Inteligência computacional aplicada à automação de biorreator para produção de Penicilina G Acilase (PGA)

AUTOR(ES)
DATA DE PUBLICAÇÃO

2008

RESUMO

A Biotecnologia tem apresentado nos últimos anos um grande e rápido desenvolvimento. Constantemente novos processos biotecnológicos industriais são introduzidos, utilizando diferentes microrganismos e/ou enzimas. Neste contexto, a aplicação de técnicas de otimização e controle de processos tornou-se uma necessidade para a indústria de base biotecnológica. Uma abordagem tecnológica foi desenvolvida nesta dissertação para monitoração e controle de um biorreator, operando em batelada alimentada (fed-batch), para produção da enzima penicilina G acilase (PGA) por cepa selvagem do microrganismo Bacillus megaterium Essa enzima é de grande importância industrial, sendo empregada na manufatura de antibióticos β-lactâmicos semi-sintéticos. Este estudo de caso apresenta as principais dificuldades encontradas no controle de processos biológicos em geral: variabilidade dos parâmetros cinéticos e limitada disponibilidade de informação on-line. Para superar estas dificuldades foi proposta uma arquitetura não convencional para um controlador dinâmico e adaptativo utilizando filtros, alguns desenvolvidos neste trabalho, e aplicando metodologias da Inteligência Computacional (IC), tanto de forma direta como híbrida. A inferência da variável de estado concentração microbiana (Cx), objetivo muito importante para a lógica do controlador, foi realizada por um softsensor que teve como entrada valores filtrados dos sinais dos sensores das frações molares de CO2 (yco2) e O2 (yo2) nos gases efluentes, da vazão de alimentação de ar e da velocidade de agitação. O quociente respiratório (RQ), calculado a partir desses dados, foi também utilizado pelos algoritmos do software aqui desenvolvido. Para a inferência de Cx, o softsensor empregou um sistema híbrido inteligente (SHI) composto por um comitê de redes neurais artificiais (CRNAs) e por um sistema fuzzy baseado em regras (SFBR). Essas técnicas foram estruturadas de modo a se complementarem, pois o CRNAs infere a concentração microbiana (Cx) capturando dados do processo em tempo real (conhecimento empírico), e o SFBR corrige esse valor inferido utilizando conhecimento com base fenomenológica. Os resultados obtidos mostraram uma inferência mais robusta ao se utilizar esta arquitetura, suportando inclusive algum grau de extrapolação. Outro parâmetro operacional importante é a definição dos momentos de início e fim da vazão de alimentação de meio suplementar. Para alcançar esse objetivo, foi empregada lógica que foi capaz de prever estes momentos com acuidade, utilizando o sinal de fração molar de CO2 (yco2), filtros e conjuntos fuzzy adaptativos.

ASSUNTO(S)

sistemas baseados em conhecimento redes neurais (computação) fuzzy logic automação outros softsensor inteligência computacional

ACESSO AO ARTIGO

Documentos Relacionados