Mostrar el registro sencillo del ítem

dc.contributor.advisorSarmiento Vásquez, Alfonso Tullio
dc.contributor.authorHerrera Mejía, María Juliana
dc.date.accessioned2017-07-27T18:57:18Z
dc.date.available2017-07-27T18:57:18Z
dc.date.created2017
dc.date.issued2017-07-27
dc.identifier.citationAiello, G., La Scalia, G., & Micale, R. (2011). Simulation analysis of cold chain performance based on time–temperature data. Production Planning & Control, 1-9.
dc.identifier.citationAmador, C., & Emond, J. (2010). Evaluation of sensor readability and thermal relevance for RFID temperature tracking”, Computers and Electronics in Agriculture. Computers and Electronics in Agriculture, 73(1), 84-90.
dc.identifier.citationArango, M., Zapata, J., & Gómez, R. (2010). Estategias en la cadena de suministro para el distrito minero de Amagá. Boletín de Ciencias de la tierra, 28, 27-38|
dc.identifier.citationArmstrong, W., Quintana, L., & Chesta, V. (2012). Evaluation of the cold chain in five processed meat factories in chile and the implications for the microbiological count. Revista Chilena de Nutrición, 39(1), 53-61.
dc.identifier.citationBallou, R. (2004). Business Logistics management. 5th ed. United States: Prentice Hall.
dc.identifier.citationBaranyi, J., & Roberts, T. (1994). A dynamic approach to predicting bacterial growth in food. International Journal Food Microbiology, 23, 277-294.
dc.identifier.citationBaranyi, J., & Roberts, T. (1995). Mathematics of predictive food microbiology. International Journal of Food Microbiology, 26, 199-218.
dc.identifier.citationBaranyi, J., Robinson, T., Kolati, A., & Mackey, B. (1995). Predicting rowth of Brochothrix thermosphacta at changing temperature. International Journal Food Microbiology , 27, 61- 75.
dc.identifier.citationBigelow, W. 1. (1921). The logarithmic nature of thermal death time curves. Journal of Infectious Diseases, 29, 528-536.
dc.identifier.citationBogataj, M., Bogataj, L., & Vodopivec, R. (2005). Stability of perishable goods in cold logistic chains. International Journal of Production Economics, 93-94, 345-356.
dc.identifier.citationBovill, R., Bew, J., Cook, N., D’agostino, M., Wilkinson, N., & Baranyi, J. (2000). Predictions of growth for Listeria monocytogenes and Salmonella during fluctuating temperature. International Food Microbiology , 59, 157-165.
dc.identifier.citationBuchanan, R. (1993). Predictive food microbiology. Trends in Food Science & Technology, 4, 6-11.
dc.identifier.citationBuchanan, R., & Phillips, J. (1990). Response surface model for predicting the effects of temperature, pH, sodium chloride content, sodium nitrite concentration and atmosphere on the growth of Listeria monocytogenes. Journal of Food Protection, 53, 370-376.
dc.identifier.citationBuchanan, R., & Whiting, R. (1997). Concepts in Predictive Microbiology. 50th Annual Reciprocal Meat Conference, (págs. 93-97). Kansas.
dc.identifier.citationBuchanan, R., Whiting, R., & Damert, W. (1997). When is simple good enough: A comparison of the Gompertz, Baranyi, and three phase linear models for fitting growth curves. Food Microbiology, 14, 313-326.
dc.identifier.citationChialin, C., Jun, Z., & Delaurentics, T. (2014). Quality control in food supply chain management: An analytical model and case study of the adulterated milk incident in China. International Journal of Production Economics, 152, 188-199.
dc.identifier.citationChopra, S., & Meindl, P. (2008). Administración de la cadena de suministro. Pearson, Prentice Hall.
dc.identifier.citationCorrea, A., & Gómez, R. (2009). Cadena de Suministro para el sector minero como estrategia para su competitividad. estrategia para su competitividad. Boletín Ciencias de la Tierra 25, 93- 102., 25, 93-102.
dc.identifier.citationCorrea, A., & Gómez, R. (2010). Seguridad en la cadena de suministro basada en la norma iso 28001 para el sector carbón, como estrategia para su competitividad. Boletín Ciencias de la tierra, 28, 39-50.
dc.identifier.citationCutter, C., Senevirathne, R., Chang, V., Cutaia, R., Fabrizio, K., Geiger, A., y otros. (2012). Major microbiological hazards associated with packaged fesh and processed meat and poultry. En J. Kerry, Meat, Poultry and Seafood Packing.
dc.identifier.citationDPN. (2016). DPN. Recuperado el 24 de 09 de 2016, de Pérdida y desperdicio de alimentos en Colombia: https://colaboracion.dnp.gov.co/CDT/Prensa/Publicaciones/P%C3%A9 rdida%20y%20desperdicio%20de%20alimentos%20en%20colombia.pdf
dc.identifier.citationDym, C. (2004). Principles of mathematical modeling. Boston: Elsevier.
