正在進行時--發酵工藝控制要述

葉赫娜蘭孤城

另一個決定發酵的控制體系特點的原因（或另一個視點下，理順發酵控制系---“取樣-分析-反饋”體系的方法或路線；其實，這體現了上一講我說的系統工程的“復合體系”特點，就是說體系與大體系和子體系的關系是復合而靈活的，或，“柔軟”的，非剛性的），是樣本大小的區別。這就需要把工業控制系所面對的樣本做一個分類，然后理順。

葉赫娜蘭孤城

備注與劇透：

以后，在研發部分，會講到泄密公式化計算----即安全公式。

而且，還會講到適度泄密或存在有泄密風險情況下對研發速度及質量的影響----負面的，和正面的---沒錯，也有正面的。因此研發部門不會把所有泄密渠道全部堵死---只要在泄密造成大的危害前，掙得足夠挽回投入并滿足預期的錢就夠了。

是不是？就是這么有趣--- ---{:4_197:}

葉赫娜蘭孤城

要實現控制，就離不開樣本的采集，樣本本身的性質，是除了工藝過程性質和工程人員所面對客體性質的另一個影響過程工程的重要因素。當然，這其實又是同一個問題，甚至可以說，工藝和客體（發酵上講就是細胞）就是通過樣本而讓工程人員控制的。一般說來，樣本分為三種，化工合成所面對樣本，屬于第一種，機械制造屬于第二種（許多社會科學，種植業，養殖業和手工業等非工業行業實現調查或控制時，也使用這種樣本），發酵上用第三種樣本。
第一種叫做無個體樣本，或稱，均質樣本。當取樣樣本不含有任何明確個體時，就是均質樣本。一般說來，均質樣本的樣本量的大小（如毫升數，或重量）與取樣位置不影響檢測值，如繪制相對固定海域內的含鹽量變化曲線所用樣本。其特點是連續可導，并且，可以被公式（經驗方程）或其他方式進行較為精確的數學描述。
化工上用的往往是均質樣本或其變種----往往會有不同性質的液相或液-固相或氣-液相而演變成均質樣本的復合形式。但是，萬變不離其宗的是它中就可以看做是均質的，也即，不包含有明確個體的樣本。面對這樣的樣本，進行用經驗方程的描述和推算總是可以成功的，由于過程連續可導，描述整個過程也不會太難。這就決定了化工過程不可能像發酵一樣使用多參數密集取點描述同一過程這樣的控制模式。
第二種叫做小樣本。之所以說小，是指樣本中個體含量----小到什么地步呢？不管個體數目多少，只要樣本量的大小變化足矣影響檢測結果時，就是小樣本。如機械制造的成品率。說的更常見一些，比如，養殖行業中的飼養試驗。
這種樣本是不連續，不可導，只可以歸納的。另一個特點就是概率論在此發揮了作用。

葉赫娜蘭孤城

第三種樣本叫做大樣本。大樣本，是指樣本中個體含量超過節點，結果樣本量的大小與檢測值再次失去關系----發酵是唯一使用大樣本的工業化過程。為什么說它“大”是因為取50毫升發酵液，和取100毫升發酵液，還是25毫升發酵液，來類似對應50噸，500噸發酵罐內代謝時，不會有檢測上的變化----只要取足夠檢測的幾十毫升，則包含個體已經遠遠大于世界上全人類總和了（如，一般細菌可以達到幾十億到幾百億每克）。
更何況，為了檢測方便，往往也是過濾掉菌體后，測沒有菌體和固形物的水相（菌體屬于膠體相，固形物為培養基固體部分，屬固相）中物質含量來當做生理參數的。就更加與樣本取量無關了。
大樣本的特點是，其連續可導性向均質樣本回歸，也就是說，與均質樣本一樣，大樣本也可以繪制連續光滑曲線的----這是發酵上頻繁利用微積分原理而不需要概率論的原因。但是，大樣本的另一個特征是，數學描述困難，不可精確描述性明顯。如果樣本中個體是復雜系，則經驗公式明顯不可以提出。不管如何簡化，任何貌似指數曲線或半衰曲線或漸近線的曲線，其“校正系數”都不是真正的系數，而是一個無法描述的復雜函數。使用擬合法得到的曲線沒有任何指導意義，過程工程人員只能在充分理解牛頓和萊布尼茲的本意與原理上，對每一次，每一條復雜函數進行時間上連續的微分，積分，二次微分，并結合微生物學與生物化學知識與經驗，進行盡可能合乎事實的判斷，來揣測發酵進行的實際情況----這就養成了發酵過程工程師思維上的另一個特點----酷愛推理，而擁有超強的綜合能力，但是，只要能指導目前的工藝過程，就會很滿足的應用這次提出的假說，而不會窮思詰辯的證明此假說在更廣闊的范圍內是對是錯。
在強調一遍，任何形成具體公式的微積分方程對發酵控制是沒有意義的----發酵對微積分的依賴，更多的時候是依賴其原理。
同樣的，不僅僅發酵工程包含有低級變化的特征（物理變化和化學變化），發酵的過程控制，即其“取樣-分析-反饋”體系，也是由低級和高級共同復合而成的。
在整個過程中，體現了近似均質樣本的不太明顯的大樣本控制模式，還包含了典型的，完全不同于均質樣本的明顯的大樣本控制模式。具體表現為在線函數和離線函數在發酵過程控制中的應用。

