Eindwerkvoorstellen Academiejaar BioTeC Chemische en biochemische procestechnologie en -regeling

Transcriptie

1 Eindwerkvoorstellen Academiejaar BioTeC Chemische en biochemische procestechnologie en -regeling 28 maart

2 1 Chemical Engineering 1.1 Duurzaam ontwerpen en regelen van dynamische chemische processen: een multi-objective optimization aanpak Trefwoorden: multi-objective Optimization, optimale regeling, (nonlinear) model predictive control, duurzame ontwikkeling Eén van de belangrijkste trends binnen de huidige chemische industrie is het streven naar sustainable development of duurzame ontwikkeling. Dit vraagt een verbeterde werking van installaties zowel op economisch, milieu- als veiligheidsvlak. Multi-objective optimization (dit omvat optimaliseringspoblemen waarbij gelijktijdig meerdere doelfuncties geoptimaliseerd moeten worden) laat toe om op een systematische wijze verbeteringen aan te brengen en na te gaan welke afwegingen moeten gemaakt worden tussen de verschillende doelstelligen van duurzame ontwikkeling. Uitdagingen voor een modelgebaseerde optimalisering vormen het dynamisch karakter en de sterke niet-lineariteiten van de meeste chemische conversieprocessen. Voor de numerieke uitwerking wordt beroep gedaan op state-of-the-art dynamic optimization software zoals de ACADO toolkit ( Deze tool wordt mee vanuit BioTeC ontwikkeld en bevat reeds multi-objective optimization functies. Het eerste deel van het eindwerk concentreert zich op het off-line ontwerp van optimale installaties en regelstrategieën. Bij de formulering en oplossing van deze optimaliseringsproblemen wordt rekening gehouden met de verschillende doelstellingen voor duurzame ontwikkeling. Het tweede deel maakt de overstap naar online optimale regeling ((Nonlinear) Model Predictive Control). Hierbij vormt het ontwerp van een algoritme voor het systematisch en automatisch selecteren van de wegingsfactoren voor de verschillende deelobjectieven in de (N)MPC formulering een belangrijk aspect. Gevalstudies op simulatieniveau omvatten verschillende reactoren (e.g., een Chemical Vapor Deposition reactor voor de productie van siliciumstaven). Daarnaast bestaat ook de mogelijkheid om een regelaar te implementeren en experimenteel te valideren op de pilootschaal distillatiekolom van CIT. Co-promotor: Dr. Filip Logist (lokaal 00.43) Dagelijkse begeleiding: Mattia Vallerio en Filip Logist (lokaal 00.43) Voor wie: 1 student of duo 2

3 1.2 Efficiënte en veilige batchprocessen via black-box MPC Trefwoorden: batchproces, foutdetectie, MPC, modelleren In de chemische en biochemische industrie worden batchprocessen vaak gebruikt voor het aanmaken van stoffen met een grote toegevoegde waarde. Voorbeelden hiervan zijn geneesmiddelen, additieven, fijnchemicaliën,.... Het grootste voordeel van batchprocessen is de flexibiliteit waarmee kan ingespeeld worden op een snel veranderende marktvraag. Een nadeel is wel het feit dat de eindkwaliteit in de meeste gevallen pas kan gemeten worden nadat de batchrun afgelopen is. Zo wordt een verstoorde batch (slechte eindkwaliteit) slechts heel laat gedetecteerd. Daarom zijn recent technieken ontwikkeld die een snelle online detectie van procesverstoringen mogelijk maken. Deze technieken geven echter enkel een alarmsignaal en kunnen niet gebruikt worden om het proces bij te sturen. Daarom wordt in dit eindwerk een MPC regelstrategie ontwikkeld om te compenseren voor verstoringen in batchprocessen. Op elk tijdstip wordt de regelactie bepaald die de procesverstoring het best tenietdoet. Het eindresultaat is dat de verstoorde batch veilig tot een goed einde wordt gebracht en wél een goede eindkwaliteit oplevert. Hierdoor wordt het verlies van grondstoffen en energie door de verstoring drastisch verminderd. Ook daalt de kans op ongelukken door het wegregelen van de verstoring. Promotoren: Prof. Jan Van Impe (lokaal 00.12) en Dr. Geert Gins (lokaal 00.17) Dagelijkse begeleiding: Geert Gins (lokaal 00.17) en Filip Logist (lokaal 00.43) Voor wie: 1 student of 1 duo 3

