[국내논문]국내 식품냉장창고 온도분포 분석 및 적정 확률분포모델 설정 The Survey of Cold Storage Temperature and Determine of Appropriate Statistics Probability Distribution Model원문보기
본 연구는 국내에서 냉장보관창고 온도에 대한 조사를 수행하여, 온도분포를 추정하였고, 이를 미생물 위해평가의 입력변수로 활용할 수 있도록 적정 확률분포 모델을 제시하였다. 국내 냉장보관창고의 온도분포는 최저 $-3.2^{\circ}C$, 최대 $14.9^{\circ}C$, 평균 $2.55{\pm}3.55^{\circ}C$로 나타났고, $10^{\circ}C$이상 비율은 2.5%로 나타났으며, 대부분의 냉장창고 온도는 설정온도보다 높은 것으로 나타났다. 공간 위치별 온도분포는 상단(2.4~4 m) $0.8{\pm}1.69^{\circ}C$, 중단(1.5~2.4 m) $0.59{\pm}1.68^{\circ}C$, 하단(0.7~1.5 m) $0.65{\pm}1.46^{\circ}C$로 중단 온도가 가장 낮았으며, 위치별 온도차이는 최대 $1.11^{\circ}C$로 공간상에서 온도가 일정하게 유지되는 것이 아니라 어느 정도의 편차가 존재하는 것으로 나타났다. 이상의 수집된 온도자료는 @RISK 를 이용, 적합성 검정(GOF: K-S와 A-D test)을 수행하여, MRA에서 활용할 수 있는 국내 냉장창고 온도분포에 대한 가장 적합한 확률분포모델로 LogLogistic(-4.189, 5.9098, 3.2565)을 선정하였다.
본 연구는 국내에서 냉장보관창고 온도에 대한 조사를 수행하여, 온도분포를 추정하였고, 이를 미생물 위해평가의 입력변수로 활용할 수 있도록 적정 확률분포 모델을 제시하였다. 국내 냉장보관창고의 온도분포는 최저 $-3.2^{\circ}C$, 최대 $14.9^{\circ}C$, 평균 $2.55{\pm}3.55^{\circ}C$로 나타났고, $10^{\circ}C$이상 비율은 2.5%로 나타났으며, 대부분의 냉장창고 온도는 설정온도보다 높은 것으로 나타났다. 공간 위치별 온도분포는 상단(2.4~4 m) $0.8{\pm}1.69^{\circ}C$, 중단(1.5~2.4 m) $0.59{\pm}1.68^{\circ}C$, 하단(0.7~1.5 m) $0.65{\pm}1.46^{\circ}C$로 중단 온도가 가장 낮았으며, 위치별 온도차이는 최대 $1.11^{\circ}C$로 공간상에서 온도가 일정하게 유지되는 것이 아니라 어느 정도의 편차가 존재하는 것으로 나타났다. 이상의 수집된 온도자료는 @RISK 를 이용, 적합성 검정(GOF: K-S와 A-D test)을 수행하여, MRA에서 활용할 수 있는 국내 냉장창고 온도분포에 대한 가장 적합한 확률분포모델로 LogLogistic(-4.189, 5.9098, 3.2565)을 선정하였다.
This study was to present the proper probability distribution models that based on the data for surveys of food cold storage temperatures as the input variables to the further MRA (Microbial risk assessment). The temperature was measured by directly visiting 7 food plants. The overall mean temperatu...
This study was to present the proper probability distribution models that based on the data for surveys of food cold storage temperatures as the input variables to the further MRA (Microbial risk assessment). The temperature was measured by directly visiting 7 food plants. The overall mean temperature for food cold storages in the survey was $2.55{\pm}3.55^{\circ}C$, with 2.5% of above $10^{\circ}C$, $-3.2^{\circ}C$ and $14.9^{\circ}C$ as a minimum and maximum. Temperature distributions by space-locations was $0.80{\pm}1.69^{\circ}C$, $0.59{\pm}1.68^{\circ}C$, and $0.65{\pm}1.46^{\circ}C$ as an upper (2.4~4 m), middle (1.5~2.4 m), and lower (0.7~1.5 m), respectively. Probability distributions were also created using @RISK program based on the measured temperature data. Statistical ranking was determined by the goodness of fit (GOF) to determine the proper probability distribution model. This result showed that the LogLogistic (-4.189, 5.9098, 3.2565) distribution models was found to be the most appropriate for relative MRA conduction.
