Un propsito general de paquete de software predictivo fcil de usar para la seguridad alimentaria

Introduccin

CAE), herramientas de ingeniera asistida por ordenador donde la realidad fsica se sustituye por su modelo de equipo equivalente, y que permite implementacin de '' qu pasa si 'escenarios' ms rpidamente, puede recorrer un largo manera de aumentar la eficiencia y la competitividad de los productos alimenticios, proceso y diseo de equipos (vase, por ejemplo, Burnham et al., 2008). Sin embargo, las herramientas CAE que se adaptan a la elaboracin de alimentos y integrar varias disciplinas (por ejemplo, la ingeniera, la ciencia de los alimentos, los alimentos tecnologa, etc.), es necesario desarrollar adecuadamente (Datta, 2008b; Sablani, 2008; Marcas, 2008; Van Boekel, 2008; Banga et al., 2008; Jousse, 2008). Herramientas CAE pueden mejorar la seguridad y calidad, reducir los costos y disminuir '' time to market ''. Las mismas herramientas que han hecho diseos de procesos de automviles, aviones y qumicas notablemente ms eficiente (Ivester, 2008) son potencialmente disponibles para el sector alimentario. Sin embargo, los aspectos de calidad y seguridad de los alimentos procesos y las caractersticas de los materiales de alimentos, tienen modelos nicos caractersticas en comparacin con los de cualquier otra manufactura sector. Para hacer el producto asistido por ordenador y la ingeniera de procesos ms una realidad para la comida, por lo que el sector de la alimentacin puede cosechar los beneficios de esta tecnologa, un CAE integrado, robusto y fcil de usar herramienta tiene que ser desarrollado. Este ha sido un deseo subyacente en el comunidad de los alimentos, tal como se expresa en muchas internacional especializada conferencias y talleres (IFT, 2009; Modelo-It, 2005; Eurotherm Seminario 77, 2005; FOODSIM, 2004; Reunin Anual IFT et al., 2.003; AFOT, 2.003; ISFTFPFFS, 2003).Para que el sector de la alimentacin para aumentar el uso de CAE, disponible genrica software de simulacin debe ser personalizado para aplicaciones alimentarias, por ejemplo, mediante la entrega de soluciones de sistemas de ecuaciones de relevancia para la elaboracin de alimentos. La necesidad de sector de la alimentacin no es nica en esta personalizacin en tal sentido se requiere para otras industrias e implica tiempo de desarrollo muy significativo y el costo. Sin embargo, la base de usuarios actual de la industria alimentaria es lo suficientemente pequeo que las compaas de software son reacios a invertir los recursos necesaria para desarrollar capacidades especficas de inters para la elaboracin de alimentos. La base de usuarios, por supuesto, no puede aumentar hasta listo para el uso herramientas estn disponibles. Esta es una situacin de pollo y el huevo y la nica solucin es empezar por alguna parte. El trabajo que aqu se presenta es tal intente y se hizo posible con el financiamiento de los Estados Departamento de Nacional Integrado de Seguridad Alimentaria de Agricultura de Estados Unidos Programa para el desarrollo de un paquete de software para simular la comida seguridad.

1.1 . Modelos basados en la fsica en el software CAE

Tpicamente, la base para el software CAE es physicsbased fundamental o modelos mecanicistas de procesos, en lugar de modelos basados en la observacin de que suelen ser las relaciones armarios a las observaciones . Las ventajas relativas de estos dos tipos generales de los modelos se han discutido largo y tendido (Datta y Sablani , 2007; Datta, 2008a; Sablani, 2008). El crecimiento fenomenal en potencia de clculo y su facilidad de uso asociados han permitido modelos basados en la fsica para ser altamente realista incluyendo ms y ms de la fsica detallada y han alimentado rpida el crecimiento en el uso de modelos de producto, proceso y equipo el diseo y la investigacin en otros sectores. Las ventajas de un basado en la fsica-modelo incluyen: (1) una reduccin en el nmero de experimentos, reduciendo as el tiempo y los gastos; (2) proporcionar inmensa informacin sobre el proceso que ni siquiera podra ser posible con la experimentacin; (3) la optimizacin de procesos; (4) capacidad de prediccin, como formas de realizar '' qu pasa si '' escenarios; y (5) proporcionar capacidad mejorada de automatizacin y control de procesos (Datta, 2008a). En el lado negativo, los modelos basados en la fsica son ms restringidos para el proceso de alimentos en s en lugar de calidad de los alimentos o alimentos la seguridad, ya que los modelos basados en la fsica requieren relaciones precisas entre la calidad / seguridad y los parmetros del proceso, que son generalmente no disponible. Modelos basados en la observacin pueden relacionarse calidad /de seguridad para los parmetros de procesamiento ms fcilmente, ya que no requieren conocimiento detallado del proceso fsico subyacente. Sin embargo, modelos basados en la observacin son principalmente '' caja negra '' modelos que no dar una idea y que son difciles de generalizar en un marco para su uso en varios procesos. Como modelos mecanicistas de calidad y seguridad se mejoran continuamente (por ejemplo, Van Boekel, 2008) estas mejoras se pueden integrar fcilmente con physicsbased modelos de procesos para proporcionar parmetros de calidad y seguridad que son fcilmente utilizables por el diseador de los alimentos.

