This study examines the wastewater treatment system on BillerudKorsnäs integrated pulpand paper mill at Karlsborg, with focus on the effluent of suspended solids. Due to lowerregulatory limits for the emissions of suspended solids BillerudKorsnäs is looking forways to improve the efficiency of the wastewater treatment. Therefore, this study seeksto create a statistical model for the emissions of suspended solids and to find which factorsin the production, wastewater treatment and surrounding environment that affects theemissions. The purpose of the study is to extend the current understanding of the treatmentsystem to create a base for future decisions. The methods used for the modelling areElastic net regression and Random forest classifier, which were selected for the variableselection properties they provide. Unfortunately, the results show that the fitted modelscan only explain a small part of the variation of the emissions of suspended solids.The lack of fit in the models indicate that the current data is not sufficient to explain thevariation in the emissions of suspended solids. During the study deficiencies in the datacollection has been detected and improvements to overcome these deficiencies are proposedin the hope of creating more reliable data for the company and to create a betterbasis for future studies. / Denna studie undersöker avloppsvattenreningen på BillerudKorsnäs integrerade massaoch pappersbruket i Karlsborg, med fokus på utsläppen av suspenderade ämnen. Pågrund ut av sänkta gränser för utsläppen av suspenderade ämnen undersöker BillerudKorsnäsmöjligheter för att öka effektiviteten i avloppsvattenreningen. Därför försöker dennastudie att skapa en statistisk modell för utsläppen av suspenderade ämnen och undersökavilka faktorer i produktion, avloppsvattenrening, och omgivande miljö som påverkar utsläppen.Syftet med studien är att förbättra förståelsen för avloppsvattenreningen och attskapa beslutsunderlag för framtida förbättringar. Metoderna som används i modellernaär Elastic net regression och Random forest classifier, vilka valdes för deras variabel selectionegenskaper. Resultaten för modellerna visar att modellerna endast kan förklara enliten del av variationen i utsläpp av suspenderade ämnen. Det dåliga resultatet indikeraratt nuvarande data inte är tillräckligt för att skapa den typ av modeller som används. Understudien så har brister i datainsamlingen upptäckts, och förbättringar för att överbryggadessa brister är föreslagna med ändamål att göra insamlad data mer pålitlig och skapa enbättre bas för framtida studier.
| Identifer | oai:union.ndltd.org:UPSALLA1/oai:DiVA.org:umu-171767 |
| Date | January 2020 |
| Creators | Hedman, Jens |
| Publisher | Umeå universitet, Institutionen för matematik och matematisk statistik |
| Source Sets | DiVA Archive at Upsalla University |
| Language | English |
| Detected Language | Swedish |
| Type | Student thesis, info:eu-repo/semantics/bachelorThesis, text |
| Format | application/pdf |
| Rights | info:eu-repo/semantics/openAccess |
Page generated in 0.0022 seconds