This study was to present the proper probability distribution models that based on the data for surveys of food cold storage temperatures as the input variables to the further MRA (Microbial risk assessment). The temperature was measured by directly visiting 7 food plants. The overall mean temperature for food cold storages in the survey was $2.55{\pm}3.55^{\circ}C$, with 2.5% of above $10^{\circ}C$, $-3.2^{\circ}C$ and $14.9^{\circ}C$ as a minimum and maximum. Temperature distributions by space-locations was $0.80{\pm}1.69^{\circ}C$, $0.59{\pm}1.68^{\circ}C$, and $0.65{\pm}1.46^{\circ}C$ as an upper (2.4~4 m), middle (1.5~2.4 m), and lower (0.7~1.5 m), respectively. Probability distributions were also created using @RISK program based on the measured temperature data. Statistical ranking was determined by the goodness of fit (GOF) to determine the proper probability distribution model. This result showed that the LogLogistic (-4.189, 5.9098, 3.2565) distribution models was found to be the most appropriate for relative MRA conduction.
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
문제 정의
따라서 본 연구는 국내 여러 환경요인 중 유통·보관 단계에 해당되는 냉장식품 보관창고 온도에 대한 조사를 수행하여 현재의 시점에서 국내 냉장식품 보관 온도분포를 추정하고, 이를 MRA의 입력변수로 활용할 수 있도록 적정 확률분포 모델을 제시하여, MRA 수행을 통한 관련 식중독균 대한 위해수준 평가 및 냉장보관식품 온도관리 등 보관관리에 대한 안전성을 확보하는데 기여하고자 한다.
본 연구는 국내에서 냉장보관창고 온도에 대한 조사를 수행하여, 온도분포를 추정하였고, 이를 미생물 위해평가의 입력변수로 활용할 수 있도록 적정 확률분포 모델을 제시하였다. 국내 냉장보관창고의 온도분포는 최저 −3.
가설 설정
1)For each of these statistics, the smaller the value, the better the fit.
제안 방법
온도 측정 위치는 1개 냉장창고에 대해 공간적으로 하단(0.7~1.5 m), 중단(1.5~2.4 m), 상단(2.4~4 m) 등 3단으로 구분하였고, 각 단에 대해 9곳에 온도계를 설치하여, 최종적으로는 3 × 3 × 3 = 27 곳에 대한 공간별 온도를 측정하여 공간상의 분포도 추정하였다, 이와 같은 설치가 불가능한 냉장창고의 경우에는 식품의 적재가 많은 장소에 온도계를 평면으로 설치하였다.
국내 식품냉장창고의 온도분포를 조사하기 위해 전국적으로 43개 업소에 요청을 의뢰하였고, 이중 온도측정을 허용한 식품보세창고업소 3곳, 식품제조가공업소 4곳에 대해 현장방문을 실시하고, 소유하고 있는 냉장창고에 대해 온도측정을 실시하였다. 이들 조사대상 업소 위치는 전국적으로 분포하고 있으며, 조사기간은 2010년 6월부터 2011년 1월까지 3회 이상 방문하여 실시하였다.
냉장창고의 온도측정은 실시간으로 일정 간격을 두고 온도 측정, 저장할 수 있는 장치인 Data logger (3M Temperature Logger TL20, 3M, St. Paul, MN, USA)를 이용하였으며, 온도 측정시간은 15분 간격으로 최소 48시간에서 72시간이상 각 업체의 조건에 따라 조정하여 연속적으로 반복 측정하였다. 온도 측정 위치는 1개 냉장창고에 대해 공간적으로 하단(0.
