Caractérisation des poudres alimentaires lors de l'ensachage industriel en vue d'une prédiction des cadences optimales des équipements

Bousquet, Thomas (2019). Caractérisation des poudres alimentaires lors de l'ensachage industriel en vue d'une prédiction des cadences optimales des équipements. Mémoire. Rimouski, Université du Québec à Rimouski, Département de mathématiques, informatique et génie, 196 p.

Prévisualisation

PDF Télécharger (4MB) | Prévisualisation

Résumé

RÉSUMÉ: La caractérisation des poudres et la prédiction de leur comportement dans les machines d'ensachage présentent de nombreuses difficultés. Le projet vise à prédire les comportements des poudres lors de l'ensachage à partir de leurs propriétés de base. Une revue de littérature a permis d'identifier les propriétés les plus susceptibles d'avoir un impact sur l'ensachage des poudres. Des appareils de mesures de la rhéologie des poudres sont sélectionnés pour mesurer six propriétés caractéristiques des poudres. De plus, un protocole de mesure a été élaboré afin de récolter des données représentatives du comportement réel des poudres pendant le processus d'ensachage réel. Des analyses des données récoltées montrent le niveau de corrélation entre les propriétés, les impacts de chaque propriété sur les performances à l'ensachage et les différences entre les poudres. Une réduction de la dimension d'étude grâce à l'analyse des composantes principales permet également de représenter toute l'étendue des poudres connues dans un plan. Parmi les différents modèles de prédiction évalués, le modèle d'apprentissage supervisé nommé « k plus proches voisins » donne les meilleurs résultats, bien qu'ils soient encore limités par le nombre trop faible de données disponibles. Les scores de prédictions du modèle montrent qu'il est effectivement possible de prédire l'ensachage des poudres grâce à la mesure des six propriétés utilisées. Les similarités entre les poudres sont utilisées pour nuancer la performance du modèle en comparant l'ensachage des poudres similaires à celle pour laquelle la prédiction a été faite. Bien que la base de données comporte encore un nombre peu élevé de poudres, les résultats de cette étude sont très encourageants pour améliorer la connaissance des poudres et l'adaptation des machines d'ensachage à la spécificité de leur comportement macroscopique. -- Mot(s) clé(s) en français : Poudres, corrélations, rhéologie, apprentissage supervisé, prédiction, ensachage, composantes principales, modèle de comportement. -- ABSTRACT: The characterization of powders and the prediction of their behavior in bagging machines present many difficulties. The project aims to predict the behaviors of powders during bagging from their basic properties. Some research in the scientific literature lead to identify the properties most likely to have an impact on the bagging of powders. Some measure devices of powder's rheology are selected to measure six characteristic properties of the powders. Moreover, a measure protocol about the industrial bagger is also set up to gather the measures of the real behavior of the powders during the real bagging process. Some analysis of collected data shows the correlations level between the properties, the impacts of each property on the bagging performances and the differences between powders. A reduction of the study dimension thanks to a principal component analysis allows also to represent all the range of known powders on a plane. Among the different prediction models evaluated, the learning model named "k nearest neighbors" gives the best results, although it is still limited by the too small number of data available. The predictions scores of the model shows that it is possible to predict the bagging of powders from the measure of the six used properties. The similarities between powders are used to nuance the model performance by comparing the bagging of similar powders to the one for which the predictions are made. Although the database contains still a small number of powders, the results of this study are really encouraging to improve the knowledge of powders and the adaptation of the bagging machines to the specificities of their macroscopic behavior. -- Mot(s) clé(s) en anglais : Powders, correlations, rheology, supervised learning, prediction, bagging, principal components, behavior model.

Type de document :	Thèse ou mémoire de l'UQAR (Mémoire)
Directeur(trice) de mémoire/thèse :	Brousseau, Jean
Co-directeur(s) ou co-directrice(s) de mémoire/thèse :	Barka, Noureddine
Information complémentaire :	Mémoire présenté dans le cadre du programme de maîtrise en ingénierie en vue de l'obtention du grade de maître ès sciences appliquées (M.Sc.A.).
Mots-clés :	Poudre Ensachage Comportement Prediction Propriete Rheologie
Départements et unités départementales :	Département de mathématiques, informatique et génie > Génie
Déposé par :	DIUQAR UQAR
Date de dépôt :	27 oct. 2020 19:08
Dernière modification :	01 sept. 2021 17:45
URI :	https://semaphore.uqar.ca/id/eprint/1638

Actions (administrateurs uniquement)

Éditer la notice