CN102810125A - 模拟的发酵过程 - Google Patents
模拟的发酵过程 Download PDFInfo
- Publication number
- CN102810125A CN102810125A CN201210180851XA CN201210180851A CN102810125A CN 102810125 A CN102810125 A CN 102810125A CN 201210180851X A CN201210180851X A CN 201210180851XA CN 201210180851 A CN201210180851 A CN 201210180851A CN 102810125 A CN102810125 A CN 102810125A
- Authority
- CN
- China
- Prior art keywords
- fermentation
- time
- concentration
- sweat
- complex
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Images
Classifications
-
- C—CHEMISTRY; METALLURGY
- C12—BIOCHEMISTRY; BEER; SPIRITS; WINE; VINEGAR; MICROBIOLOGY; ENZYMOLOGY; MUTATION OR GENETIC ENGINEERING
- C12M—APPARATUS FOR ENZYMOLOGY OR MICROBIOLOGY; APPARATUS FOR CULTURING MICROORGANISMS FOR PRODUCING BIOMASS, FOR GROWING CELLS OR FOR OBTAINING FERMENTATION OR METABOLIC PRODUCTS, i.e. BIOREACTORS OR FERMENTERS
- C12M41/00—Means for regulation, monitoring, measurement or control, e.g. flow regulation
-
- C—CHEMISTRY; METALLURGY
- C12—BIOCHEMISTRY; BEER; SPIRITS; WINE; VINEGAR; MICROBIOLOGY; ENZYMOLOGY; MUTATION OR GENETIC ENGINEERING
- C12C—BEER; PREPARATION OF BEER BY FERMENTATION; PREPARATION OF MALT FOR MAKING BEER; PREPARATION OF HOPS FOR MAKING BEER
- C12C13/00—Brewing devices, not covered by a single group of C12C1/00 - C12C12/04
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B17/00—Systems involving the use of models or simulators of said systems
- G05B17/02—Systems involving the use of models or simulators of said systems electric
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
Landscapes
- Engineering & Computer Science (AREA)
- Chemical & Material Sciences (AREA)
- Physics & Mathematics (AREA)
- Organic Chemistry (AREA)
- General Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Wood Science & Technology (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Zoology (AREA)
- General Health & Medical Sciences (AREA)
- Genetics & Genomics (AREA)
- Biochemistry (AREA)
- Evolutionary Computation (AREA)
- Food Science & Technology (AREA)
- Computer Hardware Design (AREA)
- Automation & Control Theory (AREA)
- Software Systems (AREA)
- Geometry (AREA)
- Sustainable Development (AREA)
- Analytical Chemistry (AREA)
- Biotechnology (AREA)
- Microbiology (AREA)
- Biomedical Technology (AREA)
- Data Mining & Analysis (AREA)
- Medical Informatics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Computing Systems (AREA)
- Mathematical Physics (AREA)
- Artificial Intelligence (AREA)
- Apparatus Associated With Microorganisms And Enzymes (AREA)
- Treatment Of Sludge (AREA)
- Processing Of Solid Wastes (AREA)
Abstract
建模发酵过程的方法包括提供发酵过程的第一原理模型;确定发酵合成物中的至少一种基质在第一时间的浓度;以及使用第一原理模型来预测所述发酵合成物的至少一种成份在第二时间的浓度,其中所述第二时间在所述第一时间之后。
Description
对相关申请的交叉引用
无。
关于联邦政府赞助的研究和开发的声明
不适用。
对缩微胶片附录的引用
不适用。
背景技术
啤酒及其他酿造饮料一般是在给定地理位置内的酿造厂生产的,以限制将饮料输送到消费者所需的运输成本和时间量。结果,酿造工业依赖于全世界的许多酿造厂,以生产在一个位置与另一个位置一致的产品。每一酿造厂都可以使用会影响最终产品的传统的技术和本地配料。传统的啤酒酿造技术涉及使用各种进料成份,包括各种谷物,每一种进料成份都可以在被引入到发酵过程的麦芽汁中产生差异。在全世界的本地供应差异还可以进一步促成用于每一批酿造的啤酒中的进料合成物的变化性。作为工艺的酿造,其发展至少部分地响应于无数进料成份以及所产生啤酒的多样化。当前的质量控制检查是由经过训练的酿造师傅执行的,师傅是使用味觉和样本发酵来控制酿造程序以实现所希望的结果方面的专家。然而,在酿造厂与酿造厂之间和批与批之间会发生某种变化性。在某些情况下,可以标识问题批,无需有关如何改变酿造程序以实现所希望的最终产品的任何特定信息。另外,由于在酿造厂内的酿造师傅之间或者在酿造厂与酿造厂之间的酿造师傅存在差异,在最终产品中可能存在某种变化性。所有这些差异在特定区域和/或全世界,可以对所希望的产品的变化性有贡献。
发明内容
在一个实施例中,建模发酵过程的方法包括提供发酵过程的第一原理模型;确定发酵合成物中的至少一种基质在第一时间的浓度;以及,使用所述第一原理模型来预测所述发酵合成物的至少一种成份在第二时间的浓度,其中所述第二时间在所述第一时间之后。
在一个实施例中,建模发酵过程的方法包括提供发酵过程的第一原理模型;确定发酵合成物中的至少一种基质在第一时间的浓度;使用第一原理模型来预测所述发酵合成物的至少一种成份在第二时间的浓度,其中所述第二时间在所述第一时间之后;响应于所预测的浓度不同于目标浓度超过阈值量,由控制系统调整发酵过程的操作参数。
在一个实施例中,用于实现发酵模拟工具的计算机实现的系统包括至少一个处理器;用户界面;包括存储第一原理发酵模拟工具的非瞬态计算机可读介质的存储器,其中,第一原理发酵模拟工具,当由处理器执行时,配置处理器执行下列步骤:接收发酵合成物中的至少一种基质在第一时间的浓度;使用发酵过程的第一原理模型来预测所述发酵合成物的至少一种成份在第二时间的浓度,其中所述第二时间在所述第一时间之后;以及,通过用户界面显示预测的浓度。
通过下面的结合各个附图以及权利要求书对本发明进行的详细说明,可以比较全面地理解这些及其他特征。
附图说明
为更完整地理解本发明,现在参考下列与各个附图和详细描述一起进行的简短描述,其中类似的附图标记表示类似的部分。
图1是发酵过程的实施例的流程图的图示。
图2是啤酒发酵过程的实施例的流程图的图示。
图3是用于模拟发酵过程的方法的实施例的流程图的图示。
图4是用于模拟发酵过程的方法的另一实施例的流程图的图示。
图5是用于模拟发酵过程的方法的再一个实施例的流程图的图示。
图6是计算机的说明性示例。
具体实施方式
首先,应了解,虽然下面示出了一个或多个实施例的说明性实现,所公开的系统和方法可以使用任意数量的技术,无论是当前已知的还是不存在的,来实现。本发明决不应该仅限于说明性实施方式、附图,以及下面所示出的技术,但是,在所附权利要求书以及它们的等效内容的范围内可以修改。
