JP4560772B2 - Paper machine paper cutting prediction device, paper machine paper cutting prediction method, and computer program - Google Patents
Paper machine paper cutting prediction device, paper machine paper cutting prediction method, and computer program Download PDFInfo
- Publication number
- JP4560772B2 JP4560772B2 JP2004118324A JP2004118324A JP4560772B2 JP 4560772 B2 JP4560772 B2 JP 4560772B2 JP 2004118324 A JP2004118324 A JP 2004118324A JP 2004118324 A JP2004118324 A JP 2004118324A JP 4560772 B2 JP4560772 B2 JP 4560772B2
- Authority
- JP
- Japan
- Prior art keywords
- paper
- risk
- running out
- computer
- process values
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Expired - Fee Related
Links
Images
Landscapes
- Paper (AREA)
Description
本発明は抄紙機紙切れ予測装置、抄紙機紙切れ予測方法およびコンピュータプログラムに関し、より詳細には、抄紙機による抄紙過程で突発的に発生する紙切れ(断紙)といったトラブルを予測するのに好適な抄紙機紙切れ予測装置、抄紙機紙切れ予測方法およびコンピュータプログラムに関する。 The present invention relates to a paper machine paper break prediction device, a paper machine paper break prediction method, and a computer program. More specifically, the present invention relates to a paper machine suitable for predicting a trouble such as a paper break (paper break) that occurs suddenly in a paper making process by a paper machine. The present invention relates to a machine paper piece prediction apparatus, a paper machine paper piece prediction method, and a computer program.
パルプから紙を製造する抄紙に関するプロセスは、図1に示すように、調成パート100、白水循環パート200、抄紙パート300の3つに分けることができる。
As shown in FIG. 1, the papermaking process for producing paper from pulp can be divided into three parts: a
調成パート100は、種々のパルプや製造工程における損紙を回収再生した循環パルプを、紙製品に合わせた適切な処理を施した状態で、白水循環パート200に送り出す工程である。その概要を順を追って説明する。主原料パルプには、DIPと呼ばれる回収古紙を再生した脱インクパルプや、LBKPと呼ばれる広葉樹の化学処理によって製造されたパルプ、NBKPと呼ばれる針葉樹の化学処理によって製造されたパルプなどがある。パルプチェスト101に貯えられたこれらのパルプは、まず、叩解機103により叩解処理される。叩解とは、反対方向に高速回転する2枚の金属円盤の隙間にパルプを通すことにより、繊維に高いせん断力を与え、主に繊維の絡み合いを増進し紙に強度を与えるための工程である。主原料パルプの他に、製造工程における損紙を回収再生した循環パルプも利用される。このような循環パルプには、完全に紙になる前の高い水分状態で損紙となったものを再生したウエットブロークと呼ばれるものと、完全に紙になってから損紙となったものを再生したドライブロークと呼ばれるものがある。これらは循環パルプチェスト102に貯えられている。これらのパルプは、所望の配合比で合わせられミキサー104によって均一にされ、適宜、必要な薬品を添加され、最終的にマシンチェスト105に貯えられる。これらの紙料原料は、種上げポンプ106によって、スタッフボックス107に運ばれる。
The
白水循環パート200は、紙料原料を白水と呼ばれる大量の循環水で希釈し、後述するインレット301からスリット状に吐出し、後述するワイヤーパート302やプレスパート303で脱水した白水を回収循環する工程である。その概要を順を追って説明する。
The white
スタッフボックス107から取り出された紙料原料は、白水サイロ201の内底部に吐出される。ここで、紙料原料は白水と混合されて0.2〜1.0%(質量パーセント)程度の濃度まで希釈され、1次ファンポンプ202により吸い込まれ、クリーナー203へ運ばれる。クリーナーはサイクロン型の除塵器である。クリーナー203により除塵された希釈紙料原料は減圧された脱気タンク204内に解放し脱気処理される。脱気された希釈紙料原料は2次ファンポンプ205によりスクリーン206に運ばれる。スクリーンはスリットを用いた異物分離機である。これらの精選工程を経て、希釈紙料原料はインレット301へ送られる。白水循環パート200においても適宜必要な薬品を添加する。
The stock material taken out from the
抄紙パート300は、インレット301からスリット状に吐出された希釈紙料原料の水分を、脱水、搾水、乾燥により取り除き、最終的な紙製品を得る工程である。その概要を順を追って説明する。
The
インレット301からプラスチック性の網(ワイヤー) 302上にスリット状に吐出された希釈紙料原料は、水分のほとんどをワイヤー302下に白水として分離され、ワイヤー302上に濾過された固形分いわゆるウエブを形成する。ワイヤー302を経たウエブは、プレス303によりロールによる高線圧で毛布に押し付けられて搾水される。このような搾水工程は数段階施される。プレス303を経たウエブは、プレドライヤー304に導かれる。プレドライヤーは多数の蒸気ドラムで構成され、これら蒸気ドラムはその中に導入される蒸気によって加熱される。ウエブはプレドライヤー304の各蒸気ドラムに巻き付いて順次送られ、その間に所定の水分率まで乾燥される。次いで、ウエブはサイズ306に送られ、印刷適性を付与するサイズ処理を受けた後にアフタドライヤー307に導かれる。アフタドライヤー307はプレドライヤー304と実質的に同じ構成とされ、ウエブはそこを通過する間に所定の水分率まで乾燥を受ける。アフタドライヤー307を経たウエブは、キャレンダー308による平滑化処理の後、リール309に巻き取られる。抄紙パート300においては、均質な紙製品を得るために、ウエブの坪量、水分等の検出部と検出データを処理する制御部とからなるBM計305が、プレドライヤー304の直後とリール309の直前に配置され、紙料原料の吐出量や蒸気ドラムへの蒸気の供給圧力などをコントロールしている。調成パート100や白水循環パート200で添加される薬品には、紙の色を調節するための染料やワイヤー302上での固形分の歩留りを向上させるための歩留り向上剤などがある。
The diluted stock material discharged from the
紙切れとは、希釈紙料原料がインレット301から吐出されてからリール309に巻き取られるまでの、ウエブ水分率が徐々に減少する連続したプロセスにおいて、搬送されるべきウエブが様々な工程で切れる現象であり、生産性を著しく低下させるものである。
Out of paper is a phenomenon in which the web to be transported is cut in various steps in a continuous process in which the web moisture content gradually decreases from when the diluted paper stock material is discharged from the
これまでに、抄紙に関する技術の進歩と共に、抄紙の高速化と紙切れの減少が同時に達成されてきた。抄紙の高速化に伴い、搬送される湿紙への負荷は大きくなるが、抄紙機に導入されている種々のプロセス状態量を計測するセンサーを含めた監視装置を用いた予測技術(例えば、特許文献1、特許文献2または非特許文献1に記載の技術)の進歩や、熟練した運転員の経験によって、紙切れの発生も抑えられてきた。
So far, with the advancement of papermaking technology, speeding up of papermaking and reduction of paper cutting have been achieved at the same time. As the speed of papermaking increases, the load on the wet paper being transported increases, but prediction technology using a monitoring device that includes sensors that measure various process state quantities installed in the papermaking machine (for example, patents) Occurrence of a piece of paper has been suppressed by the progress of the technology described in
しかし、紙切れが減少しているとはいえ皆無ではなく、このことが生産性の低下や、運転員の負担を増加させる大きな原因となっているという問題があった。したがって、より効果的な紙切れの予測が求められている。 However, although the number of pieces of paper is decreasing, there is no problem at all, and there is a problem that this is a major cause of a decrease in productivity and an increase in the burden on operators. Accordingly, there is a need for more effective prediction of paper out.
