Resumen:
CONDITION FOR PROJECT PUBLICATION. Cocoa fermentation is a biotechnological process dependent on microbial activity and the control of environmental variables, particularly temperature. This study aimed to model the growth kinetics of acetic acid bacteria and lactic acid bacteria in order to develop predictive tools to optimize the fermentation of fine-flavor cocoa. The hypothesis proposed that microbial behavior can be described using mathematical models capable of predicting the optimal fermentation time under different thermal conditions. Microbial growth was quantified through colony-forming unit (CFU/g) counts, logarithmic transformation, and nonlinear modeling in RStudio using the Gompertz model with 95% confidence intervals. Additionally, a response surface analysis was performed to evaluate the interaction between temperature and time on microbial dynamics. The results showed significant variations in the specific growth rate and bacterial lag phase depending on temperature, enabling the development of reliable predictive models. As a technological solution, a mobile application integrating temperature sensors was developed to estimate fermentation time and provide technical recommendations to producers. It is concluded that the integration of microbiology, mathematical modeling, and digital technology enhances management and decision-making in cocoa fermentation processes.
Keywords: cocoa, fermentation, predictive model, digital agriculture, biotechnology
Descripción:
CONDICIONAMIENTO DE PUBLICACION DE PROYECTO. La fermentación del cacao es un proceso biotecnológico dependiente de la actividad microbiana y del control de variables ambientales, particularmente la temperatura. El presente estudio tiene como objetivo modelar la cinética de crecimiento de bacterias ácido acéticas y ácido lácticas para desarrollar herramientas predictivas que optimicen la fermentación del cacao fino de aroma. Se plantea la hipótesis de que el comportamiento microbiano puede describirse mediante modelos matemáticos capaces de predecir el tiempo óptimo de fermentación bajo diferentes condiciones térmicas. El crecimiento microbiano fue cuantificado mediante recuento de UFC/g, transformación logarítmica y modelamiento no lineal en RStudio utilizando el modelo de Gompertz con intervalos de confianza del 95 %. Adicionalmente, se realizó un análisis de superficie de respuesta para evaluar la interacción entre temperatura y tiempo sobre la dinámica microbiana. Los resultados demostraron variaciones significativas en la velocidad específica de crecimiento y en la fase de adaptación bacteriana según la temperatura, permitiendo generar modelos predictivos confiables. Como solución tecnológica, se desarrolló una aplicación móvil que integra sensores de temperatura para estimar el tiempo de fermentación y emitir recomendaciones técnicas al productor. Se concluye que la integración de microbiología, modelamiento matemático y tecnología digital permite mejorar la gestión y toma de decisiones en procesos fermentativos del cacao.