Control inteligente de los procesos de cristalización
La mayoría de los procesos actuales de cristalización industrial no funcionan automáticamente porque es difícil controlar de un modo efectivo y eficiente la distribución del tamaño. Por tanto, el proceso no es reproducible, consume demasiada energía y las calidades de producto resultante son inaceptables. En este contexto, el proyecto SINC_PRO implementó un modelo de auto-aprendizaje para un sistema inteligente de control predictivo de los procesos de cristalización. Esta novedad incluye una herramienta de modelado flexible del proceso, un sistema de observación/información integrado con técnicas de medición en línea y una caja de herramientas que contiene dos tipos de control: control de modelos predictivos y control de redes neurales. Los investigadores optaron por la propuesta de modelado más adecuada, y se centraron en el desarrollo de un paquete software con una mayor capacidad de expansión que se puede usar en distintos entornos de trabajo. Por este motivo, la arquitectura final presenta una estructura de servidor de datos que se ajusta a varias herramientas de software, y cada una de ellas ofrece una estricta simulación, observación y control. Otro de los requisitos importantes era permitir las mediciones y los accionadores del proceso para el control de los cristalizadores. Algunas de las principales propiedades de medición del proceso son la saturación, la masa del cristal y la distribución de tamaños de cristal, en lugar de las mediciones tradicionales como la temperatura y la presión. Así mismo, se probaron varios dispositivos para identificar los accionadores adecuados para controlar las distribuciones por tamaño del cristal. La valiosa información obtenida se ha convertido en un manual para orientar a todas las partes interesadas en la investigación del proceso de cristalización. Ese manual fue actualizado para mostrar las capacidades de las mediciones, así como las posibilidades de los accionadores específicos del material.
