Paperikoneen laatusäätöjärjestelmän uusinnan vaikutukset laatusäätöjen suorituskykyyn

Tutkimuksen kohteena olleen UPM-Kymmene Oyj Kajaanin tehtaan PK3:n laatusäätöjärjestelmä ja mittapalkki uusittiin, jolloin haluttiin selvittää uusinnan vaikutuksia laatusäätöjen suorituskykyyn ja paperin laatuun. Työn kirjallisessa osassa perehdyttiin paperinvalmistusprosessin osiin kyseisen sanomalehtipaperikoneen tapauksessa sekä keskeisimpiin paperin laatuominaisuuksiin liittyviin mittaus- ja säätölaitteisiin sekä niiden toimintaan. Seurattaviksi paperin laatusuureiksi valittiin neliömassa, kuivamassa, kosteus ja paksuus, jotka ovat sanomalehtipaperin tärkeimpiä online-mitattavia ominaisuuksia. Paperin laatusuureiden seurantaan käytetään erilaisia tunnuslukuja ja työkaluja, joita on esitelty tässä työssä. Laatusuureiden konesuuntaisen ja poikkisuuntaisen seurannan tunnusluvuksi valittiin yleisesti käytössä oleva 2σ-keskiarvohajonta. Säätöjen suorituskykyä seurattiin suorituskykykolmion ohjausmatkaindeksien (CTI) ja erosuureen integraalien (IAE) avulla. Kokeellisessa osassa kerättiin mittaustietoja sekä vanhan että uuden laatusäätöjärjestelmän aikana. Seurattavat ajotilanteet paperikoneella jaettiin stabiiliin ajoon ja muutostilanteisiin, jotka käsittävät katkot ja lajinvaihtotilanteet. Stabiilin ajon aikana selvitettiin laatusuureiden hajontojen ja säätöjen suorituskykyindeksien normaaleissa tasoissa tapahtuneet muutokset. Muutostilanteiden osalta haluttiin selvittää, nopeuttaako järjestelmäuusinta katkoista toipumista ja lajinvaihtoaikaa. Stabiilin ajon seurannasta saatujen tulosten perusteella neliömassan ja kuivamassan konesuuntaiset hajonnat kasvoivat järjestelmäuusinnan myötä, mutta kosteuden konesuuntaiset hajonnat pienenivät. Laatusuureiden poikkisuuntaisista hajonnoista neliömassan sekä kuivamassan hajonnat kasvoivat ja kosteuden sekä paksuuden hajonnat pienenivät joidenkin lajien osalta. Poikkisuuntaisten laatusuureiden, etenkin paksuuden, toipuminen katkon jälkeen nopeutui. Myös lajinvaihtoon kuluva aika lyheni poikkisuuntaisilla laatusuureilla. Muutostilanteiden konesuuntaisten hajontojen asettumisajat eivät juuri parantuneet.

Kalman Filtering in Online Paper Quality Assessment

Controlling the quality variables (such as basis weight, moisture etc.) is a vital part of making top quality paper or board. In this thesis, an advanced data assimilation tool is applied to the quality control system (QCS) of a paper or board machine. The functionality of the QCS is based on quality observations that are measured with a traversing scanner making a zigzag path. The basic idea is the following: The measured quality variable has to be separated into its machine direction (MD) and cross direction (CD) variations due to the fact that the QCS works separately in MD and CD. Traditionally this is done simply by assuming one scan of the zigzag path to be the CD profile and its mean value to be one point of the MD trend. In this thesis, a more advanced method is introduced. The fundamental idea is to use the signals’ frequency components to represent the variation in both CD and MD. To be able to get to the frequency domain, the Fourier transform is utilized. The frequency domain, that is, the Fourier components are then used as a state vector in a Kalman filter. The Kalman filter is a widely used data assimilation tool to combine noisy observations with a model. The observations here refer to the quality measurements and the model to the Fourier frequency components. By implementing the two dimensional Fourier transform into the Kalman filter, we get an advanced tool for the separation of CD and MD components in total variation or, to be more general, for data assimilation. A piece of a paper roll is analyzed and this tool is applied to model the dataset. As a result, it is clear that the Kalman filter algorithm is able to reconstruct the main features of the dataset from a zigzag path. Although the results are made with a very short sample of paper roll, it seems that this method has great potential to be used later on as a part of the quality control system.

Simulating the performance of paper machine control

The topic of this thesis is the simulation of a combination of several control and data assimilation methods, meant to be used for controlling the quality of paper in a paper machine. Paper making is a very complex process and the information obtained from the web is sparse. A paper web scanner can only measure a zig zag path on the web. An assimilation method is needed to process estimates for Machine Direction (MD) and Cross Direction (CD) profiles of the web. Quality control is based on these measurements. There is an increasing need for intelligent methods to assist in data assimilation. The target of this thesis is to study how such intelligent assimilation methods are affecting paper web quality. This work is based on a paper web simulator, which has been developed in the TEKES funded MASI NoTes project. The simulator is a valuable tool in comparing different assimilation methods. The thesis contains the comparison of four different assimilation methods. These data assimilation methods are a first order Bayesian model estimator, an ARMA model based on a higher order Bayesian estimator, a Fourier transform based Kalman filter estimator and a simple block estimator. The last one can be considered to be close to current operational methods. From these methods Bayesian, ARMA and Kalman all seem to have advantages over the commercial one. The Kalman and ARMA estimators seems to be best in overall performance.