Kuituvyyhtien tunnistaminen sellumassasta neuroverkkosovelluksella
Ek, Sari (2019)
2019
All rights reserved. This publication is copyrighted. You may download, display and print it for Your own personal use. Commercial use is prohibited.
Julkaisun pysyvä osoite on
https://urn.fi/URN:NBN:fi:amk-2024052214369
https://urn.fi/URN:NBN:fi:amk-2024052214369
Tiivistelmä
Opinnäytetyö tehtiin Valmet Automation Oy:lle ja aiheena oli opettaa neuroverkkosovellus tunnistamaan kuituvyyhtejä sellumassasta. Opetettu neuroverkkosovellus oli tarkoitus siirtää BillerudKorsnäsin Finland Oy Pietarsaaren tehtaalle Valmet MAP Q -analysaattorille mittaamaan kuituvyyhtejä prosessista.
Neuroverkko opetettiin Valmetin Teach Tool -sovelluksella. Opettamiseen käytettiin Pietarsaaren tehtaalla sellunäytteistä tallennettuja filmejä. Opetuksessa opetettiin neuroverkolle, mitkä objektit olivat kuituvyyhtejä ja mitkä eivät. Opetuksia testattiin erillisellä testifilmillä, jossa oli monipuolisesti kuituvyyhtejä ja muita objekteja kuten kuituja ja hienoainesta. Kun opetus toimi riittävän hyvin testifilmillä, se vietiin Pietarsaaren MAP Q -analysaattorille analysoimaan prosessinäytteitä. Ajanjaksolla 8.2. - 20.3.2019 seurattiin kuituvyyhtimäärän vaihtelua ja miten se korreloi muiden sellun jauhatukseen liittyvien parametrien kanssa.
Neuroverkko-opetus katsottiin onnistuneeksi, koska neuroverkon tulokset noudattivat samaa profiilia kuin analyysifilmeiltä manuaalisesti lasketut kuituvyyhdit. Lisäksi kuituvyyhtien määrät seurasivat johdonmukaisesti prosessissa tapahtuvia muutoksia, kuten lajinvaihtoja. Kuitujen fibrillaatiolla ja Schopper-Riegler -luvulla näytti olevan korrelaatiota kuituvyyhtien kanssa. This thesis was done for Valmet Automation Ltd. The aim was to teach neural network to recognize fiber spins in pulp. After the teaching the neural network is supposed to work in BillerudKorsnäs Finland Ltd Pietarsaari mill.
Teaching of neural network was done with Valmet Teach Tool application. Saved films from pulp analysis at Pietarsaari mill done by Valmet MAP Q analyzer were used to teach which objects are fiber spins and which not. A separate film was used to test teaching results. When the teaching results were satisfactory the neural network application was transferred to Valmet MAP Q analyzer at the mill. Fiber spin results from process samples were followed to see if the results were following the changes in the process. The results were also compared with other features such as fibrillation and Schopper-Riegler number measured from pulp.
Teaching was considered successful. Neural network fiber spin results profile from sampling points looked the same as manually counted results from the same points. The fiber spin results from the process samples were following the changes in the process. Fiber spin results seemed to have a correlation with fibrillation and Schopper-Riegler number results.
Neuroverkko opetettiin Valmetin Teach Tool -sovelluksella. Opettamiseen käytettiin Pietarsaaren tehtaalla sellunäytteistä tallennettuja filmejä. Opetuksessa opetettiin neuroverkolle, mitkä objektit olivat kuituvyyhtejä ja mitkä eivät. Opetuksia testattiin erillisellä testifilmillä, jossa oli monipuolisesti kuituvyyhtejä ja muita objekteja kuten kuituja ja hienoainesta. Kun opetus toimi riittävän hyvin testifilmillä, se vietiin Pietarsaaren MAP Q -analysaattorille analysoimaan prosessinäytteitä. Ajanjaksolla 8.2. - 20.3.2019 seurattiin kuituvyyhtimäärän vaihtelua ja miten se korreloi muiden sellun jauhatukseen liittyvien parametrien kanssa.
Neuroverkko-opetus katsottiin onnistuneeksi, koska neuroverkon tulokset noudattivat samaa profiilia kuin analyysifilmeiltä manuaalisesti lasketut kuituvyyhdit. Lisäksi kuituvyyhtien määrät seurasivat johdonmukaisesti prosessissa tapahtuvia muutoksia, kuten lajinvaihtoja. Kuitujen fibrillaatiolla ja Schopper-Riegler -luvulla näytti olevan korrelaatiota kuituvyyhtien kanssa.
Teaching of neural network was done with Valmet Teach Tool application. Saved films from pulp analysis at Pietarsaari mill done by Valmet MAP Q analyzer were used to teach which objects are fiber spins and which not. A separate film was used to test teaching results. When the teaching results were satisfactory the neural network application was transferred to Valmet MAP Q analyzer at the mill. Fiber spin results from process samples were followed to see if the results were following the changes in the process. The results were also compared with other features such as fibrillation and Schopper-Riegler number measured from pulp.
Teaching was considered successful. Neural network fiber spin results profile from sampling points looked the same as manually counted results from the same points. The fiber spin results from the process samples were following the changes in the process. Fiber spin results seemed to have a correlation with fibrillation and Schopper-Riegler number results.