Towards Autonomous Crystallization Systems through Advanced Process Modelling and Optimization

Promovendus/a: Gustavo Lunardon Quilló

Promotor(en): Prof. dr. ir. Jan Van Impe, De heer Satyajeet Sheetal Bhonsale, Dr. Christos Xiouras

Kristallisatie is een belangrijke stap in de productie van geneesmiddelen. Daarbij verandert een stof van opgelost of ongeordend naar een geordend kristal. Dit beïnvloedt eigenschappen zoals grootte, vorm en zuiverheid, die bepalen hoe vlot het materiaal kan worden verwerkt in stappen zoals wassen, drogen en tabletteren. De ontwikkeling van kristallisatieprocessen blijft echter lastig door complex gedrag en moeilijk te interpreteren data.

Dit proefschrift gaat deze uitdagingen te lijf met nieuwe methoden die klassieke modellen, machine learning en slim experimenteel ontwerp combineren. Eerst wordt de oplosbaarheidsvoorspelling verbeterd via een hybride model dat fysische vergelijkingen koppelt aan machine learning. Dit wordt aangetoond met ketoconazol in een mengsel van 2-propanol en water.

Daarna onderzoekt het werk hoe kristallen groeien, met nadruk op het ontstaan en samengaan van groeimechanismen bij verschillende concentraties van de opgeloste stof. Het toont aan dat nauwkeurigere methoden om oververzadiging te berekenen leiden tot beter begrip van groeisnelheden.

Het proefschrift benadrukt het belang van goede experimentele data. Naarmate kristallisatie-experimenten complexer worden, met wisselende temperatuurprofielen en andere variabelen, moeten kalibratie- en meettechnieken mee evolueren om de datakwaliteit te garanderen. Zo ontstaan betrouwbare modellen die het werkelijke proces correct weergeven.

Ten slotte introduceert het proefschrift populatiebalansmodellering, een rekenmethode die optimale temperatuur- en doseringsstrategieën bepaalt voor het verkrijgen kristallen met de juiste eigenschappen. Zo vervangt het trial-and-error en ondersteunt het datagestuurde beslissingen.

Samen bieden deze bijdragen een flexibele en efficiënte aanpak voor het modelleren en optimaliseren van kristallisatie. De methoden, hoewel ontwikkeld voor farmacie, zijn ze ook toepasbaar op andere sectoren en maken ze een snellere ontwikkeling van kristallisatieprocessen mogelijk, wat een belangrijke stap is in de richting van digitalisering van de industrie.