本发明提供使用第一原理方法来模拟发酵过程的方法。发酵是一种涉及一个或多个生物制剂以及可以以不同速率由各种生物制剂消耗的各种进料成份的复杂的生化过程。进料成份(例如,糖、蛋白质等等的量)可以从天然地发生的源(例如,农产品)衍生,导致诸如当各种谷物用于啤酒发酵过程中时进料合成物的变化性。例如,由于诸如水量、阳光,以及生长的温度之类的农业生长条件的不均匀性(所有的这些都会影响进料合成物),包括农产品的进料合成物可能会在不同的农作物之间有所不同。当进料包括两种或更多种农产品的组合时,混合变化性,其中每种农产品都在每一种成份的总量方面具有各自的变化性。在发酵过程中,会发生所希望的和不希望有的多种副反应。此外,所有成份,包括生物制剂、进料合成物以及所产生的产品都会影响在发酵中所发生的各种化学过程。所有这些事件都可能使得从发酵过程取得一致的和/或可预测的产品难以实现。
可以使用第一原理方法来对所希望的发酵过程进行建模。尽管反应是复杂的,但是,可以使用能使用实验方法获得的数据拟合的参数来对过程进行建模。模型可以在其数据可用的范围的外部适用,因为所建模的是诸如单个反应之类的基本机制。另外,在使用过程中,可以使用反馈机制来调节第一原理模型,以更准确地预测发酵的结果,包括最后的发酵合成物。一旦提供了模型并且使用可用的数据确定了参数,就可以在整个发酵过程中预测发酵过程的各种结果。可以使用结果来帮助标识在过程中何时需要调整。还可以通过模拟对操作参数的改变的效果,使用模型来验证任何提议的调整的结果。另外,预测可以与控制系统关联,可以使用该控制系统来实现用于自动调整发酵过程的一个或多个参数的完全自动化的控制系统。所产生的系统允许更频繁地从像发酵过程那么复杂的过程获得一致的结果。在一个实施例中,可以使用结果来试验和/或设计额外的发酵过程线和/或完整的发酵过程设施。下面将更详细地讨论这些及其他优点。
如图1所示,在步骤102中,发酵过程100一般以准备进料合成物开始。进料合成物可以包括能够在发酵过程100中被转换为一个或多个产品的一个或多个成份。如此处更详细地描述的,进料合成物可以包括能够被诸如糖、聚糖、蛋白质、无机化合物(例如,矿物质)之类的生物制剂转换的一个或多个活性成份,或在一种或多种生物制剂的生命周期中有用的其他成份。活性成份可以被称为基质。进料合成物还可以包括一个或多个非活性成份,它们可以对为生物制剂合适的环境有用,或者可以存在,而不会影响整个系统。例如,发酵中所使用的活性成份通常可以存在于水溶液中,以为生物制剂提供适当的环境。
在步骤104中,可以将生物制剂引入到进料合成物中,以形成发酵合成物。可以选择生物制剂以产生所希望的产品,并可以为所希望的生物制剂的特定需求准备进料合成物。在一个实施例中,合适的生物制剂可包括,但不仅限于,酵母、细菌、藻类、基因改造酵母、基因改造细菌、基因改造藻类,能够产生所希望的产品的任何其他微生物,以及其任何菌株,以及其任何组合。
在步骤106中,可以发酵包括进料合成物和生物制剂的发酵合成物,以使生物制剂将基质的至少一部分转换为一个或多个产品。在发酵过程内,可以发生多种反应和/或生物过程。主要过程可以包括:1)由于进料合成物中的一种或多种基质的消耗而导致的生物制剂的增长,2)基于生物制剂的生物活性而考虑基质的浓度的降低,以及,3)由生物制剂所产生的一种或多种产品的浓度的增大。每一过程都可以涉及基于一个或多个变量的多个单个过程。例如,生物制剂的增长可以涉及多种生物制剂的增长,每一种生物制剂都可以以不同速率消耗一种或多种基质成份。这些过程可以相互关联,并在发酵过程中的任何一点,相对于生物制剂、基质,和/或产品的浓度创建一个动态过程。此外,发生发酵的条件可能会变化,在发酵过程中导致成份的复杂的组合。在一个实施例中,发酵过程可以包括批处理过程,该批处理过程包括其中基本上没有东西跨过进料的时间和去除产品的时间之间的过程边界的过程和/或半批处理过程,该半批处理过程包括其中有限量的一种或多种成份被允许跨过进料的时间和去除产品的时间之间的系统边界的过程。例如,啤酒发酵过程可以被视为半批处理过程,因为发酵气(例如,二氧化碳)的至少一部分被允许在酿造过程中从系统漏出。
在步骤108中,可以可任选地分离产品和/或生物制剂的一部分。在一个实施例中,可以希望产品是净化形式,这可能需要与发酵合成物有某种分离。在一个实施例中,生物制剂可以被视为产品,并可以被分离。
如图1所示的发酵过程100可以被用来产生各种产品。在一个实施例中,发酵过程100可以被用来生产的产品包括,但不仅限于,啤酒、葡萄酒、其他发酵饮料、酸奶酪、其他发酵食品产品、药物、及可以在制造各种商用产品(例如,对生产燃料、化妆品、塑料等等有用的基于藻类的烃类)时充当中间成份的其他产品。如本领域的技术人员所知道的,在不同的发酵过程中涉及额外的步骤和/或过程。
在一个实施例中,可以使用发酵过程来生产啤酒。在图2中示出了用于生产啤酒的发酵过程200。啤酒发酵过程可以从准备进料合成物开始,在啤酒发酵过程的上下文中,进料合成物可以被称为“麦芽汁”。在步骤202中,对麦芽汁的准备可以从使诸如玉米、高粱、玉蜀黍、大米、黑麦、大麦和/或小麦之类的一种或多种谷粒“长芽”开始。制麦芽可以涉及通过浸渍在水中使谷物发芽。在此过程中,可以在谷物内产生和/或释放几种类型的酶,包括催化将淀粉转换为可发酵糖的那些酶。
在步骤204中,发芽的谷物穿过被称为“烘干”的过程,其中烘焙发了芽的谷物以去除幼芽,提供带有烘干的谷物的味道和颜色的谷物。在烘干之后,谷物可以被称为发芽的谷物或简单地“麦芽”。可以将麦芽碾压到所希望的大小,以在后续过程中在水中使发芽的谷物的成份被更好地提取。被碾压的麦芽可以被称为“碎麦芽”。
然后,可以在步骤206中,使谷物经历捣碎过程。捣碎可以涉及将谷物与水混合,以获得被称为“麦牙浆”的混合物。为了激活麦芽内的酶和/或任何添加的酶,可以对麦芽浆进行加热。捣碎可以从大约45℃到大约75℃的温度执行。在捣碎过程中,可以由复合糖(主要包括淀粉)的酶催化分解来生成诸如低聚糖、二糖以及单糖之类的各种糖。特定糖可包括,但不仅限于,糊精、麦芽糖、麦芽三糖、葡萄糖、蔗糖、果糖,及其他聚糖。这些糖一般构成啤酒酿造过程的基质的至少一部分,并可以在发酵过程中提供碳以及生物制剂的生物活性的能量源。
在步骤208中,可以在被称为“过滤”的过程中去除可以包括酒糟的停留在混合物中的不可溶的成份。剩余的液体和可溶解的成份可以被称为“麦芽汁”。过滤过程可以在大约75℃到大约100℃的温度下执行。
然后,可以在步骤210中对麦芽汁进行加热,在加热过程之前或在加热过程中可以添加各种成份,以改变和/或增强啤酒的口味。可以将麦芽汁加热到足以煮沸合成物的温度,并可以保持此温度达一段时间。煮沸麦芽汁可以有助于对麦芽汁进行巴氏消毒,以消除在发酵过程中添加的生物制剂的竞争。在麦芽汁的煮沸过程中,可以影响啤酒的最后的质量的任何蛋白质或其他固体都可以凝结并沉淀,供从麦芽汁中去除。一旦从诸如啤酒花或草药提取物之类的草药中提取了苦的、芳香的,以及调味混合物,可以通过过滤或其他分离装置从麦芽汁中删除剩余的固体。
然后,在步骤212中,可以将生物制剂引入到麦芽汁中。在加热过程之后,可以将麦芽汁冷却到对于生物制剂最优的温度。对啤酒发酵有用的生物制剂一般包括啤酒酵母,例如,酿酒酵母。可以在被称为“投放”的过程中将生物制剂添加到麦芽汁中。在一个实施例中,可以通过自发的灌输来将生物制剂添加到麦芽汁中。
然后,在步骤214中,可以在发酵容器中发酵生物制剂和麦芽汁的组合,以使生物制剂将基质的至少一部分(例如,麦芽汁中所包含的糖)转换为产品。在生产啤酒的上下文中发酵一般涉及被灌输了生物制剂的麦芽汁的培育。在发酵过程中,麦芽汁麦芽汁中的中的糖可以通过生物制剂转换为产物,包括,但不仅限于,二氧化碳、乙醇、香料成份成份,以及很多其他副产物。发酵过程可以持续从几天到几星期的时间段,取决于正在被生产的啤酒的类型。在一个实施例中,在生产准备好进一步处理的产物之前,发酵过程可以持续大约9天到大约12天。
在啤酒发酵过程中,可以改变各种参数。用于控制发酵过程的常见的参数包括被馈送到发酵容器中的初始麦芽汁中的溶解氧含量,以及发酵时间、温度,以及压力。初始麦芽汁中的溶解氧的量可以通过空气的量控制到某种程度,空气可以在加热过程和生物制剂的投放之间杀菌,喷射在麦芽汁中。剩余的参数可以随着为要被发酵的每一批麦芽汁选择的酿造过程和酿造程序而改变。例如,典型的酿造过程可以以第一温度维持被灌输了生物制剂的麦芽汁达第一时间量。在发酵过程中的某一时刻,可以改变温度,并再次保持在第二温度达第二时间量。可以重复此过程达所需数量的次数。所产生的“酿造程序”或“酿造配方”可以被用来控制酿造的合成物最后的含量。
最后酿造的合成物可以包括发酵过程的产品。对于啤酒发酵,可以使用各种参数来表征发酵过程中以及发酵过程之后的酿造的合成物,包括,但不仅限于,含糖量、密度、颜色、pH值、酒精含量、真实浸出物值、表观浸出物值、双乙酰含量、真实发酵度值,以及其任何组合。初始麦芽汁中的糖含量可以至少部分地由用来形成麦芽的谷物、麦芽度、以及在捣碎过程中任何酶的添加而产生。发酵溶液的密度是糖浓度和酒精浓度的乘积,该乘积在整个发酵过程中随着糖被生物制剂转换为醇而变化。颜色可以至少部分地从溶液中的类黑精混合物的浓度产生。颜色可以通过对麦芽合成物、烘干度,以及麦芽汁加热过程的时长的选择而改变。pH值可以受麦芽汁的酸化、由生物制剂所产生的产物、对生物制剂的选择,以及用于控制过程中所使用的水的pH值的任何添加剂的影响。改变投入温度,改变发酵温度,以及使用添加剂(例如,CaSO4)可以控制最后酿造的合成物的pH值。酒精含量可以受对生物制剂的选择、酿造配方,以及发酵过程的持续时间的影响。
