本发明的主题涉及生物技术和所谓的生物工程的总体领域。本发明特别涉及监测生物过程，尤其发酵过程的方法。这里利用过程模型预测生物过程的进程，尤其是发酵过程的进程，并且在生物过程的进程期间借助过程模型估算重要的生物过程参数的估算值。
背景技术：
生物过程被采用在各种工业领域（例如，食品与饮料业、生物制药业、生物燃料的制造等）中，在生物过程中，比如例如细胞、生物体、真菌、细菌等的生命系统被用来生产物质。尤其，例如在啤酒、威士忌或葡萄酒的生产中、在生物燃料的生产中或在疫苗或抗生素的生产中，发酵过程代表了关键的技术。在生物技术范围内，发酵通常被理解成表示有机原料——比如例如糖、葡萄糖等的基质——转变为例如酸、气体燃料或酒精的酶转化。通过向基质添加被称为生物质的细菌、真菌或其它的生物细胞培养物，小心地引发比如发酵的生物过程。
生物过程通常发生在所谓的反应器中，在生物反应器中，环境条件和反应条件可被控制并优化。对于发酵过程，生物反应器也被称为发酵罐。这样，期望的物质可由所采用的生物质在尽可能优化的条件下或期望的浓度中产生。在生物反应器中，对于相应的生物过程，可调节并控制各种环境参数和/或过程参数，比如例如ph值、温度、氧供应、氮供应、葡萄糖含量或混合器设置等。然而，生物过程是生物学上复杂的并且非常敏感。需要持续密切地监测生物过程，以便维持生物反应器中对应的环境条件用于生物过程的连续且优化的进程，并且使得所采用的生物质或生物活性细胞在营养液中生长并可产生期望的物质。
数学建模在生物过程，尤其例如发酵过程，的监测中象征重要的奠基石，用于相应的生物过程或发酵过程的数学过程模型在所述数学建模中被开发。借助该过程模型，可例如预测生物过程或发酵的进程。此外，过程模型可用于从数学上估算不能直接测量，被称为软测量（softsensors），的生物过程变量以及对于过程的全部进程中的每个时间段重要的过程参数（例如，生物质的浓度、葡萄糖的浓度、所产生的物质的浓度、溶解氧的浓度等、发酵罐体积等）。
在生物过程的数学建模中，通常可在这些被称为确定性方法和静态方法的两组建模方法之间作出区分。就确定性方法而言或者就确定性过程模型而言，生物过程的生物活性细胞内外的已知的生化过程利用比如例如微分方程的数学方程来描述。例如，如下出版物公开了确定性过程模型：sonnleitner,b.andkäppeli,o.(1986);growthofs.cerevisiaeiscontrolledbyitslimitedrespiratorycapacity:formulationandverificationofahypothesis.biotechnologyandbioengineering,vol.28:pages927-937,其中从数学上描述了微生物酿酒酵母或酿酒酵母（面包酵母）的基本代谢途径。
就过程模型的数学建模的静态方法而言，在大多数情况下，相应的生物过程的历史数据或静态数据被数学处理，其中，就根据静态方法的过程模型而言，确定性过程模型常被与静态方法或随机方法组合。随着计算能力的增加，相当复杂的静态模型方法才变得可行。过程的相应进程的预测或过程参数的估算可例如利用神经网络进行，比如例如在出版物karakuzu,c.etal.(2006);modelling,on-linestateestimationandfuzzycontrolofproductionscalefed-batchbaker’syeastfermentation.controlengineeringpractice,14:959-974.或nagy,z.k.(2007);modelbasedcontrolofayeastfermentationbioreactorusingoptimallydesignedartificialneuralnetworks.chemicalengineeringjournal127(1):95-109中描述的，或者利用被称为“goldenbatch”模型的模型进行，比如例如在如下出版物中描述的：besenhard,m.o.etal.(2016);multivariateprocesscontrolofasmallscalebioreactorinapatenvironment.journalofintelligentmanufacturing,pages1-14。
