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
