모델 예측 제어(MPC)는 특히 배양육 생산에서 생물 반응기 관리 방식을 혁신하고 있습니다. PID 시스템은 변화가 발생한 후에 반응하는 반면, MPC는 미래의 행동을 예측하여 실시간으로 정확한 조정을 가능하게 합니다. 이러한 사전 대응 접근 방식은 변동성을 줄이고, 제품 수율을 개선하며, 대규모에서도 일관성을 보장합니다.
주요 요점:
- MPC vs PID: MPC는 PID 시스템에 비해 포도당 추적 오류를 5.1% 줄이고 단백질 수율을 3.9% 개선합니다.
- PID의 문제점: PID는 비선형 생물학적 프로세스, 지연 및 변화하는 조건에서 어려움을 겪으며, 종종 진동이나 비효율성을 초래합니다.
- MPC의 이점: 교란을 처리하고 수율을 최적화하며 라만 분광법과 같은 고급 모니터링 도구를 통합하여 확장성을 지원합니다.
- 구현 장애물: MPC는 정확한 모델과 더 높은 계산 자원을 필요로 하지만, 적응형 튜닝 및 입력 차단과 같은 기술은 이러한 문제를 해결하는 데 도움을 줍니다.
배양육 생산자에게 MPC는 복잡한 생물 공정을 관리하는 강력한 방법을 제공하여 영양소 수준과 부산물 형성을 더 잘 제어할 수 있도록 합니다. PID는 더 간단한 작업에 대한 옵션으로 남아 있지만, MPC는 점점 더 확장 가능하고 고성능 시스템을 위한 선호되는 선택이 되고 있습니다.
1. 모델 예측 제어 (MPC)
교란 하에서의 성능
MPC는 수학적 모델을 사용하여 미래의 행동을 예측하고, 이를 통해 제어 변수를 실시간으로 조정할 수 있습니다. 이는 변동하는 유입 공급, 센서 노이즈, 측정 지연을 처리하는 생물 반응기에서 특히 효과적입니다.
2021년, 일리노이 공과대학교와 암젠 의 연구자들은 MPC의 교란 처리 능력을 테스트했습니다. 그들은 포도당 및 글루타민 농도의 변화를 관리할 때 전통적인 비례-적분(PI) 제어에 비해 포도당 추적이 5.1% 향상된 것을 발견했습니다 [2]. 이전에, 2014년에는 Brian Glennon의 팀이 15리터 파일럿 바이오리액터에 비선형 모델 예측 제어(NMPC)를 적용했습니다. CHO 320 포유류 세포를 사용하여, Kaiser RXN2 라만 분광법을 통합하여 6분마다 포도당을 모니터링함으로써, NMPC는 상당한 공정 변동성과 센서 노이즈에도 불구하고 안정적인 11 mM 포도당 설정점을 유지했습니다 [3].
새로운 MPC 전략은 계속해서 경계를 넓히고 있습니다. 2026년 3월, Lipe Carmel과 Giacomo Sartori는 Corynebacterium glutamicum 발효를 위한 다중 유입 제어(MIC) 전략을 도입했습니다.그들의 접근 방식은 영양소 투입과 희석 비율을 동시에 조정하여, 단일 실행에서 7.0, 13.0, 15.7 g/L의 바이오매스 설정점을 추적할 때 초과를 78.0% 줄였습니다 [6].
이러한 사전 조정은 주요 변수를 안정화할 뿐만 아니라 전체 수율을 향상시키는 길을 열어줍니다.
수율 최적화
MPC는 단순히 중간 설정점을 유지하는 것에서 최종 배치 결과를 극대화하는 것으로 초점을 이동시킵니다. 이는 일관되고 고품질의 결과를 대규모로 달성하는 것이 주요 과제인 배양육 생산에 있어 매우 중요합니다.
예를 들어, Mudassir M. Rashid의 팀은 중요한 품질 속성 예측 제어 알고리즘이 기존 방법에 비해 실행 종료 시 제품 농도를 3.9% 증가시켰음을 보여주었습니다 [2]. 마찬가지로, 기계 학습 모델을 MPC 시스템에 통합함으로써 최종 단백질 생산이 역사적 평균에 비해 2% 이상 향상되었습니다 [1].
