• modellazione
• rete neurale artificiale
• etanolo

Una caratteristica importante dei bioprocessi è data da forti non-linearità e comportamenti complessi che a volte rendono difficile l’ottenimento di modelli matematici. In questi casi, tramite le reti neurali artificiali (RNA), si possono realizzare modelli molto efficienti grazie alla loro capacità d’imparare il processo senza conoscere le relazioni complicate che legano i dati di ingresso e di uscita.
Questo lavoro ha come obiettivo principale sviluppare ed implementare reti neurali per la descrizione di bioprocessi. Questi modelli possono essere applicati nel controllo e ottimizzazione e anche come “soft sensors”.
Oggetto dello studio presente è la produzione di alcol etilico attraverso la fermentazione utilizzando il microrganismo Saccharomyces cerevisae. Questo processo biologico è stato rappresentato da un modello matematico validato con dati di un impianto chimico di dimensioni e condizioni di processo industriali. Il modello, a sua volta, ha permesso di analizzare la dinamica della fermentazione dopo perturbazioni di tipo gradino nelle variabili di ingresso, e ha fornito i dati input-output per l'addestramento della rete neurale.
E' stata allenata una RNA che prevede la concentrazione di substrato, etanolo e cellule, dopo aver fornito come entrate la portata volumetrica, concentrazione di substrato nel mosto, rapporto di riflusso, temperatura del fluido refrigerante e temperatura d'entrata del mosto. La rete è stata validata e si è mostrata efficace nel rappresentare il bioprocesso.