Tour d'atomisation SD2P, une méthode pour évaluer la séchabilité.
Bibliographic record
Abstract
Les leviers sont multiples pour optimiser les performances énergétiques du séchage des poudres : pilotage plus fin des installations grâce à des capteurs et des outils logiciels performants, optimisation des procédés existants, utilisation de technologies de rupture… A l’Inra, de nouvelles solutions sont développées et des tests conduits, pour évaluer les plus performantes.[br/]En Europe, selon les pays, entre 10 et 15% de la Matière sèche utile (MSU) du lait de vache est transformée en poudres. Le séchage des poudres est une opération complexe et très énergivore. Un quart de l’énergie utilisée par le secteur laitier en France – soit 3 TWh sur 12 – est uniquement dédié à l’élimination de l’eau. Cette part de l’énergie peut représenter de 10% à 90% du coût d’une poudre laitière. La technologie la plus répandue pour le séchage est l’atomisation. Dans une logique de maîtrise des coûts, il est aisé de comprendre la nécessité pour les industriels, de piloter le plus finement possible cette opération.Piloter les tours de séchage grâce au logiciel SD2P® de l’InraLes chercheurs du STLO ont développé une méthode analytique de prédiction de la séchabilité des produits. Cet outil - SD2P® - vise en outre l’optimisation énergétique de cette opération. Commercialisé essentiellement auprès des industries laitières depuis 2009, ce logiciel a permis d’améliorer la productivité de 5 à 25% en réalisant dans le même temps des économies d’énergie globale de même grandeur. Les principaux groupes laitiers mondiaux sont aujourd’hui équipés de ce logiciel, ce qui fait que plus de 10% du volume de lait mondial en poudre transite actuellement indirectement par ce logiciel. D’autres secteurs agroalimentaires et pharmaceutiques commencent également à montrer leur intérêt pour ce dispositif.Expérimenter des technologies de rupturesFace aux enjeux industriels et économiques, des alternatives à l’atomisation sont en émergences, que ce soit pour améliorer la qualité des poudres obtenues, pour réduire les dépenses énergétique, ou les deux. L’un des verrous technologiques réside dans la généralisation des procédés à l’ensemble des fractions laitières à sécher : perméat, lactosérum… A l’Inra, des travaux de recherche se poursuivent afin d’explorer de nouvelles voies de valorisation qui font appel aux opérations de séchage dans le secteur laitier et plus largement pour l’agroalimentaire. Les scientifiques apportent également leur expertise pour évaluer et optimiser les performances de procédés alternatifs développés par d’autres. C’est le cas avec le groupe LEGRIS (Clextral) et sa technologie EPT™ (Extrusion Porosification Technology).
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.001 | 0.002 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.002 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.002 | 0.001 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.015 | 0.003 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".