Assessment and Enhancement of the Performance of the Pulp Washing Operation in Kraft Mills
Bibliographic record
Abstract
Le secteur industriel des pâtes et papiers est un des piliers de l'industrie du Canada.Il est également un des plus gros consommateurs d'énergie et d'eau et la facture énergétique associée est généralement comprise entre 25 et 50 % de la totalité des coûts de fonctionnement pour ce type d'usine.Le secteur industriel papetier du Canada a été durement touché par la crise financière de 2008, ainsi que par une stagnation de la consommation de papier en Amérique du Nord.Si on ajoute à cela la concurrence des pays émergents comme l'Inde, le Brésil et la Chine, dotés d'usines plus récentes, l'industrie papetière canadienne traverse aujourd'hui sa plus grande crise depuis sa création, il y a 200 ans.Il existe trois procédés différents pour obtenir la réduction de la biomasse en pâte à papier.La voie chimique, la voie mécanique et la voie semi-chimique.Ce projet porte uniquement sur un procédé de fabrication par voie chimique, connu sous le nom de procédé Kraft.Ce procédé est le plus employé et représente 75 % de la production mondiale de pâte.Afin de rester compétitives, les usines doivent accroître leur efficacité énergétique pour mieux contrôler leurs coûts de production.Les équipements employés pour préparer la pâte Kraft sont des gros consommateurs d'eau et d'énergie, lorsqu'ils ne sont pas correctement optimisés.L'analyse de la performance de ces équipements est une étape importante qui précède toute technique d'optimisation par l'analyse des procédés.Si les résultats de cette opération sont concluants, on peut alors envisager des modifications dans les conditions de fonctionnements des équipements.Ce type de mesure nécessite peu d`investissement et s`avère être une source d`économie significative.Dans le procédé, certains équipements jouent un rôle central et il est important d`en évaluer la performance afin de proposer les modifications nécessaires à assurer leur fonctionnement optimal.Du point de vue de la consommation d'énergie, les équipements considérés sont les laveurs, les évaporateurs, les chaudières et les sécheurs.Les laveurs sont les équipements qui consomment le plus d'eau et ils ont un impact direct sur la consommation de vapeur dans les évaporateurs.En effet, l'eau de lavage est ensuite envoyée aux évaporateurs pour atteindre un certain niveau de concentration en matières solides dissoutes.Les laveurs situés dans les départements de lavage de la pâte brune et de blanchiment utilisent en moyenne 74 % de l'eau totale consommée dans les usines construites dans les années 1980.La consommation moyenne de vapeur dans les blanchisseurs et les évaporateurs représentent à eux deux 42 % et 47 % de la vi consommation totale de vapeur des usines qui emploient respectivement des feuillus et des résineux.On trouvera dans cette étude l`analyse de performance des laveurs pour trois usines canadiennes.Par soucis de confidentialité, ses usines seront nommées usines A, B et C. Cette étude comprend la description des différents départements de l'usine, la validation du modèle numérique de l'usine, la caractérisation et la comparaison des résultats obtenus avec la moyenne nationale.On trouvera également une description générale des usines B et C. Dans cette étude, la performance des laveurs est caractérisée à l'aide de trois indicateurs, le premier est un paramètre appelé « Equivalent Displacement Ratio » (EDR), le second est le taux de matières solides dissoutes extraites durant le lavage et enfin, le troisième est l'efficacité du lavage.Un diagnostic de performance des équipements ainsi que des projets visant à accroitre leur efficacité sont proposés dans cette étude pour atteindre une réduction de la consommation d'eau comprise entre 3,4% et 49%, et une réduction de la consommation de vapeur comprise entre 1,8% et 7,6%, selon les usines.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.001 | 0.001 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.000 | 0.000 |
| Scholarly communication | 0.001 | 0.000 |
| Open science | 0.001 | 0.000 |
| Research integrity | 0.001 | 0.000 |
| Insufficient payload (model declined to judge) | 0.001 | 0.001 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".