Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Recibido el 15 de febrero de 2006; recibido en forma revisada el 5 de mayo de 2006; aceptado el 16 de mayo de 2006
Disponible en línea el 31 de julio de 2006
Resumen
La mayoría de las herramientas y técnicas de control de procesos comerciales utilizadas en las industrias de procesos químicos son aplicables a los bioprocesos (p. ej.,
procesos que fabrican ciertos medicamentos). Si bien los bioprocesos incluyen varias operaciones unitarias diferentes, el enfoque de la mayor parte de este documento será el
control de biorreactores (es decir, fermentadores) en los que se desea un entorno casi óptimo para que los microorganismos crezcan, se multipliquen y produzcan un producto deseado.
El control del biorreactor presenta desafíos especiales debido a la importante variabilidad del proceso, la complejidad de los sistemas biológicos, la necesidad, en muchos casos,
de operar en un ambiente estéril y las relativamente pocas mediciones directas en tiempo real disponibles que ayudan a definir el estado del cultivo. Esto ha dado lugar a algunas
soluciones creativas, así como a la identificación de temas en los que se necesita más investigación y desarrollo y funcionalidad de software de proveedores. © 2006 Elsevier
Ltd. Todos los derechos reservados.
Palabras llave: Control de bioprocesos; Control de procesos avanzado; Gestión de datos; instrumentación de bioprocesos; Gestión de alarmas
0098-1354/$ – ver portada © 2006 Elsevier Ltd. Todos los derechos reservados. doi:10.1016/
j.compchemeng.2006.05.039
Machine Translated by Google
Métodos de “Diseño de Experimento” (DOE) en lotes a pequeña escala a diferencia de GA, PSO no tiene operaciones de evolución como crossover
equipo. Un espacio dimensional relativamente pequeño está definido por y mutación. Las razones para elegir PSO frente a otras técnicas de cálculo evolutivo
el científico, basado en la experiencia y búsquedas bibliográficas. Este son su facilidad de implementación,
el espacio se explora típicamente en detalle usando de tres a cinco nutrientes relativamente pocos parámetros para ajustar, reputación de encontrar global
de especial interés (por ejemplo, las concentraciones de nutrientes que se espera que convergencia óptima y rápida.
influyen en gran medida en el crecimiento y la productividad de la cultura, la economía Una de las varias diferencias entre el enjambre de partículas y las metodologías
de procesos, etc.). Este enfoque supone que otros factores (por ejemplo, tradicionales es que, en lugar de definir experimentos fijos predeterminados que
operaciones de esterilización y control de las primeras fases del cultivo; ver Fig. 2) utilizan diferentes concentraciones de nutrientes;
son consistentes. Los métodos DOE típicamente se utiliza un enfoque iterativo en el que los resultados de anteriores
dar como resultado un caldo de nutrientes "óptimo local", pero no necesariamente un las iteraciones se utilizan para definir la siguiente iteración de experimentos.
“óptimo global”. Nota: La optimización de los nutrientes del caldo es un problema Para explicar aún más el enjambre de partículas, usando una montaña global
clásico de optimización no lineal. analogía de búsqueda de picos, considere el objetivo de encontrar el punto más alto
Trabajos recientes con técnicas no tradicionales indican una mayor en la cordillera del Himalaya. Un diseño estadístico
existe la oportunidad de (1) realizar un "óptimo global" con respecto El enfoque podría ser identificar un terreno localizado de "mejor suposición",
a la composición de nutrientes y (2) comprender y controlar mejor las actividades que abarca un pequeño número de montañas, que pueden o
asociadas con la variabilidad de la concentración de nutrientes previa a la inoculación puede no incluir el Monte Everest. Las ubicaciones "N" estarían predefinidas en esta
(p. ej., durante la esterilización). Específicos para la composición de nutrientes, área, con muchas ubicadas en los límites de
algoritmos de "cómputo evolutivo", como partículas el área definida. Los escaladores viajarían a estos lugares y
optimización de enjambres, han demostrado que, en comparación con los medir la altitud (es decir, el rendimiento de la fermentación). Los resultados, en
enfoques, un número similar de experimentos de equipo a pequeña escala puede combinación con algoritmos de mapeo de superficie de respuesta,
explorar un espacio dimensional más alto (es decir, número con suerte identificar el punto local aproximado de máxima
de diferentes nutrientes) y rangos más amplios de nutrientes individuales (Cockshott altitud.
& Hartman, 2001; Cockshott & Sullivan, 2001; Con enjambre de partículas, un área más grande (es decir, terreno) sería
Strobel y Hartman, 1999). Tenga en cuenta que la optimización de enjambres de definido, que abarca muchas montañas en la gama. Un equipo
partículas, los algoritmos genéticos, etc., son subconjuntos de la computación de varios escaladores se distribuiría aleatoriamente a lo largo
evolutiva que, a su vez, es un subconjunto (junto con las redes neuronales y el intervalo en el que anotarían su altitud (es decir, la composición inicial del caldo y
lógica difusa) de la inteligencia computacional. La optimización de enjambre de el rendimiento de fermentación resultante, que
partículas (PSO) es una optimización estocástica basada en la población es la iteración #1). Luego, cada uno de los escaladores caminaría hacia un
técnica, desarrollada por el Dr. Eberhart y el Dr. Kennedy en 1995, nueva ubicación predefinida (símbolo de una nueva composición química del caldo)
que se inspiró en el comportamiento social de fenómenos como y observe su nueva altitud (es decir, rendimiento de fermentación),
como bandadas de pájaros, es decir, un gran número de pájaros que finalmente que es la iteración #2. La comparación de los cambios de altitud (es decir,
convergen en un dormidero común. PSO comparte varias similitudes con mejora del rendimiento) para cada uno de los trepadores (desde la iteración 1 hasta
técnicas de computación evolutiva como algoritmos genéticos 2) así como donde se encuentra el trepador más alto (mejor rendimiento) es
(GEORGIA). El sistema se inicializa con una población de soluciones aleatorias y utilizado para determinar la dirección (es decir, la siguiente composición de caldo
busca óptimos actualizando generaciones. Sin embargo, intentar) para cada uno de los escaladores para la siguiente iteración.
