研究論文用

Size: px

Start display at page:

Download "研究論文用"

ありさおとべ
5 years ago
Views:

1 バイオエタノール生産における酵母の培養およびエタノール発酵のプロセスシミュレーションの検討 Process simulation of yeast cultivation and ethanol fermentation in bio-ethanol production 柳田高志 * 藤本真司 * 佐賀清崇 * 美濃輪智朗 Takashi Yanagida Shinji Fujimoto Kiyotaka Saga Tomoaki Minowa ( 原稿受付日 2010 年 4 月 16 日, 受理日 2010 年 10 月 29 日 ) This paper presents a simulation technique of yeast cultivation and ethanol fermentation on a commercially available process simulator. In general, the simulation of microorganism cultivation on the process simulator is not possible because a material data of the microorganism is not registered in the simulator. If all of the data required is collected and installed to the simulator, the simulation of the microorganism cultivation will be achieved on it. Yeast which is a widely known in industrial field was chosen as a model microorganism. The data of yeast was collected by analytical measurement and literature survey, followed by a composition of model yeast and reaction formulas were determined. All data associated the yeast was completely installed in to the simulator. Process of the yeast cultivation and ethanol fermentation was demonstrated on the simulator as a case study. The success of the simulation of the case study was confirmed. Estimation of input substrate quantity and prediction of generated heat amount of microbial reaction become possible on the proposed method. This method can provide diversification and advancement of simulation technique for process evaluation associated microbial reaction. * 1. はじめに近年, 地球環境とりわけ温暖化現象が一段と深刻化してきている. 温暖化現象の要因は化石資源の消費によるものと言われているが, 今日, エネルギーや様々な日用品にはこれら化石資源が使われており, 問題の解決は容易ではない. 化石資源への依存度を逓減する対策として, バイオマスによる代替が期待されている. バイオマスは再生可能およびカーボンニュートラルという特徴を有するので, 適切に利用することができれば, 地球温暖化対策の一助となりうる. ただし, バイオマスは種類が豊富であり, 目的とする燃料や材料への変換技術もまた多肢にわたるため, 効率的な利活用技術の研究開発には, 実験とシステム評価の組合せによるアプローチが効果的である. システムの評価指標は目的に応じて様々であるが, バイオマス利活用技術の実用化には環境経済性評価が特に重要となる. これまでに, 経済性あるいは環境性の観点からバイオマスのエネルギー変換プロセスを比較検討した研究がいくつか報告されている 1-4). これらの研究では, 