| Attributes | Values |
|---|
| type
| |
| Thesis advisor
| |
| Author
| |
| alternative label
| - Analysis, treatment and optimization of new processes
|
| dc:subject
| - Thèses et écrits académiques
- Optimisation mathématique
- Fermentation en milieu solide
- Bio-industries
- Plan d'expérience -- Modèles mathématiques
|
| preferred label
| - Analyse, traitement et optimisation de nouveaux procédés
|
| Language
| |
| Subject
| |
| dc:title
| - Analyse, traitement et optimisation de nouveaux procédés
|
| Degree granting institution
| |
| note
| - The work presented in this thesis is part of the industrial project carried out in the biotechnology laboratory of the SOUFFLET institution. The objective of this project is to design models and optimization techniques used in processes of solid state fermentation (SSF). SSF implements biotechnologies based on the use of microorganisms or products of these microorganisms in industrial applications (bio-industries). The SSF process aims to ensure development of the micro-organism that is controlled in optimal conditions. To solve this problem, and once the set of critical state variables of the SSF process were identified, we developed the tool for our experimental design. This experimental design enabled us to define the set of configurations to be tested in order to model the production system based on artificial intelligence approaches such as RBF Neural Networks. This model was then hybridized to some well-known metaheuritic approaches in order to optimize the structure and achieve the best configuration. The effectiveness of these hybrid approaches was first assessed on some examples of state-of-the-art applications as well as a real-world industrial application. We have particularly shown that the use of these approaches leads to significant improvement in terms of production by SSF
- Le travail présenté dans cette thèse s’inscrit dans le cadre du projet industriel au sein du laboratoire de Biotechnologie des établissements SOUFFLET. L’objectif de ce projet est de créer des modèles et des techniques d’optimisation utilisables pour la conduite des procédés de fermentation en milieu solide (FMS). La FMS met en œuvre des biotechnologies consistant à utiliser des microorganismes ou des produits issus de ces microorganismes dans des applications industrielles (bio-industries). Le procédé de FMS vise à assurer le développement le plus maîtrisé possible d’un microorganisme au sein du milieu solide, humidifié dans des conditions prédéfinies et contrôlable. Pour résoudre cette problématique, nous avons tout d’abord identifié les variables d’état essentielles pour le procédé de FMS. A partir de ces variables, nous avons mis au point l’outil des plans d’expériences. Ces plans d’expériences nous ont permis de définir les configurations à tester pour parvenir à une modélisation du système de production en utilisant les méthodes issues de l’intelligence artificielle telles que les réseaux de neurones RBF. Ce modèle neuronale a été par la suite hybridé a des approches métaheuristiques, afin d’optimiser la structure et trouver la meilleur configuration. Ces approches hybrides ont été tout d’abord validées sur des exemples d’applications de l’état de l’art puis sur un cas d’application industriel. Ces approches ont surtout permet une amélioration significative de la production par FMS
|
| dc:type
| |
| http://iflastandar...bd/elements/P1001
| |
| rdaw:P10219
| |
| has content type
| |
| is primary topic
of | |
| is rdam:P30135
of | |
![[RDF Data]](/fct/images/sw-rdf-blue.png)
