Gil, Alvaro (2014)
Log Classification in the Hardwood Timber Industry: Method and Value Analysis
LOG CLASSIFICATION IN THE...
Gil, Alvaro (2014)
Log Classification in the Hardwood Timber Industry: Method and Value Analysis
Plan de la présentation
1...
Gil, Alvaro (2014)
Log Classification in the Hardwood Timber Industry: Method and Value Analysis
Introduction
• Incertitud...
Gil, Alvaro (2014)
Log Classification in the Hardwood Timber Industry: Method and Value Analysis
Introduction
Problématiqu...
Gil, Alvaro (2014)
Log Classification in the Hardwood Timber Industry: Method and Value Analysis
Introduction
Problématiqu...
Gil, Alvaro (2014)
Log Classification in the Hardwood Timber Industry: Method and Value Analysis
Introduction
Problématiqu...
Gil, Alvaro (2014)
Log Classification in the Hardwood Timber Industry: Method and Value Analysis
Introduction
Objectifs de...
Gil, Alvaro (2014)
Log Classification in the Hardwood Timber Industry: Method and Value Analysis
Revue de la littérature
•...
Gil, Alvaro (2014)
Log Classification in the Hardwood Timber Industry: Method and Value Analysis
Revue de la littérature
1...
Gil, Alvaro (2014)
Log Classification in the Hardwood Timber Industry: Method and Value Analysis
Revue de la littérature
1...
Gil, Alvaro (2014)
Log Classification in the Hardwood Timber Industry: Method and Value Analysis
Revue de la littérature
1...
Gil, Alvaro (2014)
Log Classification in the Hardwood Timber Industry: Method and Value Analysis
Revue de la littérature
2...
Gil, Alvaro (2014)
Log Classification in the Hardwood Timber Industry: Method and Value Analysis
Revue de la littérature
2...
Gil, Alvaro (2014)
Log Classification in the Hardwood Timber Industry: Method and Value Analysis
Revue de la littérature
2...
Gil, Alvaro (2014)
Log Classification in the Hardwood Timber Industry: Method and Value Analysis
Revue de la littérature
3...
Gil, Alvaro (2014)
Log Classification in the Hardwood Timber Industry: Method and Value Analysis
Revue de la littérature
3...
Gil, Alvaro (2014)
Log Classification in the Hardwood Timber Industry: Method and Value Analysis
Revue de la littérature
3...
Gil, Alvaro (2014)
Log Classification in the Hardwood Timber Industry: Method and Value Analysis
Méthodologie Information
...
Gil, Alvaro (2014)
Log Classification in the Hardwood Timber Industry: Method and Value Analysis
Méthodologie
• Informatio...
Gil, Alvaro (2014)
Log Classification in the Hardwood Timber Industry: Method and Value Analysis
Méthodologie
• Après le p...
Gil, Alvaro (2014)
Log Classification in the Hardwood Timber Industry: Method and Value Analysis
Méthodologie
Aperçu de la...
Gil, Alvaro (2014)
Log Classification in the Hardwood Timber Industry: Method and Value Analysis
Méthodologie
• Estimation...
Gil, Alvaro (2014)
Log Classification in the Hardwood Timber Industry: Method and Value Analysis
Méthodologie
Application ...
Gil, Alvaro (2014)
Log Classification in the Hardwood Timber Industry: Method and Value Analysis
Méthodologie Information
...
Gil, Alvaro (2014)
Log Classification in the Hardwood Timber Industry: Method and Value Analysis
Méthodologie
• Un arbre d...
Gil, Alvaro (2014)
Log Classification in the Hardwood Timber Industry: Method and Value Analysis
Méthodologie
• Normalemen...
Gil, Alvaro (2014)
Log Classification in the Hardwood Timber Industry: Method and Value Analysis
Méthodologie Information
...
Gil, Alvaro (2014)
Log Classification in the Hardwood Timber Industry: Method and Value Analysis
Méthodologie Information
...
Gil, Alvaro (2014)
Log Classification in the Hardwood Timber Industry: Method and Value Analysis
Méthodologie
• Avec les a...
Gil, Alvaro (2014)
Log Classification in the Hardwood Timber Industry: Method and Value Analysis
Méthodologie Information
...
Gil, Alvaro (2014)
Log Classification in the Hardwood Timber Industry: Method and Value Analysis
Simulation Description du...
Gil, Alvaro (2014)
