Het gebruik van voorspellende modellen voor procesoptimalisatie in

Het gebruik van voorspellende
modellen voor procesoptimalisatie
in de voedingsmiddelenindustrie
Maykel Verschueren
NIZO food research
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
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
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
(= 5e T) + kennis mbt
(bio)fouling
 optimalisatie reinigingstijd
 minimaliseren productverlies
gecombineerde Schneider/NIZO OptiCIP aanpak
 continue monitoring & optimalisatie van het reinigingsproces
CIP Optimalisatie
• voor meer informatie over Schneider/NIZO OptiCIP:
Industrial European Dairy Show seminar
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
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
DrySpec model
24
DrySpec model
inlet air:
• flow
• temperature
• humidity
feed:
• flow
• temperature
• composition
outlet air:
• temperature
• humidity
powder:
• moisture
• temperature
• quality properties
energy
consumption
24
DrySpec – product parameters
10
Case: maximizing
capacity
Stickiness
curve – capaciteit
maximaliseren
100
T (°C)
80
non-sticky
60
sticky
Tstick
Tin = 180 °C, Tout: 65 – 95 °C
Tin = 190 °C, Tout: 65 – 95 °C
Tin = 200 °C, Tout: 70 – 95 °C
40
20
5
15
25
35
X (g/kg)
45
55
11
Case:
Capaciteitsoptimalisatie bij variërende luchtvochtigheid
korte termijn
variaties
seizoensvariaties
Source: KONINKLIJK NEDERLANDS
METEOROLOGISCH INSTITUUT (KNMI)
12
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
Case:
Optimizing capacity at varying ambient air humidity
NIZO Premia – DrySpec model
OPC Client: Ontvangt realtime productie data van PLC
14
Case:
Capaciteitsoptimalisatie bij variërende luchtvochtigheid
inlaat lucht:
• flow = 100000 kg/h
• temperatuur = ?
• luchtvochtigheid = 612 g/kg
feed:
• flow = max value?
• temperatuur = 70°C
• compositie = vast
uitlaat lucht:
• temperatuur = ?
• luchtvochtigheid = ?
powder:
• moisture: 3,5%
• Isi  0.2 ml
Criteria:
1. Drogen in het niet-sticky gebied
2. Drogen op maximale capaciteit
3. Productkwaliteit binnen spec
15
Case:
Capaciteitsoptimalisatie bij variërende luchtvochtigheid
32
Case:
Capaciteitsoptimalisatie bij variërende luchtvochtigheid
• Voorkomen van vervuiling
kan door Tin 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
Case:
Capaciteitsoptimalisatie bij variërende luchtvochtigheid
Resultaten op basis van werkelijke variatie in luchtvochtigheid
16
14
12
10
8
6
4
2
5-6
4-6
3-6
2-6
1-6
31-5
30-5
29-5
0
28-5
•
18
27-5
•
Reference capacity value
(100%) = maximum capacity
at non-sticky conditions for
maximum value of X
Continuous capacity
optimization at constant Tout
=> Capacity = 109%
Continuous capacity
optimization at constant
moisture content
=> Capacity = 107%
X (g/kg)
•
18

Download Report