MBAA Home

On-Line Estimation and Prediction of Density and Ethanol Evolution in the Brewery

PEER REVIEWED SUBMISSION

MBAA TQ vol. 37, Number 2, 2000, Pages 173-181 VIEW ARTICLE

By Georges Corrieu, I.C.Trelea and B.Perret Laboratoire de Génie et Microbiologie des Procédés Alimentaires,Thiverval-Grignon, France. This paper was originally presented at the MBAA 112th Anniversary Convention, Keystone, Colorado, 1999.

Abstract
The aim of this work is to develop mathematical and software tools for advanced supervision and on-line control of beer alcoholic fer-mentation. Experimental data was collected on industrial (300 m3) fermentation tanks equipped with released CO2 flow meters, based on a differential pressure drop measurement on a diaphragm. The first goal was to develop software sensors for wort density and ethanol concentration. This was achieved using the well-established linear relationships between the cumulated CO2, the density, the sugar and the ethanol concentrations. After model identification and validation, software sensors were integrated in the supervision soft-ware. They are now in everyday use. The second goal was to predict the fermentation progress a few days ahead. At least two benefits are expected from this prediction: (1) The current time-dependent temperature profile could be replaced by density-dependent temperature control. (2) Knowing the fermen-tation end time in advance is useful for scheduling the tanks for the main fermentation, lagering, filtration, bottling, etc. Prediction results are based on 33 industrial fermentations involv-ing two types of beer. Dynamic prediction models based on neural networks and on the average fermentation kinetic are compared. The decrease of the prediction error with time is demonstrated. On-line model adaptation during the early stage of the fermentation increases the accuracy of the end time prediction significantly: when half of the expected CO2 has been released, the average prediction error of the fermentation end time is 4.75 hours with a fixed model and 2.5 hours with an adaptive one. Implementation issues and practical difficulties are also discussed in the paper.
Keywords: CO2 monitoring, density, fermentation end-time, neural networks, prediction  

Sintesis
La meta de este trabajo es el desarrollar las herramientas matemáticas y el soporte lógico para la supervisión avanzada y el control en línea de la fermentación alcohólica de la cerveza. Los datos experimentales se colectaron en tanques industriales (300m3) de fermentación equipados con medidores de flujo de CO2 liberado, basados en la baja de presión diferencial medida en un diafragma. El primer objetivo fue el desarrollar soporte lógico para sensores para la densidad del mosto y la concentración de etanol. Esto se real-izó usando las bien establecidas relaciones lineares entre el CO2 acu-mulado, la densidad y las concentraciones de azúcar y etanol. Después de la validación e identificación de los modelos, los soportes lógicos para sensores fueron integrados en el soporte lógico para supervisión. Estos son ahora de uso cotidiano. El segundo objetivo fue el predecir el proceso de fermentación unos días antes. Se esperan por lo menos dos beneficios de esta predicción: (1) El perfil actual de temperatura dependiente de tiem-po podría ser reemplazado por el control de temperatura dependiente de densidad. (2) El conocer el tiempo final de fermentación por ade-lantado es útil para programar los tanques para la fermentación prin-cipal, para la producción de cerveza dorada, la filtración, el embotellamiento, etc. Los resultados de la predicción están basados en 33 fermenta-ciones industriales que comprenden dos tipos de variedades de cerveza. Se compararon modelos de predicción dinámica basados en redes negrales y en la fermentación cinética promedio. Se demues-tra la reducción del error de predicción con el tiempo. La adaptación del modelo en línea durante las etapas tempranas de la fermentación aumenta la precisión de la predicción del tiempo final significativa-mente: Cuando la mitad esperada del CO2 ha sido liberada, el error de predicción promedio del tiempo final de fermentación es de 4.75 horas con un modelo fijo y de 2.5 horas con uno adaptado. Los asuntos de implementación y dificultades prácticas también son discutidas en este documento.

HOME | CONTACT | JOIN/RENEW | ADVERTISE | STORE

© Copyright Master Brewers Association of Americas