Veuillez choisir le dossier dans lequel vous souhaitez ajouter ce contenu :
Colloque
Membre a labase
Loic Parrenin : Polytechnique Montréal
Le processus de mouillage est un processus clé dans la transformation des grains de blé en farine. Ce processus nécessite des ajustements appropriés pour conditionner les grains de blé avant le processus de mouture. Ce conditionnement vise à augmenter la teneur en eau des grains de blé. Il influence la qualité et le rendement de la farine. Les ajustements à réaliser lors du processus de mouillage pour atteindre un taux d’humidité désiré dépendent de nombreux facteurs. Cette étude vise à développer un outil permettant de prédire le taux d’humidité des grains de blé biologique à la fin de la première étape de mouillage. Une étude de cas a été menée dans un moulin situé dans la région de Québec pour construire et comparer cinq modèles : Méthode des moindres carrés ordinaires, LASSO, RIDGE, ElasticNet et XGBoost. Les modèles sont basés sur les propriétés du blé (teneur initiale en humidité du blé, teneur en protéines du blé et température du blé), les paramètres du procédé (débit d’écoulement des grains de blé, débit d'eau, quantité de blé et temps de repos) et les conditions de mouillage (quantité d'eau, température ambiante moyenne, humidité ambiante moyenne et la date). L'augmentation de l'humidité du blé obtenue au cours de la première étape de mouillage varie entre 0% et 5%. Les résultats indiquent que le modèle LASSO est le plus performant pour déterminer l'augmentation finale de l'humidité du blé avec une erreur de prédiction moyenne de 0.18 %.
Dans le contexte actuel, avec la rareté de la main d’œuvre et le vieillissement de la population, il est nécessaire de se tourner vers la science des données pour soutenir la productivité de divers secteurs d’activités. En même temps, il est crucial de considérer la rareté des ressources et la protection de l’environnement avec une mission de développement durable.
Ces deux objectifs ne sont pas opposés et le présent colloque vise à montrer les méthodes, outils et solutions mises en œuvre dans des situations réelles d’entreprises québécoises.
Les différents aspects de la science des données en contexte industriels peuvent être abordés, que ce soit la collecte des données, la préparation des données, le développement d'outils d'aide à la décision ou leur mise en œuvre en situation réelle.
Les domaines d’application peuvent être variés, notamment la production agricole, la transformation agroalimentaire, la production manufacturière, la logistique, la production d'énergie ... Les contextes présentés doivent systématiquement soutenir le développement durable au Québec.
Thème du congrès 2023 (90e édition) :
Thème du colloque :
Date :
8 mai 2023
Titre du colloque :
Responsables :
