مقاله پیش بینی مقاومت به پارگی کاغذ روزنامه در جهت کاغذ براساس متغیرهای موثر (مطالعه موردی: کارخانه چوب و کاغذ مازندران)

توجه : به همراه فایل word این محصول فایل پاورپوینت (PowerPoint) و اسلاید های آن به صورت هدیه ارائه خواهد شد

 مقاله پیش بینی مقاومت به پارگی کاغذ روزنامه در جهت کاغذ براساس متغیرهای موثر (مطالعه موردی: کارخانه چوب و کاغذ مازندران) دارای ۲۷ صفحه می باشد و دارای تنظیمات در microsoft word می باشد و آماده پرینت یا چاپ است

فایل ورد مقاله پیش بینی مقاومت به پارگی کاغذ روزنامه در جهت کاغذ براساس متغیرهای موثر (مطالعه موردی: کارخانه چوب و کاغذ مازندران)  کاملا فرمت بندی و تنظیم شده در استاندارد دانشگاه  و مراکز دولتی می باشد.

توجه : در صورت  مشاهده  بهم ریختگی احتمالی در متون زیر ،دلیل ان کپی کردن این مطالب از داخل فایل ورد می باشد و در فایل اصلی مقاله پیش بینی مقاومت به پارگی کاغذ روزنامه در جهت کاغذ براساس متغیرهای موثر (مطالعه موردی: کارخانه چوب و کاغذ مازندران)،به هیچ وجه بهم ریختگی وجود ندارد

بخشی از متن مقاله پیش بینی مقاومت به پارگی کاغذ روزنامه در جهت کاغذ براساس متغیرهای موثر (مطالعه موردی: کارخانه چوب و کاغذ مازندران) :

تعداد صفحات :۲۷

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 ۱۴۵ متغیرهای اندازه گیری شده ماشین ها در طی سال های ۱۳۸۸ تا ۱۳۹۰ 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 ۷ 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؛ ۱- درصد مواد افزودنی به خمیر کاغذ، ۲- مقدار باز شدن شیار هدباکس، ۳- نسبت سرعت ریزش خمیر کاغذ بر روی توری به سرعت توری ماشین ، ۴- مقدار مکش پمپ شماره ۸ ، ۵- مقدار مکش پمپ شماره ۱۰ ، ۶- مقدار کشش کاغذ در پرس شماره ۴ و ۷- 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 ۰۱۱/۰ درصد و ضریب همبستگی ۹۷/۰ می‌باشد.