58 and 3.08, with outstanding stability in the grape must. The soluble solids
varied between 5.13°Brix and 10.93°Brix, generating alcohol contents between 1.47% and
5.2%, values below the INEN 374 standard. The sensory analysis carried out by 12 teachers
qualified the T4 treatment (grapes + fresh yeast) as the most acceptable, thanks to its
organoleptic balance. The methanol concentration in this treatment was 36 mg/L, amply
complying with the established limits (≤ 1000 mg/L). Although the physicochemical
parameters did not meet the regulatory standards, the cost analysis highlighted the T3
(blackberry + freeze-dried yeast) and T6 (hibiscus + fresh yeast) treatments with costs of $0.79
and $1.02 per kilogram, respectively, positioning them as economic options compared to
commercial wines. It is concluded that the application of AI, although it did not completely
optimize the physicochemical and organoleptic characteristics, allowed the identification of
viable treatments in terms of cost-benefit.
Keywords: Fermented beverages, artificial intelligence, physicochemical parameters, sensory
analysis, production costs.
Código Científico Revista de Investigación/ V.6/ N. E1/ www.revistacodigocientifico.itslosandes.net
pág. 1462
Research Article
Volumen 6, Número Especial 1, 2025
Resumo
A presente investigação avaliou a qualidade de bebidas fermentadas através da aplicação de
um fluxograma estabelecido por inteligência artificial (IA). O estudo, desenvolvido no Instituto
Superior Tecnológico Tsa'chila durante o período II-2024, combinou abordagens qualitativas
e quantitativas para analisar a implementação da IA no processo de vinificação utilizando três
frutos: uva, amora e Jamaica, com dois tipos de leveduras, liofilizadas e frescas. Foi
estabelecido um delineamento inteiramente casualizado com seis tratamentos e três réplicas,
avaliando parâmetros físico-químicos, organolépticos e de custo. Os resultados mostraram que
o pH variou entre 2,58 e 3,08, com uma estabilidade notável no mosto de uva. Os sólidos
solúveis variaram entre 5,13°Brix e 10,93°Brix, gerando teores alcoólicos entre 1,47% e 5,2%,
valores abaixo da norma INEN 374. A análise sensorial realizada por 12 professores qualificou
o tratamento T4 (uvas + leveduras frescas) como o mais aceitável, graças ao seu equilíbrio
organolético. A concentração de metanol neste tratamento foi de 36 mg/L, respeitando
amplamente os limites estabelecidos (≤ 1000 mg/L). Embora os parâmetros físico-químicos
não tenham atingido os padrões normativos, a análise de custos destacou os tratamentos T3
(amora + levedura liofilizada) e T6 (hibisco + levedura fresca) com custos de 0,79€ e 1,02€
por quilograma, respetivamente, posicionando-os como opções económicas em comparação
com os vinhos comerciais. Conclui-se que a aplicação da IA, embora não tenha optimizado
totalmente as caraterísticas físico-químicas e organolépticas, permitiu a identificação de
tratamentos viáveis em termos de custo-benefício.
Palavras-chave: Bebidas fermentadas, inteligência artificial, parâmetros físico-químicos,
análise sensorial, custos de produção.
Introducción
La evaluación de la calidad en la producción de bebidas fermentadas ha sido
históricamente un proceso basado en la percepción humana, con paneles de cata especializados
que analizan atributos sensoriales como aroma, sabor, textura y apariencia. Sin embargo, esta
metodología presenta desafíos significativos debido a la subjetividad, la variabilidad en los
resultados y la dificultad para cuantificar con precisión los parámetros de calidad (Meilgaard,
Civille, & Carr, 2007).. En este contexto, la Inteligencia Artificial (IA) ha emergido como una
herramienta innovadora con el potencial de transformar la industria alimentaria mediante el
análisis avanzado de datos, el aprendizaje automático y la optimización de procesos
productivos (Buenaño, 2024).
El uso de IA en la evaluación de bebidas fermentadas permite una mayor objetividad y
reproducibilidad en la medición de parámetros fisicoquímicos y sensoriales. Tecnologías como
Código Científico Revista de Investigación/ V.6/ N. E1/ www.revistacodigocientifico.itslosandes.net
pág. 1463
Research Article
Volumen 6, Número Especial 1, 2025
el procesamiento de imágenes, el aprendizaje profundo y los algoritmos de predicción han
demostrado ser eficaces en la identificación de patrones y en la mejora de la calidad del
producto final. Investigaciones recientes han evidenciado el impacto positivo de la IA en la
industria vinícola, desde la predicción del perfil aromático del vino (Pascual, 2023) hasta la
clasificación automatizada de cervezas según sus características organolépticas (Argel & Luca,
2024).
En el contexto ecuatoriano, Santo Domingo de los Tsáchilas cuenta con un entorno
propicio para la producción agrícola, pero la elaboración de bebidas fermentadas a partir de
frutas tropicales sigue siendo limitada (Suárez, 2022). A pesar del potencial de la región,
factores como la falta de innovación tecnológica y el acceso restringido a herramientas
avanzadas han obstaculizado el crecimiento del sector (Yépez, Naranjo, & Sánchez, 2018). La
implementación de IA en este ámbito podría optimizar los procesos productivos, mejorar la
calidad del producto y fortalecer la competitividad de los productores locales en mercados
nacionales e internacionales.
Los antecedentes en la aplicación de IA a la producción de bebidas fermentadas
destacan su capacidad para mejorar la consistencia del producto, reducir costos operativos y
minimizar el impacto ambiental. Estudios previos han demostrado que la IA puede predecir
parámetros críticos de fermentación, optimizar el uso de insumos y mejorar la trazabilidad del
proceso (Demanuel, Huancara, & Cama, 2022). Estas ventajas posicionan a la IA como una
herramienta clave para el desarrollo sostenible de la industria vinícola y de bebidas fermentadas
en general (Galeano, Aguirre, & Castrillón, 2021).