Machine Translated by Google
Si bien no es una garantía, el enfoque del enjambre de partículas aumenta el masa celular. Este gran cambio de carga está asociado con cambios importantes
espacio que se puede buscar con un número similar de experimentos y aumenta la correspondientes durante el transcurso de la fermentación en los requisitos de
posibilidad de que se encuentre un óptimo global (es decir, el Monte Everest). oxígeno y nutrientes, eliminación de dióxido de carbono, "base" necesaria para
mantener el pH, etc. Muchos bioprocesos se complican adicionalmente porque una
Se ha sugerido que las dos técnicas descritas anteriormente se pueden usar de inducción o producto La actividad de desrepresión de la formación se produce en
manera complementaria, con algoritmos evolutivos que realizan la búsqueda amplia medio del bioproceso en el que se induce al cultivo a cambiar de un modo de
inicial y luego se usa un diseño estadístico para el ajuste fino. "crecimiento" a un modo de "síntesis de productos". Esta inducción a menudo se
desencadena por un cambio programado en la temperatura o por una adición
La técnica evolutiva del “enjambre de partículas” se probó en dos procesos de química.
fermentación existentes en Lilly. En ambos procesos de fermentación, se obtuvo Además, si bien este documento se enfoca principalmente en los aspectos de
como resultado una composición del medio de caldo que proporcionó una mejora los bioprocesos de circuito cerrado basados en computadora, hay un trabajo
del rendimiento de >50 %, en comparación con el medio de producción anterior significativo que se dedica al diseño del propio biorreactor. Como ejemplo,
existente. normalmente existe un agitador para la mayoría de los bioprocesos aeróbicos, cuya
Con respecto a la esterilización, se sabe que pueden existir grandes diferencias misión es (1) romper las burbujas de gas en burbujas más pequeñas (para aumentar
en los tiempos de calentamiento y enfriamiento de las operaciones de esterilización, el área de superficie de la burbuja para mejorar la transferencia de oxígeno y dióxido
dependiendo principalmente del tamaño de los fermentadores (p. ej., los de carbono) y (2) proporcionar mezclar bien para lograr un caldo homogéneo. Se
fermentadores de gran producción suelen tener ciclos de esterilización totales más necesita homogeneidad, por ejemplo, para proporcionar un rango de oxígeno
prolongados que los fermentadores a escala piloto). Dado que las reacciones disuelto uniforme en todo el fermentador de modo que todas las células tengan
químicas de los componentes de los nutrientes generalmente ocurren durante la suficiente oxígeno. También se necesita homogeneidad para que las adiciones de
esterilización, las diferencias en los ciclos de calor pueden causar una composición sosa cáustica (para el control del pH) y antiespumante se dispersen rápidamente
de nutrientes significativamente diferente en el caldo posterior a la esterilización. para, por ejemplo, minimizar el daño local a las células en el punto de entrada.
Por ejemplo, la glucosa, cuando se expone a temperaturas de esterilización, puede Desafortunadamente, las RPM del agitador y los tipos de palas del agitador
formar polímeros, puede reaccionar con aminoácidos para generar productos de necesarios para lograr estos objetivos a menudo crean condiciones de alto
reacción de Browning y también puede reaccionar con fósforo inorgánico. cizallamiento que son dañinas para las células. Por lo tanto, el diseño del reactor
Para algunas fermentaciones, la diferencia en los ciclos de calor puede causar final juega un papel importante en el control de un bioproceso y suele ser un
diferencias suficientes en la composición de nutrientes posteriores a la esterilización compromiso con respecto a los efectos de cizallamiento, la mezcla, las tasas de
que luego pueden afectar significativamente el grado posterior en que el cultivo transferencia de masa de gas y la economía del proceso (es decir, los costos de
puede crecer y producir productos. Se ha publicado un trabajo sobre la servicios públicos).
