Jak M2M i IoT zmieniają monitoring linii produkcyjnych w przemyśle papierniczym - od danych do oszczędności

W tym poradniku tłumaczymy, czym te pojęcia różnią się w praktyce, jakie wyzwania rozwiązują na linii papierniczej i — co najważniejsze — dlaczego sam zestaw czujników to dopiero połowa sukcesu.

Czym właściwie jest M2M i IoT w przemyśle

Pojęcia bywają używane zamiennie, ale warto je rozdzielić. M2M (machine-to-machine) to komunikacja między urządzeniami bez udziału człowieka — historycznie najczęściej w modelu punkt-punkt, gdzie maszyna lub czujnik wysyła dane do jednostki nadrzędnej ustalonym protokołem. To technologia z korzeniami w telemetrii: prosty, niezawodny przesył sygnału z punktu A do punktu B.

IoT (Internet of Things), a w warunkach fabrycznych jego przemysłowa odmiana IIoT, idzie o krok dalej. To sieć połączonych urządzeń, czujników i oprogramowania, które nie tylko przesyłają dane, ale też gromadzą je, wymieniają między sobą i pozwalają na analizę w czasie rzeczywistym — często z wykorzystaniem chmury i platform analitycznych. Mówiąc obrazowo: M2M było fundamentem, na którym wyrósł IoT. Skala zjawiska rośnie szybko — sama liczba kart M2M w polskich sieciach przekroczyła w 2024 roku 10 milionów, notując blisko 29-procentowy wzrost rok do roku.

Dla papierni różnica jest praktyczna. M2M odpowiada za pewny transport sygnału z trudno dostępnych punktów linii. IoT dokłada do tego warstwę, która z surowych odczytów robi informację: trend, anomalię, prognozę awarii.

Główne wyzwania na linii papierniczej

Zanim przejdziemy do rozwiązań, warto zrozumieć, z czym mierzy się utrzymanie ruchu w papiernictwie.

Wysoka energochłonność. Przemysł celulozowo-papierniczy odpowiada za ok. 6–7% przemysłowego zużycia energii na świecie i należy do najbardziej energochłonnych branż — porównywanej z hutnictwem szkła czy cementowniami. Co istotne, lwią część tej energii pochłania jeden etap: suszenie wstęgi. W zależności od metodologii i rodzaju produktu sekcja susząca odpowiada za ok. 50–70% energii procesu, a w ujęciu zużycia pary potrafi sięgać 80–90%. Każde odchylenie w tym obszarze natychmiast przekłada się na rachunki.

Awaryjność elementów mechanicznych. Linia to setki elementów wirujących — łożysk, wałów, pomp, przekładni, walców suszących. Degradacja zwykle zaczyna się długo przed tym, zanim człowiek usłyszy niepokojący dźwięk czy wyczuje wzrost temperatury. Niewykryte w porę uszkodzenie łożyska potrafi zatrzymać prasę na wiele godzin.

Wrażliwość na parametry medium. Masa papiernicza, wilgotność wstęgi, temperatura, przepływy — to wielkości, które trzeba utrzymać w wąskich widełkach. Wahania gramatury rzędu ±0,5 g/m² czy nierównomierna wilgotność w poprzek wstęgi oznaczają braki, reklamacje i przestoje na korektę nastaw.

Mnogość punktów pomiarowych. Te wszystkie wielkości trzeba mierzyć w wielu miejscach rozrzuconych po całej długości maszyny — od części mokrej, przez prasy, po sekcję suszącą i nawijak. Ręczny obchód po prostu nie nadąża za dynamiką procesu ciągłego.

Rola M2M i IoT w monitoringu

Tu wkracza warstwa cyfrowa. Na krytycznych odcinkach linii instaluje się czujniki: drgań (akcelerometry wykrywające niewyważenie, niewspółosiowość, luzy i zużycie łożysk), temperatury, wilgotności, ciśnienia i przepływu. Komunikują się one z systemami nadrzędnymi, dając trzy konkretne korzyści.

Po pierwsze, zdalny odczyt parametrów — operator widzi stan maszyn z poziomu pulpitu, bez obchodu, w czasie rzeczywistym. Po drugie, predykcyjne utrzymanie ruchu (PdM). Vibracja maszyny zmienia swoją „sygnaturę" na długo przed awarią — analiza widma częstotliwości potrafi wykryć narastający defekt tygodnie wcześniej, niż ujawni się on jako hałas, dym czy gwałtowny wzrost temperatury. Naprawa przesuwa się wtedy z trybu awaryjnego (drogie części na cito, długi przestój) do planowego (wymiana w oknie serwisowym, bez straty produkcji). Po trzecie, szybka reakcja na anomalie — system sam sygnalizuje odchylenie od normy, zanim urośnie ono do problemu jakościowego.

