《Powder Technology》：Granule size distribution and aggregation kernel read from DEM contact network in twin-screw wet granulation
编辑推荐：
•DEM 接触图可直接得出颗粒尺寸，无需拟合团聚核。•两种方法均重现了 12 种工艺条件下的实验筛分趋势。•螺杆转速是主导变量：颗粒尺寸从 0.99 降至 0.50 mm。•497 μm 的粗粒化初级颗粒无法代表低于 358 μm 的细粉带。•双模态修正在基准条件下恢复了细粉
- •
DEM 接触图可直接得出颗粒尺寸，无需拟合团聚核。
- •
两种方法均重现了 12 种工艺条件下的实验筛分趋势。
- •
螺杆转速是主导变量：颗粒尺寸从 0.99 降至 0.50 mm。
- •
497 μm 的粗粒化初级颗粒无法代表低于 358 μm 的细粉带。
- •
双模态修正在基准条件下恢复了细粉分数。
引言
连续双螺杆制粒因具有停留时间短、液固比控制精确以及可直接通往连续片剂生产等优势，已在许多制药制造领域取代批次高剪切制粒 [1], [2]。离开料筒的产品的颗粒粒度分布（GSD）决定了下游行为：流动性、压缩性和含量均匀性均取决于此。根据处方和工艺设置预测该分布仍然是一个主要难点，因为料筒内的颗粒生长是团聚、压实和破碎在数秒停留时间内于受限、剪切床层中作用的结果。
两种建模传统解决了这一问题。群体平衡模型（PBM）通过团聚和破碎的出生和死亡项来追踪 GSD [3], [4]。它们计算成本低且能返回完整分布，分室、数据驱动和机器学习变体已预测了双螺杆工艺空间内的出口 GSD [5], [6], [7]。这些模型仍然缺乏通往核本身的第一性原理途径：团聚和破碎核通常针对模型旨在预测的同一实验粒度分布数据进行校准，这引入了循环论证，并将每种新处方或螺杆几何结构与其自身的校准活动绑定，然后模型才能被信任。离散元方法（DEM）持相反观点：它积分每个颗粒的运动并显式解析每次碰撞和每个液桥 [8]。DEM 捕获了机制，但本身并不返回颗粒粒度分布，因为在刚性颗粒模拟中，颗粒不是原始对象。它是初级颗粒通过液桥连接形成的涌现簇。
双螺杆制粒有其自身的建模记录，Arthur 和 Rahmanian (2024) [9] 对此进行了回顾，他们指出了工艺模拟在预测颗粒属性方面仍然不足之处。DEM 以及耦合的 DEM-PBM 和 DEM-CFD 方法已被应用于双螺杆制粒 [5], [10], [11], [12]，同时还有大量关于批次和滚筒系统的 DEM 工作。两种传统之间的差距在于核：几个小组通过将 DEM 与 PBM 耦合，将模拟中的碰撞频率读取到团聚项中 [5], [13]。同样的两个问题，颗粒识别和核提取，在双螺杆制粒之外也是活跃的。Jain 等人 (2025) [14] 最近提出了一种基于网络的社区检测路线，用于从 DEM 接触图获取颗粒粒度分布，旨在成功应用于原始连通分量计数在密集、持续键合床层中失效的地方：这也是下文第 2.3 节解决的同样困难。在核提取方面，Asylbekov 等人 (2023) [15] 直接从干粉混合器的 DEM 应力统计中读取破碎核，而不是将其拟合到测量分布中。Kellogg 等人 (2023) [16] 从模拟统计中推导了适度内聚 DEM 流动的颗粒级闭合，而不是使用调谐速率常数，第 2.4 节借鉴了这一方法以证明当前核假设的合理性。Barrasso 等人 (2015) [17] 建立了湿制粒过程中 PBM 和 DEM 之间的双向耦合，而 Wang 等人 (2025) [12] 产生了定量的双螺杆 DEM 尺寸分布。两种路线都假设了粘附或合并规则，且都没有测试 PBM 预测的颗粒是否与 DEM 实际形成的簇相同。
本研究共同解决了双螺杆制粒的两个差距。它从一个 DEM 数据集中两次提取颗粒粒度分布：一次是将颗粒识别为液桥网络的连通分量，无需粘附假设，另一次是通过从模拟中读取核来驱动机理 PBM。贡献是从液桥接触图中无参数提取体积加权分布，以及它允许的同类交叉一致性检查，即在针对设计工艺空间的筛分测量测试的单一数据集上，比较 DEM 中形成的簇和 PBM 预测的簇。一个限制限制了以下每个结果：粗粒化乳糖初级颗粒（497 μm）大于定义细粉箱的 358 μm 筛分截止值，因此实验分布的那部分无法直接表示。
模拟建模了一个 16 mm 双螺杆制粒机，处理 α-乳糖细粉与微晶纤维素种子和 PEG-4000 粘合剂，在一组设计的螺杆转速、液固比和粘合剂浓度下运行 [18], [19]。匹配的实验计划在同一条件下通过筛分分析测量了颗粒尺寸。这种配对允许同类测试，以查看粒子级模型是否能预测测量的出口尺寸分布及其对实践中最重要的三个工艺变量的响应。
章节片段
模拟数据集和几何结构
数据集（指定为 MS，单一捏合配置）记录了在 EDEM 中构建的同向旋转 16 mm 双螺杆制粒机的 DEM 模拟，采用毛细液桥（WetMixing）接触模型。材料沿料筒向负 Z 方向流动。活性螺杆长度从 Z = 0 到收集平面 Z = 405 mm，在 Z = 200 和 210 mm 之间有一个单一捏合段（几何组命名为 New Section 5）。α-乳糖细粉作为双球团簇进入
颗粒结构和出口尺寸分布
颗粒以四到六个初级颗粒的紧密聚集体形式离开料筒。在基准条件下，键合簇路线给出的每个颗粒平均 5.0 个初级颗粒，体积加权平均直径 D [3], [4] 为 0.89 mm，中位数为 0.85 mm，最大的聚集体达到 30 到 36 个初级颗粒。平均键合配位数为 11.9，因此每个键合初级颗粒携带大约十二个液桥，平均毛细桥力为 2.5 μN。图 2 叠加了两个计算机模拟
结论
当颗粒被读取为液桥网络的连通分量时，双螺杆制粒 DEM 数据集直接得出了出口颗粒粒度分布，无需拟合的团聚核。同一数据集，输入到由团聚 - 破碎平衡闭合并锚定在一个基准点的固定轴群体平衡中，预测了一致的分布。两种路线都将中位出口直径置于 0.85 mm 附近，对应于实验中位数接近 0.70 mm，并且两者都重现了
CRediT 作者贡献声明
Tony B. Arthur: 写作 – 初稿，可视化，验证，方法论，调查，资金获取，形式分析，数据整理，概念化。 Nejat Rahmanian: 写作 – 审查与编辑，监督，软件，资源，项目管理，形式分析。
竞争利益声明
作者声明他们没有任何已知的竞争财务利益或个人关系，这些可能会影响本论文报告的工作。
Tony B. Arthur|Nejat Rahmanian