dc.identifier.citationEden, M., Bremerhaven, T., Rabb, V., & Kreyenschmidt, J. (2011). Continuos temperature monitoring along the chilled food supply chain. En F. C. Principal, Hoorfar, J ; Jordan, K ; Butler, F; R, Orugger (págs. 115-129). Cambridge: Woodhead Publishing .
dc.identifier.citationEllouse, M., & Augustin, J. (2010). Applicability of biological time temperature integrators as quality and safety indicators for meat products. International Journal of Food Microbiology, 138, 119-129.
dc.identifier.citationEmenike, C., Van Eyk, N., & Hoffman, A. (2016). Improving Cold Chain Logistics through RFID temperature sensing and predictive modelling . 19th International Conference on Intelligent Transportation Systems (ITSC), (págs. 2331-2338). Rio de janerio .
dc.identifier.citationEsty, J., & Meyer, K. (1922). The heat resistance of spores of B. botulinus and related anaerobes. Journal of Infectious Diseases. Journal of Infectious Diseases, 31, 650-663.
dc.identifier.citationFakrudin, M., Mazumder, R., & Bin Mannan, K. (2011). Predictive microbiology: Modeling microbial responses in food. Ceylon Journal of Science, 40(2), 121-131.
dc.identifier.citationFAO. (2011). FAO. Obtenido de Global food losses and food waste. Extent, causes and prevention.: http://www.fao.org/docrep/014/mb060e /mb060e00.htm.
dc.identifier.citationFAO. (2016). Pérdidas y desperdicios de alimentos en América Latina y el Caribe. . Recuperado el 24 de 09 de 2016, de FAO: http://www.fao.org/3/a-i3942s.pdf
dc.identifier.urihttp://hdl.handle.net/10818/31087
dc.description150 Páginas.es_CO
dc.description.abstractLa carne y los productos cárnicos procesados son alimentos que se caracterizan por tener una vida útil muy corta debido a que son alimentos perecederos, por ende el manejo adecuado de la cadena de frio durante la cadena de suministro es esencial para conservar sus características microbiológicas. En este sentido, la temperatura es el factor más importante para conservar la calidad de los productos, pues el abuso de esta condición genera el crecimiento de microorganismos lo cual conduce a la reducción de su vida útil. Actualmente, para establecer la inocuidad de los alimentos se realizan pruebas tradicionales de microbiología para microorganismos indicadores y microorganismos patógenos que comúnmente son muy caras, de respuesta lenta y exigen contar con laboratorios y personal especializado. En el presente trabajo se propone una metodología para determinar, mediante un modelo de regresión cuadrática multivariable, en qué periodo de tiempo de la vida útil el producto cárnico supera el límite de microorganismos mesófilos establecido por la Norma Técnica Colombiana 1325 de 2008 para productos cárnicos procesados no enlatados. Esta metodología busca interpolar las respuestas microbianas en base a las ya calculadas mediante tres variables: temperatura de almacenamiento, tiempo y población inicial de microorganismos mesófilos. Se presenta un caso de estudio donde se aplicó la metodología propuesta a un producto cárnico procesado cocido sometido a variaciones de temperatura de almacenamiento desde 1°C hasta 7°C. Se muestra un error porcentual absoluto medio (MAPE) de 9 %, lo cual indica un muy buen desempeño del modelo.es_CO
dc.formatapplication/pdfes_CO
dc.language.isospaes_CO
dc.publisherUniversidad de La Sabanaes_CO
dc.rightsAttribution-NonCommercial-NoDerivatives 4.0 International*
dc.rights.urihttp://creativecommons.org/licenses/by-nc-nd/4.0/*
dc.sourceUniversidad de La Sabana
dc.sourceIntellectum Repositorio Universidad de La Sabana
dc.subjectCarne congelada
dc.subjectCarne -- Preservación
dc.subjectRefrigeración de alimentos
dc.titleModelo predictivo de microorganismos mesófilos con temperaturas variables en almacenamiento de productos cárnicos procesadoses_CO
dc.typemasterThesises_CO
dc.publisher.programMaestría en Diseño y Gestión de Procesoses_CO
dc.publisher.departmentFacultad de Ingenieríaes_CO
dc.identifier.local265313
dc.identifier.localTE09158
dc.type.localTesis de maestría
dc.type.hasVersionpublishedVersiones_CO
dc.rights.accessRightsrestrictedAccesses_CO
dc.creator.degreeMagíster en Diseño y Gestión de Procesoses_CO


Ficheros en el ítem

Thumbnail

Este ítem aparece en la(s) siguiente(s) colección(ones)

Mostrar el registro sencillo del ítem

Attribution-NonCommercial-NoDerivatives 4.0 InternationalExcepto si se señala otra cosa, la licencia del ítem se describe como Attribution-NonCommercial-NoDerivatives 4.0 International