این سایت در حال حاضر پشتیبانی نمی شود و امکان دارد داده های نشریات بروز نباشند
پژوهش های علوم و فناوری چوب و جنگل، جلد ۲۱، شماره ۴، صفحات ۷۷-۹۴
عنوان فارسی پیش بینی مقاومت به پارگی کاغذ روزنامه در جهت کاغذ براساس متغیرهای موثر (مطالعه موردی: کارخانه چوب و کاغذ مازندران)
چکیده فارسی مقاله متغیرهای متفاوتی در فرایند پیچیده کاغذسازی برای بهبود روان سازی تولید مورد بررسی قرار میگیرند. این متغیرها بر خصوصیات کاغذ روزنامه تاثیرگذار می باشند. حال سوال اساسی این است که موثرترین متغیرهای اندازه گیری شده در خط تولید کارخانه چوب و کاغذ مازندران بر روی مقاومت به پارگی کاغذ روزنامه کدام می باشد؟ بنابراین از 145 متغیرهای اندازه گیری شده ماشین ها در طی سال های 1388 تا 1390 و روش های مدل سازی خطی و مدل سازی غیر خطی آزمون گاما، M ، الگوریتم ژنتیک و شبکه عصبی مصنوعی برای آزمون سوال استفاده شد. تعداد 7 متغیر انتخاب شده براساس مدل های گام به گام رگرسیون چند متغیره خطی، برای ایجاد مدل های شبکه عصبی مصنوعی استفاده شدند. متغیرهای منتخب شامل؛ 1- درصد مواد افزودنی به خمیر کاغذ، 2- مقدار باز شدن شیار هدباکس، 3- نسبت سرعت ریزش خمیر کاغذ بر روی توری به سرعت توری ماشین ، 4- مقدار مکش پمپ شماره 8 ، 5- مقدار مکش پمپ شماره 10 ، 6- مقدار کشش کاغذ در پرس شماره 4 و 7- مقدار خروجی بخش بازیافت گرما، می‌باشد. به طور کلی آزمون گاما، M و الگوریتم ژنتیک نشان می‌دهد که همه این متغیرها دارای بیشترین تاثیر بر روی مقاومت به پارگی بودند. بهترین مدل پیش بینی شبکه عصبی مصنوعی ایجاد شده دارای درصد خطای 011/0 درصد و ضریب همبستگی 97/0 می‌باشد.
کلیدواژه‌های فارسی مقاله فرایند کاغذسازی، آزمون گاما، مقاومت به پارگی،
عنوان انگلیسی Predicting the newsprint tear strength in MD on the effective variables (Case study: Mazandaran Wood and Paper Company)
چکیده انگلیسی مقاله In paper making process, different variables are measured to improve the product runnability. These variables affect the paper properties. The main question is, which one of these variables is the most effective variable on the newsprint tear strength in MD? Therefore, 145 variables of online data from 2009 to 2011 periods were chosen by modeling methods of liner regression and modeling of Gamma Test (GT), M-Test (MT), Genetic Algorithm (GA) and Artificial Neural Network (ANN). 7 variables were selected on the base of liner regression of stepwise and then ANN models were created on the basis of these variables. Selected variables were as following; 1. Machine Cons. including additives and stock, 2. Slice open headbox, 3. Rush/Drug-wire, 4. No. 8-Vacuum pumps, 5. No. 10-Vacuum pumps, 6. Press 4-clothing tension, 7. Fan output-Heat recovery1. Generally, results of GT, MT and GA were showed that all of 7 variables have been the most effective on the newsprint tear strength. The best model of BFGS neural network has shown that mean absolute percent error and the correlation coefficient are equal 0.011% and 0.97, respectively.
کلیدواژه‌های انگلیسی مقاله paper making process, Gamma test, tear strength
نویسندگان مقاله علی بیات کشکولی | bayat kashkooli
عضو هیئت علمی دانشگاه زابل
سازمان اصلی تایید شده: دانشگاه زابل (Zabol university)

علی رفیقی |
هیئت علمی

نشانی اینترنتی http://jwfst.gau.ac.ir/article_2103_84acda682ef13c325edbec215d26b111.pdf
فایل مقاله اشکال در دسترسی به فایل - ./files/site1/rds_journals/1411/article-1411-243337.pdf
کد مقاله (doi)
زبان مقاله منتشر شده fa
موضوعات مقاله منتشر شده
نوع مقاله منتشر شده
برگشت به: صفحه اول پایگاه   |   نسخه مرتبط   |   نشریه مرتبط   |   فهرست نشریات