caracterización del grado en que ocurren las reacciones químicas durante la
esterilización, usando un parámetro definido como Ro (similar en concepto al uso 3. Mediciones de proceso
Si bien se sabe que existen algunos sistemas de muestreo automático, el 2. Mediciones de la composición del caldo, incluido el uso de cerca
Las limitaciones generales de estos sensores en línea incluyen (1) su uso infrarrojo (NIR), infrarrojo medio (MIR), cromatografía iónica,
de operaciones manuales (p. ej. muestreo y preparación de muestras) y HPLC. Estos sistemas pueden proporcionar análisis de nutrientes
y (2) frecuencia de medición que puede no permitir prácticamente composiciones, amoníaco, concentraciones de productos y otros
3.3. Tecnologías analíticas de procesos La Administración de Alimentos y Medicamentos (FDA) ahora está activamente
promover la consideración de la Tecnología Analítica de Procesos (PAT) en los
Algunos sistemas analíticos han evolucionado en los últimos 20 procesos de fabricación farmacéutica. Ellos
años que brindan poderosa información adicional en tiempo real o casi en tiempo real define PAT como “un sistema para diseñar, analizar y controlar la fabricación a través
sobre los bioprocesos. Incluyen: de mediciones oportunas (es decir, durante el procesamiento) de atributos críticos de
calidad y rendimiento
1. Análisis de gases, usando espectrometría de masas de proceso (reemplazando de materias primas y en proceso y procesos con el objetivo
uso anterior de analizadores infrarrojos de dióxido de carbono, analizadores de garantizar la calidad del producto final (Departamento de Salud de EE.
paramagnéticos de oxígeno y cromatógrafos de gases). y Servicios Humanos, Administración de Alimentos y Medicamentos, 2004)”.
Estos sistemas típicamente brindan análisis de las concentraciones de oxígeno, Se espera que la adopción de los conceptos y tecnologías detrás de PAT ayude a
nitrógeno y dióxido de carbono en las corrientes de gas. liderar la industria farmacéutica.
A veces también proporcionan información sobre otros gases que en su evolución hacia un control de procesos más avanzado. Este
puede estar presente (por ejemplo, alcoholes, sulfuro de hidrógeno). Uno de los se debe a que varias mediciones de bioprocesos, históricamente realizadas fuera de
Los tipos más populares de espectrómetros de masas de proceso son del tipo de línea con resultados obtenidos demasiado tarde para ser relevantes para el control de
sector magnético (p. ej., de Thermo-Electron & Hamilton procesos, ahora se realizarán con mayor frecuencia
Sustrand) debido a su muy alta precisión y estabilidad (ver y casi en tiempo real y, por lo tanto, disponible como lazo de control
Figura 4). entradas.
Machine Translated by Google
Uno de los problemas en el uso de sistemas PAT es si se trata de sensores 3.5. Avances/ problemas del sensor
inteligentes o sistemas informáticos (los sistemas PAT normalmente incluyen
computadoras que manejan el procesamiento de datos, la calibración, el análisis, etc., y Además de los avances en las mediciones disponibles en línea y en línea, las
que normalmente requieren configuración y/o programación de software). La forma en tecnologías involucradas con sensores también están progresando rápidamente.
que se definan estos sistemas afectará el grado en que deben validarse.
• Muchos sensores se están volviendo mucho más pequeños, lo que lleva a micro
3.4. Sensores virtuales matrices de sensores.
• Los sensores (y las válvulas) se están volviendo más inteligentes y brindan información
A pesar de la gama de medidas disponibles con los anteriores de mantenimiento y diagnóstico, así como mediciones tradicionales y/o indicación
tecnologías enumeradas, todavía existen algunos desafíos, por ejemplo de la posición de la válvula. (Nota: si bien esta información es valiosa, también puede
contribuir a la sobrecarga de información y alarmas para los operadores).
1. Estimación de la masa celular en fermentaciones que utilizan ingredientes de medios
complejos, es decir, ingredientes que incluyen sólidos (p. ej., sémola de soja). • Las autopistas digitales están disponibles para comunicar esta información adicional
a los sistemas de control por computadora (p. ej., Fieldbus, Profibus).
2. Estimación en línea de la concentración de sustrato de carbono primario del caldo (p.
ej., glucosa), para uso en control continuo. • Algunas comunicaciones de sensor a computadora se están volviendo
3. Estimación de la concentración del producto en línea. "inalámbrica."
Las estimaciones/medidas precisas de estos parámetros son importantes ya que la En general, la industria farmacéutica avanza lentamente y con cautela en la adopción
mayoría de los modelos de bioprocesos publicados incluyen la masa celular, la de estas nuevas tecnologías, debido en parte al entorno regulatorio en el que operan las
concentración de sustrato de carbono primario y la concentración de producto como empresas, la necesidad de validar prospectivamente (proporcionar verificación
variables primarias de "estado". documentada) que funcionan y el desafío de obtener control de calidad. y la aprobación
Se ha informado cierto éxito en la estimación de parámetros como estos mediante de la dirección en un entorno de control de cambios típicamente conservador y
el uso de sensores virtuales. Estos sensores hacen uso de la información disponible en burocrático. Por lo tanto, los ingenieros de bioprocesos en la industria están observando
línea y un modelo (a través de, por ejemplo, regresión estadística, redes neuronales) estas tendencias, pero normalmente no serán los primeros en probarlas.