評価の基盤となるエネルギー収支や物質収支の試算の一部に市販のプロセスシミュレータが用いられている. しかしながら, このプロセスシミュレータは化学石油化学向けに作成されているものが多く, 生物学的変換技術のシミュレーションには不向きであ * ( 独 ) 産業技術総合研究所バイオマス研究センター広島県東広島市鏡山 minowa.tom@aist.go.jp る. エタノール発酵, メタン発酵, 乳酸発酵に代表される生物学的変換技術は微生物の代謝反応を利用しているために, その微生物に関する物性データが登録されていない一般的なプロセスシミュレータでは計算できないのがその理由である. この問題に対して, 微生物をモデル化し, 組成データ, 熱力学データ, 反応式を市販のプロセスシミュレータに組み込めば, 微生物反応のシミュレーションも可能であると考えられる. 微生物を用いた物質生産はバイオ燃料製造やバイオリファイナリーの分野では欠かせない技術となっており, 微生物を用いた物質変換プロセスを市販のプロセスシミュレータを用いてシミュレーションすることができれば評価技術の多様化高度化に資すると考えられる. たとえば, 実験データをシミュレータに反映させ, そのアウトプットを実験の現場にフィードバックするサイクルの形成や, そこから派生する研究重点課題の抽出による開発の効率化の一助となるであろう. このような背景から, 本研究では, 微生物反応が絡むバイオマスの種々の利活用システムの経済性環境性評価の高度化に向け, 微生物の増殖や代謝に伴う物質収支, エネルギー収支の試算をプロセスシミュレータ上で可能とすることを目的とした. 先ず, 産業で一般的に用いられている微生物の代表例として酵母を取り上げ, その物性データの取得, モデル酵母の組成熱力学データの決定, 反応式の作成およびそれらのプロセスシミュレータへの組み込みを行った. さらに, ケーススタディとして, 酵母の菌体増殖とエタノール発酵のシミュレーションを行い, 従来の試算 1

2 方法との比較評価をした. 母の P,K および Mg の含有量を文献 7) から引用し, それぞれ 1.40 wt%(dry),1.90 wt%(dry),0.29 wt%(dry) とした. こ 2. 方法こで得られた酵母の組成は, 文献 8) と比較して, 概ね一致 2.1 試料および分析菌体試料として, 酵母 (Saccharomyces cerevisiae,typeii, SIGMA) を用いた.CHNS 分析は元素分析装置 (MT-6, ヤナコ分析工業 ), 水分, 灰分測定は熱分析装置 (Thermo plus TG8120, リガク ), 発熱量測定はカロリーメーター (C2000, IKA), 真密度測定は空気比較式比重計 ( 東京サイエンス社 ), 比熱容量測定は示差走査熱量計 (DSC Q100,TA instruments) を用いた. 真密度と比熱容量の測定は株式会社住化分析センターに依頼した. 2.2 プロセスシミュレーションプロセスシミュレーションは市販の定常状態プロセスシュミレーター PRO/II( インベンシス社 ) 5) を用いて行った. プロセスシミュレーションに用いる成分の物性データは, 基本的に PRO/II の内蔵データを用いた. 酵母等の PRO/II に登録されていない物質に関するデータは実測 (2.1 項 ) あるいは文献調査により収集した. 収集したデータの一部はしていることを確認し, 平均的な酵母の組成であると判断した. この組成に基づき酵母の分子量を 1000 と仮定して, シミュレーション用のモデル酵母の分子式を C H O N 4.72 K 0.50 P 0.46 Mg 0.12 S 0.02 とした. この分子式を求めるにあたり, 各元素の原子量は International Union of Pure and Applied Chemistry (IUPAC) の値 9) を採用した. (2) 燃焼熱酵母の燃焼熱は, 総発熱量 ( 高位発熱量 ) の分析値から含水量分を差し引き,ΔH c = MJ/kg(dry) と試算した. (3) 標準生成エンタルピー酵母の標準生成エンタルピーは式 (1) に示す燃焼反応式より ΔH f = MJ/kg(dry) と試算した. 反応に関係した成分の標準生成エンタルピー 10) を表 2 に示す. C H O N 4.72 K 0.50 P 0.46 Mg 0.12 S ( /2)O CO 2 + (75.24/2)H 2 O NO 2 + (0.50/2)K 2 O + (0.46/2)P 2 O MgO SO MJ/kg(dry) (1) 市販の表計算ソフト Microsoft Excel( マイクロソフト株式会社 ) を用いて PRO/II に入力できる形に変換した. 