Grain process optimization by data-driven modeling

La macinazione del grano è un’operazione complessa, sia a causa delle complicate interazioni tra le unità, che risultano in una complessa struttura del processo stesso, che a causa dell’alta variabilità intrinseca di un prodotto naturale come il grano. Per queste ragioni, la macinazione è un processo difficile da esercire. Nonostante la grande diffusione di strumenti analitici per caratterizzare importanti qualità del grano e della farina (come ad esempio spettrometri al vicino infrarosso o analizzatori di immagini), l’attuale processo di macinazione di grano è tutt’ora poco equipaggiato con tali strumenti. Perciò il controllo di processo è principalmente basato sull’esperienza degli operatori e nella maggior parte dei casi persino la progettazione del processo è empirica. Tuttavia, al prodotto finale è richiesto un alto livello di qualità. Le industrie che coinvolgono il processo di macinazione di grano possono beneficiare enormemente dello sviluppo di strumenti scientifici e sistematici (opposti a quelli empirici basati sull’esperienza) per assistere la comprensione, progettazione e l’operazione del processo. La produzione intelligente attraverso la digitalizzazione è la tendenza seguita dai moderni processi manifatturieri. Questa Tesi, assecondando la direzione indicata da questa tendenza, propone un approccio basato su modelli per ottimizzare il processo di macinazione di grano. A tal proposito, vengono esposti diversi approcci basati sulla modellazione matematica per assistere la macinazione di grano. In particolare, vengono considerati due approcci: modelli basati su dati delle singole unità di processo e simulazione dell’intero processo. I modelli delle singole unità di processo sono stati utilizzati per risolvere diversi problemi che caratterizzano l’operazione di macinazione: i) classificazione delle diverse varietà di grano, ii) comprensione del processo, iii) predizione della qualità di prodotto e iv) progettazione di processo e scale-up. La classificazione delle diverse varietà di grano è un aspetto cruciale del processo di macinazione di grano. A tal proposito è stata sviluppata una metodologia basata sull’analisi di spettri al vicino infrarosso combinata a modelli a variabili latenti, con l’obiettivo di testare le capacità discriminanti degli spettri. L’effettivo meccanismo di rottura del grano è ancora relativamente poco conosciuto, soprattutto a causa della complessità del processo stesso: acquisire una migliore comprensione del processo può essere di grande aiuto nell’esercire l’operazione di macinazione. L’analisi dei parametri del modello permette da un lato di acquisire una migliore comprensione del meccanismo di rottura del grano e dall’altro di studiare e quantificare l’effetto dei parametri di processo più influenti e delle proprietà del grano sulle caratteristiche del materiale macinato, per diversi passaggi del processo. Le capacità predittive dei modelli basati su dati possono essere sfruttate per predire la qualità del prodotto (ad esempio, la granulometria o la frazione massiva del prodotto setacciato), in modo da evitare costosi, sia in termini di risorse che di tempo, esperimenti. In questa Tesi, modelli basati su dati sono utilizzati per predire la qualità di prodotto sia per mulini a rulli che per i setacci piani. La progettazione di processo è la relativa al problema di stimare la migliore combinazione di parametri di processo che devono essere usati per ottenere un prodotto con la qualità desiderata. Una soluzione a questo problema è offerta dai modelli basati su dati, nel caso in cui vengano utilizzate appropriate tecniche di inversione di modello. In questa Tesi, è stata sviluppata una metodologia di inversione di modelli a variabili latenti che si basa su un problema di ottimizzazione che include dati provenienti da differenti scale del processo. L’obiettivo ultimo è suggerire i parametri di processo ottimali per ottenere un prodotto con una caratteristica desiderata, in modo da accelerare lo scale-up dalla scala di laboratorio a quella industriale. In questa Tesi, si è cominciato a sviluppare una simulazione dell’intero processo. A causa della sua complessità, l’attuale processo di macinazione di grano è ancora aperto ad interventi di modernizzazione e ottimizzazione, sia riguardo la struttura del processo che i consumi di energia. L’obiettivo è sviluppare un simulatore dell’intero processo di macinazione, con lo scopo di modellare il trasporto pneumatico, le perdite di carico e i consumi di energia del processo. Questo strumento può essere utilizzato per comprendere meglio le fonti principali di consumo di energia nel mulino e per ottimizzare la struttura del processo minimizzando, ad esempio, il consumo di energia.