log classification in the hardwood timber industry: method and value analysis
DESCRIPTION
Industries with variable inputs, such as the forest product industry (FPI), the mining industry or the recycling industry, must cope with material uncertainty, which affects their ability to predict output yields. To deal with this, one can either reduce uncertainty at the source, or plan operations taking uncertainty into account. In the FPI, the first approach is generally used. For instance, the softwood lumber industry has adopted sophisticated transformation technologies that adapt sawing patterns to the log characteristic using scanners technology to acquire accurate information about work-in-process status. Another approach to reduce uncertainty is input material classification. Specific characteristics can be measured to classify input material and therefore reduce uncertainty within each class. However, whether the process involves logs, mining ores or recycled papers, material classification has a value and a cost according to how detailed it is performed. This research first proposes a method based on classification tree analysis to classify hardwood logs. Next, using agent-based simulation, it analyses the value of different classification strategies, from detailed, to no classification at all. Results show in the context of the hardwood lumber industry that the benefit of detailed classification is offset by its cost, while a relatively simple classification dramatically improves output yield.TRANSCRIPT
Gil, Alvaro (2014)Log Classification in the Hardwood Timber Industry: Method and Value Analysis
LOG CLASSIFICATION IN THE HARDWOOD TIMBER INDUSTRY: METHOD AND VALUE ANALYSIS
Présenté par: Alvaro Gil
Candidat au Maîtrise Ès Sciences Appliquées
École Polytechnique de Montréal
Sous la supervision de: Jean-Marc Frayret Ph.D.
Gil, Alvaro (2014)Log Classification in the Hardwood Timber Industry: Method and Value Analysis
Plan de la présentation
1. Introduction
2. Revue de la littérature
3. Méthodologie
4. Simulation
5. Analyse des résultats
6. Conclusions
Gil, Alvaro (2014)Log Classification in the Hardwood Timber Industry: Method and Value Analysis
Introduction• Incertitude de matière primaire• Problématique de différentes industries : l'industrie minière,
l'industrie du recyclage, l'industrie des produits forestiers (FPI), etc.
• Solutions : réduire l'incertitude dans la source, ou planifier les opérations en tenant compte de l'incertitude
• Cette recherche est basée sur l’industrie des produits forestiers, dans le cadre d’une scierie des bois feuillus.
• Proposition: Nouvelle méthodologie de classification de la matière primaire (billes) basée sur des critères dimensionnels et qualitatifs qui permettront à l’industrie de la première transformation de mieux répondre aux besoins des utilisateurs des secteurs de transformation secondaire et tertiaire.
Gil, Alvaro (2014)Log Classification in the Hardwood Timber Industry: Method and Value Analysis
Introduction
Problématique de scieries : Processus de transformation des billes en grosses étapes:
1. Réception et Triage
2. Sciage
3. Séchage
4. Rabotage
5. Distribution
De façon générale, le processus le plus critique est le sciage. Une grosse partie des efforts de recherche, planification et optimisation sont concentrés sur cette activité.
Plancher Armoire Escalier
Panneautage Meuble Moulure Palette
Entreprises de deuxième transformation
Gil, Alvaro (2014)Log Classification in the Hardwood Timber Industry: Method and Value Analysis
Introduction
Problématique de scieries : • Le stratégie des scieries est limité à minimiser les coûts
d’approvisionnement qui sont basés dans les règles NHLA (« National Hardwood Lumber Association ») et maximiser l’utilisation des sciages.
• Malgré les efforts pour maximiser les bénéfices, si la bille choisie pour la transformation n’est pas assez bonne pour l’application finale (deuxième transformation), elle sera vendue à un prix plus bas.
• Il y a une déconnection entre les décisions prises au niveau de production de la première et de la deuxième transformation.
Gil, Alvaro (2014)Log Classification in the Hardwood Timber Industry: Method and Value Analysis
Introduction
Problématique de scieries :(exemple de classification actuelle dans les scieries)
Attribues des billes
Espèce des billes
Prix de matière primairerésultantdes billes
Gil, Alvaro (2014)Log Classification in the Hardwood Timber Industry: Method and Value Analysis
Introduction
Objectifs de la recherche :1. Proposer une nouvelle méthodologie de classification des
billes basée sur les besoins des utilisateurs de deuxième transformation
2. Mesurer la performance logistique des différentes méthodologies de classification en utilisant niveaux d’agrégation
Gil, Alvaro (2014)Log Classification in the Hardwood Timber Industry: Method and Value Analysis
Revue de la littérature• Plusieurs sources consultées. • En général, nous avons trouvée en général, trois grosses
tendances dans la littérature1. Optimisation mathématique
2. Simulation
3. Classification des matérielles
Gil, Alvaro (2014)Log Classification in the Hardwood Timber Industry: Method and Value Analysis
Revue de la littérature
1) Optimisation mathématique
• Maturana, Pizani, et Vera (2010) • Alvarez et Vera (2011)
• Beaudoin, LeBel, et Frayret (2007)
• Zanjani, Nourelfath, et Ait-Kadi (2009, 2010)
Remarquent la nécessité d’information précise dans le contexte de l’optimisation robuste et l’application des techniques heuristiques pour résoudre le problème de maximisation.
Gil, Alvaro (2014)Log Classification in the Hardwood Timber Industry: Method and Value Analysis
Revue de la littérature
1) Optimisation mathématique
• Maturana, Pizani, et Vera (2010) • Alvarez et Vera (2011)
• Beaudoin, LeBel, et Frayret (2007)
• Zanjani, Nourelfath, et Ait-Kadi (2009, 2010)
Proposent une approche MIP pour supporter la programmation annuelle de déforestation, en combinaison avec techniques de Monte-Carlo et une simulation à base des règles de base pour adresser le problème de l’incertitude d’information dans la source
Gil, Alvaro (2014)Log Classification in the Hardwood Timber Industry: Method and Value Analysis
Revue de la littérature
1) Optimisation mathématique
• Maturana, Pizani, et Vera (2010) • Alvarez et Vera (2011)
• Beaudoin, LeBel, et Frayret (2007)
• Zanjani, Nourelfath, et Ait-Kadi (2009, 2010)
Modèle de programmation stochastique multiétage pour l’ordonnancement de la production dans une scierie avec des rendements aléatoires et incertitude dans la demande.
Gil, Alvaro (2014)Log Classification in the Hardwood Timber Industry: Method and Value Analysis
Revue de la littérature
2) Simulation
• Reeb (2003) • Grigolato, Bietresato, Asson, et
Cavalli (2011)
• Beaudoin et al. (2013)
• Frayret (2011)• J. M. Frayret et al. (2007) • Forget et al, (2008) • Yanez et al (2009) • Elghoneimy et Gruver (2011)
Simulation à événements discrets pour prédire le volume de production dans différents scénarios, basés sur certains attributs des billes.
Gil, Alvaro (2014)Log Classification in the Hardwood Timber Industry: Method and Value Analysis
Revue de la littérature
2) Simulation
• Reeb (2003) • Grigolato, Bietresato, Asson, et
Cavalli (2011)
• Beaudoin et al. (2013)
• Frayret (2011)• J. M. Frayret et al. (2007) • Forget et al, (2008) • Yanez et al (2009) • Elghoneimy et Gruver (2011)
Simulation à événements discrets dans le contexte de gestion de parc à grumes (log yard), pour réduire le temps de cycle des camions et la distance totale parcourue par chargeur.
Gil, Alvaro (2014)Log Classification in the Hardwood Timber Industry: Method and Value Analysis
Revue de la littérature
2) Simulation
• Reeb (2003) • Grigolato, Bietresato, Asson, et
Cavalli (2011)
• Beaudoin et al. (2013)
• Frayret (2011)• J. M. Frayret et al. (2007) • Forget et al, (2008) • Yanez et al (2009) • Elghoneimy et Gruver (2011)
Simulation à base d’agents pour tester différentes stratégies d’ordonnancement de la production et de collaboration des intervenants dans la chaine d’approvisionnement, pour répondre aux changements de l’environnement (exogènes).
Gil, Alvaro (2014)Log Classification in the Hardwood Timber Industry: Method and Value Analysis
Revue de la littérature
3) Classification des matérielles
• Petutschnigg and Katz (2005)
• Zhang & Liu (2006)
• Tong and Zhang (2006) used
Modèle non-linéaire pour prédire le rendement des billes selon le diamètre et la longueur, et le type de bille. Le modèle a été basée sur les observations historiques.
Gil, Alvaro (2014)Log Classification in the Hardwood Timber Industry: Method and Value Analysis
Revue de la littérature
3) Classification des matérielles
• Petutschnigg and Katz (2005)
• Zhang & Liu (2006)
• Tong and Zhang (2006) used
Techniques paramétriques et non paramétriques pour prédire le volume de récupération des billes d’un type spécifique (black spruce).
Gil, Alvaro (2014)Log Classification in the Hardwood Timber Industry: Method and Value Analysis
Revue de la littérature
3) Classification des matérielles
• Petutschnigg and Katz (2005)
• Zhang & Liu (2006)
• Tong and Zhang (2006) usedLogiciel de simulation dédié Optitek pour prédire le rendement des billes basé sur le scanning des billes.
