Het gebruik van voorspellende modellen voor procesoptimalisatie in de voedingsmiddelenindustrie. Maykel Verschueren NIZO food research

Transcriptie

1 Het gebruik van voorspellende modellen voor procesoptimalisatie in de voedingsmiddelenindustrie Maykel Verschueren NIZO food research

2 Introductie grondstof proces eindproduct Criteria: Veiligheid Productiekosten minimaal Kwaliteit constant en binnen spec Borging: A. Data acquisitie, automatisering, procesregelsystemen etc. B. Inzet kennis mbt procesproductinteracties Integratie A en B is nodig om aan bovengenoemde criteria te kunnen voldoen

3 Voorbeelden 1. CIP optimalisatie gecombineerde on-line monitoring en optimalisatie aanpak voor reiniging 2. On-line optimalisatie sproeidrogers on-line optimalisatie van sproeidroogprocessen met behulp van voorspellende modellen

4 CIP Optimalisatie systeem voor continue monitoring van 4 T s (Turbulence, Time, Temperature, Titer) continue vgl met criteria van een referentie CIP optimalisatie gebruik reinigingsmiddel meten verwijdering vuillaag mbv in-line turbiditeitsmeting (= 5 e T) + kennis mbt (bio)fouling optimalisatie reinigingstijd minimaliseren productverlies gecombineerde Schneider/NIZO OptiCIP aanpak continue monitoring & optimalisatie van het reinigingsproces

5 CIP Optimalisatie voor meer informatie over Schneider/NIZO OptiCIP: Industrial European Dairy Show seminar

6 Voorbeelden 1. CIP optimalisatie gecombineerde on-line monitoring en optimalisatie aanpak voor reiniging 2. On-line optimalisatie sproeidrogers on-line optimalisatie van sproeidroogprocessen met behulp van voorspellende modellen

7 Waarom droogoptimalisatie? Poeder producenten: Zoeken capaciteitsgrenzen op Gebruiken meer plakkerige formuleringen Dit resulteert in: Sub-optimale processing Vervuilingsproblemen Off-spec poeder Behoefte aan optimalisatie tools om: Capaciteit te vergroten Energiegebruik te reduceren Poederkwaliteit te verbeteren

8 DrySpec model 24

9 DrySpec model inlet air: flow temperature humidity feed: flow temperature composition outlet air: temperature humidity powder: moisture temperature quality properties energy consumption 24

10 DrySpec product parameters 10

11 T ( C) Case: maximizing capacity Stickiness curve capaciteit maximaliseren non-sticky 60 sticky Tstick Tin = 180 C, Tout: C Tin = 190 C, Tout: C Tin = 200 C, Tout: C X (g/kg) 11

12 Case: Capaciteitsoptimalisatie bij variërende luchtvochtigheid korte termijn variaties seizoensvariaties Source: KONINKLIJK NEDERLANDS METEOROLOGISCH INSTITUUT (KNMI) 12

13 Case: Capaciteitsoptimalisatie bij variërende luchtvochtigheid Als procescondities niet worden aangepast bij veranderingen in luchtvochtigheid dan: is het proces sub-optimaal capaciteitsverlies en/of draait het proces in het sticky gebied vervuiling, productverlies, extra reinigingskosten en -tijd en/of is het geproduceerde poeder off-spec 13

14 Case: Optimizing capacity at varying ambient air humidity NIZO Premia DrySpec model OPC Client: Ontvangt realtime productie data van PLC 14

15 Case: Capaciteitsoptimalisatie bij variërende luchtvochtigheid inlaat lucht: flow = kg/h temperatuur =? luchtvochtigheid = 6-12 g/kg feed: flow = max value? temperatuur = 70 C compositie = vast Criteria: uitlaat lucht: temperatuur =? luchtvochtigheid =? powder: moisture: 3,5% Isi 0.2 ml 1. Drogen in het niet-sticky gebied 2. Drogen op maximale capaciteit 3. Productkwaliteit binnen spec 15

16 Case: Capaciteitsoptimalisatie bij variërende luchtvochtigheid 32

17 Case: Capaciteitsoptimalisatie bij variërende luchtvochtigheid Voorkomen van vervuiling kan door T in te reduceren van 175C naar 165C: Vasthouden van deze procescondities resulteert in: 15% capaciteitsverlies en 4% toename energieverbruik bij een luchtvochtigheid van 6 g/kg 32

18 Case: Capaciteitsoptimalisatie bij variërende luchtvochtigheid Resultaten op basis van werkelijke variatie in luchtvochtigheid X (g/kg) Reference capacity value (100%) = maximum capacity at non-sticky conditions for maximum value of X Continuous capacity optimization at constant T out => Capacity = 109% Continuous capacity 2 0 optimization at constant moisture content => Capacity = 107% 18