| Summary: | The exponential development of biotechnology has lead to a quasi unlimited number of potential products going from biopolymers to vaccines. Cell culture has therefore evolved from the simple cell growth outside its natural environment to its use to produce molecules that they do not naturally produce. This rapid development could not be continued without new control and supervising tools as well as a good process understanding. This requirement involves however a large diversity and a better accessibility of process measurements. In this framework, software sensors show numerous potentialities. The objective of a software sensor is indeed to provide an estimation of the system state variables and particularly those which are not obtained through in situ hardware sensors or laborious and expensive analysis. In this context, This work attempts to join the knowledge of increasing bioprocess complexity and diversity and the time scale of process developments and favours systematic modelling methodology, its flexibility and the speed of development. In the field of state observation, an important modelling constraint is the one induced by the selection of the state to estimate and the available measurements. Another important constraint is the model quality. The central axe of this work is to provide solutions in order to reduce the weight of these constraints to software sensors development. On this purpose, we propose four solutions to four main questions that may arise. The first two ones concern modelling uncertainties.
1."How to develop a software sensor using measurements easily available on pilot scale bioreactor?" The proposed solution is a static software sensor using an artificial neural network. Following this modelling methodology we developed static software sensors for the biomass and ethanol concentrations in a pilot scale S. cerevisae cell culture using the measurement of titrating base quantity, agitation rate and CO₂ concentration in the exhaust gas.
2."How to obtain a reaction scheme and a kinetic model to develop a dynamic observation model?". The proposed solution is to combine three elements: a systematic methodology to generate, identify and select the possible reaction schemes, a general kinetic model and a systematic identification procedure where the last step is particularly dedicated to the identification of observation models. Combining these methodologies allowed us to develop a software sensor for the concentrations of an allergen produced by an animal cell culture using the discrete measurement of glucose, glutamine and ammonium concentrations (which are also estimated in continuous time by the software sensors).
The two other questions are dealing with kinetic model uncertainty.
3 "How to correct kinetic model parameters while keeping the system observability?". We consider the possibility to correct some model parameters during the process observation. We propose indeed an adaptive observer based on the theory of the most likely initial conditions observer and exploiting the information from the asymptotic observer. This algorithm allows to jointly estimate the state and some kinetic model parameters.
4 "How to avoid any state observer selection that requires an a priori knowledge on the model quality?". Answering this question lead us to the development of hybrid state observers. The general principle of a hybrid observer is to automatically evaluate the model quality and to select the appropriate state observer. In this work we focus on kinetic model quality and propose hybrid observers that evolves between the state observation from an exponential observer (free convergence rate tuning but model error sensitivity) and the one provided by an asymptotic observer (no kinetic model requirement but a convergence rate depending on the dilution rate). Two strategies are investigated in order to evaluate the model quality and to induce the state observation evolution. Each of them have been validated on two simulated cultures (microbial and animal cells) and one real industrial one (B. subtilis).
∙ In a first strategy, the hybrid observer is based on the determination of a parameter that drives the state estimation from the one obtained with an exponential observer (exponential observation) when the model is of good quality to the one provided by an asymptotic observer (asymptotic observation) when a kinetic model error is detected. The evaluation of this driving parameter is made either with an a priori defined function or is coupled to the identification of the initial conditions in a most likely initial conditions observer.
∙ In another strategy, the hybrid observer is based on a statistical test that compares the state estimations provided by an exponential and an asymptotic observer and corrects the state estimation according to it./
Le rapide développement des biotechnologies permet actuellement d'envisager un nombre quasi illimité de produits potentiels allant du biopolymère au vaccin. La culture cellulaire a dès lors évolué de la simple croissance de cellules en dehors de leur environnement naturel à son exploitation pour la production de molécules qu'elles ne produisent pas naturellement. Un tel développement ne peut se poursuivre sans l'utilisation de nouvelles technologies de contrôle et de supervision ainsi q'une bonne compréhension et maîtrise du biprocédé. Cette exigence nécessite cependant une meilleure accessibilité et une plus grande variabilité des mesures des différentes variables de ce procédé. Dans ce contexte, les capteurs logiciels présentent de nombreuses potentialités. L'objectif d'un capteur logiciel est en effet de fournir une estimation des états d'un système et particulièrement de ceux qui ne sont pas mesurés par des capteurs physiquement installés sur le système ou par de longues et coûteuses analyses. Cet objectif peut être obtenu en combinant un modèle du système avec certaines mesures physiques au sein d'un algorithme d'observation d'état. Dans ce domaine de l'observation des bioprocédés, ce travail tente de considérer, à la fois, l'augmentation de la complexité et de la diversité des bioprocédés et l'exigence d'un développement rapide en favorisant le caractère systématique, flexible et rapide des méthodes proposées. Dans le cadre de l'observation des bioprocédés, une importante contrainte de modélisation est induite par la sélection des états à estimer et des mesures disponibles pour cette estimation. Une seconde contrainte est la qualité du modèle. L'axe central de ce travail est de fournir certaines solutions afin de réduire le poids de ces contraintes dans le développement de capteurs logiciels. Pour ce faire, nous proposons quatre réponses à quatre questions qui peuvent survenir lors de ce développement. Les deux premières questions concernent l'incertitude de modélisation. Quant aux deux questions suivantes, elles concernent l'incertitude du modèle lui-même.
