Video Experimental Relacionado
Updated: Jan 7, 2026

Automated Hydrophobic Interaction Chromatography Column Selection for Use in Protein Purification
Published on: September 21, 2011
Control adaptativo dual integrado de procesos de separación cromatográfica continua mediante aprendizaje por refuerzo
Foteini Michalopoulou1, Maria M Papathanasiou1
1Sargent Centre for Process Systems Engineering, Imperial College London, London SW72AZ, United Kingdom; Department of Chemical Engineering, Imperial College London, London SW72AZ, United Kingdom.
Un nuevo marco de control de aprendizaje por refuerzo (RL) permite la operación adaptativa de la cromatografía continua. Este sistema inteligente mejora la pureza del producto, el rendimiento y la recuperación, incluso con variaciones en el proceso.
Área de la Ciencia:
- Ingeniería Química
- Control de Procesos
- Inteligencia Artificial
Sus antecedentes:
- Los procesos cromatográficos continuos exhiben dinámicas no lineales complejas e interdependencias.
- El control en tiempo real es un desafío debido a las operaciones cíclicas y las interacciones variables.
- La creciente variabilidad del proceso exige estrategias de control adaptativo para un rendimiento sostenido.
Objetivo del estudio:
- Desarrollar un marco de control de aprendizaje por refuerzo (RL) para la operación adaptativa de sistemas cromatográficos continuos.
- Permitir un control robusto que mantenga el rendimiento en condiciones operativas dinámicas e inciertas.
- Mejorar métricas clave de rendimiento como la pureza del producto, el rendimiento y la eficiencia operativa.
Principales métodos:
- Se desarrolló y entrenó un controlador de aprendizaje por refuerzo (RL) utilizando un entorno de simulación mecanicista.
- El agente RL aprendió a coordinar múltiples entradas del proceso basándose en los estados del sistema observados.
- Se implementó una formulación de recompensa dependiente de la fase para equilibrar la pureza, el rendimiento y la eficiencia.
Principales resultados:
- El controlador RL mantuvo con éxito la pureza objetivo a pesar de las variaciones de alimentación, las perturbaciones del caudal y el ruido de medición.
- Se logró un estado estacionario cíclico (CSS) en 10 ciclos de proceso.
- El rendimiento del proceso mejoró del 86% al 91%, y la recuperación del producto aumentó un 79% en comparación con la operación nominal.
Conclusiones:
- El aprendizaje por refuerzo proporciona una solución de control robusta y adaptativa para sistemas cromatográficos complejos y multivariables.
- El marco de RL desarrollado facilita la operación inteligente y adaptativa del proceso.
- Este enfoque ofrece un camino para mejorar el rendimiento y la eficiencia en procesos cromatográficos continuos.
Más Videos Relacionados
08:35Interactive and Visualized Online Experimentation System for Engineering Education and Research
Published on: November 24, 2021
05:47Simulation of a Scaled Assembly Process with Collaboration of a Robotic Arm and Monitoring through a Vision System for Quality Control
Published on: August 29, 2025
Videos de Conceptos Relacionados
Optimizing Chromatographic Separations
Band broadening refers to spreading solute bands as they travel through the column. This broadening can impact resolution. Plate height (H) represents the length required for one theoretical plate. A lower plate height corresponds to...
Ion-Exchange Chromatography
High-Performance Liquid Chromatography: Elution Process
High-Performance Liquid Chromatography: Introduction
In HPLC, two phases play a critical role in the separation process:
High-Performance Liquid Chromatography: Instrumentation
Chromatography: Introduction
The phase in which the compounds linger or on which the compounds adsorb is called the stationary phase, whereas the mobile phase is the solvent that carries the solutes to be analyzed. In traditional column chromatography, the mixture flows through the stationary phase, and the compounds partition between the stationary and mobile phases...