Χρήση μαθηματικών μοντέλων πρόρρησης της διάρκειας ζωής τροφίμων ζωικής προέλευσης σε προσομοιώσεις θερμοκρασιακών συνθηκών στη ψυκτική αλυσίδα
The use of predictive mathematical models of the shelf life of animal origin food products in simulations of temperature conditions in the cold chain
Μεταπτυχιακή διπλωματική εργασία
Συγγραφέας
Ρηνάκη, Παναγιώτα
Ημερομηνία
2024-09-17Επιβλέπων
Γώγου, ΕλένηΛέξεις-κλειδιά
Μαθηματικά μοντέλα πρόβλεψης διαρκείας ζωης ; Ψυχρή εφοδιαστική αλυσίδα ; ΚιμαςΠερίληψη
Η παρούσα μεταπτυχιακή εργασία στοχεύει στη διερεύνηση της χρήσης μαθηματικών
μοντέλων για την πρόβλεψη της ανάπτυξης αλλοιογόνων μικροοργανισμών σε τρόφιμα
ζωικής προέλευσης, λαμβάνοντας υπόψη θερμοκρασιακές αποκλίσεις που μπορεί να
παρατηρηθούν στη διάρκεια της ψυκτικής αλυσίδας. Η πρόβλεψη της αλλοιογόνου
μικροχλωρίδας σε προσομοιώσεις της ψυκτικής αλυσίδας χρησιμοποιήθηκε ως εργαλείο
για την εκτίμηση της εναπομένουσας διάρκειας ζωής φρέσκου βόειου κιμά,
συσκευασμένου σε τροποποιημένη ατμόσφαιρα, προϊόν το οποίο χρησιμοποιήθηκε ως
υπόθεση εργασίας για την παρούσα μελέτη.
Η μεθοδολογία της έρευνας βασίστηκε στην εκτενή βιβλιογραφική ανασκόπηση
με σκοπό να συλλεχθούν μαθηματικά μοντέλα μικροβιακής ανάπτυξης και, στη συνέχεια,
στη συλλογή και ανάλυση θερμοκρασιακών δεδομένων από χρονο-θερμοκρασιακά
προφίλ, αντιπροσωπευτικά της πραγματικής ψυκτικής αλυσίδας, τα οποία αφορούν σε
όλα τα στάδια της αλυσίδας από την παραγωγή έως το οικιακό ψυγείο. Ως αντικείμενο
εργασίας επιλέχθηκε το προϊόν νωπού βόειου κιμά το οποίο είναι ένα προϊόν ζωικής
προέλευσης με μικρή διάρκεια ζωής στο οποίο ο κύριος αλλοιογόνος παράγοντας είναι η
ανάπτυξη γαλακτοβακίλλων η οποία επηρεάζεται σημαντικά από αυξομειώσεις της
θερμοκρασίας που πιθανόν απαντώνται στη ψυκτική αλυσίδα. Τα δεδομένα τα οποία
αξιοποιήθηκαν στην παρούσα εργασία ήταν ένα μαθηματικό μοντέλο πρόβλεψης της
ανάπτυξης γαλακτοβακίλλων σε νωπό βόειο κιμά συσκευασμένο σε τροποποιημένη
ατμόσφαιρα σύμφωνα με δημοσίευση των Vaikousi et al. (2009). Το μαθηματικό μοντέλο
πρόβλεψης των γαλακτοβάκιλλων χρησιμοποιήθηκε σε συνδυασμό με
χρονοθερμοκρασιακά δεδομένα της ψυκτικής αλυσίδας τα οποία ανακτήθηκαν από τη
βάση δεδομένων FRISBEE Cold Chain Database. Συνολικά τριάντα επτά (37)
χρονοθερμοκρασιακά προφίλ ανακτήθηκαν και χρησιμοποιήθηκαν ως σενάρια
προσομοίωσης της ψυκτικής αλυσίδας φρέσκου βόειου κιμά. Η χρήση του μαθηματικού
μοντέλου ανάπτυξης γαλακτοβακίλλων σε συνδυασμό με τα χρονοθερμοκρασιακά
προφίλ επέτρεψε την εκτίμηση της εναπομένουσας διάρκεια ζωής του υπό μελέτης
προϊόντος σε διάφορα στάδια της ψυκτικής αλυσίδας από την παραγωγή ως και την
οικιακή αποθήκευση.
