新闻快报:
索理思销售条款和条件已更新
关闭 686C6711-FB74-47F4-AFEE-14D0F9C09B39

人工智能驱动的自动化学控制系统的优点

造纸厂在调整预测增长的同时要确保盈利水平,为此,他们需要采用人工智能技术。 本博客探讨了人工智能和机器学习的关键优势。

作者: Beth Ann Zarko | 2021年10月19日 | 阅读时间: 1 分钟

由于造纸厂持续发生动态变化,卷纸间质量测量的延迟使制浆和造纸厂的操作人员面临重大挑战。 在现代工厂中,操作人员主要依靠分布式控制系统 (DCS) 和所安装的大量传感器密切监控工艺过程。 但是,该系统收集的海量数据多到令人震惊。 一个普通工厂可具有多达 10,000 个数据历史标记,这些标记可以通过高度复杂的多维变量关系相关联。 几乎不可能试图使用传统的技术和工具来分析这些数据,这使得流程优化也异常困难。

然而,数字化技术应运而生,逐渐成为应对这些挑战的真正解决方案。 根据麦肯锡公司的数据,应用数字化技术有可能将造纸商的基础成本降低 15%。 该咨询公司估计,其中 7.5% 得益于人工智能和分析技术。

鉴于这些估计,制浆和造纸厂引入人工智能技术将成为行业内推动持续改进和保持竞争优势的最优先事项之一。 具体而言,使用预测分析可推动造纸厂实现产品质量目标、优化原材料和化学消耗量,并提高整体流程效率。 通过引入人工智能和控制设备或 DCS 可有望实现附加增值。

本博客探讨了人工智能和自动化学控制系统的优点,并介绍了目前市面上的人工智能系统所拥有的潜在优势,如索理思自主打造的 OPTIX™ 应用智能平台。

造纸业数字化

人工智能现已成为造纸业的关键工具,但这并非一蹴而就。 事实上,它所展示的这个阶段已经过多年的逐步演变。 这种演变最初发生在几十年前,出现在一家依赖手动系统进行质量控制的造纸厂。 他们对样品进行实验室测试时,有时需要 45 分钟至 2 个小时不等,得出的结果可表明是否需要调整工艺。 如有需要,操作人员会手动进行调整,然后再恢复生产。

后来进入自动化时代,制浆和造纸厂均安装了传感器和监控系统,以收集关键质量参数的数据,如衬板的短跨度抗压强度 (STFI) 、缪纶 (Mullen)、张力和湿撕裂力等。 通常,这种监控系统仅用于少数重要的机器资产。 技术人员设定控制阈值后,如果温度或振动等关键指标超出某个既定阈值,则他们会收到警报。 然后,他们会对机器进行适当调整以做出响应。

这些自动化系统有利于改进操作人员对制造流程中变量的控制,还能在缩短停机时间的同时提高速度,但是,嵌入式传感器中的许多数据往往会丢失或无法得到充分利用。 此外,大部分系统也无法自动触发下一步操作。 数字化发展的下一阶段是实时预测。 实时测量成品质量可显著改善造纸厂的运营效率和决策水平。 然而,实时物理传感器无法生成这些质量参数。 实现实时洞察的唯一方法是便是使用人工智能和机器学习生成的数学预测数据。

接下来,我们将回顾人工智能和高级数据分析技术如何实现制浆和造纸厂的变革,使之成为我们如今所熟知的样貌。

人工智能的优点

人工智能和机器学习是数字化转型运动的关键概念,也是构成工业 4.0 和“智能工厂”计划的基本要素,企业高管很快便意识到这些概念对收入和成本节约的潜在影响。 让我们来了解人工智能在常见的造纸环境中具备的关键优势:

优化化学剂量。 人工智能核心算法可在适当的时间内计算出正确的化学剂量。 引入机器学习功能可使系统优化化学流程或按需提供剂量,因此,即便工艺有所变化,也可保持关键质量参数无误。 工厂操作人员不再需要被动地去调整延迟的质量测试,而且人工智能平台在该流程中能够提供准确的功能性化学品量或配料量,管理人员亦可安枕无忧。