表 2 標準生成エンタルピー ΔH f at 25 C [kj/mol] 状態 3. シミュレーションにおけるモデル酵母の物性データと反応式の検討 3.1 分析結果とモデル酵母に関するデータの作成酵母の成分, 総発熱量および真密度の分析結果を表 1 に示す. 表 1 酵母の分析結果項目水分 6.81 wt% 灰分 5.74 wt%(dry) 炭素 wt%(dry) 水素 7.42 wt%(dry) 窒素 6.47 wt%(dry) 酸素 0 気体二酸化炭素気体水液体二酸化窒素 33.9 気体酸化カリウム固体五酸化二リン固体酸化マグネシウム固体二酸化硫黄気体 (4) 比熱容量比熱容量の測定結果を図 1 に示す. 比熱容量の測定値から含水量分を差し引き, 酵母の温度変化における比熱容量の推算式 (2) を作成した. なお, 各温度 ( 圧力は 0.10 MPa) に対する水の比熱は文献値 11) を採用した. 硫黄 0.07 wt%(dry) 総発熱量 J/g 真密度 1.44 g/cm 3 (1) 酵母組成菌体の元素バランスは炭素 (C), 水素 (H), 酸素 (O), 窒素 (N), 硫黄 (S), リン (P), マグネシウム (Mg) およびカリウム (K) の含有量がわかれば求めることができる 6). そこで, 酵母の元素組成を実験値および文献値を基に決定した. 酵母組成の灰分,C,H,N,S の分析値データから O の含有量を wt%(dry) と試算した. また, 酵比熱容量 [J/(g )] 温度 [ ] 図 1 酵母の比熱容量 2

3 y = x x x (2) y: 比熱容量 [J/(g C)] x: 温度 [ C] (5) 酵母の密度酵母の密度は測定時に乾燥処理を行っていることから, 真密度の実測値 1.44 g/m 3 ( 表 1) をそのまま採用した. 3.2 酵母の菌体増殖 ( 好気発酵 ) における反応式細胞内で起こる化学反応は複雑であり, これを網羅して量論式を設定することは不可能である. しかしながら, 細胞外での基質の消費, 代謝物の生成および酵母の成長を考慮すれば, 反応式の作成は可能である 6). 酵母の好気発酵において炭素源や窒素源等の基質は細胞内に取り込まれるとともに炭素源の一部はエネルギーとして消費されており, その結果, 細胞の増殖, 代謝物の排出, 二酸化炭素や水の生成が起こる. 酵母の好気発酵における細胞増殖の炭素源としてグルコース, 窒素源として硫酸アンモニウム, その他の栄養素としてリン酸二水素カリウム, 硫酸マグネシウムを設定し, これらの反応を式 (3) で表した. この式では, 微生物培養において窒素源に硫酸アンモニウムを用いるとアンモニアイオンは菌によって消費され硫酸イオンが残るので培養液は酸性化する 8) という傾向を考慮している. (a)c 6 H 12 O 6 + (b)o 2 + (c)kh 2 PO 4 + (d)(nh 4 ) 2 SO 4 + (e)mgso 4 + (f)h 2 O (g)c H O N 4.72 K 0.50 P 0.46 Mg 0.12 S (h)co 2 + (i)h 2 O + (j)h 3 PO 4 + (k)h 2 SO 4 (3) ここで,a,b,c,d,e,f,g,h,i,j および k は量論係数である. 酵母のグルコースからの菌体収率は 0.51 である 12) ので, グルコースの 51 wt% は菌体の細胞に取り込まれ, 残りはエネルギーとして消費されると仮定した. ここで, 菌体収率は式 (4) で定義される. 菌体収率 = 乾燥菌体生成量 (g) / グルコース消費量 (g) (4) したがって, 式 (3) の解は, 式 (5) となった. この式を酵母の好気発酵の反応式とした C 6 H 12 O O KH 2 PO (NH 4 ) 2 SO MgSO 4 C H O N 4.72 K 0.50 P 0.46 Mg 0.12 S CO H 2 O H 3 PO H 2 SO 4 (5) 3.3 酵母のエタノール発酵 ( 嫌気発酵 ) における反応式酵母は糖の嫌気的分解によってエネルギーを獲得している. グルコース 1 分子からピルビン酸 2 分子が生じる解糖を経て, ピルビン酸は, エタノールと二酸化炭素に分解される. その反応式は, 式 (6) となる. C 6 H 12 O 6 2C 2 H 5 OH + 2CO 2 (6) 実際の酵母の嫌気発酵では, エタノール以外に乳酸, 酢酸, コハク酸, クエン酸等の代謝物も生成 13) していることあるいは酵母の菌体内で各種中間生成物が存在していることを考えると, 投入グルコースのすべてを式 (6) のみでカバーすることはできない. しかしながら, すべての代謝物, 中間生成物を網羅することも不可能である. そこで, 本検討では, エタノール発酵以外の反応として, グルコース 1 分子が分解し 2 分子に断片化する式 (7) を作成し, 中間生成物あるいは反応副産物の生成に対応できるようにした. すなわち, 酵母のエタノール発酵において, 式 (6) を主反応, 式 (7) を副反応と仮定し, それぞれの反応割合は変換効率を変動係数として入力することとした. 