Model predictive control for batch processes optimization : a lyophilization case study

There has long existed a need for well-defined, model based control algorithms which would be able to handle severe heterogeneity and differential paths of process variables in discontinuous processes. To showcase the applicability of a dynamic optimisation and control method, in this work a case study of lyophilisation or freeze-drying process was analysed. The chosen process reflects an often issue of opposing goals for process control system: stringent product quality specifications and the necessity for lower time of operation. The purpose of the thesis is to prove the applicability of advanced process control algorithm to one-dimensional sublimation front model of lyophilization. By comparison with traditional, feedback control the superiority of the new approach has been highlighted. The analysis and work in this case study was divided in three distinct parts: open-loop tests with parametric sensitivity analysis of sublimation front model, traditional feedback control and advanced process control (BSMBOandC algorithm:simultaneous NMPC and batch cycle time optimisation). Firstly, the sublimation front model was implemented and tested for an open loop response in VS 2013 version. This was done for the purpose of acquiring the basic process characteristics (time of operation, dynamics velocity etc.). In addition, parametric sensitivity analysis has been performed in MATLAB to acquire information on the effect of operating conditions and product properties on the controlled variables of the process. Next, the loop was closed and the results of feedback control system (PID controller) were analysed. Finally, it was proceeded with implementation of advanced process control strategy, that has previously been developed by SuPER Team for handling simultaneous optimisation of batch cycle duration and process control, under the name of Batch Simultaneous Model-Based Optimisation and Control (BSMBOandC). The results have proven the superiority of dynamic online optimisation procedure, which could encourage further application of dynamic optimisation algorithms to other batch processes.

Nel campo dei processi batch dell'industria chimica è necessario attuare severe strategie di controllo e allontanarsi dalle procedure empiriche, per lo più procedure di ottimizzazione offline. In particolare, nel campo dell'ingegneria alimentare e farmaceutica le richieste di qualità del prodotto sono spesso strette e lasciano poco spazio agli errori di set point e alle oscillazioni nei profili variabili manipolati. In questo lavoro, la necessità di applicare una strategia di ottimizzazione basata su modelli dinamici è stata riconosciuta e applicata al processo di liofilizzazione. Il processo scelto riflette sia le rigorose specifiche di qualità del prodotto sia la necessità di ridurre i tempi di funzionamento, poiché la tradizionale controllo del processo di liofilizzazione non è possibile nel contesto moderno di operazioni flessibili, più brevi e più dinamiche. Lo scopo della tesi è quello di dimostrare l'applicabilità dell'algoritmo avanzato di controllo di processo ad un modello di liofilizzazione, unidimensionale ( fronte della sublimazione). Rispetto al controllo di feedback tradizionale, è stata evidenziata la superiorità del nuovo approccio. L'analisi di questo processo batch è stata divisa in tre parti distinte: test a circuito aperto con analisi di sensibilità parametrica del modello di fronte della sublimazione, controllo clasico (ciclo difeedback) e controllo avanzato del processo (algoritmo BSMBOandC). In primo luogo, il modello anteriore a sublimazione è stato implementato e testato per una risposta ad anello aperto nella versione VS 2013. Ciò è stato fatto allo scopo di acquisire le caratteristiche di base del processo (tempo di funzionamento, dinamica di processo ecc.). Inoltre, è stata eseguita un'analisi di sensibilità parametrica (in MATLAB) per acquisire informazioni sull'effetto delle condizioni operative e delle proprietà del prodotto sulle variabili controllate del processo. Successivamente, il ciclo è stato chiuso e sono stati analizzati i risultati del sistema di controller PID. Infine è stata implementata la strategia di controllo di processo avanzata (BSMBOandC). I risultati hanno dimostrato la superiorità della procedura di ottimizzazione online dinamica, che potrebbe incoraggiare l'ulteriore applicazione di algoritmi di ottimizzazione dinamica ai processi batch.