Filtern
Dokumenttyp
- Beitrag zu einem Tagungsband (15)
- Posterpräsentation (13)
- Zeitschriftenartikel (12)
- Vortrag (12)
- Forschungsdatensatz (2)
- Dissertation (1)
- Forschungsbericht (1)
Schlagworte
- CONSENS (18)
- Online NMR Spectroscopy (17)
- Online NMR spectroscopy (17)
- Process Analytical Technology (11)
- Prozessanalytik (10)
- Process control (9)
- Industrie 4.0 (8)
- Indirect Hard Modeling (7)
- Process Monitoring (6)
- Reaction Monitoring (6)
Organisationseinheit der BAM
Eingeladener Vortrag
- nein (12)
Im Zuge der Digitalisierung der Prozessindustrie werden zunehmend modellbasiere Echtzeitoptimierungsverfahren eingesetzt, sog. „Advanced Process Control“. Mithilfe der sogenannten Modifier-Adaptation ist eine iterative Betriebspunktoptimierung auch mit ungenauen Modellen möglich, sofern zuverlässige Prozessdaten zur Verfügung stehen. Am Beispiel eines smarten Online-NMR-Sensors, der in einem EU-Projekt von der BAM entwickelt wurde, konnte das Konzept in einer modularen Produktionsanlage zur Herstellung eines pharmazeutischen Wirkstoffs erfolgreich getestet werden.
In case study one of the CONSENS project, two aromatic substances were coupled by a lithiation reaction, which is a prominent example in pharmaceutical industry. The two aromatic reactants (Aniline and o-FNB) were mixed with Lithium-base (LiHMDS) in a continuous modular plant to produce the desired product (Li-NDPA) and a salt (LiF). The salt precipitates which leads to the formation of particles. The feed streams were subject to variation to drive the plant to its optimum.
The uploaded data comprises the results from four days during continuous plant operation time. Each day is denoted from day 1-4 and represents the dates 2017-09-26, 2017-09-28, 2017-10-10, 2017-10-17.
In the following the contents of the files are explained.
Monitoring chemical reactions is the key to chemical process control. Today, mainly optical online methods are applied, which require excessive calibration effort. NMR spectroscopy has a high potential for direct loop process control while exhibiting short set-up times. Compact NMR instruments make NMR spectroscopy accessible in industrial and harsh environ¬ments for advanced process monitoring and control, as demonstrated within the European Union’s Horizon 2020 project CONSENS.
We present a range of approaches for the automated spectra analysis moving from conventional multivariate statistical approach, (i.e., Partial Least Squares Regression) to physically motivated spectral models (i.e., Indirect Hard Modelling and Quantum Mechanical calculations). By using the benefits of traditional qNMR experiments data analysis models can meet the demands of the PAT community (Process Analytical Technology) regarding low calibration effort/calibration free methods, fast adaptions for new reactants or derivatives and robust automation schemes.
The departure from the current automation landscape to next generation automation concepts for the process industry has already begun. Smart functions of sensors simplify their use and enable plug-and-play integration, even though they may appear to be more complex at first sight. Monitoring specific information (i.e., “chemical” such as physico-chemical properties, chemical reactions, etc.) is the key to “chemical” process control. Here we introduce our smart online NMR sensor module used for process characterisation and optimisation.
Due to NMR spectroscopy as an “absolute analytical comparison method”, independent of the matrix, it runs with extremely short set-up times in combination with “modular” spectral models. Such models can simply be built upon pure component NMR spectra within a few hours (i.e., assignment of the NMR signals to the components) instead of tedious calibrations runs. We present a range of approaches for the automated spectra analysis moving from statistical approach, (i.e., Partial Least Squares Regression) to physically motivated spectral models (i.e., Indirect Hard Modelling and Quantum Mechanical calculations).
Based on concentration measurements of reagents and products by online NMR spectroscopy a continuous production and direct loop process control were successfully realized for several validation runs in a modular industrial pilot plant and compared to conventional analytical methods (HPLC, near infrared spectroscopy). The NMR module was developed for an intensified industrial process funded by the EU’s Horizon 2020 research and innovation programme (“Integrated CONtrol and SENsing”, www.consens-spire.eu).
Modular plants using intensified continuous processes represent an appealing concept to produce pharmaceuticals. It can improve quality, safety, sustainability, and profitability compared to batch processes, and it enables plug-and-produce reconfiguration for fast product changes. To facilitate this flexibility by real-time quality control, we developed a solution that can be adapted quickly to new processes and includes a compact Nuclear Magnetic Resonance (NMR) spectrometer for online quality monitoring as well as a new model-based control approach. The NMR sensor is a benchtop device enhanced to the requirements of automated chemical production including ro-bust evaluation of sensor data.
