Soft sensors for <em>Pichia pastoris</em> bioprocesses: filling the gaps between uncertain process data and knowledge

Brunner, Vincent

User: Guest

Brauwesen

Back
Back to start of result list
Permanent link for displayed object

If you experience problems opening the document, please try this link.

Original title:: Soft sensors for Pichia pastoris bioprocesses: filling the gaps between uncertain process data and knowledge
Translated title:: Softsensoren für Pichia pastoris-Bioprozesse: Füllen der Lücken zwischen unsicheren Prozessdaten und -wissen
Author:: Brunner, Vincent
Year:: 2022
Document type:: Dissertation
Faculty/School:: TUM School of Life Sciences
Advisor:: Becker, Thomas (Prof. Dr.)
Referee:: Becker, Thomas (Prof. Dr.); Weuster-Botz, Dirk (Prof. Dr.)
Language:: en
Subject group:: CIT Chemie-Ingenieurwesen, Technische Chemie, Biotechnologie
Keywords:: bioprocess, soft sensor, online prediction, Pichia pastoris
Translated keywords:: Bioprozess, Softsensor, Online-Vorhersage, Pichia pastoris
TUM classification:: BRA 200
Abstract:: 'Software sensors' use existing process data (e.g., readings of hardware sensors) as inputs to a predictive model in order to indirectly determine a target quantity (e.g., biomass concentration). In this work, different soft sensor concepts for Pichia pastoris bioprocesses are presented. These approaches represent important building blocks to fill the gaps between uncertain process data and knowledge in the development of soft sensors.
Translated abstract:: 'Software-Sensoren' nutzen vorhandene Prozessdaten (z. B. Messwerte von Hardware-Sensoren) als Eingangsgrößen für ein Vorhersagemodell, um darüber eine Zielgröße (z. B. Biomassekonzentration) indirekt zu bestimmen. In dieser Arbeit werden verschiedene Softsensor-Konzepte für Pichia pastoris-Bioprozesse vorgestellt. Diese Ansätze stellen wichtige Bausteine dar, um die Lücken zwischen unsicheren Prozessdaten und Wissen bei der Entwicklung von Softsensoren zu schließen.
WWW:: https://mediatum.ub.tum.de/?id=1656184
Date of submission:: 02.05.2022
Oral examination:: 16.11.2022
File size:: 21144151 bytes
Pages:: 86
Urn (citeable URL):: https://nbn-resolving.de/urn/resolver.pl?urn:nbn:de:bvb:91-diss-20221116-1656184-1-0
Last change:: 19.12.2022
BibTeX