Modelado de calidad y seguridad alimentaria requiere abordar las cuestiones tales como: (1) complejo de transferencia de calor y masa multifase tal como la evaporacin y el flujo multifase como en el procesamiento asptico; (2) multifsico tales como microondas o infrarrojos-microondas combinado calentamiento; (3) cambios significativos en la propiedad del material durante el proceso; (4) cambios dimensionales significativos y la fsica asociada; (5) la variacin considerable (un lote a otro o dentro de la misma materiales) en las propiedades del material debido al origen biolgico de un material; (6) un gran nmero de nuevos procesos que se introducen continuamente; y (7) la falta de datos cinticos para variables finales de inters (calidad y la seguridad) que se relacionan con la temperatura y la humedad (Datta, 2008a). Un reto adicional en la industria alimentaria es que profesionales tcnicos que a menudo estn a cargo de estos temas tienen la formacin en qumica y / o la microbiologa en contraposicin a physicsbased modelizacin matemtica. Por formacin, los profesionales tcnicos en la industria alimentaria son ms propensos a estar acostumbrado a modelos basados en la observacin. Estas caractersticas de procesamiento de alimentos punto a las exigencias de un alimento de software CAE en dos grandes necesitaran direcciones-utilidad de software que considerar las complejidades en los alimentos y los procesos que son nicos; y dicho software debe integrar muchos de los detalles y al mismo tiempo ocultarse bajo una interfaz de usuario que sea tan simple como sea posible. Para asistido por ordenador-ingeniera de procesos de alimentos (CAE aplica a los alimentos procesos), sera ideal tener un escenario donde un tcnico persona, con un mnimo conocimiento de la fsica del proceso y aspectos computacionales, pueden usar un par de clics del ratn para determinar multar a un proceso de alimentos prctica. Por ejemplo, un usuario de este tipo podra clic y elegir entre varios tipos de contenedores, material alimenticio, y sistemas de calefaccin y pedir al equipo para proporcionar la temperatura de calentamiento necesaria para una ptima calidad en un proceso de esterilizacin. Los equipo necesitara para formular el problema fsico (esterilizacin) en una matemtica (ecuaciones), decidir la mejor solucin mtodo, y finalmente hacer una optimizacin. Para aplicaciones de procesamiento de alimentos, esto no ha sido una realidad.La mayor parte de la modelizacin o esfuerzo CAE es en la etapa de investigacin (por ejemplo, Mittal, 1997; Scott y Richardson, 1997; Datta, 1998; Tijskens et al., 2001; Irudayaraj, 2001; Welti Chanes-et al., 2002; Sol, 2007; Sablani et al., 2007) y no migrar a la produccin o uso masivo en el diseo mediante la prctica de los cientficos e ingenieros en la industria, extensin o educacin. El software disponible (principalmente computacional dinmica de fluidos (CFD) software que soluciona flujo de fluidos, transferencia de calor y los problemas de transferencia de masa) no se pueden utilizar fcilmente para alimentos durante varios razones (Datta, 2008a). En primer lugar, el detallado basado primero - principio - y experimentalmente validado formulaciones de procesos ms complejos tales como la fritura son generalmente disponible. En segundo lugar, cuando el formulaciones de problemas se pueden hacer, hay aspectos nicos de la comida procesos (tales como fuerte evaporacin en la matriz del alimento) que puede ser difcil de implementar en un software comercial tpico. En tercer lugar, cuando la formulacin est disponible y el software puede resolverlo, a menudo corremos en dificultades para obtener las propiedades de los materiales apropiados para condiciones especficas de alimentos. Hasta que estos artculos se resuelven y ocultos desde un usuario a travs de la interfaz fcil de usar, la simulacin continuar que la investigacin en lugar de proyecto de diseo.

1.2. Estado actual de la CAE en la elaboracin de alimentosEl estado actual de la introduccin de la CAE en la industria alimentaria puede ser descrito de la siguiente manera: las compaas de alimentos ms grandes que pueden invertir ms recursos estn haciendo esto (Jousse, 2008), pero, por otra de las multinacionales ms grandes, modelado a menudo no es visto como un alternativa eficiente. Las empresas ms pequeas que no mantienen CAE o la infraestructura de simulacin a veces utilizan para contratar consultores trabajo de simulacin a cabo. Estos consultores pueden ser aquellos especializada para la industria de la alimentacin (por ejemplo, www.airflowsciences.com) o la genricas propias empresas de software CAE. Software Personalizado del tipo descrito en este manuscrito se puede recorrer un largo camino hacia la el establecimiento de un uso ms generalizado de la CAE en el sector alimentario. Un poco de se estn realizando esfuerzos para desarrollar software personalizado (Torres, 2.003; CFDfood, 2004; Otles y Onal, 2004; Verdurmen et al., 2006; PROFOOD, 2009). A lo mejor de nuestro conocimiento, este software aplicaciones est todava muy limitados en trminos de la fsica que incluyen. Por ejemplo, pueden incluir slo el calor por difusin y la transferencia de masa. Hay software de modelado microbiolgica (por ejemplo, ComBase-PMP, 2003; Peleg, 2010), pero por lo general no lo hacen incluir el modelo de proceso. En un rea relacionada, modelacin cintica de calidad de los alimentos ha sido ampliamente estudiado (Van Boekel, 2008), pero no integrado en el software de simulacin con modelos de procesos. As, un completo paquete de software que integra realista procesos, productos y aspectos microbiolgicos no ha sido disponible. Sin embargo, un paquete de este tipo de software se ha desarrollado ahora y este manuscrito presenta los principios cientficos subyacentes para un software fcil de usar, universal basado fundamentalmente-herramienta de prediccin que es til en una amplia gama de situaciones en el sector de la alimentacin (produccin, transformacin, distribucin, preparacin). El software desarrollado puede (1) simular una gran variedad de alimentos procesos, y (2) integrar los modelos de procesos con la microbiolgica y modelos de seguridad qumica con el fin de predecir la seguridad informacin para una amplia variedad de procesos de alimentos. El manuscrito est organizado por primera describe el software. Esto es seguido por una discusin de los pasos de desarrollo para el software: (1) la formulacin de problemas para los procesos de alimentos; (2) la integracin del tipo de alimento, la composicin y la estimacin de la propiedad; (3) la integracin de simulacin de la microbiologa y la seguridad qumica; (4) la validacin de modelos; y (5) una breve descripcin de la aplicacin de software y la interfaz de usuario.

2. Esquema del paquete de softwareUna interfaz grfica de usuario a medida desarrollado (GUI) realiza diversas insumos a productos y relacionados con el proceso del usuario (Fig. 1). El usuario selecciona primero el proceso de alimentos, la geometra y las dimensiones del producto alimenticio para ser modelado. El usuario selecciona el tipo de alimentos ya sea desde la base de datos incorporada (basado en el Nacional de Nutrientes USDA Base de datos (USDA - Servicio de Investigacin Agrcola, 2006) y que contiene la composicin de la comida) o las entradas directamente la composicin de alimentos. Las propiedades trmicas (densidad, conductividad trmica, calor especfico) son entonces estimarse a partir de la composicin. Aqu Asimismo, el usuario tiene la opcin de especificar las propiedades que omitir el proceso de estimacin basado en computadora. Otras propiedades necesarias para ejecutar el proceso de modelos tambin se introducen en este paso. El usuario especifica los datos microbiolgicos o de la seguridad qumica o ambos, seguidos por las condiciones de procesamiento. El paso final en el proceso es para especificar la configuracin del solver. Todas estas entradas de usuario a continuacin, se alimentan automticamente en un programa de solucin de elementos finitos comercial, COMSOL Multiphysics 3.5a - que simula el proceso adecuado y seguridad. Los resultados de la simulacin pueden entonces ser procesados de diversas maneras por medio de la interfaz de post-procesamiento de fcil uso de COMSOL Multiphysics.

3. Procesos AlimentariosLos procesos de alimentos incluidos en el software se agrupan en dos categoras (Fig. 2) sobre la base de la fsica, el nivel de cmputo y el conocimiento necesario para resolver el proceso.

3.1. Modelos de procesos simplesLa primera categora comprende los procesos simples, que resuelven de solamente la transferencia de calor (y, opcionalmente, la transferencia de humedad difusin). Ello Se supone que el alimento es slido, y no puede haber solamente difusin transferencia de masa de humedad en el interior o en la superficie de la comida. Los Slo las variables de inters son la temperatura y el contenido de humedad, y toda la seguridad o la calidad de los anlisis de estos procesos se asocian con slo estas variables. Los modelos en el proceso sencillo la categora no se pueden utilizar en los casos en donde el calentamiento intensivo de la comida se lleva a cabo y no hay generacin de vapor significativa y pressuredriven fluya dentro de la matriz alimentaria. Actualmente, tres industrialmente importantes mdulos de proceso de alimentos trmicas se han incluido en el proceso simple categora de refrigeracin / almacenamiento / transporte / calefaccin o refrigeracin en general, la esterilizacin de alimentos slidos, y secado alimentos de slidos. En las versiones futuras, el software sera extendido a importantes procesos no trmicos tambin.

