Tiivistelmä

Kuorinnan tavoitteena on valmistaa tasalaatuista raaka-ainetta haketukseen ja edelleen keittämölle. Puuhäviöitä syntyy, kun esikäsittelylinjaston kuorimarummussa kuoren irtoamisen lisäksi myös osa puusta silppuuntuu ja poistuu kuoren mukana kuoriaukkojen kautta. Kuorinnan tavoitteena on mahdollisimman suuri kuorintapuhtaus samalla kun puuhäviöt pysyvät pienenä. Optimaaliseen kuorinta-asteeseen päästään säätämällä kuorintarummun nopeutta ja täyttöastetta puulaadun ja rummun mitoituksen mukaan. Työssä tavoitteena ollut kuorinnan optimointi perustuu Valmet Woodhandlingin VisiBark-mittariin, joka soveltuu havupuun erivärisen kuoren ja puuaineksen erottamiseen toisistaan.

Klusterointimenetelmänä työssä on käytetty Matlab FuzzyEqu Toolboxin FCM-funktiota (sumeaa keskiarvoistettua klusterointia) kunkin klusterivaihtoehdon kehittämiseen. Klusteroinnilla pyritään jakamaan todellinen rummulta saatu mittausdata eri puulaatujen mukaisiin klustereihin. Puun laatu vaihtelee varsin voimakkaasti, kun rummulle tulee tuoretta puuta suoraan hakkuutyömaalta ja väliin taas puukentällä jo pitempään kuivanutta ja osin jopa lahonnutta puutavaraa. Puulaatujen vaihteluväli voi olla erittäinkin lyhyt, jos samaan aikaan linjalle ajetaan puuta eri kohteista.

Koska puun laadullisesta määrityksestä ei ole vielä saatavissa mittausdataa, joka voitaisiin liittää yhdeksi muuttujaksi, päädyttyyn jakamaan data vain kolmeen klusteriin. Tällöin muodostuivat mallit normaaleille ajotilanteille, jossa puuhäviöt pysyvät kohtuullisina sekä häiriötilanteille. Häiriötilanteissa puuhäviöt joko kohosivat huomattavasti normaalia suuremmiksi tai jäivät erittäin pieniksi tilanteissa, joissa rummun kierrosnopeus jouduttiin ajamaan alas. Työn tuloksena todettiin klusterien pohjalta tehtyjen mallien erottuvan toisistaan.

Raportti on osa projektia "Keiton, pesun ja happidelignifioinnin älykäs ohjaus ja kuitulinjan eri prosessien yhteistoiminnan tarkempi hallinta" (KUHA), joka kuuluu osana TEKES:n rahoittamaan Prosessi-integraatio -teknologiaohjelmaan.