本発明はこのような問題に鑑みてなされたものであり、その目的とするところは、抄紙機において計測された種々のプロセス状態量から紙切れを効果的に予測する抄紙機紙切れ予測装置、抄紙機紙切れ予測方法およびコンピュータプログラムを提供することを目的とする。 The present invention has been made in view of such problems, and an object of the present invention is to make a paper machine that predicts a paper break effectively from various process state quantities measured in the paper machine, and a paper machine. An object is to provide a paper out prediction method and a computer program.
このような目的を達成するために、本発明に係る抄紙機紙切れ予測装置は、抄紙機における紙切れをコンピュータを用いて予測する抄紙機紙切れ予測装置であって、抄紙に関する複数種のプロセス値を測定する測定手段と、前記測定手段により測定された複数種のプロセス値を採取し保存するデータベースと、前記データベースから前記複数種のプロセス値を取り出すコンピュータの通信インタフェースと、前記データベースから取り出された複数種のプロセス値をニューラルネットワークに適用して紙切れの危険度を算出する前記コンピュータの危険度演算手段と、前記危険度演算手段により算出された紙切れの危険度を表す信号を送出する前記コンピュータの信号送出手段と、前記信号送出手段からの信号に応じて紙切れの危険度を示す情報を出力する出力手段とを備え、前記プロセス値は、紙料原料の流量、濃度、繊維長、フリーネス、紙料原料への薬品添加流量、および白水濃度を表す測定値を含み、前記ニューラルネットワークは、単調増加関数で表される紙切れの危険度の数値、または、単調減少関数で表される紙切れ発生までの時間を代表する数値を教師信号として使用し、前記紙切れの危険度を表す情報として、前記単調増加関数で表される紙切れの危険度の数値、および/または、前記単調減少関数で表される紙切れ発生までの時間を代表する数値、を出力する。 In order to achieve such an object, the paper machine paper cutting prediction apparatus according to the present invention is a paper machine paper cutting prediction apparatus for predicting paper cutting in a paper machine using a computer, and measures a plurality of types of process values related to paper making. Measuring means, a database for collecting and storing a plurality of types of process values measured by the measuring unit, a computer communication interface for extracting the plurality of types of process values from the database, and a plurality of types extracted from the database The computer's risk level calculating means for calculating the risk of running out of paper by applying the process value to a neural network, and the signal sending of the computer for sending out a signal representing the risk of running out of paper calculated by the risk level calculating means And the risk of running out of paper according to the signal from the signal sending means And output means for outputting a broadcast, said process value includes stock material flow, density, fiber length, freeness, chemical addition flow rate of the stock material, and a measurement value representing the white water concentration, the neural network Is a numerical value of the risk of running out of paper represented by a monotonically increasing function or a numerical value representing the time until the occurrence of running out of paper represented by a monotonous decreasing function as a teacher signal, and as information indicating the risk of running out of paper And a numerical value representing the risk of paper breakage represented by the monotonically increasing function and / or a numerical value representing the time until the occurrence of paper breakage represented by the monotonous decreasing function .
ここで、前記抄紙機は叩解機、スクリーン、およびインレットを有し、前記紙料原料の濃度は、前記叩解機からスクリーンまでの間の濃度、および前記インレット内の濃度を含んでもよい。 Here, the paper machine may include a beating machine, a screen, and an inlet, and the concentration of the paper material may include a concentration between the beating machine and the screen, and a concentration in the inlet.
また、前記紙料原料の繊維長は、平均繊維長または繊維長分布を含んでもよい。 Further, the fiber length of the stock material may include an average fiber length or a fiber length distribution.
また、前記抄紙機は脱気タンク、プレス、およびドライヤーをさらに有し、前記プロセス値は、前記叩解機の駆動負荷(電流、電力等)、前記脱気タンク内の紙料原料の液面高さ、前記インレット内のpH、前記プレスの脱水量、ならびに前記ドライヤーの蒸気流量および蒸気圧力を表す測定値を含んでもよい。 The paper machine further includes a degassing tank, a press, and a dryer, and the process value includes a driving load (current, electric power, etc.) of the beating machine, and a liquid surface height of the stock material in the degassing tank It may also include measurements representing the pH in the inlet, the amount of dewatering of the press, and the steam flow and pressure of the dryer.
また、紙料原料への薬品添加流量として、染料、歩留り向上剤を含んでもよく、白水濃度としてはワイヤーパートで分離される白水の濃度を含んでもよい。 In addition, the chemical addition flow rate to the stock material may include a dye and a yield improver, and the white water concentration may include the concentration of white water separated by the wire part.
また、前記危険度演算手段に用いる複数種のプロセス値をニューラルネットワークに適用して、それぞれのプロセス値の紙切れ危険度への寄与率を算出する寄与率演算手段をさらに備え、前記出力手段は、前記寄与率演算手段により算出された寄与率を示す情報を出力してもよい。 In addition, it further includes a contribution rate calculating means for applying a plurality of types of process values used for the risk level calculating means to the neural network, and calculating a contribution rate to the risk of running out of each process value, the output means, Information indicating the contribution rate calculated by the contribution rate calculation means may be output.
ここで、前記プロセス値に対応する前記抄紙機内の装置を制御するために前記プロセス値と比較する複数の目標値を記憶した記憶手段と、前記記憶手段に記憶された複数の目標値のうち、前記寄与率演算手段により算出された寄与率の高いプロセス値と比較すべき目標値を修正する修正手段とをさらに備えもよい。 Here, among a plurality of target values stored in the storage means, storage means storing a plurality of target values to be compared with the process values to control the apparatus in the paper machine corresponding to the process values, The image forming apparatus may further include correction means for correcting a target value to be compared with a process value having a high contribution ratio calculated by the contribution ratio calculation means.
本発明に係る抄紙機の紙切れ予測方法は、抄紙機における紙切れをコンピュータを用いて予測する抄紙機の紙切れ予測方法であって、前記コンピュータが前記抄紙機の抄紙に関する複数種のプロセス値を測定するための測定手段から前記プロセス値を収集するステップと、前記コンピュータが前記収集するステップにおいて収集した複数種のプロセス値をデータベースに保存するステップと、前記コンピュータが前記データベースに保存された複数種のプロセス値を取り出すステップと、前記コンピュータが前記取り出すステップにおいて取り出された複数種のプロセス値をニューラルネットワークに適用して紙切れの危険度を算出するステップと、前記コンピュータが前記算出するステップにおいて算出された紙切れの危険度を表す信号を送出するステップと、前記送出するステップにおいて送出された信号に応じて、前記コンピュータに接続された出力手段から紙切れの危険度を示す情報を出力するステップとを備え、さらに、前記プロセス値は、紙料原料の流量、濃度、繊維長、フリーネス、紙料原料への薬品添加流量、および白水濃度を表す測定値を含み、前記ニューラルネットワークは、単調増加関数で表される紙切れの危険度の数値、または、単調減少関数で表される紙切れ発生までの時間を代表する数値を教師信号として使用し、前記紙切れの危険度を表す情報は、前記単調増加関数で表される紙切れの危険度の数値、および/または、前記単調減少関数で表される紙切れ発生までの時間を代表する数値、である。 A paper machine outage prediction method according to the present invention is a paper machine outage prediction method for predicting paper out in a paper machine using a computer, wherein the computer measures a plurality of types of process values related to paper making in the paper machine. Collecting the process values from a measuring means for storing, a plurality of process values collected in the collecting step by the computer in a database, and a plurality of processes in which the computer is stored in the database A step of extracting a value, a step of calculating a risk of running out of paper by applying a plurality of types of process values taken out in the step of taking out by the computer to a neural network, and a piece of paper calculated in the step of calculating by the computer A signal indicating the risk of A step of leaving, in response to the signal sent in the step of the delivery, and a step of outputting information indicating the risk of pieces of paper from a connected output unit to the computer, further, the process values, paper Including the flow rate of raw material, concentration, fiber length, freeness, flow rate of chemical addition to the raw material of raw material, and measured value indicating white water concentration, the neural network is a numerical value of the risk of paper breakage expressed by a monotonically increasing function, Alternatively, a numerical value representative of the time until the occurrence of paper breakage represented by a monotonically decreasing function is used as a teacher signal, and the information indicating the risk of paper breakage is a numerical value of the risk of paper breakage represented by the monotone increasing function, And / or a numerical value representative of the time until the occurrence of a paper break represented by the monotonically decreasing function .