3.1.1. Refrigeracin / almacenamiento / transporte / calefaccin general o refrigeracinEl mdulo de calefaccin para estos modelos de procesos de conduccin o de enfriamiento, sin ningn tipo de evaporacin / condensacin (calor latente) y sin ninguna prdida de humedad. La ecuacin que gobierna es el siguiente:

Donde q es la densidad, Cp. es la capacidad calorfica especfica y k es la conductividad trmica del medio slido. El mdulo de proceso, como se implementado en el software, se puede aplicar para comprobar la posible carga microbiana cuando hay un abuso de temperatura. Por ejemplo, se puede utilizar para controlar el efecto de abuso de temperatura (resultante en el crecimiento bacteriano) para un producto refrigerado por proporcionar cualquier espera cambio de temperatura como una funcin del tiempo. Tambin se puede estimar la el tiempo mximo permitido para un proceso de enfriamiento (ver seccin 9.1) durante que el crecimiento bacteriano en el interior de la comida est dentro del lmite de seguridad.

3.1.2. El secadoEste mdulo puede ser aplicado para la calefaccin o la refrigeracin de los alimentos lenta materiales, donde se produce una prdida significativa de la humedad. El mdulo de secado resuelve para la conduccin de calor (Ec. (2)), junto con la prdida de humedad por la solucin para la difusin dentro de la comida y la evaporacin en la superficie. La ecuacin de difusin de la humedad es:

Donde D es la difusividad humedad a travs del medio y puede ser una funcin del contenido de humedad en el medio. Las aplicaciones de seguridad del mdulo son similares a las de calentamiento o enfriamiento de las situaciones, la nica diferencia es que el transporte de humedad es tambin importante en este caso.

3.1.3. La esterilizacin de los alimentos slidosLos modelos de mdulos de esterilizacin calentamiento de alimentos slidos a suficientemente alta temperatura con vapor o agua caliente para inactivar microorganismos contenidos en los alimentos de tal manera que es seguro comer. El mdulo de calefaccin para estos modelos de procesos de conduccin (Ec. (1)), sin ninguna prdida por evaporacin y la humedad. La informacin de tal modelo matemtico puede ayudar a un diseador de procesos en determinar el tiempo de esterilizacin que conserva la mxima calidady la seguridad, o la planificacin de correcciones en el tiempo de procesamiento de aumentos no deseados o disminuciones en la temperatura de procesamiento.

3.2. Modelos de los medios porosos multifase En la categora de proceso difcil, la comida se considera como un poroso medio y un multifase, problema medios porosos se resuelve. Misa ecuaciones de conservacin se resuelven para las fases pertinentes dentro la comida (por ejemplo, en el caso de la fritura profunda de grasa de la patata reportado en Halder et al. (2007b), los poros dentro de la patata pueden llenarse con agua o gas o aceite en cualquier momento durante la fritura). Por lo tanto, las fases identificadas son la papa slida, el agua lquida, aceite y gas (una mezcla de vapor y aire). La conservacin en fase slida no se resuelve como los slidos restos de masa sin cambios. La ecuacin de conservacin de la masa para cualquier componente i se puede escribir como

Donde / es la porosidad del medio poroso, S es el volumen de saturacin, n es el flujo de masa y _R es el trmino fuente apropiada debido a la evaporacin.Se supone equilibrio trmico local, lo que significa que en un momento dado ubicacin en la comida, todas las fases tienen la misma temperatura. Por tanto, slo ecuacin de conservacin de una sola energa se resuelve para el sistema, dado como

Donde el eff subndice se refiere a propiedades de la mezcla entre ellos la contribucin de un slido y el lquido se refiere a las propiedades de la mezcla debido a los fluidos (fases transportables). Actualmente, dos industrialmente importante mdulos de proceso de alimentos trmica se han incluido en el cultaProceso culto categora microondas calefaccin y frer en grasa.

3.2.1. El calentamiento por microondasEl mdulo de calentamiento por microondas resuelve los cambios de temperatura, agua, vapor de agua en estado lquido y la presin (de evaporacin) en el interior la comida durante el proceso de calentamiento por microondas. Un multifase modelo de medio poroso, tal como se aplica por Ni et al. (1999), ha sido utilizado para simular el proceso. En este problema, la geometra de alimentos tiene ha restringido a una sola dimensin. El modelo se puede aplicar para observar los efectos del nivel de potencia de microondas, la penetracin profundidad, la composicin del producto, la temperatura circundante en el la acumulacin de la temperatura y la humedad cerca de la superficie. Desde la temperatura puede permanecer ms fro en la superficie que ligeramente dentro, problemas de seguridad derivados de la carne cruda y productos avcolas Tambin se puede comprobar.

3.2.2. Frer en grasaEl modelo de fritura profunda de grasa resuelve los cambios de temperatura, lquido agua, vapor de agua y la presin (de evaporacin) en el interior la comida durante la duracin frer en grasa. A porosa multifase modelo de medios de comunicacin, tal como se aplica por Halder et al. (2007b), ha sido utilizado para simular el proceso, en el que la geometra de los alimentos se ha restringido a una dimensin solamente. Adems de observar la temperatura, humedad, perfiles de presin y el petrleo, el modelo puede ser utilizado para obtener los efectos de la temperatura del aceite, las propiedades del producto, espesor del producto, etc., en el tiempo de fritura y recogida de aceite. La cantidad de la formacin de acrilamida tambin se puede calcular para la patata frer.

4. Composicin y estimacin de la propiedad4.1. ComposicinDespus de seleccionar el proceso, la geometra de la comida y sus dimensiones, el usuario se le pide que seleccione la comida. El software da al usuario una opcin de especificar un alimento definido por el usuario o la seleccin un alimento a partir de una base de datos incorporada. La base de datos incorporada en los alimentos del software se basa en la Base de Datos Nacional de Nutrientes USDA para Referencia Estndar, Versin 19, que contiene datos de 7.293 alimentos artculos y hasta 140 nutrientes y otros componentes en aquellos alimentos. Los 7293 los alimentos se dividen en 24 grupos de alimentos basados del tipo producto alimenticio. De los 140 nutrientes mencionados, slo los 6 importantes componentes de los alimentos dictan las propiedades trmicas de un producto alimenticio (discutido a continuacin). Los componentes son los que contribuyen al anlisis inmediato e incluyen cenizas, carbohidratos, grasas, fi- diettica ber, protenas y agua. Tras la seleccin de un alimento a partir de la base de datos de alimentos, los valores de la composicin se obtienen de la USDA Nacional Base de Datos de Nutrientes, y se utilizan para calcular los valores de las propiedades basadas en el trabajo de Choi y Okos (1987), como se describe en la siguiente seccin. El usuario tambin puede optar por definir una comida fuera de la base de datos. En tal caso, el usuario debe saber ya sea la composicin (en trminos de los componentes proximales antes mencionados) de la comida, as que las propiedades se pueden estimar o las propiedades Se pueden introducir directamente.

