¡Hay algo irresistible en los cupcakes ligeros y esponjosos! Aunque a primera vista estos deliciosos postres puedan parecer sencillos, los pasteleros saben que lograr la receta perfecta requiere mucho tiempo de prueba.
Antes, me costaba dominar el proceso de levado. Los cupcakes necesitan burbujas de aire dentro de la masa para crear una textura ligera y esponjosa. Normalmente se consigue con dos métodos: usando polvo de hornear y mezclando los huevos y el azúcar.
Pregunta de investigación: ¿Cuál es el tiempo ideal de mezcla (de huevos y azúcar) y la cantidad óptima de polvo de hornear necesaria para lograr el máximo crecimiento de los cupcakes sin comprometer su calidad liviana?
¿Por qué utilizar la optimización bayesiana para hornear?
La razón principal para usarlo es que hornear tandas de cupcakes requiere mucho tiempo. Dado que la optimización bayesiana utiliza aprendizaje activo y adaptativo, puede reducir potencialmente las pruebas innecesarias. Además, los cupcakes responden a pequeños cambios. Los diseños experimentales tradicionales pueden pasar por alto la región óptima objetivo.
Respuestas/objetivos
- Maximizar altura (cm) : entre 2-6 cm
- Minimizar peso (oz) : entre 0,5 y 3 oz
Factores
- Tiempo de mezcla (min) para huevos y azúcar: restringido entre 1-10 minutos
- Polvo para hornear (oz) : restringido entre 0,01 y 0,15 oz
La receta de este estudio se convirtió a onzas para usar una báscula de cocina estándar. Todos los ingredientes, excepto el polvo para hornear, se mantuvieron constantes.
La receta
| Huevos |
0.9 onzas |
| Manteca |
1 onza |
| Leche |
2,25 onzas |
| Harina |
2,25 onzas |
| Levadura en polvo |
VARÍA (0,08 oz) |
| Sal |
0,02 onzas |
| Azúcar |
1.5 onzas |
Procedimiento
Mezcle los huevos y el azúcar con una batidora de mano durante el tiempo especificado por la plataforma de Optimización Bayesiana de JMP Pro. A continuación, combine la mantequilla derretida, la leche y los ingredientes secos con los huevos y el azúcar. Incorpore pequeñas cantidades de los ingredientes secos a la mezcla húmeda, incorporándolas durante no más de 30 segundos.
Añade 56 g de masa a un envoltorio para cupcakes y colócalo en una bandeja para hornear. Hornea el cupcake a 175 °C durante 25 minutos.
Saque el cupcake de la bandeja y mida la altura (en cm) con una regla. Mida el peso en onzas con la báscula de cocina (incluye el envoltorio).
Registre los resultados y comience el siguiente ensayo.
Recomendaciones
Utilizando dos ensayos iniciales como datos históricos, se requirieron seis iteraciones de Optimización bayesiana para alcanzar el tiempo de mezcla y la cantidad de levadura óptimos. Consulte la tabla de datos a continuación:
Las mejores iteraciones de Optimización bayesiana : mezclar huevos y azúcar durante nueve minutos, junto con 3 g de levadura química. Experimentos con estas cantidades dieron como resultado cupcakes altos con un peso reducido.
The winner (with icing)!The winner (with icing)!The winner (with icing)!The winner (with icing)!The winner (with icing)!¡El ganador (con glaseado)!
Cupcakes from experimental runs. Notice the height differences, which are between 0.8-1.5 cm.Cupcakes from experimental runs. Notice the height differences, which are between 0.8-1.5 cm.Cupcakes from experimental runs. Notice the height differences, which are between 0.8-1.5 cm.Cupcakes from experimental runs. Notice the height differences, which are between 0.8-1.5 cm.Cupcakes from experimental runs. Notice the height differences, which are between 0.8-1.5 cm.Cupcakes de experimentos. Observe las diferencias de altura, que oscilan entre 0,8 y 1,5 cm.
Conclusiones
A pesar de las inevitables peculiaridades de medición en el proceso de horneado, los cupcakes finales producidos por Optimización bayesiana fueron bastante sabrosos. :smiling_face_with_smiling_eyes: ¡Los cupcakes eran altos y aireados, perfectos para una fiesta de cumpleaños!
En general, esta sesión de horneado fue todo un éxito, ya que se cumplieron los objetivos de maximizar la altura de los cupcakes y minimizar su peso. Este sencillo ejemplo es una de las innumerables aplicaciones de la optimización bayesiana en JMP Pro.
Un ejemplo muy bueno y sencillo de optimización experimental basada en datos. Me encanta.
Caso de uso muy agradable y simple @bradley_bowen , ¡gracias por compartir!
Con su naturaleza iterativa, la optimización bayesiana se presta muy fácil y rápidamente a bonitas visualizaciones animadas para comprender mejor los mecanismos y el funcionamiento interno del algoritmo.
Reproduje su conjunto de datos y creé este gráfico de burbujas que muestra dónde el algoritmo ha recomendado puntos en su espacio experimental, con la fórmula de predicción para la respuesta de altura como imagen de fondo.
También es posible mostrar cómo cambia la respuesta de superficie prevista con puntos añadidos y más información, o también cómo se puede reducir la varianza prevista en el espacio experimental.
Gran trabajo, @bradley_bowen . ¡Es fantástico ver cómo se puede aplicar la optimización bayesiana incluso para algo como hornear!
@Victor_G - Ese es un gran consejo para la visualización, podría robar esa idea.:)
