Der dynamische Wandel in der Papierherstellung und die verzögerten Qualitätsmessungen von Rolle zu Rolle stellen die Betreiber von Zellstoff- und Papierfabriken vor eine ihrer größten Herausforderungen. In modernen Papierfabriken verlassen sich die Bediener auf ihr dezentrales Steuerungssystem (DCS) und eine Vielzahl installierter Sensoren, um ihren Prozess genau zu überwachen und zu steuern. Die Menge der von diesem System gesammelten Daten ist jedoch immens. Eine typische Papierfabrik kann bis zu 10.000 datenhistorische Tags haben, die durch hochkomplexe, multidimensionale Variablenbeziehungen miteinander verbunden werden können. Es ist nahezu unmöglich, diese Daten mithilfe typischer Techniken und Tools zu analysieren, was die Prozessoptimierung außerordentlich schwierig macht.
Die Digitalisierungstechnologien erweisen sich jedoch als echte Lösungen für diese Herausforderungen. Laut McKinsey & Company kann die Digitalisierung die Kostenbasis eines Papierherstellers potenziell um 15 Prozent senken. Das Beratungsunternehmen schätzt, dass 7,5 Prozent davon auf künstliche Intelligenz (KI) und Analytik zurückzuführen sind.
Angesichts dieser Schätzungen ist die Integration von KI in die Zellstoff- und Papierfabriken eine der höchsten Prioritäten der Branche, um kontinuierliche Verbesserungen voranzutreiben und Wettbewerbsvorteile zu erhalten. Durch den Einsatz prädiktiver Analysen können Papierfabriken die angestrebte Produktqualität erreichen, den Verbrauch von Rohstoffen und Chemikalien optimieren und die Prozesseffizienz insgesamt steigern. Ein zusätzlicher Mehrwert lässt sich durch die Verschmelzung von KI und Steuerungslösungen oder DCS erzielen.
Dieser Blog befasst sich mit den Vorteilen von KI und autonomer Chemiesteuerung und zeigt auf, was mit den derzeit auf dem Markt befindlichen KI-Systemen, wie der OPTIX™ Applied Intelligence-Plattform von Solenis, möglich ist.
Die Digitalisierung der Papierherstellung
Das Aufkommen von KI als ernstzunehmendes Werkzeug für die Papierherstellung ist kein plötzliches Phänomen. Vielmehr handelt es sich um eine Phase einer schrittweisen Entwicklung, die sich bereits seit vielen Jahren vollzieht. Am Anfang dieser Entwicklung stand vor Jahrzehnten eine Papierfabrik, die sich auf manuelle Systeme zur Qualitätskontrolle verließ. Die Labortests der Proben, die manchmal 45 Minuten bis 2 Stunden dauerten, lieferten Ergebnisse, die anzeigten, ob Prozessanpassungen erforderlich waren. Die Bediener nahmen diese Anpassungen manuell vor und nahmen dann die Produktion wieder auf.
Als nächstes begann die Ära der Automatisierung, und die Zellstoff- und Papierfabriken installierten Sensoren und Überwachungssysteme, um Daten zu kritischen Qualitätsparametern wie der Streifenstauchwiderstand von Linerboard (STFI), Berstfestigkeit (Mullen), Zugfestigkeit und Nassreißfestigkeit zu erfassen. Meistens war diese Überwachung nur einer kleinen Anzahl von Maschinenanlagen mit hoher Priorität vorbehalten. Die Techniker legten Kontrollschwellenwerte fest, und wenn ein Schlüsselindikator, z. B. Temperatur oder Vibration, einen der festgelegten Schwellenwerte überschritt, erhielten sie eine Warnmeldung. Daraufhin nahmen sie die entsprechenden Einstellungen an der Maschine vor.
Diese automatisierten Systeme verbesserten die Kontrolle über die Variablen im Fertigungsprozess und ermöglichten dies schneller und mit weniger Ausfallzeiten. Allerdings gingen viele der Daten von den eingebetteten Sensoren verloren oder waren nicht vollständig nutzbar. Und die meisten Systeme waren nicht in der Lage, automatisch weitere Maßnahmen auszulösen. Die nächste Generation der Digitalisierung wird die Echtzeitprognose sein. Echtzeitmessungen der Endqualität können den Betrieb der Papierfabrik und die Entscheidungsfindung erheblich verbessern. Für diese Qualitätsparameter gibt es jedoch keine physikalischen Echtzeitsensoren. Die einzige Möglichkeit, Erkenntnisse in Echtzeit zu gewinnen, sind mathematische Vorhersagen, die mithilfe von KI und maschinellem Lernen erstellt werden.
Als nächstes werden wir uns ansehen, wie KI und fortschrittliche Datenanalysen die Zellstoff- und Papierfabrik, wie wir sie heute kennen, revolutionieren können.
