Khối lượng mẻ tăng làm thay đổi nhu cầu năng lượng và cách phân phối năng lượng. Lưu lượng khí, khối lượng kim loại, diện tích tiếp xúc và khả năng đáp ứng của máy cũng thay đổi. Mô hình số của Bottazzi và cộng sự cho thấy trao đổi nhiệt và khối lượng phụ thuộc đồng thời tính chất cà phê và điều kiện vận hành. Không có một biến đơn lẻ mô tả đầy đủ scale-up.
Chọn đại lượng cần giữ
Không phải lúc nào cũng cần giữ nguyên từng điểm nhiệt độ. Nếu mục tiêu là mức rang, cần ưu tiên các chỉ báo liên quan đến mức phát triển và màu. Nếu mục tiêu là động học quá trình, đường nhiệt và tốc độ thay đổi quan trọng hơn. Nếu mục tiêu là cảm quan, cần thêm dữ liệu đầu ra. Khi mục tiêu đã rõ, mới có thể chọn đại lượng cần giữ.
Xây profile thử nghiệm
Profile chuyển quy mô nên bắt đầu bằng thử nghiệm có kiểm soát, sau đó hiệu chỉnh theo dữ liệu phản hồi. Khối lượng, nhiệt đầu vào, khí và công suất có thể được điều chỉnh. Roast log chi tiết giúp xác định nơi quá trình mới bắt đầu lệch. Nếu có điều kiện, thử nghiệm ở quy mô trung gian giúp giảm khoảng cách. Mỗi hiệu chỉnh cần được đánh giá bằng dữ liệu quá trình và chỉ báo đầu ra phù hợp.
Kiểm chứng bằng sản phẩm
Profile mới không thành công chỉ vì đường nhiệt giống profile cũ. Cần xem hao hụt khối lượng, màu, mốc rang và khi mục tiêu yêu cầu thì cảm quan hoặc hóa học. Biến đầu vào cũng phải được kiểm soát đủ để không nhầm ảnh hưởng nguyên liệu với ảnh hưởng scale-up. Một lần chạy đẹp chỉ là một quan sát.
Theo dõi thời gian đáp ứng
Khi quy mô tăng, thời gian đáp ứng của hệ thống có thể thay đổi. Cùng một thao tác điều chỉnh có thể tạo hiệu ứng nhanh hoặc chậm khác trước. Dữ liệu theo thời gian giúp nhìn thấy độ trễ. Nếu chỉ so sánh nhiệt độ cuối mẻ, phần động lực học quan trọng sẽ bị bỏ qua.
Khi nào xây lại profile
Nếu cơ chế truyền nhiệt, điều khiển khí hoặc động học đáp ứng khác đáng kể, profile cũ có thể chỉ còn giá trị tham chiếu. Khi đó, xây profile mới dựa trên mục tiêu sản phẩm thường hợp lý hơn cố ép máy lớn chạy theo các con số của máy nhỏ. Scale-up tốt là chuyển được những đặc tính có ý nghĩa sang hệ thống mới.
Dữ liệu trung gian giúp giảm rủi ro scale-up
Khoảng cách quá lớn giữa thiết bị nhỏ và thiết bị lớn làm tăng số yếu tố thay đổi cùng lúc. Nếu có thể thu dữ liệu ở một quy mô trung gian, người nghiên cứu có thêm cơ hội quan sát cách động học thay đổi. Dữ liệu trung gian không bảo đảm việc chuyển quy mô thành công, nhưng có thể giúp phát hiện sớm biến nào không tăng theo tỷ lệ dự kiến. Khi kết hợp với mô hình truyền nhiệt và thử nghiệm thực tế, nó tạo cơ sở tốt hơn cho việc hiệu chỉnh profile cuối cùng.
Các biến không nên được scale theo cùng một cách
Nhiệt độ, khối lượng, lưu lượng khí và thời gian có đơn vị và vai trò vật lý khác nhau. Việc nhân tất cả bằng một hệ số chỉ có ý nghĩa trong một mô hình rất đặc biệt và hiếm khi mô tả đầy đủ máy rang thực. Khi chuyển quy mô, nên xác định biến nào có quan hệ gần với tải, biến nào phụ thuộc công suất và biến nào phản ánh động học điều khiển. Sau đó mới chọn cách hiệu chỉnh. Đây là lý do các mô hình truyền nhiệt và dữ liệu thực nghiệm cần đi cùng nhau.
Scale-up là quá trình lặp thử và hiệu chỉnh
Một phép chuyển quy mô hiếm khi hoàn tất sau một lần chạy. Mỗi vòng thử nghiệm cung cấp dữ liệu để điều chỉnh profile ở quy mô mới. Điều quan trọng là thay đổi phải được ghi lại để biết biến nào tạo ra ảnh hưởng. Nếu thay đổi nhiều biến cùng lúc, việc học từ mỗi vòng thử sẽ khó hơn. Quy trình lặp có kiểm soát giúp giảm số lần thử không có thông tin.
