Anne Universitaire : 2009-

2010

Filire Ingnieurs
Industries Agricoles et Alimentaires

Rapport de stage de fin dtudes

Titre :
CONTRIBUTON A l'OPTIMISATION DU
POIDS DENROBAGE DU MERENDINA MINI

Ralis par llve-ingnieur :

JOUDAR ABDESSAMAD

Encadr par :

- Mr H. BATAL : Socit BIMO

- Pr. A. BELRHITI ALAOUI : FST Fs

Prsent le 29 Juin 2010 devant le jury compos de :

- Pr. A. BELRHITI ALAOUI

- Dr. H. BATAL
- Pr. M. EL ASRI
- Pr. R. TLEMCANI
- Pr. L. EL GHADRAOUI
- Pr. A. OULMEKKI

Stage effectu : BISCUITERIE INDUSTRIELLE DU MOGHREB (BIMO)

1
Ce mmoire est ddi en premier lieu mes parents, mes proches
et tous mes amis

Ce travail est ddi aussi mes professeurs et mon encadrant

BIMO, ainsi qu' tous ceux qui m'ont aid de prs ou de loin

Jespre que ce mmoire donnera satisfaction toutes ces

personnes et tous ceux qui auront loccasion de le lire

2
Remerciements
Introduction gnrale ..1
Partie 1: Revue bibliographique
I)- Historique du secteur de la biscuiterie ..4
1)- Biscuit..4
2)- Gaufrette..5
3)- Ptisserie..6
II)- Prsentation de BIMO7
1)- Prsentation de ONA...7
2)- Historique de BIMO....8
3)- L'unit industrielle BIMO....9
III)- La production14
1)- Stockage, manutention des matires premires...14
2)- La production de Merendina...14
a)- Prparation de la pte...14
b)- Cuisson....15
c)- Faonnage et fourrage.....17
d)- Enrobage, refroidissement et conditionnement17
3)- Processus de fabrication de biscuit.19
4)- Processus de fabrication de la gnoise20
5)- Processus de fabrication de gaufrette..21
6)- Processus de fabrication du cake- madeleine..22
VI)- Service laboratoire23
1)- L'autocontrle...23
2)- Le contrle au cours de la production...23
3)- Le contrle du produit fini................................................................................24

Partie 2 : Partie exprimentale

A)- Introduction.26
1)- Dfinition des plans d'expriences...26
2)- Historique.27
3)- A quoi sert un plan d'expriences ?..27
4)- Avantages des plans d'expriences...28
5)- Domaine d'application..28
6)- Catgories des plans d'expriences...29

3
 7)- Dmarche mthodologique...30
8)- Slection des facteurs et choix de leurs niveaux..30
8-1) Choix des facteurs30

8-2) Choix des niveaux des facteurs30

B)- Outils et principes de la mthode.31
1)- Rgression linaire multiple...31
1-1)- Effet d'un facteur....31
1-2)- Ralisation du test de signification des effets....32
2)- Validation statistique du modle33
2-1)- Analyse de la variance...33
2-2)- Coefficients de corrlation R36
C)- Optimisation du poids d'enrobage de Merendina mini.36
Introduction.36
1)- Problmatique.37
2)- Dmarche de travail...37
a)- Liste des facteurs..38
b)- Criblages des facteurs..38
3)- Rsultats de l'tude d'optimisation38
a)- Plan de surface de rponse...............................................................................38
b)- Choix du domaine de variation........................................................................38
c)- Modle mathmatique......................................................................................39
d)- Plan d'expriences............................................................................................40
e)- Rsultats obtenus...............................................................................................42
e-1)- Analyse de la variance................................................................................42
e-2)- Coefficient de corrlation R.......................................................................42
e-3)- Etude graphique des rsidus.......................................................................43
e-4)- Estimation statistique des coefficients........................................................43
e-5)- Etude graphique..........................................................................................44
e-6)- Validation du modle par des points tests..................................................45
Conclusion gnrale............................................................................................ 47
Rfrences bibliographiques.............................................................................48

4
 Les secteurs de la biscuiterie, de la confiserie et de la chocolaterie ne font pas
partie des secteurs alimentaires ayant connu la plus forte progression, ils sont nettement
distancs par les industries laitires et le secteur de la transformation des produits de
mer.
Comparativement aux autres secteurs industriels, les industries de 2me
transformation des produits craliers et sucrs bnficient dune croissance de la
production suprieure la moyenne des produits manufacturs. Cet lment est un
indicateur du dynamisme de la branche. La progression des produits de biscuiterie
ptisserie et boulangerie est continue depuis plusieurs annes, cela est probablement
relie au renforcement des industriels suite lapparition de nouvelles concurrences et
lapparition sur le march de nouveaux acteurs particulirement actifs dans le domaine de
la ptisserie industrielle.
L'activit de la biscuiterie industrielle est marque par une certaine saisonnalit de
la demande avec un pic de consommation lors de la rentre scolaire, les enfants tant les
premiers consommateurs de ces produits. En revanche, pendant les mois d't, le ramadan
ou lors des autres ftes religieuses, leur consommation chute au profit des ptisseries
traditionnelles confectionnes par les mnagres marocaines.
Le segment de la ptisserie industrielle longtemps domin par BIMO avec sa
gamme Merendina est devenu fortement concurrentiel avec lapparition de Cahimsa et
Mary Trivi et dans une plus faible proportion de la monte en puissance de Bipan.
C'est pour cela et pour garder sa part dans le march marocain (50%), BIMO doit
assurer une production rgulire de qualit et pour a elle a mis en place un systme de
contrle et d'autocontrle au niveau de chaque tape de la production.

5
 Notre sujet a pour objectif d'optimiser le poids d'enrobage de Merendina Mini, par
l'utilisation d'une mthode statistique qui se base sur lutilisation des plans d'exprience et
plus spcifiquement des plans pour surface de rponse.

6
I- Historique du secteur de la biscuiterie :

7
 1- Biscuit :

Lorigine du biscuit remonte aux civilisations les plus anciennes de Msopotamie.

Il est alors toutefois, difficile de bien distinguer le biscuit du pain, des biscottes et d'autres
produits.

Le mot "biscuit" apparat, pour la premire fois en France, dans un crit dun
chroniqueur du 9me sicle A.D. Il pouvait signifier soit "cuit deux fois" (bis-cuit), soit
"cuit d'avance" (be-cuit). Il servait dsigner de petites galettes dures.
Plus tard, dans lEurope du Moyen Age, le mlange d'pices et de jus de viandes
rendit les "galettes" plus agrables dguster.

Ds cette poque, le biscuit s'affirme comme la nourriture par excellence des

marins. Comme le rappelle lexpression passe depuis dans le vocabulaire courant Ne
pas s'embarquer sans biscuits". Par la suite, le dveloppement de la biscuiterie concide
avec l'essor du commerce maritime entre lEurope, lAfrique, lAmrique et lAsie. Ces
longs voyages en bateaux ncessitent une nourriture se conservant longtemps, facilement,
et trs nergtique. C'est pourquoi le biscuit est sec et compos de farine, sucre, corps
gras, ufs et lait. Tous les grands ports Europens disposent alors dune production
importante de biscuits de mer fournissant sous une forme rduite un apport nergtique
important aux quipages des bateaux.

La naissance de la biscuiterie industrielle est donc lie aux besoins en aliments

de longue conservation des marins et des populations au cours des phases des grandes
dcouvertes qui se sont droules entre le 15me et le 19me sicles. Les biscuits de marin ou
de guerre encore fabrique aujourdhui permettent de fournir sous forme concentre un
lment nergtique base de farine, facile demploi, transportable en tous lieux et dont
le stockage ne pose pas de problme de volume ni sanitaire insurmontables contrairement
aux produits de boulangerie ou de la farine.

Ds le 18me sicle, lessor de la culture grande chelle de la canne sucre dans

les territoires portugais, anglais et franais dAmrique -du sud et du nord- permet aux
villes et aux rgions de ces pays engages dans le commerce avec ces territoires de
disposer dune matire premire en quantit importante. Des villes telles que Nantes ou
Bordeaux en France disposent rapidement de nombreuses sucreries et raffineries ; le
sucre devient alors disponible en quantit et un prix abordable. Les biscuits sucrs tels
que les galettes bretonnes ou les sabls datent de cette priode.

