5.3 Problem
5.3.2 Otydligheter i tillhandahållen information
Vid flera tillfällen har det uppkommit otydligheter i de tillhandahållna modellerna. Mesta- dels felskrivningar, både matematiska och i konstantnamn. Detta har till viss del försvårat arbetet men då vi haft kontinuerlig kontakt med mikrobiologerna har de kunnat säkerställa informationen.
Något vi valt att bortse från för de modeller som det är aktuellt, är faktorn för tempe- raturjustering. I alla ursprungliga modeller för Skinka (se Bilaga E.3, E.4 och E.5) finns en faktor som används för att justera det temperaturvärde som ursprungligen uppmätts av sensorerna. Uttrycket för denna faktor var mycket långt men tycktes ändå inte alls påverka förskämningstiden vid de temperaturer som var uppmätta. Temperaturjusteringsfaktorns lilla inverkan på den slutliga förskämningstiden gjorde att faktorn togs bort i ett försök att förenkla de tillhandahållna modellerna och skala bort onödiga parametrar. Det finns självklart inget som förhindrar införning av denna faktor i framtiden, ifall detta skulle visa sig nödvändigt.
6
Slutsatser och vidare forskning
I resultatet visas att båda forskningsfrågorna i frågeställningen har kunna besvarats med ett för Dynahmat gynnsamt resultat. Det visade sig vara möjligt att parametrisera alla fem modellerna så att de kunde beskrivas med en enhetlig formel. Det var även möjligt att skapa ett administrationsverktyg som kan användas för att lägga till nya modeller utan några tidigare kunskapar inom programmering och med endast användardefinierade matematiska funktioner och konstanter. Det framgår även att arbetet varit lyckat om vi jämför den tidigare lösningen för att implementera en ny modell i systemet (se Bilaga D) med hur en ny modell skulle läggas in i systemet med det verktyg som utvecklats här (se Avsnitt 3.2.2) där det inte behövs tillkallas en programmerare utan allt kan ske genom en administratör.
Vidare skulle det vara intressant att se ytterligare forskning för att undersöka om samma metod skulle vara tillämpningsbar om det skulle finnas fler förskämningsmodeller tillgängliga, gärna med en större variation av livsmedel. En bredare variation kring beräk- ningen för µmax skulle även kunna göra det relevant att använda denna parametrisering i
administrationsverktyget.
Framtida forskning för administrationsverktyget skulle kunna innefatta huruvida det skulle vara möjligt att skapa ett verktyg på ett sådant sätt att användaren även kan lägga till allmänna modeller. Detta skulle göra verktyget användbart för en bredare användar- bas, där det inte bara är tillgängligt för förskämningsmodeller utan även parametriserade modeller inom andra industrisektorer.
Referenser
[1] Bertolino A. (2001), Guide to the Software Engineering Bo-
dy of Knowledge, 2004. SWEBOK, publisher: IEEE Chap-
ter 5 http://www.inforede.net/Technical/Business/IT/SWEBOK%20- %20Software%20Engineering.pdf#page=91
[2] Chard M S, Strode E D. A proposal for using design science in small-scale postgradu- ate research projects in information technology, Teaching, Assesment and Learning (TALE), 2014 International Conference on, 8-10, December; Wellington, New Zea- land
[3] Dalgaard P, Mejlholm O, Huss H. Application of an iterative approach for develop- ment of a microbial model predicting the shelf-life of packed fish, Int J Food Microbiol 1997, 19, September; 38:169-179
[4] Devlighere F, Belle B, Debevere J. Shelf life of modified atmosphere packed cooked meat products: a predictive model, Int J Food Microbiol 1991, 4, November; 46:57-70 [5] Dynahmat [Internet]. [Plats okänd]: Dynahmat; [Besökt 2015-03-16]. Tillgänglig från:
http://dynahmat.com/projektet/
[6] European Commission [Internet]. [Plats okänd]: European Com-
mission; 2013-06-19 [Besökt 2015-03-16]. Tillgänglig från:
http://ec.europa.eu/food/safety/food_waste/index_en.htm
[7] Garcia A, Rubira C, Romanovsky A, Xu J. A comparative study of exception hand- ling mechanisms for building dependable object-oriented software, The Journal of Systems and Software 2001, 07, Mars; 59: 197-222.
[8] Gram L, Ravn L, Rasch M, Bruhn J, Christensen A, Givskov M. Food spoilage - interactions between food spoilage bacteria, Int J Food Microbiol 2002, 26, Maj; 78:79-97
[9] Göransson M, Nilsson F. (2013), The role of biosensors in future food supply chain, NOFOMA conference, Gothenburg.