para predecir aquellos parámetros que no son prácticos para medir directamente de
forma continua. No es sorprendente que muchos de estos sensores virtuales hagan uso
de parámetros calculados de consumo de oxígeno de cultivo o de evolución de dióxido Como ejemplo de una oportunidad para una mayor investigación y desarrollo, se ha
de carbono (CER) (disponibles a partir de espectrometría de masas de proceso y otras logrado un éxito significativo en el uso de redes neuronales como sensores virtuales para
mediciones) como entrada clave, ya que están fuertemente correlacionados, por ejemplo, aplicaciones tales como concentración de sustrato en línea (por ejemplo, glucosa), masa
con el consumo de glucosa y crecimiento celular. Por ejemplo, algunos bioprocesos celular, etc. Sin embargo, las redes neuronales se conocen como un tipo de modelo de
(especialmente los que usan medios complejos) han usado la ecuación simple: "caja negra", lo que significa que no se basan en primeros principios (es decir,
deterministas). Una de las consecuencias de esto es que, por lo general, son deficientes
para extrapolar. También son débiles para adaptarse a los retrasos (por lo general,
Si bien los sensores virtuales pueden ser bastante precisos durante las etapas de
crecimiento de los cultivos, a menudo son menos precisos durante las partes del proceso 4. Técnicas de control
de síntesis del producto. Esto se debe a que las actividades celulares implicadas en la
síntesis del producto no se conocen tan bien y puede ocurrir una muerte celular Rani y Rao (1999) publicaron una revisión exhaustiva de las técnicas de control de
significativa y una inhibición del producto. fermentadores . Esta revisión resume y hace referencia a más de 100 artículos
publicados, muchos de los cuales tratan
Machine Translated by Google
saludos. Por ejemplo, el modelo más común para un sustrato limitante es la conocida
ecuación de Michaelis-Menten:
Tasa máxima × S
Velocidad de reacción = (2)
Km + S
Los bioprocesos emplean la mayoría de los mismos tipos de control que se utilizan 2. Control subóptimo La industria
en otras industrias químicas. Más de la mitad de la mayoría de los bucles de control de
farmacéutica no es diferente a muchas otras industrias en las que los
procesos biológicos pueden manejarse mediante controladores PI (proporcionales +
observadores han notado que los lazos de control a menudo se encuentran en modo
integrales) de retroalimentación de salida única y entrada única tradicionales. manual en lugar de automático y que los lazos no están bien ajustados. Algunos
(Consulte la Fig. 6 para conocer las variables manipuladas típicas, como el flujo de aire
observadores sugieren que existe una brecha entre lo que normalmente se enseña
estéril, la alimentación de nutrientes, la presión, el flujo de agua de enfriamiento y la
en los cursos universitarios de control de procesos y lo que se necesita en industrias
velocidad de agitación, y las variables controladas, como el pH, la temperatura y el como la industria farmacéutica orientada a lotes.
oxígeno disuelto).
El tipo de control más avanzado que se encuentra con más frecuencia son los
Más específicamente, muchos cursos universitarios de control de procesos se
controladores de cascada DO2 en los que el oxígeno disuelto (es decir, el circuito
centran en los aspectos teóricos de los tipos de procesos continuos de "estado
maestro) se conecta en cascada al circuito de control para la agitación, el flujo de aire,
estacionario" e incluyen temas como las transformadas de Laplace, el criterio de
la velocidad de alimentación del sustrato o algún otro parámetro (el circuito esclavo).
estabilidad de Nyquist, los diagramas de Bode, los diagramas del lugar geométrico
Otros ejemplos de control avanzado que se sabe que existen para la industria
de las raíces y las matrices de estabilidad de Routh. En contraste con esto, un gran
Los bioprocesos de prueba son:
porcentaje de los procesos industriales actuales son procesos por lotes de estado
no estacionario y las técnicas mencionadas anteriormente rara vez son utilizadas
1. Control multivariable (p. ej., para controlar simultáneamente DO2 y dCO2 utilizando por los ingenieros de automatización en ejercicio.
alimentaciones de aire y oxígeno puro controladas de forma independiente). Parece haber una necesidad de un mayor enfoque en los foros educativos sobre el
tratamiento de los transitorios del proceso, las transiciones de fase del proceso y
2. Modelo de control de referencia (por ejemplo, para controlar la glucosa en base a un otras dinámicas de control no lineal del procesamiento por lotes y más capacitación
sensor virtual). Los controladores de referencia modelo son especialmente efectivos sobre técnicas de ajuste de bucle y características y selección de válvulas de control.
para minimizar el problema del tiempo muerto (es decir, el retraso en el transporte)
asociado con los instrumentos en línea. 3. Algoritmos de control avanzados (Fuzzy Logic, Model Predictive Control, etc.)
3. Control adaptativo (por ejemplo, ganancia adaptativa).
Si bien la mayoría de estas técnicas funcionan satisfactoriamente, existen Al igual que con las nuevas tecnologías de hardware, la industria farmacéutica
motivos de precaución y oportunidades de mejora: tiende a moverse lenta y cautelosamente con respecto a los nuevos enfoques en los
algoritmos de control.
