Samooptimizacija Claisen Schmidtove kondenzacije na mikropretočnem reakcijskem sistemu

Pucihar, Urh (avtor), Kopač, Tilen (mentor)

V doktorski disertaciji je predstavljen razvoj avtonomnega, samooptimizacijskega mikropretočnega sistema, ki je bil eksperimentalno potrjen na Claisen–Schmidtovi kondenzaciji med 2-metoksibenzaldehidom in acetonom. Cilj raziskave je bil razviti hitrejši, učinkovitejši in trajnostnejši pristop za optimizacijo kompleksnih, večstopenjskih reakcij, občutljivih na procesne pogoje. Zaradi omejitev klasičnih pristopov (en parameter naenkrat, DoE) smo zasnovali integriran sistem, ki združuje pretočno kemijo, procesno analitske tehnike (PAT) in metode umetne inteligence. Sistem temelji na mikropretočnem reaktorju s FlowPlate reakcijsko ploščo, dveh PAT-tehnologijah (linijski FTIR in ob-linijski UPLC) ter večciljnem optimizacijskem algoritmu TSEMO. Programska oprema v jeziku Python z uporabo protokolov DLL in OPC UA izvaja master/slave arhitekturo za povezovanje in nadzor komponent, kar omogoča natančno avtomatizirano krmiljenje reakcijskih pogojev, zaznavanje stacionarnega stanja in sprožitev UPLC-analiz. Modelna reakcija poteka v dveh stopnjah, pri čemer je druga kinetično omejujoča. Razvili smo dvostopenjski kinetični model, ki omogoča zanesljive napovedi reakcijskih pogojev in upošteva temperaturno ter koncentracijsko odvisnost tvorbe intermediata (enon) in končnega produkta (dienon). Kljub nižji aktivacijski energiji je druga stopnja omejujoča zaradi nižjega predeksponenta, kar zahteva natančen nadzor nad ravnotežjem intermediata. Sistem je dosegel hitro konvergenco k optimalnim pogojem; največja vsebnost dienona je znašala 69,1 % (UPLC area %), s povprečnim odstopanjem 7,5 %. Eksperimentalne rezultate smo validirali z modelskimi napovedmi in dosegli ujemanje znotraj ±10 %, kar potrjuje zanesljivost sistema. Rezultati dokazujejo, da je kompleksne kemijske reakcije možno voditi in optimizirati brez ročnega nadzora. Sistem je modularen, razširljiv, omogoča enostavno integracijo novih naprav in metod, skrajša razvojni čas ter zmanjša porabo reagentov. Avtonomnost zagotavlja hitrejše iskanje optimalnih pogojev, večjo varnost in ponovljivost, kar prispeva k digitalizaciji laboratorijev prihodnosti. Inovacija je prejela zlato priznanje Gospodarske zbornice Dolenjske in Bele krajine.

• Jezik: Slovenski jezik
• Ključne besede: Pretočna kemija, reakcijsko inženirstvo, samo-optimizacija, strojno učenje, Bayesova optimizacija, Claisen-Schmidt kondenzacija, validacija samo-optimizacije, kemijska kinetika, matematično modeliranje, matematično programiranje, načrtovanje procesov, vodenje procesov, spremljanje procesov
• Vrsta gradiva: Doktorsko delo/naloga
• Tipologija: 2.08 - Doktorska disertacija
• Organizacija: FKKT - Fakulteta za kemijo in kemijsko tehnologijo
• Leto izida: 2026
• PID: 20.500.12556/RUL-181419
• COBISS.SI-ID: 275404291
• Datum objave v RUL: 07.04.2026

Sekundarni jezik

• Jezik: Angleški jezik
• Naslov: Selfoptimization of Claisen Schmidt condensation on a microflow reaction system

Izvleček

The doctoral dissertation presents the development of an autonomous, self-optimizing microflow system, experimentally validated on the Claisen–Schmidt condensation between 2-methoxybenzaldehyde and acetone. The aim was to establish a faster, more efficient, and more sustainable approach for optimizing complex, multistep reactions sensitive to process conditions. Due to the limitations of classical methods (one-factor-at-a-time, DoE), we designed an integrated system combining flow chemistry, process analytical technologies (PAT), and artificial intelligence. The system is based on a microflow reactor with a FlowPlate reaction module, two PAT techniques (inline FTIR and online UPLC), and the multi-objective optimization algorithm TSEMO. Python-based software, using DLL and OPC UA protocols, implements a master/slave architecture for connecting and controlling components, enabling precise automated regulation of reaction conditions, steady-state detection, and triggering of UPLC analyses. The model reaction proceeds in two steps, with the second being kinetically limiting. A two-step kinetic model was developed, allowing reliable prediction of reaction conditions while accounting for the temperature and concentration dependence of both the intermediate (enone) and the final product (dienone). Despite its lower activation energy, the second step proved rate-limiting due to a lower pre-exponential factor, requiring precise control of the intermediate balance. The system rapidly converged to optimal conditions; the highest dienone content achieved was 69.1% (UPLC area %), with an average deviation of 7.5%. Experimental results were validated against model predictions, showing agreement within ±10. The results demonstrate that complex chemical reactions can be conducted and optimized without manual intervention. The system is modular and scalable, enabling straightforward integration of new devices and methods, while reducing development time and reagent consumption. Its autonomy ensures faster identification of optimal conditions, improved safety, and reproducibility, contributing to the digitalization of future laboratories. The innovation was awarded the gold prize by the Chamber of Commerce of Dolenjska and Bela krajina.

• Ključne besede: Flow chemistry, self-optimization, machine learning, Bayesian optimization, Claisen-Schmidt condensation, self-optimization validation, chemical kinetics, mathematical modeling, mathematical programming, process design, process control, process monitoring