再次参考图2,一旦发酵过程达到所希望的状态,可以在步骤216中对所产生的液体执行各种后发酵处理。取决于啤酒的类型和所使用的发酵方法,后发酵处理可包括,但不仅限于,使啤酒成熟以进一步开发所希望的滋味和芳香和/或降低不希望有的滋味和芳香的程度;对啤酒进行过滤以去除剩余酵母及其他导致混浊的材料;利用吸收剂对啤酒进行处理,以去除特定化合物,如亲水蛋白质或多酚;随后,使啤酒发酵(添加或不添加额外碳源);向啤酒中添加额外的成份,如草药或草药提取物,和/或水果或水果提取物;使啤酒充满二氧化碳,以增多啤酒的泡沫;对啤酒进行巴氏杀菌和/或微量过滤,以增强稳定性;以及使用各种过程对啤酒进行包装,包括瓶装,罐装和/或桶装。
为了改进传统的使用味觉和酿造试验批的过程,可以使用第一原理模型来模拟发酵过程,以便预测最后酿造的合成物。第一原理模型包括可以被表达为一个或多个数学公式的数学或科学理论的一个或多个已确立的或基本规则或定律。在一个实施例中,发酵过程的第一原理模型包括涉及在发酵过程内发生的化学反应的科学理论的一个或多个规则或定律。例如,第一原理模型可以包括一组对在发酵过程内发生的各种反应和/或过程进行建模的公式。例如,第一原理模型可以包括一组公式,这些公式至少部分地基于质量守恒定律和/或能量守恒定律。
公式可以包括稳态和/或动态速率公式,取决于所希望的模拟的类型,要对其建模的发酵的类型,以及可用于分析类型的数据。在一个实施例中,可以使用稳态模型来建立最后的发酵条件,而可以使用动态模型来分析发酵条件的潜在变化。在一个实施例中,相同模型可以用于稳态的和动态模拟。可以在第一原理公式内使用一个或多个常数(例如,速率常数),并使用可用的数据来回归这些常数。一旦确定公式和常数,可以使用第一原理模型来预测具有一组操作条件的发酵过程的状态,无需进一步的输入,包括在超出被用来确定常数的数据集的点。对第一原理模型的使用可以与纯粹的经验模型区别开来,在于在发酵过程内发生的过程正在被建模,而并非只在输入参数和预期的输出参数之间建立关联。在一个实施例中,当模拟超出其数据可用的那些条件之外的条件时(即,当外推结果时),对第一原理模型的使用可以比经验模型产生更大的准确性。
模拟可以涉及通过使用一个或多个数学模型和/或计算来表示在系统内发生的过程,来对系统进行建模,来投射和/或揭示当相关参数变化时这些系统的行为。例如,模拟可以使用发酵过程的第一原理数学模型来当发酵合成物中的各种成份的浓度随着时间的推移而变化时,例如,当消耗进料产品时和/或通过生物制剂转换进料产品时,投射发酵系统的行为。在一个实施例中,如下面比较详细地描述的,可以在计算机上实现数学计算。模拟可以通过使用数学模型来计算状态的序列来执行,其中每一状态的结果在以后的所希望的增量时间段被用作随后的状态的计算的输入。模拟可以比实时更快地执行,如此,可以用来计算在将来所希望的时间的将来的过程状态。例如,可以使用模拟来预测从目前一个小时、一天,或者甚至几个星期的过程的状态。
在一个实施例中,一般发酵过程的第一原理模型可以包括分组到子模型的公式和/或公式集以模拟在发酵过程中发生的主要反应。公式可以包括:1)用于考虑由于进料合成物中的一种或多种基质的消耗而导致的生物制剂的增长的增长模型,2)用于基于生物制剂的生物活性而考虑基质的浓度的降低的基质模型,以及3)用于考虑由生物制剂所产生的一种或多种产品的浓度的增大的产品模型。每一模型都可以包括一个或多个公式,取决于在每一子模型中模拟的成份的数量。例如,如果在发酵过程中存在两个有生物活性的成份,则可以使用至少两个公式来模拟每一生物制剂的增长,取决于进料合成物中所使用的基质,这可能以不同速率发生。在一个实施例中,基于速率的公式可以与每一个公式的合适的速率常数一起使用。可以从可用的数据回归速率常数,可用的数据可以通过初步试验,使用实验室或生产规模试验来获得。
在一个实施例中,可以通过使用在正在进行的发酵过程中所获得的实际数据来调节发酵过程的第一原理模型。在发酵过程中,各种条件可以导致具有可能难以建模的时间相关性的速率常数。例如,在发酵过程中,生物制剂可以经历多代。由于微生物的繁殖过程的复杂本质(例如,由于突变和/或自适应),生物制剂相对于各种基质的活动可以在发酵过程中和/或当重复使用生物制剂时在多个发酵过程内变化。在发酵过程中,可以以周期性的间隔获取多个实际样本,并将所产生的浓度和/或值与由第一原理模型来预测的浓度和/或值进行比较。可以通过调整公式和/或公式中所使用的速率常数来考虑任何差异。如此,通过使用可以周期性地和/或非周期性地提供的反馈对模型进行调节,可以提高模型的准确性。在一个实施例中,可以用数学方法建模速率常数的时间相关性,并将该时间相关性包括在模型公式以提高准确性。
为了演示如何将第一原理模型应用于发酵过程,提供用于模拟啤酒的发酵的模型的描述。然而,很明确,可以为其他发酵过程开发和实现相似模型。在一个实施例中,啤酒发酵过程的第一原理模型可以包括子模型以模拟啤酒发酵过程中发生的主要反应。公式可以包括:1)用于考虑酵母的增长和/或累积的增长和生物累积模型,2)用于考虑各种基质(例如,一种或多种糖)的浓度的降低的基质模型,以及3)用于考虑合成物中的产品(例如,醇、中间副产品等等)的浓度变化的产品模型。为了帮助理解对模型的描述,表1包含了下面所呈现的公式中所使用的术语列表。
尽管此处所呈现的公式是以标准数学形式来表达的,但是,本领域的技术人员将可以理解,可以使用某些调整来使用一种或多种数学方法和/或基于计算机的数值方法来对方程式进行求解。例如,尽管此处的公式是以连续的时间函数来表达的,与本发明相结合,但是,本领域技术人员将容易使这些连续时间公式适应可以更顺从计算机化解决方案的对应的离散时间公式。另外,可以通过乘以一种或多种系数和/或加法偏移来修改公式。在一个实施例中,增长模型可以表达为基于速率的公式,包括由于快要死亡的生物制剂,生物制剂的产生以及生物量的累积的速率速率。生物制剂产生速率可以被表示为:
其中,
Latentterm(潜伏期项)可以表示为:
其中,
死亡的生物制剂可以被描述为带有表达为下列公式的产生速率的死亡的生物量:
其中,
在一个实施例中,基质模型可以被表达为一组基于速率的公式,包括要对其建模的每一糖的减少的速率。考虑第i种糖的消耗的基质模型可以被表达为:
其中,第i种糖可以是糊精、麦芽三糖、麦芽糖、葡萄糖、果糖,或蔗糖。在一个实施例中,也可以使用额外的糖,或这些糖的子集来建模发酵合成物中的糖消耗。比生长速率μi可以被表达为:
其中,温度与比生长速率的相关性被表达为:
糖i由于其他糖的存在的抑制项(Ii)可以被表达为:
其中,ni是影响糖i的糖的种数。
用于考虑合成物中的醇的浓度的增大的产品模型可以被表达为:
在啤酒发酵过程中,还可以作为反应产物来产生甘油。甘油的产生可以被表达为:
可以通过使用实验数据,例如,使用实验室规模数据,获取参数X0、Si0、E0,以及G0的初始值。在一个实施例中,可以通过各种测量技术来获取参数X0,Si0,E0,以及G0。在一个实施例中,可以使用液相色谱技术来获取各种浓度,而在某些实施例中,可以使用高效液相色谱(HPLC)来测量糖浓度。可以基于对要对其建模的糖、甘油、乙醇的浓度的数据的回归分析(例如,最小二乘拟合),以及温度分布线,确定剩余的参数,包括KX、mi0、Ki0、Emi、Eki、Ekd、Kd、K'ij,以及产额系数YESi、YXSi、YGSi。例如,可以使用下列最小二乘准则来回归剩余参数:
(公式14)
其中,ω是加权因数。可以使用任何已知DAE解算器来对带有代数约束的微分方程(DAE)(公式1–公式13)求积分。例如,可以使用Euler显式方法来对DAE进行求解。当要被求解的问题是带有DAE约束的非线性回归时,有商用的回归解算器可用。例如,可以使用市场上销售的美国华盛顿州雷德蒙市的微软公司所提供的Excel2007中的解算器来求解公式14中的优化问题。
在一个实施例中,模型可以使用回归的常数以预测发酵过程中的所希望的点的糖、生物量、乙醇、甘油、以及双乙酰中的一项或多项的浓度,和/或诸如颜色和pH值之类的各种参数的值。预测值可以被用来计算或导出附加参数,包括密度(例如,比重)以及推理索引,包括表观浸出物(AE)、真实浸出物(RE),以及真实发酵度(RDF)。
在一个实施例中,可以使用Redlich-Kister过剩体积模型来确定发酵溶液的比重(SG)形式的密度。公式可以被表示为:
v=videal+vE (公式15)
(公式18)
其中,ncomp是成份的数量,v是混合物的摩尔体积,videal是混合物的理想摩尔体积,vE是混合物的多余摩尔体积,vE ij是i,j二元对的多余摩尔体积,P是绝对压力,R是气体常数,T是绝对温度,vi是纯的成份摩尔体积,xi是成份i的摩尔分数,aij,bij,cij,dij,以及eij是从实验数据回归的二元交互参数。公式15到18可以被用来导出溶液的比重。然后,可以从计算出的乙醇浓度和密度导出附加参数。可以使用下列公式来计算AE、RE以及RDF:
AE(w/w)=-616.868+1111.14(SG)–630.272(SG)2+135.997(SG)3 (公式19)
RE=0.385(Alc(v/v))+0.915(AE) (公式20)
RDF(%)=100(RE0-RE)/(RE0) (公式21)
如J.de Clerck所著的书A Textbook of Brewing第1卷(Chapman Hall,1957)所描述,通过柏拉图度和比重的制表的线性回归获得将柏拉图度的AE与比重相关联的三阶多项式的系数。