4 2 Biochemical Engineering 2.1 Optimaal experimentontwerp voor dynamische biochemische processen Trefwoorden: bioprocessen, optimaal experimentontwerp, parameterschatting Computermodellen en geavanceerde technieken uit het domein van Computer Aided Process Design spelen een sleutelrol in de chemische industrie en de sector van de life sciences. Het is uitermate belangrijk dat het procesmodel het reële proces zo accuraat en betrouwbaar mogelijk beschrijft. Hiervoor dienen een gepaste modelstructuur en bijbehorende parameterwaarden gekozen te worden. De voorkeur van de biochemische industrie voor white-box modellen op basis van fysische en (bio)chemische principes, zorgt vaak voor grootschalige, niet-lineaire dynamische procesmodellen met vele parameters. Om de parameterwaarden van deze modellen te schatten zijn experimenten nodig. Deze zijn echter vaak arbeids- en kostenintensief. Om de experimentele kosten te beperken dienen specifieke informatierijke experimenten uitgevoerd te worden, die verkregen zijn met behulp van technieken voor optimaal experimentontwerp. In dit eindwerk worden concreet een aantal praktische aspecten in het formuleren en oplossen van het optimaal experimentontwerpprobleem bestudeerd. Wat zijn de effecten van instrumentele beperkingen? Hoe verdeelt men het best de staalnames in de tijd? Wat is een gepaste keuze voor het ontwerpcriterium en de berekeningswijze van de sensitiviteiten?... Kinetische modellen die de groei van Escherichia coli in functie van bepaalde omgevings- of procescondities beschrijven worden gekozen als gevalstudie waarbij zowel macroscopische balanstype modellen als microscopische individu-gebaseerde modellen aan bod kunnen komen. Binnen dit eindwerk zijn twee opties mogelijk. (1) De focus ligt eerder op de computationele aspecten van optimaal experimentontwerp. (2) Het eindwerk is vooral gericht op valideren van de ontworpen experimenten in het labo. Dagelijkse begeleiding: Dries Telen, Filip Logist (lokaal 00.43) en Eva Van Derlinden (lokaal 00.13) Voor wie: 1 student of duo 4

5 2.2 Studie van microbiële groei in een gestructureerd medium Trefwoorden: predictieve microbiologie, gestructureerd medium Jaarlijks zijn er veel slachtoffers van voedselvergiftigingen. Daarenboven vertegenwoordigt microbieel bederf van levensmiddelen een belangrijk economisch verlies voor de levensmiddelenindustrie (productverlies). Om microbiële voedselveiligheid en kwaliteit te garanderen is het noodzakelijk om het gedrag van micro-organismen in levensmiddelen te kennen. Dit gedrag varieert van groei tot overleving en zelfs afdoding, afhankelijk van de heersende condities (zoals ph, wateractiviteit en bewaartemperatuur) in het levensmiddel. In predictieve microbiologie, een onderzoeksdiscipline binnen de levensmiddelen-microbiologie, worden wiskundige modellen opgesteld die het microbieel gedrag beschrijven in functie van de omgevingscondities. De laatste decennia zijn reeds heel wat predictieve modellen ontwikkeld op basis van experimenten uitgevoerd in vloeibare laboratoriummedia. Echter, wanneer deze modellen worden toegepast op echte levensmiddelen, blijken de resultaten soms weinig accuraat. Een belangrijke verklaring hiervoor is dat de vervanging van een reëel levensmiddel door een vloeibaar laboratoriummedium een te grote vereenvoudiging is. In de bestaande modellen werd het structuurelement dat in vele levensmiddelen aanwezig is (zoals in vlees, fruit, yoghurt,...) volledig verwaarloosd. Nochtans veroorzaakt dit een mechanische hinder voor micro-organismen waardoor deze zullen groeien onder vorm van kolonies. Dit thesistopic beoogt de studie van het microbieel gedrag in een gestructureerd medium. Binnen dit topic kunnen 2 verschillende aspecten aan bod komen. 1. Visualiseren van een gestructureerde matrix en micro-organismen in deze matrix. In dit eindwerk wordt een antwoord gezocht op volgende vragen: Hoe ziet die omgeving er specifiek uit voor bepaalde types levensmiddelen(modelsystemen)? Zijn deze systemen eerder homogeen of eerder heterogeen? Welke omgeving ervaren micro-organismen wanneer ze gemmobiliseerd worden in een levensmiddel? Experimenteel: MICROscopische technieken aanwenden om de structuur van levensmiddelen(modelsystemen) te karakteriseren. 2. Microbiële groei in een gestructureerde matrix. Dit eindwerk kan zich focussen op verschillende aspecten van microbiële groei in een gestructureerde matrix. Is de groei in een gestructureerde matrix ook effectief trager? In welke mate bepalen de structuureigenschappen de groei, e.g., de hardheid vs. zachtheid van het systeem? Groeien oppervlakte-kolonies sneller of trager dan diepte-kolonies? Wat is het effect van bepaalde omgevingsfactoren, e.g., ph en a w, op de groei? Experimenteel: MACROscopische technieken (uitplatingen, optische densiteitsmetingen) aanwenden om het effect van structuur, en andere omgevingsfactoren, op microbiële groei te bestuderen. Co-promotoren: Dr. Eva Van Derlinden (lokaal 00.11) en dr. Laurence Mertens (00.11) Dagelijkse begeleiding: Kathleen Boons (lokaal 00.15), Maria Baka (00.15) Voor wie: 1 (waarbij 1 van de 2 onderwerpen wordt gekozen) of duo (combinatie van beide onderwerpen) 5

