Effektivare sågverk med artificiell intelligens

– CT Wood ska skapa mervärde vid råvaruutnyttjandet och göra det möjligt att ta hand om råvaran på ett så effektivt sätt som möjligt. Vi har en tydlig inriktning mot industrins behov, även om vi också håller på med grundforskning, säger Bror Sundqvist, ordförande för programmet CT Wood.

Kärnan i forskningsområdet artificiell intelligens, AI, består av en prototyp-CT-scanner som finansieras via CT Wood. Scannern skapar tredimensionella digitala modeller av timmerstockar och av det sågade virket som kan sågas ur timmerstockarna. Det finns idag bara ett fåtal av dessa scanners på sågverksindustrier runt om i Sverige och övriga världen.

– I min avhandling tittade jag på hur man kan göra AI-modeller för klassificering av sågat virke baserat på virkets utseende. Vi lät en sågverkskund välja mellan hundratals olika brädor, och med data på vilken estetik kunden efterfrågade – till exempel friska eller döda kvistar – kunde vi koppla svaren till en AI-modell och kameror för sortering av virke i justerverket. På så sätt kan kunden få exakt det virke som denne vill ha, säger Linus Olofsson, biträdande universitetslektor.

”Sågar” virtuellt

En annan stor möjlighet för CT-tekniken är att ge sågverken information om timmerstockarnas kvalitet som beslutsunderlag för att maximera virkesutbytet av stocken redan vid sågning. Beroende på hur stocken ser ut inuti kan inläggningen i sågen anpassas så att eventuella defekter, till exempel på grund av kvist eller stamskador, sänker värdet på utbytet så lite som möjligt. I de AI-modeller som utvecklats går det att, baserat på CT-data, först ”såga” stocken virtuellt och mäta olika utfall och optimera inläggningen i sågen, innan det görs på riktigt.

– Kvistarna bestämmer till stor del värdet och det är viktigt att modellerna kan förutse olika egenskaper. Vid tomografi mäts bara densitet, men vi kan träna en AI-modell att se om en kvist är frisk eller död genom att klyva, mäta och analysera den, säger Linus Olofsson.

Med bättre mätteknik och större beräkningskapacitet ges nya möjligheter att kvalitetssortera virke och i slutänden optimera användningen.

– De modeller som vi utvecklar kan förutse virkets egenskaper på ett helt nytt sätt. Virtuella böjhållfasthetstest, med hjälp av simuleringar, ger nya möjligheter att redan innan sågningen hitta virke med egenskaper för kundens behov. Hållfasthetssorteringen av virke på timmernivå  kan bli mer precist än dagens maskinella hållfasthetssortering som utvärderar enbart redan sågat virke. Det skulle göra trähusbyggen mer resurseffektiva och vi skulle kunna få helt nya hållfasthetskategorier i stället för hållfasthetsklasser endast riktat mot böjprovning. Om man tillvaratar teknikens möjligheter på ett smart sätt kan man redan i sågverket bestämma vad virket ska användas till, säger Johannes Huber, biträdande universitetslektor.

Utvecklingen går snabbt

Än så länge går det inte att använda tekniken i den produktionshastighet som sågverken kräver. För det krävs det helt enkelt för mycket datakraft. Men utvecklingen går snabbt, och datorernas beräkning kommer att öka med tiden. Datakraft kan också sparas genom att förenkla beräkningsmodellerna eller genom att använda AI-modeller som enbart behöver mycket beräkningskraft i inlärningsskedet, men förhållandevis lite beräkningskraft i användningsskedet.

– Egentligen gör vi mättekniskt inte så mycket nytt jämfört med för 20 år sedan men vi vidarebearbetar mätdata med helt nya metoder, till exempel simuleringar och AI som kräver en datakraft som inte fanns då. På forskning kring CT-skanning för sågverkstekniska frågor är LTU Skellefteå världsledande och vi måste satsa på den främsta tekniken som finns för att inte tappa kunskap och konkurrenskraft, säger Johannes Huber och fortsätter:
– I slutändan ska vi inte bara förädla virke utan även datan som vi genererar under sågverksprocessen.