La premire rvolution industrielle qui dbute en Grande Bretagne la fin du 18me

sicle conduit linstallation dusines de plus en plus grandes. Ce phnomne touche tous
les secteurs, il nest donc pas tonnant de voir que l'industrialisation de la biscuiterie
8
commence rellement dans ce pays ds 1815. La croissance rapide de ce secteur
industriel permit au biscuit anglais de connatre une vogue prodigieuse et une extension
considrable. Le biscuit Albert- dnomm ainsi en l'honneur de l'poux de la Reine
dAngleterre Victoria- fut alors un succs mondial export dans tous les pays du monde.

Lessor de la biscuiterie en Angleterre et le dveloppement des nouvelles

technologies en Angleterre et dans les ports franais ne sexplique pas autrement. Le
biscuit a donc t son origine un produit dont les caractristiques nutritionnelles taient
essentielles. Au fur et mesure de lintensification des changes commerciaux
(disponibilits des matires premires tropicales, disponibilits de quantits importantes
du sucre suite lessor des plantations de canne du nouveau monde) et de llvation du
niveau de vie, les biscuits sont passs du statut daliment de rserve nergtique celui
daliment plaisir intgrant de plus en plus de produits sucrs et darmes, de fruits,

La naissance de la biscuiterie Franaise date de 1862 lorsque le fils d'un

boulanger de Bordeaux, Honor-Jean OLIBET, importe en France les procds de
fabrication anglais. De cette poque date aussi la naissance de la socit LEFEBVRE
UTILE (LU) Nantes qui aprs une croissance remarquable au cours du 20me sicle fut
rachet par la socit DANONE en 1990.

Depuis, le march a largement volu, tant sur le plan de la quantit que sur le
plan de la diversit. Les impratifs de la biscuiterie des annes 1990 ne sont plus les
mmes que ceux de la fin du sicle dernier, car la socit a volu. Le biscuit est devenu
un produit nutritionnel qui doit procurer du plaisir au consommateur. La recherche de
fantaisie et de diffrenciation par des formules de plus en plus sophistiques incorporant
des matires premires de plus en plus varies telles que le chocolat, les fruits, les pices
vise flatter la gourmandise du consommateur. Par ailleurs, des produits allgs en
calories ou enrichis en lments nutritionnels (vitamines, minraux, fibres, etc) sont
proposs aux consommateurs soucieux de matriser lapport nergtique de leur
alimentation et nutritionnel. La texture des produits a galement volue ; de dure et
cassante, elle est passe friable et fondante. Lessor rapide des produits de ptisserie
moelleux constat depuis une cinquantaine danne en Europe et une dizaine danne au
Maroc rpond cette logique de recherche de plaisir par le consommateur. L'emballage
est devenu un lment essentiel du marketing de ces produits. On peut rsumer ainsi
lvolution du secteur de la biscuiterie "Le produit d'antan tait impos, aujourd'hui il est
demand."

2- Gaufrettes :

Avant le 12me sicle, on avait dj dcouvert que la pte cuite entre deux pierres
donnait un produit lger et de bon got. Pendant le Moyen ge, les religieux catholiques

prparrent des gaufrettes ornes de symboles religieux. Plus tard, les ptissiers
amliorrent les qualits gustatives des produits obtenus par addition d'ufs, de sel, de
graisse et de lait. Ainsi, les anciennes recettes diffrent peu de celles employes
aujourd'hui.

9
 3- Ptisserie :

La ptisserie a pris naissance une poque, peu prs semblable celle o la

panification fut dcouverte, c'est--dire ds les temps les plus reculs de l'humanit.
L'ide d'incorporer la pte quelques assaisonnements tels que matires grasses et
produits sucrs suffit la crer. Aussi a-t-elle exist de tous temps et chez tous les
peuples, dont beaucoup possdent encore leur gteau national ou plutt leur ptisserie
rgionale.

Dans l'antiquit grecque on rencontrait notamment les beignets, faits de farine de

sarrasin, d'huile et de miel, les galettes, cuites sur le gril et manges chaudes trempes
dans du vin, les tourtes faites de raisins et d'amandes.
Mme en Chine, o il n'est pas fait usage de pain, la ptisserie est dveloppe
avec ses nombreux gteaux base de riz cuit l'eau et ses petits fours secs base de
farine de ssame et de confitures dessches.

En France, le gteau national au Moyen ge fut la fouace, sorte de galette de

farine fleur et de beurre, qui a donn naissance aux gteaux feuillets.
En Angleterre ce furent les puddings base de farine, graisses et raisins, puis les
cakes, si en vogue dans le monde anglo-saxon actuel. La ptisserie orientale, souvent trs
sucre, base de ssame ou damandes reste trs dveloppe et consomme dans tous les
pays du moyen orient et du sud de la mditerrane.

II. PRESENTATION DE LA SOCIETE BIMO

1. Prsentation du groupe ONA :

10
 Fond en 1919, ONA est le premier groupe priv industriel et financier marocain
et la deuxime capitalisation boursire de la bourse de Casablanca avec un capital social
de 1 746 245 000 dhs et un prix de 31 511 collaborateurs et un chiffre daffaires
consolid en 2007 de 32 835 millions de dirhams.

Sa politique de dveloppement lui a permis de se positionner en acteur majeur

dans plusieurs secteurs dactivits stratgiques du pays, ainsi quen partenaire privilgi
des plus grands oprateurs internationaux. Il a acquis un paysage conomique et social.

LOmnium Nord Africain (ONA) est le moteur de lconomie marocaine oprant

au Maroc, en France et en Afrique subsaharienne, il est constitu dun holding et de
socits organises en 5 mtiers stratgiques :

Mines et matriaux de construction

Agroalimentaires et boissons
Relais de croissance : tlcoms, immobilier, nergie, environnement et
technologies de linformation
Activits financires
Distribution

Le secteur de lagro-alimentaire est un mtier traditionnel de lONA, il continue

dafficher une croissance soutenue grce la contribution des filires du Lait, du Sucre et
des Corps Gras, chacune btie sur une forte position de leader sur le march marocain.
Tout en stimulant les activits en amont et en aval de lagriculture et de lagro-industrie,
ces filires contribuent accrotre lefficience industrielle et la capacit innover grce
aux efforts de recherche et dveloppement.

Face une comptition de plus en plus acerbe sur le terrain jusquaux rayons des
moyennes et grandes surfaces, ces filires capitalisent sur la matrise des cots et des
facteurs de production mais aussi sur loptimisation des systmes de distribution. Les
leviers du modle de croissance rentable de ce secteur sont : des produits accessibles, des
marques forte notorit et des systmes de distribution garantissant une large diffusion
des ventes.

Socits oprantes :

Tableau 1 : Socits appartenant au groupe ONA

SECTEUR SOCIETE OPERANTE

11
 Produits laitiers CENTRALE LAITIERE, FROMAGERIES DES DOUKKALAS
Eau SOTHERMA
Biscuiterie BIMO
Corps gras LESIEUR CRISTAL
Produits de la mer LA MONEGASQUE, MAROST
Pche hauturire MARONA
Sucre COSUMAR

LONA adopte une stratgie de diversification chaque fois quun mtier

nouvellement intgr est rapidement satur. Ce qui parat tout fait logique. Il sest dirig
vers de nouvelles activits : technologie, tourisme et de plus en plus vers les services de
collectivits locales.

En effet, il na plus les mmes capacits diriger lensemble des secteurs dans
lesquels il sest engag, do le partenariat actuel avec AUCHAN aprs le refus du vieux
partenaire CONTINENT d largir son rseau de distribution travers le Maroc, le
partenariat avec VIVENDI dans le secteur de lassainissement, leau et llectricit et un
troisime partenariat avec la chane htelire OBERO de lInde dont le but est dlargir
la plate forme touristique de lONA notamment Marrakech.

LONA sest alors dsengag des secteurs du textiles, transport et de

limprimerie car il na pas le savoirfaire dans ces domaines. Ces filiales ont t reprises
par dautres oprateurs.

2. Historique de BIMO :

Ds sa cration en 1981 par Monsieur Driss Meskini Ain Seba, le mot BIMO
(Biscuiterie Industriel de Moghreb) est devenu synonyme de biscuit pour des millions de
petits marocains. Grce son quipe dynamique, ses lignes sophistiques et ses experts,
BIMO a conquis le march et a pu offrir ces petits consommateurs une gamme
diversifie de produits (biscuits, gaufrettes, gnoises ). En 1994, BIMO a largi son
site de production par la constitution dun nouveau site BIMO II , Ain Seba pour
conforter sa place de leader en augmentant sa capacit de production ainsi que sa
possession du march (50% de la part du march). En 1999, pour prenniser son succs et
bnficier de lexprience et du savoir-faire des experts, lentreprise a t cde par son
fondateur aux groupes ONA et DANONE. Les deux entits se partagent le capital parts
gales et entendent bien perptuer grce leur savoir-faire respectif, une russite
exemplaire dans lconomie marocaine. Les produits BIMO sont prsents sur tout le

territoire marocain grce une force de vente dote de moyens importants en marketing
et en transport (Figure 1). Prince de LU rfrence de nombreux enfants europens est
depuis dcembre 2001, produit et commercialis par BIMO. Cest le premier fruit du
partenariat dynamique entre BIMO et DANONE grce au transfert de savoir faire et de
technologie.

