| Summary: | Diplomityön tavoitteena oli kartoittaa kemiallisesti parhaita käytäntöjä sellutehtaiden kemikaalien talteenottoprosessissa. Kirjallisuudesta ei löytynyt lipeäkiertoon liittyvää kemiallista tietoutta. Laiteteknisten ratkaisujen kautta yritettiin saada selville parhaat käytännöt. Teoriaosassa on myös käsitelty lipeäkierrossa esiintyvien vierasaineiden lähteitä, rikastumista ja poistumista prosessista. Työ tehtiin Stora Enson Suomessa sijaitseville tehtaille. Kokeellisessa osassa on suoritettu tehtailta saadun materiaalin perusteella tunnuslukujen laskentaa sekä PCA-analyysin teko. Työssä tarkastelualueena on lipeäkierto liuottajasta meesauuniin. Kaukopäässä on käytössä lipeäkierrossa kaksi lipeälinjaa ja muilla tehtailla vain yksi. Saatujen tunnuslukujen perusteella tehtaille on annettu pisteitä nollasta viiteen. Viisi pistettä on saanut parhaan arvon saanut tehdas ja nolla pistettä kaukana parhaasta arvosta olevat. Tunnuslukuja on valittu 14 ja edellä esitetyllä tavalla pisteytettynä on parhaaksi tehtaaksi saatu Kaukopään 1-lipeälinja ja huonoin on Kemijärvi. Huomioitavaa on Kaukopään 2-lipeälinjan sijoittuminen vasta neljänneksi, vaikka lipeälinjoilla on valkolipeän ja meesan käsittelyssä yhteiset syöttösäiliöt. PCA-analyysin perusteella havaittiin, että kuukausikeskiarvoja käytettäessä tulokset tasoittuvat verrattuna päiväarvoilla tehtyyn analyysiin. Analyysi osoittaa, että tehtailla lipeäkierto ei ole täysin hallinnassa. Tämä ilmenee suurina objektien liikkeinä kuvissa. Päiväarvoilla analyysi tehtiin vain Oulun tehtaalle. Tarkastelussa valittiin kuukauden mittainen ajanjakso niin hyvää kuin huonoakin jaksoa. Mallien selitysasteista voidaan nähdä eroja hyvän ja huonon jakson välillä. Tämä ilmenee niin, että hyvän jakson mallin selitysaste on korkeampi kuin huonon jakson. Objektien sijoittuminen kuvissa on myös erilainen. Hyvän jakson aikana objektit ovat pieninä ryhminä, kun huonon jakson objektit ovat hajonneet yksittäisiksi arvoiksi ja päivien väliset erot ovat suuret. The aim of this Master’s Thesis was to find out the chemically best practices in the recovery process. In the literature there is little information related to liquor cycle chemistry. The best methods were tried to find out through different device constructions. In the theoretical part non-process elements are also examined: how they come to the process, how they accumulate, and how they exit from the process. This Master’s Thesis was done for Stora Enso’s pulp mills, which are located in Finland. In the experimental part the calculation of key ratios and making of the PCA analysis have been carried out on the basis of the material that has been obtained from the mills. Key ratios have been chosen from the smelt dissolver to the lime kiln. In Kaukopää there are two liquor lines in use in the liquor cycle and in other mills only one. Fourteen key ratios have been chosen for examination. On the basis of these key ratios, the mills have been given points from zero to five. Five points has been given to the mill that has got the best value and zero for those that are far from the best value. On the basis of this, Kaukopää 1 is the best liquor line and Kemijärvi is the worst. It is notable that Kaukopää 2 is only at fourth place even though the two liquor lines in Kaukopää have common feeding containers in the handling of white liquor and lime mud. On the basis of the PCA analysis it was noticed that when month averages are used, the results become smoother than in the analysis done with the day rates. The analysis shows that the liquor cycles are not totally under control at the mills. This is manifested in the pictures as big movements in the objects. With the day rates the analysis was done to the Oulu mill only. A good period as well as a bad period of one month was chosen for examination. A clear difference between good and bad periods can be noticed from the explained variance of the model. The explained variance of the model of the good period is higher than that of the bad period. From the pictures, it can be noticed that during the good period the objects are in small groups while the objects of the bad period have been broken into individual values and the differences between days are big.
|
|---|