De dynamische aard van de industrie en vertraagde rol-na-rol kwaliteitsmetingen behoren tot de grootste uitdagingen voor pulp- en papierfabrieken. In moderne papierfabriek vertrouwen operators op hun gedistribueerde besturingssysteem (DCS) en een veelvoud aan geïnstalleerde sensoren, om het proces nauw in de gaten te houden en te besturen. Maar een dergelijk systeem verzamelt overweldigend veel data. Een doorsnee fabriek kan een datahistorie van 10.000 tags bijhouden, die onderling gekoppeld kunnen zijn via zeer complexe, multidimensionale variabele relaties. Het is bijna onmogelijk om deze gegevens te analyseren met standaardtechnieken en -tools, en dat maakt het optimaliseren van processen buitengewoon moeilijk.
Maar we zien binnen digitalisering echte oplossingen voor deze uitdagingen verschijnen. Volgens McKinsey & Company kan digitalisering de kostenbasis van een papierproducent mogelijk met 15 procent verlagen. Die besparing is volgens het adviesbureau voor 7,5 procent toe te wijzen aan kunstmatige intelligentie (AI) en analyse.
Gezien deze schattingen is de integratie van AI in de pulp- en papierfabrieken een van de hoogste prioriteiten binnen de sector. Producenten wil zich op die manier blijven verbeteren, en daarmee hun concurrenten voorblijven. Papierfabrieken kunnen voorspellende analyse inzetten om de kwaliteitsdoelen van hun producten te behalen; om hun verbruik van grondstoffen en chemicaliën te optimaliseren; en om hun algehele procesefficiëntie te verhogen. Door AI te koppelen aan de besturingsapparatuur of het DCS wordt de analyse naar een hoger niveau getild, en wordt er nog meer waarde gecreeërd.
Deze blog onderzoekt de voordelen van AI en autonome chemiebesturing en laat zien wat er mogelijk is met AI-systemen die nu op de markt zijn, zoals Solenis' eigen OPTIX™ Toegepaste Intelligentie-platform.
De digitalisering van papierproductie
AI werd niet van de een op de andere dag een serieuze tool binnen de papiersector. In feite vertegenwoordigt kunstmatige intelligentie slechts een fase van een geleidelijke evolutie die al vele jaren plaatsvindt. Aan het begin van deze evolutie, tientallen jaren geleden, vertrouwden papierfabrieken op handmatige systemen voor kwaliteitscontrole. Het testen van monsters in een laboratorium kon 45 minuten tot 2 uur in beslag nemen. Uit de testresultaten leidde men af of processen bijgestuurd moesten worden. Procesoperators voerden deze aanpassingen handmatig uit en startten de productie vervolgens weer op.
Daarop volgde het tijdperk van automatisering. Pulp- en papierfabrieken installeerden sensoren en monitoringssystemen om data te verzamelen over kritieke kwaliteitskenmerken, zoals Short Span Compression Strength of Linerboard (STFI), berststerkte (Mullen), treksterkte en scheurvastheid bij natheid (wet tear). Meestal werd slechts een klein aantal belangrijke apparaten op die manier gemonitord. Technici stelden drempelwaarden in, en ontvingen een waarschuwing wanneer de drempel van een belangrijke indicator – zoals temperatuur of trilling – werd overschreden. Daar reageerden ze vervolgens op door de juiste aanpassingen te maken aan de machines.
Deze geautomatiseerde systemen gaven operators meer controle over de variabelen van het productieproces, en wel op een snellere manier met minder uitvaltijd – maar veel data van de ingebouwde sensoren ging verloren of was niet volledig bruikbaar. En het gros van deze systemen kende niet de mogelijkheid om geautomatiseerde reacties in te programmeren. Realtime voorspelling zal de volgende stap in digitalisering zijn Direct verwerkte kwaliteitsmetingen kunnen een aanzienlijke vooruitgang opleveren voor de activiteiten en besluitvormingsprocessen van papierfabrieken. Er bestaan echter geen fysieke sensoren die deze kwaliteitscriteria zelfstanding en realtime kunnen beoordelen. De enige manier om realtime inzichten te verkrijgen, is door middel van wiskundige voorspellingen die worden gegenereerd met behulp van AI en machine learning.
Nu gaan we bekijken hoe AI en geavanceerde data-analyse voor een revolutie kunnen zorgen binnen pulp- en papierfabrieken zoals we die vandaag de dag kennen.
De voordelen van AI
AI en machine learning zijn belangrijke concepten binnen de digitale transformatie en kernelementen van Industry 4.0- en Smart Factory-initiatieven. Bedrijfsleiders zagen al snel het belang van deze technologieën in, vanwege de potentiële impact op kostenbesparing en omzet. Laten we eens kijken naar enkele voordelen van AI binnen een doorsnee omgeving voor papierproductie.
