Optimization problems in chemical engineering often involve complex systems of nonlinear DAE as the model equations. The direct multiple shooting method has been known for a while as a fast off-line method for optimization problems in ODE and later in DAE. Some factors crucial for its fast performance are briefly reviewed. The direct multiple shooting approach has been successfully adapted to the specific requirements of real-time optimization. Special strategies have been developed to effectively minimize the on-line computational effort, in which the progress of the optimization iterations is nested with the progress of the process. They use precalculated information as far as possible (e.g. Hessians, gradients and QP presolves for iterated reference trajectories) to minimize response time in case of perturbations. In typical real-time problems they have proven much faster than fast off-line strategies. Compared with an optimal feedback control computable upper bounds for the loss of optimality can be established that are small in practice. Numerical results for the Nonlinear Model Predictive Control (NMPC) of a high-purity distillation column subject to parameter disturbances are presented.

Abstract This paper describes a model for laboratory education based on Kolb's experiential learning theory. The method is implemented using modern teaching technologies and a combination of remote, virtual, and hands‐on laboratory sessions and have been applied to the teaching of the undergraduate process control laboratory at the Chemical Engineering Department at Loughborough University, United Kingdom. An argument that poor learning in the laboratory is due to insufficient activation of the prehension dimension of Kolb's cycle was suggested and verified, providing a pedagogical explanation. The quantitative analysis showed significant enhancement of the learning outcomes of the experimental group compared with the control group. Apart from the hands‐on session, the proposed model involves additional activities, such as pre‐ and post‐lab tests and virtual laboratory sessions, which are associated with Kolb's cycle to facilitate constructivist learning. The paper provides the first laboratory education model that builds thoroughly on Kolb's experiential learning theory.

This study applies an innovative two-stage continuous manufacturing process for atorvastatin calcium (ASC), focusing on the integration of process intensification through spherical agglomeration. The integrated continuous crystallization–spherical agglomeration (CCSA) process significantly improves the crystallization of active pharmaceutical ingredients (APIs), traditionally focused on downstream processing efficiency. The method integrates continuous crystallization with spherical agglomeration in a two-stage continuous mixed suspension mixed product removal (MSMPR) system. This integration enables the decoupling of nucleation and growth mechanisms from agglomeration, facilitating the continuous production of ASC with optimized physical and processing properties. The intensified system not only enhances particle size and morphology but also significantly improves the downstream processing efficiency, such as filtration, drying, and tableting, while maintaining or enhancing the drug molecule's efficacy. It also allows for bypassing certain downstream unit operations, such as granulation, that are generally bottleneck processes in ASC manufacturing. The versatility of this approach is evident in its ability to tailor the properties of ASC for maximum bioavailability and processing efficiency, marking a significant advancement in the implementation of process intensification in ASC manufacturing via a novel spherical agglomeration route combined with continuous manufacturing.