Vianilmaisinjärjestelmän kehittäminen ja vikojen poiston tehostaminen LWC -konelinjalla

Abstract

Vianilmaisimia käytetään paperiteollisuudessa havaitsemaan paperin vikoja. Niitä on käytetty jo vuosikymmenten ajan, mutta niiden heikkoutena on ollut niiden heikko kyky ilmaista sekä luokitella vikoja. Vianilmaisinjärjestelmät ovat kuitenkin kehittyneet vuosien saatossa niin tekniikan kuin myös paperintekijöiden ja käyttäjien jatkuvien vaatimusten kasvaessa. Marraskuussa 2015 Kaipolan PK6:n vianilmaisin- ja katkokamerajärjestelmä uusittiin sekä välirullaimelle asennettiin vikaan pysäytysautomatiikka. Uuden järjestelmän ansiosta paperin vikoja oli mahdollista havaita entistä paremmin. Sain toimeksiantajalta tehtäväkseni kehittää uuden vianilmaisinjärjestelmän vikojen luokittelun oikeellisuutta sekä paperin vikojen poistomenetelmien ja ohjeistuksien päivittämisen välirullaimelle. Vikojen luokittelun kehittämiseksi oli ensin tutkittava millaiset paperin viat luokitellaan väärin ja kerättävä niistä riittävästi dataa neuroverkkoon. Vika datan keräämisen jälkeen oli mahdollista tehdä muutoksia vianilmaisinjärjestelmän luokittelijaan. Luokittelija koos-tuu neuroverkosta ja päättelyketjusta. Tutkimuksissa havaittiin useita vikatyyppejä, joiden luokittelussa on parannettavaa. Kerätyn vikadatan perusteella luokittelijan neuroverkkoon sekä päättelyketjuun tehtiin muutoksia, joiden ansioista paperin vikojen luokittelun oikeellisuutta saatiin parannettua. Luokittelijaan tehtyjen muutoksien jälkeen väärin luokitellut viat luokiteltiin uudelleen ja tulosta verrattiin aikaisempaan. Välirullaimelle päivitettiin ja luotiin uusia ohjeistuksia, joissa määritellään kriteerejä vikojen poistamiselle, ohjeistetaan vikojen poistomenetelmiä, laadunhallintaa sekä raportointia. Vikojen luokittelun kehittäminen on jatkuvan kehityksen prosessi, jota voidaan jatkuvasti parantaa.

Detection is used in paper manufacturing to detect defects in paper web. The detection systems have been used for decades, however, their weakness has been low indication performance and weak ability to classify defects. Web inspection systems have improved with time due to development in technology and the increasing quality requirements of paper manufacturers and users. In November 2015 the web inspection and web monitoring system at Kaipola PM6 was replaced by a new one and an automatic stop for defects was added to re-reeler. Due to the new system it was possible to detect faults in the paper web better than before. The goal of the thesis was to develop the classifications validity of the web inspection system and update fault eliminating methods and other instructions to the re-reeler. To develop the classification, the misclassified defects had to be inspected and enough samples collected to a neural network. After collecting the defect samples, it was possible to start making changes to the classification. The classifier consisted of a neural net-work and a tree-like classifier. The studies showed that several types of defects were misclassified. Based on the collected samples, the neural network and classifier tree of the classifier were edited, and the results showed that the validity of the classification had improved. After making the changes in the classifier, the misclassified defects were reclassified using the new classifier, and the result was compared with the previous one. The instructions of the re-reeler were updated and guidelines were created. The instructions defines the benchmarks of the methods eliminating defects and direct how to control quality and report at the re-reeler. The development of defect classification is a continuous process, which can be continuously improved.