本発明に係るコンピュータプログラムは、抄紙機における紙切れをコンピュータを用いて予測させるコンピュータプログラムであって、前記コンピュータに、抄紙に関する複数種のプロセス値を測定する測定手段から、前記複数種のプロセス値を採取する手順と、前記採取した複数種のプロセス値をデータベースに保存する手順と、前記データベースに保存された複数種のプロセス値を取り出す手順と、前記データベースから取り出された複数種のプロセス値を、ニューラルネットワークに適用して紙切れの危険度を危険度演算手段により算出する手順と、前記危険度演算手段により算出された紙切れの危険度を表す信号を出力手段に送出する手順と、前記出力手段から前記信号に応じた紙切れの危険度を示す情報を出力する手順と、を実行させ、さらに、前記プロセス値は、紙料原料の流量、濃度、繊維長、フリーネス、紙料原料への薬品添加流量、および白水濃度を表す測定値を含み、前記ニューラルネットワークは、単調増加関数で表される紙切れの危険度の数値、または、単調減少関数で表される紙切れ発生までの時間を代表する数値を教師信号として使用し、前記紙切れの危険度を表す情報は、前記単調増加関数で表される紙切れの危険度の数値、および/または、前記単調減少関数で表される紙切れ発生までの時間を代表する数値、である。
A computer program according to the present invention is a computer program for predicting a piece of paper in a paper machine by using a computer. The computer program receives the plurality of types of process values from a measuring unit that measures a plurality of types of process values related to paper. A procedure for collecting, a procedure for storing the plurality of collected process values in the database, a procedure for retrieving the plurality of process values stored in the database, and a plurality of process values extracted from the database, A procedure for calculating the risk of running out of paper by the risk calculating means applied to the neural network, a procedure for sending a signal representing the risk of running out of paper calculated by the risk calculating means to the output means, and from the output means run and a procedure for outputting information indicating the risk of pieces of paper in accordance with the signal Was further the process values, stock material flow, density, fiber length, freeness, comprising a measurement value representing the chemical additives flow rate, and white water concentration to the stock material, the neural network is a monotonically increasing function A numerical value representing the risk of running out of paper or a numerical value representing the time until the occurrence of running out of paper represented by a monotonically decreasing function is used as a teacher signal. This is a numerical value of the risk of paper breakage expressed and / or a numerical value representing the time until the occurrence of paper breakage expressed by the monotonously decreasing function .
本発明によれば、抄紙に関する複数種のプロセス値を測定し、測定された複数種のプロセス値をニューラルネットワークに適用して紙切れの危険度を算出し、算出された紙切れの危険度を表す出力信号を送出し、出力信号に応じて紙切れの危険度を表示するので、抄紙機における紙切れの危険性を従来より効果的にリアルタイムで知ることができる。 According to the present invention, a plurality of types of process values relating to papermaking are measured, and the measured plurality of types of process values are applied to a neural network to calculate the risk of running out of paper, and the output representing the calculated risk of running out of paper Since the signal is transmitted and the risk of paper breakage is displayed according to the output signal, the risk of paper breakage in the paper machine can be known in real time more effectively than before.
したがって、紙切れが発生する前に、紙切れを防止する対策を実施することが可能となり、紙切れを防止することができる。 Therefore, it is possible to implement a measure for preventing the paper break before the paper break occurs, and the paper break can be prevented.
本発明では紙切れの予測にニューラルネットワークの手法を用いる。ニューラルネットワークは、脳神経系における情報処理の方式を人工的・工学的に模倣したものである。脳神経系は、多数のニューロン素子が興奮性と抑制性のシナプス結合で密に結合したネットワークとしてモデル化できる。多段型(階層型)ニューラルネットワークは、シナプス結合の情報伝達効率を重み係数で表し、興奮性と抑制性を、式(1)で表されるシグモイド関数fで置き換えたものを、何段にも直列結合したものである。
f(x)=1/(1+e−x) 式(1)
In the present invention, a neural network technique is used for paper out prediction. A neural network is an artificial and engineering imitation of information processing in the cranial nervous system. The cranial nervous system can be modeled as a network in which many neuron elements are tightly connected by excitatory and inhibitory synaptic connections. A multi-stage (hierarchical) neural network expresses information transmission efficiency of synaptic connections as a weighting coefficient, and replaces excitability and inhibition with the sigmoid function f expressed by Equation (1) in many stages. It is connected in series.
f (x) = 1 / (1 + e −x ) Formula (1)
ここで、eは自然対数の底である。
このような人工ニューラルネットワークは、高速並列分散処理的な情報処理、学習能力、汎化能力などの性質を持っており、パターン認識や制御システムなどへ応用されている。
Here, e is the base of the natural logarithm.
Such an artificial neural network has properties such as high-speed parallel and distributed information processing, learning ability, and generalization ability, and is applied to pattern recognition and control systems.
以下、図面を参照して本発明の一実施形態を説明する。
図1は、抄紙機紙切れ予測装置の一例について、概略構成を示す図である。
Hereinafter, an embodiment of the present invention will be described with reference to the drawings.
FIG. 1 is a diagram showing a schematic configuration of an example of a paper machine paper break prediction device.