Log Classification in the Hardwood Timber Industry: Method and Value Analysis
Simulation
Processus à qu...
Gil, Alvaro (2014)
Log Classification in the Hardwood Timber Industry: Method and Value Analysis
Simulation Description du...
Gil, Alvaro (2014)
Log Classification in the Hardwood Timber Industry: Method and Value Analysis
Simulation Description du...
Gil, Alvaro (2014)
Log Classification in the Hardwood Timber Industry: Method and Value Analysis
Simulation Description du...
Gil, Alvaro (2014)
Log Classification in the Hardwood Timber Industry: Method and Value Analysis
Simulation Description du...
Gil, Alvaro (2014)
Log Classification in the Hardwood Timber Industry: Method and Value Analysis
Simulation
• Modèle hybri...
Gil, Alvaro (2014)
Log Classification in the Hardwood Timber Industry: Method and Value Analysis
Simulation
Définition des...
Gil, Alvaro (2014)
Log Classification in the Hardwood Timber Industry: Method and Value Analysis
Simulation
Définition des...
Gil, Alvaro (2014)
Log Classification in the Hardwood Timber Industry: Method and Value Analysis
Simulation
Définition des...
Gil, Alvaro (2014)
Log Classification in the Hardwood Timber Industry: Method and Value Analysis
Simulation
Définition des...
Gil, Alvaro (2014)
Log Classification in the Hardwood Timber Industry: Method and Value Analysis
Simulation
Définition des...
Gil, Alvaro (2014)
Log Classification in the Hardwood Timber Industry: Method and Value Analysis
Simulation
Parc à grumes
...
Gil, Alvaro (2014)
Log Classification in the Hardwood Timber Industry: Method and Value Analysis
Simulation
Parc à grumes
...
Gil, Alvaro (2014)
Log Classification in the Hardwood Timber Industry: Method and Value Analysis
Simulation
Parc à grumes
...
Gil, Alvaro (2014)
Log Classification in the Hardwood Timber Industry: Method and Value Analysis
Simulation
Parc à grumes
...
Gil, Alvaro (2014)
Log Classification in the Hardwood Timber Industry: Method and Value Analysis
Simulation
Configuration ...
Gil, Alvaro (2014)
Log Classification in the Hardwood Timber Industry: Method and Value Analysis
Simulation
Inventaire ini...
Gil, Alvaro (2014)
Log Classification in the Hardwood Timber Industry: Method and Value Analysis
Simulation
Ordonnancement...
Gil, Alvaro (2014)
Log Classification in the Hardwood Timber Industry: Method and Value Analysis
Simulation
Ordonnancement...
Gil, Alvaro (2014)
Log Classification in the Hardwood Timber Industry: Method and Value Analysis
Simulation
Stratégies d’a...
Gil, Alvaro (2014)
Log Classification in the Hardwood Timber Industry: Method and Value Analysis
Simulation
Stratégies d’a...
Gil, Alvaro (2014)
Log Classification in the Hardwood Timber Industry: Method and Value Analysis
Simulation
Stratégies d’a...
Gil, Alvaro (2014)
Log Classification in the Hardwood Timber Industry: Method and Value Analysis
Simulation
Stratégies d’a...
Gil, Alvaro (2014)
Log Classification in the Hardwood Timber Industry: Method and Value Analysis
Simulation
Stratégies d’a...
Gil, Alvaro (2014)
Log Classification in the Hardwood Timber Industry: Method and Value Analysis
Simulation
Stratégies d’a...
Gil, Alvaro (2014)
Log Classification in the Hardwood Timber Industry: Method and Value Analysis
Simulation
Stratégie de g...
Gil, Alvaro (2014)
Log Classification in the Hardwood Timber Industry: Method and Value Analysis
Simulation
Stratégie de g...
Gil, Alvaro (2014)
Log Classification in the Hardwood Timber Industry: Method and Value Analysis
Analyse des résultats
• I...
Gil, Alvaro (2014)
Log Classification in the Hardwood Timber Industry: Method and Value Analysis
Analyse des résultats
1) ...
Gil, Alvaro (2014)
Log Classification in the Hardwood Timber Industry: Method and Value Analysis
Analyse des résultats
1) ...
Gil, Alvaro (2014)
Log Classification in the Hardwood Timber Industry: Method and Value Analysis
Analyse des résultats
2) ...
Gil, Alvaro (2014)
Log Classification in the Hardwood Timber Industry: Method and Value Analysis
