پیش بینی مقاومت به پارگی کاغذ روزنامه در جهت کاغذ براساس متغیرهای موثر (مطالعه موردی: کارخانه چوب و کاغذ مازندران)

نوع مقاله: مقاله پژوهشی

نویسندگان

1 عضو هیئت علمی / دانشگاه زابل

2 هیئت علمی

چکیده

متغیرهای متفاوتی در فرایند پیچیده کاغذسازی برای بهبود روان سازی تولید مورد بررسی قرار میگیرند. این متغیرها بر خصوصیات کاغذ روزنامه تاثیرگذار می باشند. حال سوال اساسی این است که موثرترین متغیرهای اندازه گیری شده در خط تولید کارخانه چوب و کاغذ مازندران بر روی مقاومت به پارگی کاغذ روزنامه کدام می باشد؟ بنابراین از 145 متغیرهای اندازه گیری شده ماشین ها در طی سال های 1388 تا 1390 و روش های مدل سازی خطی و مدل سازی غیر خطی آزمون گاما، M ، الگوریتم ژنتیک و شبکه عصبی مصنوعی برای آزمون سوال استفاده شد. تعداد 7 متغیر انتخاب شده براساس مدل های گام به گام رگرسیون چند متغیره خطی، برای ایجاد مدل های شبکه عصبی مصنوعی استفاده شدند. متغیرهای منتخب شامل؛ 1- درصد مواد افزودنی به خمیر کاغذ، 2- مقدار باز شدن شیار هدباکس، 3- نسبت سرعت ریزش خمیر کاغذ بر روی توری به سرعت توری ماشین ، 4- مقدار مکش پمپ شماره 8 ، 5- مقدار مکش پمپ شماره 10 ، 6- مقدار کشش کاغذ در پرس شماره 4 و 7- مقدار خروجی بخش بازیافت گرما، می‌باشد. به طور کلی آزمون گاما، M و الگوریتم ژنتیک نشان می‌دهد که همه این متغیرها دارای بیشترین تاثیر بر روی مقاومت به پارگی بودند. بهترین مدل پیش بینی شبکه عصبی مصنوعی ایجاد شده دارای درصد خطای 011/0 درصد و ضریب همبستگی 97/0 می‌باشد.

کلیدواژه‌ها

موضوعات


عنوان مقاله [English]

Predicting the newsprint tear strength in MD on the effective variables (Case study: Mazandaran Wood and Paper Company)

نویسندگان [English]

  • ali bayatkashkoli 1
  • Ali Rafighi 2
1 Associate Professor / University of Zabol
2 Assistante professor
چکیده [English]

In paper making process, different variables are measured to improve the product runnability. These variables affect the paper properties. The main question is, which one of these variables is the most effective variable on the newsprint tear strength in MD? Therefore, 145 variables of online data from 2009 to 2011 periods were chosen by modeling methods of liner regression and modeling of Gamma Test (GT), M-Test (MT), Genetic Algorithm (GA) and Artificial Neural Network (ANN). 7 variables were selected on the base of liner regression of stepwise and then ANN models were created on the basis of these variables. Selected variables were as following; 1. Machine Cons. including additives and stock, 2. Slice open headbox, 3. Rush/Drug-wire, 4. No. 8-Vacuum pumps, 5. No. 10-Vacuum pumps, 6. Press 4-clothing tension, 7. Fan output-Heat recovery1. Generally, results of GT, MT and GA were showed that all of 7 variables have been the most effective on the newsprint tear strength. The best model of BFGS neural network has shown that mean absolute percent error and the correlation coefficient are equal 0.011% and 0.97, respectively.

کلیدواژه‌ها [English]

  • paper making process
  • Gamma test
  • tear strength