En este estudio, se busca desarrollar un flujograma basado en IA para la evaluación
integral de la calidad de bebidas fermentadas, combinando análisis fisicoquímicos y
sensoriales. El objetivo principal es demostrar la viabilidad de la IA como una herramienta
eficaz para mejorar la precisión y eficiencia en la evaluación de calidad, contribuyendo así al
Código Científico Revista de Investigación/ V.6/ N. E1/ www.revistacodigocientifico.itslosandes.net
pág. 1464
Research Article
Volumen 6, Número Especial 1, 2025
avance tecnológico de la industria y a la satisfacción de las crecientes demandas de los
consumidores.
Metodología
El trabajo de investigación se desarrolló en el Instituto Superior Tecnológico Tsa’chila,
Planta de Procesos ubicada en la Provincia de Santo Domingo de los Tsáchilas, cantón Santo
Domingo, parroquia Chigüilpe, avenida Galo Luzuriaga y Franklin Pallo, en el periodo lectivo
II-2024 durante 4 meses.
Enfoque: La investigación adoptó un enfoque mixto, combinando elementos tanto
cualitativos como cuantitativos. El componente cualitativo permitió comprender en
profundidad las dinámicas del proceso de vinificación en tres tipos de frutas, así como la
selección y aplicación de la inteligencia artificial (IA) más adecuada para optimizar el
rendimiento de este proceso.
Por otra parte, el enfoque cuantitativo se centró en la evaluación de los parámetros
fisicoquímicos de los vinos producidos, así como en el análisis de los costos y rendimientos
derivados del uso de IA en el proceso productivo. Esto incluyó mediciones precisas de las
propiedades del vino, tales como el pH y el contenido de alcohol, mediante análisis de
laboratorio. Además, se aplicaron cálculos matemáticos para verificar el impacto de la IA en
el rendimiento general del proceso de vinificación, permitiendo una comparación clara y
objetiva entre los vinos elaborados de forma tradicional y aquellos optimizados mediante IA.
Modalidad de la Investigación
Investigación experimental: Se llevó a cabo en la Planta de Procesos del Instituto
Superior Tecnológico Tsa’chila. En esta fase, se implementó IA para optimizar el proceso de
elaboración de vino a partir de tres tipos de frutas. Se realizaron experimentos controlados para
evaluar el impacto de la IA en el rendimiento y la calidad del vino producido. Se midieron
Código Científico Revista de Investigación/ V.6/ N. E1/ www.revistacodigocientifico.itslosandes.net
pág. 1465
Research Article
Volumen 6, Número Especial 1, 2025
parámetros fisicoquímicos (pH, contenido de alcohol, acidez titulable y sólidos solubles)
mediante análisis de laboratorio.
Investigación documental: Se realizó una revisión y análisis de estudios previos,
artículos académicos y normativas aplicables a la industria vitivinícola. Este análisis permitió
contextualizar los resultados experimentales, identificando tendencias en la implementación de
la IA en la producción de vino.
Nivel o Tipo de Investigación
Investigación exploratoria: Se buscó optimizar el proceso de elaboración de vino a
partir de tres tipos de frutas mediante IA, evaluando su impacto en los rendimientos y
propiedades fisicoquímicas.
Investigación descriptiva: Se aplicó en la fase de análisis para describir variables clave
como el pH, contenido de alcohol, sólidos solubles y acidez titulable, documentando
características organolépticas y nutricionales.
Investigación explicativa: Permitió discutir los resultados obtenidos y compararlos con
estudios previos.
Población y Muestra
La población objetivo incluyó todos los vinos de diferentes frutas producidos en
Ecuador. La muestra se seleccionó a partir de tres tipos de frutas representativas (uva, mora y
jamaica), empleando 8 kg de cada una, adquiridas en el mercado mayorista. Se elaboraron
vinos utilizando recetas generadas por IA. La evaluación sensorial se realizó con un panel de
12 docentes de Agroindustrias del Instituto Superior Tecnológico Tsa’chila.
Técnicas e instrumentos de recolección de información
Técnica de laboratorio: Se realizaron análisis fisicoquímicos con equipamientos como
potenciómetro, refractómetro digital y densímetro, siguiendo normativas como NTE INEN
340, 381 y 374.
Código Científico Revista de Investigación/ V.6/ N. E1/ www.revistacodigocientifico.itslosandes.net
pág. 1466
Research Article
Volumen 6, Número Especial 1, 2025
Observación: Se documentó el proceso de producción del vino con IA, registrando su
impacto en calidad y eficiencia.
Encuesta: Se aplicó un test de cata a docentes de Agroindustrias para determinar la
formulación más aceptada.
Variables de estudio
Tabla 1.
Operacionalización de variables
Variables independientes
Variables dependientes
Variable
Indicadores
Instrumento
Variable
Indicadores
Instrumento
A: Mosto
A1. Uva
A2. Mora
A3. Jamaica
Licuadora
industrial,
Tanque
fermentador,
Marmita,
Envasadora
Análisis
Físico
Químico.
pH
Sólidos Solubles
(°Brix)
Acidez titulable
(%)
Grado
alcohólico
(%Alc. Vol.)
Densidad
(g/cm3)
Metanol (mg/L)
Potenciómetro
Refractómetro
digital
Titulación
Alcoholímetro
Densímetro
Cromatografía
de gases
B: Tipo de
Levadura
B1: levadura
liofilizada
B2: levadura
fresca
Levaduras
(levapan)
Características
organolépticas
Color
Olor
Sabor
Intensidad
Ficha de cata
(escala de
Likert)
Rendimiento
Rendimiento
(%)
Formula de
rendimiento
Costo de
producción
Rentabilidad
obtenida ($)
Cálculos
matemáticos
Diseño experimental
Se aplicó un Diseño Completamente al Azar (DCA) A x B, con 6 tratamientos y 3
repeticiones, resultando un total de 18 unidades experimentales. Para la comparación de
medias, se utilizó la prueba de Tukey con un nivel de significancia del 5%. En cuanto a la
verificación del cumplimiento normativo, no aplicó este diseño, ya que se realizó una
investigación documental orientada a verificar el cumplimiento de la normativa legal vigente.