12
 Kraft Foods, le gant de l'agroalimentaire est devenu actionnaire majoritaire avec
51% aprs avoir rachet la branche biscuiterie de Danone.

Figure 1 : Rpartition de la distribution des produits de BIMO au Maroc

3. Unit industrielle de BIMO :

BIMO est depuis le dbut des annes 80 synonyme de biscuit pour la majorit des
enfants du Maroc. Un rsultat qui repose sur une innovation permanente et une recherche
constante de qualit. Sur un march longtemps caractris par la cohabitation entre une
biscuiterie locale, bon march mais peu attractive, et des produits dimportations
prsents dans des packaging aguicheurs mais vendus des prix leves, linnovation a
toujours t le parti pris fondamentale de BIMO. Un positionnement rsum par la
formule un enfant, une pice, un biscuit qui aura permis la marque de faire face en
2001 larrive abondante des importations dorigine turque, saoudienne et gyptienne.
Sadressant un public jeune mais de plus en plus expert et exigeant, BIMO a su faire
preuve de crativit pour sduire des consommateurs demandeurs doriginalit et de prix
accessibles.

BIMO est une biscuiterie industrielle qui fabrique des biscuits sucrs et sals, des
gaufrettes et des ptisseries. Le nombre de produits commercialiss est trs important au
niveau du march local, sa production annuelle slve 45 000 tonnes avec 800
ouvriers.

En septembre 1999, BIMO est acquise part gale 50%, et 50% par lONA
(Omnium Nord Africa) et le groupe KRAFT. Cette acquisition a chang le statut de la

socit dune entreprise familiale une socit multinationale au grande perspective et

permettra de dvelopper les activits de BIMO lchelle internationale. Cest une
socit anonyme de droit marocain, qui possde deux units industrielles dotes dun
quipement moderne.

13
 Les produits BIMO sont prsents aussi bien sur le territoire marocain qu
ltranger : le Maghreb, le Moyen Orient, lEurope du Nord (Danemark). BIMO croit de
+ 6% par rapport lan 2000 grce la mise en exploitation dune nouvelle ligne de
ptisserie, leffort accru et optimis de communication sur les marques. En tant
qu'entreprise agroalimentaire, filire du groupe DANONE et sous les tensions de la
mondialisation, devant une clientle de plus en plus exigeante, les besoins volutifs des
consommateurs et la concurrence rude, BIMO sest trouve oblige dadopter une
dmarche qualit. A cet effet, BIMO a lanc en 2000 un vaste programme pour atteindre
une traabilit totale et obtenir les certifications HACCP & ISO 9001 version 2000. Le 3
juillet 2007, Danone confirme la vente de lentreprise LU. Franck

Riboud, le patron de Danone, justifie cette stratgie par le fait que le secteur du
"biscuit", bien que rentable, ait un potentiel de dveloppement plus faible que ceux des
produits laitiers frais et des boissons sur lesquels il veut recentrer son activit. De plus,
ces derniers correspondent mieux limage de produits sant quil entend dvelopper.
Sachant que LU est cd un nouveau gant agro-alimentaire, l'ONA s'est retrouv avec
un nouveau partenaire d'envergure internationale.

BIMO se compose de quatre sections rparties comme le montre la figure ci-dessous :

Figure 2 : Organigramme montrant la rpartition des diffrents sites et sections de

BIMO

Lunit BIMO dispose des laboratoires de contrle pour veiller la bonne qualit
de ses produits. De lamont laval (de la rception jusqu la libration du produit fini),
il y a des contrles qualit qui se font au fur et mesure, pour assurer une production
rpondant continuellement aux normes exiges.

Fiche technique de BIMO

14
 RAISON SOCIAL Biscuiterie Industriel du Moghreb

LOGO

CHIFFRES D'AFFAIRE 537, 1 Million de dirhams

PART DE MARCH 37,1% en valeur

Date de cration 1981

N CNSS 1214125
PRODUCTION Biscuits, gaufrettes, gnoises
CAPACITE DE PRODUCTION 40.000 tonnes /an
EFFECTIF 1431 personnes

DOMAINES D'ACTIVITS Agroalimentaire

Nombre de cadres 49
Nombre des ouvriers 715
Nombre des non cadre 892
Personnels intrimaires 177
ADRESSE Bd. Chefchaouni rue E, route 110 Ain
Seba ,casablanca-maroc

Sige social Twin center

TLPHONE 0522353783/0522353531/0522353555

FAX 0522 35 45 80

SITE WE SITE WEB www.bimo.co.ma

Classement des produits de BIMO

GAMME TYPE PRODUITS

Biscuit sec GOLDEN,BIMO-EXTRA,
15
 COOKIES

Biscuit
Biscuit fourr BIMO
SANDWICH,TANGO,PRINCE
Biscuit enrob
ORANGIS, BISCUIT
CARAMEL, OKEY
Biscuit fourr et
enrob OKEY, PEPITO

Gaufrette sche TONIK, Mini TONIK

Gaufrette enrobe TAGGER

Gaufrette

Gaufrette TAGGER CARAMEL

caramelise

Gnoise fourre et MERENDINA CLASSIQUE,

Gnoise enrobe MERENDINA MINI,

Gnoise fourre, PEPITO ROULE

enrobe et roule

Cake Cake nature GOLDEN MADELEINE

Organigramme de la socit

16
III- La production :

1-Stockage et manutention des matires premires :

17
 Chaque matire premire, aprs l'avoir reu du fournisseur, va subir des tests afin
de confirmer les caractristiques de celle-ci dclares par le bon de rception (contrle
la rception).
Aprs ce contrle la matire premire est stocke dans des bonnes conditions,
puis elle va tre destine vers les chanes de productions.

2 - La production du Merendina : (Gnoise fourre et enrobe)

a) - Prparation de la pte :

Au cours de la production de Merendina, trois types de ptes sont utilises, la pte

de la gnoise, la pte de la crme et celle de chocolat.
Pour prparer une pte, l'opratrice, au niveau de la salle de pese, pse les
ingrdients ncessaires, puis cette matire premire est mlange dans un ptrin selon un
mode opratoire bien dfini (ordre d'ajout des ingrdients, la temprature, et le temps de
ptrissage).

18
 Figure 3 : Prparation des ptes de Merendina

b) - Cuisson :

Aprs filtration de la pte de la gnoise la fin du ptrissage, celle-ci subit une

tape de foisonnement avant d'tre cuite.
Lorsque la pte est transfre vers la foisonneuse sa densit diminue (suite
l'incorporation de l'air), elle passe de 0.80 la fin de ptrissage jusqu' 0.65.
Avec un dbit constant, la pte est pose sur une bande, qui se charge de la
transporter tout au long du four, celle-ci est conue de telle sorte d'tre rsistante la
chaleur de cuisson.

19
 Afin d'viter tout attachement de la gnoise sur la bande aprs cuisson, une huile
vgtale est tale sur la bande.
La pte est cuite en premier lieu d'une faon directe dans la zone 1 (190C), puis
d'une faon indirecte (conviction par l'air) dans la zone 2 (236C) du four, puis le
refroidissement s'effectue l'air atmosphrique. (Cas de Merendina Classique)
Au cours de la cuisson, la pte subit des modifications physico-chimiques. A
une temprature suprieure 100C, il y a dgradation des sucres intrinsques (amidon)
et aussi une oxydation de la matire grasse. En mme temps les protines ragissent avec
les produits de dgradation des sucres et matire grasse selon la raction de Maillard.
Ces ractions sont responsables du dveloppement de la couleur, de la texture et
des flaveurs de la gnoise.

Figure 4 : Etape de cuisson de la pte de la gnoise

20
 c) - Le faonnage et le fourrage :

La pte est coupe longitudinalement sous forme de longues lignes l'aide des
couteaux cylindriques dents, la gnoise est ensuite mouille par des gouttes de sirop,
fourre par ajout de la crme et chaque ligne est renverse sur l'autre.
La gnoise en double couche est coupe transversalement afin d'obtenir des
units de dimensions convenables.