1. El PID de no linealidad del Los ingenieros en ejercicio están monitoreando la evolución de técnicas como los
proceso es un controlador diseñado para procesos que se comportan de manera controladores de lógica difusa y el control predictivo de modelos (MPC) y considerando
lineal (o en una región pseudolineal de un espacio no lineal más grande). Los su posible aplicación a los bioprocesos. Por ejemplo, Nyttle y Chidambaram (1993)
cultivos de microorganismos son no lineales en muchos
Machine Translated by Google
mostró cómo un controlador de lógica difusa podría utilizar alimentación de glucosa solo algunas veces han tenido éxito en la evolución de una estrategia de control de
(sustrato) para obligar a una fermentación a seguir un perfil de concentración variable procesos mejorada.
en el tiempo de un producto predeterminado (penicilina). De gran interés reciente es el uso de redes neuronales para tales fines. Este
Existe cierta renuencia a buscar agresivamente tales tecnologías para enfoque requiere menos tiempo, es más fácil de aprender y usar para los ingenieros
bioprocesos industriales debido a: y evita la necesidad de definir ecuaciones deterministas del proceso. Vlassides,
Ferrier y Block (2001) incluyen una discusión y aplicación de este enfoque para las
A. Incertidumbre sobre cómo validarlos prospectivamente. fermentaciones de vino.
B. Un deseo de simplificar las cosas para los ingenieros de apoyo que a menudo son
técnicos de instrumentos o ingenieros químicos con una sola carrera universitaria Sin embargo, como se sugirió anteriormente en la Sección 3.5, es prometedor
en control de procesos (es decir, hacer todo lo posible con retroalimentación PID usar modelos híbridos para definir el proceso y buscar la optimización del proceso en
y técnicas en cascada). el que las redes neuronales se complementarían con ecuaciones de primer principio
conocidas.
C. Falta de pruebas convincentes publicadas (hasta el momento) de que dichos Otro tipo de optimización de procesos implica minimizar los costos de energía.
algoritmos aumenten significativamente la productividad de los bioprocesos. Los fermentadores son a menudo la operación unitaria que consume más energía en
una planta debido a los altos volúmenes de aire comprimido y la alta potencia de
Específicas de MPC, las preocupaciones adicionales incluyen: agitación requerida. Shields y Kao (1994) desarrollaron e implementaron un modelo
en el que el flujo de aire y las RPM de agitación se administraron para controlar el
A. La técnica se desarrolló inicialmente para procesos continuos. Si bien también es DO2 en un punto de ajuste deseado y minimizar el consumo total de energía.
aplicable a los procesos por lotes, la complejidad percibida es mayor debido a
los cambios significativos en la ganancia y la dinámica del proceso durante el
proceso por lotes.
B. Renuencia a perturbar el proceso para generar datos para construir el modelo
(especialmente con respecto al pH y la temperatura). 6. Otras funciones del sistema de automatización
C. La percepción (real o imaginaria) de que se necesitan consultores externos para
ayudar a desarrollar (ya veces respaldar) el modelo de proceso y la aplicación Además de los algoritmos de control, se espera que las computadoras de control
de optimización general. de procesos proporcionen utilidades/funcionalidades adicionales relacionadas con la
D. Preocupaciones de sostenibilidad. Una encuesta publicada recientemente por automatización de procesos. Estos pueden incluir la secuenciación por lotes, la
Invensys (Rosenzweig, 2005) señaló: “El problema real para MPC es evitar que gestión de alarmas, los enclavamientos, los diagnósticos, los enlaces a los
los operadores lo apaguen. Más del 50 % de todos los controladores predictivos historiadores, la interfaz con PAT y los sistemas analíticos en línea, y el suministro
son manuales”. de pantallas gráficas en color eficaces y fáciles de configurar para los operadores.
En el lado positivo, recientemente se ha logrado un buen progreso en la Como ejemplo específico de las oportunidades y problemas relacionados con
simplificación de la implementación de MPC. Por ejemplo, Inven sys, Emerson, estas otras funciones de control de procesos, se analiza la gestión de alarmas.
Solutia y Aspen Technology han desarrollado herramientas mejoradas que reducen
el esfuerzo, la experiencia y los gastos que antes se requerían con el uso de MPC. La gestión de alarmas es un área problemática importante para la mayoría de las
empresas de la industria química, incluidos los bioprocesos.
A menudo existen alarmas molestas que: (1) frustran a los operadores, (2)
5. Optimización de procesos desencadenan investigaciones innecesarias de desviación del proceso y (3) dan la
percepción a otros de un proceso que NO está bajo control. Además, las alarmas
Mucho se ha publicado sobre la creación de modelos de bioprocesos como un inteligentes que: (1) pueden acceder a toda la información de proceso pertinente
medio para comprender mejor el proceso y ayudar a generar estrategias de control dentro de la computadora, (2) brindan información a los operadores sobre la causa
óptimas. Tradicionalmente, los puntos de ajuste de control para bioprocesos principal, (3) muestran la respuesta esperada del operador y (4) se vinculan a los
industriales han sido determinados por experimentación de prueba y error en plantas sistemas de búsqueda. difícil de configurar. Existen oportunidades de mejora tanto
piloto; un proceso a veces largo y laborioso. Tenga en cuenta que algunos puntos de con las prácticas de implementación de la empresa como con la funcionalidad
ajuste suelen variar con el tiempo, como la aireación, la agitación y las tasas de proporcionada por los productos estándar del proveedor.
alimentación de nutrientes.
