Real-Time Moving Horizon Estimation as a Soft Sensor for Sugar in a Bioprocess

Abstract

En hinder i utviklingen av prosesskontroll og digitale tvillinger i bioprosessindustrien er mangel på direkte målinger i sanntid. Innen farmasøytisk- og matindustri brukes bakterier til å produsere mange ulike produkter, men de beskrives ofte av ikke-lineære tidvarierende dynamikker som gjør dem vanskelige å modellere nøyaktig. Moving Horizon Estimation (MHE) kan adressere dette problemet ved å kombinere sanntidsmålinger med en prosess- modell, samt inkorporere fysiske begrensninger for å estimere tilstander. MHE kan dermed fungere som en "soft sensor" som tillater sanntids overvåkning og muliggjør kontroll for å forbedre produktkvalitet og utbytte.

Denne oppgaven undersøker implementeringen av sanntids MHE som en løsning på be- grensede målinger av sukker i kontinuerlig dyrking av Corynebacterium glutamicum (C. glutamicum). Ar- beidet besto av eksperimentelt arbeid relatert til kjøring av bioreaktor og programmering ved bruk av optimalisering. Sanntidsmålinger besto av volum, celletetthet og CO2, med periodiske målinger av sukker hver time, og offline prøver av tørrvekt av biomasse (CDW) hver 2-4 timer. Pumper og en optisk tetthetsprobe ble kalibrert. In silico Model Predictive Control ble brukt til å forhåndsbestemme inn- og utstrømmer til dyrkingen. Parameter- stimering ble utført for å bestemme parametere for modellen, fulgt av tilpasning av MHE til prosessen. To sanntidskjøringer med MHE ble utført og evaluert ved bruk av kvadratisk gjennomsnittsavvik (RMSE) mellom estimater av biomasse og sukker i forhold til offline- målinger av sukker og CDW.

Studien viser at sanntidsestimering av sukker er mulig i en C. glutamicum-dyrking ved bruk av MHE, men stiller spørsmål til den nåværende robustheten av estimatoren. Esti- matoren følger sukkerdynamikken med lav RMSE for de tre eksperimentelle kjøringene (to i sanntid). Studien understreker viktigheten av pålitelige målinger fra stabilt og rik- tig kalibrert utstyr for optimal ytelse av "soft-sensor" teknologi. Forslag til forbedring av estimator inkluderer ny gjennomgang av kalibreringsprosessen, utforsking av alterna- tive arrival cost oppdateringer og utførelse av lengre dyrkingseksperimenter for å vurdere langtidseffektiviteten av MHE. Fremtidig arbeid bør innebære eksperimenter med lukket sløyfekontroll for å fastslå MHE sin robusthet for kontrollformål.

A hindrance in the development of process control and digital twins in the bioprocess industry is the scarcity of real-time direct measurements. Bacteria are used to produce a range of products within the pharmaceutical and food industry, however, they are often described by nonlinear time-varying dynamics, making them hard to model accurately. Moving Horizon Estimation (MHE) can address this issue by combining measurements with a process model, incorporating physical constraints to estimate states. The MHE can thereby act as a soft sensor allowing for real-time monitoring, and enabling control to improve product quality and yield.

This thesis investigates the implementation of real-time MHE to overcome the challenge of limited sugar measurements in continuous cultivation of Corynebacterium glutamicum. This consisted of experimental work related to running a bioreactor, and programming us- ing optimization techniques. Online measurements of volume, cell density, and CO2 were available, with periodic at-line sugar measurements every hour and offline cell dry weight (CDW) samples every 2-4 hours. Calibrations of pumps and an optical density probe were performed. In silico Model Predictive Control determined a fixed input profile for continuous cultivation. Parameter Estimation was performed to determine the parameters for the model, followed by tuning of the MHE to the process. Two real-time runs with MHE were performed and evaluated using root mean squared error (RMSE) between the estimates of biomass and sugar compared to offline CDW and sugar measurements.

The study demonstrates the feasibility of real-time sugar state estimation in C. glutamicum cultivation using MHE, but questions its current reliability as a soft sensor. The estima- tor follows the sugar dynamics with a low RMSE for the three experimental runs (two in real-time). The study highlights the importance of reliable measurements from stable and correctly calibrated equipment for optimal soft sensor performance. Suggestions for im- provement include revisiting calibration steps, exploring alternative arrival cost updates, and conducting longer cultivation experiments to assess long-term efficiency. Future work should involve closed-loop control experiments to determine the robustness of the soft sensor for control purposes.