Beschreibung
Die Regelungsstrategie von Bioprozessen umfasst zumeist lediglich die Einhaltung vordefinierter nicht optimaler Zielwerte, wodurch ein hohes Optimierungspotential ungenutzt bleibt. Die Produktivität könnte mit Hilfe dynamischer Modelle und erweiterter Regelungstechnik (APC) signifikant verbessert werden, allerdings sind solche Modelle und Methoden aufgrund der hohen Komplexität der Prozesse meist nicht verfügbar. In dieser Arbeit wird ein daher neuer Ansatz für die Modellierung und Optimalsteuerung vorgestellt.
Die biochemischen Reaktionen der Organismen werden mit Hilfe von Elementarmoden (EM) metabolischer Netzwerke abgebildet. Reaktionsraten dieser Moden können entweder mit mechanistischen Gleichungen oder als Radialen Basisfunktionen (RBF) black-box Kinetiken modelliert werden. Mit den erarbeiteten Strategien kann ein Kompromiss zwischen Modellkomplexität und Genauigkeit gefunden werden, so dass diese Modelle mit den vorhandenen Daten identifiziert werden können und beobachtbar sind.
Für die Optimalsteuerung wird ein robuster, nicht-linearer, modellbasierter Regler eingesetzt. Verschiedene Modelle werden hierbei als Szenarios des Prozessverhaltens eingesetzt und die Modelle werden adaptiv an den Prozess angepasst und die Einflüsse von Modellabweichungen auszugleichen.
Mit dem entwickeltem Ansatz wurden zwei Modelle für einen Fed-Batch Fermentationsprozess von Chinese Hamster Ovary (CHO) Zellen entwickelt. Das Optimalsteuerungskonzept wurde anschließend in einer Simulationsstudie in Anwesenheit von Modell-Prozess Unterschieden getestet.
Es konnte gezeigt werden, dass die Produktivität mit Hilfe der entwickelten Methoden gesteigert werden kann.