Οι θερμοκρασιακές αποκλίσεις που καταγράφηκαν στα διαφορετικά στάδια της
ψυκτικής αλυσίδας επηρέασαν σημαντικά διάρκεια ζωής του κιμά. Τα αποτελέσματα της
μελέτης απέδειξαν ότι η χρήση επικυρωμένων μαθηματικών μοντέλων πρόβλεψης
ανάπτυξης του κύριου αλλοιογόνου μικροοργανισμού σε ένα τρόφιμο μπορεί να
αξιοποιηθεί ως ένα πολύτιμο εργαλείο πρόβλεψης της εναπομένουσας διάρκειας ζωής σε
διάφορα στάδια της ψυκτικής αλυσίδας επιβεβαιώνοντας ότι τα μαθηματικά μοντέλα
μπορούν να αξιοποιηθούν ως αποτελεσματικά εργαλεία για τη βέλτιστη διαχείριση της
ψυκτικής αλυσίδας.
Συμπερασματικά, η χρήση του μαθηματικού μοντέλου Arrhenius για την
παρακολούθηση της μικροβιακής ανάπτυξης και της διάρκειας ζωής ευπαθών προϊόντων
αποδεικνύεται πολύτιμη για την αποτελεσματική διαχείριση της ψυκτικής αλυσίδας.
Επιπλέον, οι προτεινόμενες βελτιώσεις που περιλαμβάνουν αυστηρή παρακολούθηση της
θερμοκρασίας και συντήρηση του εξοπλισμού ψύξης μπορούν να οδηγήσουν στη σωστή
διαχείριση των ευπαθών προϊόντων και τη μείωση των απωλειών στη ψυκτική αλυσίδα.
Περίληψη
This master thesis aims to investigate the use of mathematical models to predict the shelf
the growth of spoilage microorganisms in foods of animal origin, taking into account
temperature deviations that may occur during the cold chain from real temperature data.
The prediction of spoilage microflora in cold chain simulations was used as a tool to
estimate the remaining shelf life of the food products under study.
The research methodology is based on an extensive literature review in order to
collect mathematical models of microbial growth followed by the collection and analysis of
temperature data from 37 temperature profiles recorded at different stages of the cold
chain. The product of fresh minced beef was chosen as the object of work which is a
product of animal origin with a short shelf-life in which the main pathogenic factor is the
growth of Lactic acid bacteria which is significantly influenced by temperature fluctuations
likely to occur in the cold supply chain. The data used in this work was a mathematical
model for predicting the growth of Lactic acid bacteria in fresh minced beef packaged in a
modified atmosphere according to a publication by Vaikousi et al. (2009). The
mathematical model for predicting Lactic acid bacteria was used in combination with timetemperature cold chain data retrieved from the FRISBEE Cold Chain Database. A total of
thirty-seven (37) time-temperature profiles were retrieved and used as simulation
scenarios of the fresh minced beef cold chain. The use of the mathematical model of Lactic
acid bacteria development in combination with the time-temperature profiles allowed the
estimation of the remaining life of the product under study at various stages of the cold
chain from production to home storage.
The temperature deviations recorded in the different stages of the cold chain
significantly affected the shelf life of the minced meat. The results of the study proved that
the use of validated mathematical models for predicting the growth of the main food
spoilage microorganism can be used as a valuable tool for predicting the remaining shelf
life at various stages of the cold chain, confirming that mathematical models can be used
as effective tools for optimal cold chain management.
In conclusion, the use of the Arrhenius mathematical model to monitor microbial
growth and shelf life is proving valuable for effective cold chain management. Moreover,
the proposed improvements including strict temperature monitoring and maintenance of
refrigeration equipment can lead to proper management of perishable products and the
reduction of losses in the cold chain.