Implementación y modelamiento predictivo de cocción downflow lo-solid en digestor continuo

• Ano de defesa: 2011
• Autor(a) principal: Saavedra, Daniel Maximiliano Aracena
• Tipo de documento: Dissertação
• Tipo de acesso: Acesso aberto
• Idioma: spa
• Instituição de defesa: Universidade Federal de Viçosa; BR; Qualidade da madeira; Tecnologia de celulose e papel; Mestrado Profissionalizante em Tecnologia de Celulose e Papel; UFV
• Palavras-chave em Português: Modelamiento predictivo; Cocción; Lo-solid; Digestor continuo; Modelo preditivo; Polpação; Digestor contínuo; CNPQ::CIENCIAS AGRARIAS::RECURSOS FLORESTAIS E ENGENHARIA FLORESTAL::TECNOLOGIA E UTILIZACAO DE PRODUTOS FLORESTAIS::TECNOLOGIA DE CELULOSE E PAPEL
• Link de acesso: http://locus.ufv.br/handle/123456789/5911

Neste trabalho, pretende-se mostrar as alterações feitas no processo de polpação do digestor contínuo de uma das linhas na Planta Arauco, a partir dos resultados alcançados pretende-se fornecer dados para o desenvolvimento de um modelo preditivo do número kappa no digestor contínuo Down Flow Lo-Solid. O cozimento Lo-sólido que estava em operação desde 2000, foi deficiente na área de lavagem, o que levou ao desenvolvimento de um novo processo chamado Downflow Lo-Solid. A partir desse processo conseguiu-se reduzir significativamente os níveis DQO na linha de fibra, incluindo a entrada de branqueamento que diminuiu 24%, atingindo valores de 10,8 (kg DQO / tas), porém este não se traduz em poupança dióxido de na área de branqueamento. As melhorias na lavagem da polpa permitiram reduzir o consumo de antiespumante 42%, reduzindo o consumo a um valor especifico de 0,81 (kg AE / tsa). Com relação à qualidade da polpa obtida, esta apresenta diminuição nas propriedades físico-mecânicas, embora essa característica seja atribuída ao fato de o digestor receber uma mistura de cavacos com diferentes tempos de armazenamento, o que alterou diversos parâmetros analisados neste trabalho. Foi definido que era necessário para modelar o comportamento do número kappa no digestor, devido à importância desta variável, como ele define todo o processo de cozimento. Obtiveram-se modelos que preveem um coeficiente de correlação de 0,817 para uma rede neural artificial com controle de Bayesian e uma camada.