Geoptimaliseerde chemische dosering. Het algoritmische brein van de AI berekent de juiste chemie op het juiste moment. Door de integratie van machine learning kan het systeem de doseringen van chemisch en pulpmateriaal optimaliseren en zo aan cruciale kwaliteitscriteria blijven voldoen, zelfs op het moment dat er aanpassingen aan het proces worden uitgevoerd. Operators van papierfabrieken hoeven niet langer reactief bij te sturen na vertraagde kwaliteitstests, en het management is gerustgesteld, wetende dat het AI-platform de juiste hoeveelheid functionele chemicaliën of pulpmateriaal toedient aan het proces.
Zie bijvoorbeeld een fabriek die onlangs OPTIX™ Toegepaste Intelligentie, het AI-platform van Solenis, implementeerde. Het bedrijf bereikte binnen zes maanden een vermindering van 25 procent aan natsterktechemicaliën (afbeelding 1). Een andere fabriek gebruikte OPTIX om hun dosis natsterktechemicaliën met gemiddeld 18 procent te verminderen binnen de zware gewichtsklassen (afbeelding 2).
Afbeelding 1. Histogram van chemische dosering voor natsterkte, vergelijking tussen handmatige bedieningsmodus en AI-gestuurde autonome regeling.
Afbeelding 2. Percentuele verandering in de dosering van natsterktehars als functie van de papierdikte.
Volledig autonome chemiebesturing. Een hoogwaardig AI-systeem kan binnen het productieproces zelfstandig de functionele chemicaliën en het pulpmateriaal optimaliseren. Vaak implementeren fabrieken AI met als voornaamste doel om functionele chemie aan te sturen, en gaan ze vervolgens over op toepassingen met meer toegevoegde waarde.
Een aanvulling op menselijke sturing AI is een nuttig hulpmiddel voor operators, ongeacht hun ervaring. Door belangrijke inputparameters van het proces te automatiseren kunnen operators zich concentreren op de algehele kwaliteits- en productiedoelstellingen van de fabriek. En, omdat handmatige metingen onderhevig zijn aan menselijke imperfectie, leidt het gebruik van manuele, periodieke labmetingen – die worden uitgevoerd om beslissingen te nemen over machine-instellingen – tot ongewenste variabiliteit in het papiermaakproces. Voorspellende analyses helpen bij het wegnemen van deze, tijdens kwaliteitstesten geïntroduceerde, variabiliteit.
Focus op kwaliteit. Door de algoritmes op de klant aan te passen, wordt een autonome, door AI gestuurde regeling mogelijk. Zo streeft AI zelfstandig naar kwaliteit. Binnen een ander praktijkvoorbeeld hebben de autonome sturingsalgoritmen van OPTIX de chemische dosering voor de natsterkte verhoogd of verlaagd om ervoor te zorgen dat de kwaliteitsparameter 'natte treksterkte' zijn streefwaarde aanhield. Deze totaal nieuwe, op AI gebaseerde autonome regeling optimaliseerde de natte treksterkte door de variabiliteit met 23 procent te verminderen en de doelnaleving met 63 procent te verhogen, terwijl productie van afwijkende kwaliteit werd voorkomen (afbeelding 3).
Afbeelding 3. Histogramvergelijking van natte treksterkte voor en na de implementatie van AI-gestuurde, autonome regeling.
AI maakt oplossingen voor duurzaamheid mogelijk. Door menselijke en kunstmatige intelligentie te combineren, kunnen fabrieken de zwaarste uitdagingen op het gebied van duurzaamheid aan. Autonome sturing geeft fabrieksoperators de mogelijkheid om consistent hun duurzaamheidsdoelen te bereiken en tegelijkertijd hun productie-inputs te optimaliseren. Binnen de toepassing van vezels kan dat bijvoorbeeld betekenen dat de AI beslissingen mag nemen over het pulpmengsel, om op die manier de meest economische en duurzame vezelblends te creeëren, terwijl daarbij gerecycled papier of papier van lage kwaliteit wordt gebruikt.
De kracht van voorspellende analyse
Papiermakers hebben de afgelopen twee decennia een verbazingwekkende veerkracht getoond, en hun markt breidde zich uit, ondanks de groei van digitale media, de toenemende zorgen over het milieu en toenemende regelgeving vanuit overheden. Volgens sommige bronnen zal de Amerikaanse papierindustrie groeien van 63 miljard dollar in 2019 naar 79 miljard dollar in 2024.
Om aan deze groei tegemoet te komen zullen producenten nieuwe technologieën moeten toepassen, waaronder Industry 4.0-technologieën. Voorspellende analyses en machine learning (AI) worden essentiële tools binnen de ontwikkeling van de papiersector. Fabrieken die gebruik maken van AI-gestuurde autonome besturing, zoals OPTIX™ Toegepaste Intelligentie van Solenis, kunnen de dosering van functionele chemicaliën met succes optimaliseren, en hun productkwaliteit verbeteren zonder processen te verstoren.