La mejora de los procesos de cristalización beneficia a la industria
La cristalización es uno de los procesos más importantes de producción y separación en la industria química y farmacéutica. No obstante, debido a los impredecibles mecanismos de cristalización, los cristalizadores industriales pocas veces funcionan con programas de control automáticos. Esto genera normalmente una incapacidad de reproducción, calidades de producto inaceptables y un consumo excesivo de energía. El objetivo principal del proyecto SINC-PRO (Self learning model for INtelligent predictive Control system for crystallisation PROcesses) era aumentar de forma notable la eficiencia y la efectividad de los procesos de cristalización. Mejorar la efectividad se refiere a lograr la calidad de producto deseada, mientras que mejorar la eficiencia sería reducir los costes. Se implementaron algoritmos de control avanzados basados en un modelo, de control predictivo y control neuro-borroso, para desarrollar las técnicas de control en línea de los cristalizadores industriales. Ambos algoritmos de control se pueden actualizar continuamente aplicando una técnica de autoaprendizaje. Una herramienta para modelar procesos, que cubre una amplia gama de procesos de cristalización, proporcionará los modelos necesarios para el control basado en modelos. Así mismo, se escogen los actuadores y las herramientas de observación de parámetros más adecuadas para manipular las variables del proceso y ofrecer un sistema de control integrado. El sistema de control se probó en el laboratorio con distintas combinaciones de actuadores y sistemas de medición, y se obtuvieron resultados muy alentadores. Además, los ensayos sobre el terreno realizados en las plantas de los socios industriales demostraron que el control predictivo de modelos se puede utilizar para controlar la cristalización de acuerdo con una trayectoria del proceso previamente definida. Esta prueba hace que la técnica sea una opción disponible para la industria.