4.2. La estimacin de la PropiedadLa naturaleza compleja y altamente heterogneo de alimentos marcas su estimacin de propiedad de los principios fundamentales de una muy tarea difcil. Para casi todos los tipos de alimentos, las propiedades fsicas se determinan experimentalmente. Durante los ltimos dcadas, se han hecho esfuerzos para compilar la enorme cantidad de datos de las propiedades de todos los alimentos en una estructura organizada (Saravacos y Maroulis, 2001; Rao et al., 2005; Rahman, 2009; Nesvadba et al., 2004). Sin embargo, el uso de esta enorme compilacin de datos en el software es una tarea enorme y no puede extenderse a cualquier alimento nuevo productos. Otra forma de abordar este problema es asumir que las propiedades de un alimento puede ser estimado como un promedio ponderado de las propiedades de sus constituyentes proximales (Miles et al., 1983; Choi y Okos, 1987). La estrategia de pesaje depende de la naturaleza de la propiedad en s. Este software sigue el trabajo realizado por Choi y Okos (1987) en la prediccin de las propiedades de la composicin de los alimentos. Ellos compararon los valores previstos de la promedio tcnica con mediciones experimentales y se encontr que el error estaba dentro del 10% de todos los alimentos que se probaron.

4.2.1. DensidadLa densidad aparente del material alimenticio se estima suponiendoQue los volmenes de los distintos proximales simplemente se suman. Entonces el densidad para un material alimenticio que no tiene ningn bolsas de aire ser:

Donde Xw i es la fraccin en peso y el qi es la densidad del componente i.Si el aire est presente con fraccin de volumen entonces la densidad del material alimenticio se modifica para incluir el efecto de volumen de aire:

4.2.2. Calor especficoEl calor especfico neto del producto alimenticio es simplemente la masa promedio del calor especfico de los componentes individuales:

La ecuacin se basa en el principio de que el calor total requerido para elevar la temperatura del material alimenticio en una cantidad dada es igual a la suma de los calores necesaria para elevar la temperatura de sus componentes individuales en la misma cantidad. Aqu, se supone que no hay cambios de fase en cuestin.

4.2.3. Conductividad trmicaLa red de conductividad trmica, k, del material alimenticio es el volumen promedio de las conductividades individuales, ki, dada como:

Donde ki es la conductividad trmica del componente i-simo. Este es basado en el hecho de que la conductividad trmica es una propiedad del volumen en lugar de la masa. Ms modelos complejos para trmica conductividad existe en la literatura (Saravacos y Maroulis, 2001), pero solamente mejoran la precisin de forma incremental. Por lo tanto, hemos seleccionado la formulacin ms simple, lo que da una aproximacin razonable de conductividad trmica.

4.2.4. Propiedades especficas del procesoAdems de las propiedades trmicas de los alimentos, que son necesarios para todos los procesos de alimentos seleccionados, frer en grasa requiere la porosidad de las propiedades trmicas del material alimenticio aceite de cocina y utilizado. Del mismo modo, el proceso de calentamiento por microondas requiere que el usuario para especificar la porosidad del material de alimentacin, la potencia de microondas suministrado a la comida y la profundidad de penetracin de las microondas en el material alimenticio. La potencia absorbida por un alimento durante el microondas calefaccin depende de una serie de factores, que se puede dividir en dos categoras: factores alimenticios y factores horno (Zhang y Datta, 2003). Los principales factores de alimentos son el volumen, superficie y las propiedades dielctricas de la comida. Los principales factores de horno son de tamao horno, la geometra, la ubicacin de la comida dentro del horno cavidad, la presencia de caractersticas especiales como una plataforma giratoria y un modo de agitador, la ubicacin de la alimentacin de microondas, etc. La dependencia de la absorcin de energa de muchos factores hace que la determinacin experimental de la potencia absorbida es necesario. Ni et al. (1999) utilizado 30.000 W / m2 como la potencia absorbida por la superficie de un cilndrico alimentos de radio de 0,5 cm y altura de 2 cm de microondas domstico horno (SHARP Carrusel, Potencia nominal 1,5 kW). De forma predeterminada, este valor se utiliza en el problema de calentamiento por microondas en el software. El usuario puede escalar este valor en cualquier valor mediante el uso de la potencia de microondas factor de escala. La otra entrada, la profundidad de penetracin, es una medida de cun profundamente las microondas pueden penetrar en un material alimenticio. Es de-definida como la profundidad a la que la intensidad de las microondas en el interior del material cae a 1 / e (aproximadamente 37%) del valor original en la superficie. Para un material determinado alimento, es una funcin del contenido de humedad y la temperatura. El modelo de calentamiento por microondas requiere este valor como una entrada. Por defecto, se utiliza la profundidad de penetracin de una patata.

5. prediccin de la seguridad microbiolgicaModelado microbiolgica cuantitativa asociada con el crecimiento o inactivacin en la literatura generalmente no se acopla a espacial variacin (por ejemplo, temperatura, humedad y pH) en un material alimenticio durante un proceso. Modelos suelen asumir una cierta temperatura para el material alimenticio o se refieren implcitamente a una ubicacin (por ejemplo, un resfriado spot) en el material alimenticio. En un proceso de comida tpica, el tiempo-historial de temperatura podra variar espacialmente en funcin de proceso de y parmetros trmicos de alimentos. La ausencia de tal crecimiento e inactivacin perfiles dentro de una comida es obviamente una limitacin importante de modelos microbiolgicos (Marks, 2010). Para superar esto, un proceso de modelo (que proporciona historias en tiempo temperaturas espaciales) ha sido integrado con modelos microbiolgicos predictivos existentes para proporcionar para la prediccin completa relativa a la seguridad alimentaria para muchas situaciones de procesamiento de alimentos. Una parte de la integracin de los modelos de procesos con el crecimiento microbiolgico / modelos de inactivacin fue el desarrollo de una amplia base de datos que contiene las asociaciones de alimentos y microorganismos diana, junto con el crecimiento microbiolgico / parmetros cinticos de muerte. La base de datos del crecimiento microbiano y parmetros cinticos de inactivacin para diferentes tipos de alimentos se ha desarrollado a travs del anlisis de regresin extensa en dcadas de experimentacin datos de la literatura para facilitar el modelado predictivo y hacer que el software '' fcil de usar '' (Halder et al., 2011). Algn usuario con conocimientos bsicos de procesamiento de alimentos y no especializado antecedentes en el modelado predictivo microbiolgico puede utilizar el software. El usuario slo tiene que hacer es seleccionar el microorganismo diana (con una funcin de orientacin) de la interfaz grfica de usuario y el software toma cuidar del resto. Proporciona, por ejemplo, los parmetros cinticos como una funcin de la temperatura para el microorganismo seleccionado y grupo de alimentos a partir de la base de datos cintica microbiolgica incorporada. Hay varias cuestiones implicadas en intentar compilar integral informacin cintica microbiolgica (Halder et al., 2011): (1) la limitada disponibilidad de datos para muchas situaciones especficas; (2) la correlacin cuestiones entre las condiciones de laboratorio y alimentos reales; (3) la variabilidad de datos sobre la inactivacin microbiana reportados por diversos investigadores; (4) la variabilidad en las poblaciones microbianas; y (5) evolucin de los conocimientos de los modelos predictivos apropiados que describen los datos. En la construccin de una base de datos integral, un enfoque holstico fue tomada por el primer uso de una base de datos de los productos alimenticios (USDA Nacional Base de datos de nutrientes) y asociar con los patgenos bacterianos alimentos. Los alimentos con similar composicin, caractersticas intrnsecas y con asociaciones similares de patgenos (es decir, basada en la historia brote) fueron agrupados y los alimentos dentro de un grupo tienen la misma valores de los parmetros cintica de crecimiento / inactivacin. Los productos alimenticios 7294 desde fueron la base de datos del USDA Nacional de Nutrientes reagrupado a partir de los originales 24 en 17 grupos. La Tabla 1 muestra la USDA originales Nacional de Nutrientes grupos de alimentos de base de datos y en la Tabla 2 da la reorden base de datos de producto alimenticio con el fin de microbiolgica predictivo modelado. Despus de formar los grupos de alimentos, los datos experimentales sobre el crecimiento y la inactivacin de la literatura publicada (ms de 1.000 conjuntos de datos) se analizaron usando una tcnica de regresin para obtener cintica parmetros para grupos de alimentos desarrollados utilizando los modelos elegidos(cmo se eligi el modelo se discute en la siguiente seccin).

