Processi di cristallizzazione migliorati per avvantaggiare l'industria
La cristallizzazione è uno dei più importanti processi di produzione e separazione nell'industria chimica e farmaceutica. A causa degl'imprevedibili meccanismi di cristallizzazione, è però raro che i cristallizzatori industriali funzionino con programmi di controllo automatico. Il risultato è spesso la non riproducibilità, una qualità di prodotto inaccettabile e un consumo energetico eccessivo. Il progetto SINC-PRO (Self learning model for INtelligent predictive Control system for crystallisation PROcesses) si è posto come principale obiettivo un sensibile miglioramento dell'efficienza e dell'efficacia dei processi di cristallizzazione. Migliorare l'efficacia significa ottenere un prodotto della qualità desiderata, mentre aumentare l'efficienza significa ridurre i costi. Per sviluppare tecniche di controllo online dei cristallizzatori industriali, sono stati implementati algoritmi avanzati di controllo basati su modelli, ad esempio controllo predittivo e controllo neuro-fuzzy. Entrambi gli algoritmi di controllo possono essere continuamente aggiornati grazie a una tecnica di autoapprendimento. Uno strumento flessibile di processo-modellizzazione, che copre un'ampia gamma di processi di cristallizzazione, fornirà i modelli specifici necessari per il controllo in base al modello. Per manipolare le variabili del processo e ottenere un sistema di controllo integrato, sono stati inoltre scelti gli attuatori più idonei e strumenti d'osservazione dei parametri. Il sistema di controllo è stato provato in laboratorio, con differenti combinazioni di sistemi di misurazione e attuatori, e i risultati sono stati estremamente incoraggianti. Le prove sul terreno nelle fabbriche dei partner industriali hanno inoltre dimostrato che è possibile usare il controllo predittivo del modello per controllare la cristallizzazione secondo un processo a sviluppo predefinito. I risultati dimostrano che la tecnica è una valida opzione per l'industria.
