造纸厂的大数据管理和应用

赵小玲 周安宁 刘靖伟

(1.西安科技大学化工学院，陕西西安，710054；2.维美德(中国)有限公司，上海，201809)

·造纸厂大数据·

造纸厂的大数据管理和应用

赵小玲1周安宁1刘靖伟2

(1.西安科技大学化工学院，陕西西安，710054；2.维美德(中国)有限公司，上海，201809)

造纸企业的大数据管理和应用是实现智能化的根本。本文重点介绍和分析了造纸厂大数据管理和应用，以实现设备的稳定性和产品性能的最佳化，并对造纸产业的数据化和智能化生产进行了总结。

工业4.0；工业互联网；大数据探索过程

当今科技创新与产业变革之间的互动中，工业互联网、大数据、物联网是首要的领域和话题，其实质都是研究大数据的管理和应用[1-2]。造纸企业对大数据的热情，一方面出于对新事物的好奇和求知，另一方面是在企业中探寻大数据的更好管理和应用。

每一个造纸厂都拥有大量的数据源，如分散控制系统(DCS)、机器控制系统(MCS)、质量控制系统(QCS)、状态监测系统(CMS)以及来自实验室的数据、纸病检测系统(WIS)数据、ERP和加工执行系统(MES)数据、设备的维护数据，还有消耗件的使用数据等[3]。单个企业乃至集团，数据巨多。面对海量的数据，如何将数据从资源变为关键资产，从而更好地为生产线的可靠性、运行性和在各项成本(如原材料、化学品、蒸汽和清水等)降低消耗上服务，各个企业目前的状况不尽相同。大部分企业缺乏自己的数据分析人才，更谈不上对这些数据系统化的管理和应用。因此，本课题重点分析了造纸厂的大数据管理与应用，以期为实现造纸工业的智能化提供参考。

1 工业互联网，撬动数据驱动的新机遇[4-5]

“在未来的5年里，预期数字化每年将带来成本节约gt;4%和高增长gt;3%”，这是谱华永道会计事务所(PwC)2016全球工业 4.0调查得出的结论。因而，造纸企业与拥有工艺技术、自动化和服务一体的供应商联合，让供应商在将数据转化为贵重资产中发挥重要作用。数据收集后的过滤、分析和应用需要数据科学家、工艺专家、设备专家一起来完成。

这里举一个简单的例子，如做心电图测试和诊断心脏疾病的过程中，通过在每次心跳心肌细胞去极化时会在皮肤表面引起很小的电学改变，这个小变化被心电图记录装置捕捉并放大即可描绘心电图，通过心电测试仪所获得心电图就是一组数据。收集到的数据过滤、分类整理、数据分析，从数据的变化中发现规律或者找到问题，从而确定想要运行的数据和实现这些运行的调控，最终实现产品质量稳定、运行成本下降，才能将数据资源转化为价值。大数据管理所带来的机遇可分为：数据探索、数据应用和生态系统/价值链的协作。

图2 纸机各部分的操作数据

图1 数据探索过程

图3 纸机各部分的操作数据整理

1.1数据探索过程用于定义根本原因

数据探索适合定义那些频繁引起工艺波动的根本原因(如产能、消耗、质量、运行性、寿命等)，具体做法是：明晰工艺上的挑战，进行数据整理，然后各方面专家一起召开会议，进行探讨和研究，最后得出结论，形成行动计划并执行(见图1)。数据探索过程主要是工艺专家和数据科学家同数据的对话。

以纸机节能为例，数据探索过程介绍如下。

以现代化的瓦楞原纸生产线为例，卷纸幅宽6600 mm，车速1200 m/min，纸张定量为90～150 g/m2。纸厂发现，在生产相同的产品(纸张定量105 g/m2和产量45 t/h)时，不同班组操作蒸汽消耗不同，且差异比较大，分别为:1.55 t汽/t纸和1.4 t汽/t纸。对纸机各部分的操作数据进行收集和整理，结果如图2和图3所示。

通过数据分析后，建议对真空单元进行优化，在干燥部蒸汽消耗的基础上对网部脱水进行最佳的设置，如图4所示。在纸机纵向方向上，对网部脱水进行调整，得出脱水元件的脱水量如图4所示。图4中左侧深色黑圈脱水量为610、580、 450和790 kg/min，定量是125 g/m2，产量是45 t/h。

纸厂通过对这些数据进行探索，对网部脱水进行优化，纸厂节能显著，其中电耗节省16%，蒸汽节省10%。

1.2通过数据探索过程建立纸和纸板性能模型

可以将数据探索用于预测性能和找出问题所在，实现在线无法检测的效果。

本课题以挂面纸板的耐破性能为例,通过数据探索过程进行建模。

首先，收集大量工艺数据和分析仪的测试数据，分析挂面纸板的耐破性能的影响因素，研究浆料性能与耐破性能之间的关系，最终建立预测模型。建模后的变量包括：浆张性能(抗张强度、撕裂强度、松厚度、SCT(矩距压缩强度)、CMT(平压性能测定))与纸和纸板的性能(抗张强度、撕裂强度、透气度、矩距压缩强度(SCT))。

