Verbesserungen bei den Kristallisationsprozessen kommen der Industrie zugute
Die Kristallisation gehört zu den wichtigsten Produktions- und Trennungsverfahren in der Chemie- und Pharmaziebranche. Dennoch werden industrielle Kristallisatoren aufgrund unvorhersehbarer Kristallisationsmechanismen selten mit automatischen Steuerungsprogrammen betrieben. Die Folge davon sind meist die Nichtwiederherstellbarkeit, unakzeptable Produktqualität und ein zu hoher Energieverbrauch. Das Hauptziel des SINC-PRO-Projekts (SINC-PRO - Self learning model for INtelligent predictive Control system for crystallisation PROcesses) bestand in der Steigerung von Effizienz und Effektivität der Kristallisationsprozesse. Eine verbesserte Effektivität entspricht der gewünschten Produktqualität, während eine gesteigerte Effizienz zu einer Kostensenkung führt. Weiterentwickelte und modellbasierte Algorithmen wie die modellgestützte prädiktive Regelung und die Neuro-Fuzzy-Regelung wurden angewendet, um die Verfahren für die Onlinesteuerung von industriellen Kristallisatoren zu entwickeln. Diese beiden Steueralgorithmen können mittels eines Selbstlernverfahrens fortwährend aktualisiert werden. Ein flexibles Instrument zur Prozessmodellierung deckt eine Vielzahl von Kristallisationsprozessen ab und stellt die passenden Modelle für eine modellbasierte Steuerung zur Verfügung. Zudem werden die am besten geeigneten Aktoren und Beobachtungstools für Kenngrößen ausgewählt, um die Prozessvariablen zu beeinflussen und ein integriertes Steuerungssystem anzubieten. Das Steuerungssystem wurde unter Laborbedingungen mit verschiedenen Kombinationen von Messsystemen und Aktoren getestet und erbrachte sehr ermutigende Ergebnisse. Zudem belegten die Feldversuche in den Anlagen der Partner aus der Industrie, dass die modellunterstützte prädiktive Steuerung zur Kontrolle der Kristallisation nach einem voreingestellten Prozessablauf geeignet ist. Mit diesem Beweis wird das Verfahren für die Industrie zu einer praktikablen Option.