可以在发酵过程中以周期性的间隔使用诸如HPLC之类的实验室技术以及设备来测量各种成份的浓度。然后,通过基于新获取的数据,单独地或与预先测得的数据相结合,使用新回归分析,来重新计算常数,对模型进行调节。如果有某些常数随着发酵时间变化而变化,则对模型的调节可以提高模拟的准确性。在一个实施例中,对参数的调节可以是周期性过程,其中对模型进行调节,然后,预测稍后的时间的新的值。可以将新预测的结果与另一个样本进行比较,并根据需要重新进行调节。在一个实施例中,对模型重新进行调节可以取决于预测值不同于测量值达阈值量。
在一个实施例中,可以使用第一原理模型来预测整个发酵过程中的各种合成物,以在发酵过程中和/或在发酵完成时实现满足某些规范的发酵合成物。规范可以包括各种基质和产品的浓度,所产生的生物量、发酵合成物的各种参数的值,和/或对各种副产品和/或杂质的限制。对于酿造过程,规范可以包括各种基质(例如,糖,诸如,糊精、麦芽三糖、麦芽糖、葡萄糖、果糖或蔗糖、蛋白质、无机化合物等等)和产品(例如,醇)的浓度,所产生的生物量(例如,酵母量),发酵合成物的各种参数的值(例如,密度、颜色、pH值、真实浸出物值、表观浸出物值、真实发酵度值),和/或对各种副产品和/或杂质(例如,双乙酰浓度、乙二醇浓缩等等)的限制。在一个实施例中,各种规范可以基于所希望的产品规格,合同义务,和/或各种政府的规章。
如图3所示,用于模拟发酵过程的另一种方法300可以在步骤302中从提供发酵过程的第一原理模型开始。如上文更详细地讨论的,发酵过程可以是啤酒发酵过程、葡萄酒发酵过程、酸奶酪发酵过程和/或药物发酵过程。在一个实施例中,这些过程中的任何过程的发酵过程一般可以包括准备包括至少一种基质的进料合成物,将生物制剂引入到进料合成物中,以形成发酵合成物,使发酵合成物发酵,以将基质的至少一部分转换为至少一个产品。然后,发酵过程的对应的基本原理模型可以包括一个或多个子模型和/或公式,以考虑发酵过程所发生的单个过程。例如,第一原理模型可包括用于考虑生物制剂的增长和/或累积的增长模型,用于考虑基质的浓度的降低的基质模型,和/或用于考虑至少一个产品的浓度的增大的产品模型。第一原理模型可以包括动态模型和/或稳态模型。在一个实施例中,第一原理模型可以包括一个或多个基于速率的公式,带有从测得的数据导出的速率常数或其他参数,例如,使用实验室规模和/或生产规模试验获取的数据数据。
在步骤304中,可以确定发酵合成物中的至少一种基质在第一时间的浓度。在一个实施例中,第一时间是生物制剂与进料合成物组合的初始时间,例如,在啤酒发酵过程中投入酵母的时间或该时间附近。在一个实施例中,可以在产生生物制剂紧前面取进料合成物的样本,以确保可以测量基质的起始浓度,而不会受到生物制剂的任何动作的影响。例如,在啤酒发酵过程中,当将麦芽汁从加热过程传输到发酵容器时,可以提取样本。在此实施例中,第一时间表示生物制剂与进料合成物组合的起始时间点,即使样本是在形成发酵合成物之前的时间取的,因为基质的浓度将不会显著变化,直到生物制剂与进料合成物组合。在一个实施例中,第一时间可以是在发酵合成物中确定至少一种基质的浓度的任何其他时间,可以取决于在发酵过程中测试发酵合成物的次数。在一个实施例中,可以每隔12小时、每天、每隔2天、每隔3天和/或每隔4天,周期性地测试发酵合成物的基质或任何其他成份的浓度。在一个实施例中,可以使用多个周期测试阶段,来测试发酵合成物的基质,或任何其他成份的浓度。例如,可以在第1、2、3天测试发酵合成物的基质或任何其他成份的浓度,然后,对于发酵过程的其余部分,每隔一天地测试。在另一实施例中,可以不定期地测试发酵合成物的基质,或任何其他成份的浓度。在一个实施例中,可以确定多种基质成份在第一时间的浓度。例如,可以测量构成基质的两种或更多种糖,确定它们在第一时间的浓度。
可以使用若干种技术来确定基质的浓度。在一个实施例中,可以从发酵合成物中提取发酵合成物的样本,并使用标准实验室技术和设备来测试。例如,在啤酒发酵过程中,可以使用HPLC设备来确定发酵合成物中的一种或多种糖的浓度。取决于正在被测量的成份,可以使用额外的合适的测试装置。
如图3所示,在步骤306中,可以使用第一原理模型来预测发酵合成物的至少一种成份在第二时间的浓度。成份可以包括生物制剂、基质和/或产品。第二时间是第一时间之后的任何一点,包括发酵完成时。在一个实施例中,啤酒发酵过程可能要花大约9天到大约12天才能完成,第二时间可以是啤酒发酵过程完成之前的任何时间段。在一个实施例中,第二时间可以是到包装之前并包括包装的任何时间。在一个实施例中,第二时间可以是发酵合成物消耗日期之前并包括消耗日期的任何时间。取决于所使用的特定基本原理模型和/或公式,可以在整个发酵过程中周期性地预测发酵合成物中的至少一种成份的浓度。例如,基于速率的公式可以与所选定的时段一起使用,以预测整个发酵过程中的诸如一种或多种糖之类的至少一种成份的浓度。在一个实施例中,时段可以是足以预测至少一种成份的浓度的任何时间段。在啤酒发酵过程的一个实施例中,可以在整个发酵过程中使用第一原理模型来每隔12-24秒,例如,每隔18秒预测一种或多种糖的浓度。在啤酒发酵过程的另一实施例中,可以使用第一原理模型以不同的时间步长或时间间隔来预测一种或多种糖的浓度。在一个实施例中,可以使用第一原理模型来预测发酵过程结束时的最后浓度或各种参数的值,包括,但不仅限于,含糖量、密度、颜色、pH值、酒精含量、真实浸出物值、表观浸出物值、真实发酵度值,以及其任何组合。在一个实施例中,可以使用第一原理模型来预测两种或更多种成份在第二时间的浓度。例如,可以与产品浓度(例如,酒精浓度)一起预测在第二时间的建模的糖的全部。
在方法300中,可以使用可选调节过程。在步骤308中,可以确定至少一种基质在第一时间和第二时间之间的第三时间的第二浓度。在一个实施例中,可以确定多种基质在第三时间的第二浓度,并将其用于调节过程中。在步骤310中,可以基于第二浓度确定来调节第一原理模型。在一个实施例中,调节可以包括使用确定的在第三时间的第二浓度,回归第一原理模型的至少一个参数。然后,可以使用带有已更新参数的第一原理模型来预测发酵合成物的成份在第二时间的浓度。调节可以使第一原理模型的参数的准确性提高。例如,可以通过回归用于第一原理模型中的参数,包括任何子模型,使用第二浓度,单独地或与以前的浓度数据相结合,考虑生物制剂的活动相对于基质的任何变化。
在整个发酵过程中以及在发酵过程结束时知道发酵合成物的至少一种成份的预测值可以允许适当地计划使用发酵合成物和/或发酵结束时的产品。对第一原理模型的使用可以允许各种成份的浓度被预测,无需除发酵合成物的至少一种成份的初始合成物以外的任何额外的输入。当发酵合成物的一种或多种成份的浓度的预测值指出发酵过程存在问题(例如,最后的发酵合成物不满足一种或多种所希望的阈值)时,可以采取校正措施以产生满足可以接受的阈值的最后的发酵合成物。在啤酒发酵实施例中,对第一原理模型的使用可以产生比可能要花几天的传统的理想酿造试验更快,更准确的预测。此外,在整个酿造过程中以及在酿造结束时对浓度的预测的使用可以提供比通过传统的试验的单独使用可以实现的更一致的产品。
如图4所示,用于模拟发酵过程的另一种方法400可以在步骤402中从提供发酵过程的第一原理模型开始。在步骤404中,可以确定发酵合成物中的至少一种基质在第一时间的浓度。可以使用此处所描述的方法和/或技术中的任何一种来确定浓度。在步骤406中,可以使用第一原理模型来预测发酵合成物的至少一种成份在第二时间的浓度,该第二时间是第一时间之后的任何时间。在步骤408中,可以调整发酵过程的操作参数。在一个实施例中,操作员可以基于预测的第二时间的浓度来调整一个或多个操作参数。操作参数可以是影响发酵过程的任何操作参数,包括,但不仅限于,初始麦芽汁进料中的溶解氧含量、发酵时间、发酵温度,以及发酵压力。在步骤410中,可以使用带有已调整的操作参数的第一原理模型来预测发酵合成物的至少一种成份在第四时间的浓度。在一个实施例中,第四时间可以与第二时间相同或不同。
在整个发酵过程中以及在发酵过程结束时知道发酵合成物的至少一种成份的预测值可以使操作员测试一个或多个调整情形。例如,操作员可以计划对发酵程序进行调整,并使用第一原理模型来预测整个发酵过程的结果,包括最后的发酵合成物中的各种成份的浓度。此方法可以使操作员更准确地调整该过程,以实现所希望的最后的发酵合成物。测试各种调整情形的能力还可以使得较大的范围进料合成物被使用。在使用非典型的进料合成物的情况下,第一原理模型可以使操作员调整发酵程序以实现所希望的最后的发酵合成物,即使没有预先使用进料合成物。由于大多数发酵过程可以将各种成份合并到进料合成物中,因此,这可以使在形成进料合成物时具有某种灵活性,无需进行实验来验证特定的进料混合物将产生所希望的结果。在一个实施例中,可以使用预测发酵合成物的至少一种成份的浓度的能力来测试和/或开发额外的发酵过程。在一个实施例中,可以使用模拟方法来测试和/或设计诸如某地方的新的酿造厂的新的发酵过程设施,其中在设计和/或建造该设施之前可以测试本地配料。
如图5所示,用于模拟发酵过程的另一种方法500可以在步骤502中从提供发酵过程的第一原理模型开始。在步骤504中,可以确定发酵合成物中的至少一种基质在第一时间的浓度。可以使用此处所描述的方法和/或技术中的任何一种来确定浓度。在步骤506中,可以使用第一原理模型来预测发酵合成物的至少一种成份在第二时间的浓度,该第二时间是第一时间之后的任何时间。在步骤508中,当预测的浓度不同于目标浓度超过预定阈值时,控制系统可以调整发酵过程的操作参数。控制系统可以包括允许发酵过程的一个或多个参数基于所希望的定值来被调整的组件。操作参数可以是影响发酵过程的任何操作参数,包括,但不仅限于,初始麦芽汁进料中的溶解氧含量、发酵时间、发酵温度,以及发酵压力。可以在发酵过程中以周期性的间隔重复步骤506和508,以使控制系统产生所希望的最后的发酵合成物。