Xác định mốc đánh giá trong quá trình chuyển quy mô
Một profile ở quy mô mới nên được đánh giá tại những mốc có ý nghĩa với động học rang, không chỉ ở nhiệt độ cuối. Có thể theo dõi thời gian đáp ứng sau các thay đổi công suất, diễn biến tốc độ thay đổi nhiệt và các mốc sự kiện. Những dữ liệu này cho biết máy mới phản ứng nhanh hay chậm hơn. Nếu chỉ nhìn kết quả cuối, nhiều thông tin giúp hiệu chỉnh profile sẽ bị mất.
Không có một hệ số scale-up chung
Một hệ số nhân duy nhất khó mô tả đồng thời khối lượng, khí, công suất và truyền nhiệt. Hai máy có cùng khối lượng mẻ danh nghĩa vẫn có thể có đáp ứng khác nếu cấu hình và cơ chế truyền nhiệt khác. Vì vậy, nếu một tỷ lệ được dùng để khởi tạo thử nghiệm, nó chỉ nên là điểm bắt đầu chứ không phải quy luật phổ quát. Dữ liệu thử nghiệm phải quyết định các bước hiệu chỉnh tiếp theo. Cách này phù hợp hơn với bản chất động lực học của quá trình rang.
Tài liệu tham khảo
- Bottazzi D. et al. (2012). Journal of Food Engineering, 112, 243–252. DOI: 10.1016/j.jfoodeng.2012.04.009.
- Burmester K. et al. (2008). Journal of Food Engineering.
- Hernández et al. (2017). International Journal of Heat and Mass Transfer, 104, 787–799. DOI: 10.1016/j.ijheatmasstransfer.2016.08.083.
- Catelani T. A. et al. (2018). Talanta, 179, 292–299. DOI: 10.1016/j.talanta.2017.11.010.
Increasing batch mass changes energy demand and how energy is distributed. Airflow, metal mass, contact area, and the machine's response ability also change. Bottazzi and colleagues' numerical model shows heat and mass transfer depend simultaneously on coffee properties and operating conditions. No single variable fully describes the whole system, which is why scale-up needs to be treated as a multi-variable problem from the start.
Choosing which quantities to preserve
You don't always need to preserve every temperature point. If the goal is roast level, indicators related to development level and color should be prioritized. If the goal is process kinetics, the heat curve and rate of change matter more. If the goal is sensory outcome, output data needs to be added. Once the goal is clear, you can decide which quantities need preserving.
Building a test profile
A scale-transfer profile should start with a controlled test, then be adjusted based on feedback data. Mass, input heat, gas, and power can all be adjusted. A detailed roast log helps identify where the new process starts to deviate. If feasible, testing at an intermediate scale helps narrow the gap. Each adjustment needs to be evaluated with data before moving to the next step.
Verifying with the product
A new profile isn't successful just because its heat curve resembles the old profile. You need to check mass loss, color, roast markers, and, when the goal requires it, sensory or chemical evaluation. Input variables also need to be controlled enough to avoid confusing raw-material effects with scale-up effects. One good-looking run is just a single observation.
Tracking response time
As scale increases, the system's response time can change. The same adjustment action can create a faster or slower effect than before. Time-based data helps reveal this lag. If you only compare final batch temperature, an important part of the dynamics gets overlooked.
When to rebuild the profile
If heat-transfer mechanism, gas control, or response dynamics differ significantly, the old profile may only retain reference value. In that case, building a new profile based on product goals usually makes more sense than forcing a large machine to follow a small machine's numbers. Good scale-up is transferring meaningful characteristics to the new system, not force-fitting numbers.
Intermediate data reduces scale-up risk
Too large a gap between small and large equipment increases the number of factors changing at once. If data can be collected at an intermediate scale, researchers have more opportunity to observe how the kinetics change. Intermediate data doesn't guarantee successful scale-up, but it can help detect early which variable isn't scaling as expected. When combined with a controlled test at the target scale, this reduces the risk of surprises appearing only at full scale.
Variables shouldn't all be scaled the same way
Temperature, mass, airflow, and time have different units and different physical roles. Multiplying all of them by a single factor only makes sense in a very specific model and rarely fully describes a real roaster. When scaling up, you should identify which variables relate closely to load, which depend on power, and which reflect control dynamics. Only then should a scaling approach be applied, and even then only as a starting hypothesis to test.
References
- Bottazzi D. et al. (2012). Journal of Food Engineering, 112, 243–252. DOI: 10.1016/j.jfoodeng.2012.04.009.
- Burmester K. et al. (2008). Journal of Food Engineering.
- Hernández et al. (2017). International Journal of Heat and Mass Transfer, 104, 787–799. DOI: 10.1016/j.ijheatmasstransfer.2016.08.083.
- Catelani T. A. et al. (2018). Talanta, 179, 292–299. DOI: 10.1016/j.talanta.2017.11.010.