Examensarbetet utfördes på SP-Food and Bioscience (tidigare SIK-Institutet för Livsmedel och Bioteknik) och anknyter till projektet DynahMat (Dynamisk Hållbarhetsdatum för Minimerat Svinn). Syftet med examensarbetet var att undersöka hur väl tillväxten av mjölksyrabakterier predikteras av tre befintliga prognosmodeller jämfört med tillväxten av naturligt förekommande mjölksyrabakterier i MA-packad rökt skinka.Tillväxten av mjölksyrabakterier i rökt MA-packad skinka studerades vid tre lagringstemperaturer (4, 8 respektive 12 °C) och resultat visade att förskämningen av den rökta skinkan skedde snabbare vid en högre lagringstemperatur. De befintliga prognosmodellerna som tillämpades var modeller framtagna av Kreyenschmidt et al. (2010), Mataragas et al. (2006) och Devlieghere et al. (1998,1999). Prognosmodellerna validerades genom beräkning av accuracy- och bias faktor och resultaten visade att de tre modellerna var tillämpbara för att prediktera tillväxten av mjölksyrabakterier.De olika arterna av mjölksyrabakterier i den rökta skinkan identifierades vid slutet av lagringstiden och identifieringen visade att de dominerande arterna av mjölksyrabakterier var Lactobacillus curvatus vid 4 ̊C och Lactobacillus sakei vid 8 respektive 12 ̊C.Laborativa studier har även utförts på skinkan där Listeria monocytogenes ympades in i produkten för att undersöka dess tillväxthastighet under påverkan av mjölksyrabakteriernas tillväxt. Tillväxten av L. monocytogenes var låg i belastningsstudien vilket troligen berodde på tillväxt av mjölksyrabakterier som antingen bildade bakteriociner eller att de två mikroorganismerna konkurrerade om näringen i skinkan. Beräkning av tillväxt för L. monocytogenes med hjälp av FSSP visade att tillväxten påverkades av förekomsten av mjölksyrabakterier. / The bachelor thesis was performed at SP-Food and Bioscience (formerly SIK-Institutet för Livsmedel och Bioteknik) as part of the project DynahMat (Dynamisk Hållbarhetsdatum för Minimerat Svinn). The purpose of the study was to examine how the growth of LAB (lactic acid bacteria) was predicted by three predicative models compared to the microbial growth of LAB in naturally contaminated MA-packed cured ham.The growth of LAB in the cured ham was studied at three storage temperatures (4, 8 and 12 °C) and results showed that the spoilage of ham occurred faster at higher temperatures. The three predicative models that were used were models developed by Kreyenschmidt et al. (2010), Mataragas et al. (2006) and Devlieghere et al. (1998, 1999). The predictive models was validated by calculating accuracy and bias factors and the results showed that the models were applicable for predicting the growth of LAB.The different species of LAB in the cured ham was identified at the end of the storage time and the identification showed that the dominant species of LAB were Lactobacillus curvatus at 4 ̊C and Lactobacillus sakei at 8 and 12 ̊C.Experiment where L. monocytogenes was inoculated into the product was performed to examine its growth under the influence of LAB. The growth rate of L. monocytogenes was slow and that probably depended on the production of bacteriocins by LAB or competition for nutrients. The growth of L. monocytogenes was calculated with the FSSP and the results showed that the growth was affected by the presence of LAB.

Dynahmat är ett projekt inom vilket matematiska modeller används för att predicera ettflertal olika livsmedels förskämningstid förutsatt aktuella miljötemperaturer, vilka uppmätsav sensorer. I detta examensarbete behandlas parametrisering av dessa förskämningsmodeller,med målet att alla livsmedels modeller ska följa en gemensam grund som kan tillämpasför att skapa nya instanser av förskämningsmodeller. Metoderna som tillämpas i arbetet ären kombination av design science och en för arbetet framtagen metod som kombinerar matematisktarbete med mjukvaruutveckling. Den gemensamma modellgrunden tas fram genomatt studera och parametrisera varje förskämningsmodell individuellt. Alla parametriserademodeller jämförs sedan med varandra, och modifieras så att en gemensam grund erhålles.Med denna gemensamma grund utvecklas ett konceptbevis för ett administrationsverktyg.Med detta verktyg kan en användare skapa nya förskämningsmodeller, endast genom attdefiniera ett uttryck för de matematiska parametrar som finns tillgängliga i verktyget. Somresultat presenteras ett förslag på en allmän modellform för förskämning av de livsmedelsom behandlas i arbetet samt en prototyp för administrationsverktyget, baserat på den allmännamodellformen. Lösningens metod för beräkning av förskämningstid valideras medhjälp av jämförande data från det aktuella systemet. Det resulterande lösningsförslagetlöser många av de problem som fanns i den tidigare hårdkodade implementationen, ochkalkylerar förskämningstider med ett genomsnittligt fel på under 1 %. / Dynahmat is a project within which mathematical models are used to predict the spoilagetime, assuming current environmental temperatures which are measured by sensors, for anumber of different food products. In this thesis, these models are parameterized with theaim of finding a common form which can be used for the instansiation of new spoilagemodels. The method applied in this thesis is a combination of design science and a newmethod with the intention of combining software development with mathematical modelling.The common model form is produced by individually studying and parameterizingevery spoilage model. Each parameterized model is then compared to the other models,and modified in such a way that a common expression is found. Using the final commonmodel, a proof of concept for an administrative tool is developed. This tool allows theuser to create new spoilage models, simply by defining an expression for the mathematicalparameters available in the application. As result, a proposal for a common model formfor predicting the spoilage time for the food products relevant in this thesis is presented,in conjunction with a prototype for the administrative tool based on this model form. Thesolution’s method of calculating spoilage times is validated by comparing results with thatof the previously existing system. The resulting proposed solution solves a lot of the problemsin the previous, hard-coded implementation, and calculates spoilage times with anaverage error deviation of under 1 %.