Código Científico Revista de Investigación/ V.6/ N. E1/ www.revistacodigocientifico.itslosandes.net
pág. 1467
Research Article
Volumen 6, Número Especial 1, 2025
Tabla 2.
Tratamientos para el estudio experimental
Tratamientos
Repeticiones
A1B1
R1, R2, R3
A1B2
R1, R2, R3
A2B1
R1, R2, R3
A2B2
R1, R2, R3
A3B1
R1, R2, R3
A3B2
R1, R2, R3
Resultados
Se utilizó BardIA para describir el proceso de elaboración del vino de uva y obtener
sugerencias sobre cómo estructurarlo de manera eficiente según la Norma INEN 374.
Posteriormente, se empleó la plataforma Diagrams.net (Draw.io) para representar visualmente
el flujograma del proceso.
Entre las ventajas de esta metodología, BardIA permitió desglosar los pasos clave de la
producción, identificar mejoras y optimizar la secuencia de actividades. Por su parte, Draw.io,
al ser una herramienta gratuita con plantillas predefinidas, facilitó la creación del diagrama de
flujo.
El proceso consistió en tres pasos principales:
• Consultar a BardIA sobre los pasos para elaborar vino de uva y las mejores prácticas para
optimizar la eficiencia.
• Utilizar la información obtenida para diseñar el flujograma en Draw.io.
• Aplicar ajustes recomendados por BardIA en caso de detectar oportunidades de mejora en
el proceso.
Código Científico Revista de Investigación/ V.6/ N. E1/ www.revistacodigocientifico.itslosandes.net
pág. 1468
Research Article
Volumen 6, Número Especial 1, 2025
Diagrama de flujo generado mediante Inteligencia Artificial para vinos y bebidas
fermentadas de frutas
Figura 1 Diagrama de flujo para la elaboración de vinos y bebidas fermentadas
“Elaborado por: Coral y Córdova (2024)”.
El proceso de elaboración de vino a partir de uva, mora y jamaica incluyó varias etapas
secuenciales para garantizar la calidad del producto final.
Primero, se realizó la recepción de la materia prima, donde se verificó su calidad.
Luego, las frutas pasaron por un lavado para eliminar impurezas y por una selección, en la que
se descartaron los frutos dañados y se retiraron los tallos de la uva para mejorar el sabor del
vino. Posteriormente, se llevó a cabo el blanqueado a 80 °C durante 1 a 3 minutos.
Recepción
Lavado
Selección
Blanqueo 80°C x 1 a 3 min
Triturado
Estandarizado
Cumple
°Brix y pH
Inoculado
Fermentación de 10 días
Filtrado
Pasteurización 65°por 20min
Envasado y etiquetado
Agua con
residuos
Agua
Fruta en mal
estado
Residuos
SÍ
Levadura
Vapor de agua
Agua
Azúcar
Uva
Mora
Jamaica
Código Científico Revista de Investigación/ V.6/ N. E1/ www.revistacodigocientifico.itslosandes.net
pág. 1469
Research Article
Volumen 6, Número Especial 1, 2025
En la etapa de triturado, las frutas se procesaron para extraer el mosto, que fue
estandarizado añadiendo la cantidad adecuada de azúcar. Después, se efectuó un análisis de
°Brix y pH con un refractómetro para verificar el contenido de azúcar según la norma INEN
374:2016; si no cumplía con los parámetros, se ajustaba el azúcar.
Luego, se realizó el inoculado al agregar la levadura correspondiente para iniciar la
fermentación, que duró 10 días y transformó los azúcares en alcohol. Finalizada la
fermentación, el vino fue filtrado para eliminar impurezas y posteriormente pasteurizado a 65
°C durante 20 minutos para garantizar su conservación. Finalmente, el vino fue embotellado,
etiquetado y quedó listo para su distribución y venta.
Análisis fisicoquímico
pH
En la figura 2 se puede observar los resultados obtenidos de iones de hidrogeno de las
bebidas fermentadas obtenidas de las diferentes formulaciones.
Figura 2. Sobre pH de los diferentes tratamientos de las bebidas fermentadas.
“Elaborado por: Coral y Córdova (2024)”.
De acuerdo a los resultados, se observan diferencias significativas entre los tratamientos
evaluados. El tratamiento T5 (mosto de mora con levadura fresca) alcanzó la mayor media con
un valor de 3,08, mientras que los tratamientos T1, T2 y T4 obtuvieron medias que oscilaron
Mosto de
uva+
levadura
liofilizada
T1
Mosto de
mora+
levadura
liofilizada
T2
Mosto de
jamaica+
levadura
liofilizada
T3
Mosto de
uva+
levadura
fresca
T4
Mosto de
mora+
levadura
fresca
T5
Mosto de
jamaica+
levadura
fresca
T6
Medias 3,05 3,06 2,58 3,04 3,08 2,58
bc bc
a
bc
a
2,3
2,4
2,5
2,6
2,7
2,8
2,9
3
3,1
3,2
pH
Tratamientos
Código Científico Revista de Investigación/ V.6/ N. E1/ www.revistacodigocientifico.itslosandes.net
pág. 1470
Research Article
Volumen 6, Número Especial 1, 2025
entre 3,04 y 3,06. Por otro lado, los tratamientos T3 y T6 (mosto de jamaica con levaduras
liofilizada y fresca, respectivamente) presentaron la menor media, con un valor de 2,58.
Sólidos Solubles Totales (°Brix)
En la figura 3 se puede observar los resultados obtenidos de los sólidos solubles totales
(°Brix) de las bebidas fermentadas obtenidas de las diferentes formulaciones.