4~4 m) 등 3단으로 구분하였고, 각 단에 대해 9곳에 온도계를 설치하여, 최종적으로는 3 × 3 × 3 = 27 곳에 대한 공간별 온도를 측정하여 공간상의 분포도 추정하였다, 이와 같은 설치가 불가능한 냉장창고의 경우에는 식품의 적재가 많은 장소에 온도계를 평면으로 설치하였다. 공간에 대한 온도 측정과 동시에 각 냉장 창고별 설정온도도 동시에 조사하여 기록하였다.
, Redmond, WA, USA)으로 옮겨 @RISK프로그램에서 활용 가능한 37개의 확률분포모델(distribution palette) 중 연속확률분포모델에 해당하는 31개를 선정하였다. 이후 Fitting과정을 수행하여 이중 본 온도 자료에 적용할 수 있는 후보 확률분포모델로 11개가 선정되었으며, 최종적으로 적합성 검정(Goodness-of-fitting; GOF)을 통해 가장 적정한 한 개의 확률분포 모델을 제시하였다. 즉, 입력자료에 대한 적정 확률분포모델 선정을 위한 적합성 검정(GOF)에는 K-S (the Kolmogorov-Smirnov)와 A-D (AndersonDarling) test의 결과를 활용하였다.
즉, 입력자료에 대한 적정 확률분포모델 선정을 위한 적합성 검정(GOF)에는 K-S (the Kolmogorov-Smirnov)와 A-D (AndersonDarling) test의 결과를 활용하였다. 이들 test 결과값이 작을수록 적합성은 더 높다라고 인정되고 있어9), 가장 낮은 값을 갖는 확률 분포모델을 해당자료에 가장 적합한 모델로 선정하였고(Table 2), 최종적으로 제시된 모델과 실제 조사된 온도 값과의 비교 그림을 제시(customizing)하였다(Fig. 1).
대상 데이터
국내 식품냉장창고의 온도분포를 조사하기 위해 전국적으로 43개 업소에 요청을 의뢰하였고, 이중 온도측정을 허용한 식품보세창고업소 3곳, 식품제조가공업소 4곳에 대해 현장방문을 실시하고, 소유하고 있는 냉장창고에 대해 온도측정을 실시하였다. 이들 조사대상 업소 위치는 전국적으로 분포하고 있으며, 조사기간은 2010년 6월부터 2011년 1월까지 3회 이상 방문하여 실시하였다.
5, Palisade, Newfield, NY, USA)의 “Fit distributions function”을 이용하였다9). 우선 온도 자료를 Excel spreadsheet 프로그램(Microsoft Corp., Redmond, WA, USA)으로 옮겨 @RISK프로그램에서 활용 가능한 37개의 확률분포모델(distribution palette) 중 연속확률분포모델에 해당하는 31개를 선정하였다. 이후 Fitting과정을 수행하여 이중 본 온도 자료에 적용할 수 있는 후보 확률분포모델로 11개가 선정되었으며, 최종적으로 적합성 검정(Goodness-of-fitting; GOF)을 통해 가장 적정한 한 개의 확률분포 모델을 제시하였다.
수집한 온도 자료 중 동일한 조건(출입문의 위치, 냉각기의 위치, 외부에 노출된 벽의 위치 등)을 가진 냉장창고의 자료 20,304개(각 공간 당 752개)에 대한 공간 위치별 온도 분포는 Fig. 2에서 보는 바와 같다. 냉장창고의 온도분포는 상단(2.
후보 확률 분포모델으로는 LogLogistic, Lognormal, Weibull, Gamma 등 11개의 모델이 제시되었으나, 이중 LogLogistic(−4.189, 5.9098, 3.2565)모델(Fig. 2의선)이 적합성 검정(GOF)으로 이용된 A-D, K-S test 결과 다른 확률분포모델에 비하여 가장 작은 값을 나타내(Table 2), 국내 냉장창고 온도분포에 대한 가장 적합한 모델로 LogLogistic(−4.189, 5.9098, 3.2565)을 선정하였다.