式 (7) の C 3 H 6 O 3 ( 代謝物あるいは中間生成物 ; 以下, エタノール発酵副産物 ) の物性データは,PRO/II に内蔵されている乳酸のそれを代用することとした. C 6 H 12 O 6 2C 3 H 6 O 3 (7) 4. ケーススタディ 4.1 プロセスの概要と設定条件 3の項で得られた物性データと反応式をプロセスシミュレータに組み込み, ケーススタディとしてバイオエタノール生産の発酵工程における酵母の菌体増殖 ( 好気発酵 ) とエタノール発酵 ( 嫌気発酵 ) をシミュレーションした. 比較のために, 従来の方法による試算も行った. プロセスの概要を図 2 に示す.(a) は酵母の物性データ並びに菌体増殖等の反応式を組み込んだ本研究で提案する新規試算法 ( 以下, 新規試算法 ),(b) は酵母の物性データが登録されていない従来の試算法 ( 以下, 従来試算法 ) のプロセスを示している. 新規試算法のプロセスは, グルコース溶液 (10% 濃度 ), 硫酸アンモニウム, リン酸二水素カリウムおよび硫酸マグネシウムを基質として, 酸素存在下で酵母菌体を増殖させる酵母培養 ( 好気発酵 ) と, その酵母を用いて嫌気条件でグルコース溶液 (10% 濃度 ) を基質としてエタノールを生産するエタノール発酵 ( 嫌気発酵 ) で構成されている. 従来試算法のプロセスは, グルコース溶液 (10% 濃度 ) を基質とした嫌気条件下でのエタノール発酵のみをプロセ 3

4 (a) 新規試算法のプロセス菌体増殖グルコース溶液 (10% 濃度 ) 硫酸アンモニウムリン酸二水素カリウム硫酸マグネシウム酸素 S10 S30 S40 S20 酵母培養 S70 C 6H 12O 6 2C 2H 5OH + 2CO 2 C 6H 12O 6 2C 3H 6O 3 S50 S C 6H 12O O KH 2PO (NH 4) 2SO MgSO 4 C 40.14H 75.24O 21.16N 4.72K 0.50P 0.46Mg 0.12S CO H 2O H 3PO H 2SO 4 (b) 従来試算法のプロセスグルコース溶液 (10% 濃度 ) S10 実際は入力していない C 6H 12O 6 2C 2H 5OH + 2CO 2 エタノール発酵エタノール発酵 S20 S30 S90 発酵液 S80 二酸化炭素発酵液二酸化炭素ニウム, リン酸二水素カリウムおよび硫酸マグルネシウの利用率をそれぞれ 90% と設定した. 酵母培養とエタノール発酵の反応温度はともに 30 C, 投入原料の温度は 25 C と設定した. プロセス中の圧力はすべて kpa( 常圧 ) とした. ここでの変換効率とは投入した基質のうち目的物に変換された基質の割合, 利用率とは投入した基質のうち消費された基質の割合と定義した. 表 3 ケーススタディの設定条件項目酵母培養の温度 30 C 酵母の菌体濃度 ( 対エタノール発酵溶液 ) 1 wt%-dry エタノール発酵の温度 30 C エタノール発酵における投入グルコース量 1,000 kg エタノール変換効率 ( グルコース基準 ) 90% 菌体増殖酵母 PRO/II の従来試算法では微生物のデータが登録されていないのでシミュレーションできない. 従って, 必要培地量 ( 炭素源, 窒素源, 無機塩 ) は別途 ( 例えば, Microsoft Excel ) 試算している. ただし, 熱収支に関する計算は困難. 図 2 プロセスの概要スシミュレータで試算している. エタノール発酵における酵母は, それ自体が反応で変化しないと考え, プロセスシミュレータ上では酵母の菌体は無視しており, グルコースがエタノールと二酸化炭素に変換される反応式のみを考慮している. 酵母培養に関しては酵母の物性データおよび反応式が登録されていないので, プロセスシミュレータでは計算を行うことができない. そのため, 必要基質量は, 表計算ソフト ( 例えば Excel) 等で別途計算している. ただし, 熱収支に関する計算は困難であり, 考慮していない. 表 3 にケーススタディの設定条件を示す. エタノール発酵に投入するグルコース量を 1,000 kg, エタノールの変換効率を 90%( グルコース基準 ) と設定した. エタノール発酵における酵母濃度はエタノール発酵溶液の 1 wt%(dry) と設定し, 必要酵母量を酵母培養工程で生産することとした. 