Figura 3. Sobre sólidos totales de los diferentes tratamientos de las bebidas fermentadas.
“Elaborado por: Coral y Córdova (2024)”.
De acuerdo con los resultados obtenidos, las concentraciones de sólidos solubles
expresadas en grados Brix varían significativamente entre los tratamientos evaluados. El
tratamiento T4 (mosto de uva con levadura fresca) alcanzó el valor más alto con 10,93 °Brix,
destacándose como el más eficiente en términos de fermentación, mientras que el tratamiento
T5 (mosto de mora con levadura fresca) presentó el valor más bajo con 5,13 °Brix.
Acidez titulable (%)
En la figura 4 se puede observar los resultados obtenidos de la acidez de las bebidas
fermentadas obtenidas de las diferentes formulaciones.
Mosto de
uva+
levadura
liofilizad
a T1
Mosto de
mora+
levadura
liofilizad
a T2
Mosto de
jamaica+
levadura
liofilizad
a T3
Mosto de
uva+
levadura
fresca
T4
Mosto de
mora+
levadura
fresca
T5
Mosto de
jamaica+
levadura
fresca
T6
Series1 9,73 5,2 8,17 10,93 5,13 8,3
c
a
b
d
a
b
0
2
4
6
8
10
12
°Brix
Tratamientos
Código Científico Revista de Investigación/ V.6/ N. E1/ www.revistacodigocientifico.itslosandes.net
pág. 1471
Research Article
Volumen 6, Número Especial 1, 2025
Figura 4. Sobre acidez titulable de los diferentes tratamientos de las bebidas fermentadas.
“Elaborado por: Coral y Córdova (2024)”.
Respecto a las mediciones de acidez expresadas en la Figura 7 indican valores que
oscilan entre 4,61 y 6,59. Los tratamientos T2 (mosto de mora con levadura liofilizada) y T5
(mosto de mora con levadura fresca) difieren de manera significativa de los tratamientos T1,
T3, T4 y T6, obteniendo los valores de acidez más altos, con 6,59 y 6,14, respectivamente. Por
otro lado, el tratamiento T1 (mosto de uva con levadura liofilizada) presentó el valor más bajo,
con 4,61.
Grado alcohólico
En la figura 5 se puede observar los resultados obtenidos respecto a la medición de
grados alcohólicos de las bebidas fermentadas obtenidas de las diferentes formulaciones.
Figura 5. Sobre grados alcohólicos de los diferentes tratamientos de las bebidas fermentadas.
“Elaborado por: Coral y Córdova (2024)”.
Mosto de
uva+
levadura
liofilizada
T1
Mosto de
mora+
levadura
liofilizada
T2
Mosto de
jamaica+
levadura
liofilizada
T3
Mosto de
uva+
levadura
fresca
T4
Mosto de
mora+
levadura
fresca
T5
Mosto de
jamaica+
levadura
fresca
T6
Series1 4,64 6,59 4,74 4,61 6,14 4,8
a
c
aa
b
a
0
1
2
3
4
5
6
7
Acidez %
Tratamientos
Mosto de
uva+
levadura
liofilizada
T1
Mosto de
mora+
levadura
liofilizada
T2
Mosto de
jamaica+
levadura
liofilizada
T3
Mosto de
uva+
levadura
fresca
T4
Mosto de
mora+
levadura
fresca
T5
Mosto de
jamaica+
levadura
fresca
T6
Series1 2,27 1,47 5,2 2,37 4,23 2,2
b
a
d
b
c
b
0
1
2
3
4
5
6
Grados alcohólicos %
Tratamientos
Código Científico Revista de Investigación/ V.6/ N. E1/ www.revistacodigocientifico.itslosandes.net
pág. 1472
Research Article
Volumen 6, Número Especial 1, 2025
Según los resultados obtenidos de la evaluación de grados alcohólicos, los resultados
fueron inferiores a 5.2% los cuales no cumplen con los parámetros requeridos por la norma
NTE INEN 374 (2016) que indica que el vino debe tener como mínimo 6% de alcohol. Este
resultado podría deberse a una baja concentración inicial de azúcares (grados Brix), a una
actividad insuficiente de las levaduras o a condiciones subóptimas de fermentación que
limitaron la producción de etanol (Flores, 2016).
Densidad
En la figura 6 se puede observar los resultados obtenidos la densidad obtenida de las
bebidas fermentadas respecto a las diferentes formulaciones realizadas.
Figura 5. Sobre densidad de los diferentes tratamientos de las bebidas fermentadas.
“Elaborado por: Coral y Córdova (2024)”.
Los resultados de densidad obtenidos en las bebidas fermentadas reflejan diferencias
significativas donde el T2 Y T5 se diferencia de los demás obteniendo densidades bajas entre
0.09 y la más alta del tratamiento T4 con 2.14 estos resultados están íntimamente relacionados
a la concentración de brix de cada uno de los tratamientos.
Análisis sensorial
Aspecto
En la figura 6, 7, 8, 9 se puede observar los resultados obtenidos del análisis sensorial
respecto al aspecto de las bebidas fermentadas aplicando dos tipos de levaduras.
Mosto de
uva+
levadura
liofilizada
T1
Mosto de
mora+
levadura
liofilizada
T2
Mosto de
jamaica+
levadura
liofilizada
T3
Mosto de
uva+
levadura
fresca
T4
Mosto de
mora+
levadura
fresca
T5
Mosto de
jamaica+
levadura
fresca
T6
Series1 0,13 0,09 0,12 0,14 0,09 0,12
b
a
bc
a
b
0
0,02
0,04
0,06
0,08
0,1
0,12
0,14
0,16
Densidad
Tratamientos
Código Científico Revista de Investigación/ V.6/ N. E1/ www.revistacodigocientifico.itslosandes.net
pág. 1473
Research Article
Volumen 6, Número Especial 1, 2025
Figura 6.. Sobre el aspecto de los diferentes
tratamientos de las bebidas fermentadas.