葉赫娜蘭孤城

1.1.2.1在線函數

在線函數比較簡單。兩句話即可表達清楚：
1，        在線函數是對發酵過程近似化工控制的手段的體現，基本上套用或沿用均質樣本控制過程的手段。
2，        在線函數對于發酵過程控制來講是不典型的，輔助的手段，它是為離線函數服務的，是為了更好地繪制離線函數，并使離線函數穩定而存在的。

      站在這個角度上講，在線函數在發酵中所占地位是不高的。最起碼，在線函數的實測函數在進行生理分析時用處不大----往往要把在線函數進行微分或積分。如，冷卻水流量是一個衡量代謝速率的量，而在分析時（其實“分析”是習慣性說法，發酵上用的技法嚴格來說是“綜合”，而不是分析），往往會做二次積分，然后與其他參數，主要還是離線參數，如糖耗總量（或補糖總量），生物量變化參酌進行，以找到代謝過程和產物之間的聯系----這種技巧會經常遇到。

      常見在線函數，從重要程度排列為：pH,溶氧，溫度，通氣量，攪拌速率，罐壓。其中，pH往往和補料偶聯，如控制酸堿，氨水（或液氨----這個比較危險，只有幾百噸的大罐才用，近些年比較普遍起來了），糖，等。以實現實時反饋（當然發酵上更常用的是“假實時控制法”，即用某種換算方式，用“補料公式”分時段控制，錯時校正，而實現代謝上的實時對應----實際上是一種比較復雜的錯時控制。）

      更多的時候，在線函數并不參與代謝分析，而是為離線函數提供盡可能穩定的支持與背景---當然，這里面也包含有保證菌體代謝正常的意義。

葉赫娜蘭孤城

1.1.2.2離線函數
離線函數是真正分析的利器，但是由于離線函數檢測時間限制，一般離線函數取點間隔都會在半小時以上，多為一小時，兩小時，四小時，八小時為最長。以品種或發酵周期不同而不同。我接觸過最長周期十幾天的，是8小時取樣。最短周期是8小時的（分子生物學發酵），半小時取樣。因為有這個時間限制，使得雖然“可測曲線”實際上是連續可導，而“實測曲線”卻是不連續點，這樣就要求通過對多個參數繪制折線進行分析，把“可測曲線”也就是實際代謝給推測，猜測，虛構出來。此處是整個發酵工藝的核心技術。由于其中的具體技巧將在研發部分“曲線構成”中進一步展開，并在舉例中具體應用，則此處略講一下個參數名稱。
常見參數有：pH，糖，氮，磷含量，產物累計濃度（效價），菌濃（生物量），補糖量，補堿（或氨）量，補水量等等。
其中，pH是用來校正在線pH，分析時相信離線數據。補水是用來降低粘度，提高溶氧的。
要警覺的是，各參數參酌來看才有意義，單條曲線不說明任何問題。另外，沒有經過處理的曲線（沒有經過必要微分，積分以顯現或放大與其他曲線關系），或曲線的實測值，不能直接說明問題。

葉赫娜蘭孤城

1.1.2.3函數與代謝過程關系
可以看到，函數式代謝的鏡子，沒有函數，就不可能掌握代謝方向。函數又是發酵過程工程師的眼睛----對發酵的控制，就是通過它實現的。
實時的在線參數，和錯時的離線參數，是保證發酵方向的唯一手段，更嚴格一點說，離線參數，或離線函數，是發酵過程工程師的唯一手段，其他一切，為這個手段的實施做服務。就這個手段上，充分體現了發酵的矛盾，工業化對過程精確描述的內在訴求和發酵面對客體的復雜性的矛盾。所以，這個手段的應用，以拋棄自我，尊重客觀，充分理解為主，而以調控菌體為輔。一個發酵過程工程師，永遠也不要問自己做到什么，而要時刻問自己，看到了什么，就是這個道理。
離線函數的意義不言而喻，則車間必須神圣化取樣和檢測----一般車間取樣，雙人，雙樣，取樣人互不交流樣本，檢測人員與取樣人員分開，不準到取樣點現場，就是為了強化取樣制度，嚴肅檢測過程。因為與化工不同，發酵過程沒有合適公式進行描述，就只能走多參數描繪同一過程，密集均勻取點的路線，來繪制盡可能精確，并顯示更多代謝信息的曲線，來緩解發酵過程中的核心矛盾。
沒了眼睛怎么騎自行車？
重要性怎么強調也不過分----在以后表格制度和表格管理上（管理部分），還會展開細談，此處先到這兒。

tianjiamei6

必須收藏加以學習。。。

喜雨

硬著頭皮看完了，對于微積分稀里糊涂的我覺得要看懂很難:dizzy:

葉赫娜蘭孤城

第三講目錄

1.1.3染菌問題是綜合問題

1.1.3.1設備正壓與接種和無菌的關系
1.1.3.2過程控制（工段間配合）與無菌的關系
1.1.3.3消毒和消毒工與無菌的關系（實戰消毒原理和技巧）