Automation i avverkning och spårbarhet

AutoHarvest – automatiserade kranrörelser vid upparbetning

Vid upparbetning av stammar utför skördarföraren i dag flera manuella kranrörelser som skulle kunna automatiseras. I projektet AutoHarvest utvecklas två automatiska funktioner som ska minska behovet av dessa rörelser och göra arbetet enklare och mer effektivt.

Den ena funktionen ska automatiskt flytta aggregatet så att avkvistade grenar hålls separerade från virkeshögen. Den andra ska underlätta upparbetningen av tunga stammar, där maskinens matarvalsar inte alltid orkar mata stammen genom aggregatet. Kranen kan då automatiskt låta aggregatet löpa längs stammen under avkvistningen och därefter dra stammen till virkeshögen.

Funktionerna utvecklas och testas i Skogforsks maskinsimulator Troëdsson Forestry Technology Lab, i samverkan mellan ingenjörer och metodinstruktörer. Professionella förare får prova funktionerna i simulatorn, där det automatiserade arbetssättet jämförs med manuell körning. Utvärderingen omfattar bland annat hur väl funktionerna genomför de automatiska rörelserna, hur förarna gillar det och andra effekter på arbetet.

AutoHarvest visar hur automation kan införas stegvis genom att automatisera enskilda och återkommande arbetsmoment. Vid lyckad utveckling är nästa steg att implementera funktionerna på en maskin i verklig skogsmiljö.

Autonom stockplockning – när kranen hittar stocken själv

Att plocka upp stockar från marken och lasta dem på skotaren är ett komplext arbetsmoment som kräver precision och vana hos föraren. Skogforsk utvecklar teknik där kameror, bildanalys och automatiserad kranstyrning gör det möjligt för skotaren att själv hitta, greppa och lasta stockar.

I försöken används en stereokamera som monterats nära kranens bas. Med hjälp av bildanalys kan systemet identifiera både stocken och gripen och beräkna deras positioner. Utifrån informationen styrs kranen automatiskt fram till stocken, gripen riktas rätt och stocken greppas och vrids in mot kranen. Tester har visat att systemet kan greppa stockar från marken med enbart kameran som sensor. I försöken lyckades systemet greppa och lyfta stockarna i 82 procent av fallen.

Tekniken har därefter utvecklats vidare och integrerats med fjärrstyrning av skotaren. Operatören kan från en fjärrstyrningsstation välja mellan manuell och automatisk lastning. När det automatiska läget är aktiverat sköter systemet de återkommande momenten med hjälp av kamerabaserad styrning och förprogrammerade kranrörelser. Om något går fel kan operatören ta över manuellt. 

Det stegvisa arbetssättet är viktigt i utvecklingen mot mer autonoma skogsmaskiner. Genom att automatisera enskilda arbetsmoment kan tekniken tas i bruk innan hela maskinen är autonom. Automatiserad stocklastning kan samtidigt minska operatörens arbetsbelastning och på sikt öppna för att en operatör kan övervaka flera skotare. 

Nästa steg är att koppla ihop den automatiserade lastningen med teknik för autonom terrängkörning och digital ruttplanering. Skogforsk utvecklar därmed flera av de komponenter som behövs för framtidens självkörande skogsmaskiner – från att hitta rätt väg i terrängen till att självständigt utföra enskilda arbetsmoment.

Läs mer här.

Digital grotplanering med karttjänsten Biogrid

I projektet Good to Go Grot utvecklas ett detaljerat nationellt grotgrid som visar den beräknade potentialen för grot – grenar och toppar som blir kvar efter avverkning. Underlaget bygger på Skogliga grunddata och kompletterande geografiska data, och ger skattningar av möjlig grotvolym i ett rutnät på 10x10 meters upplösning.

Resultatet ska tillgängliggöras i en interaktiv digital karttjänst där användaren kan visualisera och analysera grotpotentialen, både på kommunnivå och inom egna valda områden. Karttjänsten kan därmed ge ett detaljerat underlag för att bedöma var det finns potential för grotuttag och vara ett stöd i fortsatt planering av exempelvis logistik, transporter och infrastruktur. Underlaget riktar sig till bland annat skogsägare, skogsbolag och energibolag och kan bidra till ett gemensamt beslutsunderlag för en mer effektiv användning av skoglig biomassa. Det kan också utgöra ett viktigt underlag för planering av nyetablering av terminaler, och för aktörer som planerar nyetablering där skogsbränsle är en viktig råvara.

Projektet analyserar även framtida efterfrågan på grot och hur förändrade förutsättningar, bland annat EU-regler, kan påverka råvarutillgången. Målet är bättre prognoser och digitala verktyg som kan bidra till effektivare planering, minskade transportkostnader, ökad lönsamhet och ett mer hållbart uttag av skogsbränsle.

Läs mer här.

Digital spårbarhet med DigForTrace

I projektet DigForeTrace och inom Mistra Digital Forest utvecklas och testas metoder för att koppla samman data från skördare, skotare och timmerbilar. Med hjälp av positionering, sensorer, digital kartteknik och standardiserade dataformat kan information om enskilda stockar och virkets egenskaper följa med genom avverkning, skotning och transport.

En viktig del är att skapa digitala vältor som visar var olika sortiment finns och hur mycket virke som återstår. Genom att kombinera maskinernas positioner med information om vägar och virkesproduktion kan vältorna beskrivas digitalt och användas för exempelvis bättre lagerhantering och transportplanering.

Inom projekten undersöks också möjligheten att matcha skördardata med industrins mätdata för att spåra enskilda stockar utan att behöva märka varje stock fysiskt. På sikt kan tekniken ge bättre råvarustyrning, effektivare logistik och kvalitetssäkring, samtidigt som den skapar bättre underlag för hållbarhetsuppföljning och ökad transparens i värdekedjan.

Läs mer här.