결과는 유망하지만, MPC를 구현하는 데에는 자체적인 도전 과제가 있습니다.
구현 용이성
장점에도 불구하고, 배양육 생산에 MPC를 배포하려면 상당한 장애물을 극복해야 합니다. 시스템의 효과는 생물 반응기 역학의 복잡성을 포착하는 정확한 수학적 모델에 의존합니다. Touraj Eslami와 Alois Jungbauer는 다음과 같이 설명합니다:
"어떤 피드백 설계의 효과는 근본적으로 시스템 역학과 모델 정확성에 의해 제한됩니다" [8].
비선형 모델은 강력하지만 높은 계산 자원을 요구하며 실시간 최적화에 지연을 초래할 수 있습니다 [8]. 또한, 비선형 MPC의 비볼록 최적화는 적절히 초기화되지 않으면 성능을 저하시킬 수 있는 지역 최소값으로 이어질 수 있습니다 [3]. Konstantins Dubencovs와 동료들은 그 실용성을 강조합니다:
"MPC는 표준 PC 장비를 사용하여 생명공학적 프로세스의 제어에 수학적 모델을 사용할 수 있는 유일한 방법입니다" [4].
적응형 MPC 전략은 생물학적 변동성을 해결하기 위해 컨트롤러 매개변수를 자동으로 조정하여 솔루션을 제공합니다 [4] [5]. 라만 분광법과 같은 공정 분석 기술(PAT)을 통합하여 빈번한 모니터링을 통해 전문화된 컴퓨팅 인프라의 필요성을 줄입니다 [8] [3]. '입력 차단'과 같은 기술은 시간 지평을 블록으로 그룹화하여 계산 부하를 관리하는 데 도움이 됩니다 [8].
배양육 생산의 확장성
MPC의 교란 관리 및 수율 최적화 능력은 배양육 생산을 확장하는 데 강력한 후보가 됩니다. 이는 이미 엄격한 공정 제약을 충족하는 바이오제약 및 미생물 공정에서 입증되었습니다 [1]. 대규모 운영의 경우, MPC는 적절한 혼합, 산소 수준 및 냉각을 보장하기 위해 기질 공급을 조정하여 질량 및 열 전달과 같은 문제를 해결합니다 [5].
이점은 명확합니다: 피드백 기반 영양소 제어는 단일클론 항체 수치를 1.7배 증가시켰으며, 예측 전략은 30일 동안 4.5–10%의 제품 손실을 방지했습니다 [3] [7]. 브라이언 글레논은 현재 상태를 적절히 요약합니다:
"생물공정의 제어는 화학 및 전통적인 제약 부문에 비해 초기 단계에 있습니다... 이는 부분적으로 생물반응기 제어와 관련된 도전 과제, 즉 열악한 공정 이해 및 관련 공정 매개변수의 측정 부족 때문입니다" [3].
이러한 도전 과제에도 불구하고, 기계 학습을 MPC 예측 모델에 통합하는 것은 앞으로 나아갈 길을 제공합니다. 이러한 발전은 고충실도 1차 원리 모델의 부재를 보완하여 MPC가 배양육 생산의 복잡한 요구에 점점 더 적합해지도록 합니다 [1]. 이 분야의 기업들은
2.PID 제어 및 기타 전통적인 방법
교란 하에서의 성능
모델 예측 제어(MPC)는 변화를 예측하는 데 뛰어나지만, 전통적인 PID(비례-적분-미분) 제어기는 몇 가지 단점이 있습니다. 생명공학 분야에서 널리 사용되는 PID 제어기는 반응적으로 작동하여 편차가 발생한 후에만 반응합니다. 이러한 반응적 접근 방식은 생물학적 프로세스의 비선형성과 시간 의존적 특성에 어려움을 겪어 PID가 이러한 환경에서 덜 효과적입니다 [5][9].
주요 문제는 고정된 튜닝 매개변수를 가진 PID 시스템이 배양 주기 동안 프로세스 동력이 크게 변할 때 안정성을 유지하지 못하는 경우가 많다는 것입니다 [5]. 예를 들어, 포유류 세포 배양에서는 측정 지연이 - 때로는 24시간까지 - PID의 효과를 더욱 감소시킵니다 [3]. 이러한 지연은 적시 조정을 방해하여 매우 비선형 환경에서 진동 또는 정적 오류를 초래합니다 [3].