이상의 수집된 온도자료는 @RISK 를 이용, 적합성 검정(GOF: K-S와 A-D test)을 수행하여, MRA에서 활용할 수 있는 국내 냉장창고 온도분포에 대한 가장 적합한 확률분포모델로 LogLogistic(−4.189, 5.9098, 3.2565)을 선정하였다.
데이터처리
측정하여 정리한 온도자료(28,552개)는 SPSS (Ver. 12.0, Statistical Package for the Social Sciences, Inc., USA)를 이용하여, 그룹별 평균과 표준편차를 산출하고, 공간별로 측정된 온도분포는 Duncan 검정(Duncan’s test)를 실시하여 공간 위치 별 온도차이를 분석하였다.
이론/모형
즉, 입력자료에 대한 적정 확률분포모델 선정을 위한 적합성 검정(GOF)에는 K-S (the Kolmogorov-Smirnov)와 A-D (AndersonDarling) test의 결과를 활용하였다.
조사대상 업소 수에 대한 한계를 극복하기 위하여 통계적으로 조사자료를 확률분포모델 전환하였으며, 이 전환 과정과 적정 확률분포모델 설정은 @RISK(Ver. 5.5, Palisade, Newfield, NY, USA)의 “Fit distributions function”을 이용하였다9).
성능/효과
설정온도는 최대 10℃에서 최저 −2℃, 평균값은 4.0 ± 4.65℃로 분포되었으며(Table 1), 생산 및 보관하는 식품의 종류에 따라 냉장창고의 온도는 약간 다르게 설정하는 것으로 조사되었다.
5%로 나타났다. 실제 측정된 공간상의 온도분포와 설정온도와의 차이를 분석한 결과, 참여업소 대부분의 냉장창고 온도는 설정온도보다 높은 것으로 나타났다. 하지만 일부 설정온도가 2℃, 3℃인 업체에서는 설정온도에 근접한 평균온도를 나타내기도 하였다.
9℃, 최저 8.9℃로 조사되어(Table 1) 설정온도를 10℃로 하였을 때 평균적으로 식품 중심부의 온도는 10℃이하로 떨어지지 않을 수도 있음을 보여 주고 있다. 설정온도를 5℃로 하고 있는 업소의 경우, 실제 공간상에서 측정된 평균은 6.
46℃로 나타났다. 밀도가 높은 저온의 공기가 바닥으로 내려가기 때문에 상단에 비하여 중단, 하단의 온도가 낮았으며, 냉각기의 주변과, 외부에 직접 노출된 벽면(출입구의 오른쪽) 측의 공간 위치가 온도가 높은 것으로 나타났으나 전체적으로 중단이 가장 낮은 온도를 가지고 있는 공간으로 나타났다. 공간 위치 별 온도차이는 최대 1.
선정된 LogLogistic(−4.189, 5.9098, 3.2565) 모델에 의해 추정된 국내 냉장창고 온도의 평균은 실제 측정된 평균값 (2.55 ± 3.55℃)보다 약간 높은 2.75 ± 4.88℃로 추정되었다.
공간 위치별 온도분포는 상단(2.4~4 m) 0.8 ± 1.69℃, 중단(1.5~2.4 m) 0.59 ± 1.68℃, 하단(0.7~1.5 m) 0.65 ± 1.46℃로 중단 온도가 가장 낮았으며, 위치별 온도차이는 최대 1.11℃로 공간상에서 온도가 일정하게 유지되는 것이 아니라 어느 정도의 편차가 존재 하는 것으로 나타났다.
국내 냉장보관창고의 온도분포는 최저 −3.2℃, 최대 14.9℃, 평균 2.55 ± 3.55℃로 나타났고, 10℃이상 비율은 2.5%로 나타났으며, 대부분의 냉장창고 온도는 설정 온도보다 높은 것으로 나타났다.
