Thèse Faire Progresser la Lyophilisation Industrielle Grâce aux Jumeaux Numériques de Nouvelle Génération H/F - Doctorat.Gouv.Fr

Établissement : Université Paris-Saclay GS Biosphera - Biologie, Société, Ecologie & Environnement, Ressources, Agriculture & Alimentation École doctorale : Agriculture, Alimentation, Biologie, Environnement et Santé Laboratoire de recherche : SayFood - Paris-Saclay Food and Bioproduct Engineering Direction de la thèse : Ioan Cristian TRELEA ORCID 0000000167270716 Début de la thèse : 2026-10-01 Date limite de candidature : 2026-06-20T23:59:59 La lyophilisation est une méthode de conservation très efficace qui permet de réduire considérablement les pertes de fruits, de baies et de légumes en prolongeant leur durée de conservation bien au-delà de celle des produits frais. En éliminant 98 à 99 % de la teneur en eau, la lyophilisation empêche la prolifération des micro-organismes responsables de l'altération des aliments et les réactions enzymatiques qui conduisent à la détérioration, ce qui permet aux produits de rester stables et propres à la consommation pendant plus de trois ans dans des conditions de stockage adéquates. De même, la lyophilisation est largement utilisée dans l'industrie pharmaceutique pour améliorer la durée de conservation de produits tels que les vaccins et les probiotiques. En réduisant considérablement le gaspillage alimentaire et en stabilisant des médicaments vitaux, la lyophilisation est un pilier du développement durable - pourtant, ce procédé nécessite de toute urgence une optimisation en temps réel pour surmonter ses défis inhérents en matière d'efficacité.
Le concept de jumeaux numériques est étroitement lié au contrôle et à la surveillance des processus. Le jumeau numérique représente une réplique virtuelle du processus de lyophilisation qui permet la surveillance, la simulation et l'optimisation en temps réel³. En intégrant les données de processus à des modèles prédictifs, les jumeaux numériques permettent un contrôle précis des paramètres critiques tels que la température, la pression et le temps de séchage. Cela améliore l'efficacité des processus, réduit la variabilité et renforce la qualité des produits en anticipant et en atténuant les problèmes potentiels avant qu'ils ne surviennent. L'application des jumeaux numériques à la lyophilisation favorise le développement de procédés de fabrication plus robustes, évolutifs et rentables, ce qui en fait des outils précieux dans les industries pharmaceutique, alimentaire et nutraceutique. Malgré leur potentiel, les modèles existants et les cadres de jumeaux numériques4 pour la lyophilisation se heurtent à des limites importantes qui entravent leur adoption à l'échelle industrielle.
L'objectif principal de ce projet est d'aller au-delà du comportement d'un « produit moyen » en faisant évoluer les technologies Smart Lyo actuelles (basées sur MTM5) vers un cadre MTM 2.0 haute fidélité. Vous vous attaquerez aux limites liées à la variabilité spatiale et aux contraintes géométriques afin de permettre le déploiement de jumeaux numériques à l'échelle industrielle.
A) Développement de MTM 2.0 : Concevoir un modèle de mesure manométrique de la température (MTM 2.0) de nouvelle génération à partir des principes fondamentaux. Ce modèle doit tenir compte de la variabilité inhérente au transfert de chaleur sur l'étagère (par exemple, « l'effet de flacon en bordure ») plutôt que de s'appuyer sur une seule valeur moyenne qui correspond, comme on l'a montré, aux points les plus froids du lyophilisateur.
B) Analyse comparative des performances : Évaluer et valider le modèle MTM 2.0 par rapport aux prédictions MTM existantes à l'aide d'expériences in silico et physiques. Vous testerez ces modèles sur diverses géométries - y compris des flacons en verre et des plateaux de grande capacité - et avec des résistances de transfert de masse variables pour différents produits.
C) Intégration en temps réel : mettre en oeuvre et valider le cadre MTM 2.0 dans un environnement physique de lyophilisateur, en mettant l'accent sur son efficacité pour le contrôle des processus et la prise de décision en temps réel.
D) Polyvalence géométrique : étendre la méthodologie à des géométries complexes dans les domaines alimentaire et nutraceutique, telles que les produits sphériques ou coniques (par exemple, les fraises, les myrtilles6), afin de combler le fossé entre les applications pharmaceutiques et alimentaires.
Batch lyophilization is currently the prevalent method of freeze-drying of bio-pharmaceuticals where modelling is used to gain valuable process insights1. Typically batch lyophilization is modelled both at the product scale (typically fruit or vial with pro-biotics) and at the chamber scale. Pseudo-steady-state heat and mass transfer balances are solved at the product scale2. The chamber and the condenser are modelled using computational fluid dynamics (CFD). The core of this project is to move beyond the 'average product' behaviour by evolving current Smart Lyo technologies (based on MTM5) into a high-fidelity MTM 2.0 framework. You will tackle the limitations of spatial variability and geometric constraints to enable industrial-scale digital twin deployment Process Analytical Technologies (PAT) are often an integral part of freeze-dryers. These include hardware sensors such as temperature probes, capacitance- and conductivity-based pressure sensors (Pirani gauges), wireless temperature sensors, as well as soft sensors such as manometric temperature measurement (MTM) systems that use data analytics and modelling to monitor the process. Soft sensors fall under the ambit of digital shadows. Besides process optimization and design, process control is key to ensuring product quality and consistency. Process simulations and model-guided control systems are known to yield robust process performance

- Formation : Master ou diplôme d'ingénieur dans une discipline connexe, avec une expertise en modélisation mathématique et en simulation. Une expérience en recherche est requise.
- Compétences techniques : Solides bases en modélisation mécanistique (notamment en transfert de chaleur et de masse), en systèmes de contrôle et en instrumentation.
- Programmation et logiciels : Maîtrise des langages de script (Python, R ou MATLAB) et connaissance des plateformes de simulation telles que COMSOL. Une expérience en analyse d'images ou en génie des procédés est très appréciée.
- Esprit expérimental : Expérience pratique ou forte motivation pour le travail en laboratoire, y compris la conception d'expériences (DoE) et la mise en oeuvre de modèles computationnels sur du matériel physique.
- Langues : Une bonne maîtrise de l'anglais est requise ; la maîtrise du français constitue un atout certain.
- Compétences supplémentaires : Une expertise en modélisation basée sur les données ou en intelligence artificielle est un plus.

Les candidatures (CV + lettre de motivation + relevés de notes des 3 dernières années) et toute demande d'informations doivent être envoyées à :
Arnesh PALANSIAMY, ****@****.**,
Cristian TRELEA, ****@****.**