对于生物过程的监测，例如可将利用对应的过程模型产生的预测与在生物过程的进程期间执行的测量进行比较。在差异的情况下，可由操作者发起干预，或者利用例如通过过程模型自身的对应的调节发起干预。例如，出版物ep2350629a2公开了建模并模拟用于酿造啤酒的发酵过程的方法。在这样的案例中，发酵过程的至少一个基质的浓度在第一时刻被确定。对于随后的第二时刻，发酵过程的至少一个基质的浓度借助过程模型预测。如果对于发酵过程的至少一个基质的浓度，利用过程模型预测的值与目标值之间的差大于预定的阈值，则控制系统将干预发酵过程，并且将调整发酵过程的至少一个操作参数。
然而，在这样的案例中，没有考虑到，即使条件是相同的，当被重复时，生物过程将变化，并且可因而交付高质量的产品，即使它们偏离了对应的过程模型。因此，可能不是需要针对每个检测到的差异通过干预使正在进行的生物过程往过程模型调整。关于检测到的差异，可能存在不同的原因，比如例如过程中的差错（例如，生物反应器中调节机制或传感器的故障、污染物、不正确地放出气体等）、生物变异（例如，所采用的生物质的预制培养的不同；细胞株的不同等）或过程控制中的变异（例如，原料的不同、基质组成中的波动、技术设备的不同）。根据检测到的差异的成因，例如倘若是过程差错，则可能需要干预生物过程，以便防止例如损坏装备，或者在最坏的情况下以便中断过程。检测到的差异例如由于生物变异或过程控制的变异产生，则其在大多数情况下对产品质量是无害的，因此不需要干预。通常不可能基于过程模型推断基于模型的预测与实际正在运行的过程之间的相应的检测到的差异的不同成因，因为不能评估差异。因此，检测到的差异不表明，差异是否仅是生物变异或过程控制的变异，或者其是否是严重的过程差错。因此，一方面，借助过程模型的预测的质量是不清楚的，另一方面，在未确定的情况下它可能会导致不必要的干预和/或中断生物过程，以及额外的成本。
技术实现要素：
因此，构成本发明的基础的目标是提出监测生物过程的方法，其中可容易地评估并提高用于预测生物过程的过程模型的预测质量，并可根据质量相应地评估在过程模型与生物过程的进程之间检测到的差异。
该目标通过引言中引用的类型的方法和独立权利要求的特征被实现。本发明的有利的实施例被描述在从属权利要求中。
根据本发明，目标通过引言中引用的类型的方法被实现，其包含下列步骤：
a.选择生物过程的至少一个过程参数，在生物过程的进程期间确定对于所述至少一个过程参数的当前测量值；
b.将至少一个选择的过程参数的相应的当前测量值与对于该至少一个过程参数的由过程模型估算的对应的估算值进行比较；
c.将对于至少一个选择的过程参数相应的当前测量值与对应的估算值之间的差异与预定的阈值进行比较；
d.当基于对于至少一个选择的过程参数的相应的当前测量值与对应的估算值之间的差异，阈值被超过时，修改过程模型中使用的至少一个限定的模型参数。
在这样的情况下，用每种情况中在步骤d中修改过的模型参数运行通过所述方法的步骤b至d，直至对于至少一个选择的过程参数相应的测量值与对应的估算值之间的差异处于低于阈值为止。如果在对步骤b至d重复预定次数之后，对于至少一个选择的过程参数相应的测量值与对应的估算值之间的差异的阈值被达到，则中断方法，并且例如向操作者输出对应的警告。
创造性提出的解决方案的主要方面在于，在过程的当前进程与基于过程模型的预测之间差异的情况下，其通过改变过程模型的限定的模型参数可容易且快速地将过程模型调整至过程的实际进程。因此可获得利用过程模型估算的对于选择的过程参数以及对于另外的过程参数的改进的估算值。因此可将通过过程模型的生物过程预测的质量提升至高质量。
此外，利用迭代的、发明的方法，可非常快速且容易地根据质量将形成的差异归类。例如在生物变异或过程控制中的变异（例如，预制培养的不同或所采用的细胞株的不同、用于生物过程的原料或基质的不同）与生物过程自身中的差错（例如，不正确地放出气体、不正确地调节ph值等）之间，可容易地作出区分。如果差异被评估为生物过程中的差错，则操作者可迅速干预，以便例如防止损坏设备或者如果有必要的话中断生物过程。利用发明的方法可容易地推断过程中差异发生的原因以及是否需要在生物过程的进程中干预。因此，借助发明的方法可防止或至少减少生物过程中不必要的干预或不必要的中断。
