ИИ в производстве бумаги и целлюлозы: умные ЦБК и оптимизация производства

Stora Enso (Финляндия) управляет крупнейшим в Европе целлюлозно-бумажным комплексом в Оулу. Бумажная машина работает со скоростью >1 500 метров в минуту — быстрее ракеты на взлёте. Контролировать качество при такой скорости вручную невозможно. AI-система следит за каждым параметром в реальном времени: если качество отклонится, машина получит корректировку за секунды, а не через минуты, когда уже сотни метров бумаги испорчены.

Кейс 1. Stora Enso — AI-оптимизация крупнейшего ЦБК Европы

Масштаб производства

Stora Enso Oulu Mill (Финляндия):

• Производство: >400 000 тонн бумаги в год
• Скорость бумажной машины: >1 500 м/мин
• Инвестиции в AI: €15 млн за 5 лет

AI-системы Oulu Mill

1. Quality Prediction AI:

• >1 000 датчиков на бумажной машине
• ML предсказывает: качество бумаги (прочность, плотность, гладкость) за 30 секунд до измерения на лабораторном оборудовании
• Если прогноз — дефект → машина автоматически корректирует

2. Energy Optimization:

• Варка целлюлозы: основной потребитель энергии (пар, электричество)
• ML оптимизирует: подачу пара, температуру, химикаты
• Экономия: 8–12% электроэнергии и пара
• В деньгах: €5–8 миллионов/год для Oulu Mill

3. Broke Management AI:

• Broke = обрывы бумажного полотна, основная проблема
• ML предсказывает: вероятность обрыва за 2–5 минут до него
• Действие: автоматическая корректировка натяжения, влажности
• Снижение обрывов: на 25% → экономия производительности

4. Chemical Dosing AI:

• Отбелка целлюлозы: точная дозировка химикатов критична
• ML: оптимальная доза в реальном времени
• Экономия химикатов: 12–15% при том же качестве отбелки

Результаты:

• Общая эффективность оборудования (OEE): рост с 82% до 89%
• Себестоимость тонны бумаги: снижение на ~5%
• Annual savings: €10–15 миллионов

Кейс 2. UPM-Kymmene (Финляндия) — AI-forward подход

UPM — лидер биофорвардного производства

UPM:

• Выручка: >€12 млрд
• Производства: Финляндия, Германия, Австрия, Уругвай, Китай

UPM Biofuels + AI:

• Нет просто бумаги: UPM производит биодизель из отходов ЦБК
• AI управляет: когда переключать производство между бумагой, биотопливом и биохимикатами
• Real-time market prices + production costs → AI decision on product mix

AI-мониторинг 38 комбинатов:

• Единая AI-платформа для всех заводов
• Benchmark: «Этот завод потребляет на 15% больше воды, чем аналогичный» → action
• Best practices: AI выявляет лучшие практики → тиражирует

Кейс 3. Российские ЦБК — AI-возможности

Крупнейшие российские ЦБК

«Группа Илим» (Усть-Илимск, Братск, Коряжма):

• Один из крупнейших производителей целлюлозы в мире
• Проекты AI: предиктивное ТО, оптимизация варочного котла
• Результаты: незапланированные остановы варочного котла снижены на 25%

«Монди Сыктывкар» (Сыктывкар):

• Крупнейший производитель офисной бумаги в СНГ
• Частично принадлежит австрийской Mondi Group → международные AI-стандарты
• AI-управление: интегрировано через Mondi группу

«Сегезха» (уже упоминалась в лесной промышленности):

• ЦБК + упаковка + деревообработка
• AI в производстве крафт-бумаги: мировой производитель для мешков

Кейс 4. AI в переработке бумаги и картона

Сортировка вторсырья + AI

TOMRA Sorting:

• Уже упоминался в контексте пластика
• Для бумаги: NIR + AI → разделение картона от газетной бумаги от офисной
• Выход чистого вторсырья: >95% (vs ~70% ручной/механической сортировки)

AI-контроль качества переработки:

• Вторичная бумага: содержит примеси → снижает качество
• CV-система: «в этой партии 3% примесей пластика — это выше нормы»
• Action: дополнительная очистка или направление в другой поток

Кейс 5. Практика для бумажного предприятия

AI-пошаговый план внедрения

Этап 1 — Данные (₽3–10 млн, 6 мес):

• Установить IoT-датчики на ключевых узлах
• SCADA система для сбора данных
• Первичный анализ: где теряем качество и производительность

Этап 2 — Предиктивное ТО (₽5–20 млн, 12 мес):

• ML модели на исторических данных
• Приоритет: бумажная машина + варочный котел (самые критичные)
• Ожидаемый результат: незапланированные остановы -20–30%

Этап 3 — Оптимизация качества (₽10–30 млн, 18 мес):

• Online quality prediction: не ждать лабораторного анализа
• Real-time корректировки: автоматически через DCS
• Ожидаемый результат: брак -15–25%

ROI для ЦБК 200 000 тонн/год:

| Эффект | Годовой результат | |---|---| | Снижение простоев -25% | ₽150 000 000 (больше производства) | | Экономия энергии -10% | ₽50 000 000 | | Снижение химикатов -12% | ₽30 000 000 | | Снижение брака -20% | ₽40 000 000 | | Итого | ₽270 000 000 | | Инвестиции в AI | ₽50 000 000 | | ROI | 5,4:1 |

Источники: Stora Enso Oulu Mill case studies, UPM-Kymmene Annual Report, «Группа Илим» официальные данные, TOMRA sorting documentation.