Figura 7. Sobre el color de los diferentes tratamientos
de las bebidas fermentadas.
Figura 8. Sobre el aroma de los diferentes
tratamientos de las bebidas fermentadas.
Figura 9. Sobre el sabor de los diferentes tratamientos
de las bebidas fermentadas.
La evaluación sensorial de las bebidas fermentadas analizadas mostró variaciones
significativas en el color, aroma e intensidad del sabor entre los distintos tratamientos (T1 a
T6).
En cuanto al aspecto, T1 predominó en tonalidad media, mientras que T3, T4 y T6 se
inclinaron hacia colores más profundos. T2 destacó por el color púrpura, mientras que T5
presentó una combinación de granate, teja y púrpura. Estos resultados sugieren que la
composición del mosto y el tipo de levadura influyeron en la percepción visual.
Respecto al aroma, T1 presentó un equilibrio entre intensidades ligera y media,
mientras que T2 y T5 sobresalieron en aroma pronunciado. Los tratamientos con mayor
intensidad de aroma se asociaron con un predominio de aromas primarios, mientras que los
0
2
4
6
8
10
T1 T2 T3 T4 T5 T6
Palido Medio Profundo
0
1
2
3
4
5
T1 T2 T3 T4 T5 T6
Tinto Púrpura Rubí Granate Teja
0 2 4 6 8 10
Ligera
Media
Pronunciada
Primario
Secundario
Terciario
Tratamientos
Aroma-Intensidad Características
del aroma
T6 T5 T4 T3 T2 T1
0
10
T1 T2 T3 T4 T5 T6
Características del sabor
Tratamientos
Intensidad Ligera
Intensidad Media
Código Científico Revista de Investigación/ V.6/ N. E1/ www.revistacodigocientifico.itslosandes.net
pág. 1474
Research Article
Volumen 6, Número Especial 1, 2025
más equilibrados, como T1 y T6, mostraron una distribución más uniforme entre aromas
primarios, secundarios y terciarios.
En la evaluación del sabor, T1 y T4, elaborados con mosto de uva, destacaron por un
dulzor medio, baja acidez y taninos bajos. T2 y T5, basados en mosto de mora, mostraron un
dulzor seco con taninos y acidez más elevados. Por otro lado, T3 y T6, elaborados con mosto
de jamaica, tuvieron un dulzor medio, con acidez y taninos moderados.
Finalmente, en la intensidad del sabor, T1 presentó un perfil más sutil, mientras que T5
tuvo una intensidad pronunciada, probablemente debido a una mayor concentración de
compuestos fenólicos. T2 y T4 lograron un equilibrio entre intensidades medias y
pronunciadas, mientras que T6 mostró una complejidad sensorial moderada. Los sabores
primarios predominaron en T4, mientras que T3 y T6 destacaron en características secundarias,
reflejando una mayor influencia del proceso de fermentación.
Análisis del contenido de metanol
En la tabla 3 se puede observar los resultados obtenidos del análisis del contenido de
metanol del mejor tratamiento (T4).
Tabla 3.
Sobre el análisis del contenido de metanol del mejor tratamiento T4
Parámetro
Unidad
Método
Resultado
Metanol
Mg/100Ml
INEN 347
0,36
El análisis del contenido de metanol en el tratamiento T4 (mosto de uva y levadura
fresca) muestra un resultado de 0,36 mg/100 mL, equivalente a 36 mg/L. Según la Norma
INEN 374, el límite máximo permitido para metanol en bebidas alcohólicas es de 1000 mg/L,
lo que significa que el contenido de metanol en T4 está dentro de los parámetros permitidos.
según la normativa vigente.
Código Científico Revista de Investigación/ V.6/ N. E1/ www.revistacodigocientifico.itslosandes.net
pág. 1475
Research Article
Volumen 6, Número Especial 1, 2025
Rendimiento y costos
Análisis de rendimiento
Los rendimientos en la fermentación de los distintos mostos muestran variaciones
significativas según el tipo de levadura utilizada y el mosto empleado.
T4 (Mosto de uva + levadura fresca) obtuvo el mayor rendimiento con 82,94%, lo que
sugiere que la levadura fresca optimiza la conversión de azúcares en alcohol y otros
compuestos en el mosto de uva. T1 (Mosto de uva + levadura liofilizada) presentó un
rendimiento de 79,33%, ligeramente inferior al tratamiento T4, pero igualmente destacable. T3
(Mosto de jamaica + levadura liofilizada) alcanzó un rendimiento de 78,04%, demostrando que
la levadura liofilizada puede funcionar de manera adecuada con mostos de menor contenido
azucarado como el de jamaica. Este rendimiento es comparable al obtenido en T1, lo que
sugiere que la matriz del mosto influye de manera importante en la eficiencia del proceso. T2
(Mosto de mora + levadura liofilizada) mostró el menor rendimiento con 71,80%, lo cual podría
deberse a una menor concentración de azúcares fermentables o a la interacción de los
compuestos fenólicos de la mora con la actividad de la levadura.
Los resultados son consistentes con investigaciones previas como la de González et al.
(2020), quienes reportaron que las levaduras frescas tienden a incrementar el rendimiento
fermentativo en mostos con mayor concentración de azúcares, como los derivados de uva.
Asimismo, estudios de Fernández y Alarcón (2019) encontraron que los mostos de frutas ricas
en compuestos fenólicos, como la mora, suelen tener un rendimiento menor debido a que estos
compuestos pueden inhibir parcialmente la actividad fermentativa.
1.1.1. Análisis de costos
1.1.2.
En la tabla 4 se puede observar los resultados obtenidos del análisis de costos de las
bebidas fermentadas por tratamiento.
