Évaluation des modèles de prévision du rendement fromager

Pourquoi le rendement fromager compte

Le fromage est un produit commercial très important dans l'industrie laitière ; Fox et al. l'estiment à environ 35 % de l'utilisation totale du lait [1]. Le rendement s'exprime en kilogrammes de fromage pour 100 kg de lait à des teneurs standardisées en matière grasse et en protéines, et les usines suivent l'efficacité de rendement, c'est-à-dire le rendement réel exprimé en pourcentage du rendement prédit à partir de la composition du lait [1]. Les facteurs qui le font varier sont bien répertoriés — composition et qualité du lait, standardisation, traitement thermique, fermeté du gel au décaillage, régime de découpage et de brassage, taille des grains de caillé et conception de la cuve — et ils agissent en influençant la composition du gel ainsi que la quantité d'humidité expulsée et la quantité de matière grasse perdue par les grains de caillé [1].

Prédire le rendement à partir de la composition du lait

Les formules prédictives de rendement descendent d'une formule fondée uniquement sur la caséine et la matière grasse, publiée en 1895 ; la formule de Van Slyke est la plus connue de cette lignée, et les perfectionnements ultérieurs ont ajouté l'humidité et le sel du fromage, l'extrait sec du lactosérum et la paracaséine à la place de la caséine [2]. Emmons et Modler ont testé les formules General, Barbano et Van Slyke sur 22 cuves de cheddar et constaté que les formules non ajustées ne prédisaient pas le rendement avec exactitude : le rendement prédit moyen atteignait 99,17 % du rendement réel, et la somme des composants mesurés du fromage restait inférieure à 100 % [2]. L'ajustement sur la somme observée des composants a porté la moyenne à 99,99 % du réel ; les formules ajustées sont donc recommandées pour les rendements cibles et l'efficacité de rendement. Fait notable, les protéines totales du lait donnaient alors les mêmes rendements prédits que la caséine, si bien qu'un dosage de la caséine n'est pas toujours nécessaire [2].

Les données d'entrée sont la matière grasse et les protéines du lait de cuve, et ces valeurs ne valent que ce que valent les méthodes de référence qui les produisent : la référence gravimétrique pour la matière grasse est l'ISO 23318 | IDF 249, qui a remplacé l'ISO 1211 [3], et l'ISO 8968-1 | IDF 20-1 dose l'azote selon le principe de Kjeldahl et en déduit la protéine brute par calcul [4].

Ce qu'apporte la spectroscopie infrarouge à la réception du lait

Les méthodes de référence sont lentes au regard du rythme de la fabrication fromagère ; ce sont donc des étalonnages spectroscopiques établis par rapport à elles qui fournissent les valeurs au quotidien. Laporte et Paquin ont dosé la matière grasse, la protéine brute, la protéine vraie et la caséine du lait de vache par transmission dans le proche infrarouge, avec des étalonnages PLS sur 96 échantillons ; la validation indépendante a donné des erreurs standard de prédiction de 0,07 % pour la matière grasse, 0,06 % pour la protéine brute et la caséine et 0,05 % pour la protéine vraie, et l'homogénéisation s'est révélée influer sur le dosage de la matière grasse [5].

Une voie plus directe consiste à étalonner le spectre sur le rendement lui-même. Ferragina et al. ont fabriqué 1 264 fromages modèles à partir du lait de vaches individuelles selon un protocole de laboratoire fixe et relié les spectres moyen infrarouge (FTIR) du lait non transformé aux caractères de rendement mesurés ; la validation croisée a donné des coefficients de détermination de 0,95 pour le rendement en extrait sec et de 0,83 pour le rendement en fromage frais, mais de seulement 0,65 pour l'eau retenue dans le caillé et de 0,41 pour la récupération de la matière grasse [6]. Le spectre porte l'information de composition qui détermine le rendement en extrait sec ; la rétention d'eau et la perte de matière grasse se jouent en cuve et ne sont pas visibles dans le spectre du lait. C'est cette partie du problème que traite le suivi en cuve.

