Kaustistamon ylemmän tason säädöt ja tehdasvertailu

Abstract

Työn tavoitteena on ollut parantaa Metsä-Botnian Kaskisten tehtaan kaustistamon ohjattavuutta tekemällä ylemmän tason ohjaukset kaustisoinnin tärkeimmille säädöille. Työn kirjallisuusosassa tarkastellaan benchmarkingarviointia, sen eri tyyppejä ja benchmarkingprosessin vaiheita. Osiossa esitellään myös ns. soft computing ryhmään kuuluvista menetelmistä sumeat järjestelmät, neuroverkot ja geneettiset algoritmit sekä niiden sovellus kohteita. Tässä osiossa esitellään myös kaustisointiprosessin teoriaa.

Kokeellisen osan alussa esitellään Botnian kaustistamoiden vertailun tulokset ja niistä tehdyt johtopäätökset. Kaustisoinnin prosessimuuttujien välisiä vuorovaikutussuhteita tutkittiin neurolaskentaa ja lineaarista prosessimallia käyttäen. Mallintamiskokeet vahvistivat, että kaustisointiprosessi on epälineaarinen ja erittäin vaikeasti mallinnettavissa. Vaikka prosessimalli korreloi erittäin hyvin jollakin datajoukolla, käytettäessä eri ajanjaksolta olevaa datajoukkoa korrelaatio katoaa. Neuroverkkomalli ja lineaarinen prosessimalli osoittautuivat vertailussa tarkkuudeltaan samanarvoisiksi.

Kaustisiteetin säätö toteutettiin sumeaan logiikkaan perustuvalla säätimellä, joka toimii ylätason säätimenä ja ohjaa sammuttimen lämpötilaerosäädön asetusarvoa. Myös viherlipeän TTA:n ja lämpötilan vakioimiseksi tehtiin ylätason säädöt. Kaustisiteetin ylemmän tason säädön tasaista käynnistystä helpottamaan tehtiin ohjelmarutiini.

Virityksen jälkeen säädöt tasoittivat kaustisiteetin ja valkolipeän tehollisen alkalin vaihtelua. Soodakattilan liuottajan viherlipeän tiheyden säädön parantamisen tutkimista sekä meesauunin säätöjen kehittämistä esitetään jatkotutkimuksen kohteeksi.