haku: @keyword fine paper / yhteensä: 7
viite: 6 / 7
Tekijä:Nieminen, Juha-Erkki
Työn nimi:Evaluation of pulp optimisation methods for fine paper
Hienopaperin valmistukseen soveltuvien massaoptimointimenetelmien arviointi
Julkaisutyyppi:Diplomityö
Julkaisuvuosi:2006
Sivut:107 s. + liitt. 11      Kieli:   eng
Koulu/Laitos/Osasto:Puunjalostustekniikan osasto
Oppiaine:Paperitekniikka   (Puu-21)
Valvoja:Paulapuro, Hannu
Ohjaaja:Verkasalo, Lauri
OEVS:
Sähköinen arkistokappale on luettavissa Aalto Thesis Databasen kautta.
Ohje

Digitaalisten opinnäytteiden lukeminen Aalto-yliopiston Harald Herlin -oppimiskeskuksen suljetussa verkossa

Oppimiskeskuksen suljetussa verkossa voi lukea sellaisia digitaalisia ja digitoituja opinnäytteitä, joille ei ole saatu julkaisulupaa avoimessa verkossa.

Oppimiskeskuksen yhteystiedot ja aukioloajat: https://learningcentre.aalto.fi/fi/harald-herlin-oppimiskeskus/

Opinnäytteitä voi lukea Oppimiskeskuksen asiakaskoneilla, joita löytyy kaikista kerroksista.

Kirjautuminen asiakaskoneille

  • Aalto-yliopistolaiset kirjautuvat asiakaskoneille Aalto-tunnuksella ja salasanalla.
  • Muut asiakkaat kirjautuvat asiakaskoneille yhteistunnuksilla.

Opinnäytteen avaaminen

  • Asiakaskoneiden työpöydältä löytyy kuvake:

    Aalto Thesis Database

  • Kuvaketta klikkaamalla pääset hakemaan ja avaamaan etsimäsi opinnäytteen Aaltodoc-tietokannasta. Opinnäytetiedosto löytyy klikkaamalla viitetietojen OEV- tai OEVS-kentän linkkiä.

Opinnäytteen lukeminen

  • Opinnäytettä voi lukea asiakaskoneen ruudulta tai sen voi tulostaa paperille.
  • Opinnäytetiedostoa ei voi tallentaa muistitikulle tai lähettää sähköpostilla.
  • Opinnäytetiedoston sisältöä ei voi kopioida.
  • Opinnäytetiedostoa ei voi muokata.

Opinnäytteen tulostus

  • Opinnäytteen voi tulostaa itselleen henkilökohtaiseen opiskelu- ja tutkimuskäyttöön.
  • Aalto-yliopiston opiskelijat ja henkilökunta voivat tulostaa mustavalkotulosteita Oppimiskeskuksen SecurePrint-laitteille, kun tietokoneelle kirjaudutaan omilla Aalto-tunnuksilla. Väritulostus on mahdollista asiakaspalvelupisteen tulostimelle u90203-psc3. Väritulostaminen on maksullista Aalto-yliopiston opiskelijoille ja henkilökunnalle.
  • Ulkopuoliset asiakkaat voivat tulostaa mustavalko- ja väritulosteita Oppimiskeskuksen asiakaspalvelupisteen tulostimelle u90203-psc3. Tulostaminen on maksullista.
Sijainti:P1 Ark TKK  643   | Arkisto
Avainsanat:fine paper
pulp optimisation
pulp characterisation
hienopaperi
massaoptimointi
massojen hyvyysarviointi
Tiivistelmä (fin): Diplomityön tarkoituksena oli kartoittaa hienopaperin valmistukseen soveltuvat massaoptimointimenelmät ja arvioida ne.
Menetelmien hyvyyttä arvioitiin niiden luotettavuuden, tarkkuuden, vahvuuksien ja heikkouksien, rajoittavien tekijöiden, yleispätevyyden sekä kustannusten suhteen.

Kirjallisuusosan alussa esiteltiin hienopapereiden yleisimmät käyttökohteet, raaka-aineet, tuotantoprosessi ja yleinen tuoteanalyysi.
Loppuosassa käsiteltiin eri massaoptimointimenetelmiä.
Glocellin käyttämän pääkomponenttianalyysin, PAKKA-mallin ja perinteisen massojen hyvyysarvioinnin teoria esiteltiin ja menetelmien toimintaperiaatteet kuvattiin.

