Voorspelling van sensorische houdbaarheid

Hoe moet de sensorische houdbaarheid van een product bepaald worden?

Definitie

De sensorische houdbaarheid van een product is de houdbaarheid tot waar het product nog door de consument qua smaak, kleur en geur aanvaard wordt.


In een wetenschappelijke studie werden data afkomstig van 60 consumenten die stalen rundsgehakt aten verwerkt. Het rundsgehakt werd bewaard bij 2°, 9° en 19 °C en dit gedurende 7 verschillende tijdstippen. De consument werd gevraagd of het rundsgehakt nog aanvaardbaar was of niet en of ze het nog wilden consumeren. Een arrhenius model en een survival analyse werden geïntroduceerd om deze data te analyseren. Hieruit werd een activeringsenergie van 15,3 kcal/mol berekend en konden houdbaarheidsvoorspellingen gedaan worden voor temperaturen die buiten de geteste temperatuursreeks vallen.

De voedingsindustrie ondervindt een sterke druk om nieuwe, hoog technologische producten te ontwikkelen in een zeer korte tijdspanne. De meeste van deze producten moeten dan ook nog eens een houdbaarheid van enkele dagen tot enkele weken hebben. Versnelde testen worden gebruikt om nuttige informatie te bekomen aangaande de houdbaarheid van de producten (er wordt gewerkt bij hogere temperatuur of vochtigheid). De bekomen informatie wordt dan geëxtrapoleerd naar het product zelf om de houdbaarheid ervan te gaan bepalen.

In vele voedingsbedrijven gebruikt men bij versnelde testen slechts 1 test conditie. Bijvoorbeeld: wanneer een product 1 maand bij 40 °C bewaard, zal het minstens 4 maanden bewaren bij 20 °C (kamertemperatuur). De versnellingsfactor is hier op 4 geschat. Maar vaak is deze waarde louter een traditie met ongekende oorsprong of werd het afgeleid uit data van vorig vergelijkbaar product. Houdbaarheidsvoorspelling bij gewone temperaturen houden geen rekening met de onzekerheidsfactor en betrouwbaarheidsintervallen kunnen dus niet berekend worden. Dergelijke methode verondersteld (vaak fout) dat het nieuwe model dezelfde versnellingsfactor heeft.

De meest gebruikte vergelijking om reactiesnelheden in functie van temperatuur (de meest gebruikte versnellingsfactor) uit te drukken is de Arrhenius vergelijking. De belangrijkste parameter in deze vergelijking om de houdbaarheid te schatten bij een bepaalde temperatuur is de activeringsenergie. Om dit model te gebruiken is het het beste om 5 of 6 verschillende temperaturen te gebruiken, maar dit is in de praktijk meestal niet haalbaar (geld en tijd). Een alternatieve methode is deze waarbij de reactie snelheidsvergelijking gecombineerd wordt met de Arrhenius vergelijking. Hierbij worden experimentele data van fysico-chemische of sensorische aard bij een bepaalde bewaartijd uitgezet ten opzicht van de gebruikte temperaturen. Hierdoor kan een nauw betrouwbaarheidsinterval gedefinieerd worden.

De vergelijking van Arrhenius voorspelt de mate van chemische reactie, d.w.z. de reactiesnelheid, bij een bepaalde temperatuur, gezien de activeringsenergie en de kans van succesvolle botsing van moleculen. De vergelijking is genoemd naar de Zweedse wetenschapper Svante Arrhenius.

De gemiddelde hoeveelheid thermische energie die moleculen bij een bepaalde temperatuur bezitten is gelijk aan RT, waar R de molaire gas constante is. De fractie moleculen die genoeg energie hebben om de energiebarrière (degene met meer energie dan de activeringsenergie) te overwinnen, EA (joule) — hangt exponentieel van de verhouding tussen de activering en thermische energie af. Dit vormt de vergelijking Arrhenius:

met

  • k: constante voor de reactie
  • A: de factor of de frequentiefactor specifiek voor elke reactie die van de kans afhangt dat de moleculen op de juiste manier in botsing zullen komen.

Men kan zien dat of het verhogen van de temperatuur of het verminderen van de activeringsenergie (bijvoorbeeld door het gebruik van katalysators) in een verhoging van de mate van reactie zal resulteren.


Een meer algemene vorm van de vergelijking van Arrhenius is:


Bron

Guillermo Hough, Lorena Garitta, Guadalupe Go´mez. 2006. Sensory shelf-life predictions by survival analysis accelerated storage models. Food Quality and Preference, 17: 468–473