Figure 5 : Etapes de faonnage et de fourrage

d) Enrobage, refroidissement et conditionnement :

La gnoise fourre passe au dessous d'une pompe de chocolat dont le but est d'tre
enrobe, cette tape se droule dans une enrobeuse o il y a plusieurs accessoires et
rglages qui permettent d'ajuster le poids d'enrobage (souffleur, la vitesse de la grille,
coupe queue), ensuite vient une tape de dcoration suivi d'un refroidissement dans un
tunnel a l'aide de l'air froid pour refroidir la face suprieure et de l'eau froide qui permet
de refroidir la face infrieure de la gnoise. Le produit est ensuite emball et stock
jusqu' la livraison.

21
 Figure 6 : Enrobeuse de Merendina mini

Figure 7 : Etapes de refroidissement et de conditionnement

22
 3- Processus de fabrication de biscuit :

Rception et stockage Matires Premires

Prparation Produit semi-Fini

Pese
Prparation produit
Ptrissage pte
intermdiaire

Faonnage

Ajout de sel Dosage

Cuisson
Spray Huile

Ramassage/transfert

Fourrage Dpt caramel/ gele

Refroidissement Refroidissement

Ramassage /transfert

Enrobage vgcao 1

Dpt crispies

Refroidissement

Enrobage vgcao 2

Refroidissement

Ramassage /Conditionnement

Stockage produits finis

Caramel/ orangis Prince Okey B.Sandwich/Tango Biscuit sec Biscuit sal

23
 4- Processus de fabrication de la gnoise :

Rception et stockage Matires Premires

Prparation Produit semi-Fini

Pese

Prparation produit
Ptrissage pte
intermdiaire
Dpt pte

Dcoration
Cuisson

Dcoupe longitudinale

Fourrage

Enroulement

Dcoupe transversale

Enrobage

Refroidissement

Dcoration

Etapes communes
Refroidissement

Ppito roll
Ramassage /Conditionnement
Merendina mini &classique

Stockage produits finis 24

 5- Processus de fabrication de gaufrettes :

Rception et stockage Matires Premires

Prparation

Pese

Prparation produit
Ptrissage pte
intermdiaire
Cuisson

Refroidissement des feuilles

Tartinage

Refroidissement

Dcoupe

Enrobage vgcao 1

Dcoration
Refroidisseme

Refroidisseme Enrobage caramel

nt
Refroidissement

Enrobage vgcao2

Ramassage/ Conditionnement

Stockage produits finis

Tagger /mini tagger Stockage produits finis
25
Gaufrettes caramel Gaufrette sches
6- Processus de fabrication du Cake madeleine : Golden :

Rception et stockage Matires Premires

Prparation Produit semi-Fini

Pese

Prparation des produits

Ptrissage pte intermdiaires

Dpt pte noire

Dpt pte blanche

Cuisson

Fourrage

Dmoulage

Refroidissement

Ramassage /Conditionnement

Stockage produits finis

26
VI Service laboratoire :

Chaque entreprise a pour objectif de produire de la qualit afin de garder sa part

de march et de le faire grandir chaque jour, mais le maintien de la qualit ncessite la
prsence d'un service laboratoire qu'a pour rle de raliser des contrles rigoureux et
priodiques au niveau de chaque tape de la production, de la matire premire jusqu' la
livraison et mme suivre le produit jusqu' le consommateur.
Au niveau de BIMO il existe un systme de contrles et aussi un autocontrle qui
ne dpend pas de laboratoire mais de la production.

1- Autocontrle :

Chaque oprateur au niveau de la production contrle lui-mme les paramtres lis

sa position, par exemple le fournier doit contrler les tempratures des 2 zones du four,
l'humidit et la densit de la pte ainsi que la largeur et l'paisseur de chaque pice de la
gnoise.
L'autocontrle est un plus pour la qualit.

2- Contrle au cours de la production :

Chaque type de produit a ses propres analyses raliser, en fonction de procd de

fabrication et des ingrdients utiliss.

Tableau 2 : Contrle effectus pour chaque tape

Etape de la production Contrle effectuer

Cuisson Poids des feuilles*
Humidit absolue*
Couche de crme noire**
Poids de la plaque*
Activit de leau de la gnoise
pH
Epaisseur
Refroidissement / Dcoupe Largeur*
Longueur*
Poids moyen produit nue*
Enrobage Poids enrobage et dcoration*

Fourrage Poids crme

pH crme
Activit de leau de la crme

* : au cas de non-conformit on procde un rejet de produit

** : au cas de non-conformit on procde un rglage de paramtres

27
 3- Contrle de produit fini :

Voici quelques contrles raliss concernant le produit fini :

Tableau 3 : Donnes vrifier sur le produit fini

Etape de la production Contrle effectuer

Conditionnement Numro de lot du carton*
Date du paquet*
Poids inferieur au poids net
demballage*
Poids produit*
Humidit produit fini*

Les paramtres quantitatifs, au niveau de chaque tape de la production, sont

contrls l'aide des cartes de contrle o il y a des intervalles de tolrance qu'il ne faut
pas dpasser, lorsque le paramtre atteint un niveau suprieur au seuil de tolrance,
l'oprateur procde un rglage mais lorsque ce paramtre dpasse une limite critique, le
produit doit tre rejeter.

28
29
A-INTRODUCTION
:
Devant le souci augment des entreprises damliorer la qualit des produits
fabriqus ou en vue de cration, les industriels accordent ces dernires annes une place
importante l'organisation des essais exprimentaux.
La dmarche traditionnelle consistant faire varier un paramtre du systme et
faire fixer les autres, tait base sur le savoir faire et la comptence de l'exprimentateur,
ce qui engendrait un nombre important dessais et un temps considrable pour atteindre
parfois des rsultats difficilement interprtables.
Aujourdhui, selon les exigences du client sur le plan qualit d'une part et la
course des entreprises vers des rductions des cots de dveloppement d'autre part, les
entreprises ncessitent l'utilisation d'une approche scientifiquement rigoureuse "plan
d'expriences" aussi appel une "stratgie d'expriences".

1- Dfinition des plans dexpriences :

Selon la [Norme ISO 3534-3]:

Les plans d'expriences : constituent essentiellement une planification d'expriences,

afin d'obtenir des conclusions solides et adquates de manire efficace et conomique.

Dfinition :

Cest une srie dessais dtermine partir dune approche statistique, employe
pour dterminer le meilleur ensemble de donnes prlever pour concevoir un plan avec
le minimum dessais, le maximum de facteurs (paramtres) et un minimum derreur, sur
la base dun modle postul.
De manire gnrale, la mthode de plan dexpriences cherche dterminer et
tablir les liens existants entre 2 variables:
- La rponse : variable quantitative ou qualitative gnralement appele fonction
objective.
- Les facteurs : variables senses dinfluer sur la variation de la rponse.
Leurs valeurs varient entre borne suprieure (niveau haut) et borne infrieure (niveau
bas).
L'ensemble de toutes les valeurs que peut prendre le facteur entre le niveau bas
et le niveau haut, s'appelle le domaine de variation du facteur.

30
 2- Historique :

La mthode des plans d'expriences n'est pas une technique nouvelle. Elle date en
fait du dbut du sicle avec les travaux de FISHER (1925). Les premiers utilisateurs de
ces mthodes furent des agronomes qui ont vite compris l'intrt des plans d'expriences
et notamment, la rduction du nombre d'essais en tudiant de nombreux paramtres. Il
tait donc indispensable de rduire le nombre d'essais sans perdre la prcision et d'tre
capable de planifier d'une faon formelle la campagne d'essais. Mais cette technique est
reste relativement confidentielle et n'a pas russi pntrer de faon significative le
secteur industriel occidental avant les annes soixante dix.
Annes 1960: les travaux du Docteur TAGUCHI au Japon pour que les plans
d'expriences pntrent les usines. TAGUCHI, avec le pragmatisme qui caractrise les
japonais, a su simplifier et clarifier l'utilisation des plans d'expriences. Son apport est
considrable et la diffusion grande chelle de ses travaux aux Etats-Unis date de la fin
des annes soixante dix.
Annes 1980: introduction des mthodes TAGUCHI dans les compagnies occidentales,
dveloppement dinformatique et gestion de la qualit.
Au cours des ces dernires annes, la mthode des plans d'expriences s'est impose
l'ensemble des industriels. La prcision des rsultats obtenus, la pertinence des
informations apportes par cette mthode contribuent son dveloppement actuel dans
tous les secteurs d'activits.
La mthode une fois comprise, constitue une tape irrversible dans la carrire du
technicien qui ne pourra plus envisager de raliser des essais sans utiliser un plan
d'expriences.