1."Comment développer un capteur logiciel exploitant des mesures facilement disponibles sur un bioréacteur pilote?". La réponse que nous apportons à cette question est le développement d'un capteur logiciel statique basé sur un réseau de neurones artificiels. Cette structure nous a permis de développer des capteurs logiciels de concentrations en biomasse et éthanol au sein d'une culture de S. cerevisae utilisant les mesures en ligne de quantité de base titrante, de vitesse d'agitation et de concentration en CO₂ dans le gaz sortant du réacteur.
2."Comment obtenir un schéma réactionnel et un modèle cinétique pour l'identification d'un modèle dynamique d'observation". Afin de répondre à cette question, nous proposons de combiner trois éléments: une méthode de génération systématique de schémas réactionnels, une structure générale de modèle cinétique et une méthode d'identification dont la dernière étape est particulièrement dédiée à l'identification de modèles d'observation. La combinaison de ces éléments nous a permis de développer un capteur logiciel permettant l'estimation continue de la concentration en un allergène produit par une culture de cellules animales en utilisant des mesures échantillonnées de glucose, glutamine et ammonium (qui sont elles aussi estimées en continu par le capteur logiciel).
3."Comment corriger certains paramètres cinétiques tout en maintenant l'observabilité du système?". Nous considérons ici la possibilité de corriger certains paramètres du modèle cinétique durant le procédé de culture. Nous proposons, en effet, un observateur d'état adaptatif exploitant la théorie de l'observateur par identification des conditions initiales les plus vraisemblables et l'information fournie par un observateur asymptotique. L'algorithme proposé permet ainsi de fournir une estimation conjointe de l'état et de certains paramètres cinétiques.
4."Comment éviter la sélection d'un observateur d'état nécessitant une connaissance, a priori, de la qualité du modèle?". La dernière contribution de ce travail concerne le développement d'observateurs d'état hybrides. Le principe général d'un observateur hybride est d'évaluer automatiquement la qualité du modèle et de sélectionner l'observateur d'état approprié. Au sein de ce travail nous considérons la qualité du modèle cinétique et proposons des observateurs d'état hybrides évoluant entre un observateur dit exponentiel (libre ajustement de la vitesse de convergence mais forte sensibilité aux erreurs de mesures) et un observateur asymptotique (ne nécessite aucun modèle cinétique mais présente une vitesse de convergence dépendante du taux de dilution). Afin de réaliser cette évaluation et d'induire l'évolution de l'observation d'état entre ces deux extrémités, deux stratégies sont proposées. Chacune d'elle est illustrée sur deux cultures simulées (une croissance bactérienne et une culture de cellules animales) et une culture réelle de B. subtilis.
∙ Une première stratégie est basée sur la détermination d'un paramètre de pondération entre l'observation fournie par un observateur exponentiel et un observateur asymptotique. L'évaluation de ce paramètre peut être obtenue soit au moyen d'une fonction définie a priori soit par une identification conjointe aux conditions initiales d'un observateur par identification des conditions initiales les plus vraisemblables.
∙ Une seconde stratégie est basée sur une comparaison statistique entre les observations fournies par les deux types d'observateurs. Le résultat de cette comparaison, lorsqu'il indique une incohérence entre les deux observateurs d'état, est alors utilisé pour corriger l'estimation fournie par l'observateur exponentiel.
|
|---|