5.1. Los modelos matemticos5.1.1. Modelo de crecimientoLas etapas secuenciales de crecimiento bacteriano son la fase de latencia, la fase exponencial, la fase estacionaria y la fase de muerte. La fase de latencia es la etapa en la que el microorganismo se adapta a un nuevo entorno y el tiempo de retardo (L) es el tiempo que tarda el microorganismo para adaptarse a ese entorno antes del exponencial crecimiento. La fase exponencial es seguida por la fase estacionaria cuando las condiciones ya no son favorables para el crecimiento rpido (por ejemplo, debido a la falta de nutrientes o un cambio en el pH). Como las condiciones se vuelven desfavorable y / o letal para las bacterias, comienza la fase de muerte. LA modelo de crecimiento se describen las tres primeras etapas de crecimiento, el retraso fase, la fase exponencial y la fase estacionaria. La prediccin modelo para la fase de retardo y la fase exponencial utilizando una modelo de crecimiento de primer orden se da para dos situaciones diferentes, isotrmicas y no isotrmicas. Un modelo de primer orden no se puede predecir la fase estacionaria. Tiempos de retardo (LT) estn disponibles para diferentes temperaturas de la literatura publicada. As, en un modelo de primer orden, para situaciones isotrmicas, la tasa de crecimiento es cero hasta que el tiempo de retraso es una y kT, la tasa de crecimiento a la temperatura T, se utiliza despus de la ha transcurrido el tiempo de retardo. El modelo se da como:

Una metodologa para predecir el crecimiento microbiano en condiciones de temperatura fluctuante condiciones ha sido desarrollado por Li (1988). El total adaptacin bajo condiciones de temperatura fluctuantes viene dada por:

donde A es la adaptacin total durante la fase de latencia. Una adaptacintasa puede ser definido como el recproco del tiempo lag. Cuando A es igual1, la adaptacin es arranques completos y crecimiento. Por lo tanto, el crecimiento es dado por:

Ecuaciones. (9) - (11) se parecen ecuacin Ec. (2) (a ecuacin de difusin) con cero difusividad y un trmino fuente distinta de cero. Por lo tanto, la antes mencionada ecuaciones se implementan como ecuaciones de difusin en COMSOL Multiphysics, donde la difusividad es cero y los trminos en el lado derecho de las ecuaciones. (9) - (11) se aaden como trminos fuente a las respectivas ecuaciones. Los parmetros del modelo, como kT y LT, son funciones de la temperatura, y se especifican como tales en el software, como se muestra en la Tabla 3 para Clostridium perfringens.

5.1.2. Modelo de inactivacin de primer ordenPara la inactivacin microbiana, no es prctico para proporcionar la cintica parmetros para todos los posibles modelos de la base de datos. Despus de un anlisis cuidadoso, se seleccion el modelo de primer orden para la siguientes razones: (1) el modelo de primer orden para la inactivacin tiene ha utilizado ampliamente y valores de los parmetros cinticos (por ejemplo, valores D) estn disponibles para este modelo para un nmero significativo de microorganismos en productos alimenticios especficos; (2) hay modelos como el Modelo Baranyi y el modelo Hills (McKellar y Lu, 2004), que puede predecir los efectos tanto de la cola y de los hombros durante la inactivacin, pero aplicar los datos de la literatura para tales modelos sera una ardua tarea y no es factible dada la limitada presentacin de la datos de referencia utilizados en muchos estudios; (3) la compilacin de numerosos parmetros de inactivacin, tales como valores D, ms de experimentos como para los microorganismos especficos acta para normalizar el impacto de la no-log efectos lineales observados en los experimentos individuales. Los tendencia importante se convierte en la tasa de respuesta en relacin con especfica tipos de alimentos para los organismos individuales bajo proceso definido condiciones.

Una curva de inactivacin siguiente cintica de primer orden (Ball, 1929)se escribe como:

donde DT es el tiempo necesario para reducir la concentracin de microorganismos por un factor de 10 a la temperatura T, y z es la temperatura se requiere cambio de reducir el valor D en un factor de 10. La base de datos para el modelo de la inactivacin de primer orden contiene la media DT y los valores z para diversos microorganismos en diferentes tipos de alimentos. En Adems de los valores cintica media, la base de datos contiene tambin los 95% de los valores del intervalo de confianza superiores de DT y la infecciosa la dosis.

