Projektet pågick mellan september 2018 och mars 2021.
Projektet ville skapa förutsättningar att på bästa sätt ta tillvara information om stockars egenskaper innan sågning och därigenom optimera, individanpassa och effektivisera produktionen. Informationen samlades in med hjälp av en ny teknik som för närvarande introduceras i sågverksindustrin – CT skanning av stockar.
Syftet med tekniken var att hitta nya sätt att effektivisera tillverkningsprocessen inom sågverksindustrin. Projektets mål var att länka samman den information som förmedlas genom den nya CT-tekniken, med instruktioner kring hur stocken sågas på ett optimalt sätt. Man hoppades därigenom uppnå mindre egenskapsvariationer och ett högre värdeutbyte i en effektivare process.
Syftet var vidare att implementeringen av den nya tekniken skulle leda till att kunderna skulle få ett mer individanpassat virke. Genom den nya tekniken var ambitionen att kunna säkra och förädla hela trävärdekedjan mellan skogen, industrin och marknaden.
Deltagare
Luleå tekniska universitet, Norra Skogsägarna, FinScan och Microtec.
Projektledare fram till och med 2019 var Olle Hagman, Luleå tekniska universitet.
Budget
Projektets budget var drygt 12 miljoner SEK.
Därför var detta viktigt
Sågverken är centrala aktörer i den svenska bioekonomin. Svenska sågverk använde vid denna tidpunkt omkring hälften av det som avverkades varje år i Sverige och stod för merparten av skogsägarnas vinst. Effektiviseringsåtgärder inom sågverksindustrin skulle alltså få betydande effekter på förädlingsvärdet i den svenska bioekonomin. Med metoden skulle även spill av biomaterial minskas och leda till bättre lönsamhet för såväl sågverk som kunder. Det skulle även vara lättare att förutse slutproduktens egenskaper.
Förväntade resultat
Modeller för multivariat prediktering för kundbaserad virkessortering.
Ett system för processåterkoppling för virkesprestanda och sorteringsalgoritmer baserat på korrelation mellan virtuella och reella brädor.
Metodik för kundintegrerad kvalitetsdialog och integration i tidiga processer.
Konkreta resultat och leverabler
Fyra datasamlingar i projektet har byggt upp en databas som nyttjats i projektet. Fullständig information om 600 stockar, 1200 plankor och kvalitetsutfall/kundpreferens för dess 3600 panelbrädor har använts och analyserats. Diskriminanta prediktionsmodeller (PLS-DA) har tränats för en extern kund (hyvleri)med höga råvarukrav. Modellernas validitet och robusthet har beskrivits och dess prediktionsresultatet i relation till verkligt kvalitetsutfall hos kund. Prototypprogram för onlinetillämpning, variabelberäkning, kvalitetsutfallgransking och bildintervjustöd har utvecklats och använts.
Projektet visar goda resultat, att konceptet med spårbarhet och multivariat egenskapsstyrning ökar ett sågverks volymsutbyte och att kundens nöjdhet samtidigt ökar avseende köpt produkts träegenskaper.
I jämförelse med gängse regelstyrda kvalitetsklassning av färdigvarans kvalitet ökar nöjdheten med 10% vid styrning med justerverkets boardskanner och 20% om man styr valet av vilka stockar som skall sågas med CT-röntgen. Styrning med CT-röntgen av stockar innan sågning tillsammans med kundspecifika prediktionsmodeller gör dessutom det möjligt att enbart såga stockar som ger bra utfall mot aktuell kund. Slutkvaliteten blir den rätta och sågverket kan välja att såga andra produkter från de stockar som ej passar.
En metod för kundintervjuer har testats där från produktionen verkliga plankbilder visas och kunden väljer vilka plankor hen vill köpa. Metoden är lika bra eller bättre en gängse metod och underlättar kvalitetsdialogen i B2B-relationer samt framtagandet av kundspecifika prediktionsmodeller. Resultaten (6 artiklar, en doktorsavhandling, två examensarbeten samt en teknisk rapport ) visar på ökade möjligheter till förbättrad kundorderstyrning i moderna sågverksprocesser och att konceptet leder till mer råvarueffektiv produktion.
Nästa steg
Idéer och koncept vävs in i framtida projekt som går i riktning mot det digitala sågverket.
Resultaten påverkar leverantörer av mät- och visionssystem att satsa på utveckling av:
– spårbarhet i den industriella träproduktionsprocessen,
– ökad datalagringskapacitet med databasfunktionalitet,
– visionssystem som möjliggör lagring av högupplösta RGB-bilder för kommunikation med kund,
– visionssystem som har toolbox med machine-learning-facilitet samt multivariata styrmodeller.