Código Científico Revista de Investigación/ V.6/ N. E1/ www.revistacodigocientifico.itslosandes.net
pág. 1476
Research Article
Volumen 6, Número Especial 1, 2025
Tabla 4
Sobre los costos en kg de vino y bebida fermentadas producidas por tratamiento
Formulación
Costo total
Cantidad producida en
kg
Costo * kg
T1
14,57
3,84
3,79
T2
11,07
3,59
3,08
T3
12,57
16
0,79
T4
14,17
3,94
3,60
T5
10,67
2,94
3,63
T6
12,17
11,9
1,02
NOTA: La tabla detallada del cálculo de costos por Materia Prima por tratamientos se encuentra ubicada en el
Anexo E.
Los costos de producción de las bebidas fermentadas (tratamientos T1-T6) son
competitivos en comparación con los vinos comerciales como Gato Negro, Miraflores y Santa
Carolina. Los costos por kilogramo de los tratamientos varían entre $0,79 (T3) y $3,79 (T1),.
En comparación con otros vinos comerciales de diferentes marcas, como Gato Negro (787 mL
a $4,50), Miraflores (750 mL a $5,00) y Santa Carolina (375 mL a $5,90), el costo de la bebida
fermentada es competitivo, siendo más económico que Gato Negro y Santa Carolina. Esto
posiciona la bebida fermentada como una alternativa accesible y diferenciada por sus
ingredientes comunes como la uva y la mora, y Jamaica destacando por su eficiencia
económica. Lo que las posiciona como una opción accesible, culturalmente relevante y
competitiva en el mercado.
Discusión
Los resultados obtenidos muestran diferencias significativas en los valores de pH entre
los tratamientos evaluados. El tratamiento T5 (mosto de mora con levadura fresca) presentó el
valor más alto (3,08), mientras que los tratamientos con mosto de jamaica (T3 y T6) registraron
el pH más bajo (2,58). Según Pascual (2023), un pH entre 3,8 y 4,2 es ideal para la fermentación
de vinos de frutas, favoreciendo el crecimiento de levaduras y mejorando la calidad del
producto. La divergencia con nuestros resultados podría deberse a la composición química de
Código Científico Revista de Investigación/ V.6/ N. E1/ www.revistacodigocientifico.itslosandes.net
pág. 1477
Research Article
Volumen 6, Número Especial 1, 2025
los sustratos utilizados, ya que, como indica Omer (2016), la presencia de taninos y fitatos
puede inhibir la actividad fermentativa.
El contenido de sólidos solubles varió significativamente, siendo el tratamiento T4
(mosto de uva con levadura fresca) el de mayor concentración (10,93 °Brix) y el tratamiento
T5 (mosto de mora con levadura fresca) el de menor valor (5,13 °Brix). De acuerdo con la
norma INEN 374, los vinos secos deben contener un máximo de 25 g/L de azúcares. Suárez
(2016) destaca que la selección de levaduras influye en la conversión de azúcares, lo que
explica las diferencias encontradas.
Los valores de acidez oscilaron entre 4,61% y 6,59%, destacando T2 y T5 con los
niveles más altos. La norma INEN 374 establece un mínimo de 3,5% para vinos de frutas, por
lo que todos los tratamientos cumplen con el requisito. La acidez es un factor determinante en
la estabilidad y percepción sensorial del producto, influyendo en su aceptabilidad (Ruíz, 2021).
Los grados alcohólicos obtenidos fueron inferiores al 5,2%, incumpliendo el
requerimiento mínimo de 6% establecido por la norma INEN 374 (2016). Esto podría deberse
a una baja concentración inicial de azúcares o condiciones subóptimas de fermentación (Flores,
2016). Zapateiro et al. (2016) enfatizan que mostos con menos de 20 °Brix no alcanzan niveles
adecuados de etanol. Además, Granadillo et al. (2016) indican que temperaturas elevadas
pueden provocar pérdidas de etanol por evaporación, afectando la concentración alcohólica
final.
Los resultados de densidad variaron significativamente, con valores más bajos en T2 y
T5 (0,09) y el más alto en T4 (2,14). La densidad inicial del mosto está directamente
relacionada con el contenido de azúcares y su fermentación (Vásquez, 2020). Temperaturas
elevadas (>78,37 °C) pueden afectar la actividad de las levaduras y provocar fermentaciones
incompletas (Borja, 2021).
Código Científico Revista de Investigación/ V.6/ N. E1/ www.revistacodigocientifico.itslosandes.net
pág. 1478
Research Article
Volumen 6, Número Especial 1, 2025
Las bebidas mostraron diferencias en la percepción del color, destacándose T1 por su
tonalidad media y T3, T4 y T6 por sus colores profundos. Soto et al. (2021) indican que el
color influye en la aceptación del producto. La composición de pigmentos naturales y su
interacción con levaduras explican las variaciones observadas (Rodríguez et al., 2022).
Los tratamientos con mayor intensidad aromática fueron T2 y T5, lo que sugiere una
mayor producción de ésteres y alcoholes superiores (López et al., 2018). Los tratamientos con
equilibrio entre aromas primarios, secundarios y terciarios (T1 y T6) reflejan la influencia del
tipo de levadura y las condiciones de fermentación.
Los resultados mostraron que los mostos de mora (T5) tendieron a un mayor dulzor
seco, acidez y taninos altos, mientras que los mostos de uva (T1 y T4) presentaron un dulzor
medio. La percepción de alcohol fue baja en T1 y T6, mientras que en T5 se observó una mayor
intensidad. Burini (2022) señala que las levaduras frescas pueden incrementar la percepción de
cuerpo debido a la mayor producción de polisacáridos.
El rendimiento fermentativo más alto se obtuvo en T4 (82,94%), sugiriendo que la
levadura fresca mejora la conversión de azúcares. T2 (71,80%) presentó el menor rendimiento,
posiblemente debido a la presencia de compuestos inhibidores en la mora (Fernández y
Alarcón, 2019). Esto concuerda con los hallazgos de González et al. (2020), quienes indicaron
que los mostos con alto contenido fenólico pueden reducir la eficiencia de fermentación.