Here, we present alternatives for the quantitative determination of the analytes using modular, physically motivated models. These models can be adapted to new substances solely by the use of their corresponding pure component spectra, which can either be derived from experimental spectra as well as from quantum mechanical models or NMR predictors. Modular means that spec-tral models can simply be exchanged together with alternate reagents and products. Beyond that, we comprehensively calibrated an NIR spectrometer based on online NMR process data for the first time within an industrial plant. The integrated solution was developed for a metal organic reac-tion running on a commercial-scale modular pilot plant and it was tested under industrial conditions.
Flexible automation with compact NMR spectroscopy for continuous production of pharmaceuticals
(2019)
Modular plants using intensified continuous processes represent an appealing concept for the production of pharmaceuticals. It can improve quality, safety, sustainability, and profitability compared to batch processes; besides, it enables plug-and-produce reconfiguration for fast product changes. To facilitate this flexibility by real-time quality control, we developed a solution that can be adapted quickly to new processes and is based on a compact nuclear magnetic resonance (NMR) spectrometer. The NMR sensor is a benchtop device enhanced to the requirements of automated chemical production including robust evaluation of sensor data. Beyond monitoring the product quality, online NMR data was used in a new iterative optimization approach to maximize the plant profit and served as a reliable reference for the calibration of a near-infrared (NIR) spectrometer. The overall approach
was demonstrated on a commercial-scale pilot plant using a metal-organic reaction with pharmaceutical relevance.
There have been an increasing number of publications on flow chemistry applications of compact NMR. Despite this, there is so far no comprehensive workflow for the technical design of flow cells. Here, we present an approach that is suitable for the design of an NMR flow cell with an integrated static mixing unit. This design moves the mixing of reactants to the active NMR detection region within the NMR instrument, presenting a feature that analyses chemical reactions faster (5–120 s region) than other common setups. During the design phase, the targeted mixing homogeneity of the components was evaluated for different types of mixing units based on CFD simulation. Subsequently, the flow cell was additively manufactured from ceramic material and metal tubing. Within the targeted working mass flow range, excellent mixing properties as well as narrow line widths were confirmed in validation experiments, comparable to common glass tubes.
Trialkoxysilane haben sich in den vergangenen Jahren als vielseitig einsetzbare Organosilane erwiesen. Die Einsatzgebiete erstrecken sich vom Witterungsschutz von Bauwerken über haftvermittelnde Eigenschaften in der Glasfaserindustrie, bei Dicht- und Klebstoffen, in Farben und Lacken bis hin zur Modifizierung von polymeren Werkstoffen.
Kommerzielle Benchtop-NMR-Spektrometer haben das Potential auch im Bereich der Silanchemie als Online-Methode zur Reaktionsüberwachung und für die Qualitätskontrolle eingesetzt zu werden. Interessante NMR-Kerne für die oben genanntem Produkte sind 1H und 29Si. In einer gemeinsamen Forschungskooperation zwischen EVONIK und BAM wurde anhand verschiedener Fallstudien die Anwendbarkeit der Niederfeld-NMR-Spektroskopie zur chemischen Analyse von Silanen evaluiert. Im Zuge der Fallstudien wurde gezeigt, wie Niederfeld-NMR-Spektroskopie die Möglichkeiten der Konzentrationsmessung auf neue Anwendungsgebiete erweitert, in denen bestehende Technologien wie z. B. NIR, Raman, UV/VIS, etc. mangels Referenzdaten nicht quantitativ eingesetzt werden können.
Fallstudie 1: Oligomerisierung
Eine Fallstudie setzte dazu an, den Hydrolyse- und Kondensationsverlauf mit einer geeigneten Online-NMR-Analytik zu beobachten, den Reaktionsfortschritt der Hydrolyse und Kondensation auf dieser Basis besser zu verstehen und zu optimieren. Zu diesem Zweck werden durch Zugabe von Wasser zunächst die Alkoxysubstituenten eines Trialkoxysilans hydrolysiert und entsprechende Silanole gebildet. Diese können dann über eine SiOH-Funktion an den zu modifizierenden Werkstoff anbinden und über weitere Silanolgruppen unter Ausbildung von Siloxaneinheiten vernetzen.
Fallstudie 2: Spaltung von cyclischen Silanverbindungen
In einer weiteren Fallstudie wurde die Kinetik der Aufspaltungen einer cyclischen Silanverbindung untersucht. Die Online-NMR-Analytik kam hierbei sowohl im Labor als auch in der industriellen Produktionsanlage zum Einsatz. Hierfür wurde eine vollständig automatisierte Einhausung verwendet, welche den Einsatz eines kommerziellen NMR-Spektrometers in explosionsgeschützten Bereichen ermöglicht.
