Digital spårbarhet från industri till skog

Inom svenskt skogsbruk har man sedan länge kunnat följa flödet av produkter från skogen till industrin på nivån av enskilda avverkningar. Stockar från avverkningarna läggs i vältor, som märks med stämplar eller vältlappar, och från vältorna körs stockarna till industrin där de tas emot. Det här är ett välfungerande flöde, men det hanterar inte individuella stockar utan fokuserar på produkttyper. Talltimmer skotas till exempel fram till en talltimmervälta och levereras till ett sågverk. Barrmassaved skotas till en barrmassavälta och levereras till ett massabruk. På detta vis kan produkter spåras tillbaka till en avverkning – men skulle det vara möjligt att spåra produkter hela vägen tillbaka till deras växtplats? I projektet DigForeTrace undersöktes bland annat detta.

Figur 1. Schematiskt flöde av produkter från skog till industri t.v. Förslag på individspårning av stockar till växtplats t.h.

Spårbarhet i skogen

Digital spårning kan göras på många olika sätt. Från industrin har försök gjorts med olika typer av märkningar som RFID-taggar eller kodmärkningar, samt genom avläsning av årsringar med optiska system för att nämna några. Gemensamt för dessa är att de knyter spårbarheten direkt till individuella stockar vilket skapar potential för hög noggrannhet, men det kräver extra arbete eller installation av ytterligare tekniska system i olika delar av produktionskedjan för att fungera. I detta projekt fokuserades spårningen på vad som är möjligt att åstadkomma genom passiv användning av system och information som redan finns tillgängliga, i alla fall i en modern produktionsflotta. Spårningen gjordes genom att individuella stockar följdes så långt ut från växtplatsen som möjligt, varefter skördarmätningar av stockegenskaper matchades mot industrimätningar i ett så begränsat urval som möjligt.

En sammankopplad kedja

För att kunna spåra produkter tillbaka till trädens växtplatser måste det i något läge ha funnits information om var varje träd, som varje stock apterats från, vuxit. Moderna skördare mäter med hög noggrannhet längd, diameter och volym för varje stock som hanteras. Skördardata anger även egenskaper som trädslag och produkttyp. De mest moderna skördarna anger även med hög precision koordinater för var varje fällt träd vuxit och var varje kapad stock hamnat. Det är med andra ord möjligt att i en modern skördares datafil se var alla processade träd vuxit. Men i frånvaro av ytterligare system uppstår här ett problem. Från det att skördaren kapar stocken och den landar på marken finns inte längre någon fysisk koppling mellan de precisa mätningarna och den fysiska produkten. För att överbrygga detta användes i projektet en prototyp av ett log-transportsystem. Detta är ett system som delar data mellan en skördare och en skotare, och därmed möjliggör att den digitala informationen för en specifik stock knyts till en fysisk plats i skogen. När en skotare plockar upp en stock av en viss produkttyp från en plats registreras informationen i skotarens datafil. På så vis kan skotaren hålla koll på vilka stockar som den plockar upp med identiteter som kan matchas mot skördarens identiteter. Resultatet blir att skotaren inte längre enbart kör fram anonyma stockar av en viss produkttyp till en välta, utan specifika stockar med kända uppmätta egenskaper. I detta moderna flöde anger även skotaren en plats för varje välta och var i vältan varje griptag lastats av. 

I nästa steg lastas sedan stockar från en välta på en lastbil för vidare transport till industrin. Eftersom platsen för vältan är känd kan man genom en GNSS-mottagare i lastbilen matcha platsen till vältan och på så sätt registrera vilken välta som den lastats från.

När stockarna slutligen når sin destination tillsammans med information om vilken välta de kommit från, kan industrins inmätning av stockarna matchas mot det kända urval av stockar som fanns i den välta där de lastats. Resultatet blir att för varje stock som mäts vid industrin kan ett antal förslag på möjliga träffar genereras. Dessa förslag består av de stockar vars mätningar faller innanför de toleranser som angetts för de olika mätningar som använts vid matchningen. 

Hur ska man tolka resultaten?

Ett system för spårbarhet av denna typ bygger på en balans mellan två aspekter.

1. Hur ofta en korrekt stock återfinns bland de förslag som matchningen genererar.
2. Hur många förslag det finns för varje matchning.

Figur 2. Exempel på relationen mellan satta toleranser och återfunna stockar, t.v. Antal återfunna stockar per välta och det totala antalet stockar i respektive välta, t.h.

Resultaten kan endast tolkas med detta i åtanke. Stora toleranser i matchningen leder till att en stor andel stockar återfinns, men det kommer samtidigt att ge upphov till många felaktiga förslag för varje stock och vice versa. En ytterligare aspekt är att andelen stockar som en mätning matchas mot påverkar antalet potentiella matchningar för den stocken där ett stort grundurval leder till fler förslag. Men andelen korrekta matchningar som återfinns påverkas inte av storleken på grundurvalet. Om en mätning ligger inom de uppsatta toleranserna kommer den att göra det även om andelen övriga stockar ökar eller minskar. Den potential som finns för att förbättra både matchningen och minska antalet förslag är att hålla grundurvalet så litet som möjligt och att jobba med mätningar som är så precisa som möjligt.

Hur väl fungerar då detta?

För beräkning av resultat valdes toleranser som reflekterar en medelväg mellan antal förslag och uppskattad träffsäkerhet. För tre olika vältor matchades skördarmätningar mot industrimätningar för längd, diameter och avsmalning för stockarna. Se resultatat i Tabell 1.

I tabellen anger "grundurval" hur många stockar som fanns i varje angiven välta och därigenom även hur många stockar som varje mätning matchades mot. "Korrekt matchning" anger hur ofta som den korrekta stocken återfanns i den lista av förslag som angavs för varje matchning. "Matchningar per stock" visar antalet förslag som genererades i medeltal för varje matchning. Slutligen visar "korrekt bästa matchning" vilken precision som kunde uppnås om endast en stock valdes som förslag. 

Tabell 1. Resultat av spårning från tre vältor av varierande storlek.

Slutsatser

Är resultaten bra eller dåliga? Det tråkiga svaret är att det är upp till användaren av resultaten. Vilka krav ska resultaten svara mot och vad ska resultaten användas till? Om de till exempel ska användas för uppföljning av kvalitet eller utvärdering av egenskaper kopplade till växtplatser är detta en lovande metod. Detta eftersom resultaten ger en statistisk översikt av de analyserade produkterna. Alla produkter som matchas kommer dessutom att vara fysiskt lika eftersom de matchats och bedömts lika enligt de toleranser som satts upp. Men för att möta eventuella regelkrav om individspårning, med höga krav på att varje individuell stock ska kunna identifieras, kan önskad precision vara svår att nå.

Något att ta med sig är att denna typ av spårning i princip kan göras passivt med data som redan finns tillgängliga i moderna produktionssystem och därför inte behöver medföra några extra investeringar eller ytterligare arbetsinsatser. Ur det perspektivet är resultaten mycket bra.