Control, optimization and monitoring of portland cement (PC 42.5) quality at the ball mill

Abstract

Adı-Soyadı: Hakan AV AROkul: zmir Yüksek Teknoloji EnstitüsüAnabilim Dalı: Kimya Mühendisli iProgramı: Kimya Mühendisli i (Yüksek Lisans)Tez Ba lı ı: Bilyalı De irmende Portland Çimento (PC 42.5) KalitesininKontrolü, Optimizasyonu ve zlenmesiÖZETBu çalı mada, çimento de irmeni i letme parametreleri arasındaki ili kiyimodellemek için yapay sinir ebekeleri ve bulanık mantık modelleri geli tirilmi tir.Çıkı de i keni olarak 32 mikrometre ele in üzerinde kalan ürünün a ırlıkça yüzdesi(incelik) alınırken, giri parametreleri olarak devir yüzdesi, falofon yüzdesi veelevatörden ayırıcıya giden maddenin miktarını gösteren elevatör akımı alınmı tır.Çimenta çimento fabrikasından 2004 yılına ait i letme verisi model kurumu ve testiçin kullanılmı tır. lk olarak, Yapay Sinir A ları modeli kurulmu tur. Üç giriparametresini içeren bir giri , iki gizlenmi ve 32 mikrometre elek üzerinde kalanürün (a ırlıkça yüzde) çıkı parametresi olarak içeren bir çıkı tabakasından olu anbir ileri besleme a ından olu turulmu tur. Model test edildikten sonra modelin 32mikrometre inceli i tahmin etme yetene inin yüksek oldu u tespit edilmi tir(Düzeltme katsayısı 0,92 bulunmu tur.).Model üzerinde hassaslık analizi sonucunda kar ılık kontur grafikleri giriparametreleri kullanılarak olu turulmu tur. Yapay Sinir A ları modelinin kar ılıkkontur grafiklerinin parametre de erleri detaylı incelenmesiyle MatLAB'dakibulanık modelde Mamdani tipinde bulanık kural seti olu turulmu tur. Üç parametreve üç seviye oldu u için üç üzeri üç (27) kural vardır. Bu çalı mada, Z, S ve gausstipindeki üyelik fonksiyonlarının karı ımı ile olu turulmu tur. MatLAB kullanımkutusunun yardımı ile 32 mikrometre incelik (a ırlıkça yüzde) tahmin edilmi tir.Sonuç olarak, modelin düzeltme katsayısı (R) 0,76 bulunmu tur.Bu çalı mada olu turulan YSA ve bulanık modeller, i letme mühendislerineistenilen çimento inceli ine ula mak için i letme parametrelerini kontrolündepotansiyel yeterlilikte yarar göstermektedir.Çalı mamızın ikinci kısmında, çimento ö ütüm sürecinin performansınıde erlendirmek ve süreci denetlemek için nicel bir izlek tanımlanmı tır. Tarihsel verikullanılarak, CUSUM (gittikçe artan toplam) ve EWMA (üssel ölçülmü hareketliortalama) grafikleri gibi kontrol grafikleri çimento inceli ini denetlemek içinkullanılmı tır. Sonuç olarak, CUSUM ve EWMA kontrol grafiklerinin 32 mikrometreinceli indeki, (a ırlıkça yüzde) küçük sapmaları tespit etmek için çimento ö ütümsürecinde daha kısa süreli örnek alım zaman aralıklarında kolayca kullanılabilece ibulunmu tur.

Name: Hakan AV ARSchool: zmir Institute of TechnologyDepartment: Chemical EngineeringMajor: Chemical Engineering (Master)Title of Thesis: Control, Optimization and Monitoring of Portland Cement (PC42.5) Quality at the Ball Mill.ABSTRACTIn this study, artificial neural networks (ANN) and fuzzy logic models weredeveloped to model relationship among cement mill operational parameters. Theresponse variable was weight percentage of product residue on 32-micrometer sieve(or fineness), while the input parameters were revolution percent, falofon percentage,and the elevator amperage (amps), which exhibits elevator charge to the separator.The process data collected from a local plant, Cimenta Cement Factory, in2004, were used in model construction and testing. First, ANN (Artificial NeuralNetwork) model was constructed. A feed forward network type with one input layerincluding 3 input parameters, two hidden layer, and one output layer includingresidue percentage on 32 micrometer sieve as an output parameter was constructed.After testing the model, it was detected that the model?s ability to predict the residueon 32-micrometer sieve (fineness) was successful (Correlation coefficient is 0.92).By detailed analysis of values of parameters of ANN model?s contour plots,Mamdani type fuzzy rule set in the fuzzy model on MatLAB was created. There werethree parameters and three levels, and then there were third power of three (27)rules. In this study, we constructed mix of Z type, S type and gaussian typemembership functions of the input parameters and response. By help of fuzzy toolboxof MatLAB, the residue percentage on 32-micrometer sieve (fineness) was predicted.Finally, It was found that the model had a correlation coefficient of 0.76.The utility of the ANN and fuzzy models created in this study was in thepotential ability of the process engineers to control processing parameters toaccomplish the desired cement fineness levels.In the second part of the study, a quantitative procedure for monitoring andevaluating cement milling process performance was described. Some control chartssuch as CUSUM (Cumulative Sum) and EWMA (Exponentially Weighted MovingAverage) charts were used to monitor the cement fineness by using historical data. Asa result, it is found that CUSUM and EWMA control charts can be easily used in thecement milling process monitoring in order to detect small shifts in 32-micrometerfineness, percentage by weight, in shorter sampling time interval.