Blogg

Effektivare pappersproduktion för Valmets kunder med hjälp av analys

Valmet AB erbjuder service och teknik inom massa-, pappers- och energindustrin och satsar för fullt på big data, analys och industriell internet. Företaget erbjuder sina kunder heltäckande rådgivning och experthjälp, med målet att göra pappers- och cellulosaproduktionen effektivare. En viktig del i detta är att minimera den tid som går åt till driftstopp för underhåll. För att lyckas med sina mål samarbetar Valmet med Houston Analytics och Teradata. Pappersmaskinerna är utrustade med sensorer som samlar in data som sedan analyseras för att kunna effektivisera maskinernas produktion och underhållsintervaller.

En pappersvals rullar över 1500 meter per minut och pressar samtidigt papper med enorm kraft. Förslitning förekommer alltså, men tidigare visste man inte exakt hur, när och varför. Lösningen på frågorna hittades genom att analysera data från de flera tiotusentals sensorer som kopplats till pappersmaskinen. Man skapade en prognosmodell som inte bara visade på orsakerna till valsens nötning utan också tog fram en åtgärdsplan på hur maskinen kan hålla längre. Med hjälp av modellen har man lyckats förlänga underhållsintervallerna med tiotals procent. Genom att höja kapaciteten har man uppnått avsevärda besparingar. Också till massaproduktionen har man utvecklat en modell, som ger rekommendationer på åtgärder och produktionsprognoser.

”Våra kunder vill i allt större utsträckning köpa avancerade service- och underhållstjänster från tillverkaren av originalutrustningen, dvs. oss. En ny pappersmaskin kostar cirka 50–200 miljoner euro och hela projektet 100–400 miljoner euro. Pappersmaskiner är mycket komplexa och många dyra delar slits ut när de används i produktionen. Vi ville utveckla en livscykelmodell där vi kunde se vilka faktorer som påverkar förslitningen och även modeller för hur man kan effektivisera produktionen”, säger Pekka Linnonmaa, Director, Paper Technology, EMEA, från Valmet.

Den data om sensorerna samlar in är mycket tillförlitlig när man gör prognoserna och det finns en mängd data att jobba med. Med hjälp av analysverktyget IBM SPSS Modeler och Teradata Aster är prestationsförmågan inget problem, varför det egentliga arbetet inriktas på att analysera informationen som upptäcks.

Från data kan man identifiera vilka händelser och serier av händelser som påverkar förslitningen av valsytan. Med detta som underlag byggs en statistisk prognostiserande modell, som i god tid identifierar när det är dags att göra underhåll av maskinen.

"Med hjälp av modellen kan man också skapa scenarier om hur maskinen bör användas. Samarbetet mellan dataanalytikern och experterna fungerar smidigt med hjälp av den information man har fått. Det gör att dataanlyser även kan användas för att stärka och förbättra samarbetet mellan olika avdelningarna", säger Chief Analyst Joonas Isoketo från Houston Analytics.