3- A quoi sert un plan d'expriences ?

Un plan d'expriences est un outil d'aide l'amlioration de la qualit.

Lorsquon est confront un problme complexe, de multiples paramtres sont

susceptibles d'influer sur le systme tudi. La performance quon cherche atteindre est
caractrise par une ou plusieurs rponses.
Ce type de problme peut tre schmatis par une bote noire :

Figure 8 : Boite noire

31
 Le plan d'expriences sert mettre en vidence et quantifier l'influence des
paramtres pris en compte, pour cela, tous les industriels doivent se poser quelques
questions, lorsquils mettent en uvre une srie d'essais physiques ou une srie de calculs
numriques :

Quelle stratgie d'essais adopter pour arriver rapidement aux rsultats attendus?
N'existe-t-il pas de meilleures stratgies que d'autres?
Quel est le nombre minimum d'essais qui doivent tre raliss pour arriver aux
rsultats?
Ne peut-on pas viter de raliser des essais inutiles?
Comment amliorer la prcision des rsultats?

La mthode des plans d'expriences apporte une mthodologie pour rpondre

ces questions. Cette mthodologie sans quivalent permet d'atteindre une meilleure
connaissance du systme observ par la ralisation d'un " minimum " d'essais et un
maximum de prcision.

4- Avantages des plans dexpriences :

Les avantages de la mthode par rapport une mthode d'exprimentation

traditionnelle sont nombreux, notamment :

Moins d'essais ;
Une stratgie d'essais : essais planifis ;
Prcision et optimisation facile des rsultats ;
Fiabilit et reproductibilit des rsultats ;
Interprtation graphique simple ;
Rvlation d'interactions entre paramtres ;
Conclusions fiables ;
Amlioration de la qualit des produits et des procds ;
Optimisation du nombre, du temps et du cot des essais ;
Capitalisation du savoir-faire.

5- Domaines dapplication :

Les plans d'expriences s'appliquent tous les domaines :

en sciences physiques ;
en ingnierie ;
en sciences mdicales ;
en sciences humaines ;
Recherche et Dveloppement des produits et procds industriels ;
Qualit.

32
 Et en particulier aux cas suivants :

Etudes techniques avec dtermination des tolrances ;

Optimisation de processus ;
Etude des moyens de fabrication ;
Essais de mise au point ;
Essais d'endurance ;

6- Catgories des plans dexpriences :

Les plans sont rpartis en diffrentes catgories :

Plans de criblage :

Ces plans sont conus pour dterminer les facteurs les plus importants affectant
une variable de rponse. La plupart de ces plans utilisent des facteurs deux niveaux
uniquement. Ces facteurs peuvent tre quantitatifs ou qualitatifs.
Parmi les plans proposs : plans factoriels 2 niveaux, plans factoriels niveaux
mixtes et plans factoriels fractionnaires.

Plans en surface de rponse :

Le problme consiste connatre en n'importe quel point du domaine

exprimental la valeur d'une ou plusieurs proprits. L'objectif est de trouver des
conditions exprimentales optimales pour une proprit tudie ou de dterminer une
zone de compromis acceptable entre les objectifs sur diffrentes proprits (jusqu' 20).
Cette recherche passe par l'utilisation d'un modle mathmatique empirique pour
reprsenter chaque rponse dans le domaine exprimental. Le modle polynomial retenu
est soit du premier degr soit du second degr.
Ces plans utilisent au minimum 3 niveaux pour les facteurs exprimentaux.
Parmi les plans proposs : plans centrs composites, plans de Box- Behnken, plans
factoriels 3 niveaux

Plans de mlanges :

Cest ltude de l'influence des quantits relatives de plusieurs constituants sur les
manifestations d'un phnomne physico-chimique adapts aux facteurs dpendants.

Plans factoriels complets/fractionnaires :

Plans factoriels complets : toutes les combinaisons des niveaux de facteurs sont
prsentes.
Plans factoriels fractionnaires : tous les niveaux de chaque facteur sont prsents,
mais pas toutes les combinaisons possibles de facteurs.

33
7- Dmarche mthodologique :

La mise en uvre d'un plan d'exprience pour tudier la surface de rponse d'un
systme exprimental et trouver un optimum peut se rsumer selon la procdure suivante:

Dfinir le problme tudier;

Slectionner la ou les rponses et les facteurs contrlables;
Dfinir le domaine exprimental, en fixant les niveaux des facteurs slectionns;
Choisir un modle;
Choisir un plan d'exprience tenant compte des conditions propres au problme
traiter;
Raliser les essais;
Traiter les donnes par un logiciel adquat;
Interprter la validit du modle postul et la significativit des coefficients;
Slectionner les coefficients significatifs si le modle est valid;
Prdire les niveaux des facteurs l'optimum;
Faire un essai complmentaire en appliquant les valeurs optimales des facteurs
pour valider les conclusions.

8- Slection des facteurs et choix de leurs niveaux :

8.1/ Choix des facteurs :

Cette tape est trs importante. En effet, l'oubli d'un facteur important peut faire
chouer le plan. C'est pourquoi la prsence des personnes comptentes au sein du groupe
de travail est ncessaire. Dans le milieu industriel, la stratgie prconise consiste
augmenter le nombre de facteurs. En effet, plus le nombre de facteurs est grand, plus les
possibilits de "rglage" sont nombreuses.

8.2/ Choix des niveaux des facteurs :

Un niveau correspond une valeur ou un tat que l'on donne au facteur :

Un plan classique comporte 2 niveaux par facteur, mais on peut dfinir
3 ou 4 (voire 5) niveaux par facteur en sachant que plus il y a de niveaux, plus il y a
d'expriences et que le cot augmente.
Le choix des niveaux tant technique, l'avis des techniciens est indispensable.
Si des facteurs concernent des rglages, on peut utiliser les valeurs habituelles de
ces rglages.
Si des non linarits existent dans l'volution de la cible, il est prfrable de
choisir plusieurs niveaux pour les facteurs (au moins 3).
La diffrence entre les niveaux doit tre suffisamment discriminative pour qu'un
changement de niveau puisse produire une variation dans la rponse.

34
B- Outils et principe de la mthode :

1- Rgression linaire multiple :

La rgression linaire multiple est une mthode danalyse de donnes

quantitatives. Elle met en vidence le lien entre une variable dite explique , que lon
note Y, et plusieurs variables explicatives que lon note X1, X2, X3, ., Xk, le modle
algbrique linaire qui permettra destimer la valeur de Y pour une combinaison
quelconque des variables Xi est :

aij : sont les coefficients du modle calculer, ils donnent leffet de chaque facteur et de
chaque interaction sur la rponse.
Ce modle empirique permet de tirer des conclusions sur les facteurs et sur les rponses,
il permet de dterminer :

Les effets des facteurs qui sont influent et ceux qui ne sont pas influents sur les
rponses.
Sil y a des interactions sur les rponses.
Les valeurs des facteurs afin doptimiser les rponses.

1.1/ Effet dun facteur :

Leffet global dun facteur reprsente linfluence du facteur sur la rponse quand
il passe du niveau 1 au niveau +1.
Leffet moyen dun facteur reprsente linfluence du facteur sur la rponse, quand
il passe du niveau moyen (niveau 0) au niveau +1, ou du niveau 1 au niveau 0.
Leffet moyen dun facteur nest rien dautre que la moyenne des rponses,
auxquelles on a affect les signes de la colonne du facteur tudi.
Au niveau haut dun facteur (niveau +1) la moyenne est donc :

Avec :
yi : les rponses au niveau haut (+1) du facteur.
n : le nombre de rponses au niveau haut du facteur.

35
Au niveau bas dun facteur (niveau -1) la moyenne est donc :

Avec :
yj: les rponses au niveau bas (-1) du facteur.
m: le nombre de rponses au niveau bas du facteur.
Leffet global dun facteur est alors donn par la diffrence entre ces deux grandeurs :

Leffet moyen E dun facteur est la moiti de leffet global :

1.2/ Ralisation du test de signification des effets :

Le test utilis est le test de Student t . Un effet sera dit significatif (c'est--dire
que la variable ou l'interaction qui lui est associe a une influence sur la rponse), s'il est
et pour un risque donn, significativement diffrent de 0 et on teste l'hypothse suivante :
Hypothse H0 = << ai = 0>> ; Contre hypothse H1 = << ai 0>>.