PID와 MPC 간의 성능 차이는 데이터로 뒷받침됩니다. Mudassir M. Rashid, Satish J. Parulekar, Ali Cinar가 2021년에 수행한 연구에 따르면, PID 시스템은 미지의 방해 및 측정 잡음 조건에서 MPC에 비해 포도당 농도 설정점에 대해 5.1% 더 높은 추적 오류를 보였습니다 [2]. 또한, PID 신호는 종종 공기 공급, 거품, 혼합 과정에서 발생하는 생물반응기 잡음에 의해 왜곡됩니다 [5].
수율 최적화
PID의 핵심 과제 중 하나는 대사 변화 예측 불능 또는 중요한 기질 농도의 변화에 적응하지 못하는 것입니다. 이 제한은 종종 과잉 기질이 아세트산과 같은 억제 부산물을 초래하는 "과잉 대사"와 같은 문제로 이어집니다 E.coli 또는 포유류 세포의 젖산 및 암모니아 [5].
포유류 세포 배양 - 배양육 생산의 핵심 - 에서 전통적인 급여 방법은 이러한 부산물을 피하기 위해 필요한 낮은 영양소 농도를 유지하지 못합니다. 예를 들어, 포도당과 글루타민 수준을 각각 0.3 mM 및 0.5 mM로 제어하면 억제성 부산물을 크게 줄일 수 있으며, 암모니아는 74%, 젖산은 63% 감소합니다 [3]. 그러나 이러한 수준의 정밀도를 달성하는 것은 표준 PID 시스템의 능력을 초과합니다.
Brian Glennon은 도전을 다음과 같이 요약합니다:
"생물공정의 제어는 아직 초기 단계에 있습니다...생물반응기 제어와 관련된 문제로 인해: 프로세스에 대한 이해 부족, 관련 프로세스 매개변수의 측정 부족 및 동적이고 복잡하며 비선형적인 생물공정 제어의 내재적 어려움 [3].
구현 용이성
제한에도 불구하고, PID는 그 단순성 때문에 여전히 인기가 있습니다. 최소한의 계산 능력을 필요로 하며 표준 장비로 구현할 수 있습니다 [5]. 대부분의 설정은 간접 피드백 메커니즘에 의존합니다. 예를 들어, pH-stat(영양소 소비로 인한 pH 변화를 조정) 또는 DO-stat(기질이 고갈될 때 용존 산소 급증에 반응) 등이 있습니다. 그러나 PID 시스템의 확장은 생체량 또는 기질 농도를 직접 측정할 수 있는 신뢰할 수 있는 온라인 센서의 부족으로 인해 방해받고 있습니다 [5].
많은 소규모에서 중규모 시설에서는 여전히 24시간 간격으로 수동으로 급여 프로파일을 조정하는 것이 일반적입니다. 이러한 접근 방식은 실시간 자동 제어를 옹호하는 FDA의 공정 분석 기술(PAT) 이니셔티브와 상반됩니다.[4]. 이러한 수동 개입은 PID를 확장 가능하고 효율적인 방식으로 구현하는 데 있어 도전 과제를 더욱 부각시킵니다.
배양육 생산의 확장성
생산이 확대됨에 따라 PID의 한계가 더욱 분명해집니다. 대규모 생물 공정은 질량 전달, 혼합, 열 전달 및 산소 공급과 같은 요소를 관리하기 위해 정밀한 기질 급여 조정이 필요합니다 [5]. 고정된 튜닝 매개변수는 발효 과정에서 발생하는 상당한 공정 변동을 처리할 수 없습니다 [5]. Behzad Moshiri는 다음과 같이 지적합니다:
"전통적인 제어 방법은 이러한 작업 [생물공정 제어]에서 성공하지 못합니다... 비선형성이 높고 불안정한 생물반응기에는 종종 부적합합니다" [9].
예를 들어, 페니실린 생산과 관련된 연구에서, 생물공정의 높은 비선형성과 불안정성 때문에 전통적인 PID 시스템은 효율적인 설정값 추적을 유지하는 데 실패했습니다 [9].