例如,有一家工厂此前应用了 OPTIX™ 应用智能(索理思的人工智能平台),六个月后便使其工艺中的湿强度化学成分减少了 25%(图 1)。 而另一家使用了 OPTIX 的工厂则设法实现了使湿强度化学成分的平均用量减少 18% 的重磅级目标(图 2)。

OptixFigure1.png

图1 人工操作模式与人工智能自动控制模式下的湿强度剂量柱状图对比。

OptixFigure2_2.png

图2 湿强度松香用量的百分比变化与等级卡尺的关系。

全自动化学控制。 高性能 AI 系统可自动优化生产流程中的功能性化学品或配料的剂量。 在许多情况下,工厂应用人工智能的主要目标是控制功能性化学品的剂量,然后转向更多增值应用。

人工输入的补充。 无论操作人员经验丰富与否,人工智能对其都是一项有用的工具。 通过实现关键过程输入的自动化,操作人员可专注于工厂的主要质量和生产目标。 此外,如果使用具有一定时间的实验室测量数据和可能存在人工误差的数据来制定机器控制决策,则可能会在造纸过程中引起不必要的变数。 而预测性分析便能针对这一问题消除质量测试过程中所引入的变数。

注重质量。 自定义算法允许应用基于人工智能的自动控制系统,以便将质量提高到目标水平。 在另一个真实案例中,OPTIX 的自动控制算法可以调节湿强度化学品剂量大小,确保湿张力质量参数达到目标粘附程度。 该人工智能驱动型自动控制系统能够减少 23% 的误差率并将目标粘附率提高 63%,优化了湿张力质量同时还能避免生产出质量不合格的产品,达到了前所未有的高度(图 3)。

OptixFigure3.png

图3 应用人工智能驱动型自动控制系统前后的湿张力质量柱状图对比。

借助人工智能解决方案实现可持续发展 人工与人工智能的结合使工厂能够应对最严峻的可持续发展挑战。 具体而言,自动控制系统使工厂运营者有机会不断实现可持续发展目标并优化生产输入。 以纤维利用为例,如果允许人工智能制定有关配料组合的决定,则能够提高最符合经济效益、最具可持续性的混合纤维,同时还能在其中加入那些可回收或质量不达标的纸张。

预测分析的优势

过去二十年间,造纸商展现出惊人的shiyingli令人惊叹的弹性,尽管数字媒体发展迅速,但随之而来的是日益严重的环境问题和逐渐严苛的政府法规,而在此背景下造纸行业仍在增长。 根据某些资源显示,美国造纸行业的利润将从 2019 年的 63 亿美元 增长到 2024 年的 79 亿美元 。

制造商有必要采用包括工业 4.0 技术在内的新型技术来适应这一发展趋势。 随着造纸商的不断发展,预测分析和机器学习必将成为其不可或缺的工具。 如果工厂采用人工智能驱动型自动控制系统(如索理思的 OPTIX™ 应用智能),则能够显著优化其功能性化学剂量并提高产品质量,而且还不会干扰其作业状态。

Beth Ann Zarko

产品营销人员 — 数字化解决方案

Beth Ann Zarko是索理思数字化解决方案的产品营销人员。 Beth Ann于2017年加入索理思,主要负责 OPTIX™应用智能和OnGuard™ OnLine数据管理服务的营销策略、产品活动和客户体验。

在加入索理思之前,Beth Ann曾就职于个人护理和消费者关怀行业,担任过多个技术和业务职位。 Beth Ann是巴克内尔大学的一名优秀毕业生,她在投身营销事业之前,获得了生物化学和细胞生物学理学学士学位。

Beth Ann喜欢和丈夫和两个孩子一起度过闲暇时光。 她的一些家庭活动包括去海滩、游泳和园艺。