Recueil de connaissances pour l’optimisation du procédé de microfiltration tangentielle du lait

Abstract

Les connaissances actuelles sur la microfiltration tangentielle 0.1 µm de lait écrémé (MF), un procédé de fractionnement des deux grands types de protéines du lait, sont principalement basées sur le savoir-faire des opérateurs et les connaissances expertes disponibles. L’optimisation multiobjectif du procédé requiert dans un premier temps de formuler le problème multiobjectif ; cette étape est centrale car c’est à travers elle que les objectifs sont explicités. Pour la MF, les données de la littérature sont insuffisantes à la représentation et à l’optimisation en simultané des objectifs contradictoires de la MF (maximiser la productivité et les propriétés des fractions obtenues et minimiser les coûts économiques et l'impact environnemental). Aucun modèle de simulation de la MF n’existe, en raison de la complexité du lait et des mécanismes de transformation mis en jeu lors de la filtration, et ce manque de modèle est un frein à l’optimisation multiobjectif du procédé [1]. La formulation du problème peut donc passer par un recueil de connaissances auprès d’experts, comme cela a été montré dans d’autres domaines [2]. L’objectif de ce travail est d’intégrer les connaissances expertes à la formulation du problème d’optimisation. Afin de faciliter le recueil de connaissances et l’identification des experts, le domaine de la MF a été divisé en neuf sous-domaines thématiques (Fig.1). Les connaissances et savoir-faire sont recueillis par la technique de l’interview semi-structurée [3] et sont représentés sous forme de cartes causales (Fig.2) [4]. Pour réaliser le recueil de connaissance, les objectifs de l’optimisation ont tout d’abord été définis. En prenant en compte les problématiques industrielles, les experts ont défini cinq objectifs -maximiser le rendement de récupération des protéines dans le perméat de la MF, maximiser la composition des fractions de rétentat et de perméat, minimiser les coûts d'investissement et de fonctionnement- auxquels il a été rajouté la minimisation de l’impact environnemental. Le problème d’optimisation de la MF est multidisciplinaire et les connaissances nécessaires à la modélisation et la résolution du problème sont partagées entre plusieurs experts. Pour chaque sous-domaine, une carte causale est établie par expert puis validée par ce dernier. Les cartes d’un même sous-domaine sont fusionnées, discutées et validées par le groupe d’experts concernés. La carte causale globale, obtenue de la même façon par fusion des cartes des sous-domaines, est le modèle de connaissances qui sera la base de la modélisation des objectifs de l’optimisation. Pour chaque sous-domaine, entre deux et cinq experts –industriels laitiers, équipementiers/assembliers et/ou chercheurs- ont été interviewés afin de recueillir les variables qui influencent les objectifs de l’optimisation. Neuf experts au total ont été interviewés avec en moyenne 90 minutes par expert. La carte causale globale comporte 152 variables et 318 relations d’influences. L’intégration des connaissances expertes sur les objectifs de l'optimisation et les variables qu'ils mettent en œuvre a permis d’identifier, via les cartes causales établies, les relations d’influence entre les variables et entre les variables et les objectifs. Elle a aussi permis d’identifier des trous de connaissances à combler par des actions de recherche, tel que l’impact de la diafiltration sur les caractéristiques des fractions obtenues, avant de pouvoir considérer l’opération de fractionnement dans son intégralité. La mise en équations du modèle de connaissance permettra d’optimiser en simultané les objectifs contradictoires de la MF afin de trouver les meilleurs compromis Pareto-optimaux dont certaines pourraient correspondre à des innovations de ruptures.