تعیین میزان ارتباط متغیرهای برج ذخیرة CMP بر ویژگی‏های کاغذ روزنامه

نوع مقاله: مقاله پژوهشی

نویسندگان

1 استادیار، گروه علوم و صنایع چوب و کاغذ، دانشکدة منابع طبیعی، دانشگاه صنعتی خاتم‏الانبیا بهبهان، بهبهان، ایران

2 استاد، گروه علوم و صنایع چوب و کاغذ، دانشکدۀ منابع طبیعی دانشگاه تهران، کرج، ایران

3 استاد، گروه چوب و کاغذ، دانشکدۀ منابع طبیعی، دانشگاه کشاورزی و منابع طبیعی ساری، ساری، ایران

4 استادیار، گروه اصلاح نباتات، دانشکدۀ کشاورزی و منابع طبیعی، دانشگاه آزاد اسلامی، واحد علوم و تحقیقات تهران، تهران، ایران

چکیده

این تحقیق با هدف بررسی روابط میان 16 متغیر فرایندی برج ذخیرۀ خمیر شیمیایی ـ مکانیکی (CMP) و 17 ویژگی کیفی کاغذ روزنامۀ ساخته‏شده در کارخانۀ چوب و کاغذ مازندران و تهیۀ مدل‏های پیش‏بینی انجام گرفت. پس از تهیۀ سری دادۀ مناسب با در‏نظر‏گرفتن زمان لازم برای تبدیل این خمیر به کاغذ روزنامه، روابط این متغیرهای مستقل با متغیرهای ویژگی‏های کاغذ روزنامه با روش رگرسیون حداقل مربعات جزئی (PLS) تعیین شد که در نتیجة آن 4 بردار مخفی محاسبه‏شده توانستند متغیرهای مرتبط را مشخص و گروه‏بندی کنند. بردار اول به‏عنوان مهم‏ترین فاکتور حدود 50 درصد از تغییرات 7 ویژگی کاغذ روزنامه شامل ضخامت، حجیمی، طول پارگی MD، افزایش طول MD، مقاومت به ترکیدن، ماتی، و مقاومت به عبور هوا را توضیح داد. درصد الیاف باقی‏مانده بر روی الک با مش 48 که شامل بخش الیاف بلند می‏شود به‏عنوان مهم‏ترین متغیر تأثیرگذار بر این 7 ویژگی در این بخش بود. برای پیش‏بینی ویژگی‏های کاغذ روزنامه پس از کاهش ابعاد مدل، از PLS به روش رگرسیون رتبه‏کاهش‏یافته استفاده شد که در نتیجۀ آن تغییرات ضخامت، حجیمی، طول پارگی MD، مقاومت به ترکیدن، و ماتی کاغذ روزنامه به‏ترتیب به اندازۀ 7/48، 2/49، 3/45، 5/51، و 4/52 درصد توسط 12 متغیر فرایندی برج ذخیرۀ CMP تبیین‏ شد.

کلیدواژه‌ها


عنوان مقاله [English]

Determination of the Relationships between CMP Tower Pulp Variables and Newsprint Properties

نویسندگان [English]

  • Mohammad hadi Moradian 1
  • Ghanbar Ebrahimi 2
  • Hossein Resalati 3
  • Reza Azizinejad 4
1 Assistant Professor, Wood and Paper Science and Technology, natural resources faculty, Behbahan Khatam Alanbia University of Technology, Behbahan, Iran
2 Professor, Department of Wood and Paper Sciences and Technology, Faculty of Natural Resources, University of Tehran, Karaj, Iran
3 Professor, Sari Agricultural Sciences and Natural Resources University, Sari, Iran
4 Assistant Professor, Department of Plant Breeding, Science and Research Branch, Islamic Azad University, Tehran, Iran
چکیده [English]

The objective of this study was to investigate the relationships between 16 process variables of the CMP tower chemi-mechanical pulp, and 17 newsprint quality properties at Mazandaran Wood and Paper Industries and to develop predictive models. After preparation of suitable data series considering the time needed for pulp to paper, the relations between process dependant and newsprint independent variables were determined using partial least squares (PLS) regression. In result, 4 calculated latent vectors could categorize and relate variables. The first vector as the most important factor, determined about 50 percent changes of 7 newsprint properties including; Caliper, Bulk, Breaking Length MD, Elongation MD, Burst, Opacity and Air Resistance. The amount of fibers remained on the +48 mesh screens including long fiber fractions, was the most influencing variable on the above 7 newsprint properties. To predict the newsprint properties, after reduction of model dimensions, reduced rank regression method were used that in result the changes in paper caliper, bulk, breaking length MD, burst and, opacity were determined as much as 48.7, 49.2, 45.3, 51.5 and, 52.4 percent respectively by CMP tower process variables. 