図1において、調成パート100、白水循環パート200、抄紙パート300の各部分は、上述したように紙製造プロセスの略図である。データベース500は抄紙に関する複数種のプロセス値を収集保存するもので、コンピュータ600によりアクセスされる。コンピュータ600は前記データベース500と通信し、紙切れ危険度を演算または出力する。監視モニター700はコンピュータ600による算出結果またはデータベース500に保存されたプロセス値などを出力する出力手段の一例である。なお、出力手段としてコンピュータ600に接続されたプリンタやスピーカなどを用いてもよい。
In FIG. 1, each part of the
DCS(Distributed Control System、)400は、プロセス値を管理し、図1の符号101から309で示した抄紙機内の各構成要素を制御するコンピュータシステムである。DCS400が管理しているプロセス値は、抄紙の条件毎に設定値および許容範囲(目標値)が決められている。DCS400はプロセス値に対応する抄紙機内の装置を制御するために当該プロセス値と比較する複数の目標値を記憶装置に記憶している。目標値は、各構成要素のプロセス値を測定する測定装置から受信したプロセス値と比較され、DCS400は比較結果に応じて各構成要素の動作を制御する。これらの目標値は、必要な品質や生産スピードが得られている限りは変更する必要はない。しかし、コンピュータ600の演算結果である紙切れ危険度が高い場合、紙切れを起こしたときの損失を考慮して、コンピュータ600からDCS400に対し各プロセス値の設定値や許容範囲の変更を指示する場合がある。なお、図1に示す抄紙機内の各構成要素の制御はコンピュータ600により行っても良い。
A DCS (Distributed Control System) 400 is a computer system that manages process values and controls each component in the paper machine indicated by
図2は、コンピュータ600のハードウェア構成を概略的に示している。記憶装置10はハードディスクやCD−ROM等により構成される。この記憶装置には、紙切れ予測プログラム、ニューラルネットワークを構成する際に用いられる重み係数W11、W12、・・・、W1n、W21、W22、・・・、W2n、・・・、Wm1、Wm2、・・・、Wmn、V1、V2、・・・、Vj、・・・、Vmが記憶されている。CPU2は、記憶装置10に記憶された紙切れ予測プログラムや、記憶装置10またはROM6に記憶された他のプログラムをRAM4にロードすることにより、当該プログラムのプログラム命令を実行する。このプログラムの実行において、紙切れの危険度を算出する他、記憶装置10に記憶された重み係数の書き替え、通信インタフェース8を介するデータベース500のアクセス、または監視モニター700への演算結果の表示制御を行う。
FIG. 2 schematically shows a hardware configuration of the
次に、図3を参照し、上記構成を有する抄紙機紙切れ予測装置によって行われる紙切れ予測方法を説明する。 Next, a paper break prediction method performed by the paper machine paper break prediction apparatus having the above-described configuration will be described with reference to FIG.
コンピュータ600は、紙料原料を加工する前記抄紙機内の複数の構成要素に設置された測定装置から抄紙に関する複数種のプロセス値を収集する(S502)。抄紙に関する複数種のプロセス値は、それぞれのサンプリング間隔に適した周期でデータベース500に収集保存される(S504)。データベース500に保存された複数種のプロセス値を取り出す。取り出された複数種のプロセス値をニューラルネットワークに適用して紙切れの危険度を算出する(S508)。算出された紙切れの危険度を表す出力信号を監視モニター700に送出する(S510)。監視モニター700は、出力信号に応じて紙切れの危険度を表示する(S512)。
The
演算に使用したプロセス値の一例(概要)を、それらの測定装置と共に表1に示す。表1において、測定方法の欄は図1に示す抄紙機内の構成要素に設置された測定装置を示す。測定位置の欄の数値は、図1に示す抄紙機内の構成要素に付された参照符号を示している。 An example (outline) of the process values used for the calculation is shown in Table 1 together with the measuring devices. In Table 1, the column of the measuring method indicates a measuring device installed in a component in the paper machine shown in FIG. The numerical value in the column of the measurement position indicates the reference numeral given to the component in the paper machine shown in FIG.
表1において、インレット全濃度とは、インレット301内の水に対する全固形分の重量比率をいう。インレット301は白水で希釈された紙料原料を吐出するためのスリットの入った箱状の部材である。紙料原料の固形分は、パルプを主体とする有機物、様々な目的で添加されている炭酸カルシウムのような無機物の混合物となっており、この濃度をプロセス値として採用する。
In Table 1, the total inlet concentration refers to the weight ratio of the total solid content to the water in the
また、脱気タンクの液面高さは、希釈紙料原料の還流比に関する測定値である。脱気タンク204の内部は減圧されており、その内部の端に堰が設けてある。この堰をオーバーフローした一部の希釈紙料原料は白水サイロへ還流される。この還流比を表す数値として液面の高さをプロセス値として採用する。
The liquid level of the degassing tank is a measured value related to the reflux ratio of the diluted paper stock material. The inside of the
また、インレットpHはインレット301内の希釈紙料原料のpHを示す。この値はインレット301から配管を分岐させpH計に導き測定する。
Inlet pH indicates the pH of the diluted paper stock in the
さらに、叩解機の駆動負荷は叩解機103を駆動するモータの電流値として測定する。
Further, the driving load of the beating machine is measured as a current value of a motor that drives the beating
ニューラルネットワークは定周期でデータベース500から必要なプロセス値を取り出し、紙切れの危険性を表す数値をコンピュータ600で演算し、その結果をデータベース500に出力する。紙切れの危険性を表す数値は、ニューラルネットワークの稼動周期で、データベース500に保存される。上記のような演算動作はコンピュータ600の機能を用いて行う。
The neural network extracts necessary process values from the
次に、本実施形態におけるニューラルネットワークの構成を説明する。ニューラルネットワークは図4に示すように入力層X、中間層Z、出力層Yにより構成される。 Next, the configuration of the neural network in this embodiment will be described. The neural network includes an input layer X, an intermediate layer Z, and an output layer Y as shown in FIG.
データベース500から取り出された複数のプロセス値は、プロセス値毎の存在し得る範囲で0.1〜0.9の値にスケール変化させ入力層Xの個々の値Xi(iは1〜nの自然数)とする。
The plurality of process values retrieved from the
次に、Xiに個別の重み係数Wji(jは1〜mの自然数)を掛け合計し、さらにシグモイド関数fによって変換した信号を中間層Zの個々の値Zjとする。 Next, X i is multiplied by individual weighting factors W ji (j is a natural number of 1 to m) and summed, and a signal converted by the sigmoid function f is set as an individual value Z j of the intermediate layer Z.
次に、Zjに個別の重み係数Vjを掛け合計し、さらにシグモイド関数fによって変換した信号を出力層Yの値とする。出力層Yの値は、対応させたいプロセス値の存在範囲にスケール変化させ、最終的な出力信号とする。 Next, Z j is multiplied by an individual weighting factor V j and summed, and the signal converted by the sigmoid function f is used as the value of the output layer Y. The value of the output layer Y is changed in scale to the range of the process value that is desired to correspond to be the final output signal.
以上の演算を一定の時間間隔毎に繰り返し、その時刻における紙切れ危険度を算出し出力する。なお、データベース500から取り出す入力は、ある時間過去にさかのぼった時点での値を使用する場合もある。
The above calculation is repeated at regular time intervals, and the risk of paper breakage at that time is calculated and output. Note that the input taken out from the
したがって、次の数式で表されるYを元のスケールに変換し最終的な出力信号とする。 Therefore, Y represented by the following formula is converted to the original scale to obtain a final output signal.
ここで、
Y:出力されるプロセス値を0.1〜0.9のスケールで表した値
e:自然対数の底
V:中間層と出力層との間の重み係数
m:中間層ニューロンの数
j:個々の中間層ニューロンに対応する添え字
W:入力層と中間層との間の重み係数
n:入力値の数
i:個々の入力値に対応する添え字
X:入力するプロセス値を0.1〜0.9のスケールで表した値
である。
here,
Y: Value representing the output process value on a scale of 0.1 to 0.9 e: Natural log base V: Weight coefficient between the intermediate layer and the output layer m: Number of intermediate layer neurons j: Individual intermediate layer neurons Subscript W corresponding to: Weight coefficient between input layer and intermediate layer n: Number of input values i: Subscript corresponding to each input value X: Process value to be input expressed on a scale of 0.1 to 0.9 Value.
予測に先立ち、ニューラルネットワークには紙切れの危険性を学習させる。多段型ニューラルネットワークの一般的な学習方法である、誤差逆伝播法について説明する。図5に学習方法のフローチャートを示す。 Prior to prediction, let the neural network learn the danger of running out of paper. An error back propagation method, which is a general learning method of a multistage neural network, will be described. FIG. 5 shows a flowchart of the learning method.