在本发明的另外的实施例中，如果采用所谓的滞后项作为过程模型中使用的限定的模型参数，这是有利的。如果基于对于至少一个选择的过程参数相应的测量值与对应的估算值之间的差异，阈值被超过，则在预定的限值内修改滞后项。滞后项在限值内变化，该限值由生物过程中所采用的生物质，尤其由其中所使用的生物活性细胞或微生物，按理想情况预先确定。根据在各种情况下所使用的生物质，例如用于所采用的生物质的细胞株或预制培养，生物过程可运行得稍微更快或更慢。在过程模型中，这通过所谓的“滞后项”被计入考虑。在步骤d中，通过在生物学上有意义的限值内变化滞后项，可非常容易地将过程模型修改或调整至可能的生物变异或过程特定（process-specific）的变异。
在对步骤b至d重复预定次数的情况下，无法消除对于至少一个选择的过程参数测量值与估算值之间的差异——即，尽管滞后项中的变化，然而阈值被远远地超过，这样，差异可在过程中被评估为过程差异或错误。然后例如可向操作者发出至少一个警告，以便例如检查过程、监测传感器技术等。此外，可能由此推知，对于另外的过程参数以及对于不能直接测量的被称为软测量的变量，估算值是无效的。
如果在对步骤b至d重复的预定次数内通过滞后项中的变化可校正对于至少一个选择的过程参数测量值与估算值之间的差异，那么所述差异可被归类为例如由例如所使用的预制培养或所采用的细胞培养的不同或所使用的细胞株的不同决定的生物变异。因此生物过程可进一步进行。利用过程模型预测的另外的过程参数可被归类为有效的。
如果选择在生物过程的进程期间测量值可近似实时地被确定的生物过程的过程参数作为待测量的过程参数，这是有利的。由于该原因，过程模型与生物过程的进程之间的差异可近似实时地被确定，尤其如果过程模型与正在进行的生物过程同时被计算的话。因此，可对于过程参数进行选择的过程参数的测量值与由过程模型计算或预测的估算值之间的直接比较。因此如果生物过程中存在差错，还能够几乎即刻干预。
方便地，及时在短的时间间隔下，比如例如每10秒，用相应的修改后的模型参数进行发明方法的步骤b至d的重复，即在选择的过程参数的测量值与估算值之间进行比较；将差异与预定的阈值进行比较以及当阈值被超过时修改过程模型的模型参数。因此，例如在存在生物变异或过程控制中的变异（例如，在原料上的不同、在基质组成上的波动等）的情况下，可迅速地调整过程模型，使得可进行生物过程的相应有效预测用于过程的进一步的进程。假如是生物过程中的差错，几乎即刻的响应会发生。几乎即刻的干预允许避免或防止例如损坏生物过程和/或设备。
针对本发明的优选实施例，存在对于如下的设置：选择也被缩略成rq的所谓的呼吸商作为生物过程的进程期间测量的过程参数。呼吸商是生物过程中，尤其发酵过程中，的过程参数，其代表生物活性细胞内的过程的一项指标。呼吸商描述了在给定的时间下产生的二氧化碳量（co2）与同时消耗的氧气(o2)的比。在生物过程的进程期间，例如利用所谓的废气分析，可实时非常容易地测量呼吸商。
作为替代或另外地，可选择生物质的浓度和/或基质的浓度作为生物过程的进程期间测量的过程参数。在生物过程的进程期间生物质的浓度的当前测量值的确定可例如基于生物质的电学特性发生。基质（例如，葡萄糖等）的浓度的当前测量值同样可例如利用光谱，尤其利用反射光谱，基于光谱特性在生物过程的进程中被确定。
此外，如果使用所谓的确定性过程模型以估算生物过程的过程参数，这是有利的。在确定性方法作为模型用于生物过程的说明的情况下，在生物过程的进程期间所使用的生物质或细胞内外的相应的过程特定的、生化的过程的知识被转变成数学方程。
附图说明
现在将通过示例的方式、参考附图描述本发明。图1示出监测生物过程的发明方法的示例性进程的示意性表示，借助过程模型预测所述生物过程的进程。
具体实施方式