Vorteile von KI
KI und maschinelles Lernen sind Schlüsselkonzepte der digitalen Transformation und grundlegende Elemente von Initiativen aus Industrie 4.0 und Smart Factory, deren potenzielle Auswirkungen auf Umsatz und Kosteneinsparungen von den Führungskräften der Unternehmen schnell erkannt werden. Betrachten wir nun einige der wichtigsten Vorteile von KI in einer typischen Papierherstellungsumgebung:
Optimierte Dosierung von Chemikalien. Die Algorithmen, die das Herzstück der KI bilden, berechnen die richtige Chemie zur richtigen Zeit. Die Integration von maschinellem Lernen ermöglicht es dem System, die zur Aufrechterhaltung der wichtigsten Qualitätsparameter erforderliche Chemie oder Dosierung zu optimieren, selbst bei Prozessänderungen. Die Betreiber von Papierfabriken müssen keine reaktiven Anpassungen an verzögerte Qualitätstests vornehmen, und das Management kann sich darauf verlassen, dass die KI-Plattform die richtige Menge an funktioneller Chemie oder Rohstoffen für den Prozess bereitstellt.
In einem Werk, das kürzlich OPTIX™ Applied Intelligence, die KI-Plattform von Solenis, implementiert hatte, verzeichnete man beispielsweise nach 6 Monaten eine Reduzierung der Chemie für die Nassfestigkeit um 25 Prozent (Abbildung 1). Eine zweite Papierfabrik, in der OPTIX eingesetzt wurde, konnte die Dosierung der Nassfestigkeitschemie bei den schweren Sorten um durchschnittlich 18 Prozent reduzieren (Abbildung 2).
Abbildung 1. Histogramm zum Vergleich der Nassfestigkeitsdosierung im manuellen Bedienermodus mit der KI-gesteuerten autonomen Steuerung.
Abbildung 2. Prozentuale Veränderung der Nassfestigkeitsleimdosierung in Abhängigkeit von der Körnung.
Vollständig autonome Chemiekontrolle. Ein hochfunktionales KI-System kann selbstständig funktionale Chemikalien oder die Ausstattung im Herstellungsprozess optimieren. In vielen Fällen installieren Fabriken KI mit dem primären Ziel, funktionale chemische Prozesse zu kontrollieren, und gehen dann zu Anwendungen mit höherem Mehrwert über.
Ergänzung der Bedienereingaben. KI ist ein nützliches Tool für Bediener, unabhängig von ihrer Erfahrung. Durch die Automatisierung wichtiger Prozesseingaben können sich die Bediener auf die primären Qualitäts- und Produktionsziele der Papierfabrik konzentrieren. Darüber hinaus führt die Verwendung einer periodischen Labormessung in Verbindung mit menschlichen Fehlern bei Entscheidungen zur Maschinensteuerung zu unerwünschten Schwankungen im Papierherstellungsprozess. Die prädiktive Analytik hilft bei der Beseitigung von Schwankungen, die bei der Qualitätsprüfung auftreten.
Fokus auf Qualität. Maßgeschneiderte Algorithmen ermöglichen eine KI-basierte autonome Steuerung, um die Qualität zielgerichtet zu steuern. In einem anderen praktischen Beispiel passten die autonomen Steuerungsalgorithmen von OPTIX die Dosierung der Nassfestigkeitschemie nach oben oder unten an, um die Einhaltung der Zielvorgaben für den Qualitätsparameter Nasszugfestigkeit sicherzustellen. Diese beispiellose, KI-gesteuerte autonome Steuerung optimierte die Qualität der Nasszugfestigkeit, indem sie die Schwankungen um 23 Prozent reduzierte und die Einhaltung der Zielvorgaben um 63 Prozent steigerte, während gleichzeitig die Entstehung von Qualitätsmängeln vermieden wurde (Abbildung 3).
Abbildung 3. Histogrammvergleich der Qualität der Nasszugfestigkeit vor und nach der Implementierung der autonomen KI-Steuerung.
KI-gestützte Lösungen für Nachhaltigkeit. Die Verbindung von menschlicher und künstlicher Intelligenz ermöglicht es Papierfabriken, auch die schwierigsten Nachhaltigkeitsherausforderungen zu meistern. Insbesondere bietet die autonome Steuerung Betreibern von Papierfabriken die Möglichkeit, Nachhaltigkeitsziele konsequent zu erreichen und gleichzeitig den Produktionseinsatz zu optimieren. Im Falle der Fasernutzung beispielsweise ermöglicht die KI, Entscheidungen über die Faserstoffmischung zu treffen, um die wirtschaftlichste und nachhaltigste Fasermischung unter Einbeziehung von Recyclingpapier oder minderwertigem Papier auszuwählen.
Die Leistungsfähigkeit von Predictive Analytics
Die Papierhersteller haben in den letzten zwei Jahrzehnten eine erstaunliche Widerstandsfähigkeit bewiesen, und der Markt ist trotz des Wachstums der digitalen Medien, zunehmender Umweltbedenken und verschärfter staatlicher Vorschriften gewachsen. Einigen Quellen zufolge wird die Papierindustrie in den Vereinigten Staaten von 63 Milliarden Dollar im Jahr 2019 auf 79 Milliarden Dollar im Jahr 2024 wachsen.
Um dieses Wachstum zu bewältigen, müssen die Hersteller neue Technologien, einschließlich der Industrie-4.0-Technologien, einsetzen. Prädiktive Analytik und maschinelles Lernen werden bei der weiteren Entwicklung der Papierhersteller unverzichtbare Werkzeuge sein. Paperfabriken, die eine KI-gestützte autonome Steuerung wie OPTIX™ Applied Intelligence von Solenis einsetzen, können die Dosierung der Funktionschemie erfolgreich optimieren und die Produktqualität verbessern, ohne ihren Betrieb zu unterbrechen.