Pour cela, on calcule :

O :
ai = Coefficient du modle
si = Variance de lensemble des effets donns par la relation
:

36
s : variance commune des rsidus :

ei = y -
ei : le rsidu
y : rponse exprimentale
: rponse estime par le modle.

On utilise alors la table de Student = n - p degrs de libert (n est le nombre

d'expriences ralises et p le nombre d'effets y compris la constante).On choisit un
risque de premire espce (le plus souvent 5% ou 1%) et on lit dans la table de Student
la valeur tcrit(, ), en utilisant la partie de la table relative un test bilatral. Alors la
rgle du test est la suivante :

Si ti > tcrit(, ), on rejette H0 au risque accept.

Si ti < tcrit(, ), on accepte H0 au risque accept.

Si l'hypothse H0 est accepte, cela veut dire que l'effet en question n'est pas, au
risque , significativement diffrent de 0 et donc la variable qui lui est associe n'a pas
d'influence sur la rponse.

2- Validation statistique du modle :

Aprs la dtermination des coefficients, ltape qui suit consiste valider

statistiquement le modle obtenu. Cela se fait par un processus statistique qui dbute par
lanalyse de la variance.

2.1/ Analyse de la variance :

Lanalyse de variance (ANOVA) est un outil qui consiste comparer l'aide d'un
test de Fischer F la somme des carrs des carts, due uniquement la rgression
(modle Vreg ), avec la somme des carrs des rsidus Vres .
Avec ces notions, on introduit un vocabulaire spcifique l'analyse de variance,
en notant :

Yi : les rponses observes lors de la ralisation des expriences ;

Yi est : la rponse estime l'aide du modle linaire ;
Ymoy : la moyenne des rponses.

37
 On dfinit alors trois types de "variations" :

La variation due la liaison linaire : SCEL = (Yi est - Ymoy ) 2

SCEL : Somme des Carrs des Ecarts dues la Liaison

La variation rsiduelle : SCER = (Yi - Yi est ) 2

SCER : Somme des Carrs des Ecarts des Rsidus

La variation totale : SCET = SCEL + SCER

SCET : " Somme Totale des Carrs des Ecarts".

On dfinit de plus un "carr moyen" qui est le quotient d'une somme de carrs par
son degr de libert :

SCEL (ou SCEC) aura (p - 1) degrs de libert (p est le nombre de coefficients estims
partir du modle) ;
SCER aura (n - p) degrs de liberts (n est le nombre d'expriences ralises) ;
SCET aura (n - 1) degrs de libert.

En outre, on note CML le carr moyen associ SCEL, et CMR le carr moyen associ
SCER.

Le tableau de l'analyse de variance se rsume alors de la faon suivante :

Tableau 4 : Rsum de l'analyse de la variance

38
 Le test de Fisher F permet alors de comparer pour un risque fix l'avance le
Fobs (Vreg /Vres), que l'on a calcul dans le tableau prcdent, avec Fcrit (critique) lu
dans la table de Fisher-Snedecor avec (p-1) et (n - p) degr de libert.

Le test statistique (ANOVA1) se prsente comme suit :

Hypothse H0 : " les deux sommes des carrs moyens sont de mme grandeur" ce qui
prouve que la rgression n'est pas significative.

Hypothse H1 : "le carr moyen d la rgression est significativement plus grand

que le carr moyen d aux rsidus" donc la rgression est globalement significative.

Alors, la rgle du test pour un risque choisi est:

Si Fobs < Fcrit, on accepte l'hypothse H0.

Si Fobs > Fcrit, on accepte l'hypothse H1.

La variance (ANOVA2) consiste aussi comparer l'existence ventuelle d'un

dfaut d'ajustement, cest--dire comparer la variance due lerreur du modle (VLOF)
la variance due lerreur pure (VPE).Afin de pouvoir effectuer ce test, il faut qu'au moins
une des expriences ait t duplique.

Le test statistique se prsente comme suit :

Hypothse H0 : VLOF VPE (Le modle ne prsente pas un dfaut d'ajustement, il

est prdictif).
Hypothse H1 : VLOF > VPE (Le modle prsente un dfaut d'ajustement, il n'est pas
prdictif).

Alors, la rgle du test pour un risque choisi est:

Si VLOF VPE, on accepte l'hypothse H0.

Si VLOF > VPE, on accepte l'hypothse H1.

39
 2.2/ Coefficient de corrlation R2 :

Le coefficient de corrlation de la rgression multiple au carr, mesure la quantit

de la variation autour de la moyenne explique par le modle. Il indique la qualit de
l'ajustement du modle aux valeurs exprimentales, Il est gal :

R2 = (1 - (SCER/SCET))

Il ne peut prendre que des valeurs comprises entre 0 et 1.

Tous ces paramtres cits, sont utiliss dans le cadre de la validation statistique du
modle adapt au phnomne tudi, nanmoins la meilleure vrification de ce modle
est de laffronter la ralit, en vrifiant si les conditions optimales donnent la mme
rponse que celle prdite par le modle.

C- Contribution l'optimisation de poids d'enrobage du Merendina mini :

Introduction :
Le poids d'enrobage est l'un des paramtres importants matriser au cours de la chaine
de production de Merendina. L'tape d'enrobage s'effectue au niveau de l'enrobeuse, o il
y a plusieurs facteurs et rglages qui permettent de contrler le poids d'enrobage par
pice, voici un schma de cette machine :

Figure 9 : Schma explicatif de l'enrobeuse de Merendina mini

40
Le but de ce travail est de ralis une quation qui va permettre de relier entre les facteurs
importants influant le poids d'enrobage au niveau de l'enrobeuse et celui-ci.
L'quation permet de tracer une surface de rponse donnant ainsi une visualisation claire
de l'volution de la rponse (poids d'enrobage) en fonction des facteurs choisis, et l'aide
de la spcification donne (6.7g <Y< 7.25g), on peut chercher les rglages optimale qui
permettent d'atteindre l'objectif (minimiser le poids d'enrobage) sans altr la qualit du
produit.

Le logiciel NEMRODW ma permis de traiter les diffrents rsultats trouvs.

1/ PROBLEMATIQUE :

Le Vegecao est un produit semi fini utilis pour l'enrobage de la gnoise, il

contient comme ingrdients, une graisse vgtale, du cacao en poudre, du sucre glac, du
sel et de la lcithine. Notre travail consiste contribuer l'optimisation du poids de se
produit au cours de l'enrobage sans altr la qualit du produit fini.
Cette optimisation (minimisation) va permettre de rduire le cot de
consommation du Vegecao, car la lcithine et le cacao en poudre sont des matires
importes donc leurs prix varient en fonction de march international ce qui est une
problmatique pour la socit

2- Dmarche de travail : (Nous avons t en position d'oprateur de l'enrobeuse)

Nous avons procd raliser les essais dans l'ordre du tableau, suivant les tapes ci-
dessous :
1- Nous avons pris 12 pices (une range) de la gnoise fourre, nous les avons
pes, et nous avons not le poids total de la range (exemple : 168 g)
2- Nous avons pris cette range et nous l'avons remis dans la chaine de production,
mais il faut marquer ces pices de gnoise fourre pour ne pas les perdre la
sortie de tunnel de refroidissement.
3- Nous avons procd raliser les rglages au niveau de l'enrobeuse selon le
numro de l'essai dans le tableau.
(Exemple : essai 2 : souffleur : 3, vitesse de la grille : 4 cm/s, dbit de la pompe:
1.5 cm3/s et le coupe-queue on position Off (position 2)).
4- Nous avons laiss passer notre range dans l'enrobeuse avec les rglages
effectues, puis nous l'avons rcupr la sortie de tunnel de refroidissement.
5- Nous avons pes les pices de la gnoise fourre, enrobe et dcore. Et nous
avons not le poids total de la range (12 pices). (exemple : 210g)

Le poids d'enrobage d'une pice = PTGE - PTGF

12

PTGE : poids total des pices de la gnoise enrobe

PTGF: poids total des pices de la gnoise fourre
41
 a) Liste des facteurs :

Le poids d'enrobage de Merendina Mini varie en fonction premirement de la

densit et la temprature de chocolat d'enrobage, ensuite en fonction des paramtres du
gnoise enrober (la densit, l'paisseur, la texture.), et pour garder le poids
d'enrobage dans une intervalle de tolrance, on contrle ce paramtre avec des rglages
situs au niveau de l'enrobeuse (souffleur, pompe de chocolat, coupe queue,
vibreur).

b) - Criblage des facteurs :

Cette tape consiste choisir parmi les facteurs potentiellement influant ceux qui
le sont effectivement. Mais au cours de notre travail on a choisi les facteurs qu'on a pu
contrler facilement et on a fix ceux qui sont difficile contrler.
Le choix des facteurs a t fait en fonction des attentes de l'entreprise puisque ces
facteurs sont ceux les plus utiliss pour contrler le poids d'enrobage.