6. Qumica prediccin de la seguridadAspectos de seguridad qumica durante un proceso de alimentos pueden incluir la formacin de un nmero de compuestos, tales como acrilamida, heterocclico hidrocarburos aminas (HAS), aromticos policclicos (HAP) y nitrosaminas, a partir de la coccin de alimentos a altas temperaturas. Epidemiolgica los estudios han demostrado que los seres humanos expuestos a estas sustancias travs de la dieta y / o el medio ambiente puede haber aumentado riesgo de desarrollo del cncer (Jakszyn et al., 2004). Dado que estos compuestos no estn presentes en los alimentos crudos, sus niveles en los alimentos procesados depende de la cantidad de precursores (composicin de los alimentos) tales como tiempo de coccin, la temperatura, mtodo de coccin y el valor pH. Entre los factores fsicos, el tiempo de coccin y la temperatura son los parmetros principales (Jackson y Hargraves, 1995). El importe de la productos qumicos generalmente aumenta con el aumento de tiempo de coccin y temperatura, pero su degradacin puede llegar a ser significativa a muy altas temperaturas. La prediccin de la formacin de los compuestos en trminos de tiempos de coccin y la temperatura sera ayudar a los productores y los consumidores a entender cmo prevenir o limitar su acumulacin en alimentos procesados trmicamente. El software incluye actualmente los parmetros cinticos de la formacin de los cuatro principales grupos qumicos de preocupacin (acrilamida, Tiene, nitrosaminas, PAHs) basado en el anlisis de los datos experimentales de un total de 127 publicaciones cientficas. Seleccin de los datos fue limitado a artculos en los que (1) determinaron la concentracin de la compuestos que utilizan al menos cuatro puntos de tiempo durante el procesamiento trmico para un alimento en particular y (2) proporcionado los datos para el mximo cantidad del compuesto que se puede formar en el alimento bajo las condiciones de coccin-esto llev a una seleccin de slo el 25 publicaciones. Adems, dado que muchas especies qumicas dentro cada grupo se forman durante la coccin, slo los productos qumicos tpicos (por lo general formado en las mayores cantidades en el grupo) fueron seleccionados para el analisis. La clasificacin de los grupos de alimentos para la industria qumica modelado fue el mismo que para la base de datos de producto alimenticio reordenado utilizado en el modelado microbiolgica, con la excepcin del grupo 'de la patata (patatas fritas, patatas fritas)' aadido como una entidad separada para acrilamida (Tabla 4). Tabla 5 presenta un resumen de la informacin incluida en la base de datos.

6.1. Los modelos matemticosLa formacin de los productos qumicos a temperatura constante fue descritacomo una reaccin de primer orden (Arvidsson et al, 1997, 1999;. Perssonet al., 2008):

donde c es la concentracin de la sustancia qumica (ng / g o mg / kg), c0 es la concentracin mxima estimada del producto qumico (ng / go mg / kg), kg es la velocidad de formacin del producto qumico (por minuto), y t es el tiempo de coccin (min).Eq. (13) se asemeja a la ecuacin Ec. (2) (a ecuacin de difusin) con cero difusividad y un trmino fuente distinta de cero. Por lo tanto, se implementa como una ecuacin de difusin en COMSOL Multiphysics donde difusividad es cero y el trmino en el lado derecho de la ecuacin. (13) es aadido como un trmino fuente. Los parmetros del modelo, como kg y kd, son funciones de la temperatura y se especifican como tales en el software.

7. Plataforma SoftwareLa interfaz grfica de usuario de paquete de software est construido utilizando Java secuencia de comandos con el proceso, microbiolgicos y modelos cinticos qumicos (ecuaciones de las secciones 3-5) que resuelve en el fondo usando COMSOL Multiphysics (Burlington, MA), una a base de elementos finitos- paquete de modelado comercial. Algunas de las razones para elegir el software COMSOL Multiphysics como el motor computacional fueron los siguientes: (1) la facilidad con la que podramos implementar procesos de alimentos con la evaporacin rpida y dando como resultado el flujo de Darcy, por ejemplo, de agua y vapor; la implementacin de este tipo de procesos en algn otro software requerido resolver el equivalente de Navier-Stokes del fluido ecuacin de momento para medios porosos que es computacionalmente mucho ms intensiva; (2) flexibilidad con la que las ecuaciones de transporte y sus condiciones de contorno se pueden programar; y (3) una interfaz fcil de usar ms del propio software.

8. Los detalles de implementacin

8.1. GeometraPara los procesos ms simples, un modelo de transferencia de 2 dimensiones de calor tiene ha implementado y la geometra se ha restringido a cilndricos o rectngulo formas. Simulacin de frer y microondas,calefaccin en 2 o 3 dimensiones es mucho ms complicado que un problema 1-dimensional. Estas simulaciones son muy sensibles a parmetros de convergencia solucin y requieren una gran cantidad de cmputo hora. Debido a estas razones, los procesos complejos, como la fritura y los problemas de microondas, se limitan a la solucin de 1-dimensional transferencia de calor y masa. Para estos dos procesos, hemos utilizado la forma 2-dimensional (un rectngulo) para una mejor visualizacin, y han aislado una direccin de modo que todos los cambios ocurren en la otra direccin solamente.

8.2. MalladoPuesto que un mtodo de elementos finitos se utiliza para resolver el gobierno ecuaciones, la geometra correspondiente se discretiza en elementos y las ecuaciones se resuelven en los vrtices de los elementos (llamados nodos). La geometra discretizada se llama una malla y el mallado de la geometra se realiza automticamente con la ayuda de COMSOL Multiphysics. Para todos los procesos y geometras, estructurado que engrana con elementos cuadrilteros se utiliza. El usuario recibe la opcin de tener un grueso, medio o de malla fina. Cuanto mayor sea la malla, ms precisa es la solucin, pero a expensas de un aumento de cmputo hora.

8.3. SolverEl solucionador UMFPACK directa de COMSOL Multiphysics ha sido utilizado para todos los procesos. El paso a paso de tiempo se ha decidido por cada proceso despus de un anlisis cuidadoso. Similar al mallado, el usuario obtiene una eleccin del paso de tiempo grandes, medianas o pequeas, con la recomendacin que un pequeo paso de tiempo se debe utilizar para procesos que implican cambios rpidos de variables tales como la temperatura y presin, por ejemplo, en las freidoras de frer y calentamiento por microondas procesos. Para los procesos ms lentos, como el almacenamiento, un pequeo intervalo de tiempo se recomienda cuando las condiciones de procesamiento, tales como ambiente temperatura estn cambiando rpidamente.

8.4. PostprocesamientoCOMSOL Multiphysics tiene un post-proceso bien desarrollado mdulo, que es muy intuitivo y no requiere de modelado experiencia para su uso. Por lo tanto, la incorporada en COMSOL Multiphysics mdulo de post-procesamiento se utiliz para el paquete de software. Aunque, esto puede ser visto como una desventaja del ser software inform aqu, la facilidad de uso y las funcionalidades ofrecidas por COMSOL combina con las direcciones de tipo tutorial desarrollados por nosotros para cantidades especficas de alimentos se consideran muy adecuado para un no especializado usuario. Algunos de los ejemplos de las capacidades de procesamiento post- del software son (Datta y Rakesh, 2010):

Informacin en una ubicacin (historia temporal): en un lugar determinado,valor de un parmetro de inters (temperatura, contenido de humedad, concentracin microbiana, etc.) o su variacin con el tiempo son formas bsicas de informacin que pueda ser necesaria.Variacin espacial: una forma sencilla de variacin espacial es la informacin perteneciente al valor mximo y mnimo. Una ms de manera integral de obtener la informacin espacial es trazar los contornos de la parmetro de inters.La integracin espacial y promedio: integracin o un promedio de ms de unregin puede dar informacin til, como temperatura media o el contenido de humedad de los alimentos o la carga microbiana total en el los alimentos.Cantidades secundarias: cantidades secundarias, tales como el calor o la masa fundentes en un lugar de la superficie y la variacin en tales cantidades con el tiempo puede dar informacin acerca de las tasas de prdida de calor o la humedad (o ganancia) de (o por) la comida.Aparte de las cantidades mencionado, cualquier tipo de personalizada parmetro que es una funcin de parmetros que se resolvi para puede ser definido y trazado de diversas maneras en COMSOL Multiphysics.

