Log Classification in the Hardwood Timber Industry: Method and Value Analysis

Les industries avec différentes entrées, telles que : l'industrie des produits forestiers (FPI), l'industrie minière ou l'industrie du recyclage, doivent faire face à l'incertitude de matière primaire, ce qui affecte leur capacité à prévoir le rendement de sortie. Pour régler ce problème, les industries peuvent réduire l'incertitude à la source, ou de planifier les opérations en tenant compte de l'incertitude. Dans le FPI, la première approche est généralement utilisée. Par exemple, l'industrie du bois d'œuvre a implémenté des technologies de transformation sophistiquées pour adapter le processus du sciage aux caractéristiques des billes en utilisant la technologie de numérisation pour obtenir des informations précises sur l'état des travaux en cours de fabrication. Une autre approche pour réduire l'incertitude est la classification de matière primaire. Certaines caractéristiques spécifiques peuvent être mesurées à l'entrée pour classer la matière primaire et en conséquence, augmenter la certitude des attentes de production dans chaque classe. Toutefois, si le processus implique les journaux, les minerais des mines ou des papiers recyclés, la classification de matière primaire a une valeur et un coût selon le degré de détail effectué. Cette recherche propose d'abord une méthode basée sur l'analyse des arbres de classification pour classer les billes de feuillus. Ensuite, en utilisant la simulation à base d'agents, nous analysons la valeur des différentes stratégies de classification, de la plus détaillée, à aucune classification. Les résultats montrent dans le cadre de l'industrie du bois de feuillus que l'avantage de classification détaillée est compensé par son coût, tandis qu'une classification relativement simple permet d'améliorer considérablement le rendement de la production.

Abstract

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. Keywords: hardwood timber industry; material classification; classification tree analysis; agent-based simulation.