La situación está empeorando gradualmente a medida que los sensores
Al trabajar en equipo con microbiólogos de procesos, el autor ha tenido inteligentes, las válvulas inteligentes y los protocolos de comunicación, como bus de
experiencia con técnicas en las que se especifica una matriz de varias ecuaciones de campo y Ethernet de alta velocidad, amplían rápidamente la cantidad de información
estado no lineales de bioprocesos (un desafío en sí mismo) con la estimación de disponible para el sistema de control de procesos y los ingenieros de planta se ven
parámetros (que tampoco son triviales) y luego se persigue utilizando datos tentados a agregar más alarmas en la conexión con algunos de ellos. esta informacion.
experimentales. Luego se especifica una matriz de tamaño similar de ecuaciones
adjuntas y se usan hamiltonianos, el principio máximo de Pontryagin y el cálculo de Las empresas que hacen un buen trabajo con las alarmas tienden a ser aquellas
variaciones para calcular un punto de referencia variable de control variable en el que se adhieren a la definición fundamental de alarma, es decir, que una alarma
tiempo óptimo (por ejemplo, una tasa de alimentación de nutrientes). representa una condición anormal que requiere una respuesta.
Estos esfuerzos siempre han consumido mucho tiempo y siempre han resultado en La falta de cumplimiento de esto es la mayor fuente de alarmas molestas y sobrecarga
una mejor comprensión del bioproceso, pero de información para los operadores.
Machine Translated by Google
Desde la perspectiva del producto del proveedor, muchos sistemas brindan poco
más que la capacidad de comparar un valor actual con un punto de ajuste y generar
una alarma si esta brecha excede un valor especificado por el usuario. Si esta alarma
se envía luego a un historiador o registrador de alarmas, el registro de alarma
contiene poco más que una marca de tiempo del calendario, una descripción críptica
del parámetro en alarma y quizás un valor para el parámetro en alarma. La capacidad
de clasificación de registros de alarma es mínima ya que hay poca información de
etiquetas de alarma para clasificar. Los registros de reconocimiento del operador de
alarma pueden o no existir para ayudar a comprender el historial y realizar un análisis
de la causa raíz de los eventos de desviación del proceso.
Como puede parecer un valor agregado como la alarma más inteligente descrita En general, los sistemas de automatización de procesos actuales capturan
anteriormente, el "fin en mente" sugiere una funcionalidad de alarma aún mayor, grandes volúmenes de datos de bioprocesos y los almacenan en bases de datos.
específicamente la capacidad de comparar el valor de un parámetro (por ejemplo, Además, las utilidades de control/historiador de computadora están disponibles y son
DO2) en un proceso por lotes actualmente en ejecución con el "tiempo variable" relativamente fáciles de usar para que los datos, en términos de gráficos de
rango de valores establecidos por el promedio histórico ± 1 o 2 desviaciones estándar tendencias, sean fáciles de visualizar. Además, hay herramientas disponibles para
de lotes de producción satisfactorios recientes. ayudar a extraer el contenido de información y conocimiento en los datos
El movimiento del valor actual fuera de esta banda variable en el tiempo podría ser almacenados. Estas herramientas incluyen software de construcción de modelos
entonces la lógica que dispara una alarma (ver Fig. 7). (por ejemplo, redes neuronales), análisis estadístico (por ejemplo, JMP), análisis de
El uso de Lilly de sistemas expertos en tiempo real en la mayoría de sus componentes principales, generación de árboles de decisión, gráficos tridimensionales,
instalaciones de fabricación y desarrollo de procesos biológicos logra sistemas basados en reglas para analizar datos entrantes en tiempo real, etc.
Machine Translated by Google
solo considerar el paso de la inoculación, se debe transferir al fermentador un observar una operación de una sola unidad, es decir, el fermentador. Considere
número predeterminado de células de un tanque de siembra (basado en el el caso más general cuando intente determinar las causas fundamentales de
volumen de líquido medido y la densidad celular estimada), tiempo durante el la variabilidad en una operación aguas abajo (ver Fig. 3). La causa podría estar
cual las células pueden quedarse sin oxígeno o entrar en contacto con tuberías en cualquiera de las operaciones unitarias anteriores, como la fermentación, o,
de transferencia con refrigeración insuficiente. Por lo tanto, un lote de de hecho, en una operación controlada manualmente al principio de la vida del
fermentación no siempre comenzará con la misma cantidad de células viables, cultivo (ver Fig. 2). Al recopilar datos para analizar, es posible que algunos de
lo que luego puede afectar significativamente el crecimiento posterior, la los datos deban agregarse manualmente a la base de datos (es decir, de pasos
absorción de oxígeno, el oxígeno disuelto y otras tendencias en función del monitoreados manualmente de la operación general) y partes de los datos
Con respecto a si las fermentaciones eran aceptables para el análisis, los lotes de fermentación y los lotes de purificación (por ejemplo, debido a la
lotes que se contaminaron o cuyos sensores fallaron durante la ejecución se combinación de lotes para algunas operaciones), por lo que el seguimiento de
identificaron a partir de los registros de lotes y se desecharon. Luego, cada una la genealogía de lotes suele ser un desafío.
de las tendencias del proceso (alrededor de 30/lote) se invocó y se inspeccionó Por lo tanto, la clave para un mayor progreso en la minería de datos está
visualmente para buscar datos atípicos (por ejemplo, puntos espurios debido a en desarrollar herramientas para facilitar la preparación de conjuntos de datos.
fallas momentáneas de energía durante tormentas eléctricas). A continuación, Productos como Process Insights (de Pavillion) y Discoverant (de Aegis) tienen
se eliminaron los puntos atípicos del conjunto de datos para utilizarlos en el una importante funcionalidad de recopilación y preparación de datos para
ayudar con esto.
análisis.