Analyse des résultats
2) ...
Gil, Alvaro (2014)
Log Classification in the Hardwood Timber Industry: Method and Value Analysis
Analyse des résultats
3) ...
Gil, Alvaro (2014)
Log Classification in the Hardwood Timber Industry: Method and Value Analysis
Analyse des résultats
3) ...
Gil, Alvaro (2014)
Log Classification in the Hardwood Timber Industry: Method and Value Analysis
Analyse des résultats
3) ...
Gil, Alvaro (2014)
Log Classification in the Hardwood Timber Industry: Method and Value Analysis
Analyse des résultats
3) ...
Gil, Alvaro (2014)
Log Classification in the Hardwood Timber Industry: Method and Value Analysis
Analyse des résultats
4) ...
Gil, Alvaro (2014)
Log Classification in the Hardwood Timber Industry: Method and Value Analysis
Analyse des résultats
4) ...
Gil, Alvaro (2014)
Log Classification in the Hardwood Timber Industry: Method and Value Analysis
Analyse des résultats
D’a...
Gil, Alvaro (2014)
Log Classification in the Hardwood Timber Industry: Method and Value Analysis
Conclusions
• Cette reche...
Gil, Alvaro (2014)
Log Classification in the Hardwood Timber Industry: Method and Value Analysis
Conclusions
• Pour appliq...
Gil, Alvaro (2014)
Log Classification in the Hardwood Timber Industry: Method and Value Analysis
Conclusions
• Meilleurs r...
Gil, Alvaro (2014)
Log Classification in the Hardwood Timber Industry: Method and Value Analysis
Conclusions
Recommandatio...
Gil, Alvaro (2014)
Log Classification in the Hardwood Timber Industry: Method and Value Analysis
Références
• Alvarez, P.,...
Gil, Alvaro (2014)
Log Classification in the Hardwood Timber Industry: Method and Value Analysis
Références
• Grigolato, S...
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
Tél...
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
...
Gil, Alvaro (2014)
Log Classification in the Hardwood Timber Industry: Method and Value Analysis
Analyse des données
Appli...
Gil, Alvaro (2014)
Log Classification in the Hardwood Timber Industry: Method and Value Analysis
Analyse des données
Appli...
Gil, Alvaro (2014)
Log Classification in the Hardwood Timber Industry: Method and Value Analysis
Analyse des données
Appli...
Gil, Alvaro (2014)
Log Classification in the Hardwood Timber Industry: Method and Value Analysis
Analyse des données
Appli...
Gil, Alvaro (2014)
Log Classification in the Hardwood Timber Industry: Method and Value Analysis
Analyse des données
Appli...
Gil, Alvaro (2014)
Log Classification in the Hardwood Timber Industry: Method and Value Analysis
Analyse des données
Appli...
Gil, Alvaro (2014)
Log Classification in the Hardwood Timber Industry: Method and Value Analysis
Plancher
8 niveaux explor...
Gil, Alvaro (2014)
Log Classification in the Hardwood Timber Industry: Method and Value Analysis
Armoire
4 niveaux exploré...
Gil, Alvaro (2014)
Log Classification in the Hardwood Timber Industry: Method and Value Analysis
Escalier
7 niveaux explor...
Gil, Alvaro (2014)
Log Classification in the Hardwood Timber Industry: Method and Value Analysis
Panneautage
6 niveaux exp...
Gil, Alvaro (2014)
Log Classification in the Hardwood Timber Industry: Method and Value Analysis
Meuble
8 niveaux explorés...
Gil, Alvaro (2014)
Log Classification in the Hardwood Timber Industry: Method and Value Analysis
Moulure
8 niveaux exploré...
Gil, Alvaro (2014)
Log Classification in the Hardwood Timber Industry: Method and Value Analysis
Palette
8 niveaux exploré...
Gil, Alvaro (2014)
Log Classification in the Hardwood Timber Industry: Method and Value Analysis
Analyse des résultats
D’a...
Gil, Alvaro (2014)
Log Classification in the Hardwood Timber Industry: Method and Value Analysis
Analyse des résultats
D’a...
Gil, Alvaro (2014)
Log Classification in the Hardwood Timber Industry: Method and Value Analysis
Analyse des résultats
D’a...
Gil, Alvaro (2014)
Log Classification in the Hardwood Timber Industry: Method and Value Analysis
Analyse des résultats
D’a...
Prochain SlideShare
Chargement dans…5
×