Gil, Alvaro (2014)Log Classification in the Hardwood Timber Industry: Method and Value Analysis
Méthodologie Information disponible
Analyse des données
Arbres de classification
Gil, Alvaro (2014)Log Classification in the Hardwood Timber Industry: Method and Value Analysis
Méthodologie• Information réelle d’une scierie feuillue au Québec• Recherche d’information détaillée par FPInnovations en
utilisant technologie de numérisation• Base des données avec plusieurs mesures de 240 billes, qui
représentent la production d’une journée de travail complet dans une scierie à deux lignes (1900 billes).
• Pour chaque bille on a :
Information disponible
Analyse des données
Arbres de classification
• Position (U ou B)• Diamètre de fin de but
MRN (cm)• Nombre des faces
claires• Pourcentage de cœur
par rapport au diamètre de fin de but
• Pourcentage de
déduction totale• Temps de sciage• Coût• Qualité selon la norme
MRN• Volume de la bille• Volume de sciage
Gil, Alvaro (2014)Log Classification in the Hardwood Timber Industry: Method and Value Analysis
Méthodologie• Après le processus de sciage, les 240 billes ont été
transformées en 2150 planches et analyses avec un scanneur industriel (BorealScan) qui a permis de prédire le rendement par type d’application dans la deuxième transformation.
• Ceci nous a permis de connaitre le rendement dans chaque un des sept secteurs (Plancher, Armoire, Escalier, Panneautage, Meuble, Moulure, Palette) ainsi que le coût moyen d’approvisionnement par application (coût des billes / rendement obtenu en Mpmp)
Information disponible
Analyse des données
Arbres de classification
Plancher Armoire Escalier Panneautage Meuble Moulure Palette
# des billes utiles 240 170 179 170 240 94 226
Coût moyen
d’approvisionnement
($/Mpmp)
$2,326 $3,498 $2,699 $3,664 $1,271 $6,964 $1,964
Tableau 1
Gil, Alvaro (2014)Log Classification in the Hardwood Timber Industry: Method and Value Analysis
MéthodologieAperçu de la base des données
Information disponible
Analyse des données
Arbres de classification
# billeDgb réel
(cm)
Diam réel à 1
m du Dgb (cm)
Dfb réel (cm)
longueur réelle
(m)
Dgb MRN (cm)
Dfb MRN (cm)
longueur (m)
longueur (pi)
coeur par rapport au Dfb (%)
Pourcentage carie p/r MRN brut
(%)
% de bois de cœur p/r à MRN brut
Déduction total MRN
(%)
nombre de faces claires
positionnorme de
qualité MRN
norme de qualité
PETRO
Dfb Classe de cœur %
Volume bois de cœur classe
Carie classe en %
Déduction MRN classe
(%)
1 34.5 27.7 27.4 2.54 34 28 2.54 8 62% 23% 40% 51% 3 B Pâte Pâte 61 + 31 à 40 21+ 41 +2 37.4 31.7 28.5 2.56 38 28 2.56 8 42% 0% 18% 0% 3 B B F3 41 à 60 11 à 20 0 03 31.2 25.9 22.8 2.48 32 22 2.48 8 61% 1% 33% 6% 4 B C F3 61 + 31 à 40 1 à 5 1 à 104 31.5 29.1 22.5 2.58 32 22 2.58 8 31% 2% 9% 23% 3 B Pâte F3 21 à 40 0 à 10 1 à 5 21 à 405 30.5 24.2 23.9 2.46 30 24 2.46 8 21% 0% 3% 13% 4 B C F3 21 à 40 0 à 10 0 11 à 206 43.2 39.9 36.0 2.50 44 36 2.50 8 44% 0% 13% 0% 4 B B F2 41 à 60 11 à 20 0 07 25.4 25.2 24.6 2.54 26 24 2.54 8 16% 0% 5% 9% 3 B C F3 0 à 20 0 à 10 0 1 à 108 25.6 21.5 2.54 26 22 2.54 8 33% 1% 15% 5% 2 U C F3 21 à 40 11 à 20 1 à 5 1 à 109 29.5 29.0 2.54 30 28 2.54 8 59% 1% 31% 4% 3 U C F3 41 à 60 31 à 40 1 à 5 1 à 1010 42.2 38.6 33.6 2.54 42 34 2.54 8 42% 6% 17% 16% 1 B B F2 41 à 60 11 à 20 6 à 10 11 à 20
# billePlancher pmp
comp / m3
Plancher $ ressource /
Mpmp comp
armoire pmp comp /
m3
armoire $ ressource /
Mpmp comp
Escalier pmp comp /
m3
Escalier $ ressource /
Mpmp comp
Panneautage G&M pmp comp / m3
Panneautage G&M $
ressource / Mpmp comp
meuble pmp comp /
m3
meuble $ ressource /
Mpmp comp
moulure pmp comp /
m3
moulure $ ressource /
Mpmp comp
palette pmp comp /
m3
palette $ ressource /
Mpmp comp
1 36.8 1,494.4 16.2 3,396.5 11.7 4,708.2 16.2 3,390.9 53.9 1,020.5 - - 8.5 6,508.4 2 33.8 2,283.3 39.0 1,981.0 42.3 1,826.4 32.1 2,403.7 63.1 1,224.5 6.7 11,462.5 44.9 1,719.1 3 14.4 4,908.6 10.5 6,758.5 10.9 6,526.9 11.6 6,116.6 47.3 1,499.4 - - 70.0 1,012.3 4 54.8 1,004.1 6.7 8,248.9 6.7 8,183.4 7.9 6,923.5 62.3 882.5 - - 68.5 802.3 5 66.2 1,071.4 - - - - - - 63.5 1,116.1 - - 9.2 7,735.7 6 0.8 93,142.9 111.6 692.1 123.7 624.6 113.7 679.4 32.4 2,386.3 68.8 1,123.4 35.8 2,159.0 7 44.9 1,577.7 30.3 2,336.2 31.9 2,223.8 27.9 2,537.8 58.4 1,212.7 - - - - 8 33.4 2,122.3 - - - - - - 27.9 2,539.2 - - 95.1 744.9 9 69.4 1,021.9 11.5 6,188.6 21.8 3,258.0 7.7 9,208.5 80.1 885.0 - - 31.6 2,240.6 10 50.2 1,538.9 - - 39.9 1,938.2 - - 91.2 847.0 - - 30.7 2,519.9
Gil, Alvaro (2014)Log Classification in the Hardwood Timber Industry: Method and Value Analysis
Méthodologie• Estimation de rendements par application : Très basse efficacité
de prédiction par des méthodes linéaires et non linéaires. En plus, les modèles prédictifs demandent une seule application par bille ce qui n’est pas véridique.
• Arbres de classification : • Technique non linéaire pour prédire l’appartenance d’une observation à une ou
plusieurs catégories basé sur un ensemble d'attributs appelés variables prédictives.
Information disponible
Analyse des données
Arbres de classification
Gil, Alvaro (2014)Log Classification in the Hardwood Timber Industry: Method and Value Analysis
MéthodologieApplication des arbres de classification à la base des données des billes• Variables prédictives : Attributs des billes• Variables dépendantes : Valeurs binaires en indiquant si la bille
appartient ou pas au secteur de transformation• Comme il n'y a pas suffisamment d'informations pour toutes les billes,
la première étape consiste à choisir le nombre des observations correspondantes à chaque application.
• Pour ce faire, nous avons divisé la gamme de coûts unitaires du bois par application de toutes les billes en percentiles.
• Cela s'est traduit par une matrice de valeurs binaires indiquant si oui ou non la bille vient du percentile (voir tableau 2).
• En plus, nous avons calculé le coût moyen d’approvisionnement par seuil (voir tableau 3).
Information disponible
Analyse des données
Arbres de classification
Voir exemple
Gil, Alvaro (2014)Log Classification in the Hardwood Timber Industry: Method and Value Analysis
Méthodologie Information disponible
Analyse des données
Arbres de classification
Seuil Plancher Armoire Escalier Panneautage Meuble Moulure Palette
10% 24 17 18 17 24 10 23
20% 48 34 36 34 48 19 45
30% 72 51 54 51 72 28 68
40% 96 68 72 68 96 38 90
50% 120 85 89 85 120 47 113
60% 144 102 107 102 144 56 135
70% 168 119 125 119 168 66 158
80% 192 136 143 136 192 75 180
90% 216 153 178 170 239 94 226
100% 240 170 179 170 240 94 226
Seuil Plancher Armoire Escalier Panneautage Meuble Moulure Palette
10% $ 788 $ 860 $ 746 $ 837 $ 599 $ 1,500 $ 535
20% $ 876 $ 1,000 $ 822 $ 1,006 $ 652 $ 1,711 $ 666
30% $ 941 $ 1,161 $ 914 $ 1,188 $ 698 $ 1,882 $ 782
40% $ 1,010 $ 1,339 $ 1,019 $ 1,373 $ 735 $ 2,251 $ 899
50% $ 1,085 $ 1,526 $ 1,146 $ 1,565 $ 769 $ 2,688 $ 1,025
60% $ 1,167 $ 1,701 $ 1,297 $ 1,752 $ 806 $ 3,150 $ 1,154
70% $ 1,261 $ 1,906 $ 1,475 $ 1,979 $ 847 $ 3,710 $ 1,292
80% $ 1,378 $ 2,191 $ 1,709 $ 2,309 $ 896 $ 4,439 $ 1,418
90% $ 1,547 $ 2,624 $ 2,674 $ 3,664 $ 1,265 $ 6,964 $ 1,964
100% $ 2,326 $ 3,498 $ 2,699 $ 3,664 $ 1,271 $ 6,964 $ 1,964
Tableau 2Nombre des billes par
application et seuil
Tableau 3Coût moyen
d’approvisionnement par application et seuil
Gil, Alvaro (2014)Log Classification in the Hardwood Timber Industry: Method and Value Analysis
Méthodologie• Un arbre de classification a été construit pour chaque secteur
et seuil (70 au total)• Avec les équations de chaque arbre, nous avons calculé
manuellement si la bille appartient ou pas à chaque secteur• Cela nous a permis construire une matrice d’efficacité de
prédiction (voir tableau 4).
