1415161718192017 of 36
CiteExportLink to record
Permanent link

Direct link
Cite
Citation style
  • apa
  • harvard1
  • ieee
  • modern-language-association-8th-edition
  • vancouver
  • Other style
More styles
Language
  • de-DE
  • en-GB
  • en-US
  • fi-FI
  • nn-NO
  • nn-NB
  • sv-SE
  • Other locale
More languages
Output format
  • html
  • text
  • asciidoc
  • rtf
Det digitala sågverket - Slutrapport
RISE - Research Institutes of Sweden, Bioeconomy, Biobased Materials.ORCID iD: 0000-0002-7945-7518
RISE - Research Institutes of Sweden, Safety and Transport, Measurement Science and Technology.
2019 (Swedish)Report (Other academic)
Abstract [en]

The Digital Sawmill is a project that has been going on for two years, 2017-2018. The project is funded by Vinnova and the participating companies Moelven Industrier, RemaSawco, Schneider Electric and RISE. The aim of the project was to, by digitizing the sawmill's production and process data, increase the process efficiency by 15%, increase the product value by 10% and reduce energy consumption by 10%.

Installations and practical work on site has been performed at Moelven Valåsen.

In the beginning of the project, a specification of needs and inventory of what already existed was made. An initial inventory of communication and data storage was carried out by Moelven's own IT department together with Schneider Electric. Inventory of sensors to measure on the wood was carried out by Moelven and RemaSawco.

To connect different sensors, to filter and give the possibility to choose which values ​​to send and to a certain extent standardize the data formats all sensors and sensors are connected over an integration platform before data is sent to storage. In this way, with an integration platform, it is fairly easy to add and change sensors. Moelven's choice of integration platform fell on Apache NiFi.

Moelven Valåsen has several systems with local storage. With the help of integrations, the storage location is doubled against a cloud service, in our case Google Cloud. To reduce the storage requirement in Google's Cloud, data is filtered at integrations where only values ​​of benefit for analysis are transferred.

Even before this project started, a large number of sensors were installed. They worked locally and solved local measurements such as measuring diameter and quality of logs as well as dimensions, quality and moisture ratio on planks. In addition, new sensors and sensors have been installed to measure both the processes and the products.

To achieve the set goals, some thirty analyzes were defined, all of which support one or more of the formulated objectives and which illustrate potential improvement oppor­tu­nities. The analyzes are based on measurements of energy, power, measurements of logs, fingerprints on log compared to board, blocks and sawn / dried goods, as well as at times and time intervals in the process. Of the formulated analyzes, the project has developed several manual analyzes and results, i.e. analyzes that require a manual start to obtain a report. Continued work is required to implement automatic reports. This will be done in a follow-up project where several Notebooks with Pythons scripts are adapted for Google Dataflow for real-time analysis.

The project has reached a number of sub-goals. Some of them are confirmed in the project while others have been calculated. The reason why a number need to be calcu­lated is that, in order to be confirmed, they also require some rebuilding of mechanics, which was not possible during this limited project time. One such example is to be able to confirm an estimated 10% energy saving by optimizing the use of the kiln dryers.

Meters and sensors for measuring energy and power were installed too late in the project for an acceptable base level to be established.

Since circumstances beyond the control of the project have had a significant impact on production, it is difficult to demonstrate that the project has affected efficiency in particular. The project partners are fully assured that the process efficiency can be increased by at least 15% when the analysis tool is in place, so the causes of stops and downtime can be found and remedied before problems arise.

One of the ways the product value has increased is to increase the volume yield by reducing the green dimensions. This is done through the possibility of checking both the green dimensions and the dimensions of the finished products. A calculation shows a potential increase in value of approximately SEK 5 million per year.

Another way to increase the product value is by means of correlating board quality to log quality. A method for identifying corresponding logs and boards was further deve­lo­ped and a large number of correlated log and board grades were collected. This infor­ma­tion can contribute to a considerably improved timber grading and sorting, but within the time frame of the project there was no time to evaluate changed log sorting settings. The increase in product value based on this methodology can be estimated to at least 5%.

The project has clarified how digitization requires collaboration between different sensors, sometimes from different suppliers, in order to achieve the goals of the project. Such collaboration places demands on open system solutions and a well-considered overall system architecture.

Some important lessons learned from the project can be summarized in a number of points:

  • Digitization is a complicated project that takes time and requires resources.
  • It is essential to focus on the goals set.
  • Careful planning is required of: plant inventory, installation in stages, demanding deployment with parallel systems for new automated connections.
  • Digitization projects start with details, continue with details and even more detail, with clear goals of a result of shaping a unified unit.
  • Massive skills challenge.
  • Visualize more, with less monitoring screens.
  • Take control of data flows and take ownership of your own data.
  • Platforms that handle data need to be tested in a harsh environment before
  • Different systems that measure time, energy or dimension need to be synchronized onsite, and with periodicity calibrated against "approved" similar.
  • Traceability in saw lines can be achieved with redundant systems that measure length with the addition of timestamp.