Resultatens effekter och potential
Visionärt visar projektets studier och resultat på ett koncept där sågverket minskar sin råvaruåtgång per producerad kundspecifik volym och de får nöjdare kunder. Nöjda kunder leder till långsiktiga affärsrelationer. Testerna visar att kunderna å sin sida upplever att ett sågverk som använder multivariat egenskapsstyrning bättre kan svara upp mot deras preferenser avseende den köpta produktens träinnehåll. Resultatet blir att kunden behöver köpa mindre volym från sågverket då ”allt” material håller rätt kvalitet. I teorin kan en sådan kund också vara mer benägen att betala mer för sådana produkter. Båda parter vinner och färre stockar behöver sågas dvs skogen räcker till fler av marknaden efterfrågade produkter.
Fullt utbyggt kan konceptet med multivariat kundproduktion visionärt fungera så här:
Industriell kund kontaktar sågverket och är intresserad av att köpa viss dimension och viss ”kvalitet” (inkluderande torrhetsgrad).
Sågverket ber den nya kunden granska 500-1000 lagrade plankbilder som kommer från sågverkets visionssystem. Bilderna kan levereras via sågverkets molntjänst. Exempel-prototyp för bildintervjustöd finns framtaget och testat.
Kundens preferens/val i form av beslut köp/inte köp lagras automatiskt och kunden lämnar i molntjänst besked när detta är klart. Fil med kundens svar lagras automatiskt.
Till varje av kunden granskad planka hör en fullständig träegenskapsbeskrivning (kvistbeskrivning) från visionssystemen eller CT-röntgen och som ligger sparad i sågverkets databas. Dessa data behöver kunden ej se utan används vid modellering av prediktionsmodellerna.
Sågverket kan själv (eller via extern tjänst) enkelt etablera en specifik prediktionsmodell (PLS-DA) för denna kund, baserat på kundens svar samt alla i sågverket uppmätta träegenskaper. Prediktionsmodellen ger utvärde för hur väl en ny okänd planka passar denna kund. Högt värde visar hög sannolikhet för kundacceptans.
Sågverket kan därefter virtuellt kommunicera tillbaka HUR kvalitetsutfall och utseende (vilka plankor av det granskade partiet) blir vid tillämpning av kundens prediktionsmodell. Detta görs genom att visa bilder av alla plankor som fått OK av kundens modell i molntjänsten. Om kunden ej är nöjd kan denne finslipa ”sin kvalitet” som denne önskar köpa genom att granska denna delmängd och peka ut vilka hen ej vill köpa. Därefter tränas en ny förfinad prediktionsmodell.
Sågverket och kunden slipper dyra och svåra provleveranser. I och med att kunden (som är expert på sin produkt) får se bilder av verkliga plankor så kan denne känna sig trygg inför första leverans. Sågverket får också från ”systemet” direkt feedback hur mycket material som måste sorteras ut i sista steget med kvalitetsgranskning och därmed underlättar det prisförhandlingen med kunden. I teorin kan alla ovan steg skötas automatiskt av sågverkets molntjänst, inklusive prissättning, fram tills det att kunden väljer att beställa en leverans.
Samhälleliga förutsättningar
Inga direkta hinder ses förutom att skannertillverkare samt sågverk bör tillämpa full spårbarhet avseende materialet genom hela sågverksprocessen, det vill säga ha full koll på vilka produkter som kommer från varje unik stock. Konceptet bygger på omfattande databehandling och digital lagring. Visionssystemen måste ha kapacitet att generera och lagra högupplösta färgbilder skannade brädor. Koncept-idén ligger i tiden då många sågverk börjar införa spårbarhet när de uppgraderar sina mätsystem. Har sågverket röntgenmätning av stockar ökar nyttan. Konceptet är något som teknikleverantörer av sågverkens visionssystem bör och förhoppningsvis kommer att integrera i sina system i framtiden.
Extern synlighet
Projektresultat har presenterats genom 10 publikationer varav 1 doktorsavhandling, 6 vetenskapliga artiklar, 1 teknisk rapport och 2 examensarbeten. Projektresultat har presenterats vid två internationella konferenser och ett disputationsseminarium.
Förutom presentationer för i projektet deltagande industripartners har projektets fortlöpande presenterats för företag inom TräCentrum Norr vid dess ämnesområdesträffar (4 gånger per år). Centrumbildningen TräCentrum Norr verkar för ökad samverkan mellan forskning och träindustri och har följande medlemmar; Sveaskog, Setra, SCA, Norra Skog, Holmen, Sågverken Mellansverige, SÅGAB – Sågverken Norrland, Derome, Martinsons, Lindbäcks, Skellefteå Kommun, Piteå Kommun, Luleå Tekniska Universitet och RISE.
En representant för projektets sågverkspartner Norra Timber, Johan Oja, presenterade projektet och industrins vision vid Bioinnovations delarrangerade konferens Key Enabling Technologies for a Sustainable Future – Swedish-Finnish Seminar on Bioeconomy, oktober 2021.
Projektet har också varit presenterat via en enkel hemsida Sawmill 4.0, där ovan nämnda publikationer kan återfinnas för den som önskar läsa mer.