5. module probabiliste - chlorofil.fr · identiques ne vont pas induire une même croissance microbienne. µopt 1 µopt 2 4 System de prévision ... -analyses physico-chimiques :

1

System de prévisiondu comportement desmicro-organismes

dans les aliments

Sym’Previus :

System de prévision de l’impact des procédés et de

l’environnement sur les micro-organismes dans les aliments

Dominique Thuault

2


dans les aliments

Modèle secondaire cardinal

µmax = µopt . γγγγ(T). γ(pH) . γ(aw) …

Paramètres propres au microorganisme

To pH aw acid

Tmin ToptTmax pHmin pHopt pHmax awmin awopt awmax alpha MIC

2

3


dans les aliments

Modèle secondaire cardinal

µmax = µopt . γγγγ(T) . γ(pH) . γ(aw) …

Paramètres propres au microorganisme

Paramètre lié au couple microorganisme - aliment

2 aliments avec des T°, pH, aw, conservateurs identiques ne vont pas induire une même croissance microbienne.

µµopt opt 11 µµopt opt 22

4


dans les aliments

� Traitement de la variabilité

MicrobesEspècesSouches

Cellules

AlimentPhysico-chimie :

. pH

. activité de l’eau

. ConservateurVariabilité des paramètres de croissanceet de thermorésistance

Environnement de production

Variabilité de la contamination initiale (sortie usine)

. Qualité microbiologiquedes matières premières. recontamination

Distribution / Conservation. Chaîne du froid. Comportement consommateur

Variabilitédu stockage

Variabilité inter-lots

L’ Approche Probabiliste

3

5


dans les aliments

� Traitement de la variabilité

Autocontrôles :

. Matières premières

. Contrôles libératoires

Autocontrôles physico-chimiques :

. sur matières premières

. sur ligne de production

. sur produits finis

Effet propre de l’aliment :

. Données bibliographiques

. Tests de croissance

Paramètres croissance et thermorésistance :

. Étude en laboratoire

. Données bibliographiques

Suivi de chaîne du froid :

. 1/3 à 4°C + 2/3 à 8°C

. Suivis prévisibles

. Suivis réels (ANIA)

L’ Approche Probabiliste

6


dans les aliments

� Deux approches � Déterministe : « worst case approach» =

approche sécuritaire� Conditions de conservations prévisibles « extrêmes »� Taux de croissance fort

� Probabiliste « risk based approach »� Prise en compte des distribution de contamination, de

taux de croissance, de conservation

4

7


dans les aliments

8


dans les aliments

5

9


dans les aliments

Données nécessaires pour simuler une courbe de croissance ?

. Paramètres de croissance de l’espèce bactérienne

. Caractéristiques de l’aliment pour estimer µopt

. Contamination initiale

. Conditions de simulation (nouvelles conditions d’environnement)

10


dans les aliments

6

11


dans les aliments

12


dans les aliments

7

13


dans les aliments

14


dans les aliments

8

15


dans les aliments

16


dans les aliments

9

17


dans les aliments

18


dans les aliments

10

19


dans les aliments

20


dans les aliments

11

21


dans les aliments

µopt

Cardinal values

22


dans les aliments

12

23


dans les aliments

24


dans les aliments

13

25


dans les aliments

26


dans les aliments

14

27


dans les aliments

28


dans les aliments

15

29


dans les aliments

30


dans les aliments

16

31


dans les aliments

32


dans les aliments

17

33


dans les aliments

34


dans les aliments

18

35


dans les aliments

36


dans les aliments

19

37


dans les aliments

Cardinal values

38


dans les aliments

Distribution for productof 120g(+/-10)

20

39


dans les aliments

40


dans les aliments

21

41


dans les aliments

42


dans les aliments

Conclusions

Courbes de croissance et densité de contamination sont calculés en tenant compte :

- du test de croissance (= courbe de reference). Prise en compte de la matrice alimentaire

- analyses physico-chimiques : variabilité. Prise en compte de la variabilité process et aliment

- analyses microbiologiques : dénombrement . Évaluation de la contamination initiale du produit

Sym’Previus permet d’estimer la durée de vie microbiologique en prenant en compte les contrôles microbiologiques industriels et la variabilité physico-chimique déterminés en industrie

22

43


dans les aliments

Sym’Previus :outil d’aide à la décision

� Estimation de la durée de vie microbiologique

� Interfaces croissance – non croissance - formulation de nouveaux produits surs

� Optimisation de process thermiques

- préservation des qualités organoleptiques- assure destruction thermique et sécurité sanitaire

� renforcer le plan HACCP - identification des dangers microbiologiques- prévision de CCP limites

44


dans les aliments

Comment utiliser Sym’Previus ?

� Abonnement

� En contactant le réseau de centres experts : conseils et simulations

[email protected]

Documents

5. module probabiliste - chlorofil.fr · identiques ne vont pas induire une même croissance microbienne. µopt 1 µopt 2 4 System de prévision ... -analyses physico-chimiques :