Information disponible
Analyse des données
Arbres de classification
Seuil Plancher Armoire Escalier Panneautage Meuble Moulure Palette
10% 85% 95% 90% 93% 90% 95% 90%
20% 80% 88% 86% 88% 81% 92% 89%
30% 71% 86% 85% 85% 77% 90% 82%
40% 73% 79% 81% 82% 69% 89% 82%
50% 71% 75% 82% 80% 68% 88% 78%
60% 71% 78% 77% 79% 72% 83% 76%
70% 74% 78% 76% 77% 83% 80% 75%
80% 80% 80% 82% 80% 89% 76% 79%
90% 100% 85% 90% 85% 100% 75% 94%
Tableau 4Efficacité de prédiction par
application et par seuil
Gil, Alvaro (2014)Log Classification in the Hardwood Timber Industry: Method and Value Analysis
Méthodologie• Normalement, les efficacités de prédiction plus élevées sont
dans les seuils supérieurs• Cependant, ces seuils sont aussi les plus couteux (voir
graphiques dans la diapositive suivante)• Le but de cette étape est de choisir le seuil avec la plus haute
efficacité de prédiction à coût plus bas. • Après avoir choisi les seuils corrects, nous avons réévalué le
niveau de branchement des arbres, ce qui nous a permis d’augmenter légèrement l’efficacité de prédiction.
Information disponible
Analyse des données
Arbres de classification
Gil, Alvaro (2014)Log Classification in the Hardwood Timber Industry: Method and Value Analysis
Méthodologie Information disponible
Analyse des données
Arbres de classification
Efficacité de prédiction Vs. Coût moyen d’approvisionnement par application
Gil, Alvaro (2014)Log Classification in the Hardwood Timber Industry: Method and Value Analysis
Méthodologie Information disponible
Analyse des données
Arbres de classification
Exemple d’un arbre de classification pour l’application panneautage
PANNEAUTAGE
Position de la bille dans l'arbre
Diamètre minimal 26 à 32 cm >= 34 cm
Nombre de faces claires 4 0 à 3Grosseur du cœur au fin bout < 45%
Pourcentage de déduction MRN
Diamètre < 26 No
% Cœur >= 45%
Oui
No
No
Oui
Faces claires < 4
Oui
Oui
Oui
Début
Diamètre < 34
No
No
Gil, Alvaro (2014)Log Classification in the Hardwood Timber Industry: Method and Value Analysis
Méthodologie• Avec les arbres finaux, nous avons calculé le coût moyen
d’approvisionnement par application avant et après la méthode (voir tableau 5).
• Le pourcentage de réduction théorique des coûts d’approvisionnement après l’application de la technique est de minimum 30% dans tous les cas
Information disponible
Analyse des données
Arbres de classification
Tableau 5Comparaison des indicateurs par application avant et après la classification
Plancher Armoire Escalier Panneautage Meuble Moulure Palette
Coût moyen
d’approvisionnement ($/Mpmp)
avant la classification
$2,326 $3,498 $2,699 $3,664 $1,271 $6,964 $1,964
Seuil choisi 40% 30% 30% 40% 50% 50% 30%
Nombre des branches 6 4 6 4 5 5 5
Nombre des billes dans le seuil 109 53 44 53 72 26 78
Efficacité de prédiction 75.4% 85.8% 87.5% 82.1% 67.5% 87.9% 81.7%
Coût moyen
d’approvisionnement ($/Mpmp)
après la classification
$1,594 $1,762 $1,216 $1,744 $866 $1,987 $1,235
Pourcentage de réduction après
la classification31.4% 49.6% 55.0% 52.4% 31.9% 71.5% 37.1%
Gil, Alvaro (2014)Log Classification in the Hardwood Timber Industry: Method and Value Analysis
Méthodologie Information disponible
Analyse des données
Arbres de classification
PLANCHER ARMOIRE ESCALIER PANNEAUTAGE MEUBLE MOULURE PALETTE
Position de la bille dans l'arbre U B B U B
Diamètre minimal >= 32 cm < 32
cm26 à 32
cm>= 34
cm26 à 30
cm>= 32
cm26 à 32
cm >= 34 cm>= 26 cm
>= 38 cm >= 22 cm <= 22
cm24 à 26
cm
Nombre de faces claires 0 à 1 >=2 >= 3 4 0 à 3 4 3 à 4 4 0 à 3 4
Grosseur du cœur au fin bout < 45% < 28% < 45% < 46% >= 32%
Pourcentage de déduction MRN > 12% <
17% < 7 %
• Finalement, avec les arbres de classification individuels, nous avons construit un grille de classification qui peut être utilisé dans le processus de réception pour classer les arbres par application en fonction des attributs.
Tableau 6Grille de classification
Gil, Alvaro (2014)Log Classification in the Hardwood Timber Industry: Method and Value Analysis
Simulation Description du processus
Modèle de simulation
Design des expériences
Gil, Alvaro (2014)Log Classification in the Hardwood Timber Industry: Method and Value Analysis
Simulation
Processus à quatre grosses étapes:1. Les camions arrivent dans la zone de
réception avec une charge d’entre 80 à 120 billes (distribution aléatoire). Les billes sont déchargées à terre et mesurées pour payer la charge.
2. Les billes sont transportées par un chargeur (Loader) vers le parc à grumes.
3. Lorsque la quantité des billes est relativement basse dans la zone de sciage, les billes sont transportées vers la scierie.
4. Les sciages sortent de la scierie vers les processus de séchage, rabotage et distribution.
Description du processus
Modèle de simulation
Design des expériences
Scierie
Reception
Parc
à g
rum
es
1
2
3
4
Gil, Alvaro (2014)Log Classification in the Hardwood Timber Industry: Method and Value Analysis
Simulation Description du processus
Modèle de simulation
Design des expériences
Gil, Alvaro (2014)Log Classification in the Hardwood Timber Industry: Method and Value Analysis
Simulation Description du processus
Modèle de simulation
Design des expériences
Réception
Parc à grumes
Sciage
Parc à sciages
Gil, Alvaro (2014)Log Classification in the Hardwood Timber Industry: Method and Value Analysis
Simulation Description du processus
Modèle de simulation
Design des expériences
Réception
Parc à grumes
Sciage
Parc à sciages
Gil, Alvaro (2014)Log Classification in the Hardwood Timber Industry: Method and Value Analysis
Simulation Description du processus
Modèle de simulation
Design des expériences
Gil, Alvaro (2014)Log Classification in the Hardwood Timber Industry: Method and Value Analysis
Simulation• Modèle hybride de simulation des événements discrets et de
simulation à base d’agents• Architecture générale du modèle (figure ci-dessous)• Logiciel spécialisé (AnyLogic)
Description du processus
Modèle de simulation
Design des expériences
Agent planificateur
Séchage RabotageTriage basé sur les règles
Deuxième transformation
Source externe
Processus de sciage
Utilisateur final
Triage de base
b c da
Gil, Alvaro (2014)Log Classification in the Hardwood Timber Industry: Method and Value Analysis
SimulationDéfinition des agents
• Agent Camion
• Agent Chargeur
• Agent Scierie
Description du processus
Modèle de simulation
Design des expériences
Gil, Alvaro (2014)Log Classification in the Hardwood Timber Industry: Method and Value Analysis
SimulationDéfinition des agents
• Agent Camion
• Agent Chargeur
• Agent Scierie
Description du processus
Modèle de simulation
Design des expériences
Agent réactif, avec une capacité de transport limité, et temps d’arrivée aléatoire pendant la journée.
Gil, Alvaro (2014)Log Classification in the Hardwood Timber Industry: Method and Value Analysis
SimulationDéfinition des agents
• Agent Camion
• Agent Chargeur
• Agent Scierie
Description du processus
Modèle de simulation
Design des expériences
Deux tâches: Décharger le camion et transporter les billes vers le parc à grumes ainsi que vers la scierie.
Dans l’activité de déchargement, étant donné qu’il faut mesurer les billes, on veut utiliser la grille de classification pour établir la ou les applications pour lesquelles la bille est valide. À partir de cette classification, la bille est placée dans des piles temporaires avant d’être transportée vers le parc. Ces piles sont créées en fonction de la stratégie de classification.