酵母培養では, グルコースの利用率を 100%, 硫酸アンモ表 4 新規試算法プロセスのフロー組成 4.2 ケーススタディの試算結果 4.1 の項で設定したプロセスおよび条件でシミュレーションを行った. 新規および従来試算法のフロー組成をそれぞれ表 4,5 に示す. 表中に示すストリーム No. は図 2 のそれらに対応している. 表 4 では,S10,S30 および S40 は投入した物質のフローを,S60,S80 および S90 は生成した物質のフローを表わしている.S50 は酵母培養における培養液のフロー組成を示し, 酵母が kg( 菌体濃度 0.01 = 酵母重量 /(S50 と S70 の全量 )) 生産されていること, 硫酸アンモニウム, リン酸二水素カリウムおよび硫酸マグネシウムの利用が 90% であり,10% が未反応物として試算されていること, 酵母培養副産物が生成していること, 反応 ( 酵母培養, エタノール発酵 ) が 30 C で行われていることより, 設定条件 ( 表 3) と合致していることを確認した. ここでの酵母培養副産物は, 式 (5) で示される硫酸およびリン酸を合計したものを表わしている.S80 はエタノール発酵における発酵液のフロー組成であり, 投入グルコース量とエタノール生成量からエタノール変換が 90%( グルコース基準 ) の効率で達成さストリーム No. S10 S20 S30 S40 S50 S60 S70 S80 S90 温度 C 圧力 kpa グルコース kg 1, , 水 kg 11, , , , , 硫酸アンモニウム kg リン酸二水素カリウム kg 硫酸マグネシウム kg 酸素 kg 酵母 kg 二酸化炭素 kg 酵母培養副産物 kg エタノール kg エタノール発酵副産物 kg 合計 kg 12, , , , ,

5 れていること, 変換効率の残り 10% 分がエタノール発酵副産物 ( ここでは, 式 (7) の C 3 H 6 O 3 と定義される ) に変換されていることを確認した. なお, 新規試算法における全体の物質収支熱収支がバランスしていることも確認し, 新規物質 ( モデル酵母 ) の導入が正常に行えていると判断した. 表 5 では,S10 は投入した物質のフローを,S20 および S30 は生成した物質のフローを表わしている.S20 のフロー組成はエタノール発酵における発酵液であり, 投入グルコース量とエタノール生成量からエタノールの変換効率 90%( グルコース基準 ) が達成されていることを確認した. ただし, 表 4 と異なり, 変換効率の残り 10% 分はグルコースの未反応物として試算している. 表 5 従来試算法プロセスのフロー組成ストリーム No. S10 S20 S30 温度 C 圧力 kpa グルコース kg 1, 水 kg 9, , エタノール kg 二酸化炭素 kg 合計 kg 10, , 新規および従来試算法の比較プロセスシミュレータを用いてエタノール製造プロセス ( 酵母培養およびエタノール発酵 ) のシミュレーションを行った. 新規試算法および従来試算法による計算結果の比較を表 6 に示す. 新規試算法では酵母培養に関する菌体量を設定することで必要な基質 ( グルコース, 硫酸アンモニウム, リン酸二水素カリウムおよび硫酸マグネシウム ) の量並びに副産物量が把握できるようになった. さらに, 酵母培養における代謝熱の試算が可能となった. 代謝熱は微生物の増殖反応において避けえない現象であり, また微生物培養はその最適温度を保って実施する必要があり, 代謝熱を除去しつつ培養を行っている. 大型のタンクを用いて培養を行う場合, 除熱のための多大な費用を掛けているのが現状であり, 培養工程の経費を削減するためにも代謝熱量を予測しておくことは重要である 6). 本ケーススタディの新規試算法では, 124 kg( エタノール発酵時の菌体濃度 1 wt%) の酵母の生産において, 温度 30 C を保ちながら培養する場合,1,302.8 MJ の代謝熱が発生すると試算された. 従来試算法では酵母の物性データが内蔵されていないために, プロセスシミュレータによる酵母培養の物質収支および熱収支の試算が行えない. 