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

1 355 vues

Publié le

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.

Publié dans : Ingénierie
0 commentaire
0 j’aime
Statistiques
Remarques
  • Soyez le premier à commenter

  • Soyez le premier à aimer ceci

Aucun téléchargement
Vues
Nombre de vues
1 355
Sur SlideShare
0
Issues des intégrations
0
Intégrations
295
Actions
Partages
0
Téléchargements
10
Commentaires
0
J’aime
0
Intégrations 0
Aucune incorporation

Aucune remarque pour cette diapositive

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

  1. 1. 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.
  2. 2. 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
  3. 3. 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.
  4. 4. 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
  5. 5. 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.
  6. 6. 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 primaire résultant des billes
  7. 7. 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
  8. 8. 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 littérature 1. Optimisation mathématique 2. Simulation 3. Classification des matérielles
  9. 9. 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.
  10. 10. 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
  11. 11. 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.
  12. 12. 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.
  13. 13. 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.
  14. 14. 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).
  15. 15. 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.
  16. 16. 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).
  17. 17. 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 Logiciel de simulation dédié Optitek pour prédire le rendement des billes basé sur le scanning des billes.
  18. 18. Gil, Alvaro (2014) Log Classification in the Hardwood Timber Industry: Method and Value Analysis Méthodologie Information disponible Analyse des données Arbres de classification
  19. 19. 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
  20. 20. 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
  21. 21. Gil, Alvaro (2014) Log Classification in the Hardwood Timber Industry: Method and Value Analysis Méthodologie Aperçu de la base des données Information disponible Analyse des données Arbres de classification # bille Dgb 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 (%) Pourcentag e carie p/r MRN brut (%) % de bois de cœur p/r à MRN brut Déduction total MRN (%) nombre de faces claires position norme 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 0 3 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 10 4 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 40 5 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 20 6 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 0 7 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 10 8 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 10 9 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 10 10 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 # bille Plancher 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
  22. 22. 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
  23. 23. Gil, Alvaro (2014) Log Classification in the Hardwood Timber Industry: Method and Value Analysis Méthodologie Application 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
  24. 24. 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 2 Nombre des billes par application et seuil Tableau 3 Coût moyen d’approvisionnement par application et seuil
  25. 25. 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 4 Efficacité de prédiction par application et par seuil
  26. 26. 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
  27. 27. 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
  28. 28. 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 3 Grosseur 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
  29. 29. 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 5 Comparaison 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 classification 31.4% 49.6% 55.0% 52.4% 31.9% 71.5% 37.1%
  30. 30. 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 cm 26 à 32 cm >= 34 cm 26 à 30 cm >= 32 cm 26 à 32 cm >= 34 cm >= 26 cm >= 38 cm >= 22 cm <= 22 cm 24 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 6 Grille de classification
  31. 31. Gil, Alvaro (2014) Log Classification in the Hardwood Timber Industry: Method and Value Analysis Simulation Description du processus Modèle de simulation Design des expériences