Gil, Alvaro (2014)Log Classification in the Hardwood Timber Industry: Method and Value Analysis
SimulationDéfinition des agents
• Agent Camion
• Agent Chargeur
• Agent Scierie
Description du processus
Modèle de simulation
Design des expériences
Les billes classées sont transportées vers le parc à grumes en lots de 5 à 10 billes, et placées dans zones prédéfinies. En fonction du plan de production, une zone est périodiquement définie comme principale, donc toutes les billes sont prises de cette pile.Lorsque l’inventaire tampon en face de la scierie est plus bas qu’une valeur fixe, le chargeur cherche les billes pour alimenter le processus. Si la pile est vide, le chargeur prend une bille d’une pile alternative (la plus proche) pour éviter que le processus s’arrête.
Gil, Alvaro (2014)Log Classification in the Hardwood Timber Industry: Method and Value Analysis
SimulationDéfinition des agents
• Agent Camion
• Agent Chargeur
• Agent Scierie
Description du processus
Modèle de simulation
Design des expériences
Agent réactif. Le temps de travail est défini en fonction de volume des billes (connu). Flux poussé, sans priorité.
Gil, Alvaro (2014)Log Classification in the Hardwood Timber Industry: Method and Value Analysis
Simulation
Parc à grumes
À fin de conserver le même schéma de la scierie de référence, nous avons désignée un parc à grumes avec des caractéristiques similaires pour mieux capturer des aspects clés comme le espace et la distance.
Description du processus
Modèle de simulation
Design des expériences
Gil, Alvaro (2014)Log Classification in the Hardwood Timber Industry: Method and Value Analysis
Simulation
Parc à grumes
Description du processus
Modèle de simulation
Design des expériences
Gil, Alvaro (2014)Log Classification in the Hardwood Timber Industry: Method and Value Analysis
Simulation
Parc à grumes
Description du processus
Modèle de simulation
Design des expériences
Gil, Alvaro (2014)Log Classification in the Hardwood Timber Industry: Method and Value Analysis
Simulation
Parc à grumes
Description du processus
Modèle de simulation
Design des expériences
Gil, Alvaro (2014)Log Classification in the Hardwood Timber Industry: Method and Value Analysis
SimulationConfiguration de la simulation• Horizon : Une semaine de production (lundi à vendredi)• Journée de travail : 8h à 17h• Une seule espèce : bouleau jaune (Yellow birch)• Une ligne de production dans la scierie (20 Mpmp /faction de
9h ou 1.000 billes approximatives) • Un chargeur (capacité maximale = 15 billes)• Allocation d’un inventaire initial (trois scénarios possibles)
Description du processus
Modèle de simulation
Design des expériences
Gil, Alvaro (2014)Log Classification in the Hardwood Timber Industry: Method and Value Analysis
SimulationInventaire initial• Trois niveaux prédéfinis: 0, 12.000 et 24.000 billes• Ce qui représente: 0, 2 et 4 semaines de production
approximatives. • Les billes sont incluses dans le modèle dès le début et
classées selon la stratégie du scénario.
Description du processus
Modèle de simulation
Design des expériences
Gil, Alvaro (2014)Log Classification in the Hardwood Timber Industry: Method and Value Analysis
SimulationOrdonnancement de la production• En ligne avec les applications de deuxième transformation. • Normalement les scieries utilisent longes périodes de
production dédiées par type de produit (ici application au lieu d’espèce ou diamètre).
• L’application palette est exclue du programme (entre semaine), car cela n’est pas vraiment demandé
• 10 sections de demi-journée pendant la semaine (AM et PM)• Afin de réduire la quantité des billes cumulées dans le modèle,
la période du vendredi PM est dédié à l’application palette.
Description du processus
Modèle de simulation
Design des expériences
Gil, Alvaro (2014)Log Classification in the Hardwood Timber Industry: Method and Value Analysis
SimulationOrdonnancement de la production• 156 scénarios totaux (6P1 + 6P2 + 6P3)
Description du processus
Modèle de simulation
Design des expériences
LundiAM
LundiPM
MardiAM
MardiPM
MercrediAM
MercrediPM
JeudiAM
JeudiPM
VendrediAM
VendrediPM
Produit 1
Produit 1 Produit 2
Produit 1 Produit 2 Produit 3
6 Combinaisons
30 Combinaisons
120 Combinaisons
156Combinaisons totales
Palette
Palette
Palette
Gil, Alvaro (2014)Log Classification in the Hardwood Timber Industry: Method and Value Analysis
SimulationStratégies d’agrégation • L’ordonnancement peut inclure jusqu’à 3 produits par semaine• Grille de classification = 7 applications• Réduire la grille à 1, 2 ou 3 groupes• 1 groupe = situation actuelle (benchmark)• Définition de 2 et 3 groupes à partir des applications qui
ressemblent. • On utilise la matrice de corrélation des rendements
Description du processus
Modèle de simulation
Design des expériences
Plancher Armoire Escalier Panneautage Meuble Moulure Palette
Plancher 1.000 0.320 0.380 0.320 0.879 0.307 -0.041
Armoire 1.000 0.873 1.000 0.631 0.941 -0.063
Escalier 1.000 0.873 0.720 0.812 -0.040
Panneautage 1.000 0.631 0.941 -0.063
Meuble 1.000 0.594 -0.024
Moulure 1.000 -0.039
Palette 1.000
Tableau 7Matrice de corrélation
des rendements par application
Gil, Alvaro (2014)Log Classification in the Hardwood Timber Industry: Method and Value Analysis
SimulationStratégies d’agrégation
Description du processus
Modèle de simulation
Design des expériences
Plancher Armoire Escalier Panneautage Meuble Moulure Palette
Plancher 1.000 0.320 0.380 0.320 0.879 0.307 -0.041
Armoire 1.000 0.873 1.000 0.631 0.941 -0.063
Escalier 1.000 0.873 0.720 0.812 -0.040
Panneautage 1.000 0.631 0.941 -0.063
Meuble 1.000 0.594 -0.024
Moulure 1.000 -0.039
Palette 1.000
Gil, Alvaro (2014)Log Classification in the Hardwood Timber Industry: Method and Value Analysis
SimulationStratégies d’agrégation
Description du processus
Modèle de simulation
Design des expériences
Plancher Armoire Escalier Panneautage Meuble Moulure Palette
Plancher 1.000 0.320 0.380 0.320 0.879 0.307 -0.041
Armoire 1.000 0.873 1.000 0.631 0.941 -0.063
Escalier 1.000 0.873 0.720 0.812 -0.040
Panneautage 1.000 0.631 0.941 -0.063
Meuble 1.000 0.594 -0.024
Moulure 1.000 -0.039
Palette 1.000
Groupe 1: Plancher, Armoire, Escalier, Panneautage, Meuble, MoulureGroupe 2: Palette
Gil, Alvaro (2014)Log Classification in the Hardwood Timber Industry: Method and Value Analysis
SimulationStratégies d’agrégation
Description du processus
Modèle de simulation
Design des expériences
Plancher Armoire Escalier Panneautage Meuble Moulure Palette
Plancher 1.000 0.320 0.380 0.320 0.879 0.307 -0.041
Armoire 1.000 0.873 1.000 0.631 0.941 -0.063
Escalier 1.000 0.873 0.720 0.812 -0.040
Panneautage 1.000 0.631 0.941 -0.063
Meuble 1.000 0.594 -0.024
Moulure 1.000 -0.039
Palette 1.000
Gil, Alvaro (2014)Log Classification in the Hardwood Timber Industry: Method and Value Analysis
SimulationStratégies d’agrégation
Description du processus
Modèle de simulation
Design des expériences
Plancher Armoire Escalier Panneautage Meuble Moulure Palette
Plancher 1.000 0.320 0.380 0.320 0.879 0.307 -0.041
Armoire 1.000 0.873 1.000 0.631 0.941 -0.063
Escalier 1.000 0.873 0.720 0.812 -0.040
Panneautage 1.000 0.631 0.941 -0.063
Meuble 1.000 0.594 -0.024
Moulure 1.000 -0.039
Palette 1.000
Groupe 1: Plancher, MeubleGroupe 2: Armoire, Escalier, Panneautage, MoulureGroupe 3: Palette
Gil, Alvaro (2014)Log Classification in the Hardwood Timber Industry: Method and Value Analysis
SimulationStratégies d’agrégation
Résultats de l’agrégation à partir de la matrice de corrélation des rendements de deuxième transformation.
Description du processus
Modèle de simulation
Design des expériences
Stratégie de classification
Applications par pile
1 Groupe Toutes les applications dans la même pile
2 GroupesG1: Plancher, Armoire, Escalier, Panneautage, Meuble et Moulure G2: Palette
3 GroupesG1: Plancher and Meuble G2: Armoire, Escalier, Panneautage et MoulureG3: Palette
4 Groupes
G1: Plancher and MeubleG2: Armoire, Escalier et PanneautageG3: MoulureG4: Palette
5 Groupes
G1: PlancherG2: Armoire, Escalier et Panneautage G3: MeubleG4: MoulureG5: Palette
6 Groupes
G1: PlancherG2: Armoire et PanneautageG3: EscalierG4: MeubleG5: MoulureG6: Palette
7 Groupes Une pile pour chaque application
Tableau 8Types d’application par groupe selon la stratégie de classification
Gil, Alvaro (2014)Log Classification in the Hardwood Timber Industry: Method and Value Analysis
SimulationStratégie de gestion du parc à grumes• Géométrie irrégulier• Le parc est divisée en 7 sections
Description du processus
Modèle de simulation
Design des expériences
Gil, Alvaro (2014)Log Classification in the Hardwood Timber Industry: Method and Value Analysis
SimulationStratégie de gestion du parc à grumes• À partir des stratégies de
classification déjà définies, on peut allouer les (zones) aux groupes.