Suivre la coagulation et la synérèse en cuve

O'Callaghan et al. ont passé en revue les techniques en ligne de suivi de la formation du coagulum — sondes à fil chaud, vibrantes et optiques — et conclu, à partir d'essais en usine couvrant la variation saisonnière du lait, que le suivi en ligne peut améliorer la régularité du coagulum au décaillage [7]. L'approche optique repose sur l'augmentation de la diffusion de la lumière à mesure que les micelles de caséine s'agrègent. Castillo et al. ont suivi la coagulation du lait de chèvre avec un capteur de réflectance diffuse à 880 nm ; le paramètre de réflectance T_max était corrélé au temps de coagulation de Berridge (R² = 0,9913), et une équation du temps de décaillage fondée sur T_max prédisait le temps de décaillage avec une erreur standard de 84,5 s (R² = 0,9785) pour des valeurs variées de pH, de température et de concentration en enzyme [8]. Lyndgaard et al. ont étendu cette approche à des spectres NIR complets (1 000–2 500 nm) enregistrés en ligne, compressés par analyse en composantes principales et ajustés par un modèle cinétique distinguant la protéolyse de la κ-caséine, l'agrégation des micelles et la formation du réseau ; le modèle a ajusté 12 lots avec un R² supérieur à 0,99 et permis une estimation en temps réel pour la détermination automatique du temps de décaillage [9].

Le même signal reste informatif après le découpage. Fagan et al. ont montré par la méthodologie des surfaces de réponse que la rétention de la matière grasse dépend du temps de découpage et de la température, que le rendement en caillé dépend aussi de l'ajout de chlorure de calcium, et qu'il existe une fermeté optimale du gel au décaillage, à maximiser tout en évitant un raffermissement trop rapide du gel et la microsynérèse [10]. Dans une étude complémentaire, des équations combinant la composition du lait et des paramètres de rétrodiffusion ont prédit les pertes de matière grasse avec une erreur standard de prédiction de ±2,65 g/100 g (R² = 0,93), le rendement en caillé avec ±0,95 % (R² = 0,90) et l'humidité du caillé avec ±1,43 % (R² = 0,94) [11]. Il s'agissait d'études en cuve pilote dans des conditions volontairement variées ; elles montrent que le signal contient l'information, non ce qu'atteindra une cuve de production.

Construire un modèle de rendement robuste

Un modèle de rendement fromager est en réalité double : une prédiction, fondée sur la composition, du rendement que le lait devrait donner, et un modèle en cuve de la part de ce potentiel effectivement réalisée. Trois pratiques rendent l'un et l'autre défendables :

• Définissez le rendement que vous prédisez. Ferragina et al. distinguent le rendement en fromage frais, le rendement en extrait sec et l'eau retenue dans le caillé, ainsi que la récupération de la matière grasse, des protéines et de l'extrait sec [6] ; un modèle étalonné sur l'un ne peut être lu comme un autre.
• Ancrez l'étalonnage aux méthodes de référence. Les valeurs de matière grasse et de protéines doivent provenir de l'ISO 23318 et de l'ISO 8968-1 [3][4], et l'étalonnage et la validation NIR sur les produits laitiers suivent l'ISO 21543 | IDF 201 [12].
• Validez sur plusieurs saisons. Le temps de décaillage et la réponse de synérèse dépendent du pH, de la température, du calcium et de la dose d'enzyme [8][10], et la revue des essais en usine souligne la variation saisonnière [7] ; revalidez un modèle avant de vous y fier sur le lait de la saison suivante.

L'approche d'USTECH

L'analyseur de procédé ProLine2550 est spécifié pour les liquides et les suspensions en conduites et en cuves, ce qui couvre la mesure du lait de cuve alimentant une prédiction de rendement fondée sur la composition, et la suite caliX fournit les outils de régression PLS et de PCA utilisés dans les études citées ci-dessus [5][6][9]. Par l'intermédiaire de ProChem, les valeurs prédites peuvent être transmises au PLC ou au système SCADA de l'usine pour les tableaux de bord et les alarmes. Savoir si les caractères de rendement qui comptent pour une usine peuvent être prédits avec l'exactitude requise ne se déduit pas des chiffres publiés : cela s'établit par une étude de faisabilité sur vos propres échantillons, selon l'ISO 21543 [12].