배양육 생산에서는 일관성과 수율 최적화가 중요하며, 이러한 제한 사항은 주요 도전 과제를 제시합니다. PID는 pH나 용존 산소 제어와 같은 간단한 작업을 처리할 수 있지만, 반응적인 특성과 복잡하고 대규모의 영양소 역학을 관리할 수 없는 점 때문에 배양육 생산 시스템의 고급 요구 사항에는 적합하지 않습니다.
모델 예측 제어
sbb-itb-ffee270
장점과 단점
바이오리액터 성능 비교에서의 MPC 대 PID 제어 시스템
이전 성능 비교를 확장하여, 이 섹션에서는 바이오리액터 최적화를 위한 모델 예측 제어(MPC)와 비례-적분-미분(PID) 제어의 장단점을 검토합니다.
포유류 세포 배치식 바이오리액터에서, MPC는 전통적인 PI 알고리즘보다 우수합니다 이는 포도당 농도 설정값 추적 오류를 5.1% 줄이고 최종 제품 농도를 3.9% 증가시킴으로써 나타납니다[2] . 이 예측 능력은 특히 배양육 시스템에서 중요하며, 정확한 영양소 수준을 유지하여 억제성 부산물의 형성을 방지합니다.
이 두 전략의 근본적인 차이점은 제어 접근 방식에 있습니다. PID 제어는 반응적, 으로, 발생한 후에만 편차를 해결합니다. 반면에 MPC는 선제적, 으로, 프로세스 모델을 사용하여 미래의 행동을 예측하고 이에 따라 입력을 조정합니다. 그러나 이러한 성능 향상에는 몇 가지 절충이 따릅니다.
MPC는 상세한 프로세스 모델링과 더 많은 계산 자원을 필요로 합니다, 반면에 PID 컨트롤러는 구현이 더 간단합니다. PID 시스템은 최소한의 모델링으로 표준 프로그래머블 로직 컨트롤러(PLC)에서 실행될 수 있는 반면, MPC는 생물공정 컨트롤러와 통합된 PC가 필요합니다[3][4]. 콘스탄틴스 두벤초프스는 라트비아 국립 목재 화학 연구소에서 다음과 같이 언급합니다:
"MPC는 표준 PC 장비를 사용하여 생명공학적 프로세스의 제어에 수학적 모델을 사용할 수 있는 유일한 방법입니다."[4]
다음은 두 접근 방식의 나란히 비교입니다:
| 특징 | 전통적인 PID 제어 | 모델 예측 제어 (MPC) |
|---|---|---|
| 제어 논리 | 반응적; 과거 오류에 기반 | 선제적; 미래 상태 예측 사용 |
| 구현 복잡성 | 간단함; 낮은 계산 요구 | 복잡함; 프로세스 모델과 높은 계산 능력 필요 |
| 비선형 시스템에서의 성능 | 진동 또는 불안정성을 초래할 수 있음 | 더 나은 추적 및 수율 최적화 제공 |
| 제약 관리 | 보조 논리를 사용하여 관리됨 | 최적화 비용 함수에 통합됨 |
| 확장성 | 배포가 더 쉬우나 수동 조정이 필요할 수 있음 | 복잡한 시스템에 적합하지만 고충실도 모델이 필요함 |
| 데이터 요구사항 | 최소; 실시간 피드백에 의존 | 높음; 과거 데이터 또는 상세한 모델이 필요함 |
이러한 비교는 단순성과 성능 간의 절충점을 강조합니다.PID와 MPC의 선택은 주로 운영 규모와 사용 가능한 기술 자원에 크게 좌우됩니다.
결론
모델 예측 제어(MPC)는 특히 배양육 생산을 위한 생물 반응기 성능 최적화에서 전통적인 PID 시스템에 비해 명확한 이점을 제공합니다. 이 분야에서는 정밀한 환경 제어가 제품 품질과 수율에 직접적인 영향을 미치므로, MPC는 측정 가능한 이점을 제공합니다. 예를 들어, 포도당 추적 정확도를 5.1% 향상시키고, 기존 접근 방식에 비해 최종 제품 농도를 3.9% 증가시킵니다.[2]. 이 예측 능력은 특히 고밀도 세포 배양에서 영양 균형을 유지하여 유해 부산물의 축적을 방지하는 데 매우 중요합니다.