Description du processus
Modèle de simulation
Design des expériences
Nombre des
groups dans la
stratégie
Zone 1 Zone 2 Zone 3 Zone 4 Zone 5 Zone 6 Zone 7
1
Plancher, Armoire, Escalier,
Panneautage, Meuble, Moulure, Palette
2
Plancher, Armoire, Escalier,
Panneautage, Meuble, Moulure
Palette
3Plancher, Meuble
Armoire, Escalier,
Panneautage, Moulure
Palette
4Plancher, Meuble
Armoire, Escalier,
Panneautage
Moulure
Palette
5 Plancher
Armoire, Escalier,
Panneautage
Moulure Meuble Palette
6 Plancher
Armoire, Panneautage
Escalier Moulure Meuble Palette
7 Plancher Armoire Panneautage Escalier Moulure Meuble Palette
Tableau 9Distribution des applications par zone selon la stratégie de classification
Gil, Alvaro (2014)Log Classification in the Hardwood Timber Industry: Method and Value Analysis
Analyse des résultats• Indicateurs clés de performance (KPI)
1. Rendement total de la première transformation
2. Rendement total de deuxième transformation
3. Relation entre rendements de deuxième transformation et le coût
4. Utilisation totale de chargeur
• Indicateurs secondaires1. Piles alternatives
Gil, Alvaro (2014)Log Classification in the Hardwood Timber Industry: Method and Value Analysis
Analyse des résultats
1) Rendement total de la première transformation
1 2 3 4 5 6 7
80,000 90,000
100,000 110,000 120,000 130,000 140,000 150,000
Rendement moyen de la première transformation (fbm) à différents niveaux d'inventaire
Stock: 0 Stock: 12,000 Stock: 24,000
Stratégie d'agrégation
Stratégie
Inventaire initial% changement
vs. Stratégie 1Stock: 0Stock:
12,000
Stock:
24,000
Rend.
Moyen
1 90,878 100,162 100,231 97,090
2 83,427 123,682 141,135 116,081 20%
3 84,127 121,277 132,746 112,717 16%
4 84,052 119,579 132,386 112,005 15%
5 83,879 114,151 123,636 107,222 10%
6 83,768 112,573 119,447 105,263 8%
7 83,896 112,770 119,776 105,481 9%
1 2 3 4 5 6 7
95,000
100,000
105,000
110,000
115,000
120,000
Rendement moyen de la première transformation (fbm) pour différents type des produits dans le plan de produc-
tion
1 type 2 types 3 types
Stragégie d'agrégation
Stratégie
Total types des produits dans le plan de production% change vs.
Stratégie 11 type 2 types 3 types Rend. Moyen
1 97,252 97,117 96,901 97,090
2 116,421 117,154 114,670 116,081 20%
3 110,105 113,343 114,703 112,717 16%
4 109,942 112,056 114,018 112,005 15%
5 106,898 106,279 108,488 107,222 10%
6 104,431 104,053 107,304 105,263 8%
7 106,027 104,394 106,022 105,481 9%
Rend. Moyen 107,297 107,771 108,872
% Changement 0.0% 0.4% 1.5%
Gil, Alvaro (2014)Log Classification in the Hardwood Timber Industry: Method and Value Analysis
Analyse des résultats
1) Rendement total de la première transformation• Si inventaire initiale = 0, le rendement est diminue lorsqu’une
stratégie de triage est appliquée.• Si inventaire initiale > 0, le rendement augmente entre 8 et
20%• Seulement en identifient les billes de l’application Palette, le
rendement est amélioré. • Par rapport au nombre des produits (types), les stratégies de
classification sont plus efficaces lorsque le nombre est élevé (type = 3 et plus).
Gil, Alvaro (2014)Log Classification in the Hardwood Timber Industry: Method and Value Analysis
Analyse des résultats
2) Rendement total de deuxième transformation
Stratégie
Inventaire initial% change vs
stratégie1Stock: 0Stock:
12,000
Stock:
24,000
Rend.
Moyen
1 26,102 28,933 28,991 28,009
2 25,718 37,678 43,777 35,724 28%
3 25,998 38,519 43,879 36,132 29%
4 26,063 38,599 44,086 36,249 29%
5 25,899 38,192 41,446 35,179 26%
6 25,890 37,428 41,847 35,055 25%
7 25,827 37,557 41,032 34,806 24%
1 2 3 4 5 6 7
25,000 27,000 29,000 31,000 33,000 35,000 37,000 39,000 41,000 43,000 45,000
Rendement moyen de deuxième transformation (fbm) à différents niveaux d'inventaire initial
Stock: 0 Stock: 12,000 Stock: 24,000
Stratégie d'agrégation
1 2 3 4 5 6 7
27,000
29,000
31,000
33,000
35,000
37,000
39,000
Rendement moyen de deuxième transformation (fbm) pour différents types des produits dans le plan de production
1 type 2 types 3 types
Stratégie d'agrégation
Stratégie
Total types des produits dans le plan de production% change vs.
Stratégie 11 type 2 types 3 types Rend. Moyen
1 28,094 28,002 27,930 28,009
2 35,674 35,929 35,569 35,724 28%
3 35,381 36,091 36,923 36,132 29%
4 35,603 35,899 37,247 36,249 29%
5 34,822 34,891 35,824 35,179 26%
6 34,143 34,578 36,443 35,055 25%
7 34,688 34,340 35,388 34,806 24%
Rend. Moyen 34,058 34,247 35,046
% Changement 0.0% 0.6% 2.9%
Gil, Alvaro (2014)Log Classification in the Hardwood Timber Industry: Method and Value Analysis
Analyse des résultats
2) Rendement total de deuxième transformation• Si inventaire initiale = 0, il n’y a pas de changement avec
l’application des stratégies de classification.• Si inventaire initiale > 0, le rendement augmente environ 28%• Par rapport au nombre des produits (types), les stratégies de
classification sont plus efficaces lorsque le nombre est élevé (type = 3 et plus).
Gil, Alvaro (2014)Log Classification in the Hardwood Timber Industry: Method and Value Analysis
Analyse des résultats3) Relation entre rendements de deuxième transformation et le coût
Stratégie
Inventaire initial% change vs
Stratégie 1Stock: 0Stock:
12,000
Stock:
24,000
Rend.
Moyen
1 $ 35,070 $ 38,868 $ 38,724 $ 37,554
2 $ 31,905 $ 46,070 $ 52,789 $ 43,588 16%
3 $ 32,226 $ 45,386 $ 50,349 $ 42,654 14%
4 $ 32,351 $ 45,182 $ 50,134 $ 42,555 13%
5 $ 32,219 $ 44,349 $ 47,322 $ 41,297 10%
6 $ 32,097 $ 43,495 $ 45,964 $ 40,519 8%
7 $ 32,119 $ 43,807 $ 45,523 $ 40,483 8%
Stratégie
Total types des produits dans le plan de production% change vs.
Stratégie 11 type 2 types 3 typesRend.
Moyen
1 $ 41,775 $ 36,493 $ 34,416 $ 37,561
2 $ 47,088 $ 43,045 $ 40,605 $ 43,579 16%
3 $ 45,165 $ 41,856 $ 40,824 $ 42,615 13%
4 $ 45,924 $ 41,147 $ 40,440 $ 42,504 13%
5 $ 44,593 $ 40,272 $ 38,940 $ 41,268 10%
6 $ 44,125 $ 38,881 $ 38,293 $ 40,433 8%
7 $ 44,446 $ 39,039 $ 37,896 $ 40,460 8%
Rend. Moyen $ 44,731 $ 40,105 $ 38,773
% Change 0.0% -10.3% -13.3%
Coût d’approvisionnement moyen pour chaque stratégie d’agrégation à chaque niveau d’inventaire initial($)
Coût d’approvisionnement total pour différents types de produit dans le plan de production($)
Gil, Alvaro (2014)Log Classification in the Hardwood Timber Industry: Method and Value Analysis
Analyse des résultats3) Relation entre rendements de deuxième transformation et le coût
• Apparemment, lorsque les stratégies de classification sont appliquées, le coût d’approvisionnement est plus élevé
• Cette interprétation peut être erronée, car l’application de ces stratégies augmente la production totale de deuxième transformation comme présentée avant.
• On introduit un indicateur pour calculer la relation entre le coût d’approvisionnement et production totale : coût / rendement ($/fbm)
• Plus bas l’indicateur = meilleur scénario.