モデル化したいプロセス値を0.1〜0.9の値にスケール変化させた値を教師信号YSとする(S302)。 The process values to be modeled was scaled changes to a value of 0.1 to 0.9 value and the teacher signal Y S (S302).
重み係数Wji,Vjの初期値を、乱数を用いて小さな値に設定する(S304)。暫定的モデル出力Yと教師信号YSの二乗誤差を次のように定義する。
E=(1/2)・(YS−Y)2 式(3)
Y=f(netV) 式(4)
netV=ΣVj・Zj 式(5)
The initial values of the weighting factors W ji and V j are set to small values using random numbers (S304). The square error of provisional model output Y and the teacher signal Y S is defined as follows.
E = (1/2) · (Y S −Y) Formula 2 (3)
Y = f (net V ) Formula (4)
net V = ΣV j · Z j Expression (5)
最小二乗平均の原理を適用して、中間層と出力層の間の重み係数Vjの更新量を求める。ηは学習定数である。
ΔVj=−η・(∂E/∂Vj)
=−η・(∂E/∂Y)・(∂Y/∂netV)・(∂netV/∂Vj)
= −η・{−(YS−Y)}・f’(netV)・Zj
=η・(YS−Y)・Y・(1−Y)・Zj 式(6)
An update amount of the weighting factor V j between the intermediate layer and the output layer is obtained by applying the principle of least mean square. η is a learning constant.
ΔV j = −η · (∂E / ∂V j )
= −η · (∂E / ∂Y) · (∂Y / ∂net V ) · (∂net V / ∂V j )
= −η · {− (Y S −Y)} · f ′ (net V ) · Z j
= Η · (Y S -Y) · Y · (1-Y) · Z j Formula (6)
さらに入力層と中間層の間の重み係数Wjiの更新量を求める。
Zj=f(netWj) 式(7)
netWj=ΣiWji・Xi 式(8)
となることを考慮して
ΔWji=−η・(∂E/∂Wji)
=−η・(∂E/∂Y)・(∂Y/∂netV)・(∂netV/∂Zj)・(∂Zj/∂netWj)・(∂netWj/∂Wji)
=−η・{−(YS−Y)}・f’(netV)・Vj・f’(netWj)・Xi
=η・(YS−Y)・Y・(1−Y)・Vj・Zj・(1−Zj)・Xi 式(9)
Further, the update amount of the weight coefficient W ji between the input layer and the intermediate layer is obtained.
Z j = f (net Wj ) Equation (7)
net Wj = Σ i W ji · X i formula (8)
ΔW ji = −η · (∂E / ∂W ji )
= −η · (∂E / ∂Y) · (∂Y / ∂net V ) · (∂net V / ∂Z j ) · (∂Z j / ∂net Wj ) · (∂net Wj / ∂W ji )
= −η · {− (Y S −Y)} · f ′ (net V ) · V j · f ′ (net Wj ) · X i
= Η · (Y S -Y) · Y · (1-Y) · V j · Z j · (1-Z j) · X i Equation (9)
このように学習に使うデータの1パターンの提示毎に逐次的に重みの更新を、二乗誤差の変化率が0.01より小さくなるまで繰り返す。
なお、式(1)に示すシグモイド関数fをxで微分すると、
f’(x)=e−x/(1+e−x)2
={1/(1+e−x)}・(1+e−x−1)/(1+e−x)
=f(x){1−f(x)} 式(10)
In this way, the updating of the weight is sequentially repeated every time one pattern of data used for learning is presented until the change rate of the square error becomes smaller than 0.01.
Note that when the sigmoid function f shown in Equation (1) is differentiated by x,
f ′ (x) = e −x / (1 + e −x ) 2
= {1 / (1 + e- x )}. (1 + e- x- 1) / (1 + e- x )
= F (x) {1-f (x)} Equation (10)
本発明においては、教師信号として、単調増加関数で表される紙切れの危険性、または、単調減少関数で表される紙切れ発生までの時間を代表する数値を教師信号とすると、紙切れを精度よく予測するニューラルネットワークを構築することができる。したがって、このような教師信号を用いることが好ましい。上記のようなニューラルネットワークの作成はコンピュータ600の機能を用いて行う。
In the present invention, if the teacher signal is a numerical value representing the danger of running out of paper represented by a monotonically increasing function or the time until the occurrence of running out of paper represented by a monotonically decreasing function as the teacher signal, the paper out is accurately predicted. A neural network can be constructed. Therefore, it is preferable to use such a teacher signal. The above-described neural network is created using the function of the
例えば、図6(a)に示すように、紙切れが発生した時刻には“100”とし、その時点から5分さかのぼる毎に“3”を減じ、165分前には“1”とし、それ以前の紙が切れずに走行している期間は“0”とする紙切れ危険度という指標を作成し、教師信号として与えニューラルネットワークを作成する。ニューラルネットワークの作成には、市販のソフトとして、例えば、パヴィリオン・テクノロジーズ・インコーポレイティッド(米国)のプロパティプレディクタ(商品名)等を用いることができる。 For example, as shown in FIG. 6 (a), “100” is set at the time when the paper break occurs, “3” is subtracted every 5 minutes from that point, “1” is set 165 minutes before, and before that An index of paper out-of-paper risk is set to “0” during the period of running without paper being cut and given as a teacher signal to create a neural network. For the creation of the neural network, for example, a property predictor (trade name) of Pavilion Technologies Inc. (USA) can be used as commercially available software.
監視モニター700は、データベースに保存された紙切れ危険度を、コンピュータ600の機能を用いてモニター画面に表示する。運転員は、この表示装置の画面に示された結果を見て、紙切れの危険性、または紙切れが発生する時期を知ることができる。
The monitoring monitor 700 displays the risk of running out of paper stored in the database on the monitor screen using the function of the
図7および図8に、本実施形態における抄紙機紙切れ予測方法の実施結果を示す。即ち、表1に示したプロセス値を基本として用いた本発明の紙切れ予測装置を抄紙機に実際に設置して、紙切れを予測した結果を示す。図7(a)〜(c)は抄紙機紙切れ予測装置によって算出された運転中の紙切れ危険度の変化、図8(a)〜(d)は抄紙機紙切れ予測装置によって算出された運転中の紙切れ危険度を積算した値の変化をそれぞれ示す線図である。 7 and 8 show the results of the paper machine paper cutting prediction method according to this embodiment. That is, the paper cutting prediction apparatus according to the present invention using the process values shown in Table 1 as a basis is actually installed in the paper machine, and the result of paper cutting prediction is shown. FIGS. 7A to 7C show changes in the risk of running out of paper calculated by the paper machine paper cutting prediction device, and FIGS. 8A to 8D show the driving time calculated by the paper machine paper cutting prediction device. It is a diagram which shows the change of the value which each integrated the paper break danger degree.
図7および図8において、折れ線は紙切れ危険度を示し、縦方向の太線が実際に紙切れした時刻を示している。上述したように、紙切れ危険度は“100”で紙切れするように学習した紙切れの危険性の指標である。紙切れの瞬間までに、紙切れ危険度が上昇していることが分かる。 7 and 8, the broken line indicates the risk of running out of paper, and the thick vertical line indicates the time when the paper is actually cut. As described above, the risk of running out of paper is an index of the danger of running out of paper learned to run out of paper at “100”. It can be seen that the danger of running out of paper has increased by the moment of running out of paper.