Fallstudie 3: Qualitätskontrolle für Produktmischungen von Trialkoxysilanen
Für Produktmischungen eines Trialkoxysilans und weiteren Bestandteilen wie u. a. org. Stabilisatoren, Organozinnverbindungen, eines aromatischen Amins und org. Peroxide wurden quantitative 1H-Spektren akquiriert und eine automatische Auswertungsmethode basierend auf Indirect Hard Modeling (IHM) entwickelt. Für die Nebenkomponenten, deren Stoffmengenanteile bis zu 3 Mol-% betragen, wurden durch die zugrunde gelegte Methode typischerweise korrekte experimentelle Stoffmengenanteile gefunden, die weniger als 0,2 Mol-% vom Referenzwert abweichen.
Die Geräteentwicklungen im Bereich der Niederfeld-NMR-Spektroskopie im vergangenen Jahrzehnt ermöglichen den Einsatz kompakter, portabler Magnete mit geringen Streufeldern in Laborumgebungen und industriellen Produktionsanlagen. Somit werden neue Möglichkeiten für hochauflösende NMR-Experimente zur Reaktionsüberwachung eröffnet. Im Rahmen des EU-Projekts CONSENS wurden die Möglichkeiten dieser Methode umfassend anhand einer technisch bedeutenden Reaktion (elektrophile aromatische Substitutionsreaktionen) evaluiert.
Um die Flexibilität einer kontinuierlichen und modularen Pilotanlage durch Echtzeit- Qualitätskontrolle zu fördern, wurde ein vollständig automatisiertes Online- NMR-Modul entwickelt. Der Einsatz eines kommerziellen Niederfeld-NMR-Geräts im industriellen Umfeld wurde durch die entwickelten Lösungen der automatisierten Datenanlyse sowie durch ein zertifiziertes Sicherheitskonzept für den Betrieb in explosionsgefährdeten Zonen ermöglicht. Neben der Überwachung der Produktqualität wurden Online-NMR-Daten in einem neuen iterativen Optimierungsansatz zur Maximierung des Anlagenertrags eingesetzt und dienten als zuverlässige Referenz für die Kalibrierung eines Nahinfrarot-Spektrometers.
Für die Entwicklung einer robusten Datenauswertung der NMR-Spektren, die dem Anspruch der Flexibilität bei Produktwechseln genügt, wurden zunächst Versuche im Labormaßstab durchgeführt, um eine Datenbasis zu schaffen. In diesen Versuchen wurden die aromatischen Amine Anilin, p-Toluidin und p-Fluoranilin mit o-Fluornitrobenzol gekoppelt. Durch Zugabe einer Organolithium-Verbindung (Li- HMDS) findet ein Protonenaustausch zwischen dem primären Amin und Li-HMDS statt. Dies führt zu einer hohen Reaktionsenthalpie und instabilen Aryllithium-Verbindungen. Die Reaktionen wurden hinsichtlich anfallender Zwischenprodukte mittels Hochfeld-NMR-Spektroskopie analysiert.
Nachfolgend wurden die Reaktionen sowohl im Semi-Batch-Verfahren als auch im kontinuierlichen Laborbetrieb mit Online-Niederfeld-NMR-Spektroskopie und Online- Hochfeld-NMR-Spektroskopie untersucht. Da die gemessenen NMR-Spektren besonders im aromatischen Spektralbereich hohe Signalüberlappungen der Reaktanden aufweisen, wurden chemometrische Modelle entwickelt und anhand der Hochfeld-NMR-Methode validiert. Die verwendeten Durchflusszellen für die Niederfeld-NMR-Spektroskopie wurden hinsichtlich ihrer Anwendbarkeit für quantitative Messungen im kontinuierlichen Durchfluss untersucht. Es konnte gezeigt werden, dass Messungen mit einer additiv gefertigten Keramikdurchflusszelle prinzipiell möglich sind.
Industry 4.0 is all about interconnectivity, sensor-enhanced process control, and data-driven systems. Process analytical technology (PAT) such as online nuclear magnetic resonance (NMR) spectroscopy is gaining in importance, as it increasingly contributes to automation and digitalization in production. In many cases up to now, however, a classical evaluation of process data and their transformation into knowledge is not possible or not economical due to the insufficiently large datasets available. When developing an automated method applicable in process control, sometimes only the basic data of a limited number of batch tests from typical product and process development campaigns are available. However, these datasets are not large enough for training machine-supported procedures. In this work, to overcome this limitation, a new procedure was developed, which allows physically motivated multiplication of the available reference data in order to obtain a sufficiently large dataset for training machine learning algorithms. The underlying example chemical synthesis was measured and analyzed with both application-relevant low-field NMR and high-field NMR spectroscopy as reference method. Artificial neural networks (ANNs) have the potential to infer valuable process information already from relatively limited input data. However, in order to predict the concentration at complex conditions (many reactants and wide concentration ranges), larger ANNs and, therefore, a larger Training dataset are required. We demonstrate that a moderately complex problem with four reactants can be addressed using ANNs in combination with the presented PAT method (low-field NMR) and with the proposed approach to generate meaningful training data.