Gil, Alvaro (2014)Log Classification in the Hardwood Timber Industry: Method and Value Analysis
Analyse des résultats3) Relation entre rendements de deuxième transformation et le coût
Stratégie
Inventaire initial% change
vs Stratégie
10 12000 24000
Relation
moyenne
1 1.3436 1.3434 1.3357 1.3409
2 1.2406 1.2227 1.2059 1.2231 -9%
3 1.2396 1.1783 1.1475 1.1884 -11%
4 1.2413 1.1705 1.1372 1.1830 -12%
5 1.2440 1.1612 1.1418 1.1823 -12%
6 1.2398 1.1621 1.0984 1.1668 -13%
7 1.2436 1.1664 1.1094 1.1732 -13%
1 2 3 4 5 6 7
1.0000
1.0500
1.1000
1.1500
1.2000
1.2500
1.3000
1.3500
1.4000
Relation entre le rendement de deuxième transformation et le coût d'approvisionnement
Stock: 0 Stock: 12,000 Stock: 24,000
Stratégie d'agrégation1 2 3 4 5 6 7
1.0000
1.1000
1.2000
1.3000
1.4000
1.5000
1.6000
Relation entre le rendement de deuxième transformation et le coût d'approvisionnement par différents produits dans le plan de produc-
tion
1 type 2 types 3 types
Stratégie d'agrégation
Stratégie
Total types des produits dans le plan de production% change vs.
Stratégie 11 type 2 types 3 typesRelation
Moyenne
1 1.4869 1.3034 1.2324 1.3409
2 1.3250 1.2004 1.1438 1.2231 -9%
3 1.2877 1.1658 1.1118 1.1884 -11%
4 1.2991 1.1553 1.0945 1.1830 -12%
5 1.2913 1.1614 1.0943 1.1823 -12%
6 1.3009 1.1352 1.0641 1.1668 -13%
7 1.2916 1.1470 1.0809 1.1732 -13%
Relation Moyenne 1.3261 1.1812 1.1174
% Change 0.0% -10.9% -15.7%
Gil, Alvaro (2014)Log Classification in the Hardwood Timber Industry: Method and Value Analysis
Analyse des résultats3) Relation entre rendements de deuxième transformation et le coût
• Réduction moyenne de 12% dans le ratio avec l’application des stratégies de classification
• Stratégies avec plus haute complexité (7 groupes) ont des valeurs plus petites
• Une plus haute disponibilité d’inventaire permet d’avoir meilleurs résultats
• Par rapport au nombre des produits (types), les stratégies de classification sont plus efficaces lorsque le nombre est élevé (type = 3 et plus).
Gil, Alvaro (2014)Log Classification in the Hardwood Timber Industry: Method and Value Analysis
Analyse des résultats
4) Utilisation totale de chargeur
Stratégie
Inventaire initial% change vs.
Stratégie 1Stock: 0Stock:
12,000
Stock:
24,000
Utilisation
moyenne
1 42.1% 55.3% 63.0% 53.5%
2 53.5% 71.5% 83.3% 69.4% 30%
3 53.9% 75.3% 85.9% 71.7% 34%
4 54.8% 76.9% 88.9% 73.6% 38%
5 56.4% 77.2% 90.7% 74.8% 40%
6 57.8% 77.1% 89.5% 74.8% 40%
7 59.2% 78.3% 91.8% 76.4% 43%
1 2 3 4 5 6 7
40.0%50.0%60.0%70.0%80.0%90.0%
100.0%
Utilisation moyenne de chargeur à différents niveaux d’inventaire
Stock: 0
Stock: 12,000
Stock: 24,000
Stratégie d’agrégation
1 2 3 4 5 6 7
50.0%55.0%60.0%65.0%70.0%75.0%80.0%
Utilisation moyenne de chargeur par différents types de produits dans le plan de production
1 type
2 types
3 types
Stratégie d’agrégation
Stratégie
Total types des produits dans le plan de
production % change vs.
Stratégie 11 type 2 types 3 types
Utilisation
moyenne
1 55.9% 52.5% 52.1% 53.5%
2 69.1% 70.2% 69.0% 69.4% 30%
3 71.9% 71.1% 72.0% 71.7% 34%
4 73.8% 73.2% 73.6% 73.6% 38%
5 75.4% 74.7% 74.2% 74.8% 40%
6 76.5% 74.2% 73.8% 74.8% 40%
7 75.6% 77.2% 76.5% 76.4% 43%
Utilisation
moyenne 71.2% 70.5% 70.2%
% Change 0.0% -1.0% -1.4%
Gil, Alvaro (2014)Log Classification in the Hardwood Timber Industry: Method and Value Analysis
Analyse des résultats
4) Utilisation totale de chargeur
• L’implémentation d’une stratégie de classification augmente l’utilisation de chargeur en 37%
• Lorsque l’inventaire initial est haut, et la stratégie de classification est complexe (24.000 billes et 7 groupes), l’utilisation croit jusqu’à 100%
• L’utilisation du chargeur est due à cause de la stratégie de classification utilisée et non pas à cause du mix des produits, donc, d’autres types des produits peuvent être ajoutés sans affecter cet indicateur.
1 2 3 4 5 6 7 25,000
30,000
35,000
40,000
45,000
30.0%
40.0%
50.0%
60.0%
70.0%
80.0%
90.0%
100.0%
Rendement de deuxième transformation Vs. utilisation de chargeur
Stock: 0 Stock: 12,000 Stock: 24,000
Util S:0 Util S:12,000 Util S:24,000
Stratégie d'agrégationRe
nd
em
en
t d
e d
eu
xiè
me
tra
ns
form
ati
on
Uti
lisa
tio
n d
e c
ha
rge
ur
• Si stratégie > 4 → l’utilisation de chargeur augmente plus que la production totale de deuxième transformation.
Gil, Alvaro (2014)Log Classification in the Hardwood Timber Industry: Method and Value Analysis
Analyse des résultats
D’autres indicateurs• Piles alternatives
• Lorsque cet indicateur est haut, le rendement de deuxième transformation est affecté négativement
• Les types des produits dans le plan ne sont pas importants• L’inventaire initial a une haute incidence dans l’indicateur• Stratégies plus complexes sont susceptibles des visites aux piles
alternatives
Stratégie
Inventaire initial
Stock: 0Stock:
12,000
Stock:
24,000
Visites
moyennes
1 0.01 0.29 0.21 0.17
2 0.08 0.79 0.04 0.30
3 18.12 2.00 0.00 6.71
4 19.85 5.80 0.28 8.64
5 21.27 0.93 0.31 7.50
6 21.99 4.62 4.86 10.49
7 21.27 1.78 3.12 8.72
Total 102.59 16.21 8.82 42.54
Stratégie
Total types des produits dans le plan de production
1 type 2 types 3 typesVisites
moyennes
1 0.00 0.22 0.29 0.17
2 0.56 0.13 0.22 0.30
3 7.56 6.37 6.20 6.71
4 10.61 6.30 9.02 8.64
5 7.56 6.72 8.24 7.50
6 9.17 9.27 13.04 10.49
7 6.94 9.10 10.12 8.72
Total 42.39 38.11 47.12 42.54
Gil, Alvaro (2014)Log Classification in the Hardwood Timber Industry: Method and Value Analysis
Conclusions• Cette recherche a présenté une nouvelle méthodologie de
classification des matières primaires pour gérer l’incertitude, appliquée sur l’industrie du bois feuillu.
• En utilisant arbres de classification, nous avons développé des règles simples de classification pour classer une bille quelconque dans une ou plusieurs applications de deuxième transformation.
• Ceci signifie une connexion entre la production et la demande finale, une approche inexistante jusqu’à maintenant.
• Les règles ont été condensées dans une grille de classification• En théorie, l’utilisation de la grille représente une diminution au
minimum de 30% dans les coûts d’approvisionnement.
Gil, Alvaro (2014)Log Classification in the Hardwood Timber Industry: Method and Value Analysis
Conclusions• Pour appliquer les règles, il faut changer la gestion du parc à
grumes pour avoir zones prédéfinies.• Pour adapter la méthode de classification à la situation réelle
des scieries, nous avons condensé les classifications dans 2 ou 3 groupes avec plusieurs applications.
• Les groupes ont été adaptés au parc à grumes.• Pour valider les bénéfices du modèle, nous avons développé
un modèle de simulation.• La nouvelle méthode implique une augmentation de l’utilisation
du chargeur moyenne de 37%. • Malgré cette augmentation, le rendement total de deuxième
transformation peut augmenter environ 28%.• Identification des palettes = très aidant
Gil, Alvaro (2014)Log Classification in the Hardwood Timber Industry: Method and Value Analysis
Conclusions• Meilleurs résultats sont obtenus avec un inventaire initial de
12.000 billes ou plus.• Les stratégies de classification ont donné meilleurs résultats
avec programmes de production nombreuses.
Gil, Alvaro (2014)Log Classification in the Hardwood Timber Industry: Method and Value Analysis
ConclusionsRecommandations et travaux futurs • Analyse financière pour valider la compensation entre
l’augmentation de la production de deuxième transformation et l’augmentation d’utilisation de chargeur
• Travail de recherche sur la gestion du parc à grumes de façon optimal
• Répéter l’étude pour d’autres espèces
Gil, Alvaro (2014)Log Classification in the Hardwood Timber Industry: Method and Value Analysis
Références • Alvarez, P., & Vera, J. (2011). Application of Robust Optimization to the Sawmill Planning Problem. Annals of Operations
Research, 1-19. doi: 10.1007/s10479-011-1002-4• Beaudoin, D., LeBel, L., & Frayret, J. M. (2007). Tactical supply chain planning in the forest products industry through
optimization and scenario-based analysis. Canadian Journal of Forest Research-Revue Canadienne De Recherche Forestiere, 37(1), 128-140. doi: Doi 10.1139/X06-223
• Beaudoin, D., LeBel, L., & Soussi, M. (2013). Discrete Event Simulation to Improve Log Yard Operations. Centre interuniversitaire de recherche sur les réseaux d'entreprise, la logistique et le transport. Retrieved from https://www.cirrelt.ca/DocumentsTravail/CIRRELT-2013-16.pdf
• Breiman, L., Friedman, J., Stone, C., & Olshen, R. A. (1984). Classification and Regression Trees (Vol. 1): Chapman and Hall/CRC.