Kokeellisessa osassa massaoptimointimenetelmät arvioitiin käyttämällä niitä M-realin Sittingbournen tehtaan uuden tuotteen massan optimoinnissa.
Kuusi pitkäkuitu- ja viisi lyhytkuitumassaa valittiin kokeisiin.
Massojen alkukarsinta suoritettiin Glocellin analyysien ja PAKKA-mallin tulosten perusteella.
Tämän jälkeen lupaavimmilla selluilla tehtiin laboratoriokokeita.
Yksi eukalyptussellu valittiin paperikonekoeajoon.

Laboratoriokokeiden jälkeen verrattiin kaikkien eri massaoptimointimenetelmien tuloksia keskenään.
Myös paperin ominaisuuksien lineaarisuutta massakomponenttien ominaisuuksien suhteen arvioitiin, koska se oli perustana Glocellin pääkomponenttianalyyseille.
Lisäksi tutkittiin PAKKA-mallin kykyä ennustaa täyteainepitoisen kuituverkoston ominaisuuksia.
Työssä tarkasteltiin myös laboratoriokokeiden tulosten riippuvuutta eri arkkaus- ja märkäpuristusmenetelmistä.
Lopuksi kaikkia tuloksia verrattiin paperikonekoeajon tuloksiin.

Työssä havaittiin, että eri optimointimenetelmien tulosten ja massojen hyvyysarvioiden välillä oli eroja.
Pääkomponenttianalyysin tulokset eivät olleet täysin yhdenmukaisia laboratoriokokeiden tulosten kanssa.
Suurin syy oli, että massaseosten ominaisuuksien arvioinnissa käytetyt lineaariset mallit eivät päteneet.
Opasiteetilla ja bulkilla ero kokeellisten ja laskennallisten tulosten välillä oli alle 10 %, mutta huokoisuuden sekä palstautumis- ja repäisylujuuden ero oli huomattavasti suurempi.
PAKKA-simulaatioiden tulokset vaikuttivat myös melko lineaarisilta, mikä saattoi heikentää niiden luotettavuutta.
PAKKA-mallin tulokset olivat kuitenkin hyvin yhdenmukaisia kokeellisten tulosten kanssa.
Muutamien ominaisuuksien suhteen massojen paremmuusjärjestys oli ristiriitainen, mutta erot eivät olleet tilastollisesti merkitseviä.
Suuruuserot eri optimointimenetelmillä määritettyjen ominaisuuksien välillä olivat merkittäviä.
Myös eri laboratoriolaitteita käytettäessä massojen suhteellinen hyvyys oli yhdenmukainen.
Ominaisuuksien välillä havaittiin kuitenkin jälleen suuruuseroja.
Verrattaessa laboratoriomittauksia paperikonekoeajon tuloksiin, havaittiin, että tulosten välillä oli merkittäviä eroja.
Tämä oli yllättävää, koska konesäiliöstä otettujen massanäytteiden laboratoriotulokset olivat kuitenkin yhdenmukaisia aikaisempien laboratoriotuloksien kanssa.
Laatuvaihtelu paperikoneella ja paperikonenäytteiden esipäällystys saattoivat johtaa ristiriitaisiin havaintoihin.

Muutamista ristiriitaisista tuloksista huolimatta voi todeta, että kaikki arvioidut menetelmät soveltuvat massaoptimointiin.
Pääkomponenttianalyysi ja PAKKA-malli tarjoavat hyvän ja nopean menetelmän suurten massajoukkojen arviointiin varsinkin, jos massat ovat merkittävästi erilaisia.
Perinteiset laboratoriomenetelmät ovat kuitenkin edelleen hyvin hyödyllisiä tarkempaan arviointiin ja silloin, kun massojen väliset erot ovat pieniä.
Samanlaisia massoja tutkittaessa on kuitenkin muistettava huomioida raaka-aineen laadun vaihtelut johtopäätöksiä arvioitaessa.
Kehittyneistäkin menetelmistä huolimatta tällä hetkellä ei ole massaoptimointimenetelmää, joka tekisi paperikonekoeajot tarpeettomiksi.
ED:2006-03-03
INSSI tietueen numero: 30686
+ lisää koriin
INSSI