图1示出了监测生物过程的发明方法的示例性进程的示意性表示，其基于利用面包酵母或酿酒酵母作为生物质x的生物过程或发酵过程。然而，也可采用其它的生物活性生物（真菌、细菌）作为生物过程中的生物质x，比如例如大肠杆菌、霉菌等。生物过程或发酵过程通常发生在生物反应器中，在所述生物反应器中，环境条件和反应条件可被优化并控制，用于比如面包酵母发酵的生物过程。为此目的，在生物过程期间，调节并/或测量生物反应器中的各种环境参数和/或过程参数x、s、e、po2、rq，比如例如ph值、温度、氧供应、氮供应、混合器设置、葡萄糖浓度s、生物质x的浓度或待生产的物质e（例如乙醇）的浓度，溶解氧的浓度po2或所谓的呼吸商rq等。
生物过程的监测是需要的，以便维持并调节环境条件和反应条件。为此目的，制作用于生物过程的进程的过程模型pm，由于该过程模型，在生物过程的进程期间可对于每个时间段估算或计算例如与监测和调节相关的相应的生物过程参数x、s、e、po2、rq的估算值xc、sc、ec、po2c、rqc。就利用面包酵母的发酵过程而言，基于初值x0、s0、e0、po20利用过程模型pm可确定生物质的浓度c、葡萄糖s、乙醇e、溶解氧po2和所谓的呼吸商rq用于监测。根据相应的生物过程，还可借助相应的过程模型pm估算另外的和/或其它的过程参数。通常采用实际生物过程的过程参数x、s、e、po2的对应的初值作为程模型pm的过程参数x、s、e、po2的初值x0、s0、e0、po20。
可采用确定性过程模型pm，以估算例如对于生物过程的相应的时间段的过程参数x、s、e、po2、rq，具有该确定性过程模型pm，在生物过程的进程期间所采用的生物质或细胞内外的相应的过程特定的、生化的过程的知识被转化为数学方程。此外，过程模型pm可包含至少一个限定的模型参数α，具有初值α0。例如，该模型参数α可以是所谓的滞后项α，该滞后项α用以计入如下考虑：利用面包酵母，根据操作者、生物质的细胞株c、生物质x的预制培养，基于基质s的波动等，尤其不管另外相同的条件，生物过程或发酵会发生得更加快或更加慢。
发明的方法从开始步骤开始，与开始步骤一起地，通过例如向基质或葡萄糖s中添加生物质x，在生物反应器中开始生物过程或利用面包酵母的发酵。与开始步骤同时，开始由过程模型pm基于过程参数x、s、e、po2、rq的初值x0、s0、e0、po20对于生物过程的每个时间段的过程参数x、s、e、po2、rq的计算或估算。生物过程或发酵与过程模型大致同时进行。在起始步骤处，模型参数α或滞后项α的初始值α0被用在过程模型pm中，并且相应地估算过程参数x、s、e、po2、rq。
在第一方法步骤a中，选择生物过程的至少一个过程参数x、s、e、po2、rq。在生物过程的进程期间，确定对于这个选择的过程参数rq的当前测量值rqm。理想地，可在生物过程的进程期间近似实时地确定选择的过程参数rq的测量值rqm。在用于以面包酵母发酵的方法的本示例性进程中，例如，选择所谓的呼吸商rq作为待测量的过程参数rqm。呼吸商rq描述了在给定的时间下产生的二氧化碳量(co2)与同时消耗的氧气(o2)的比，并且代表生物活性细胞内的过程的一项指标。在生物过程期间或发酵期间，例如利用所谓的废气分析，可相对容易地实时测量过程参数rq。
替代地或另外地，在第一方法步骤中，针对示例性的生物过程——利用面包酵母的发酵，也可选择生物质x的浓度和/或葡萄糖s的浓度作为待测量的过程参数xm、sm。在发酵的进程期间，可基于例如细胞或生物质x的电学特性来测量生物质x的相应浓度。例如借助光谱，尤其反射光谱，基于基质在发酵的进程期间的光谱性质，可当前地确定葡萄糖s的相应浓度。
在第二方法步骤b中，然后将选择的过程参数rq的当前测量值rqm与由过程模型pｍ估算的选择的过程参数rq的对应的估算值rqc进行比较。当生物过程和过程模型同时运行时，这可近似实时地进行。即，在发酵进程期间，对于呼吸商rq，尽可能同步地确定对于呼吸商rq的当前测量值rqm和由过程模型pm对于测量时刻确定的估算值rqc，然后相互比较。所述比较可被实现为：从测量值rqm减去估算值rqc，或者从估算值rqc减去测量值rqm。如果对于相应时刻的测量值rqm和估算值rqc是不相同的，则通过减法提供差异δrq。
在第三方法步骤c中，将相应的当前测量值rqm与对应的估算值rqc之间的差异δrq与预定的阈值进行比较。由于，基于借助减法的比较，测量值rqm与估算值rqc之间的差异δrq可具有正或负的符号，因此在第二方法步骤b中确定的差异δrq的总值（绝对值）被用于与预定的阈值进行比较。