3℃에서도 L. monocytogenes의 성장이 일어 날 수 있지만 증식 속도가 느리며2) 보관온도 5℃이하에서는 대부분의 미생물의 성장속도가 느려진다는 점을 고려하였을 때 낮은 온도에 의한 품질상의 변화가 없을 경우 신선편의식품의 설정온도를 3℃ 이하에 보관하는 것이 식품의 안전을 위해 바람직할 것으로 사료된다.
보관 중 창고의 온도가 높을 경우 병원성 미생물에 오염된 식품에서 증식이 이루어질 수 있는 환경이 조성되므로 지속적인 온도에 대한 모니터링이 필요하며, 냉장실의 온도변화에 따른 미생물의 성장측정결과 같은 온도에서도 온도 편차가 클수록 L. monocytogenes의 성장이 더 빠른 것으로 나타난다는 결과2)를 보았을 때 냉장창고의 온도도 중요하지만 온도편차를 최소화하는 것도 보관하는 냉장식품에 대한 식품안전성 측면에서 중요한 요인이라 할 수 있겠다.
후속연구
밀도가 높은 저온의 공기가 바닥으로 내려가기 때문에 상단에 비하여 중단, 하단의 온도가 낮았으며, 냉각기의 주변과, 외부에 직접 노출된 벽면(출입구의 오른쪽) 측의 공간 위치가 온도가 높은 것으로 나타났으나 전체적으로 중단이 가장 낮은 온도를 가지고 있는 공간으로 나타났다. 공간 위치 별 온도차이는 최대 1.11℃로, 공간상에서 일정하게 유지되는 것이 아니라 편차나 변동성이 어느 정도 존재 하는 것으로 볼 수 있어, 냉장식품 보관에 있어 이들 편차를 최소화할수 있는 적정 냉장보관 방법이 개발되어야 할 것이다. 창고 내 공간 위치별 온도차이와 관련해서 Runsey13)은 냉장 창고에 보관된 식품들에서 약 1.
가정 내 냉장고 온도분포 6) 에서와 같이 LogLogistic(−4.189, 5.9098, 3.2565)모델에 의한 냉장창고 온도분포는 국내에서 냉장보관 식품관련 주요 식중독균에 대한 미생물 위해 평가(MRA) 수행 시 냉장온도 입력변수에 대한 적정 모델로 활용될 수 있을 것이다.
, 본 연구조사와 같은 냉장창고 온도분포는 국제적으로 조사지역의 특성에 따라 차이가 나타날 수 있어, 외국에서 추정된 모델을 우리나라에서 바로 활용하기에는 어려움이 있다. 따라서 국내에서 보다 과학적이고 국내 현실을 반영한 MRA의 수행을 위해서는 우리나라 식품공급체인망 환경에서 유통 및 판매, 보관온도 등 식중독 발생과 관련되는 위해인자 (risk factors)에 대한 조사와 이들에 대해 우리나라 특성을 반영한 모델화가 더욱 필요할 것으로 보인다.
질의응답
핵심어
질문
논문에서 추출한 답변
1998년부터 2008년까지의 식품안전사건 및 사고 분석 결과 무엇이 중요하다고 보이는가?
1998년 1월부터 2008년 10월까지 우리나라에서 발생한 식품안전사건 및 사고에 대한 언론매체의 보도자료 등을 중심으로 식품안전사고의 발생단계별 분석결과를 보면 원료생산단계 및 제조 공정에서 많은 원인을 제공하였지만, 유통과정에서도 약 7.7%의 원인을 제공하고 있어, 보관, 유통, 판매과정의 관리도 중요한 것으로 볼 수 있다4). 냉장보관 및 운송 등에 있어 보관 및 유통상의 잘못으로 식 품의 품질 및 안전적인 문제가 발생하여 회수 및 폐기된 식품의 경제적 가치 또한 상당할 것으로 예상 된다.
식품안전사건 및 사고 분석으로 어떠한 손실이 예상되는가?
7%의 원인을 제공하고 있어, 보관, 유통, 판매과정의 관리도 중요한 것으로 볼 수 있다4). 냉장보관 및 운송 등에 있어 보관 및 유통상의 잘못으로 식 품의 품질 및 안전적인 문제가 발생하여 회수 및 폐기된 식품의 경제적 가치 또한 상당할 것으로 예상 된다.