کلیدواژه‌ها [English]

  • CMP tower variables
  • Newsprint
  • paper properties
  • PLS regression
  • Statistical models
[1]. Mercangoz M., and Doyle, F.J. (2006). Model-based control in the pulp and paper industry. Control Systems, IEEE, 26(4): 30-39.

[2]. Grage, H. (2004). A statistical analysis of data from the production line at the Munksund paper mill. Technical report, Lund Institute of Technology, Sweden.

[3].Schweiger, C.A., and Rudd, J.B. (1994). Prediction and control of paper machine using adaptive technologies in process modeling. Tappi Journal, 77, (11): 201-208.

[4].Kallioinen, M., Huuhilo, T., Reinikainen, S.P., Nuortila-Jokinen, J., and Mänttäri, M. (2006). Examination of membrane performance with multivariate methods: A case study within a pulp and paper mill filtration application. Chemometrics and intelligent laboratory systems, 84(1):  98-105.

[5]. Bhardwaj N.K., Hoang, V., and Nguyen, K.L. (2007). Effect of refining on pulp surface charge accessible to polydadmac and FTIR characteristic bands of high yield kraft fibres. Bioresource technology, 98(4): 962-966.

[6]. Lahtinen K., and Kuuipalo, J. (2008). Statistical prediction model for water vapour barrier of extrusion-coated paper. Tappi Journal, (9): 8-15. 

[7]. Suwannarangsee S., Bunterngsook, B., Arnthong, J., Paemanee, A., Thamchaipenet, A., Eurwilaichitr, L., and Champreda, V. (2012). Optimisation of synergistic biomass-degrading enzyme systems for efficient rice straw hydrolysis using an experimental mixture design. Bioresource Technology, (119): 252-261.

[8]. Abdi, H. (2007). Partial Least Square Regression (PLS-Regression). Encyclopedia of Measurement and Statistics, Thousand Oaks, USA.

[9]. Fridén, H., and Tano, K. (2005). Using PLS models with both controlled and uncontrolled X variables for "What if."prediction. Anonymous. 9th Scandinavian Symposium och Chemometrics, 2005 August 21-23, Reykjavik, Iceland (in press), 1-6.

[10]. Bjorkstrom, A. (2007). Regression methods and their interconnections. Technical report, Stockholm University, Sweden.

[11]. Broderick, G., Paris, J., Valade, J.L., and Wood, J. (1995). Applying latent vector analysis to pulp characterization. Paperi ja Puu, 77(6/7): 410–418.

[12]. Broderick, G., Paris, J., Valade, J.L., and Wood, J., (1996). Linking the fiber characteristics and handsheet properties of a high-yield pulp. Tappi Journal, 79(1): 161–169.

[13]. Nordstrom, F., Lindstrom, T., and Holst, J. (2005). Statistical models for on-line monitoring quality properties. Technical report, Lund Institute of technology.

[14]. Ortiz-Cordova, M., Hagedorn, A., Orccotoma, J.A., and Baril, J. (2006). Analysis of paper strength variability in an integrated newsprint mill. Pulp and Paper Canada, October, 37-43.

[15]. Winchell, P. (2006). Using multivariate data analysis for process trouble shooting. Pan Pacific Conference, 191-195.

[16]. Mazandaran Wood and Paper Industries documents, Basic of design annex 2, 1995.

[17]. Farshadfar, E. (2007). Basis and Methods of Multivariate Statistics. 2end Ed., Taghbostan Press, Razi University.

[18]. Van der Voet, H. (1994). Comparing the Predictive Accuracy of Models Using a Simple Randomization Test. Chemometrics and Intelligent Laboratory Systems, (25): 313-323.