従って, 酵母培養に必要な基質量を求めるには, 表計算ソフト ( 例えば Excel) 等で別途試算している. ここでは, 新規試算法と同一の条件とし表 6 新規および従来試算法によるシミュレーション結果の比較試算方法工程項目単位新規従来酵母培養投入グルコース量 kg (196.1) 投入硫酸アンモニウム量 kg 38.8 (33.9) 投入リン酸二水素カリウム量 kg 8.4 (6.8) 投入硫酸マグネシウム量 kg 1.8 (1.6) 酵母菌体量 kg (100.0) 酵母培養における副産物量 kg 酵母培養における代謝熱 MJ 1, エタノール発酵投入グルコース量 kg 1, ,000.0 エタノール生産量 kg エタノール発酵における副産物量 kg エタノール発酵における代謝熱 MJ ( ): Excel で試算,-: 試算が困難て, 酵母濃度をエタノール発酵溶液の 1 wt%(dry), 酵母のグルコースからの菌体収率 ( 式 (4)) を 0.51, 硫酸アンモニウム, リン酸二水素カリウムおよび硫酸マグネシウムの利用率を 90% と設定し, 酵母の増殖に必要な基質の量を試算した. その結果, 基質投入量はグルコース, 硫酸アンモニウム, リン酸二水素カリウムおよび硫酸マグネシウムでそれぞれ kg,33.9 kg,6.8 kg,1.6 kg と試算され, この値は新規試算法のそれと比較して過小評価されている. これは, 従来試算法において酵母菌体と酵母培養液に含まれる水や副産物を考慮していないことに起因するものであり, すなわち, エタノール発酵液の総容量が少なく見積もられ, 結果として菌体濃度の設定条件値を満たすための必要基質量が少なく試算されたためである. また, 硫酸アンモニウム, リン酸二水素カリウムおよび硫酸マグネシウムの投入量の試算では, それぞれ, 酵母の N,P,Mg の含有率を基準にしているため,H,O,S,K の物質収支はバランスしない. さらに, 従来試算法では代謝熱の試算は困難であるために考慮していない. エタノール発酵では,1,000 kg のグルコースから kg のエタノールが生産される点は両試算法の結果は同様である. ただし, 代謝熱が新規および従来試算法ではそれぞれ MJ,121.9 MJ であり, 従来試算法の代謝熱は新規試算法のそれの約 2/3 と過小に試算されている. これは, エタノール変換効率 90% の条件設定において, 残り 10% を従来法では未反応と仮定しているために, その分の反応熱が考慮されていないことが過小に試算されている原因である. 新規試算法では副産物あるいは中間生成物の代謝を考慮したことによりその反応熱が計上されている. 以上のことより, 菌体濃度を変化させた場合の必要基質量や代謝熱の試算が比較的簡便に行うことができ, シミュレーション技術の向上ができたと考えられる. また, 実用的観点に立てば, 実験による確認を行い, 精度の向上を検 5

6 討していく必要があるが, 本報で提案する新規試算法では微生物を取り扱うことができるため, ラボ実験とプロセスシミュレーションによる組合せによるシステム評価が可能になった. この微生物が取り扱える点が, 従来法に対する新規法の優位性であり, 評価の領域が拡大できたと考えられる. 新規リグノセルロース系バイオマスからのエタノール生産において, 改良型微生物 ( 例えば, キシロースのエ 14, タノール変換能を有する酵母 15) ) や酵素糖化法の酵素生産に関するシステム改善 ( 例えば, 酵素のオンサイト生産 16) ) の経済性評価等に応用することができるであろう. 5. まとめ本論文では, バイオマス利用に関する評価技術の向上を目指し, 市販のプロセスシミュレータ上でこれまで検討されていない微生物の菌体増殖およびそれを利用した物質生産のプロセスシミュレーションを試みた. 先ず, モデル微生物として, 工業界で幅広く用いられ, 取扱の容易さ並びに物性等の情報が比較的の入手しやすい酵母を選択し, その物性データを分析および文献から取得した. 得られた物性データから酵母のモデル化および菌体増殖, エタノール発酵の反応式を作成し, それらのシミュレータへの組み込みを行った. ケーススタディを実行し, 市販のプロセスシミュレータを用いて微生物の菌体増殖および物質生産がシミュレーションできることを明らかとした. バイオマスの生物学的変換技術すなわち微生物反応を用いる物質生産において, 本報で提案する手法はプロセス評価の多様化あるいは高度化に資すると考えられる. 謝辞本研究は NEDO 加速的先導技術開発メカノケミカルパルピング前処理によるエタノール生産技術開発および NEDO セルロース系エタノール革新的生産システム開発事業早生樹からのメカノケミカルパルピング前処理によるエタノール一貫生産システムの開発の一環として実施された. また, 本研究の推進にあたり産総研バイオマス研究センターの井上宏之博士, 喜多尾千秋博士, 松鹿昭則博士, 村上克治博士にご指導ご助言を, 舞田浩一氏にご協力を頂いた. ここに記して謝意を表する. 