• Caron, M. (2005, July 25-26, 2005). BorealScanTM: CRIQ's endline achievement in vision and process optimisation technologies. . Paper presented at the 1 Ith International Conference on Scanning Technology and Process Optimization for the Wood Industry (ScanTech), Las Vegas, Nevada.
• D'Amours, S., Montreuil, B., Lefrançois, P., & Soumis, F. (1999). Networked manufacturing:: The impact of information sharing. International Journal of Production Economics, 58(1), 63-79. doi: http://dx.doi.org/10.1016/S0925-5273(98)00088-7
• Drouin, M., Beauregard, R., & Duchesne, I. (2010). Impact of Paper Birch (Betula papyrifera) Tree Characteristics on Lumber Color, Grade Recovery, and Lumber Value. Forest Products Journal, 60(3), 236-243.
• Elghoneimy, E., & Gruver, W. (2011). Intelligent Decision Support and Agent-Based Techniques Applied to Wood Manufacturing. In A. Abraham, J. Corchado, S. González & J. De Paz Santana (Eds.), (Vol. 91, pp. 85-88). International Symposium on Distributed Computing and Artificial Intelligence: Springer Berlin / Heidelberg.
• Forget, P., D'Amours, S., & Frayret, J. M. (2008). Multi-behavior agent model for planning in supply chains: An application to the lumber industry. Robotics and Computer-Integrated Manufacturing, 24(5), 664-679. doi: DOI 10.1016/j.rcim.2007.09.004
• Frayret, J.-M. (2011). Multi-Agent System applications in the forest products industry. [Invited review paper]. Journal of Science and Technology for Forest Products and Processes, 1(2), 15-29.
• Frayret, J. M., D'Amours, S., Rousseau, A., Harvey, S., & Gaudreault, J. (2007). Agent-based supply-chain planning in the forest products industry. International Journal of Flexible Manufacturing Systems, 19(4), 358-391. doi: DOI 10.1007/s10696-008-9034-z
Gil, Alvaro (2014)Log Classification in the Hardwood Timber Industry: Method and Value Analysis
Références • Grigolato, S., Bietresato, M., Asson, D., & Cavalli, R. (2011). Evaluation of the manufacturing of desk and stringer boards for wood
pallets production by discrete event simulation. Biosystems Engineering, 109(4), 288-296. doi: 10.1016/j.biosystemseng.2011.04.009• Gunn, E. (2009). Some Perspectives on Strategic Forest Management Models and the Forest Products Supply Chain. Infor, 47(3),
261-272. doi: DOI 10.3138/infor.47.3.261• Kouiss, K., Pierreval, H., & Mebarki, N. (1997). Using multi-agent architecture in FMS for dynamic scheduling. Journal of Intelligent
Manufacturing, 8(1), 41-47. • Macal, C., & North, M. (2006). Introduction to Agent-Based Modeling and Simulation. Argonne (IL): Center for Complex Adaptive Agent
Systems Simulation (CAS2), Argonne National Laboratory.• Maturana, S., Pizani, E., & Vera, J. (2010). Scheduling production for a sawmill: A comparison of a mathematical model versus a
heuristic. Computers & Industrial Engineering, 59(4), 667-674. doi: DOI 10.1016/j.cie.2010.07.016• McDonald, J., & Drouin, M. (2010). Évaluation de procédés de débitage axés sur les besoins de la deuxième et de la troisième
transformation Programme des technologies transformatrices (pp. 47): FPInnovations.• Petutschnigg, A. J., & Katz, H. (2005). A loglinear model to predict lumber quality depending on quality parameters of logs. Holz als
Roh - und Werkstoff, 63(2), 112-117. doi: 10.1007/s00107-004-0537-3• Reeb, J. (2003). Simulating an extra grader in a sawmill. Forest Products Journal, 53(11/12), 81-84. • Rönnqvist, M. (2003). Optimization in forestry. Mathematical Programming, 97(1-2), 267-284. doi: 10.1007/s10107-003-0444-0• Tong, Q., & Zhang, S. (2006). Modelling jack pine lumber value recovery in relation to tree characteristics using Optitek simulation.
Forest Products Journal, 56(1), 66-72. • Yanez, F. C., Frayret, J. M., Leger, F., & Rousseau, A. (2009). Agent-based simulation and analysis of demand-driven production
strategies in the timber industry. International Journal of Production Research, 47(22), 6295-6319. doi: Doi 10.1080/00207540802158283
• Zanjani, M. K., Ait-Kadi, D., & Nourelfath, M. (2010). Robust production planning in a manufacturing environment with random yield: A case in sawmill production planning. European Journal of Operational Research, 201(3), 882-891. doi: DOI 10.1016/j.ejor.2009.03.041
• Zanjani, M. K., Nourelfath, M., & Ait-Kadi, D. (2009). A multi-stage stochastic programming approach for production planning with uncertainty in the quality of raw materials and demand. International Journal of Production Research, 48(16), 4701-4723. doi: 10.1080/00207540903055727
• Zhang, S. Y., & Liu, C. (2006). Predicting the lumber volume recovery of Picea mariana using parametric and non-parametric regression methods. Scandinavian Journal of Forest Research, 21(2), 158-166. doi: 10.1080/02827580500531791
Gil, Alvaro (2014)Log Classification in the Hardwood Timber Industry: Method and Value Analysis
Gil, Alvaro (2014)Log Classification in the Hardwood Timber Industry: Method and Value Analysis
Période des questions
Télécharger le modèle dans l’adresse: http://agiltools.com/Anylogic/Sawmill/SawmillModel.zip
Exécuter le fichier <Sawmill - Feb2014> .BAT (PC) ou .SH (MAC)
Gil, Alvaro (2014)Log Classification in the Hardwood Timber Industry: Method and Value Analysis
ANNEXES
Gil, Alvaro (2014)Log Classification in the Hardwood Timber Industry: Method and Value Analysis
Méthodologie Information disponible
Analyse des données
Arbres de classification
Statistiques descriptives des attributs des billes
Retourner
Gil, Alvaro (2014)Log Classification in the Hardwood Timber Industry: Method and Value Analysis
Analyse des données
Application des arbres de classification :
Plancher pmp comp / m3
armoire pmp comp / m3
Escalier pmp comp /
m3
Panneautage G&M pmp comp / m3
meuble pmp comp / m3
moulure pmp comp /
m3
palette pmp comp / m3
36.8 16.2 11.7 16.2 53.9 - 8.5 33.8 39.0 42.3 32.1 63.1 6.7 44.9 14.4 10.5 10.9 11.6 47.3 - 70.0 54.8 6.7 6.7 7.9 62.3 - 68.5
Plancher pmp comp / m3
armoire pmp comp / m3
Escalier pmp comp /
m3
Panneautage G&M pmp comp / m3
meuble pmp comp / m3
moulure pmp comp /
m3
palette pmp comp / m3
180% 79% 57% 79% 263% 0% 41%90% 104% 113% 86% 169% 18% 120%61% 45% 46% 49% 201% 0% 298%
185% 23% 23% 27% 211% 0% 232%
Plancher pmp comp / m3
armoire pmp comp / m3
Escalier pmp comp /
m3
Panneautage G&M pmp comp / m3
meuble pmp comp / m3
moulure pmp comp /
m3
palette pmp comp / m3
105% 90% 65% 96% 95% 0% 18%97% 215% 236% 189% 111% 400% 94%41% 58% 61% 68% 83% 0% 146%
157% 37% 37% 47% 110% 0% 143%
Total Moyenne
143.30 23.88261.90 37.41164.70 27.45206.90 34.48
Valeur relative de ligne par rapport à la
moyenne
Valeur relative de colonne par
rapport à la moyenne
Gil, Alvaro (2014)Log Classification in the Hardwood Timber Industry: Method and Value Analysis
Analyse des données
Application des arbres de classification :
Plancher pmp comp / m3
armoire pmp comp / m3
Escalier pmp comp /
m3
Panneautage G&M pmp comp / m3
meuble pmp comp / m3
moulure pmp comp /
m3
palette pmp comp / m3
36.8 16.2 11.7 16.2 53.9 - 8.5 33.8 39.0 42.3 32.1 63.1 6.7 44.9 14.4 10.5 10.9 11.6 47.3 - 70.0 54.8 6.7 6.7 7.9 62.3 - 68.5
Plancher pmp comp / m3
armoire pmp comp / m3
Escalier pmp comp /
m3
Panneautage G&M pmp comp / m3
meuble pmp comp / m3
moulure pmp comp /
m3
palette pmp comp / m3
180% 79% 57% 79% 263% 0% 41%90% 104% 113% 86% 169% 18% 120%61% 45% 46% 49% 201% 0% 298%
185% 23% 23% 27% 211% 0% 232%
Plancher pmp comp / m3
armoire pmp comp / m3
Escalier pmp comp /
m3
Panneautage G&M pmp comp / m3
meuble pmp comp / m3
moulure pmp comp /
m3
palette pmp comp / m3
105% 90% 65% 96% 95% 0% 18%97% 215% 236% 189% 111% 400% 94%41% 58% 61% 68% 83% 0% 146%
157% 37% 37% 47% 110% 0% 143%
Total Moyenne
143.30 23.88261.90 37.41164.70 27.45206.90 34.48
Valeur relative de ligne par rapport à la
moyenne
Valeur relative de colonne par
rapport à la moyenne
Seuil = 80%
Gil, Alvaro (2014)Log Classification in the Hardwood Timber Industry: Method and Value Analysis
Analyse des données
Application des arbres de classification :
Plancher? Armoire? Escalier? Panneautage? Meuble? Moulure? Palette?