Another project result is a new way of tracing products in a process line. The method is called Delta Time, and is patent pending. According to the method, products, in our case logs, blocks and planks, can be traced by following the time pattern for measure­ments on the product. This means that all types of measurement can be used to trace a product. For example, length in a process measurement can be traced to power in the next and thickness in the third measurement.

In the above-mentioned patent application there is also a new way of presenting measurement values ​​on the screen, called AugLog. In the presentation, you see values ​​from a large number of sensors placed on the product being displayed. The measured values ​​have been generated at different times and in different locations, but they are displayed together with the object to which they belong, which gives an overall picture of the measurements made on the product.

One very important project result is that we have formulated a method that describes how a digitization of an industry can go. Our experience from this project shows that it takes time to implement a digitization, and 2 years is a reasonable time frame to get a good bit on the way.

Abstract [sv]

Det digitala sågverket, eller Träindustrins Internet of Things, TräIoT, är ett projekt som pågått i två år, 2017-2018. Projektet är finan­sierat av Vinnova och de deltagande före­ta­gen Moelven Industrier, RemaSawco, Schneider Electric samt RISE. Målsättningen med projektet var att genom digitalisering av sågverkets produktions- och processdata öka processeffektiviteten med 15 %, öka produktvärdet med 10 % och minska energi­an­vänd­ningen med 10 %.

Installationer och praktiskt arbete har utförts på sågverket Moelven Valåsen.

I projektets början gjordes en behovsanalys och inventering av vad som redan fanns. Den inledande inventeringen rörande kommunikation och datalagring genomfördes av Moelvens egen IT-avdelning tillsammans med Schneider Electric. Inventeringen av mätgivare för att mäta på virket genomfördes av Moelven och RemaSawco.

För att koppla ihop olika givare, filtrera och ge möjlighet att välja vilka värden som skall skickas vidare och för att i viss mån standardisera dataformaten kopplas alla givare och sensorer över en integrationsplattform innan data skickas till lagring. På det sättet, med en integrationsplattform, är det tämligen enkelt att addera och byta sensorer och givare. Moelvens val av integrationsplattform föll på Apache NiFi.

Valåsen har flera system med lokal lagring. Med hjälp av integrationer dubbleras lagringsplatsen mot en molntjänst, i detta fall Google Cloud, där vi fick de responstider och support som behövdes. För att minska lagringsbehovet i Google Cloud filtreras data vid integrationer där endast mätvärden av nytta för analyser förs över.

Redan innan detta projekt startade fanns ett stort antal givare installerade. De arbetade lokalt och löste lokala, momentana mätuppgifter såsom att mäta diameter och kvalitet på timmer samt mått, kvalitet och fuktkvot på plankor. Det har därutöver installerats nya givare och sensorer för att mäta både på processerna och på produkterna.

För att nå de uppsatta målen definierades ett trettiotal analyser vilka samtliga stödjer ett eller fler av de formulerade målen och som åskådliggör potentiella förbätt­rings­möjligheter. Analyserna bygger på mätningar av energi, effekt, mått på stockar, finger­avtryck på stock jämfört med bräda, block och sågad/torkad vara samt på tider och tidsintervall i processen. Av de formulerade analyserna har projektet utvecklat ett flertal manuella analyser och resultat, det vill säga analyser som kräver en manuell start för att erhålla en rapport. Ett fortsatt arbete krävs för att implementera auto­ma­tiska rapporter. Detta kommer att ske i ett fortsättningsprojekt där ett flertal så kallade Note­books med Pythonscripts anpassas för Google Dataflow för realtidsanalys.

Projektet har nått ett antal delmål. En del av dem är bekräftade i projektet medan andra har beräknats. Skälet till att ett antal behövt räknas fram är att de, för att kunna bekräftas, kräver ombyggnad av mekanik och andra installationer, vilket inte varit möjligt under denna begränsade projekttid. Ett sådant exempel är att kunna bekräfta en beräknad 10 %-ig energibesparing genom att optimera nyttjandet av virkestorkarna.

Mätare och sensorer för mätning av energi och effekt blev installerade alltför sent i projektet för att en acceptabel basnivå skulle hinna etableras.

Då omständigheter utanför projektets kontroll påverkat produktionen avsevärt är det svårt att påvisa att projektet har ökat effektiviteten speciellt. Projektpartnerna är fullt förvissade om att processeffektiviteten kan ökas med minst 15 % då analys­verktyget är på plats, så orsakerna till stopp och stillestånd kan hittas och åtgärdas innan problem uppstår.

Ett av sätten att öka produktvärdet är att öka volymsutbytet genom att minska rå­måtten. Det görs genom möjligheten att kontrollera både råmåtten och färdig­varu­måtten. En beräkning visar på en potentiell värdeökning på ca 5 MSEK per år.