Los resultados obtenidos en este estudio reflejan la influencia del tipo de mosto y
levadura en las características fisicoquímicas y sensoriales de las bebidas fermentadas. Se
evidenció que las levaduras frescas mejoran el rendimiento fermentativo y la intensidad
sensorial, mientras que las levaduras liofilizadas ofrecen perfiles equilibrados. Sin embargo, el
incumplimiento en el grado alcohólico resalta la necesidad de optimizar los parámetros de
fermentación, especialmente la concentración inicial de azúcares y el control de temperatura.
Código Científico Revista de Investigación/ V.6/ N. E1/ www.revistacodigocientifico.itslosandes.net
pág. 1479
Research Article
Volumen 6, Número Especial 1, 2025
Conclusiones
La combinación de BardIA con Diagrams.net (Draw.io) resultó ser una herramienta
eficaz para establecer flujogramas de procesos en la producción de bebidas fermentadas, sin
embargo, a pesar de que fueron herramientas muy prácticas para la elaboración del flujograma
para bebidas fermentas, no logro cumplir con lo establecido por la normativa INEN 374:2016.
El análisis fisicoquímico de las bebidas fermentadas mostró variaciones en pH, sólidos
solubles y acidez. Aunque algunos tratamientos cumplieron con la normativa INEN 374 en
acidez, ninguno alcanzó los grados alcohólicos requeridos. El tratamiento T4 destacó con el
mayor contenido de sólidos solubles (10,93 °Brix) y la densidad más alta (2,14 g/mL).
En la evaluación sensorial, T4 fue el más equilibrado, con buena armonía en color,
aroma y sabor, predominando dulzor medio y acidez moderada. Su composición fenólica y
acción enzimática favorecieron un cuerpo medio y alta aceptación.
El análisis del contenido de metanol en el mejor tratamiento, seleccionado con base en
sus características organolépticas, demostró que su concentración de 36 mg/L se encuentra
ampliamente por debajo del límite máximo de 1000 mg/L establecido por la Norma INEN 374
para bebidas alcohólicas. Este resultado confirma que el tratamiento cumple con los estándares
de calidad y seguridad requeridos, asegurando su inocuidad para el consumo humano. Además,
evidencia un control adecuado durante el proceso de fermentación, logrando no solo satisfacer
los parámetros organolépticos, sino también los químicos exigidos por la normativa vigente.
En cuanto a rendimiento y costos, los tratamientos con levadura fresca, como T4
(82,95%), fueron más eficientes. T3 y T6 resultaron más económicos, con costos por kilogramo
de $0,79 y $1,02, respectivamente, ofreciendo opciones accesibles frente a vinos comerciales.
Código Científico Revista de Investigación/ V.6/ N. E1/ www.revistacodigocientifico.itslosandes.net
pág. 1480
Research Article
Volumen 6, Número Especial 1, 2025
Referencias bibliográficas
Argel, M. P. (21 de 7 de 2024). Propuesta de modelo predictivo para determinar preferencias
y factores que. Obtenido de Propuesta de modelo predictivo para determinar
preferencias y factores que:
https://repository.universidadean.edu.co/server/api/core/bitstreams/791ef140-f3af-
43c2-86c1-9a084296d220/content
Argel, P., & Luca, R. (2024). Propuesta de modelo predictivo para determinar preferencias y
factores que influyen en el consumo de cerveza artesanal en mujeres . (Bachelor's
thesis, Especialización en Gerencia de Procesos y Calidad).
Arguedas, G. (2013). Definición del proceso de elaboración de una bebida fermentada a partir
de pulpa de cafe. Tecnología en Marcha, 12.
Borja, D. (2021). DSpace ESPOCH.: Obtención de etanol a partir de la mandarina (Citrus
reticulata) y de la remolacha (Beta vulgaris) mediante la repotenciación manual de la
torre de destilación de alcohol para la elaboración de gel antibacterial.
http://dspace.espoch.edu.ec/handle/123456789/16727
Burini, J. A. (3 de 8 de 2022). Obtenido de Desarrollo de cultivos iniciadores cerveceros
basados en levaduras nativas para la producción de bebidas fermentadas con lato valor
agregado:
http://rdi.uncoma.edu.ar/bitstream/handle/uncomaid/17094/CRUB_Burini_JA_Desarr
ollo_De_CUltivos_Iniciadores_Cervceros_Basados_En_Levaduras_Nativas_Para_La
_Produccion_De_Bebidas_Fermentadas.pdf?sequence=1&isAllowed=y
Burini, J. A. (2 de 11 de 2022). Desarrollo de cultivos iniciadores cerveceros basados en
levaduras nativas para la producción de bebidas fermentadas con alto valor agregado.
Obtenido de Desarrollo de cultivos iniciadores cerveceros basados en levaduras nativas
para la producción de bebidas fermentadas con alto valor agregado:
http://rdi.uncoma.edu.ar/handle/uncomaid/17094
CHEMS. (2019). Ficha de Datos de Seguridad Metanol. Altdorf, Alemania: CHEMS.
Cushicondor, C. L. (13 de agosto de 2024). Obtención de una bebida tipo kombucha a partir
de sunfo (clinopodium nubigenum (kunth) kuntze), llantén (plantago major l.) y
guayusa (ilex guayusa). Obtenido de Obtención de una bebida tipo kombucha a partir
de sunfo (clinopodium nubigenum (kunth) kuntze), llantén (plantago major l.) y
guayusa (ilex guayusa).: https://repositorio.utc.edu.ec/handle/123456789/12444
Demanuel, D. R., Huancara, C. H., & Cama, Y. A. (2022). Sistema automático para calificación
de vino mediante Redes Neuronales. Innovación y Software, pp. 30-46
https://www.redalyc.org/articulo.oa?id=673870840003.