El siguiente desafío fue tener que estimar cada parámetro en intervalos de
tiempo específicos (requeridos para algunas herramientas de análisis). Esto 8. Comentario final
requería promediar múltiples puntos de datos o descomprimir datos comprimidos
en el historial para variables continuas (p. ej., pH). Para los ensayos fuera de El estado del control de bioprocesos es consistente con un artículo reciente
línea, esto requería realizar ensayos una vez al día y estimar (mediante (Spear, 2005) en el que se señala que la industria del control de procesos
interpolación) los valores en otros momentos. claramente tiene un problema. Hay dos velocidades en juego: (1) el rápido
Una vez realizado este trabajo, los datos fueron normalizados y presentados ritmo de desarrollo de las comunicaciones digitales y (2) la tasa más tranquila
en el formato esperado por la herramienta de análisis. Una de las varias (medida en años, si no décadas) de muchos de sus clientes.
técnicas de minería aplicadas al conjunto de datos fue el análisis de
componentes principales, que se muestra en la Fig. 8. Uno de los beneficios Los nuevos biosensores, los dispositivos de campo más inteligentes y las
de este análisis fue la eliminación de la mayoría de las hipótesis propuestas comunicaciones digitales están a punto de proporcionar a la industria de
con respecto a la diferencia entre buenas y malas rachas que se relacionan bioprocesos muchos más datos que antes. El problema es que los usuarios
con el tiempo . período entre la inoculación (tiempo = 0) y la inducción; es decir, aún no son muy buenos para consolidar, analizar y extraer de manera eficiente
la causa de las malas rachas es probablemente los datos que ya tienen. Las plantas ya tienen grandes
Machine Translated by Google
cantidad de alarmas molestas y datos permanecen como datos en lugar de convertirse procesos y en la comparación de diferentes plantas que fabrican el mismo
en información y conocimiento. producto).
Si los tecnólogos aprenden a ser más inteligentes en lo que hacen con los datos 7. La capacidad de mostrar alarmas, comentarios del operador, datos de ensayos
que ya tienen, estarán en una posición mucho mejor para administrar de manera discretos generados fuera de línea y datos continuos de control de procesos en
inteligente el aumento de datos a medida que se desarrollen dispositivos de campo y el mismo gráfico/pantalla.
técnicas de medición nuevos y más inteligentes. 8. Interfaz con sistemas expertos basados en reglas para diagnósticos de procesos
Mientras que las compañías farmacéuticas y los proveedores están trabajando en en tiempo real, análisis de datos y aplicaciones de alarmas remotas inteligentes.
estas oportunidades de mejora, las instituciones de investigación pueden estar
trabajando en: 9. Uso de direccionamiento relativo de entrada-salida. Esto permite utilizar la misma
receta de aplicación para cualquier biorreactor instrumentado de manera similar.
1. Mejor comprensión (incluidos modelos) de la relación entre las vías metabólicas
intracelulares y los parámetros extracelulares. (Tenga en cuenta que el control del 10. Registros de datos que se pueden ordenar, consultar y mostrar por número de
fermentador se trata principalmente de tratar de influir en el entorno interno de las tanque, número de lote, paso/fase del proceso y cualquier otro atributo etiquetado.
células mediante la manipulación del entorno externo).
11. Capacidad para ver gráficos de datos y recibir alarmas desde ubicaciones remotas,
2. Mejorar la funcionalidad de la red neuronal híbrida. incluidas las casas de los empleados.
3. Herramientas de programación de plantas rápidas, eficientes y fáciles de configurar. 12. Capacidad para descomprimir datos históricos en estimaciones interpoladas a
4. Versiones más fáciles de usar de técnicas de control avanzadas. intervalos de tiempo periódicos (requerido para algunas herramientas de análisis
de datos).
9. Información adicional: el sistema informático de fermentación de 13. Capacidad para calcular bandas (es decir, el valor promedio variable en el tiempo
Lilly ±2 desviaciones estándar) en función del análisis de datos históricos
seleccionados, para usar como telón de fondo en las tendencias de datos de
A principios de la década de 1970, los científicos e ingenieros de Lilly definieron control de procesos.
una visión para el monitoreo y control de bioprocesos que no se podía realizar con los
sistemas comerciales disponibles en ese momento. Por lo tanto, se organizó un equipo
Expresiones de gratitud
que desarrolló el sistema histórico y de control del proceso de fermentación
personalizado de Lilly (Alford, 1981, 1990). El autor desea reconocer el compromiso con la excelencia y las muchas
oportunidades que le brindó la gerencia de Eli Lilly & Co. durante su carrera. Además
Durante los años siguientes, Lilly incorporó nueva tecnología informática a medida reconoce las contribuciones de sus mentores, compañeros y asociados por su gran
que estuvo disponible comercialmente. Una adición importante de PAT fue el uso de ayuda en los proyectos y en su comprensión de los bioprocesos.
espectrómetros de masas de proceso.
Este sistema se reprodujo en todas las principales instalaciones de investigación,
desarrollo y fabricación de fermentación de Lilly a fines de la década de 1970 y
Referencias
principios de la de 1980. Los historiadores del sitio de la planta se vincularon
electrónicamente para facilitar el intercambio y la comparación de los datos del proceso.