[10] Hevner A R, March S T, Park J. Design Science in Information System Research, MIS Quarterly, 2004, Mars; 28(1):75-105
[11] Jevinger Å, Göransson M, Båth K. A Field Test Study on Dynamic Shelf Life Service for Perishables. 2014
[12] Kothari C R. Research Methodology: Methods and Techniques. New Age Internatio- nal; 2004.
[13] Kreyenschmidt J, Hübner A, Beierle E, Chonsch L, Scherer A, Petersen B. Deter- mination of the shelf life of sliced cooked ham based on the growth of lactic acid bacteria in different steps of the chain, Journal of Applied Microbiology 2009, June, 10, 108:510-520
[14] Mataragas M, Drosinos E H, Vaidanis A, Metaxopoulos I. Development of a Pre- dictive Model for spoilage of Cooked Cured Meat Products and Its Validation Under Constant and Dynamic Temperature Storage Conditions, Journal of Food Science 2006; 71(6): 157-167
[15] Math.kau.se [Internet]. Karlstads Universitet; [Besökt 2015-03-27]. Tillgänglig från: http://www.math.kau.se/niclbern/B1/fo13.pdf
[16] NCalc [Internet]. [Plats okänd]: NCalc; [Besökt 2015-04-05]. Tillgänglig från: https://ncalc.codeplex.com/
[17] Oxford Dictionaries [Internet]. [Plats okänd]: Ox-
ford Dictionaries; [Besökt 2015-03-27]. Tillgänglig från:
http://www.oxforddictionaries.com/definition/english/parameterize
[18] Peffers K, Tuunanen T, Rothenberger A M, Chatterjee S. A Design Science research methodology for information systems research, Journal of Management Information Systems / Winter 2007–8, Vol. 24, No. 3, pp. 45–77.
[19] Sneed H M. (2010), Testing object-oriented software systems, Proceedings of the 1st Workshop on Testing Object-Oriented Systems, Vienna, Austria
[20] Østergaard N, Eklöw A, Dalgaard P. Modelling the effect of lactic acid bacteria from starter- and armoa culture on growth of Listeria monocytogenes in cottage cheese, Int J Food Microbiol 2014, 21, Juli; 188:15-25
A
Sökhistorik för litteraturstudie
IEEE:
Metadata Only, 1990 - 2015, Conference Publications, Journals & Magazines Parameter
Parameter + Model
Parameter + Model + Predict
Parameter + Model + Predict + Shelf Life Predict
Predict + Shelf Life
Google Scholar: Ingen filtrering Parameters
Parameters + Introduction
Parameters + Introduction + Models
Parameters + Introduction + Models + Mathematical Parameterization
Parameterization + Models
Parameterization + Models + Mathematical Food spoilage
Food spoilage + Prediction
B
Matematisk redogörelse
B.1 Kvadratiska funktioner µmax för Torsk = (0.29 + 0.032T − (1.6 · 10−3) · C − (9 · 10−5) · T · C + (9 · 10−6) · C2)2 = (0.29 + 0.032T − (1.6 · 10−3) · 50 − (9 · 10−5) · T · 50 + (9 · 10−6) · 502)2 = (0.29 + 0.032T − 0.08 − 0.0045T + 0.0225)2 = (0.032T + +0.2325 − 0.0045T )2= (0.0275T + 0.2325)2= 0.000756T2+ 0.01279T + 0.054 µmax för Keso = µref · ((T(T −Tmin) ref−T min))2· (1 − 10(pHmin−pH)) ·(aw−awmin)
(1−awmin) = 0.73 · ((T −(−2.01))(25−(−2.01))2· (1 − 10(4.87−5)) ·(0.99−0.928) (1−0.928) = 0.73 · ((T +2.01)27.01 )2· 0.2387 ·0.0620.072 = 0.73 · (T +2.01)27.012 2 · 0.2387 · 0.86 = 0.162425·(T +2.01)2 729.59 = 0.000223 · (T + 2.01)2= 0.000223 · (T2+ 4.02T + 4.04) = 0.000223T2+ 0.0009T + 0.0009
µmax för Skinka (Devlieghere) =
b(aw− amin) · (CO2max− CO2) · (T − Tmin)2 =
2.5 · 10−6(0.97 − 0.956) · (6.1 · 103− 0.9) · (T − 9)2=
2.5 · 10−6· 0.014 · 6099.1 · (T − 9)2 =
0.0002134685(T − 9)2=
0.0002134685T2− 0.00384T + 0.01729
Här visas att de funktioner som ökar kvadratiskt kan beskrivas med formeln K1T2+ K2T + K3