La puissance du souffleur
La position de la coupe queue
La vitesse de la grille
Le dbit de la pompe du Vegecao

3- Rsultats de LEtude dOptimisation :

a- Plan de surface de rponse :

Les plans de surfaces de rponse permettent d'tablir des modles mathmatiques

de second degr. Ils sont utiliss pour les variables continues. Ces plans sont utiles
chaque fois que l'on se trouve prs d'un maximum ou d'un minimum.

b- Choix du domaine de variation :

Un niveau correspond une valeur ou un tat que l'on donne au facteur :

Un plan classique comporte 2 niveaux par facteur, mais on peut dfinir 3 ou 4 (voire 5)
niveaux par facteur en sachant que plus il y a de niveaux, plus il y a d'expriences et que
le cot augmente.
Le choix des niveaux tant technique, l'avis des techniciens est indispensable
Si des facteurs concernent des rglages, on peut utiliser les valeurs habituelles de ces
rglages.
Si des non linarits existent dans l'volution de la cible, il est prfrable de
choisir plusieurs niveaux pour les facteurs (au moins 3).
La diffrence entre les niveaux doit tre suffisamment discriminative pour qu'un
changement de niveau puisse produire une variation dans la rponse.

42
 Notre choix s'est port sur un plan pour surface de rponse : Plan de Doehlert.

Tableau 5 : Niveaux des facteurs

Facteurs Centre Pas de variarion Unit

X1 Puissance du souffleur 2 1 position
X2 Vitesse du tapis 4 1 cm/s
X3 3
Dbit de la pompe 1.5 0.5 cm /s
X4 La position du coupe-
queue 2 1 position

Les intervalles de chaque facteur sont choisis de telle sorte de ne pas altrer la
production.

Remarque : le coupe-queue est un cylindre qui permet par rotation de gratter l'excs de
chocolat en bas de la gnoise.

c- Modle mathmatique :

Les plans de DOEHLERT permettent, quelque soit le nombre de paramtres

variables, dobtenir un modle partir de peu dexpriences. Les points dexpriences de
ce plan remplissent de manire uniforme lespace exprimental ce qui donnent de bonnes
proprits de squentialit.

Le modle mathmatique postul est un modle quadratique de second

degr avec interactions :

Y= a + a X + a X + a X + a X + a X X + a X X + a X X + a X X + a X X +
0 1 1 2 2 3 3 4 4 12 1 2 13 1 3 23 2 3 14 1 4 34 3 4
a X X + a X + a X + a X + a X
24 2 4 11 1 22 2 33 3 44 4

43
 d-Plan d'expriences :

La matrice de DOEHLERT est monte de telle faon que :

- Le premier facteur X (Puissance du Souffleur) prend 5 niveaux (1 ; -1 ; 0.5 ; -

1
0.5 et 0);

- Le deuxime facteur X (Vitesse de la grille) prend 7 niveaux (0 ; 0.866 ; -0,866

2
; 0.289 ; -0.289 ; 0.577 ; -0.577) ;

- Le troisime facteur X (Dbit de la Pompe) prend 7 niveaux (0 ; 0.866 ; -0,866 ;

3
0.289 ; -0.289 ; 0.577 ; -0.577) ;

- Le quatrime facteur X (Position du Coupe-queue) prend 3 niveaux (0; 0.791; -

4
0.791)

Chaque essai dans la matrice d'exprience reprsente un point dont les

coordonnes reprsentent son position dans le rseau de Doehlert. Ce rseau se construit
partir d'un simplex.

Pour chaque facteur, il faut soustraire successivement les coordonnes de chaque

point tous les autres et ne conserver que les points distincts.

Le plan d'exprience est obtenu en remplaant les valeurs centres rduites par
les valeurs relles de chaque facteur. On procde ensuite une randomisation afin de
rendre l'ordre des essais alatoire dans le but de limiter l'effet des facteurs bruits.

Aprs tablissement du plan d'exprience, on commence la ralisation des essais

dans l'ordre et on note la valeur de poids d'enrobage obtenue pour chaque exprience.

Voici au dessous le tableau qui regroupe tous les essais effectus ainsi que les
rponses de chaque essai :

44
 Tableau 6 : Plan d'expriences

NExp Randomisation Souffleur Vitesse grille Dbit pompe Coupe queue Poids
denrobage
position cm/s cm3/s position gramme

1 1 3 4.00 1.50 2 9.40

2 2 3 4.00 1.50 2 9.44
3 3 1 4.00 1.50 2 7.47
4 4 1 4.00 1.50 2 7.40
5 5 3 4.87 1.50 2 8.47
6 6 3 4.87 1.50 2 8.39
7 7 2 3.13 1.50 2 7.32
8 8 2 3.13 1.50 2 7.25
9 9 3 3.13 1.50 2 10.49
10 10 3 3.13 1.50 2 10.50
11 11 2 4.87 1.50 2 7.23
12 12 2 4.87 1.50 2 7.20
13 13 3 4.29 1.91 2 9.98
14 14 3 4.29 1.91 2 9.93
15 15 2 3.71 1.09 2 7.24
16 16 2 3.71 1.09 2 7.29
17 17 3 3.71 1.09 2 9.89
18 18 3 3.71 1.09 2 9.69
19 19 2 4.58 1.09 2 7.40
20 20 2 4.58 1.09 2 7.45
21 21 2 4.29 1.91 2 7.20
22 22 2 4.29 1.91 2 7.27
23 23 2 3.42 1.91 2 7.72
24 24 2 3.42 1.91 2 7.60
25 25 3 4.29 1.60 3 9.95
26 26 3 4.29 1.60 3 9.92
27 27 2 3.71 1.40 1 7.56
28 28 2 3.71 1.40 1 7.48
29 29 3 3.71 1.40 1 8.83
30 30 3 3.71 1.40 1 8.82
31 31 2 4.58 1.40 1 7.76
32 32 2 4.58 1.40 1 7.80
33 33 2 4.00 1.81 1 7.95
34 34 2 4.00 1.81 1 7.84
35 35 2 4.29 1.60 3 7.17
36 36 2 4.29 1.60 3 7.16
37 37 2 3.42 1.60 3 7.53
38 38 2 3.42 1.60 3 7.42
39 39 2 4.00 1.19 3 7.90
40 40 2 4.00 1.19 3 7.95
41 41 2 4.00 1.50 2 7.90
42 42 2 4.00 1.50 2 7.87
43 43 2 4.00 1.50 2 7.81

45
 e-Rsultats obtenus :

e-1 Analyse de la variance :

Lanalyse de la variance (ANOVA : Analysis Of Variance) nous permet de savoir

si le modle est globalement explicatif sur lensemble du domaine dtude. Il existe de
types dANOVA :

- ANOVA1 : analyse de la variance 1, est effectue pour tester leffet des rsidus.
- ANOVA2 : analyse de la variance 2, est ralise pour tester la validit du modle.

En effet, nous avons effectu une analyse de variance sur les rsultats que nous
avons obtenus partir de lexcution du plan de DOEHLERT. Le tableau suivant
reprsente cette analyse.

Source de Somme des Degrs de Carr moyen Rapport Signif

variation carrs libert
Rgression 45.9402 14 3.2814 1102.5643 < 0.01 ***
Rsidus 1.0820 28 0.0386
Validit 1.0195 7 0.1456 48.9354 < 0.01 ***
Erreur 0.0625 21 0.0030
Total 47.0222 42
Tableau 7 : Analyse de la variance

Le test de signification de lANOVA 1 (Rgression) est infrieur la valeur

thorique 1%. Donc lanalyse de la variance montre clairement que la rgression
explique bien le phnomne tudi avec un degr de confiance de 99%, donc le modle
est explicatif.
L'ANOVA 2 (validation) a une signification infrieure 1%, donc le modle n'est
pas prdictif.

e-2 Coefficient de corrlation R2 :

La rgression a donn un coefficient de corrlation multiple gale 0.977 et un

coefficient de corrlation multiple ajust gale 0.965, ce qui montre que la rponse est
fortement corrle avec les facteurs.
Ecart Type de la rponse 0.055
R2 0.977
R2A 0.965
Tableau 8 : Coefficient de corrlation

46
Selon R : le modle permet de dcrire 97.7% de systme
Selon RA: l'ajustement du modle est de 96.5%

e-3 Etude graphique des rsidus : (selon la droite d'henry)

Figure 10 : Droite d'Henry

Ce type de graphe est utilis pour vrifier si un ensemble de valeurs suit une
distribution normale. Cette vrification se fait uniquement de faon visuelle.