Ett annat sätt att öka produktvärdet är genom en metod att korrelera plankkvalitet med timmerkvalitet. En metod för att identifiera sammanhörande stockar och plank har vidare­utvecklats och ett stort antal korrelerade plank- och timmerkvaliteter har samlats in. Denna information kan bidra till att timmersorteringen förbättras avsevärt, men inom tidsramen för projektet hann inga nya inställningar för timmersorteringen utvär­deras. Ökningen av produktvärde med denna metodik kan estimeras till minst 5 %.

Projektet har tydliggjort hur digitaliseringen kräver samverkan mellan olika sensorer, ibland från olika leverantörer, för att nå målen i projektet. En sådan samverkan ställer krav på öppna systemlösningar och en genomtänkt övergripande systemarkitektur.

Några viktiga lärdomar från projektet kan sammanfattas i ett antal punkter:

  • Digitalisering är ett komplicerat projekt som tar tid och kräver resurser.
  • Väsentligt att fokusera på de uppsatta målen.
  • Det krävs noggrann planering av: anläggningsinventering, installation i etapper, krävande drifttagning med parallella system för nya automatiserade samband.
  • Digitaliseringsprojekt startar med detaljer, fortsätter med detaljer och ännu mer detaljer, med klar målsättning om ett resultat av att forma en enhetlig enhet.
  • Massiv kompetensutmaning.
  • Visualisera mer, med mindre antal övervakningsskärmar
  • Ta kontroll över dataflöden och ta ägarskap till egen data
  • Plattformar som hanterar data behöver ovillkorligen testas i skarp miljö innan slutligt systemval görs.
  • Skilda system som mäter tid, energi eller dimension behöver synkroniseras onsite, och med periodicitet kalibreras mot ”godkända” likare.
  • Spårbarhet i såglinjer kan uppnås med redundanta system som mäter längd med tillägg av tidsstämpling.

Ett annat projektresultat är ett nytt sätt att spåra produkter i en processlinje. Metoden kallas Delta Time, och är patentsökt. Enligt metoden kan produkter, i vårt fall stockar, block och plankor, spåras genom att följa tidsmönstret för mätningar på produkten. Detta gör att alla typer av mätning kan användas för att spåra en produkt. Exempelvis kan längd i en processmätning spåras mot effekt i nästa och tjocklek i den tredje mätningen.

I ovan nämnda patentansökan finns också ett nytt sätt att presentera mätvärden på skärmen. I presentationen ser man värden från ett stort antal givare lagda på produkten som mäts. Mätvärdena har genererats vid olika tillfällen och på olika platser, men de visas tillsammans med föremålet som de hör till, vilket ger en samlad bild över de mätningar som gjorts på produkten.

Ett mycket viktigt projektresultat är att vi har formulerat ett arbetssätt som beskriver hur en digitalisering av en industri kan gå till. Vår erfarenhet från detta projekt visar att det tar tid att genomföra en digitalisering, och 2 år är en rimlig tidsram för att komma en god bit på väg.

Place, publisher, year, edition, pages
2019. , p. 34
Series
RISE Rapport ; 2019:17
Keywords [en]
data correlation, digitalization, process efficiency, sawmill, sensors
National Category
Engineering and Technology
Identifiers
URN: urn:nbn:se:ri:diva-37615ISBN: 978-91-88907-41-7 (electronic)OAI: oai:DiVA.org:ri-37615DiVA, id: diva2:1283244
Available from: 2019-01-28 Created: 2019-01-28 Last updated: 2019-01-29Bibliographically approved

Open Access in DiVA

fulltext(3331 kB)17 downloads
File information
File name FULLTEXT01.pdfFile size 3331 kBChecksum SHA-512
fa6c1286b41077550a9d8891192567241c078b539fc25465210e73ff570f5e700db22a74fc9e2ab563731aa856d5e4fef2fe78004f0a74822435d44faca47b52
Type fulltextMimetype application/pdf

Authority records BETA

Lycken, Anders

Search in DiVA

By author/editor
Lycken, Anders
By organisation
Biobased MaterialsMeasurement Science and Technology
Engineering and Technology

Search outside of DiVA

GoogleGoogle Scholar
Total: 17 downloads
The number of downloads is the sum of all downloads of full texts. It may include eg previous versions that are now no longer available

isbn
urn-nbn

Altmetric score

isbn
urn-nbn
Total: 42 hits
1415161718192017 of 36
CiteExportLink to record
Permanent link

Direct link
Cite
Citation style
  • apa
  • harvard1
  • ieee
  • modern-language-association-8th-edition
  • vancouver
  • Other style
More styles
Language
  • de-DE
  • en-GB
  • en-US
  • fi-FI
  • nn-NO
  • nn-NB
  • sv-SE
  • Other locale
More languages
Output format
  • html
  • text
  • asciidoc
  • rtf
v. 2.35.5