参考文献 1) 柳田高志, 藤本真司, 秀野晃大, 井上宏之, 塚原建一郎, 澤山茂樹, 美濃輪智朗 ; 稲わらからのエタノール生産における非硫酸前処理法のプロセスエネルギーおよび経済性評価, エネルギー資源,30-5 (2009), ) 柳田高志, 美濃輪智朗, 清水嘉久, 松村幸彦, 野田洋二 ; 活性炭触媒再利用を考慮した鶏糞の超臨界水ガス化によるエネルギー転換システムとその経済性, エネルギー資源,30-6 (2009), ) 佐賀清崇, 藤本真司, 柳田高志, 多田千佳, ベスピャトコリュドミラユリイブナ, バティスタエルマー, 美濃輪智朗 ; 前処理糖化法の違いを考慮したセルロース系バイオエタノール製造プロセスの比較評価, エネルギー資源,30-2 (2009), ) 藤本真司, 美濃輪智朗, 坂西欣也 ; 経済的なバイオマストータルシステムの設計, 触媒, 49-4 (2007), ) PRO/II; ( アクセス日 ) 6) 永井史郎 ; 微生物培養工学,(1985),1-40, 共立出版. 7) 斉藤静男 ; 酵母ミネラル,(2001), 特許第号. 8) P.F.Stanbury,A. Whitaker 著 ( 石崎文彬訳 ); 発酵工学の基礎実験室から工場まで,(1988),75,78, 学会出版センター. 9) IUPAC Periodic Table of the Elements; _Table-22Jun07b.pdf. ( アクセス日 ) 10) 化学工学便覧改訂 6 版 ( 化学工学会編 ),(1999),19-21, 丸善. 11) Ulrich Grigull, Johannes Straub, Peter Schiebener; Steam Tables in SI-Units Third, (1990), 26, Springer. 12) B.J.Abbot, A.Clamen; The relationship of substrate, growth rate and maintenance coefficient to single cell protein production, Biotech. Bioeng., 15, (1973), ) 池上徹, 柳下宏, 北本大, 根岸秀之 ; 発酵エタノール分離精製システム,(2001), 特許第号. 14) A. Matsushika, S. Watanabe, T. Kodaki, K. Makino and S. Sawayama; Bioethanol production from xylose by recombinant Saccharomyces cerevisiae expressing xylose reductase, NADP + -dependent xylitol dehydrogenase, and xylulokinase, J. Biosci. Bioeng., (2008), ) A. Matsushika, H. Inoue, K. Murakami, O. Takimura and S. Sawayama; Bioethanol production performance of five recombinant strains of laboratory and industrial xylose-fermenting Saccharomyces cerevisiae, Bioresour. Technol., (2009), ) 藤本真司, 美濃輪智朗, 井上宏之, 澤山茂樹, 遠藤貴士 ; バイオエタノール生産の非硫酸前処理のシステム検討, 第 16 回日本エネルギー学会大会講演要旨集, (2007),

料の受入, 前処理, 糖化, 発酵, 蒸留の工程からなる. 原の場合はヘミセルラーゼを使用しないものとした. 糖化温料は, 稲わらを束状で購入し,2 mm 以下に切断して用いる度, 糖化時間は, それぞれ 45 C,24 h とした. 各処理技術こととした. 前処理工程は, リン酸水熱処理,

料の受入, 前処理, 糖化, 発酵, 蒸留の工程からなる. 原の場合はヘミセルラーゼを使用しないものとした. 糖化温料は, 稲わらを束状で購入し,2 mm 以下に切断して用いる度, 糖化時間は, それぞれ 45 C,24 h とした. 各処理技術こととした. 前処理工程は, リン酸水熱処理, 稲わらからのエタノール生産におけるリン酸水熱前処理酵素糖化法のコスト分析 Cost analysis of ethanol production from rice straw by phosphoric acid-hydrothermal pretreatment and enzymatic hydrolysis method 井上誠一柳田高志 * 藤本真司 * ヘスヒャトコリュトミラ *