可以在发酵过程500执行调节过程。在步骤510中,可以确定至少一种基质在第一时间和第二时间之间的第三时间的第二浓度。可以在步骤512中基于第二浓度确定来调节第一原理模型。然后,在步骤514中,可以使用已调节的基本原理模型,重新预测发酵合成物的成份的浓度。
对包括控制系统的方法的使用可以促进发酵过程的增强的自动化。此过程可以允许使用用来构成进料合成物的各种进料,而在所希望的阈值内维持一致输出。对调节的使用还可以进一步增强模拟的准确性以及所产生的最后的发酵合成物。
在一个实施例中,控制系统可以通过在整个工厂和/或过程提供通信的网络接收发酵过程变量的测量值,例如,从耦合到诸如发酵容器之类的过程设备中的各种组件的传感器。传感器可以测量各种过程变量,并可包括温度传感器、压力传感器,等等。网络的某些部分可以通过有线连接和/或链路来提供,而网络的其他部分可以通过无线连接和/或链路来提供。基于根据第一原理模型确定的值与感应到的发酵过程变量相结合,控制系统可以确定控制和/或命令值。然后,控制系统可以通过网络向过程控制器传输控制和/或命令值,其中过程控制器可以耦合到发酵过程的一个或多个组件。例如,过程控制器可以改变向发酵过程所提供的热量或冷却液,以控制发酵温度。过程控制器可以基于从控制系统接收到的控制和/或命令值来控制一个或多个操作参数(例如,工作温度、工作压力等等)。可以使用传感器来向控制系统提供反馈,以指出是否需要进一步的调整。控制系统的某些部分可以通过计算机系统来实现。下面进一步地讨论计算机系统。
在一个实施例中,此处所公开的方法的至少某些部分可以通过在计算机系统上执行的计算机程序来执行。在一个实施例中,第一原理发酵模拟工具可以被存储在包括非瞬态计算机可读介质的存储器上。第一原理发酵模拟工具可以由至少一个处理器来执行,以配置处理器以执行如上文所描述的方法。系统还可以包括用户界面以向用户提供反馈,在某些实施例中,允许从各种源输入数据,诸如发酵合成物中的基质的浓度的测定。
可以使用计算机程序来配置计算机系统中的一个或多个处理器以接收发酵合成物中的至少一种基质在第一时间的浓度;使用发酵过程的第一原理模型来预测所述发酵合成物的至少一种成份在第二时间的浓度,其中所述第二时间在所述第一时间之后;以及,通过用户界面显示预测的浓度。还可以使用模拟工具来实现调节组件,以配置处理器以接收至少一种基质在所述第一时间和所述第二时间之间第三时间的第二浓度;以及,基于所述第二浓度,调节所述第一原理模型所使用的至少一个参数。在一个实施例中,可以使用模拟工具来通过预测调整的结果来提供有关对发酵过程的调整的指南。在此实施例中,模拟工具可以配置处理器以通过用户界面接收为发酵过程输入的已调整的操作参数;以及,使用带有调整的操作参数的所述第一原理模型来预测所述发酵合成物的至少一种成份在第四时间的浓度。在一个实施例中,模拟工具可以与控制系统接口一起使用,以自动化发酵过程。在此实施例中,系统还可以包括控制系统接口,模拟工具可以配置处理器,当所述发酵合成物的至少一种成份的所预测的浓度不同于目标浓度超过预定阈值时,调整所述发酵过程的至少一个操作参数。
上文所描述的控制系统可以在带有足够的处理能力、存储器资源,以及网络吞吐量容量的任何计算机上实现,以处理在其上施加的必要的工作负荷。图6示出了适用于实现此处所公开的一个或多个实施例的典型的计算机系统。计算机系统680包括处理器682(可以被称为中央处理单元或CPU),该处理器682与包括辅助存储器684、只读存储器(ROM)686、随机存取存储器(RAM)688的存储器设备,输入/输出(I/O)设备690,网络连接设备692进行通信。处理器可以作为一个或多个CPU芯片来实现。
应该理解,通过将可执行指令编程和/或加载到计算机系统680上,CPU 682、RAM 688,以及ROM 686中的至少一个变化,将计算机系统680部分地转换为具有本发明所讲述的新颖的功能的特定机器或设备。对电气工程和软件工程技术来说,可以通过将可执行的软件加载到计算机中来实现的功能可以通过已知的设计规则被转换为硬件实现是基本的。在以软件与硬件实现概念之间的决策通常取决于对设计的稳定性和要产生的单元的数量的考虑,而并非从软件域转换到硬件域所涉及的任何问题。一般而言,仍将受到频繁的改变的设计可以首选以软件来实现,因为重新调整硬件的实现比重新调整软件设计花费更多。一般而言,以大容量产生的稳定的设计可以首选以硬件来实现,例如,以专用集成电路(ASIC)来实现,因为对于大型的生产运行,硬件实现可以比软件实现成本更低廉。常常可以以软件形式来开发和测试设计,以后,通过已知的设计规则将设计转换为硬连线软件的指令的专用集成电路中的等价硬件实现。与由新ASIC控制的机器是特定机器或设备相同,同样,利用可执行指令编程和/或加载的计算机可以被视为特定机器或设备。
辅助存储器684通常由一个或多个磁盘驱动器或磁带驱动器构成,并用于对数据的非易失性存储,如果RAM 688不足够大难以保存所有工作数据,则作为溢出数据存储设备。辅助存储器684可以被用来存储程序,当选择这样的程序供执行时,这些程序被加载到RAM688中。ROM 686被用来存储指令,并且或许存储在程序执行过程中被读取的数据。ROM 686是通常相对于辅助存储器684的较大的存储器容量而言具有小的存储器容量的非易失性存储器设备。RAM 688被用来存储易失性数据,或许还存储指令。对ROM 686和RAM 688的访问通常比对辅助存储器684的访问更快。辅助存储器684、RAM 688和/或ROM 686可以在某些上下文中被称为计算机可读存储介质和/或非瞬态计算机可读介质。
I/O设备690可包括打印机、视频监视器、液晶显示器(LCD)、触摸屏显示器、键盘、小键盘、开关、拨号盘、鼠标、跟踪球、语音识别器、读卡器、纸带读出器,或其他已知的输入设备。
网络连接设备692可以呈现调制解调器、调制解调器库、以太网网卡、通用串行总线(USB)接口卡、串行接口、令牌环网卡、光纤分布式数据接口(FDDI)卡、无线局域网(WLAN)卡、无线电收发器卡,如码分多址(CDMA)、全球移动通信系统(GSM)、长期演进(LTE)、全球微波互联接入(WiMAX),和/或其他空中接口协议无线电收发器卡,及其他已知的网络设备的形式。这些网络连接设备692可以允许处理器682与因特网或一个或多个内联网进行通信。利用这样的网络连接,可以构想,处理器682可以从网络接收信息,或者在执行上文所描述的方法步骤的过程中向网络输出信息。常常被表示为要使用处理器682执行的指令序列的这样的信息,可以被从网络接收和输出到网络,例如,呈现以载波具体化的计算机数据信号的形式。
可包括例如要使用处理器682执行的数据或指令的这样的信息,可以被从网络接收和输出网络,例如,呈现以计算机数据基带信号或以载波具体化的信号的形式。基带信号或以由网络连接设备692所生成的载波具体化的信号可以在导电体的表面上、同轴电缆、波导管,光学管道,例如,光纤,或在空中或自由空间传播。基带信号或被嵌入在载波中所包含的信息可以根据不同的序列排序,如处理或生成信息或传输或者接收信息所需要的。基带信号或被嵌入在载波中的信号,或其他类型的当前使用的或今后开发的信号,可以根据本领域技术人员所知道的多种方法来生成。基带信号和/或被嵌入在载波中的信号在某些上下文可以被称为瞬时信号。
处理器682执行它从硬盘、软盘、光盘(这些基于各种磁盘的系统都可以被视为辅助存储器684)、ROM 686、RAM 688或网络连接设备692访问的指令、代码、计算机程序、脚本。尽管只示出了一个处理器682,可以存在多个处理器。如此,尽管指令可以被讨论为由处理器执行,指令可以同时、串行执行,或以别的方式由一个或多个处理器执行。可以从辅助存储器684,例如,硬盘驱动器、软盘、光盘和/或其他设备,ROM 686,和/或RAM 688访问的指令、代码、计算机程序、脚本和/或数据在某些上下文中可以被称为非瞬态指令和/或非瞬态信息。
在一个实施例中,计算机系统680可以包括彼此进行通信的并且协作以执行任务的两个或更多计算机。例如,但不作为限制,可以以这样的方式对应用程序进行分区,以准许对应用程序的指令的同时和/或并行处理。可另选地,可以以这样的方式对由应用程序处理的数据进行分区,以准许由两个或更多计算机对数据集的不同的部分进行同时和/或并行处理。在一个实施例中,可以由计算机系统680使用虚拟化软件来提供未直接绑定到计算机系统680中的若干个计算机的若干个服务器的功能。例如,虚拟化软件可以在四个物理计算机上提供二十个虚拟服务器。在一个实施例中,上文所公开的功能可以通过在云计算环境中执行一个或多个应用程序来提供。云计算可以包括通过网络连接,使用动态地可缩放的计算资源,来提供计算服务。云计算可以至少部分地通过虚拟化软件来支持。云计算环境可以通过企业来建立和/或可以根据需要从第三方提供商租用。某些云计算环境可以包括由企业所拥有和操作的云计算资源以及从第三方提供商所租用的云计算资源。