Alford, J. (1978). Modelado de concentración celular en medios complejos, biotecnología
La interfaz con los sistemas expertos en tiempo real comenzó en 1990. Muchos de y bioingeniería: vol. XX, John Wiley and Sons, págs. 1873–1881.
estos sistemas siguen funcionando hoy, más de 25 años después. Alford, J. (1981). Desarrollo del sistema informático de fermentación en Eli Lilly and
Company. En Actas de la tercera conferencia internacional sobre aplicaciones
informáticas en tecnología de fermentación.
Varias características de este sistema siguen siendo funciones avanzadas en
Alford, J. (1990). Implementación del sistema informático de fermentación personalizado
comparación con los sistemas comerciales actuales. Los proveedores de automatización
en Eli Lilly and Company. En Un capítulo de libro de texto invitado sobre el control
deben tener en cuenta que estos son prácticos y agregan valor a los clientes: informático de los procesos de fermentación. Prensa CRC.
Alford, J. (2006). Espectrometría de masas de bioprocesos: una aplicación PAT. Diario de
Process Analytical Technology, 3 (junio (3)).
Alford, J., Cairney, C., Higgs, R., Honsowetz, M., Huynh, V., Jines, A., et al. (1999a).
1. Cambiabilidad en línea de toda la lógica de recetas de control de procesos.
Recompensas reales de la inteligencia artificial. Intech, 46(4), 52–55.
Esto es especialmente valioso para las operaciones de investigación y desarrollo
Alford, J., Cairney, C., Higgs, R., Honsowetz, M., Huynh, V., Jines, A., et al. (1999b). Uso
cuando los cambios son frecuentes y no todos pueden anticiparse de aplicaciones de sistemas expertos en línea en plantas de fermentación.
prospectivamente antes de una ejecución. Intech, 46(7), 50–55.
2. Pistas de auditoría automatizadas para cambios en línea. Alford, J., Kindervater, J. y Stankovich, R. (2005). Gestión de alarmas para industrias
reguladas. Progreso de la ingeniería química, 101 (abril (4)).
3. Lógica de secuenciación continua y por lotes en un solo entorno de configuración
Boeck, L., Wetzel, R., Burt, S., Huber, F., Fowler, G. y Alford, J. (1988).
(es decir, ambos paradigmas implementados en la misma receta).
Esterilización de los medios del biorreactor sobre la base de la entrada térmica
calculada por computadora, designada como Fo. Revista de Microbiología Industrial,
4. Creación de recetas de control de procesos lo suficientemente simple como para 3, 305–310.
que la puedan realizar los técnicos. Boeck, L., Alford, J., Pieper, R. y Huber, F. (1989). Interacción de los componentes de los
medios durante la esterilización del biorreactor: Definición e importancia de Ro.
5. Gráficos de tendencia mostrados en tiempo relativo (es decir, tiempo desde el
Revista de Microbiología Industrial, 4, 247–252.
comienzo del lote o paso del lote).
Cockshott, AR y Hartman, BE (2001). Mejora del medio de fermentación para la producción
6. Procesar datos de diferentes fermentadores en diferentes plantas que se muestran de equinocandina B. Parte II: Optimización de enjambres de partículas. Bioquímica de
en la misma parcela (especialmente valiosos para escalar procesos, 36, 661–669.
Machine Translated by Google
Cockshott, AR y Sullivan, GR (2001). Mejora del medio de fermentación para la producción de Lanza, M. (2005). ¿Es hora de subir la velocidad? Los desarrollos de control de procesos
equinocandina B. Parte I: Diseño experimental estadístico secuencial. Bioquímica de continúan superando su aceptación por parte de la industria. Procesamiento Químico,
procesos, 36, 647–660. (junio), 50.
Nyttle, VG y Chidambaram, M. (1993). Control de lógica difusa de un fermentador alimentado por Strobel, R. y Hartman, B. (1999). Optimización de enjambres de partículas para mejorar la
lotes. Ingeniería de bioprocesos, 9, 115–118. fermentación de glicopéptidos. Avances recientes en tecnología de fermentación, RAFT III.
Psicogios, D. y Ungar, L. (1992). Una red neuronal híbrida: enfoque de primeros principios para Sarasota, Florida.
el modelado de procesos. Revista AIChE, 38 (octubre (10)). Departamento de Salud y Servicios Humanos de EE. UU., Administración de Alimentos y
Rani, Y. y Rao, R. (1999). Control de fermentadores: una revisión. Ingeniería de bioprocesos, Medicamentos (2004). Guía para PAT de la industria: un marco para el desarrollo, la
21, 77–88. fabricación y la garantía de calidad de productos farmacéuticos innovadores. Rockville, MD.
Rosenzweig, M. (2005). Las plantas se vuelven más inteligentes. Procesamiento químico, (junio), Disponible en www.fda.gov/cder/guidance.
16–21. Vlassides, S., Ferrier, J. y Block, D. (2001). Uso de datos históricos para la optimización de
Escudos, RW y Kao, EI (1994). Un algoritmo de control de oxígeno disuelto en la fermentación bioprocesos: modelado de las características del vino utilizando redes neuronales artificiales
que minimiza los costos. Ingeniería de bioprocesos, 10(2), 91– 98. e información de proceso archivada. Biotecnología y Bioingeniería, 73(1), 55–68.