Optimization of a fluid bed dryer by the implementation of a model predictive controller

Abstract

Optimization of the drying operation requires a model containing the operating variables for fluid bed dryers (FBD). Modeling of FBD is still uncertain since the drying process is unpredictable and relies on empirical parameters. The objective was to develop a first principle model that would describe the moisture content of a pharmaceutical powder as function of operating variables and use it for optimization purposes. Granulations consisting of lactose monohydrate, pregelatinized starch, and distilled water were dried in a FBD to generate the data to develop the models. Basic energy and material balances led to the description of the drying curve and it was used to determine the parameters necessary to design a customized Model Predictive Controller (MPC). The simulation shows that by implementing an MPC the desired set point is achieved in half the time and consumes less energy as compared to working at the FBD’s maximum settings. Compared to traditional MPC, this customized controller provided a more logical response of the drying process since the traditional strategy is more accurate when it is applied to stable processes. Compared to a Proportional-Integral-Derivative (PID) strategy, the MPC proved to be a better tool for optimizing the drying process.

La optimización del proceso de secado requiere un modelo que contenga las variables de operación para una secadora de lecho fluidizado (FBD). El modelar el FBD sigue incierto ya que el proceso de secado es impredecible y depende de parámetros empíricos. El objetivo de este estudio ha sido el desarrollar un modelo fundamental que describa la humedad de un polvo farmacéutico y utilizarlo para propósitos de optimización. Las granulaciones, que consistieron de lactosa monohidratada y almidón pregelatinizado combinado con agua destilada, fueron secadas en un FBD para generar los datos para desarrollar el modelo. Utilizando balances básicos de energía y materiales se obtuvo la descripción de la curva de secado y se utilizó para determinar los parámetros necesarios para diseñar el controlador de modelo predictivo (MPC) modificado. Las simulaciones demostraron que por la implementación del MPC el valor deseado se obtuvo en la mitad del tiempo y consumió menos energía comparado a trabajar la secadora en su máxima capacidad constantemente. Comparado con la estrategia tradicional de MPC, el controlador modificado proveyó con una respuesta más lógica del proceso de secado ya que la estrategia tradicional es más precisa cuando es aplicado a un proceso estable. Comparado con una estrategia de control ProporcionalIntegral-Derivativa (PID), el MPC demostró ser una mejor herramienta para optimizar el proceso de secado.