Díez, A. (2024). Plan de negocio de la optimización de diferentes elementos singulares de una
instalación industrial. Repositorio Comillas, http://hdl.handle.net/11531/83470.
Código Científico Revista de Investigación/ V.6/ N. E1/ www.revistacodigocientifico.itslosandes.net
pág. 1481
Research Article
Volumen 6, Número Especial 1, 2025
Galeano, L., Aguirre, S., & Castrillón, O. (2021). Análisis de calidad del vino por medio de
técnicas de inteligencia artificial. Información tecnológica, vol.32 no.1 La Serena
http://dx.doi.org/10.4067/S0718-07642021000100017 .
Gamboa, A. B. (21 de Octubre de 2019). Elaboración de bebida fermentada tipo vino con mora
y maracuya. Obtenido de Elaboración de bebida fermentada tipo vino con mora y
maracuya: https://hdl.handle.net/20.500.12753/2218
Granadillo, I. L., Rodríguez, G. T., Motzezak, R. H., & Guillén, H. M. (2016). Efecto de la
temperatura y el pH en la fermentación del mosto de Agave cocui.
INEN. (2010). Instituto ecuatoriano de Normalización. INEN 2427. Frutas frescas - Mora.
Obtenido de INEN 2427 . Frutas frescas - Mora.
Joyanes, L. (2019). Industria 4.0: la cuarta revolución industrial. . Alpha Editorial.
López, V. (2028). Bebida fermentada elaborada con bacterias ácido lácticas aisladas del pozol
tradicional chiapaneco. CienciaUAT, 23.
Lube, P. (6 de 4 de 2019). Alcohol metílico. Obtenido de Alcohol metílico:
https://pldistribucion.com.ar/web/producto/alcohol-metilico-metanol/
Morocho, C. E. (8 de 8 de 2024). Integración de IOT Y Machine Learning para la estimación
y calidad del vino. Obtenido de Integración de IOT Y Machine Learning para la
estimación y calidad del vino:
https://bibdigital.epn.edu.ec/bitstream/15000/26159/1/CD%2014754.pdf
Pascual, J. (2023). El conocimiento compartido y la inteligencia artificial, claves del futuro
para el vino. La Prensa del Rioja, ISSN 9956-4920, Nº 242, págs. 8-13.
Rodríguez, R. (2020). Fermentación de jugos y bebidas a base de frutas. Buenos Aires:
Instituto Danone.
Soto Mora, J. E., Charry Roa, S., & Amorocho Cruz, C. M. (2021). Evaluación del
comportamiento del color del vino artesanal de curuba “Son del Alba”. Ingeniería y
Región, 26, 4-19. https://doi.org/10.25054/22161325.2915
Sotomayor, & Ramírez. (2021). Digitalización y cambio tecnológico en las mipymes agrícolas
y agroindustriales en América Latina. (CEPAL)/Organización de las Naciones Unidas
para la Alimentación y la Agricultura (FAO).,
https://repositorio.cepal.org/handle/11362/46965.
Suarez, C. (2016). (PDF) LEVADURA SACCHAROMYCES CEREVISIAE Y LA
PRODUCCIÓN DE ALCOHOL. Revisión bibliográfica. YEAST
SACCHAROMYCES CEREVISIAE AND THE PRODUCTION OF ALCOHOL. A
Review. ResearchGate.
https://www.researchgate.net/publication/313899904_LEVADURA_SACCHAROM
YCES_CEREVISIAE_Y_LA_PRODUCCION_DE_ALCOHOL_Revision_bibliograf
ica_YEAST_SACCHAROMYCES_CEREVISIAE_AND_THE_PRODUCTION_OF
_ALCOHOL_A_Review
Código Científico Revista de Investigación/ V.6/ N. E1/ www.revistacodigocientifico.itslosandes.net
pág. 1482
Research Article
Volumen 6, Número Especial 1, 2025
Suárez, O. (2022). Agricultura bajo contrato en Ecuador, una aproximación desde la Economía
Política Agraria. https://www.santodomingo.gob.ec/?page_id=3151. Obtenido de
https://www.santodomingo.gob.ec/?page_id=3151
Tech, T. F. (9 de 4 de 2024). Nuevos métodos de control de la fermentación: un camino hacia
la eficiencia y la calidad. Obtenido de Nuevos métodos de control de la fermentación:
un camino hacia la eficiencia y la calidad: https://thefoodtech.com/tecnologia-de-los-
alimentos/nuevos-metodos-de-control-de-la-fermentacion-un-camino-hacia-la-
eficiencia-y-la-calidad/
Vasquez Shuña, C. Y. (2020). Determinación de la concentración óptima de pulpa de camu
camu (Myrciaria Dubia H.B.K. Mc. Vaugh.), como mosto para elaboración de vino
dulce en pucallpa. https://hdl.handle.net/20.500.14621/5894
Yarasca, J. C. (12 de mayo de 2023). Estudio prefactibilidad para la instalación de una planta
de producción de bebidas probióticas a base de té de kombucha (Medusomyces gisevi),
piña (Ananas comosus) y kion (Zingiber officinale). Obtenido de Estudio
prefactibilidad para la instalación de una planta de producción de bebidas probióticas a
base de té de kombucha (Medusomyces gisevi), piña (Ananas comosus) y kion
(Zingiber officinale): https://hdl.handle.net/20.500.12724/18593
Yepez, Naranjo, M., & Sánchez, O. (2018). Valorización de residuos agroindustriales-frutas-
en Medellín y el sur del Valle del Aburrá, Colombia. Revista Facultad Nacional de
Agronomía Medellín, 61(1), 4422-4431.
Zapateiro, L. A. G., Mendoza, C. I. F., & Ligardo, Y. M. (2016). Elaboración y caracterización
fisicoquímica de un vino joven de fruta de borojó (B patinoi Cuatrec). Ciencia,
Docencia y Tecnología, 27(52), 507-519.
