A tutorial overview of model predictive control for continuous crystallization: current possibilities and future perspectives

技術要約：連続結晶化におけるモデル予測制御のチュートリアル概要

問題提起
連続結晶化プロセスは、特に製薬業界において、バッチ間の変動を低減し、運用コストを削減する能力があるとして、その重要性が高まっています。しかし、モデル予測制御（MPC）のような高度な制御戦略の導入には依然として課題があります。効果的な制御には、連続相（濃度、温度）と粒子相（粒径分布、PSD）の両方を正確にモデリングすることが求められます。
核心となる困難は、空間的に分布した結晶化器モデル（例：プラグフロー、スラグフロー）と、完全なPSDを追跡する詳細な粒子平衡方程式（PBE）を組み合わせることによって生じる計算量的な複雑さにあります。これらの組み合わせは、しばしば、リアルタイムの最適化には計算不可能な複雑な偏微分方程式（PDE）をもたらします。モーメント法（統計的モーメントを追跡し、完全な分布は追跡しない手法）は計算上の簡便さを提供しますが、製品品質に不可欠なPSDの完全な形状を捉えることはできません。さらに、既存の文献レビューは、これらのトピックを個別に（例：PBE解法、混合系制御、あるいは一般的な機械学習の応用など）扱っており、空間分布モデル、完全なPSD解像、およびリアルタイムMPCを統合した包括的なフレームワークを欠いています。

手法
本論文は、高忠実度な第一原理モデルとリアルタイム制御の間の溝を埋めることにより、連続結晶化におけるMPC実装のためのチュートリアル的な概要と実践的なロードマップを提供します。ワークフローは、主に以下の3つのフェーズで構成されています。

1. 高忠実度モデリング:

   • PBE解法: 著者らは、PBEを解くための5つの数値的手法（標準モーメント法（SMOM）、モーメントによる求積法（QMOM）、離散化粒子平衡方程式（DPBE）、有限要素上の直交コロケーション（OCFE）、およびモンテカルロ（MC）シミュレーション）をレビューし、比較しています。これらを通じて、モーメントベースの手法は効率的である一方で、完全なPSDを解像することはできないことを示しています。完全な解像については、DPBEとOCFEが好まれ、特に凝集が支配的なシステムにおいては、幾何学的格子を使用する場合にDPBEが安定性と精度の間で堅牢な妥協案となることを示しています。
   • 結晶化器の概念: 本チュートリアルでは、3つの異なるシステム（単段MSMPR（混合懸濁混合生成物抜き出し）結晶化器、二段MSMPRカスケード、および管型（プラグフロー）結晶化器）のモデリングを詳述しています。これらのモデルは、PBEを連続相の質量およびエネルギーバランスと結合させています。

2. サロゲートモデルの開発:

   • リアルタイムの最適化を可能にするため、計算負荷の高い第一原理モデルを、データ駆動型のサロゲートモデルを用いて近似します。
   • 3つのサロゲートモデリング手法（線形な部分空間同定、ニューラルネットワークを用いた非線形自己回帰モデル（NARX）、およびリカレントニューラルネットワーク（RNN））を評価しています。
   • 本研究では、完全な状態ベクトルではなく、制御に関連する測定値（例：平均直径 $L_{43}$ または中央値 $d_{50}$）のみを予測することによるモデルの複雑さの軽減を強調しています。入力に時間的履歴を明示的に符号化するNARXモデルは、テストされた非線形結晶化システムにおいて、RNNや線形部分空間モデルと比較して優れた予測精度を示しました。

3. モデル予測制御の実装:

   • 開発されたサロゲートは、do-mpc および CasADi トルボックスを使用してMPCフレームワークに統合されます。
   • 制御目的は、特定の粒子径指標（例：$L_{43}$ または $d_{50}$）を追跡しつつ、供給流量（収率）を最大化し、過飽和や温度に関する制約を遵守することです。
   • サロゲートモデルの不正確さを最適化器が利用してしまうこと（モデルの搾取）を防ぐため、著者らは入力の変化にペナルティを課し、コスト関数の重みを慎重に調整することを推奨しています。

主な貢献と結果
論文では、ワークフローを検証するための2つの主要なケーススタディを提示しています。

• ケース1：二段MSMPR結晶化器: このシステムは、第一原理モデルを用いたMPCが計算上実行可能なベンチマークとして機能します。結果は、NARXベースのサロゲートモデルを用いたMPCコントローラが、第一原理モデルを用いたコントローラとほぼ同一の性能を達成することを示しています。サロゲートベースのコントローラは、設定された平均直径を追跡し、供給流量を最大化することに成功しましたが、閉ループコストのわずかな増加と無視できる程度の制約違反のみが見られました。
• ケース2：管型結晶化器: このシステムは、空間的に分布した複雑なプロセスを表しており、MPCにおいて第一原理モデルを直接使用することは計算量的に不可能です。サロゲートベースのMPCは、中央値粒子径（$d_{50}$）を制御し、温度制約を管理することに成功しました。本研究は、管型システムの方が物理的には複雑であるものの、ニューラルネットワークによる近似が離散化のボトルネックを解消し、制御問題を解決可能にすることを強調しています。興味深いことに、特定の制約構造と複数のステージ出力を予測する必要性により、MSMPRケースよりも管型ケースの方がMPCソルバーの計算時間が長くなりました。

意義と主張
著者らは、本チュートリアルが、空間分布結晶化器に対して完全なPSD解像度を持つMPCを適用するための、完全かつ実践的なワークフローを提供することで、文献における決定的な空白を埋めるものであると主張しています。

• 実現可能性: 本論文は、詳細なPSDモデルと空間分布結晶化器のダイナミクスを組み合わせたMPCスキームの開発が、以前はリアルタイム最適化において複雑すぎると考えられていたにもかかわらず、現在では計算量的に実現可能であることを示しています。
• 実践的なロードマップ: オープンソースのコードとインタラクティブな例を提供することで、本研究はプロセスエンジニアや制御研究者の参入障壁を下げ、高度なプロセス制御と結晶化コミュニティの間のコラボレーションを促進します。
• 戦略的ガイダンス: 著者らは、いつサロゲートモデルが必要か（例：管型システムや完全なPSD追跡の場合）、およびいつ簡略化された第一原理モデルで十分か（例：モーメント法を用いた十分に混合されたMSMPRの場合）を判断するための意思決定フレームワーク（決定木による）を提供しています。

将来の展望と限界
本論文は、手法がシミュレーションにおいて堅牢であることは認めつつも、実際の産業システムにおける実験的な検証は依然として乏しいことを謙虚に認めています。以下のオープンな課題を特定しています。

• モデルの妥当性: サロゲートモデルは、その学習ドメイン内での補間においてのみ有効であり、外挿はリスクが伴います。
• 不確実性の定量化: 将来の研究では、予測の信頼性をコントローラが考慮できるように、不確実性の定量化（例：ベイズ法、コンフォーマル化された分位点回帰）を統合し、ロバストまたは確率的MPCを実現する必要があります。
• 新しいシステム: 本フレームワークは、複雑な新しい結晶化器（例：スラグフロー、振動攪拌槽など）や、第一原理からのモデリングが困難なファウリング現象への適応が必要です。
• 産業への採用: 規制された業界（製薬など）におけるバッチから連続プロセスへの移行は、規制上のハードルによって遅れており、依然としてPID制御が主流です。著者らは、サロゲートツールが成熟するにつれ、高度な制御戦略の採用を促進することになると示唆しています。