图5 耐破性能及各个纸种SCT建立的模型

图6 通过数据探索预测断纸

图4 基于烘干部蒸汽消耗进行最佳的网部脱水数据整理

最后建立在线执行的质量模式和预测，并让操作人员可见。

该数据分析和建模的效果在于提供了在线的耐破性能信息，可以获得更加稳定的最终产品质量，同时在线质量预测可以帮助优化质量、原材料和化学品消耗以及能耗。

目前，已在某造纸厂对各个纸种耐破性能及SCT建模，并识别出预期的关系(见图5)。由图5可知，特定能源消耗可以增加耐破强度，并可以看出回收纤维和损纸量对耐破强度的影响。

另外，通过数据探索还可以预测断纸，以杂志纸横向撕裂度性能建模为例，这个建成的模型可以在纸幅断裂的几小时前对其进行预测。

首先，研究断纸的过程数据，包括浆料强度对断纸性能影响；同时探索断纸的工艺条件，设备状况；最后，建立纸幅横向撕裂度模型。这个模型是通过对传感器的数据进行分析，在现有质量预测的基础上，同时基于操作者的行为而建立的。这样可以让操作者在线看到强度预测，结果见图6。

当然，通过数据探索，可以对不同的纸张性能建模和优化。下面是一家纸袋纸生产企业对纸袋纸抗张强度、撕裂度及浆料的游离度和纤维长度的建模结果和效果(见图7)。最直接的收益就是大幅度地减少了纸张性能上的波动，改善纸机的稳定性和实现更高的车速。

图7 对不同的纸张性能建模和优化

2 通过大数据管理来实现设备的稳定性和产品性能的最佳化

目前，预防性维护在造纸企业的发展刚刚进入实质性阶段。设备维保计算机系统(CMMS)和设备状态检测系统(DMM)结合，将设备管理的文件资料和管理经验进行数据存储和管理，将实现设备性能最佳化和运行的稳定性。

在国内，一些大型生产线都配备了辊子振动监测装置，包括硬件装置和软件系统。振动传感器(如RVT系列、控制器、IO卡和机柜等)都是硬件，Sensodec 6S、DMM都是软件和程序组态。所以，实现预防性维护已经基本具备了条件，只是需要进一步建立CMMS和设备管理的数据化。如果扩展到整个工厂，甚至整个集团，预防性的诊断就带给企业更多的收益，不仅仅是设备资产的维保计划优化，减少资产损坏，减少非计划停机和改善运行性，实现资产价值最大化，同时还可以进行生产决策，改善整个集团生产线的运行性。另外，预防性维保和预测性诊断系统，还可以通过数据探索，发展出自动建议运行窗口，从而获得设备的最佳操作窗口。

3 结 语

造纸厂拥有海量的数据，而这些数据目前很多是沉睡的贵重资产，这些数据的应用和管理，将带给企业新的发展和竞争力。造纸企业的大数据应用从3年前的概念性和理论性正在进入商业模式，造纸企业和技术设备供应商之间正在共同探寻合作，开发和利用大数据，从而使大数据在造纸企业内创造收益。目前聚焦的收益重点是提高设备管理实现预防性维护，探索数据建模实现更稳定的产品质量和生产线的运行性，以及进一步通过远程的运行性中心提供远程诊断和支持等。随着ERP、MES等系统在造纸企业的进一步完善，人工智能的引入，整个造纸产业将很快进入实质性的数据化时代和智能化生产时代。

[1] CHEN Xiao-bin, LI Ji-geng. Research on the Constraction and Key Technologies in Intelligent Palp and Paper Industry[J]. China Pulp amp; Paper, 2016, 35(3): 55.

陈晓彬， 李继庚. 工业4.0时代下智能造纸工业的构建及其关键技术[J]. 中国造纸， 2016， 35(3)： 55.

[2] 杨丹辉. 影响未来的新科技新产业大数据： 浪里淘沙方见金[M]. 中国社会科学院工业经济研究所未来产业研究组著. 北京: 中信出版社, 2017.

[3] 铸就未来[S]. 维美德客户杂志, 2017.5.

[4] JariAlmi. 工业互联网改善工厂的可靠性和运行性[R]. 深圳: 2017国际造纸技术报告会, 2017.

(责任编辑：董凤霞)

BigDataManagementandUtilizationinChina’sPulpandPaperMills

ZHAO Xiao-ling1,*ZHOU An-ning1Liu Jing-wei2
(1.Xi’anUniversityofScienceandTechnology,Xi’an,ShaanxiProvince, 710054; 2.ValmetChinaCo.,Ltd.,Shanghai, 201809)(*E-mail: 13801300956@163.com)

Paper Making Industry 4.0 refers to intelligent plant, intelligent production and intelligent logistics. Big data management and utilization are the fundamental of intelligence of paper enterprises. Big data discovery and big data management and utilization will be of benefit to production reliability, equipment performance and product quality stability, as well as production cost saving in the mills. Big data discovery and management is a dialogue with data, it will be conducted by data scientist, paper making process engineers, and automation specialists, they will carry out the data collection, sorting, analysis, study, and make conclusion and execute it. Mill intelligent production and logistics eventually will be realized base on the big data discovery, management and utilization.

industrial 4.0; industrial internet; big data discovery process

赵小玲女士，讲师；主要从事化学工艺学研究与教学工作。

TS7

A

10.11980/j.issn.0254- 508X.2017.11.012

2017- 09- 08

本课题受陕西省教育厅专项项目资金支持，项目编号(12JK0601)。