Modeling and scale-up of a continuous immobilized acetone-butanol-ethanol fermentation
No Thumbnail Available
Journal Title
Journal ISSN
Volume Title
School of Chemical Engineering |
Master's thesis
Checking the digitized thesis and permission for publishing
Instructions for the author
Instructions for the author
Author
Date
2012
Department
Major/Subject
Bioprosessitekniikka
Mcode
Kem-70
Degree programme
Language
en
Pages
vii + 104 + [23]
Series
Abstract
The effect of varying glucose, mannose and xylose concentration combinations on continuous solvent production of Clostridium acetobutylicum DSM 792 was studied by multiple linear regression (MLR) and neural network (NNET) modelling. An immobilized plug flow reactor (PFR) with a working volume of approximately 50 ml was used in the continuous fermentations. Wood pulp fiber was used as the immobilization matrix. The reactor was run at various dilution rates in order to elucidate the changes in solvent production when the flow rate of the process changes. According to the MLR-models, the main factors affecting the solvent production were dilution rate and concentrations of glucose and mannose. The effect of xylose was negligible. Increased dilution rate decreased the solvent concentration in the product whereas addition of mannose and glucose increased the solvent concentration. Volumetric productivity increased with increasing dilution rates. MLR-models also showed a clear inhibitory effect of glucose on xylose consumption. Mannose consumption was substantially less inhibited by glucose. The preferences of the studied sugars were confirmed. Glucose is the preferred substrate followed by mannose. Xylose consumption was significantly lower compared with the other two sugars. Acetic acid concentration was shown to increase with decreasing glucose concentration and increasing dilution rate. Neural networks were able to predict the solvent concentrations and consumption of sugars but additional validation should be done. The accuracy of the networks varied largely from training to training. The fermentation process was scaled up with a volume factor of 17, and the production values were compared with the PFR. The up-scaled reactor was operated in a continuous stirred tank reactor (CSTR) mode and the differences of the operation modes were studied. The solvent production capabilities of the up-scaled system were comparable with the PFR. The up-scaled reactor produced 12,5 g/l of ABE solvents at a dilution rate of 0,23 h<sub>-1</sub>, as compared to 13.4 g/l with PFR in a comparable experiment. Xylose utilization was significantly higher in the up-scaled reactor (73 %) as compared to the small scale, in which the xylose consumption of the comparable experiment was 43 %.Työssä tutkittiin erivahvuisten glukoosi-, mannoosi- ja ksyloosiliuosten vaikutusta jatkuvatoimiseen liuotinfermentointiin käyttämällä usean muuttujan lineaarista regressiota (MLR) sekä neuroverkkoja (NNET) mallinnustyökaluina. Tuotto-organismina oli Clostridium acetobutylicum DSM 792. Fermentoinneissa käytettiin pakattu peti -tyyppistä tulppavirtausreaktoria (PFR), jossa tuotto-organismi oli immobilisoitu puukuidun pinnalle. Reaktorin työskentelytilavuus oli 50 ml. Prosessia ajettiin vaihtelevilla laimennusnopeuksilla, jotta malleihin saataisiin sisällytettyä virtausnopeuden vaikutus. MLR-mallien perusteella liuotintuottoon vaikuttavat päätekijät olivat laimennusnopeus sekä syöttöliuoksen glukoosi- ja mannoosikonsentraatio. Ksyloosin vaikutus oli vähäinen. Laimennusnopeuden nosto laski liuotinkonsentraatiota, ja glukoosin sekä mannoosin lisäys syöttöliuokseen puolestaan lisäsi sitä. Laimennusnopeuden nousu kasvatti volumetristä liuotintuottonopeutta. Lisääntynyt glukoosin määrä syöttöliuoksessa vaikutti voimakkaan negatiivisesti ksyloosin kulutukseen. Glukoosin vaikutus mannoosin kulutukseen oli huomattavasti heikompi. Malleista voitiin päätellä tuotto-organismin preferenssit testatuille sokereille. Glukoosi havaittiin soveltuvimmaksi substraatiksi ja mannoosi toiseksi soveltuvimmaksi. Ksyloosin kulutus oli huomattavan pientä muihin sokereihin verrattuna. Etikkahapon tuoton havaittiin kasvavan alhaisilla glukoosikonsentraatioilla ja korkeilla laimennusnopeuksilla. Neuroverkoilla pystyttiin ennustamaan prosessin liuotintuotto sekä sokerien kulutus, mutta menetelmä tarvitsee vielä lisävalidointia. Menetelmän tarkkuus vaihteli voimakkaasti verkon harjoittamisten välillä. Fermentointiprosessi skaalattiin suurempaan mittakaavaan siten, että sen työskentelytilavuus kasvoi 17-kertaiseksi. Saatuja tuloksia verrattiin mallinnuskokeista saatuun dataan. Reaktori toimi tulppavirtauksen sijaan jatkuvatoimisen sekoitussäiliöreaktorin (CSTR) tapaan, jolloin naiden kahden toimintatavan soveltuvuutta liuotintuottoon voitiin verrata. Suuremman mittakaavan reaktorin liuotintuotto oli lähes vastaavalla tasolla kuin pienemmän reaktorin. Liuotinkonsentraatioksi saatiin 12,5 g/l laimennosnopeudella 0,23 h<sup>-l</sup>. Vastaava konsentraatio aiemmissa kokeissa oli 13,4 g/l. CSTR-reaktori kulutti ksyloosia tehokkaammin kuin PFR; 73 %, kun vastaava arvo PFR-kokeissa oli 43 %.Description
Supervisor
Ojamo, HeikkiThesis advisor
Survase, ShrikantKeywords
ABE-fermentation, ABE-fermentointi, modeling, mallinnus, multiple linear regression, lineaarinen regressio, neural networks, neuroverkot, scale-up, immobilisointi, immobilization, tulppavirtausreaktori, plug flow reactor, jatkuvatoiminen, continuous stirred, sekoitussäiliöreaktori, tank reactor