Kluczowa jest jednak integracja z systemami sterowania procesem (DCS/SCADA). W papiernictwie odrębną, dojrzałą rolę pełni tu QCS (Quality Control System) — skanujący zespół czujników, który przesuwa się w poprzek wstęgi (pojedynczy przejazd trwa zwykle 10–30 s) i mierzy w sposób ciągły gramaturę, wilgotność, grubość czy temperaturę arkusza. We współczesnych instalacjach QCS jest osadzony bezpośrednio w rozproszonym systemie sterowania, dzięki czemu pomiar od razu domyka pętlę regulacji w kierunku wzdłużnym i poprzecznym. Efekt? Producenci raportują nawet kilkudziesięcioprocentową poprawę stabilności gramatury po dostrojeniu nastaw. To pokazuje, że dane mają wartość dopiero wtedy, gdy są wpięte w sterowanie procesem.

Studium przypadku: czujniki to nie wszystko

Wyobraźmy sobie typowy scenariusz (bez konkretnych danych klienta). Papiernia montuje zestaw czujników IoT na newralgicznych odcinkach: drgania na łożyskach pras i napędach, temperatura w sekcji suszącej, wilgotność i gramatura na QCS. System zbiera odczyty całą dobę i po kilku tygodniach „uczy się" normalnego obrazu pracy linii.

W pewnym momencie algorytm wychwytuje powolny wzrost amplitudy drgań na jednym z walców oraz drobny, ale systematyczny dryf wilgotności wstęgi. Żaden z tych sygnałów z osobna nie zatrzymałby produkcji — ale razem wskazują na konkretny problem. Zespół planuje wymianę elementu w najbliższym oknie postojowym i koryguje nastawy suszenia. Skutek: uniknięto nieplanowanego przestoju i ograniczono zużycie pary oraz surowca, który wcześniej szedł w braki.

I tu pojawia się sedno: same czujniki to za mało. Wykres drgań czy krzywa wilgotności same w sobie nie podejmą decyzji. Kluczowa jest interpretacja danych w kontekście procesu technologicznego — zrozumienie, dlaczego parametr odjechał i co z tym zrobić. Pomiar mówi „wilgotność rośnie"; wiedza procesowa odpowiada „bo zmieniło się odwodnienie w części mokrej, a to można poprawić doborem chemii retencyjnej, zanim w ogóle dołoży się pary w suszarni". Dane bez wiedzy o chemii i mechanice procesu to tylko liczby.

Dobrze ilustruje to zależność dobrze znana w branży: nawet 1-procentowe obniżenie wilgotności wstęgi za prasą potrafi przełożyć się na rzędu 4–5% oszczędności pary w najbardziej energochłonnej sekcji suszącej. A o tym, ile wody uda się odprowadzić mechanicznie i chemicznie przed suszeniem, decyduje część mokra — czyli m.in. retencja, odwadnianie i odpowiednio dobrane chemikalia.

Gdzie w tym wszystkim jest TSC

I tu domyka się układanka. Można obstawić linię najlepszymi czujnikami, ale jeśli zabraknie kogoś, kto rozumie zarówno chemię procesu, jak i wymagania maszyny papierniczej, dane pozostaną niewykorzystane.

Rozwiązania dla przemysłu celulozowo-papierniczego oferowane przez TSC wpisują się dokładnie w tę warstwę „wiedzy procesowej". Firma od 1999 roku zajmuje się wdrożeniami technologicznymi chemikaliów do produkcji papieru, a dobór środków realizuje na podstawie badań laboratoryjnych i przemysłowych — nie „z katalogu", lecz pod konkretny proces i konkretną maszynę. Do tego dochodzi serwis techniczny oraz szkolenia służb technologicznych klienta, czyli przekazywanie kompetencji, które pozwalają później samodzielnie czytać i wykorzystywać dane z linii.

W praktyce oznacza to, że chemia procesowa dla przemysłu papierniczego od TSC bywa cichym bohaterem optymalizacji: dobór receptur i środków poprawiających retencję czy odwadnianie wpływa na to, ile wody trzeba odparować — a więc bezpośrednio na największą pozycję energetyczną papierni. To dokładnie ten element, którego sam IoT nie dostarczy.

W projektach modernizacyjnych warto więc patrzeć całościowo. IoT i M2M to jedna część pakietu usprawnień — odpowiadają za widoczność i wczesne ostrzeganie. Druga, równie ważna, to wiedza o tym, jak na podstawie tych sygnałów realnie poprawić pracę maszyny: doborem chemikaliów, korektą receptur i wsparciem technologicznym. Więcej o tym podejściu znajdziesz na stronie TSC w sekcji o firmie.

Rozwiązania dla przemysłu papierniczego w przyszłości

Przyszłość monitoringu linii papierniczych nie polega na wyborze „czujniki albo know-how". Polega na ich połączeniu. IoT daje strumień danych w czasie rzeczywistym i zdolność przewidywania awarii. Wiedza procesowa zamienia ten strumień w decyzje, które obniżają zużycie energii, ograniczają przestoje i poprawiają jakość wyrobu. Jedno bez drugiego zostaje albo zbiorem niewykorzystanych liczb, albo intuicją bez twardego potwierdzenia w danych.

Jeśli planujesz optymalizację linii, modernizację z elementem cyfrowym albo szukasz oszczędności w obszarze efektywności energetycznej — sprawdź, jak TSC wspiera optymalizację linii papierniczych i porozmawiaj o doborze rozwiązań pod swój proces. Bo najlepsze efekty pojawiają się tam, gdzie dane spotykają się z wiedzą o tym, co naprawdę dzieje się na maszynie.