부적절한 냉장온도관리는 어떤 질병의 원인이 되는가?
식중독 발생에 있어 부적절한 냉장온도관리는 국내외적 으로 주요 원인으로 규명되고 있으며1), 냉장보관이 요구 되는 식품은 보관, 유통, 판매 중 주변 온도에 따라 병원성 미생물의 성장이 나타날 수 있는데, 특히, Listeria monocytogenes 등은 0 °C 또는 그 이하의 냉장온도에서도 성장이 가능한 것으로 보고되고 있기2) 때문에 식품안전에 있어 냉장보관에 대한 온도관리는 매우 중요하다3).
참고문헌 (18)
Jackson V., BlairI S., McDowell D.A.: The incidence of significant foodborne pathogens in domestic refrigerators. Food control, 18, 346-351 (2007).
Chan Y.C., Wiedmann M.: Physiology and genetics of Listeria monocytogenes survival and growth at cold temperatures. Crit. Rev. Food Sci. & Nutr., 49, 237-253 (2009).
Lee Y.S., Ha J.H., Park K.H., Lee S.Y., Choi Y.J., Lee D.H., Park S.H., Moon E.S., Ryu K., Shin H.S., Ha S.D.: Survey on storage temperature of domestic major chilled foods in refrigerator. J. Fd. Hyg. Safety, 23, 304-308 (2008).
KFDA (Korea Food & Drug Administration): Korea Food Standards Codes (2011).
Bahk G.J.: Statistical probability analysis of storage temperatures of domestic refrigerator as a risk factor of foodborne illness outbreak. Kor. J. Food Sci. Technol., 42, 373-376 (2010).
Oh D.H., Rahman SME., Kim J.M., Bahk G.J.: The statistics probability analysis of pork-cutting processing conditions for microbial risk assessment. J. Fd. Hyg. Safety, 24, 63-68 (2009).
Franz E., Tromp S.O., Rijgersberg H.: Quantitative microbial risk assessment for Escherichia coli O157:H7, Salmonella, and Listeria monocytogenes in leafy green vegetables consumed at salad bars. J. Food Prot., 73, 274-285 (2010).
Palisade Corp.: Guide to using @RISK (version 5.5). Newfield, New York, USA. pp. 173-196 (2010).
KFDA (Korea Food & Drug Administration): Pre-request programs in HACCP (2011).
USFDA (United State Food & Drug Administration): Code of federal regulation for food and drugs: Code of hygienic practice for refrigerated packaged foods with extended shelf life. CAC/RCP 46 (2010).
Food Safety Authority of Ireland. Guidance note: Cook-chill system in the food service sector. Revision 1. (2006).
Runsey, I.: Temperature and air distribution in refrigerated warehouses. A new dimension to energy savings. Food safety, Food supply, Food solutions. GDS Publishing Ltd. (2008).
Chourasia, M.K., Goswami, T.K.: Simulation of effect of stack dimensions and stacking arrangement on cool-down characteristics of potato in a cold store by computational fluid dynamics. Bios. Eng., 96, 503-515 (2007).
Rosario L.M., Son H.H., Rahman M.: Numerical simulation of temperature and velocity in a refrigerated warehouse. Int. J. Refrig., 29, 692-699 (2010).
Choi S.G., Hong S.E.: Refrigeration engineering. Gungiwon, Korea. pp. 110 (2009).
Kang S.H., Koo B.K., Hwang H.Z., Seok H.T., Ahn H.S., Song S.Y.: Optimized insulation thickness of the refrigerated warehouse with different envelope structures and insulation materials by L.C.C. analysis. Kor. J. Air-Cond.& Refrig. Eng., 15, 372-381 (2003).
Margaret D., Kerrie M., Simon T.: Incorporating parameter uncertainty into Quantitative Microbial Risk Assessment (QMRA). J. Water & Health, 9, 10-26 (2011).
※ AI-Helper는 부적절한 답변을 할 수 있습니다.