Vertieftes Prozessverständnis und grosse Kosteneinsparungen durch CFD

Im Jahr 2017 wiesen Delvigne et al. [1] in ihrer Publikation darauf hin, dass mit Hilfe von numerischer Strömungssimulation (CFD) die Anzahl der Scale-up-Versuche um 80 % reduziert und Kosteneinsparungen pro Versuch zwischen 40k $ und 80k $ erzielt werden können. V. Atiemo-Obeng und S. Kresta, E. Paul schätzten die Kosteneinsparungen durch den Einsatz von CFD in ihrem Buch „Handbook of Industrial Mixing: Science and Practice“ [2] für jeden einzelnen Prozessversuch auf 500k $ bis 1 Mio. $.

Dies sind nur zwei Beispiele, die den grossen Nutzen von CFD für Scale-up und Technologietransfer in Rührreaktoren aufzeigen. Der vorliegende Anwendungsfall zeigt eine spezifische Anwendung von CFD und wie Simulation helfen kann, ein vertieftes Verständnis für den Prozess zu gewinnen und Schlussfolgerungen für eine fundierte Entscheidungsfindung im Zusammenhang mit Scale-up und Technologietransfer abzuleiten.

Problemstellung

Die Modellierung von Rührreaktoren mithilfe der numerischen Strömungsmechanik (Computational Fluid Dynamics, CFD) kann auf verschiedenen Stufen der Modellierungstreue erfolgen. Dies gilt insbesondere für die Simulation von Mehrphasenströmungen wie Flüssigkeit-Luft-Systeme, die typischerweise in Bioreaktoren vorkommen. Die Modelltreue reicht von niedrig für Einphasensimulationen über mittel für Euler-Euler-Mehrphasensimulationen mit der Annahme eines einzigen Blasendurchmessers bis hin zu hoch für die Modellierung mittels Populationsbilanzen, wo eine grössere Anzahl an Blasengrössenklassen berücksichtigt werden. Da die Rechenkosten mit zunehmender Modelltreue steigen, ist es üblich, nur die Effekte zu berücksichtigen, die zur Lösung des jeweiligen Problems erforderlich sind.

Für die Optimierung eines Bioreaktors, bei dem die Positionierung des Belüfters und die Belüftungsrate eine wichtige Rolle spielen, ist die Populationsbilanzmodellierung die am besten geeignete Methode. Sie ermöglicht die Vorhersage der zeitlichen und räumlichen Verteilung der Luftblasen sowie der Grössenverteilung der Blasen.

Erkenntnisse aus der Simulation und abgeleitete Empfehlungen

Beobachtungen von transienten Effekten in der Animation:

  • Links: Wie erwartet, steigt die Luft aufgrund starker Auftriebseffekte auf und trägt wesentlich zu den Strömungseigenschaften bei.
  • Links: Der untere Bereich des Reaktors wird nicht mit Frischluft versorgt (blau).
  • Links: Koaleszenz tritt oberhalb des Rührers auf.
  • Rechts: Bei der aktuellen Rührgeschwindigkeit pendelt sich die Spitze der Blasengrößenverteilung bei etwa 3 mm ein.

Empfohlene Massnahmen:

  • To improve the air distribution and the gas holdup a circular sparger should be used.
  • Der Belüfter sollte an einer tieferen Stelle positioniert werden.
  • Messen des kLa und vergleichen mit dem aus dem CFD extrahierten kLa zur Optimierung.

Simulationsmetriken

Die Simulation wurde mit OpenFOAM v10 durchgeführt:

  • Solver: multiphaseEulerFoam
  • Impeller rotation model: MRF
  • Population balance model: bubbles
  • Population balance method: method of classes
  • Size groups: 22
  • Mesh: high quality cartesian mesh using cf-mesh+
  • Mesh size: ~ 300k

Referenzen

  1. Frank Delvigne, Ralf Takors, Rob Mudde, Walter van Gulik and Henk Noorman, TERRA Research Center, Microbial Processes and Interactions (MiPI), University of Liege, Li ege, Belgium. Institute of Biochemical Engineering, University of Stuttgart, Stuttgart, Germany 2017
  2. V. Atiemo-Obeng, S. Kresta, E. Paul. Handbook of Industrial Mixing Science and Practice (Wiley, Hoboken, NJ, 2004)
  3. Seidel, S.; Eibl, D. Influence of Interfacial Force Models and Population Balance Models on the kLa Value in Stirred Bioreactors. Processes 2021, 9, 1185. https://doi.org/10.3390/pr9071185 CFD-Model was newly built up with a different mesh and OpenFOAM v10 instead of OpenFOAM v7.
  4. J. Thomas, et al. “A Mechanistic Approach for Predicting Mass Transfer in Bioreactors,” Chemical Engineering Science online, DOI: 10.1016/j.ces.2021.116538 (Feb. 2021).
  5. https://www.pharmtech.com/view/computational-fluid-dynamics-in-upstream-biopharma-manufacturing-processes