また、紙切れ危険度が上昇傾向にあるとき、その期間のデータを使って、それぞれのプロセス値について式(2)の偏導関数を調べることにより、その期間のそれぞれのプロセス値の紙切れ危険度に対する寄与率を知ることができる。 Further, when the risk of out of paper tends to increase, by using the data for that period and examining the partial derivative of equation (2) for each process value, the process value for each process value for that period You can know the contribution rate.
図9に寄与率計算方法のフローチャートを示す。まず、寄与率を計算する1、・・・、k、・・・、Kパターンの入力1、・・・、i、・・・、n全てのプロセス値をプロセス値毎の存在し得る範囲で0.1〜0.9の値にスケール変化させ、Xi kとする(S602)。出力の傾きの積算値S1、・・・、Snを初期化する(S604)。出力の傾きS’1、・・・、S’nを初期化する(S606)。全ての入力について式(11)を計算し、k番目のパターンと次のパターンとの平均値を求める(S608)。
FIG. 9 shows a flowchart of the contribution rate calculation method. First, calculate the
k番目のパターンについて、入力Xi k以外は平均値として仮出力Ykを計算する(S612)。次のパターンについて、入力Xi k+1以外は平均値として仮出力Yk+1を計算する(S614)。次に、仮出力の差分を式(12)により計算する(S616)。
S’i=(Yk+1−Yk)/(Xi k+1−Xi k) 式(12)
For the k-th pattern, the temporary output Y k is calculated as an average value except for the input X i k (S612). For the next pattern, the temporary output Y k + 1 is calculated as an average value except for the input X i k + 1 (S614). Next, the difference between the temporary outputs is calculated by the equation (12) (S616).
S ′ i = (Y k + 1 −Y k ) / (X i k + 1 −X i k ) Equation (12)
次に、式(13)を用いて出力の傾きを積算する(S618)。
Si=Si+S’i 式(13)
Next, the slope of the output is integrated using equation (13) (S618).
S i = S i + S ′ i formula (13)
以上の計算が、全てのパターン番号kおよび全ての入力番号iに対して繰り返される。そのようにして求められる寄与率の例を表1の右端列に示す。但し、この表に記載した寄与率の数値は、特定の紙切れ時の計算値であるが、長期間測定することにより統計的に紙切れの要因を調べることもできる。 The above calculation is repeated for all pattern numbers k and all input numbers i. An example of the contribution rate thus obtained is shown in the rightmost column of Table 1. However, although the numerical value of the contribution rate described in this table is a calculated value at the time of specific paper out, the cause of paper out can also be statistically examined by measuring for a long time.
上記の装置により、紙切れ危険度が上昇してきたときに、運転員に知らせるため、アラーム、パトライト等を設置することが好ましい。この場合、アラーム、パトライト等の通知手段がコンピュータ600に接続され、紙切れ危険度が所定の値を上回ったときにコンピュータ600から通知手段に所定の信号を送出し、通知手段がこの信号に応答して警報の出力を行うように構成する。
It is preferable to install an alarm, a patrol light, etc. in order to notify the operator when the risk of running out of paper has increased by the above-mentioned apparatus. In this case, notification means such as an alarm or a patrol light is connected to the
また、紙切れ危険度が上昇してきたときの、紙切れを防止するアクションとしては、標準値を外れているプロセス値の調整や、一般的に紙切れに影響が大きく調整しやすい因子、即ち、叩解機駆動負荷、歩留り向上剤添加流量、抄紙機各部の速度比、プレス脱水量などの調整により対応できる。運転員はこれらの対応の手順を詳細に検討し優先順位を定めておき、紙切れ危険度の変化を見ながら実施することができる。 Also, when the risk of running out of paper increases, actions to prevent running out of paper include adjustment of process values that deviate from the standard values, and factors that are generally easily affected by running out of paper. This can be done by adjusting the load, the flow rate of the yield improver, the speed ratio of each part of the paper machine, and the amount of press dewatering. The operator can examine these response procedures in detail, set priorities, and implement them while watching the change in the risk of running out of paper.
また、紙切れ予測装置の出力値として、各プロセス値の寄与率をディスプレイに表示するように構成したときには、この寄与率を運転員が参照して、寄与率の高いプロセス値に関するアクションを取ることもできる。 In addition, when configured to display the contribution rate of each process value on the display as the output value of the out-of-paper prediction device, the operator may refer to this contribution rate and take action on the process value with a high contribution rate. it can.
また、寄与率が所定の値より高いプロセス値については、コンピュータ600から紙切れ予測装置から直接DCS400に指示することにより、このDCS400において紙切れ危険度を下げる方向への目標値修正などの操作を行うことができる。
For process values whose contribution rate is higher than a predetermined value, direct instruction from the
上述した形態以外にも種々の変形が可能である。しかしながら、その変形が特許請求の範囲に記載された技術思想に基づくものである限り、その変形もまた本発明の技術範囲内となる。 Various modifications other than those described above are possible. However, as long as the modification is based on the technical idea described in the claims, the modification is also within the technical scope of the present invention.
2 CPU
4 RAM
6 ROM
8 通信インタフェース
10 記憶装置
100 原料調成パート
101 パルプチェスト
102 循環パルプチェスト
103 叩解機
104 ミキサー
105 マシンチェスト
106 種上げポンプ
107 スタッフボックス
200 白水循環パート
201 白水サイロ
202 1次ファンポンプ
203 クリーナー
204 脱気タンク
205 2次ファンポンプ
206 スクリーン
300 抄紙機パート
301 インレット
302 ワイヤー
303 プレス
304 プレドライヤー
305 BM計
306 サイズ
307 アフタドライヤー
308 キャレンダー
309 リール
400 DCS
500 データベース
600 コンピュータ
700 監視モニター
2 CPU
4 RAM
6 ROM
8
500
Claims (8)
抄紙に関する複数種のプロセス値を測定する測定手段と、
前記測定手段により測定された複数種のプロセス値を採取し保存するデータベースと、
前記データベースから前記複数種のプロセス値を取り出すコンピュータの通信インタフェースと、
前記データベースから取り出された複数種のプロセス値をニューラルネットワークに適用して紙切れの危険度を算出する前記コンピュータの危険度演算手段と、
前記危険度演算手段により算出された紙切れの危険度を表す信号を送出する前記コンピュータの信号送出手段と、
前記信号送出手段からの信号に応じて紙切れの危険度を示す情報を出力する出力手段と
を備え、
前記プロセス値は、紙料原料の流量、濃度、繊維長、フリーネス、紙料原料への薬品添加流量、および白水濃度を表す測定値を含み、
前記ニューラルネットワークは、単調増加関数で表される紙切れの危険度の数値、または、単調減少関数で表される紙切れ発生までの時間を代表する数値を教師信号として使用し、
前記紙切れの危険度を表す情報として、前記単調増加関数で表される紙切れの危険度の数値、および/または、前記単調減少関数で表される紙切れ発生までの時間を代表する数値、を出力する
ことを特徴とする抄紙機紙切れ予測装置。 A paper machine paper cutting prediction device for predicting paper cutting in a paper machine using a computer,
Measuring means for measuring multiple types of process values for papermaking,
A database for collecting and storing a plurality of process values measured by the measuring means;
A communication interface of a computer for retrieving the plurality of types of process values from the database;
A risk calculating means of the computer for calculating a risk of running out of paper by applying a plurality of kinds of process values extracted from the database to a neural network;
A signal sending means of the computer for sending a signal representing the risk of running out of paper calculated by the risk calculating means;
Output means for outputting information indicating the risk of running out of paper in response to a signal from the signal sending means,
The process value includes measured values representing the flow rate, concentration, fiber length, freeness, flow rate of chemical addition to the stock material, and white water concentration,
The neural network uses, as a teacher signal, a numerical value of the risk of running out of paper represented by a monotonically increasing function, or a numerical value representing the time until the occurrence of running out of paper represented by a monotonic decreasing function,
As the information representing the risk of running out of paper, a numerical value of the risk of running out of paper represented by the monotonically increasing function and / or a numerical value representing the time until the occurrence of running out of paper represented by the monotonically decreasing function is output. A paper machine paper break prediction device characterized by that.
