Desenvolvimento de uma ferramenta em Python orientada a equações aplicada à simulação de processos biotecnológicos

Abstract

Os processos biotecnológicos (ou bioprocessos) tem se tornado cada vez mais importantes sob o ponto de vista industrial nas últimas décadas, em razão não só da necessidade de diversificação das matrizes energéticas rumo a adoção de fontes renováveis, cujo representante absoluto é o bioetanol, mas também motivado por um esforço em substituir toda a economia atual que é seriamente dependente de combustíveis fósseis (não só no aspecto energético, mas também como matéria-prima para a produção de plásticos, solventes, embalagens, etc) em uma economia baseada na biotecnologia, em que rotas produtivas industriais são continuamente substituídas pelas suas contrapartes baseadas em bioprocessos. Nesse sentido, o estudo da modelagem, simulação, controle e otimização dessa classe de processos industriais mostra-se como um importante tema de pesquisa, haja vista que os processos biotecnológicos apresentam diversas complexidades inerentes ao fato de que são baseados, em última análise, no metabolismo de seus micro-organismos de trabalho, o que traduz-se em uma resposta do processo por vezes altamente não-linear e transiente, em que o próprio produto desejado no bioprocesso apresenta uma ação inibitória ao metabolismo microbiano, a exemplo do que ocorre no processo produtivo do bioetanol por meio de fermentação. Assim, o presente trabalho objetiva documentar o desenvolvimento de uma ferramenta orientada a equações para a modelagem e simulação de processos, capaz de executar estudos de otimização e controle, e utilizá-la em casos de estudo de otimização e controle de processos biotecnológicos, a partir de dois modelos muito populares para a descrição do processo de produção de bioetanol in-silico (portanto, de cunho computacional) nos regime de batelada alimentada e de fermentação contínua, envolvendo dois dos mais populares micro-organismos produtores de bioetanol em âmbito industrial, respectivamente: a levedura Saccharomyces cerevisiae, e a bactéria Zymomonas mobilis. Convém mencionar que a ferramenta não foi desenvolvida com o intuito de rivalizar com outras ferramentas gratuitas de modelagem e simulação de processos, tais como ASCEND, EMSO, GAMS, DAETOOLS, mas para servir de base para a compreensão das complexidades do desenvolvimento de uma ferramenta de modelagem e simulação de processos orientada a equações, ou mesmo como a base para outra ferramenta, uma vez que o concebeu-se o projeto como um código a ser contribuído colaborativamente pelos interessados no futuro. Nesse sentido, a ferramenta foi desenvolvida utilizando a linguagem computacional Python, de altíssimo nível, que conta com um grande ecossistema de bibliotecas que permitem que suas capacidades sejam expandidas para os mais diversos propósitos. Foram realizados estudos de otimização em malha aberta, utilizando rotinas de otimização meta-heurística, e estudos de controle adotando a abordagem DRTO, utilizando uma rotina meta-heurística como algoritmo de otimização. A escolha pelos métodos meta-heurísticos deu-se em função das propriedades dos mesmos de robustez quando aplicados a problemas altamente não-lineares, a exemplo daqueles oriundos de bioprocessos. Os resultados mostram que a ferramenta foi capaz de desenvolver os casos de estudo desejados, entretanto fazem-se necessários alguns aperfeiçoamentos em sua estrutura computacional, especificamente no que diz respeito às rotinas empregadas para a integração e resolução de problemas diferenciais, que não mostraram-se robustas o suficiente para lidar com problemas para os quais são esperadas oscilações e bifurcações nas soluções. Ainda assim, pode-se afirmar que por ter o código aberto e uma premissa de projeto colaborativo, a ferramenta desenvolvida mostrou-se promissora, e pode servir como base para projetos futuros na área da modelagem e simulação de processos sob uma abordagem de orientação a equações

Biotechnological processes (or bioprocesses) have become increasingly importante from the industrial point of view in the last decades, due not only to the need to diversify the energy matrices towards the adoption of renewable sources, whose absolute representative is bioethanol, but also motivated by an effort to replace the entire current economy that is seriously dependent on fossil fuels (not only in the energy aspect but also as raw material for the production of plastics, solvents, packaging, etc.) in a biotechnology-based economy, in which industrial production routes are continually replaced by their bioprocess-based counterparts. In this sense, the study of modeling, simulation, control and optimization of this class of industrial processes is an important research topic, since the biotechnological processes present several complexities inherent to the fact that they are based, ultimately, on the metabolismo of their working microorganisms, which translates itself into a response of the process that is sometimes highly nonlinear and transient, in which the desired product in the bioprocess has an inhibitory action on microbial metabolism, as observed in the production process of bioethanol through fermentation. Thus, the present work aims to document the development of an equationoriented tool for modeling and simulation of processes, capable of performing optimization and control studies, and to use it in case studies of optimization and control of biotechnological processes, from two very popular models for the description of the in-silico (hence computational-based) bioethanol production process in fed batch and continuous fermentation regimes, involving two of the most popular bioethanol producing micro-organisms in respectively, Saccharomyces cerevisiae yeast, and the Zymomonas mobilis bacterium. It should be mentioned that the tool was not developed in order to rival other free process modeling and simulation tools, such as ASCEND, EMSO, GAMS, DAETOOLS, but to serve as a basis for understanding the complexities of developing a modeling and simulation of processes oriented to equations, or even as the basis for another tool, since the project was conceived as a code to be contributed collaboratively by stakeholders in the future. In this sense, the tool was developed using the high-level computational language Python, which has a large ecosystem of libraries that allow its capabilities to be expanded for a variety of purposes. Were performed open-loop optimization using meta-heuristic optimization routines, and control studies adopting the DRTO approach, using a meta-heuristic routine as an optimization algorithm. The choice of meta-heuristic methods was based on their properties of robustness when applied to highly non-linear problems, such as those derived from bioprocesses. The results show that the tool was able to develop the desired case studies, however, some improvements are necessary in its computational structure, specifically with respect to the routines used for the integration and resolution of differential problems, which were not shown robust enough to handle problems for which oscillations and bifurcations in the solutions are expected. Nevertheless, it can be said that, because it has open source and a premise of collaborative design, the developed tool has shown to be promising, and can serve as a basis for future projects in the area of modeling and simulation of processes under a equation-oriented approach