9. Validacin SoftwareLa validacin es esencial para cualquier esfuerzo de modelado. En el contexto de modelado predictivo microbiolgico, un modelo se evala sobre la base de qu tan bien las predicciones del modelo corresponden con la observada fenmenos. A menudo, el modelo se aplica para hacer predicciones nica en el rango estudiado experimentalmente de slo condiciones. Sin embargo, Si las capacidades predictivas se aplican slo a la experimentalmente condiciones verificadas, el uso de modelos se vern seriamente limitadas.El poder de la tecnologa de modelado se puede aprovechar con eficacia al hacer predicciones para una amplia variedad de condiciones, por supuesto,despus de que nos hemos ganado la confianza en el modelo aplicndolo a observaciones experimentales disponibles. En esta seccin, validamos el enfoque aplicando el modelo a dos procesos de alimentos.9.1. El crecimiento de C. perfringens en refrigeracin por aire de listos para comer jamn Clostridium perfringens es una bacteria de especial preocupacin en productos crnicos cocidos. El microorganismo es una espora y ex es una de las bacterias de crecimiento ms rpido, con tiempos de duplicacin tan corto como 7,1 min a alrededor de 44 C (Amezquita et al., 2005). En esto estudio de caso, el proceso de enfriamiento de la sin hueso cocido jamn curado es modelado junto con el crecimiento de C. perfringens, para determinar si el nmero de C. perfringens se mantiene lo suficientemente baja durante el proceso. El jamn es en la forma de un cilindro (radio de 10 cm y altura 30 cm) y es enfriado por aire a 7 C. Blowing del aire sobre el jamn conduce a una transferencia de calor de superficie coeficiente de 50 W m2. El diagrama de flujo (Fig. 4) muestra la secuencia de del proceso de solucin utilizando el software. El alimento especfico, sin hueso jamn cocido curado, es seleccionada por el usuario de la composicin del USDA base de datos desde el software. A partir de la composicin, propiedades trmicas necesarias para la simulacin se estiman por el el software despus de la discusin en la Seccin 4. La conduccin de calor ecuacin (Ec. (1)) se resuelve para describir las temperaturas dentro de la jamn en cualquier punto y en cualquier momento. A no isotrmico de primer orden modelo de crecimiento (Ec. (10) y (11)) se resuelve utilizando la temperatura la historia en cualquier ubicacin dentro del jamn para obtener el crecimiento de C. perfringens con la ecuacin fase de latencia (Almonacid Merino et al., 1,993). Se obtienen los datos cinticos para el crecimiento de C. perfringens por el software de la base de datos contenida en el mismo microbiolgica (Tabla 3). En la base de datos, los datos de la cintica de crecimiento para el jamn pertenecen a un grupo de carne roja (pH 5,5; carne de res, carne de cerdo y jamn), y es el ms estimacin conservadora dentro de este grupo. Fig. 4 muestra la comparacin del predicho y observado C. perfringens crecimiento durante el enfriamiento del jamn, suponiendo que el proceso de enfriamiento est en conformidad con FSIS estndares de desempeo de estabilizacin para productos curados Los prediccin hecha tomando el valor de base de datos para la carne roja grupo (pH 5,5; carne de res, carne de cerdo y jamn) est siempre en la conservadora lateral (como puede verse en la Fig. 4), que es aceptable para la evaluacin de la seguridad del proceso. La diferencia entre experimental y valores predichos pueden atribuirse en parte a la seleccin de los datos cinticos como el valor ms conservador en el grupo de alimentos. Esto sirve para validar las predicciones relacionadas con la seguridad microbiolgica.

9.2. Prediccin de la seguridad durante la fritura en grasa de una rebanada de papa Frer en grasa es uno de los procesos industriales ms importantes, con un espesor corteza y recogida de aceite siendo dos de calidad parmetros de importancia asociados con la fritura. En este caso estudio, el objetivo es estimar la cantidad total de petrleo recogido y grosor de la corteza desarrollado durante la fritura profunda de grasa de una rebanada de papa. Formacin de acrilamida, un probable carcingeno, tambin se modela como el parmetro de la seguridad alimentaria. La rodaja de patata es de 3 cm de espesor. Es ser calentado por igual de ambos lados por el petrleo a 180 C. El calor de superficie coeficiente de transferencia para frer se toma como 300 W m2 K1. El flujo grfico (Fig. 3) muestra la secuencia del proceso de solucin utilizando El software. El usuario selecciona el tipo de patata a partir de la base de datos. Las propiedades trmicas de la rodaja se estiman por el software, F tras el debate en la Seccin 4. Se introducen las propiedades de petrleo por el usuario. Las condiciones de procesamiento y las condiciones iniciales son entonces especificadas. Un modelo de medio poroso multifase desarrollada por Halder et al. (2007b) se resuelve para describir la temperatura, la humedad y contenido de aceite dentro de la rodaja de patata en cualquier punto y en cualquier momento. Fig. 5 muestra la comparacin del valor terico y temporal de la historia temperaturas en diferentes ubicaciones y el contenido total de humedad durante la fritura de patatas. Adems, la concentracin total de acrilamida con el tiempo se representa grficamente. Tal estrecha acuerdo entre mediciones experimentales y modelo de prediccin confirma la efectividad del modelo y sirve para validarlo.