1 1 0 1 1 0 01 1 1 1 1 1 10 0 0 0 1 0 11 0 0 0 1 0 1
Plancher pmp comp / m3
armoire pmp comp / m3
Escalier pmp comp /
m3
Panneautage G&M pmp comp / m3
meuble pmp comp / m3
moulure pmp comp /
m3
palette pmp comp / m3
180% 79% 57% 79% 263% 0% 41%90% 104% 113% 86% 169% 18% 120%61% 45% 46% 49% 201% 0% 298%
185% 23% 23% 27% 211% 0% 232%
Plancher pmp comp / m3
armoire pmp comp / m3
Escalier pmp comp /
m3
Panneautage G&M pmp comp / m3
meuble pmp comp / m3
moulure pmp comp /
m3
palette pmp comp / m3
105% 90% 65% 96% 95% 0% 18%97% 215% 236% 189% 111% 400% 94%41% 58% 61% 68% 83% 0% 146%
157% 37% 37% 47% 110% 0% 143%
Valeur relative de ligne par rapport à la
moyenne
Valeur relative de colonne par
rapport à la moyenne
Matrice binaire
résultant
Gil, Alvaro (2014)Log Classification in the Hardwood Timber Industry: Method and Value Analysis
Analyse des données
Application des arbres de classification :
Plancher? Armoire? Escalier? Panneautage? Meuble? Moulure? Palette?
1 1 0 1 1 0 01 1 1 1 1 1 10 0 0 0 1 0 11 0 0 0 1 0 1
Matrice binaire
résultant
Bille 1 -> PLANCHERARMOIRE, PANNEAUTAGE,MEUBLE
Bille 2 -> PLANCHER, ARMOIRE, ESCALIER, PANNEAUTAGE, MEUBLE, MOULURE, PALETTE
Bille 3 -> MEUBLE, PALETTE
Bille 4 -> PLANCHER, MEUBLE, PALETTE
Gil, Alvaro (2014)Log Classification in the Hardwood Timber Industry: Method and Value Analysis
Analyse des données
Application des arbres de classification :• Maintenant, on exécute plusieurs recherches linéaires à
l’intérieur de chaque paramètre d’entrées jusqu’à trouver des règles qui expliquent le couplage de chaque observation dans chaque classification dans la matrice binaire.
Gil, Alvaro (2014)Log Classification in the Hardwood Timber Industry: Method and Value Analysis
Analyse des données
Application des arbres de classification :• On a comme résultat 7 différents arbres de classification (voir
diapositives suivantes)• Les arbres ont 8 niveaux d’exploitation au maximum• L’efficacité dans la classification est de 80% dans tous les modèles
(au minimum)• Avec les arbres résultants, on peut :
1. Établir les règles intelligentes de classification pour chaque bille
2. Choisir les observations pertinentes de la base des données pour faire les régressions
Gil, Alvaro (2014)Log Classification in the Hardwood Timber Industry: Method and Value Analysis
Plancher
8 niveaux explorés85% de précision
Analyse des données
Gil, Alvaro (2014)Log Classification in the Hardwood Timber Industry: Method and Value Analysis
Armoire
4 niveaux explorés81% de précision.
Analyse des données
Gil, Alvaro (2014)Log Classification in the Hardwood Timber Industry: Method and Value Analysis
Escalier
7 niveaux explorés81% de précision
Analyse des données
Gil, Alvaro (2014)Log Classification in the Hardwood Timber Industry: Method and Value Analysis
Panneautage
6 niveaux explorés81% de précision.
Analyse des données
Gil, Alvaro (2014)Log Classification in the Hardwood Timber Industry: Method and Value Analysis
Meuble
8 niveaux explorés92% de précision.
Analyse des données
Gil, Alvaro (2014)Log Classification in the Hardwood Timber Industry: Method and Value Analysis
Moulure
8 niveaux explorés81% de précision.
Analyse des données
Gil, Alvaro (2014)Log Classification in the Hardwood Timber Industry: Method and Value Analysis
Palette
8 niveaux explorés80% de précision.
Retourner
Analyse des données
Gil, Alvaro (2014)Log Classification in the Hardwood Timber Industry: Method and Value Analysis
Analyse des résultats
D’autres indicateurs• Niveaux d’inventaire
• Cet indicateur permet de valider si les zones prédéfinies ont reçu les billes comme prévu
• Valider s’il y a des accumulations• Valider que la scierie ait tout traité• Le résultat est positif dans tous les scénarios d’inventaire initial
Gil, Alvaro (2014)Log Classification in the Hardwood Timber Industry: Method and Value Analysis
Analyse des résultats
D’autres indicateurs• Niveaux d’inventaire
Stratégie Réception Z1 Z2 Z3 Z4 Z5 Z6 Z7 Buffer Inventaire
total
Inventai
re initial
1 - - - - - - - - - -
2 - - - - - - - - - -
3 - - - - - - - - - -
4 - - - - - - - - - -
5 - - - - - - - - - -
6 - - - - - - - - - -
7 - - - - - - - - - -
Inventai
re final
1 65 - - 7 - - - - 92 164
2 67 - - 182 - - - - 106 355
3 61 137 - 43 - 0 - - 104 346
4 59 136 - 31 - 14 2 - 105 347
5 63 83 - 31 1 13 54 - 99 343
6 64 85 1 13 18 14 54 - 102 350
7 62 80 13 - 16 13 51 5 96 336
Inventaire initial: 0
Gil, Alvaro (2014)Log Classification in the Hardwood Timber Industry: Method and Value Analysis
Analyse des résultats
D’autres indicateurs• Niveaux d’inventaire
Stratégie Réception Z1 Z2 Z3 Z4 Z5 Z6 Z7 Buffer Inventaire
total
Inventaire
initial
1 51 - - 11,889 - - - - - 11,940
2 45 - - 10,239 - - - 1,656 - 11,940
3 45 7,518 - 2,454 - 46 - 1,877 - 11,940
4 45 7,614 - 1,790 - 643 13 1,834 - 11,940
5 45 6,034 - 1,857 - 700 1,351 1,953 - 11,940
6 45 6,329 0 1,120 732 574 1,287 1,853 - 11,940
7 45 6,465 589 596 679 551 1,243 1,772 - 11,940
Inventaire
final
1 67 - - 11,299 - - - 12 505 11,884
2 71 - - 9,329 - - - 1,961 512 11,874
3 71 7,559 - 1,550 - 38 - 2,154 513 11,884
4 81 7,578 - 1,151 - 485 9 2,076 513 11,893
5 84 6,133 - 1,180 0 511 1,276 2,192 512 11,887
6 98 6,291 1 765 536 431 1,228 2,022 510 11,882
7 104 6,336 458 444 507 418 1,175 1,919 510 11,871
Inventaire initial: 12.000
Gil, Alvaro (2014)Log Classification in the Hardwood Timber Industry: Method and Value Analysis
Analyse des résultats
D’autres indicateurs• Niveaux d’inventaire
Stratégie Réception Z1 Z2 Z3 Z4 Z5 Z6 Z7 Buffer Inventaire
total
Inventaire
initial
1 2,153 - - 21,787 - - - - - 23,940
2 2,877 - - 17,683 - - - 3,380 - 23,940
3 890 13,532 - 5,293 - 108 - 4,117 - 23,940
4 1,449 13,176 - 4,024 - 1,337 105 3,850 - 23,940
5 2,221 10,171 - 3,741 25 1,192 2,735 3,855 - 23,940
6 2,043 11,598 11 2,309 1,215 1,031 2,417 3,316 - 23,940
7 2,057 10,144 1,484 1,591 1,421 1,024 2,549 3,670 - 23,940
Inventaire
final
1 69 - - 23,272 - - - 33 502 23,876
2 370 - - 18,729 - - - 4,270 515 23,884
3 67 14,137 - 4,355 - 106 - 4,706 513 23,884
4 190 14,131 - 3,343 - 1,206 103 4,402 518 23,893
5 364 11,421 - 3,194 21 1,091 2,835 4,434 516 23,876
6 356 12,622 11 2,001 1,080 910 2,501 3,891 513 23,885
7 347 11,095 1,342 1,584 1,282 918 2,619 4,180 514 23,881
Inventaire initial: 24.000