Xiaowen Zhao ha conseguito il dottorato in Ingegneria chimica presso la University of Michigan. La sua tesi di dottorato riguardava la catalisi eterogenea e con il tempo ha acquisito sempre più esperienza nella sintesi dei catalizzatori/caratterizzazione e modellazione cinetica. Ora lavora come ingegnere addetto allo sviluppo dei processi presso Corteva Agriscience, dove si occupa di sviluppare processi di produzione solidi per rispondere alle esigenze aziendali. Grazie a questa posizione, si sta specializzando nell'utilizzo di strumenti PAT per ottimizzare diversi processi, inclusa la cristallizzazione.
Impiego di un cristallizzatore semi-automatico per studiare la formazione di olio e l'agglomerazione
Ottimizzazione della cristallizzazione industriale
In questa presentazione sull'impiego di un cristallizzatore semi-automatico per studiare la formazione di olio e l'agglomerazione, Xiaowen Zhao di Corteva illustra un caso di studio relativo a una cristallizzazione industriale particolarmente complessa. La cristallizzazione presa in esame era soggetta alla formazione di olio, che ha poi portato all'agglomerazione e a rallentamenti nella cristallizzazione stessa. Per studiare la cristallizzazione e identificare le modalità che generano anomalie è stato usato un cristallizzatore semi-automatico, progettato e riadattato più volte per soddisfare i requisiti in costante cambiamento del processo di cristallizzazione. Per monitorare la torbidità è stata inclusa in questa configurazione una sonda in fibra ottica: grazie a una microscopia video in-situ, si è scoperto che, in caso di formazione di olio o di agglomerazione, la torbidità riportava una diminuzione a livello di segnale.
Grazie a questa informazione, la torbidità è stata monitorata per rilevare la formazione di olio e poi usata come meccanismo di feedback per cambiare il profilo della temperatura, così da ridurre la formazione di olio e ripristinare lo sviluppo dei cristalli durante la cristallizzazione. Il campionatore automatico, abbinato all'analisi HPCL offline, ha fornito informazioni importanti relative al comportamento delle impurità durante la formazione di olio e ha permesso di identificare un'impurità in particolare, capace di influenzare la formazione della seconda fase liquida e la velocità di cristallizzazione. La raccolta di grandi quantità di dati eseguita ha permesso di ottimizzare rapidamente i parametri di cristallizzazione, come il profilo di temperatura, il caricamento dei germi e la durata del ciclo. La cristallizzazione finale è risultata uniforme, prevedibile e capace di autocorreggersi in presenza di modalità che generano anomalie.
Unitevi alle centinaia di ricercatori che hanno già visto questa presentazione.