在一个实施例中,上文所公开的某些或全部功能可以作为计算机程序产品来提供。计算机程序产品可以包括其中具体化了计算机可使用的程序代码的一个或多个计算机可读存储介质,以实现上文所公开的功能。计算机程序产品可以包括数据结构、可执行指令,及其他计算机可使用的程序代码。计算机程序产品可以在可移动计算机存储介质和/或不可移动计算机存储介质中具体化。可移动计算机可读存储介质可以包括,但不仅限于,纸带、磁带、磁盘、光盘、固态存储器芯片,例如,模拟磁带、只读光盘存储器(CD-ROM)、软盘、闪盘、数字卡、多媒体卡,及其他。计算机程序产品可以适用于由计算机系统680将计算机程序产品的内容的至少某些部分加载到计算机系统680的ROM 686、RAM 688,和/或其他非易失性存储器和易失性存储器中。处理器682可以部分地通过直接访问计算机程序产品,例如,通过从被插入到计算机系统680的光盘驱动器的CD-ROM中读取,来处理可执行指令和/或数据结构。可另选地,处理器682可以通过远程访问计算机程序产品,例如,通过从远程服务器通过网络连接设备692下载可执行指令和/或数据结构,来处理可执行指令和/或数据结构。计算机程序产品可以包括促进将数据、数据结构、文件,和/或可执行指令加载和/或复制到计算机系统680的辅助存储器684、ROM686、RAM 688,和/或其他非易失性存储器和易失性存储器中。
在某些上下文,基带信号和/或在载波中具体化的信号可以被称为瞬时信号。在某些上下文中,辅助存储器684、ROM 686,RAM 688可以被称为非瞬态计算机可读介质或计算机可读存储介质。同样,RAM 688的动态RAM实施例,可以被称为非瞬态计算机可读介质,因为当动态RAM接收电能并根据其设计而操作,例如,在计算机680打开并可操作的一段时间,动态RAM存储被写入到其中的信息。类似地,处理器682可以包括在某些上下文中可以被称为非瞬态计算机可读介质或计算机可读存储介质的内部RAM、内部ROM、高速缓冲存储器,和/或其他内部非瞬态存储块、部分,或组件。
尽管在本发明中提供了多个实施例,但是,应该理解,在不偏离本发明的精神或范围的情况下,可以许多其他特定形式来具体化所公开的系统和方法。当前的示例将被视为说明性而非限制性的,意图不仅仅限于此处所给出的细节。例如,各种元件或组件可以被组合或集成在另一个系统中,或某些特征可以被省略或不实现。
此外,在不偏离本发明的范围的情况下,各实施例中作为单独的或分离的所描述和所示出的系统、子系统,以及方法可以被组合或与其他系统、模块、技术或方法集成。作为直接耦合或相互进行通信而所示出的或讨论的其他项目可以通过某些接口、设备或中间组件,无论是通过电,以机械方式,或以别的方式,间接地耦合或进行通信。在不此处所公开的精神和范围的情况下,本领域技术人员可确定并作出变化、替换,以及更改的其他示例。
Claims (20)
1.一种建模发酵过程的方法,包括:
提供发酵过程的第一原理模型;
确定发酵合成物中的至少一种基质在第一时间的浓度;以及
使用所述第一原理模型来预测所述发酵合成物的至少一种成份在第二时间的浓度,其中所述第二时间在所述第一时间之后。
2.如权利要求1所述的方法,还包括:
确定所述至少一种基质在所述第一时间和所述第二时间之间的第三时间的第二浓度;以及
基于所述第二浓度确定调节所述第一原理模型。
3.如权利要求2所述的方法,其中调节包括:
使用确定的在所述第三时间的第二浓度,回归所述第一原理模型的至少一个参数;以及
使用带有从确定的在所述第三时间的第二浓度回归的至少一个参数的所述第一原理模型来预测所述发酵合成物的至少一种成份在所述第二时间的浓度。
4.如权利要求1所述的方法,还包括:
基于预测的在所述第二时间的浓度,调整所述发酵过程的操作参数;以及
使用带有调整的操作参数的所述第一原理模型来预测所述发酵合成物的至少一种成份在第四时间的浓度。
5.如权利要求4所述的方法,其中所述操作参数包括从由下列各项组成的组中选择的至少一个参数:初始麦芽汁进料中的溶解氧含量、发酵时间、发酵温度,以及发酵压力。
6.如权利要求1所述的方法,其中所述发酵过程包括:
准备包括所述至少一种基质的进料合成物;
将生物制剂引入到所述进料合成物中,以形成所述发酵合成物;以及
使所述发酵合成物发酵,以将所述基质的至少一部分转换为至少一个产品。
7.如权利要求1所述的方法,其中所述发酵过程包括啤酒发酵过程、葡萄酒发酵过程、酸奶酪发酵过程、或药物发酵过程。
8.如权利要求1所述的方法,还包括:至少部分地基于所述第一原理模型来预测所述发酵过程结束时参数的最终值,其中,所述参数包括从由下列各项组成的组中选择的至少一个参数:糖浓度、密度、颜色、pH值、酒精浓度、真实浸出物值、表观浸出物值、真实发酵度值,以及上述项的任何组合。
9.如权利要求1所述的方法,其中所述第一原理模型包括多种子模型,包括:用于考虑生物制剂的增长的增长模型,用于考虑所述基质的浓度的降低的基质模型,以及用于考虑至少一个产品的浓度的增大的产品模型。
10.如权利要求1所述的方法,其中所述基质包括糖、聚糖、蛋白质、无机化合物,或上述项的任何组合。
11.如权利要求1所述的方法,其中所述成份包括生物制剂、基质、额外的基质或发酵产品。
12.一种建模发酵过程的方法,包括:
提供发酵过程的第一原理模型;
确定发酵合成物中的至少一种基质在第一时间的浓度;
使用第一原理模型来预测所述发酵合成物的至少一种成份在第二时间的浓度,其中所述第二时间在所述第一时间之后;
响应于所预测的浓度不同于目标浓度超过阈值量,由控制系统调整发酵过程的操作参数。
13.如权利要求12所述的方法,其中在所述发酵过程中以周期性的间隔重复所述方法。
14.如权利要求12所述的方法,还包括:
确定所述至少一种基质在所述第一时间和所述第二时间之间的第三时间的第二浓度;
基于所述第二浓度确定调节所述第一原理模型;以及
使用所述第一原理模型,重新预测所述发酵合成物的成份在所述第二时间的浓度。
15.如权利要求12所述的方法,其中所述发酵过程包括:
准备包括所述至少一种基质的进料合成物;
将生物制剂引入到所述进料合成物中,以形成所述发酵合成物;以及
使所述发酵合成物发酵,以将所述基质的至少一部分转换为至少一个产品。
16.如权利要求12所述的方法,其中确定所述至少一种基质在所述第一时间的浓度包括确定多种基质在所述第一时间的浓度。
17.一种用于实现发酵模拟工具的计算机实现的系统,包括:
至少一个处理器;
用户界面;
包括存储第一原理发酵模拟工具的非瞬态计算机可读介质的存储器,其中,第一原理发酵模拟工具,当其由处理器执行时,配置处理器执行下列步骤:
接收发酵合成物中的至少一种基质在第一时间的浓度;
使用发酵过程的第一原理模型来预测所述发酵合成物的至少一种成份在第二时间的浓度,其中所述第二时间在所述第一时间之后;以及
通过用户界面显示预测的浓度。
18.如权利要求17所述的系统,其中所述第一原理发酵模拟工具进一步配置所述处理器执行下列步骤:
接收所述至少一种基质在所述第一时间和所述第二时间之间的第三时间的第二浓度;以及
基于所述第二浓度,调节所述第一原理模型所使用的至少一个参数。
19.如权利要求17所述的系统,其中所述第一原理发酵模拟工具进一步配置所述处理器执行下列步骤:
通过所述用户界面,接收为所述发酵过程输入的已调整的操作参数;以及
使用带有调整的操作参数的所述第一原理模型来预测所述发酵合成物的至少一种成份在第四时间的浓度。
20.如权利要求17所述的系统,还包括被配置成调整所述发酵过程的一个或多个操作参数的控制系统界面,并且其中所述第一原理发酵模拟工具进一步配置所述处理器执行下列步骤:
当所述发酵合成物的至少一种成份的所预测的浓度不同于目标浓度超过预定阈值时,调整所述发酵过程的至少一个操作参数。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US13/153,393 US8818562B2 (en) | 2011-06-04 | 2011-06-04 | Simulated fermentation process |
US13/153,393 | 2011-06-04 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN102810125A true CN102810125A (zh) | 2012-12-05 |
CN102810125B CN102810125B (zh) | 2016-03-02 |
Family
ID=46045735
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201210180851.XA Active CN102810125B (zh) | 2011-06-04 | 2012-06-04 | 模拟的发酵过程 |
Country Status (3)
Country | Link |
---|---|
US (2) | US8818562B2 (zh) |
EP (1) | EP2530629A3 (zh) |
CN (1) | CN102810125B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107832582A (zh) * | 2016-09-16 | 2018-03-23 | 西门子公司 | 监测生物过程的方法 |
CN109656138A (zh) * | 2018-12-19 | 2019-04-19 | 龙口盛福达食品有限公司 | 一种基于模糊推理的白酒酿造过程温度智能控制方法 |
Families Citing this family (21)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11678760B2 (en) | 2011-03-03 | 2023-06-20 | PB Funding Group, LLC | Multifunctional brewing system for coffee, beer, and other beverages |
US10035979B2 (en) | 2015-07-23 | 2018-07-31 | Picobrew, Inc. | Beer making machine with direct steam injection |
