Svensk skogsindustri har en nyckelroll i omställningen till en biobaserad cirkulär ekonomi. Fibermaterial kan ersätta fossil plast och därigenom dämpa den globala uppvärmningen. Det är därför viktigt att fortsätta utveckla både nya och befintliga produkter och processer.
I detta projekt fokuserar vi på att förbättra resurseffektiviteten och strävar därför efter förbättrad jämnhet, minskad energiförbrukning, förbättrade materialegenskaper, minskad mängd fibrer per produkt och en bredare användning av högutbytesmassor. Pappersmassa beskrivs idag med medelvärden som kan vara direkt missvisande när de härstammar från sneda fördelningar. Betydande förbättringar kräver därför vassare karakteriseringsmetoder. Data som beskriver individuella fiberegenskaper kommer därför att användas här, tillsammans med moderna visualiserings- och big data-tekniker, vilket inkluderar maskininlärning och AI. Syftet är att utveckla en teknik som kan visualisera fiberfördelningarna och göra dem begripliga, så att de kan användas för processtyrning. Projektet kommer drivas i fullskala och utnyttja online mätning av fiberdata. Efter implementering av den nya tekniken i raffinörens styrsystem kommer optimering mot förbättrad jämnhet och energieffektivitet vara möjlig. Den nya tekniken bör kunna tillämpas även i tillverkningsprocesser av till exempel grafen och nanocellulosa. Potentialen i en vass karakteriseringsteknik är hög och kan leda till ett paradigmskifte inom skogsindustrin generellt. Speciellt som tekniken också kommer att göra tillförlitliga fiberkvalitetsdata tillgängliga för vidare datadriven processutveckling. Metodvalidering och effektiv spridning av den nya tekniken möjliggörs av partnerföretagen.