前記紙料原料の濃度は、前記叩解機からスクリーンまでの間の濃度、および前記インレット内の濃度を含むことを特徴とする請求項1に記載の抄紙機紙切れ予測装置。 The paper machine has a beating machine, a screen, and an inlet;
The concentration of the stock raw material, paper machine out of paper predicting apparatus according to claim 1, characterized in that it comprises a concentration within the concentration, and the inlet between from the beater to the screen.
前記プロセス値は、前記叩解機の駆動負荷、前記脱気タンク内の紙料原料の液面高さ、前記インレット内のpH、前記プレスの脱水量、ならびに前記ドライヤーの蒸気流量および蒸気圧力を表す測定値を含むことを特徴とする請求項1ないし3のいずれかに記載の抄紙機紙切れ予測装置。 The paper machine further includes a degassing tank, a press, and a dryer,
The process value represents the driving load of the beating machine, the liquid level of the stock material in the degassing tank, the pH in the inlet, the dewatering amount of the press, and the steam flow rate and steam pressure of the dryer. paper machine out of paper predicting apparatus according to any one of claims 1, characterized in that it comprises a measurement value 3.
前記出力手段は、前記寄与率演算手段により算出された寄与率を示す情報を出力することを特徴とする請求項1ないし4のいずれかに記載の抄紙機紙切れ予測装置。 Applying a plurality of types of process values used for the risk level calculation means to the neural network, further comprising contribution rate calculation means for calculating the contribution rate of each process value to the risk of paper breakage,
And the output means, a paper machine out of paper predicting apparatus according to any one of claims 1 to 4 and outputs information indicating the contribution rate calculated by the contribution ratio calculating means.
前記記憶手段に記憶された複数の目標値のうち、前記寄与率演算手段により算出された寄与率の高いプロセス値と比較すべき目標値を修正する修正手段と
をさらに備えることを特徴とする請求項5に記載の抄紙機紙切れ予測装置。 Storage means for storing a plurality of target values to be compared with the process values to control the apparatus in the paper machine corresponding to the process values;
The apparatus further comprises correction means for correcting a target value to be compared with a process value having a high contribution ratio calculated by the contribution ratio calculation means among a plurality of target values stored in the storage means. Item 6. The paper machine paper break prediction device according to Item 5 .
前記コンピュータが前記抄紙機の抄紙に関する複数種のプロセス値を測定するための測定手段から前記プロセス値を収集するステップと、
前記コンピュータが前記収集するステップにおいて収集した複数種のプロセス値をデータベースに保存するステップと、
前記コンピュータが前記データベースに保存された複数種のプロセス値を取り出すステップと、
前記コンピュータが前記取り出すステップにおいて取り出された複数種のプロセス値をニューラルネットワークに適用して紙切れの危険度を算出するステップと、
前記コンピュータが前記算出するステップにおいて算出された紙切れの危険度を表す信号を送出するステップと、
前記送出するステップにおいて送出された信号に応じて、前記コンピュータに接続された出力手段から紙切れの危険度を示す情報を出力するステップと
を備え、
さらに、前記プロセス値は、紙料原料の流量、濃度、繊維長、フリーネス、紙料原料への薬品添加流量、および白水濃度を表す測定値を含み、
前記ニューラルネットワークは、単調増加関数で表される紙切れの危険度の数値、または、単調減少関数で表される紙切れ発生までの時間を代表する数値を教師信号として使用し、
前記紙切れの危険度を表す情報は、前記単調増加関数で表される紙切れの危険度の数値、および/または、前記単調減少関数で表される紙切れ発生までの時間を代表する数値、である
ことを特徴とする抄紙機紙切れ予測方法。 A paper machine prediction method for predicting paper breakage in a paper machine using a computer,
Collecting the process values from a measuring means for the computer to measure a plurality of process values for papermaking of the paper machine;
Storing a plurality of process values collected by the computer in the collecting step in a database;
The computer retrieving a plurality of process values stored in the database;
Calculating a risk of running out of paper by applying a plurality of kinds of process values extracted in the extracting step by the computer to a neural network;
Sending a signal representing the risk of running out of paper calculated in the calculating step by the computer;
Outputting information indicating the risk of running out of paper from the output means connected to the computer in response to the signal sent in the sending step, and
Further, the process value includes a measured value representing a flow rate of the raw material, concentration, fiber length, freeness, flow rate of chemical addition to the raw material, and white water concentration,
The neural network uses, as a teacher signal, a numerical value of the risk of running out of paper represented by a monotonically increasing function, or a numerical value representing the time until the occurrence of running out of paper represented by a monotonic decreasing function,
The information indicating the risk of running out of paper is a numerical value representing the risk of running out of paper represented by the monotonically increasing function and / or a numerical value representing the time until the occurrence of running out of paper represented by the monotonically decreasing function. Paper machine paper cutting prediction method characterized by
抄紙に関する複数種のプロセス値を測定する測定手段から、前記複数種のプロセス値を採取する手順と、
前記採取した複数種のプロセス値をデータベースに保存する手順と、
前記データベースに保存された複数種のプロセス値を取り出す手順と、
前記データベースから取り出された複数種のプロセス値を、ニューラルネットワークに適用して紙切れの危険度を危険度演算手段により算出する手順と、
前記危険度演算手段により算出された紙切れの危険度を表す信号を出力手段に送出する手順と、
前記出力手段から前記信号に応じた紙切れの危険度を示す情報を出力する手順と、
を実行させ、
さらに、前記プロセス値は、紙料原料の流量、濃度、繊維長、フリーネス、紙料原料への薬品添加流量、および白水濃度を表す測定値を含み、
前記ニューラルネットワークは、単調増加関数で表される紙切れの危険度の数値、または、単調減少関数で表される紙切れ発生までの時間を代表する数値を教師信号として使用し、
前記紙切れの危険度を表す情報は、前記単調増加関数で表される紙切れの危険度の数値、および/または、前記単調減少関数で表される紙切れ発生までの時間を代表する数値、である
ことを特徴とするコンピュータプログラム。 A computer program for predicting a piece of paper in a paper machine using a computer,
From a measuring means for measuring a plurality of types of process values relating to papermaking, a procedure for collecting the plurality of types of process values;
A procedure for storing the collected plural types of process values in a database;
Retrieving a plurality of types of process values stored in the database;
A procedure for calculating a risk of running out of paper by a risk calculating means by applying a plurality of types of process values extracted from the database to a neural network,
A procedure for sending a signal representing the risk of running out of paper calculated by the risk calculating means to the output means;
A procedure for outputting information indicating the risk of running out of paper according to the signal from the output means ;
Was executed,
Further, the process value includes a measured value representing a flow rate of the raw material, concentration, fiber length, freeness, flow rate of chemical addition to the raw material, and white water concentration,
The neural network uses, as a teacher signal, a numerical value of the risk of running out of paper represented by a monotonically increasing function, or a numerical value representing the time until the occurrence of running out of paper represented by a monotonic decreasing function,
The information indicating the risk of running out of paper is a numerical value representing the risk of running out of paper represented by the monotonically increasing function and / or a numerical value representing the time until the occurrence of running out of paper represented by the monotonically decreasing function. A computer program characterized by the above.
