Le développement de simulateurs de procédés alimentaires est limité par le manque d’outils permettant de prédire les propriétés physicochimiques (pH, aw, Eh) dans les aliments. Les aliments sont généralement des milieux très complexes contenant un nombre élevé de constituants (eau, solvants organiques, solides dissous, gaz dissous, espèces ioniques, macromolécules), et ces propriétés sont essentielles pour caractériser leur qualité technologique, sanitaire et organoleptique. Cependant, elles évoluent au cours d’un procédé de transformation ou de conservation. La prédiction de ces propriétés physicochimiques passe par la détermination de potentiels chimiques. Une approche de modélisation basée sur la thermodynamique est utilisée pour prédire l’évolution du pH et de l’aw de produits carné et produits laitiers dans certaines conditions rencontrées en industrie alimentaire. En s’appuyant sur le modèle ULPDHS développé par Achard en 1992 pour les milieux liquides, ce travail a nécessité la création de molécules fictives à ayant le même comportement que les aliments modélisés. La cohérence entre les données expérimentales et les données prédites est satisfaisante, le modèle thermodynamique permet de prédire correctement le pH et l’aw des différents milieux étudiés. Cependant l’intégration du modèle thermodynamique dans un simulateur de procédé nécessite la création d’un réseau de neurone mimétique du modèle thermodynamique. En conséquent a été développé un réseau de neurones dont les sorties sont identiques aux sortie du modèle thermodynamique. Ainsi il est possible d’intégrer les résultats du modèles thermodynamique dans un simulateur de procédé sans trop rallonger les temps de simulations. Les résultats obtenus dans ce travail peuvent être une aide importante à la formulation de nouveaux produits. Le modèle étant entièrement prédictif, il est possible de déterminer l’effet d’une modification de composition de l’aliment sur le pH et l’aw. / The development of food process simulators is actually limited by absence of tools that can predict de evolution of the physical-chemical properties (pH, aw, Eh) in food. Food are generallymulticomponent medias (including water, organic solvents, dissolved solids, dissolved gases, ionic species, macromolecules), and these properties are essential to characterize technological, sanitary and organoleptic qualities. However, these physical-chemical properties change during transformation or preservation process. The prediction of these properties requires the determination of chemical potentials. Thermodynamic approach is used to predict pH and water activity of meat and dairy products in different condition encountered in the food industry. Based on the model ULPDHS developed by Achard in 1992 for liquid medias, this work required the creation of fictive molecule who have the same behavior as modeled food. Consistency between the experimental data and the predicted data is very satisfactory, the thermodynamic model correctly predict the pH and aw of different products studied. The integration of the thermodynamic model in a process simulator requires the creation of a mimetic neural network. Therefore, was developed a neural network whose outputs are identical to the output of the thermodynamic model. So it is possible to integrate the results of thermodynamic models in a process simulator without too lengthen the time simulations. The results obtained in this work can be an important aid to the formulation of new products. The model is completely predictive and it is possible to determine the effect of a change in the composition of the feed on the pH and aw.
Identifer | oai:union.ndltd.org:theses.fr/2016CLF22682 |
Date | 24 March 2016 |
Creators | Musavu-Ndob, Aïchatou |
Contributors | Clermont-Ferrand 2, Lebert, André |
Source Sets | Dépôt national des thèses électroniques françaises |
Language | French |
Detected Language | French |
Type | Electronic Thesis or Dissertation, Text |
Page generated in 0.0029 seconds