【笑顔でハキハキ！研究熱心】【23卒】ＥＮＥＯＳの製造・プロセス管理職の1次面接詳細 体験記No.21724（名古屋大学大学院/男性）（2022/4/22公開）

5分前にzoomリンクをクリックして待機室にて待機→先方が入室許可

明るく笑顔でハキハキと返答することができたのが良かったと思う。研究内容についてしっかりと自分で理解して、なんのための研究なのか、工業化するには何が必要かなどを普段から考えておいたのが良かったと思う。

面接官は優しい。1次面接は技術面接であり、自分のやっている研究がどのようなものなのかについて理解してもらえるように説明すれば大丈夫。

なし

ワンキャリア、unistyle

あなたのやっている研究について3分程度で教えてください。

反応クロマトグラフィーの工業利用を目指した研究をしています。
化学反応と分離をひとつの装置で行える反応クロマトグラフィーは、一般的なプロセスよりも、装置の小型化と、反応の高効率化と省エネルギーな運転が可能です。
蒸留の代わりとなるプロセスとして、糖類、石油化学など様々な分野への応用が期待できます。しかし、装置が複雑で挙動の制御が難しく、今の解析技術ではあてになるモデルができないため、大規模利用がされていません。
本研究の目的は、信頼性の高いモデルを作成し、反応クロマトグラフィーの工業利用に貢献することです。
化学プロセス開発にはモデルを使った設計が重要であり、モデルを表現するパラメータを求める必要があります。ここで、モデルは物質収支や吸着平衡などです。平衡定数や物質移動係数などのパラメータを実験データから求める場合、観測誤差などの要因による不確実性を持ちます。この不確実性を考慮した設計がプロセスの最適化には重要であり、パラメータの不確実性の定量化が必要です。
本研究ではベイズ推定という統計手法を使って、パラメータを確率分布で推定しました。分布で求めるため、取りうる値の幅と確率がわかります。図２は、確率分布と不確実性の例です。横軸がパラメータの値、縦軸が確率を表します。黄色の分布は幅が広く不確実性が大きいです。オレンジの分布は狭く、不確実性が小さいです。
本研究ではベイズ推定を使い、パラメータを推定しました。そして、分布からサンプリングしてモデルによるシミュレーションを行いました。
図3をご覧ください。横軸が時間、縦軸が濃度で、装置出口での2つの成分の濃度分布を表します。点は実験データ、線はシミュレーションです。線の濃さは取りうる確率の大きさを表しています。これを見ると、線と点はよく重なっており、モデルの検証ができました。
このモデルは、工業スケール装置の運転最適化などに用いることができます。
本研究の課題は、計算時間がかかること、推定精度が不十分なパラメータがある点です。
現在、並列計算を用いた計算時間の短縮に取り組んでいます。
また、多くの種類のデータによる推定を行い、不確実性を減らすことを目指します。

あなたが対象としているプロセスのスケールはどのくらいなのか

25cmのカラムにバッチで注入・サンプル採取を行う、ラボスケールですが、工業的にはカラムを複数本繋げて円環状にして、バルブの切り替えを行うことで連続運転が可能である擬似移動層クロマト反応器を利用することが考えられます。
Q. 反応クロマトは実用的にはどのような用途で用いられているのか
A. まず、本プロセスは成分と吸着剤の吸着力の差を利用して分離するプロセスであり、熱的に不安定な物質や、沸点にあまり違いがない成分がある系など、蒸留や反応蒸留の代替手法として持ちられています。製品が移動相で希釈されてしまうため、最終製品として取り出すためにはさらに蒸留などで分離をすることが必要になるため、実用的には高付加価値なファインケミカルやバイオディーゼル製造などに用いられています。