6 2.3 Fluxbalansanalyse van microbiële dynamica: synthese van biologisch relevante objectieffuncties Trefwoorden: Modelleren, fluxbalansanalyse, bilevel optimalisatie Wiskundige modellen worden steeds meer en meer gebruikt om microbiële processen te controleren en te optimaliseren. Een voorbeeld is de modelgebaseerde sturing en optimalisatie van bioreactoren in de biochemische procesindustrie, maar ook in de predictieve microbiologie worden modellen gebruikt om het effect van omgevingsvariabelen op de microbiële kwaliteit en veiligheid van voedingsmiddelen te voorspellen. Tot nu toe worden meestal black-box modellen gebruikt. Deze zijn echter enkel geldig voor de specifieke condities waarvoor ze ontwikkeld zijn en zijn slechts weinig extrapoleerbaar naar meer realistische condities. Om de toepasbaarheid van deze modellen in realistische condities te verhogen is het noodzakelijk om binnen de black box, in dit geval binnen de cel, te kijken en dus te evolueren naar meer mechanistische modellen. Intracellulaire kennis wordt samengevat in netwerken: metabole netwerken, signaalnetwerken, regulatorische netwerken,... waarvan de eerste tot nu toe het best gekend zijn. Fluxbalansanalyse (FBA) is een mathematische techniek die een statische analyse van het metabool netwerk maakt. Hierbij wordt een cellulair objectief vooropgesteld (bv. maximaliseer de groeisnelheid). Vervolgens worden de intracellulaire reactiesnelheden, of fluxen, via lineair programmeren gesimuleerd op een bepaald tijdstip. Er wordt als het ware een snap-shot gemaakt van de intracellulaire fluxverdeling op een bepaald moment. Het doel van dit project is het uitbreiden van fluxbalansanalyse naar een dynamische vorm, zodat de FBA-predicties kunnen gebruikt worden in een dynamisch massabalansmodel. Vooraleer dit mogelijk is moeten er oplossingen gevonden worden voor 2 problemen. Het eerste probleem ligt bij het linear programmeren zelf. In de meeste gevallen levert FBA geen unieke oplossing, maar een gebied van mogelijke oplossingen. Om FBA in een dynamisch model te kunnen gebruiken, is een unieke oplossing of een zo klein mogelijk gebied van oplossingen noodzakelijk. Het tweede probleem is meer microbiologisch van aard. Er kan namelijk niet steeds vanuit gegaan worden dat de cel maximaal wil groeien. De statische objectieffunctie moet dus uitgebreid worden naar een dynamische vorm die bovendien de invloed van de omgevingsfactoren in rekening brengt. Zodra deze twee problemen opgelost zijn, ligt de weg vrij om via dynamische fluxbalansanalyse een model voor microbiële dynamica te ontwikkelen. In dit eindwerk ligt de nadruk op het synthetiseren van een objectief voor verschillende condities. Op basis van experimentele fluxdatasets voor een small-scale metabool netwerk voor E. coli K-12 gaan we op zoek naar een objectief dat predicties geeft die zo dicht mogelijk bij de experimentele data aanleunen. Zo ontstaat een bilevel optimalisatieprobleem, met twee objectieffuncties op verschillende niveaus. De top-level objectieffunctie is hier het minimaliseren van de kleinste kwadraten afstand tussen predicties en data, het lower-level objectief is het gezochte FBA-objectief. Het doel is om verschillende oplossingsmethoden voor dit probleem te zoeken, te implementeren en te vergelijken. Co-promotoren: Dr. Eva Van Derlinden (lokaal 00.11) en dr. Filip Logist (lokaal 00.43) Begeleiding: Dominique Vercammen (lokaal 00.17) Aantal studenten: 1 student 6