Hiomon AI-järjestelmän toimivuuden arviointi

Abstract

Työn tavoitteena oli uudentyyppisen hiontaprosessin ohjausjärjestelmän kehittäminen ja testaaminen UPM-Kymmene Kaukaan hiomossa. Uuden ohjausjärjestelmän perusajatuksena oli pitää yksittäistä hiomakiveä jatkuvasti optimaalisessa toimintapisteessä, ja hiomon kaikilla koneilla pyrittiin samaan kivenalusmassan laatuun. Uutta ohjaustapaa kutsuttiin Optimum operating point -strategiaksi (OOPS). Hiomakiven pitäminen optimaalisessa toimintapisteessä tapahtui pääosin vesiteräyskäsittelyllä, jonka intensiteettiä ohjasi asiantuntijajärjestelmä (AI-järjestelmä). Lisäksi testattiin ohjelmoidun anturan nopeussäädön vaikutusta hiomakoneen resurssien käyttöön. AI-järjestelmä päätteli vesiteräyskäsittelyn tarpeellisuuden CSF-mallin ja hiomakoneen resurssien perusteella. Seurannasta saatujen tulosten perusteella AI-järjestelmän käyttöönotto vesiteräyskäsittelyssä paransi tuotannon ja massan laadun tasaisuutta. Hiomakoneiden resurssien havaittiin pienenevän puunsyöttölinjan mukaisesti. Paksummat pöllit kerääntyvät linjan päähän, jolloin varsinkin hydrauliikkapaineiden tarve lisääntyy linjan päässä olevilla hiomakoneilla. Hiomakoneen resurssit saatiin paremmin käyttöön kuormittamalla konetta ohjelmoidulla anturan nopeussäädöllä (ONS) kuin vakioidulla anturan nopeussäädöllä (VNS). Kuitenkin hydraulipaineresurssien puutteellisuus rajoitti koeajon aikana ONS:n toimintaa. Resursseja ei optimoitu koeajon aikana, koska kiven pinnan haluttiin pysyvän mahdollisimman stabiilina. Kivelle ei suoritettu mekaanista käsittelyä, vaikka kivenpinnan massan kuljetuskapasiteetin havaittiin olevan huono. AI-järjestelmä otettiin ohjaamaan vesiteräyskäsittelyä vasta ONS - VNS -koeajon jälkeen. Mekaanisen rullateräyksen jälkeen massan ominaisuudet muuttuivat, koska kiven pinnan terävät särmät katkoivat kuituja alentaen massan sitoutumiskykyä. Heti rullakäsittelyn jälkeen mitattu CSF saattoi jopa alentua huomattavasti, mutta AI-järjestelmän laskema CSF nousi selvästi indikoiden energian ominaiskulutuksen (EOK) laskua. Muutaman päivän hionnan jälkeen mitattu ja laskettu CSF saavuttivat saman tason.

The aim of this study was to develop and test a new kind of Artificial Intelligence (AI) system in the groundwood mill of UPM-Kymmene Kaukas. The main idea of this control system was to keep all the grinders continuously at an optimum operating point, and to produce homogeneous pit pulp. The new control system was called Optimum Operating Point Strategy (OOPS). The grinder stone was kept at the optimum operating point mainly by controlling the sharpness of the stone with ultrahigh pressure water, the intensity of which was controlled by the AI system. Furthermore, the effect of programmed speed control on the utilization of grinder resources was tested. The AI system figured out the need for waterjet conditioning on the basis of the CSF model and resources of the grinder. The study showed that the use of the AI system in the waterjet conditioning kept the production rate of the grinder stable, and the quality of the pulp constant. It was noticed that the resources of the grinders decreased in the end of the log feeding system, where thicker logs were gathered. Especially the need for hydraulic pressure was increased for those grinders. The resources of the grinder could be utilized better when programmed shoe speed (PSS) was used instead of constant shoe speed (CSS) as a control mode. Insufficient hydraulic pressure resources limited, however, the operation of PSS mode during the trial. The resources were not optimized during the trial, because the surface of the stone was wanted to be kept as stable as possible. The surface was not treated mechanically, although the transportation capacity was poor. The AI system was taken into use in waterjet conditioning after the PPS - CSS trial. The study showed, however, that when PPS was used, resources should be adequate to get desired quality of pulp. After burr sharpening of the grinder stone, the quality of pulp changed. Measured CSF might even decrease, but when calculated CSF by the AI system increased and indicated the decrease of specific energy consumption (SEC). After a few days from burr sharpening both measured and calculated CSF reached the same level.