MPC는 수율을 극대화하거나 복잡하고 비선형적인 프로세스를 관리할 때 최적의 솔루션입니다.고변동성, 측정 잡음 또는 확장된 샘플링 간격을 처리하는 데 뛰어나며, PID 시스템이 단순히 따라올 수 없는 수준의 견고함을 제공합니다. 그러나 간단한 프로세스를 가진 소규모 운영의 경우, PID 제어가 여전히 비용 효율적인 선택일 수 있습니다. MPC의 사전적 접근 방식과 PID 제어의 반응적 특성 간의 대조는 고성능 배양육 생산에서의 전략적 가치를 강조합니다.
계산 능력의 발전과 프로세스 분석 기술(e.g. , 라만 분광법 및 NIR 센서)과 같은 도구들은 MPC 구현을 더 쉽게 만들었습니다. 이러한 기술들은 표준 하드웨어 설정을 사용하여 실시간 최적화를 가능하게 하여 채택의 장벽을 낮춥니다[5].
배양육 생산자에게는 특수한 바이오리액터 센서, 분석 기기 및 제어 장비를 조달하는 것이 성공적인 MPC 통합에 필수적입니다.플랫폼
MPC는 바이오리액터 제어에서 반응형 시스템에서 예측적이고 "품질 설계" 접근 방식으로의 중대한 변화를 나타냅니다. 배양육 생산이 실험실에서 상업적 운영으로 확장됨에 따라, MPC는 일관된 제품 품질을 유지하면서 운영 효율성을 높이는 데 필수적인 역할을 할 것입니다. 이 진화는 바이오제조에서 중요한 진전을 나타냅니다. [3].
자주 묻는 질문
바이오리액터에서 MPC를 실행하는 데 필요한 데이터와 센서는 무엇인가요?
바이오리액터에서 모델 예측 제어(MPC)를 실행하려면 중요한 프로세스 변수를 추적하기 위한 센서의 사용이 필요합니다. 여기에는 기질 농도(예: 포도당), 용존 산소 수준, pH, 온도 및 생체량 측정과 같은 요소가 포함됩니다.정확하고 효과적인 제어를 유지하기 위해, 실시간 데이터 수집 시스템은 이러한 변수를 지속적으로 모니터링하는 데 필수적입니다.
비선형 세포 배양을 위한 MPC 모델을 어떻게 구축하고 검증합니까?
비선형 세포 배양을 위한 MPC 모델을 개발하고 검증하는 것은 정밀한 프로세스 모델을 만드는 것에서 시작됩니다. 이는 기본 원리 방정식을 사용하거나 기계 학습 기술을 활용하여 수행할 수 있습니다.. 다음 단계는 생물 반응기의 실험 데이터와 모델의 예측을 비교하여 이 모델을 검증하는 것입니다. 차이가 있는 경우, 모델 매개변수를 조정하여 정확성을 향상시킵니다.
모델이 MPC 프레임워크에 통합되면, 컨트롤러는 생물 반응기 내에서 테스트를 거칩니다. 반복적인 조정을 통해 시스템은 성능을 최적화하면서 필요한 프로세스 제약 내에서 유지되는 공급 전략을 확립하도록 미세 조정됩니다.
배양육 생산에서 PID가 여전히 MPC보다 나은 선택인 경우는 언제인가?
모델 예측 제어(MPC)는 배양육 바이오리액터 공정의 복잡한 동적 변화와 조건을 관리하는 데 매우 효과적이며, 특히 정밀한 제어가 필수적일 때 유용합니다. 반면에 비례-적분-미분(PID) 제어는 그 단순성과 조정의 용이성 때문에 종종 더 나은 선택입니다. PID는 동적 모델이 필요 없거나 사용 가능하지 않을 때 특히 적합합니다. PID는 실시간으로 빠른 응답이 요구되는 간단한 시스템에서 잘 작동하며, 이 경우 MPC의 고급 기능이 추가적인 이점을 제공하지 않을 수 있습니다.
