Sekoitusprosessin laadunvalvonnan suunnittelu

Abstract

Nokian Renkaat Oyj:ssä on suuntaus päivittäin valmistettavien kumisekoitusten määrien lisäämiseen. Sekoitusmäärien kasvaessa myös laadunvalvontamittauksien kapasiteettia pitää nostaa tai vaihtoehtoisesti vähentää näytteiden tutkimiseen kuluvaa aikaa tai tutkittavien näytteiden määrää. On mietitty, voitaisiinko näytteenottopaikkaa vaihtamalla saada edustavampi näyte. Aikaistamalla näytteenottopaikkaa näytteet saataisiin tutkittua aikaisemmin ja siten sekoitukset saataisiin käyttöön entistä nopeammin. Teoriaosassa käsitellään kumisekoitusprosessia ja tutustutaan käytettävään prosessilaitteistoon ja prosessin eri vaiheisiin. Lisäksi tutustutaan prosessin ohjaukseen, prosessimittauksiin, prosessin säätöihin ja hälytyksiin. Työssä käsitellään myös laatuun vaikuttavia tekijöitä ja perehdytään käytössä oleviin laadunvalvontamittauksiin ja näytteiden analysointiin. Kokeellisessa osassa tutkitaan, mikä olisi paras näytteenottokohta, mietitään mittausten ja mittausajan vähentämisen vaikutuksia sekä sitä, miten näytteet tulisi merkitä. Lisäksi kokeellisessa osassa tehdään neuroverkkomalli viskositeetin ennustamiseksi.

Nokian Tyres Plc’s rubber mixing production is growing heavily. When the amount of rubber mixing increases, quality control capacity should also increase or alternatively testing times or amount of the test samples should decrease. The changing of the sampling point has been considered in order to get more representative samples. If the samples were taken earlier, the samples could be tested sooner and sent for further processing. Theory part deals with rubber mixing, mixing equipment, process control, process measurements and process alarms. It deals also with quality control factors, quality control measurements and processing and vulcanisation tests. In the practical part it is examined what the best sampling point would be. It is also considered what the effects of the changing the vulcanisation testing procedure are, and how the marking of test samples and sampling points should be done. Also a neural network model is made for predicting viscosity value.