US11753610B2 (en) * | 2011-03-03 | 2023-09-12 | PB Funding Group, LLC | Self healing controller for beer brewing system |
US20150291927A1 (en) * | 2012-11-01 | 2015-10-15 | Bioprocess Control Sweden Ab | System setup for monitoring and/or controlling fermentation processes |
JP6135599B2 (ja) * | 2014-05-19 | 2017-05-31 | 横河電機株式会社 | 細胞培養制御システム及び細胞培養制御方法 |
US10308903B2 (en) | 2014-09-17 | 2019-06-04 | Picobrew, Inc. | Foam reducing device |
DE102014116239A1 (de) * | 2014-11-07 | 2016-05-12 | Uts Biogastechnik Gmbh | Verfahren zum Betreiben einer Rühreinrichtung und eines Fermenters |
US10377981B2 (en) * | 2015-03-17 | 2019-08-13 | Picobrew, Inc. | Software tuning of recipes for beer brewing system |
US9932547B2 (en) | 2015-07-31 | 2018-04-03 | Picobrew, Inc. | Fermentation monitoring and management |
CN109416534A (zh) * | 2016-05-04 | 2019-03-01 | Abb瑞士股份有限公司 | 工厂过程自动化中的报警处置系统和方法 |
US10161533B2 (en) | 2016-05-09 | 2018-12-25 | Picobrew, Inc. | Bi-stable electrically actuated valve |
WO2018049342A1 (en) * | 2016-09-09 | 2018-03-15 | Alpha Revolution, Inc. | Systems, devices, and methods for fermenting beverages |
CN106706032A (zh) * | 2016-11-23 | 2017-05-24 | 安徽皖拓自动化有限公司 | 谷物烘干机远程监测系统 |
US10463983B2 (en) | 2017-03-31 | 2019-11-05 | Picobrew, Inc. | Distillation and essence extractor insert for beer brewing machine |
SG11201909775TA (en) * | 2017-04-28 | 2019-11-28 | Limestone Coast Brewing Company Pty Ltd | Brewing arrangement and method |
CN107491622B (zh) * | 2017-09-14 | 2020-05-22 | 中国华电科工集团有限公司 | 一种生物质发酵仿真系统及基于该系统的设备选型方法 |
US10934511B2 (en) * | 2018-09-06 | 2021-03-02 | Louise Wilkie | Humic and fulvic black water based beverage for human consumption |
JP2020162549A (ja) * | 2019-03-29 | 2020-10-08 | 味の素株式会社 | 制御装置、制御方法およびプログラムならびに有機化合物の製造方法 |
JP2020171246A (ja) * | 2019-04-11 | 2020-10-22 | 富士通株式会社 | 予測プログラム、予測方法および予測装置 |
US11688487B2 (en) * | 2019-07-31 | 2023-06-27 | X Development Llc | Scalable experimental workflow for parameter estimation |
WO2022246284A2 (en) * | 2021-05-20 | 2022-11-24 | Clara Foods Co. | Systems for end-to-end optimization of precision fermentation-produced animal proteins in food applications |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20080103747A1 (en) * | 2006-10-31 | 2008-05-01 | Macharia Maina A | Model predictive control of a stillage sub-process in a biofuel production process |
CN101370926A (zh) * | 2006-01-28 | 2009-02-18 | Abb研究有限公司 | 一种在线预测发酵装置未来性能的方法 |
CN101689045A (zh) * | 2007-05-14 | 2010-03-31 | 搭篷技术公司 | 生物燃料发酵过程的非线性模型预测控制 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
MXPA03011982A (es) * | 2001-06-20 | 2004-03-26 | Labatt Brewing Co Ltd | Procesos de fermentaciones continua/por lotes, en combinacion. |
FR2871236B1 (fr) * | 2004-06-02 | 2006-09-01 | Gervais Danone Sa | Procede de controle d'un processus microbiologique a partir des derivees temporelles successives des variables d'etat |
-
2011
- 2011-06-04 US US13/153,393 patent/US8818562B2/en active Active
-
2012
- 2012-03-30 EP EP12162570.1A patent/EP2530629A3/en not_active Ceased
- 2012-06-04 CN CN201210180851.XA patent/CN102810125B/zh active Active
-
2014
- 2014-06-05 US US14/296,859 patent/US20140287092A1/en not_active Abandoned
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101370926A (zh) * | 2006-01-28 | 2009-02-18 | Abb研究有限公司 | 一种在线预测发酵装置未来性能的方法 |
US20080103747A1 (en) * | 2006-10-31 | 2008-05-01 | Macharia Maina A | Model predictive control of a stillage sub-process in a biofuel production process |
CN101689045A (zh) * | 2007-05-14 | 2010-03-31 | 搭篷技术公司 | 生物燃料发酵过程的非线性模型预测控制 |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107832582A (zh) * | 2016-09-16 | 2018-03-23 | 西门子公司 | 监测生物过程的方法 |
CN107832582B (zh) * | 2016-09-16 | 2021-08-24 | 西门子公司 | 监测生物过程的方法 |
CN109656138A (zh) * | 2018-12-19 | 2019-04-19 | 龙口盛福达食品有限公司 | 一种基于模糊推理的白酒酿造过程温度智能控制方法 |
Also Published As
Publication number | Publication date |
---|---|
EP2530629A3 (en) | 2013-07-03 |
US8818562B2 (en) | 2014-08-26 |
US20140287092A1 (en) | 2014-09-25 |
US20120310413A1 (en) | 2012-12-06 |
CN102810125B (zh) | 2016-03-02 |