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2004118324A JP4560772B2 (en) | 2004-04-13 | 2004-04-13 | Paper machine paper cutting prediction device, paper machine paper cutting prediction method, and computer program |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2004118324A JP4560772B2 (en) | 2004-04-13 | 2004-04-13 | Paper machine paper cutting prediction device, paper machine paper cutting prediction method, and computer program |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2005299028A JP2005299028A (en) | 2005-10-27 |
JP4560772B2 true JP4560772B2 (en) | 2010-10-13 |
Family
ID=35330925
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2004118324A Expired - Fee Related JP4560772B2 (en) | 2004-04-13 | 2004-04-13 | Paper machine paper cutting prediction device, paper machine paper cutting prediction method, and computer program |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP4560772B2 (en) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2017027236A1 (en) * | 2015-08-10 | 2017-02-16 | Honeywell International Inc. | System and method for step test-free machine modeling using statistical information about multiple web manufacturing or processing systems |
Families Citing this family (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP5097463B2 (en) * | 2007-07-23 | 2012-12-12 | メッツォ ペーパー インコーポレイテッド | Paper or paperboard manufacturing apparatus and manufacturing method using the same |
EP3699356A1 (en) * | 2019-02-25 | 2020-08-26 | Siemens Aktiengesellschaft | Method and device for detecting a tear in a fibrous web, industrial equipment and computer program product |
EP4158099A2 (en) * | 2020-05-26 | 2023-04-05 | ABB Schweiz AG | Adaptive-learning, auto-labeling method and system for predicting and diagnosing web breaks in paper machine |
DE102020126072A1 (en) * | 2020-10-06 | 2022-04-07 | PerfectPattern GmbH | Method for categorization and method for avoiding malfunctions in a paper machine, in particular web breaks |
CN116829785A (en) * | 2021-02-12 | 2023-09-29 | 栗田工业株式会社 | Speculation device, speculation system, speculation program, and speculation method |
JP2023064174A (en) * | 2021-10-26 | 2023-05-11 | 横河電機株式会社 | Data processor, data processing method, and production system |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH0551893A (en) * | 1991-08-22 | 1993-03-02 | Toshiba Corp | Dry line control unit |
JPH05117990A (en) * | 1991-10-21 | 1993-05-14 | Toshiba Corp | Control unit for papermaking machine |
JPH06294092A (en) * | 1993-04-06 | 1994-10-21 | Toshiba Corp | Control device for paper machine |
JP2000154489A (en) * | 1998-11-17 | 2000-06-06 | Mitsubishi Heavy Ind Ltd | Monitoring device |
JP2002348794A (en) * | 2001-05-30 | 2002-12-04 | Mitsubishi Heavy Ind Ltd | Monitor |
JP2004060084A (en) * | 2002-07-26 | 2004-02-26 | Daio Paper Corp | Method for processing papermaking raw material |
-
2004
- 2004-04-13 JP JP2004118324A patent/JP4560772B2/en not_active Expired - Fee Related
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH0551893A (en) * | 1991-08-22 | 1993-03-02 | Toshiba Corp | Dry line control unit |
JPH05117990A (en) * | 1991-10-21 | 1993-05-14 | Toshiba Corp | Control unit for papermaking machine |
JPH06294092A (en) * | 1993-04-06 | 1994-10-21 | Toshiba Corp | Control device for paper machine |
JP2000154489A (en) * | 1998-11-17 | 2000-06-06 | Mitsubishi Heavy Ind Ltd | Monitoring device |
JP2002348794A (en) * | 2001-05-30 | 2002-12-04 | Mitsubishi Heavy Ind Ltd | Monitor |
JP2004060084A (en) * | 2002-07-26 | 2004-02-26 | Daio Paper Corp | Method for processing papermaking raw material |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2017027236A1 (en) * | 2015-08-10 | 2017-02-16 | Honeywell International Inc. | System and method for step test-free machine modeling using statistical information about multiple web manufacturing or processing systems |
Also Published As
Publication number | Publication date |
---|---|
JP2005299028A (en) | 2005-10-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102449562B (en) | The modeling of the character of paper, cardboard or paperboard | |
US6522978B1 (en) | Paper web breakage prediction using principal components analysis and classification and regression trees | |
US6519534B2 (en) | Paper web breakage prediction using bootstrap aggregation of classification and regression trees | |
US6542852B2 (en) | System and method for paper web time-to-break prediction | |
JP4560772B2 (en) | Paper machine paper cutting prediction device, paper machine paper cutting prediction method, and computer program | |
CN101790610A (en) | Be used to optimize the system and method for lignocellulosic granular matter refining | |
CN1295395C (en) | Method and apparatus for adjusting operation of wire section | |
Talebjedi et al. | Advanced energy-saving optimization strategy in thermo-mechanical pulping by machine learning approach | |
EP2013410B1 (en) | Method of controlling recycled fibre line, and recycled fibre line | |
US20070158040A1 (en) | Method and apparatus for estimating an optimal dosage of bleaching agent to be used in a process for producing pulp | |
Jiménez et al. | Pulp and paper from vine shoots: Neural fuzzy modeling of ethylene glycol pulping | |
DE112012000595T5 (en) | A system and method for generating indexes for quantifying the operational transient performance of a continuous process | |
FI130085B (en) | Monitoring method and apparatus | |
Jiménez et al. | Comparison of polynomial and neural fuzzy models as applied to the ethanolamine pulping of vine shoots | |
MARTINZ | Development of an ANN-Based Soft Sensor for Quality Prediction | |
Raffaele et al. | Data-driven soft sensor for continuous production monitoring: an application to paper strength | |
Jiménez et al. | Neural fuzzy modeling of ethanolamine pulping of vine shoots | |
Skoglund et al. | Monitoring a paperboard machine using multivariate statistical process control | |
JP7347575B1 (en) | Estimating device, estimating system, estimating program and estimating method | |
Stefanov et al. | Cockle formation in coated magazine paper production | |
FI106055B (en) | Method and apparatus for carrying out paper machine sorting | |
JP2023064174A (en) | Data processor, data processing method, and production system | |
Zhang et al. | Data-driven method for pulp properties estimation in stock preparation | |
Kumar et al. | 8 Performance analysis of a paper mill plant by considering reworking/degradation of its components | |
Björk et al. | Modeling of pulp quality parameters from distribution curves extracted from process acoustic measurements on a thermo mechanical pulp (TMP) process |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20060706 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20081202 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20081209 |
|
RD13 | Notification of appointment of power of sub attorney |
Free format text: JAPANESE INTERMEDIATE CODE: A7433 Effective date: 20081215 |
|
A521 | Written amendment |
Free format text: JAPANESE INTERMEDIATE CODE: A821 Effective date: 20081215 |
|
A521 | Written amendment |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20090206 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20090522 |
|
A521 | Written amendment |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20090716 |
|
RD13 | Notification of appointment of power of sub attorney |
Free format text: JAPANESE INTERMEDIATE CODE: A7433 Effective date: 20100519 |
|
A521 | Written amendment |
Free format text: JAPANESE INTERMEDIATE CODE: A821 Effective date: 20100519 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20100702 |
|
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20100715 |
|
FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20130806 Year of fee payment: 3 |
|
R150 | Certificate of patent or registration of utility model |
Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20140806 Year of fee payment: 4 |
|
LAPS | Cancellation because of no payment of annual fees |