如果在第三方法步骤c中确认差异δrq或差异δrq的总值小于预定的阈值，则过程模型pm被归类为生物过程或发酵的进程的好预测。即由此假定，由过程模型pm提供了另外的过程参数x、s、e、po2的有效估算值xc、sc、ec、po2c，并且在生物过程或发酵的进程中这些估算值xc、sc、ec、po2c可被用于监测。发明方法以验证所采用的过程模型pm结束。
如果在第三方法步骤c中确认差异δrq或差异δrq的总值超过预定的阈值，则进行第四方法步骤d。在第四种方法步骤d中，被用在过程模型pm中的限定的模型参数α，比如例如滞后项α，在预定的限值内变化。模型参数α中的该变化的限值例如由生物过程中所采用的生物质x预先确定。在本示例中，使用滞后项α作为发明的方法的模型参数α，并且采用面包酵母或生物活性生物体酿酒酵母作为生物过程或发酵的生物质x。因此，这还明确了模型参数α或滞后项α变化的限值。这意味着，在第四方法步骤d中，过程模型pm的模型参数α或滞后项α从初值α0变化到新的值α１，其中滞后项的新值α１必须处于预定的限值内。
随后，再次运行通过第二方法步骤b和第三方法步骤c，其中，对于此刻的当前时间段，通过过程模型pm的生物过程利用模型参数α或滞后项α的变化后的值α１计算选择的过程参数rq的新估算值rqc。然后在重复第二方法步骤b中将该新的估算值rqc与选择的过程参数rq的此刻的当前测量值rqm进行比较。在重复第三方法步骤c中，再次将基于测量值rqm以及估算值rqc的此刻的当前值确定的差异δrq或该差异δrq的总值与预定的阈值进行比较。如果差异δrq或差异δrq的总值此刻小于预定的阈值，则将在第二和第三方法步骤b、c的第一次或先前的运行期间确定的、高于阈值的原差异δrq评估为生物变异或例如过程控制中的变异。因此，可继续生物过程或发酵，并且因此，另外的过程参数x、s、e、po2的预测xc、sc、ec、po2c可被归类为“已验证”。然后结束方法。
如果在重复第三方法步骤c中新确定的差异δrq再次超过阈值，那么可再次进行第四方法步骤d。即，模型参数α或滞后项α可再次在预定的限值内变化。然后，可以用过程模型pm的相应的修改后的模型参数α或滞后项α运行通过第二至第四方法步骤b、c、d，直至相应的确定的差异δrq处于低于预定的阈值为止。由于该差异δrq，另外的过程参数x、s、e、po2的预测于是可被认为是已验证的，并且可结束方法。所确定的差异δrq可再次被归类为生物变异或几乎不影响生物过程的变异。
理想地，及时地在短的时间间隔下（例如，10秒）用过程模型pm的相应的修改后的模型参数α或延迟项α进行第二至第四方法步骤b、c、d的相应的重复，以便快速地获得验证的过程模型pm或检测到的差异δrq的高质量的归类。
在对于模型pm用相应的变化后的模型参数α或滞后项α对第二至第四方法步骤b、c、d重复预定次后，选择的过程参数rq的相应的当前测量值rqm与对应的估算值rqc之间的相应的检测到的差异δrq的预定的阈值仍然被超过的情况下，中断方法。然后，例如可向操作者输出警告，以便实现对生物过程或发酵干预。随着该干预，可评估生物过程并例如监测传感器技术。在最坏的情况下，必须终止生物过程。
在差异δrq不能通过反复地改变模型参数α被消除的情况下，将该差异δrq考虑成“过程差异”，或者由此假定过程中存在错误，比如例如ph值控制故障、错误地或不正确地放出气体、反应器中污染等。于是，利用过程模型pm确定的另外的过程参数x、s、e、po2的估算值xc、sc、ec、po2c可被归类为“未验证”。通过及时地在短的时间间隔下（例如，10秒）对于过程模型pm用相应的修改后的模型参数α或滞后项α重复第二至第四方法步骤b、c、d，可在这种情况下作出几乎即刻的且快速的反应。因此可避免对生物过程和/或设备的可能的损坏。
总体上，发明方法是有利的，因为减少了如果发生不确定原本要被中断的生物过程的数量，使得可根据质量评估并归类选择的过程参数rq的相应的当前测量值rqm与对应的估算值rqc之间的形成的差异δrq。因此，可增加资源和原料使用的效率，并可最小化操作成本。