Daprs le graphe ci-dessus, on remarque que toutes les valeurs des rsidus
salignent bien sur la droite de Henry et suivent une distribution normale, la distribution
des valeurs des rsidus autour de la droite dHenry semble bonne.
Donc, la distribution semble suivre une loi normale.

e-4 Estimations et statistiques des coefficients :

Le tableau ci-dessous, donne la signification des coefficients en effectuant un test de

signification :

47
 Tableau 9 : Signification des coefficients

Nom Coefficient Signif. %

b0 7.616 < 0.01 ***
b1 1.175 < 0.01 ***
b2 -0.065 0.750 **
b3 -0.020 35.9
b4 -0.113 < 0.01 ***
b11 0.994 < 0.01 ***
b22 -0.455 < 0.01 ***
b33 -0.061 11.2
b44 -0.031 17.0
b12 -1.121 < 0.01 ***
b13 0.540 < 0.01 ***
b23 -0.253 < 0.01 ***
b14 0.908 < 0.01 ***
b24 -0.485 < 0.01 ***
b34 -0.562 < 0.01 ***

D'aprs le tableau, les coefficients sont significatifs et le modle mathmatique trouv est :

Y= 7.616 + 1.175X1 0.065X2 0.020X3 0.113X4 + 0.994X1 - 0.455X2 - 0.061X3

- 0.031X4 - 1.121X1X2 + 0.540X1X3 0.243X2X3 + 0.908X1X4 0.485X2X4
- 0.562X3X4

e-5 Etude graphique :

A l'aide de la fonction de dsirabilit, on a cherch les conditions optimales des

facteurs X1 (Souffleur) et X4 (Coupe-queue) qui sont, dans cette tude, des facteurs
qualitatifs.
On a pu dterminer les rsultats optimaux lorsque ces facteurs sont fixes au niveau :
X1 = -1
X2= +1
Le graphe suivant montre le domaine qui permet d'atteindre la spcification donne ( 6.7g
< Y < 7.25g ).
La zone blanche prsente le domaine d'acceptation.
48
Figure 11 : Variation de la dsirabilit dans le plan : dbit pompe, vitesse
(grille FACTEURS FIXES : - souffleur = 1 position - coupe queue = 3 position)

Nous avons trac la vitesse de la grille en fonction du dbit de la pompe, les facteurs
qualitatifs (le souffleur et le coupe-queue) sont fixs respectivement en position 1 et en
position 3 (conditions optimales pour ces deux facteurs).
Nous avons ensuite pass la fonction de dsirabilit pour mieux visualiser le domaine
d'acceptation (c'ad, une rponse 6.7g < Y < 7.25g) qui est la zone blanche, tandis que la
zone bleue, est la zone o le poids d'enrobage est non acceptable.
La modlisation qui nous avons fait, va permettre d'optimiser l'utilisation de Vegecao
dans l'tape d'enrobage, et elle va permettre aussi en cas de validation du modle
(ANOVA2) de prdire les rponses en n'importe quel point du domaine exprimentale
pour des niveaux des facteurs dsirs ou bien de prdire les niveaux des facteurs pour une
rponse dsire.

49
 e-6 Validation du modle par des points test :

On a effectu 3 points test et on a compar les rsultats exprimentaux avec ceux

prdits par le modle.
Les rsultats de ces essais sont regroups dans le tableau suivant :

Vitesse du Dbit de la Coupe- la

Souffleur tapis pompe queue Yexp Ycalc diffrence
Essai 1 3 4.87 1.5 2 8.47 8.4 0.07
Essai 2 3 3.71 1.09 2 9.69 9.57 0.12
Essai 3 2 4.58 1.4 1 7.76 7.7 0.06
Tableau 10 : Points tests pour la validation du modle

On voit clairement que la diffrence entre les valeurs exprimentales et les valeurs
prdites par le modle est faible, donc le modle est valid exprimentalement.
A terme de cette tude, nous avons pu mettre au point un ensemble de rglages
des paramtres de l'enrobeuse afin de rester dans le domaine d'acceptation qui est de :
6.7g < Y < 7.25g
Ltude a pu livrer un modle mathmatique quadratique valid
exprimentalement et vrifi.

Donc nous avons pu trouver un domaine d'acceptation (la zone blanche) o les
spcifications de poids sont respectes, nous avons aussi trouv un modle explicatif,
mais nous n'avons pas pu trouver un modle prdictif.
La non validation statistique du modle est d en premier lieu au mauvais choix
du plan d'exprience (prsence de deux facteurs qualitatifs), ainsi qu'au grand nombre de
facteurs bruits qui ont influenc la rponse d'une faon ngative.

50
Afin de garder sa part dans le march, chaque entreprise agroalimentaire cherche
minimiser les charges au cours de la production pour augmenter le bnfice, mais sans
altrer la qualit des produits.
La plupart des matires premires importantes utilises au cours de la production par les
industriels agroalimentaires, sont importes du march international qui subit des
variations des cots tel que le cas de la Lcithine et du Cacao en poudre qui sont
utilises dans la fabrication du Vegecao (le produit d'enrobage) et qui sont importes du
march international.
Pour cette raison, nous avons cherch minimiser le poids d'enrobage et par consquence
le cot du Vegecao utilis.
Pour atteindre cet objectif nous avons eu recours aux plans d'expriences qui nous ont
permis de trouver une relation (sous forme d'une quation) entre les facteurs de
lenrobage et le poids de cet enrobage.
A l'aide de cette quation, on a pu dterminer l'intervalle sur lequel on ne va pas dpasser
le poids de spcification ( 6,7 g<Y < 7,25 g).
Les plans d'expriences sont un outil statistique trs important qui permettent de rduire
le cot, le temps et de tirer beaucoup de conclusions.

51
 Rfrences bibliographiques

1)- Goupy-34 (document PDF) " les plans d'expriences".

2)- Cours "conduire et contrler la fabrication de produits de cuisson craliers" ddi
aux techniciens spcialis en IAA l'OFPPT Complexe de formation agroalimentaire et
plasturgie de Casa.

3)- www.wikipdia.com

4)- Cours sur les plans d'optimisation et plans de mlange 2009-2010 Pr M. ELASRI.

5)- Mmoire de fin d'tude pour l'obtention de diplme de Master sciences et techniques
Intitul "Optimisation de la mthode de dosage du carbone organique dans les minerais
phosphats par les plans d'expriences" anne 2007- 2008. FST Fs.

6)- FISHER 1925.

7)- TAGUSHI.

52
Filire Ingnieurs IAA

Mmoire de fin dtudes pour lobtention du Diplme dingnieur dEtat

Nom et prnom: JOUDAR ABDESSAMAD

Anne Universitaire : 2009/2010

Titre : Contribution l'optimisation de poids d'enrobage de Merendina Mini

Rsum
Actuellement, lindustrie dagro-alimentaire occupe une bonne place sur le march des Bio-
industries grce la qualit des produits et du bon service. Grce aux progrs biotechnologiques
rvolutionnaires et cause de la grande concurrence rencontre au niveau des socits du
biscuiterie Maroc, les responsables de la socit BIMO (considre comme Leader sur le march
national) ont comme souci majore la bon qualit de leurs produits et la rponse aux normes
mondiales et aux exigences dune bonne qualit et dune grande scurit alimentaire.
Pour garder sa part du march national et pour garder sa forte position par rapport ses
concurrents, BIMO cherche toujours maintenir la production de la qualit et optimiser les
moyens utiliss au niveau de la production.
Pour ce faire, le sujet de stage avait comme thme principal : la minimisation du poids d'enrobage
de Merendina mini et par consquence la quantit de Vegecao utilis pour cet enrobage dont la
composition comprend deux produits imports du march international (Lcithine et Cacao en
poudre).
Pour arriver cet objectif, on a utilis une mthode statistique nomme : les plans d'expriences
et plus spcifiquement les plans pour surface de rponse.

Mots cls : Plans d'expriences, Enrobage, Optimisation, qualit, BIMO

53