EP2530629A2 (en) | 2012-12-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102810125B (zh) | 模拟的发酵过程 | |
Capece et al. | Conventional and non-conventional yeasts in beer production | |
Denby et al. | Industrial brewing yeast engineered for the production of primary flavor determinants in hopped beer | |
Kerby et al. | An overview of the utilisation of brewery by-products as generated by british craft breweries | |
Hettinga et al. | Understanding the reductions in US corn ethanol production costs: An experience curve approach | |
Marongiu et al. | Novel starters for old processes: Use of Saccharomyces cerevisiae strains isolated from artisanal sourdough for craft beer production at a brewery scale | |
Liszkowska et al. | Yeast fermentation at low temperatures: Adaptation to changing environmental conditions and formation of volatile compounds | |
García et al. | Sequential non-Saccharomyces and Saccharomyces cerevisiae fermentations to reduce the alcohol content in wine | |
Larrea‐Gallegos et al. | Applying the technology choice model in consequential life cycle assessment: A case study in the Peruvian agricultural sector | |
Nassary et al. | Unravelling disposal benefits derived from underutilized brewing spent products in Tanzania | |
Muster-Slawitsch et al. | Process modelling and technology evaluation in brewing | |
Terpou et al. | Effect of myclobutanil pesticide on the physiological behavior of two newly isolated Saccharomyces cerevisiae strains during very-high-gravity alcoholic fermentation | |
Maqhuzu et al. | Prospective utilization of brewers' spent grains (BSG) for energy and food in Africa and its global warming potential | |
Varize et al. | Increasing ethanol tolerance and ethanol production in an industrial fuel ethanol Saccharomyces cerevisiae strain | |
Kucharczyk et al. | Simultaneous optimization of acetaldehyde and DMS concentrations for better sensory quality of beer fermented on an industrial scale | |
Ledley et al. | A Modified brewing procedure informed by the enzymatic profiles of gluten-free malts significantly improves fermentable sugar generation in gluten-free brewing | |
Gasiński et al. | Analysis of physicochemical parameters of Congress worts prepared from special legume seed malts, acquired with and without use of enzyme preparations | |
Pielech-Przybylska et al. | The role of Saccharomyces cerevisiae yeast and lactic acid bacteria in the formation of 2-propanol from acetone during fermentation of rye mashes obtained using thermal-pressure method of starch liberation | |
Murthy et al. | A simultaneous saccharification and fermentation model for dynamic growth environments | |
Silva et al. | Integration of corn and cane for ethanol production: effects of lactobacilli contamination on fermentative parameters and use of ionizing radiation treatment for disinfection | |
Cuenca et al. | Optimization and kinetic modeling of honey fermentation for laboratory and pilot-scale mead production | |
David et al. | Nitrogen-backboned modeling of wine-making in standard and nitrogen-added fermentations | |
Tiukova et al. | Assembly and analysis of the genome sequence of the yeast Brettanomyces naardenensis CBS 7540 | |
VanderZaag et al. | Manure methane emissions over three years at a swine farm in western Canada | |
Basa et al. | Trials of commercial-and wild-type Saccharomyces cerevisiae strains under aerobic and microaerophilic/anaerobic conditions: ethanol production and must fermentation from grapes of Santorini (Greece) native varieties |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
TR01 | Transfer of patent right | ||
TR01 | Transfer of patent right |
Effective date of registration: 20171106 Address after: American California Patentee after: Schneider Electronic Software Co.,Ltd. Address before: Massachusetts, USA Patentee before: INVENSYS SYSTEMS, Inc. |
|
CP01 | Change in the name or title of a patent holder | ||
CP01 | Change in the name or title of a patent holder |
Address after: California, USA Patentee after: Aviva Software Co.,Ltd. Address before: California, USA Patentee before: Schneider Electronic Software Co.,Ltd. |