Desenvolvimento de um sensor virtual para controle da resistência à tração do papel em uma planta de polpa CTMP

Abstract

Resumo: Na indústria de celulose e papel, no Brasil, as principais fontes de matéria prima para a produção industrial são provenientes das espécies arbóreas Eucaliptos e Pinus. A partir do processo de polpação é produzido a polpa de celulose para a produção do papel, um dos métodos de polpação é o chemithermomechanical pulp e esse processo possui grande influência nas propriedades do produto final. Para atender as demandas do mercado, é necessário um grande controle sobre o processo de produção, e um dos instrumentos utilizados para esse controle são os sensores físicos, que possuem um alto custo para as empresas. Uma alternativa para esses sensores físicos são os sensores virtuais, que se utiliza de modelos matemáticos para predição da variável de interesse, e possuem baixo custo de desenvolvimento, instalação e manutenção além de uma alta precisão. Este trabalho tem como objetivo desenvolver um sensor virtual para a predição da resistência à tração do papelcartão produzido pela empresa KLABIN. Utilizou-se de modelagem estatística para o desenvolvimento de um modelo por regressão linear multivariado e um modelo por regressão não linear por mínimos quadrados parciais (PLS). Desenvolveu-se um modelo baseado em redes neurais artificiais (RNA) a fim de comparar o desempenho do mesmo com os modelos estatísticos e selecionar o melhor modelo para o desenvolvimento do sensor virtual, os dados para o desenvolvimento do modelo foram divididos em 60% para treinamento, 20% para validação e 20% para teste. Os modelos desenvolvidos apresentaram a princípio um baixo desempenho na previsão da variável de interesse, indicando problemas no banco de dados. Principal Componente Analysis foi aplicado no conjunto de dados a fim de resolver o problema, os modelos desenvolvidos após a utilização de PCA apresentaram novamente um resultado não satisfatório, tendo desempenho inferior aos modelos desenvolvidos anteriormente. A partir do grande poder de generalização das redes neurais e do seu alto grau de nãolinearidade, removeu-se outliers do conjunto de dados, formando um novo dataset para o desenvolvimento dos modelos. Os modelos apresentaram desempenho superior aos modelos anteriores, o modelo baseado em redes neurais foi o que apresentou maior capacidade de predizer a variável de interesse com R =0,89. Palavras-chave: Celulose, Papel, Modelagem Matemática, Redes Neurais Artificiais, Sensores Virtuais.

Abstract: In the brazilian pulp and paper industry, the main sources of raw material for industrial production come from the tree species Eucalyptus and Pinus. The pulp produced for paper production comes from the pulping process, one of the pulping methods is the chemi-thermomechanical pulp and this process has great influence on the properties of the final product. To achieve the demands of the Market, a tight control of the production process is necessary, and one of the instruments used to control are physical sensors, which have high costs to the companies. An alternative for these physical sensors are soft sensors, which use mathematical models to predict the variable of interest, with low development, installation and maintenance costs in addition to high precision. This work aims to develop a soft sensor for the prediction of tensile strength of paperboard produced by KLABIN. Statistical modeling was used to develop a multivariatelinear regression model and a non-linear regression model based on partial least squares (PLS). A model based on neural network (NN) was developed in order to compare the performance of the NN model with the statistical models and selecting the best model for the development of the soft sensor, the dataset used to develop the NN was divided into 60% for training, 20% for validation and 20% for testing. The models developed presented at first a poor performance in the prediction of the variable of interest, indicating problems in the dataset. Principal Component Analysis was applied to the dataset in order to solve the problem, the models developed after the use of PCA again presented an unsatisfactory result, having inferior performance compared to the previously developed models. Due to the capacity of neural network to generalize and it's high nonlinearity, NN was used as a method to identify outliers on the dataset, forming a new one that was used to develope new models. The models performed better than the previous models developed and the model based on NN presented the highest capacity to predict the variable of interest with R= 0,89. Keywords: Pulp, Paper, Mathematical Modeling, Neural Network, Soft Sensor.