10. Limitaciones del software predictivoAunque el software se basa en modelos fundamentales y es destinado a cubrir una gran variedad de procesos, existen limitaciones a sus capacidades predictivas. Algunas de las limitaciones son:Los modelos de proceso: el modelado de procesos de alimentos complejos como los que implica la contraccin (Alcalde y Sereno, 2004; Katekawa y Silva, 2006) se encuentra todava en la etapa de investigacin. Los modelos en el software no incluyen el encogimiento, pero las propiedades de transporte utilizado en los modelos se obtienen a partir de experimentos y que contener algunos de los efectos de la contraccin en sus valores. Por lo tanto, el error debido a que no incluyen contraccin es equilibrado para en cierta medida por el uso de estas propiedades de transporte. Geometra de la comida: los procesos ms simples (como la refrigeracin y la esterilizacin) se limitan a geometras 2-dimensionales y los modelos de medios porosos multifase ms complejos son limitado a la geometra 1-dimensional. Estas limitaciones surgen de la necesidad de bien hacer el software disponible para un usuario con poco conocimiento de la simulacin (restricciones en la geometra) o restringir el tiempo de clculo.Estimaciones de la propiedad: el Choi y Okos (1987) las relaciones utilizadas para propiedades de los alimentos estimacin se basan en las composiciones, y por lo tanto puede tener un error de alrededor del 10%. Adems, puede ser importante variacin en las composiciones de diferentes muestras del mismo material alimenticio. Una estimacin de las consecuencias de esta variabilidad (por ejemplo, mediante tcnicas de Monte Carlo aplicados por Halder et al., 2007a) no se puede realizar desde dentro de la interfaz grfica de usuario desarrollada aqu, pero se puede realizar utilizando el COMSOL Multiphysics interactuar directamente.Modelos microbianos: la base de datos microbiolgicos cintica desarrollada aqu tiene algunos inconvenientes, como se discuti en detalle en Halder et al. (2010). No puede haber casos en los que hay una diferencia en la composicin dentro de un grupo de alimentos y, por lo tanto, es probable que tambin hay diferencias en los parmetros cinticos.Por ejemplo, algunos alimentos pueden no pertenecer claramente a cualquiera grupo. Se tom la decisin de ponerlos en un grupo particular sobre la base de la historia brote, la literatura asociacin de patgenos de alimentos, pH, u otros factores intrnsecos o extrnsecos. Por otra parte, la parmetros cinticos estimado de crecimiento / inactivacin son conservadores estima, pero no puede haber situaciones en las que cintica los parmetros pueden variar significativamente debido a la formacin de microambientes, que protege los microorganismos frente a condiciones extremas. Los efectos de tal variabilidad pueden incluirse directamente utilizando la interfaz de COMSOL Multiphysics, como ya se ha mencionado en la estimacin de la propiedad. Por ltimo, hay son una serie de factores de riesgo asociados con microbiolgica de seguridad que los alimentos no se han modelado hasta la fecha y que podran contribuir a la seguridad general de un producto alimenticio (Negro y Davidson, 2008).

11. Resumen y beneficios esperadosUn programa de software se ha desarrollado que puede simular la comida la seguridad mediante la combinacin de un modelo basado en la fsica de los procesos de alimentos con la cintica de la microbiolgicos y qumicos en los alimentos durante los cambios procesamiento para proporcionar cantidades bacterianas o qumicas en cualquier momento y en cualquier ubicacin en el alimento durante el procesamiento. Basado en la fsica- modelado de rangos de conduccin simple o de difusin para multifase modelo de medio poroso que puede realizar un seguimiento de mltiples componentes tales como la humedad y el aceite, y mltiples fases, como el agua y vapor de agua. Las propiedades termofsicas necesarios para la los modelos se prev desde la composicin, basada en correlaciones disponibles. Las composiciones s mismos, disponibles de publicado fuentes, se integran en el software. Cintica Microbiolgica de datos corresponde a la de un grupo de alimentos, a diferencia de individuo alimentos, disponible de fuentes publicadas. De manera similar, los datos para la cintica de los cambios qumicos tambin se agrupan. Una grfica intuitiva interfaz de usuario ha sido construida con los del sector de la alimentacin en mente. Esta interfaz se sienta encima de un comercial de propsito general software computacional, delegando as el clculo detallado al software. Esto permiti el desarrollo de esta gran versatilidad software durante un perodo relativamente corto de tiempo. Debido a los fundamentos basadosen marco en el que los clculos son construidos, ser algo rutinario para extender el enfoque de los ms recientes procesos o combinaciones de procesos.El software est diseado para ser una herramienta integral para el exceso de velocidad hasta productos alimenticios, proceso y diseo de equipos para mejorar la seguridad y calidad. Con la ayuda de una interfaz sencilla proporcionado por el software, ahora es ms fcil y ms rpido para comprobar '' qu pasa si 'escenarios'. Un cientfico de alimentos con poco conocimiento de la ingeniera de simulacin puede utilizar el software con la ayuda de la documentacin proporcionado y as tener este potencial herramienta disponible. Aparte de directa uso por la industria alimentaria, los beneficiarios de tal integral herramienta de software puede incluir educadores de extensin de alimentos, alimentos universitario cursos de la ciencia / ingeniera y ciencia de los alimentos los investigadores. Dicha herramienta puede ser incorporado en una ciencia de los alimentos / plan de estudios de ingeniera de alimentos despus de detalles describe en Datta y Rakesh (2010). Extensin beneficiar por haber personalizado capacidades de instrucciones de seguridad microbiolgica con respecto los arbitrarios productos, procesos y situaciones de manejo. La herramienta, con la capacidad de presentar visualizaciones altamente detalladas, har conceptos difciles de proceso ms fcil comprensin. En la Universidad educacin en las aulas, las ventajas de la herramienta propuesta incluyen (1) la incorporacin de las cuestiones de seguridad de producto alimenticio / proceso / equipo ms realista situaciones; (2) ganando mucho mayor conocimiento en los procesos; y (3) introduccin de un concepto que es rpidamente pasando a formar parte del proceso de diseo. La herramienta tambin tiene el potencial para aumentar la productividad de investigacin de alimentos en el mundo acadmico.

ReconocimientoReconocemos la Estatal de Investigacin Cooperativa del USDA, Educacin, y Extensin (CSREES) Alimentaria Nacional Integrado Safety Initiative (2004-51110-02167) para la financiacin de este proyecto.

ApndiceEl mtodo por el cual los datos de cintica qumica se estim es se muestra. La formacin de los productos qumicos a temperatura constante era descrito como una reaccin de primer orden (Arvidsson et al, 1997, 1999.; Persson et al, 2008:

Donde c es la concentracin de la sustancia qumica (ng / g o mg / kg), c0 es la concentracin mxima estimada del producto qumico (ng / go mg / kg), kg es la velocidad de formacin del producto qumico (por minuto), y t es el tiempo de coccin (min). Una serie de concentraciones qumicas (c) en un determinado grupo de alimentos (carnes rojas, aves, etc) a distintas cocinar tiempos (t) a temperatura constante se pueden obtener de la bibliografa. Basado en el mnimo de cuatro puntos de concentracin-tiempo, los valores de la concentracin mxima (c0) y la constante de velocidad para la formacin / generacin (kg) se determinaron mediante el uso no lineal regresin y la ecuacin de primer orden con Matlab 7.7 (MathWorks Inc., Natick, MA).

La constante de velocidad para la degradacin del compuesto kd (por minuto) se calcul basndose en la siguiente ecuacin:

Donde c2 es la concentracin de la sustancia qumica degradada (ng / g o mg / kg) despus de t2 tiempo y c1 es la concentracin de la sustancia qumica degradada (ng / g o mg / kg) despus de tiempo t1.

Para cada tipo de alimento, se determinaron los valores de kg y kd durante al menos tres temperaturas para el anlisis de regresin (Excel, MS Office 2007) con el fin de determinar la respectiva 95% superior y valores de confianza ms bajos. Despus del anlisis, las constantes de velocidad, en kg y kd, como funciones de la temperatura para cada producto qumico en diferentes productos alimenticios se determinaron, como se muestra en la Tabla 6 como un ejemplo.