  32. 32. 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 Parcàgrumes 1 2 3 4
  33. 33. Gil, Alvaro (2014) Log Classification in the Hardwood Timber Industry: Method and Value Analysis Simulation Description du processus Modèle de simulation Design des expériences
  34. 34. 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
  35. 35. 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
  36. 36. Gil, Alvaro (2014) Log Classification in the Hardwood Timber Industry: Method and Value Analysis Simulation Description du processus Modèle de simulation Design des expériences
  37. 37. 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 Rabotage Triage basé sur les règles Deuxième transformation Source externe Processus de sciage Utilisateur final Triage de base b c da
  38. 38. Gil, Alvaro (2014) Log Classification in the Hardwood Timber Industry: Method and Value Analysis Simulation Définition des agents • Agent Camion • Agent Chargeur • Agent Scierie Description du processus Modèle de simulation Design des expériences
  39. 39. Gil, Alvaro (2014) Log Classification in the Hardwood Timber Industry: Method and Value Analysis Simulation Définition 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.
  40. 40. Gil, Alvaro (2014) Log Classification in the Hardwood Timber Industry: Method and Value Analysis Simulation Définition 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.
  41. 41. Gil, Alvaro (2014) Log Classification in the Hardwood Timber Industry: Method and Value Analysis Simulation Définition 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.
  42. 42. Gil, Alvaro (2014) Log Classification in the Hardwood Timber Industry: Method and Value Analysis Simulation Définition 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.
  43. 43. 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
  44. 44. 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
  45. 45. 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
  46. 46. 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
  47. 47. Gil, Alvaro (2014) Log Classification in the Hardwood Timber Industry: Method and Value Analysis Simulation Configuration 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
  48. 48. Gil, Alvaro (2014) Log Classification in the Hardwood Timber Industry: Method and Value Analysis Simulation Inventaire 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
  49. 49. Gil, Alvaro (2014) Log Classification in the Hardwood Timber Industry: Method and Value Analysis Simulation Ordonnancement 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
  50. 50. Gil, Alvaro (2014) Log Classification in the Hardwood Timber Industry: Method and Value Analysis Simulation Ordonnancement de la production • 156 scénarios totaux (6P1 + 6P2 + 6P3) Description du processus Modèle de simulation Design des expériences Lundi AM Lundi PM Mardi AM Mardi PM Mercredi AM Mercredi PM Jeudi AM Jeudi PM Vendredi AM Vendredi PM Produit 1 Produit 1 Produit 2 Produit 1 Produit 2 Produit 3 6 Combinaisons 30 Combinaisons 120 Combinaisons 156Combinaisons totales Palette Palette Palette
  51. 51. Gil, Alvaro (2014) Log Classification in the Hardwood Timber Industry: Method and Value Analysis Simulation Stratégies 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 7 Matrice de corrélation des rendements par application
  52. 52. Gil, Alvaro (2014) Log Classification in the Hardwood Timber Industry: Method and Value Analysis Simulation Stratégies 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
  53. 53. Gil, Alvaro (2014) Log Classification in the Hardwood Timber Industry: Method and Value Analysis Simulation Stratégies 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, Moulure Groupe 2: Palette
  54. 54. Gil, Alvaro (2014) Log Classification in the Hardwood Timber Industry: Method and Value Analysis Simulation Stratégies 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
  55. 55. Gil, Alvaro (2014) Log Classification in the Hardwood Timber Industry: Method and Value Analysis Simulation Stratégies 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, Meuble Groupe 2: Armoire, Escalier, Panneautage, Moulure Groupe 3: Palette
  56. 56. Gil, Alvaro (2014) Log Classification in the Hardwood Timber Industry: Method and Value Analysis Simulation Stratégies 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 Groupes G1: Plancher, Armoire, Escalier, Panneautage, Meuble et Moulure G2: Palette 3 Groupes G1: Plancher and Meuble G2: Armoire, Escalier, Panneautage et Moulure G3: Palette 4 Groupes G1: Plancher and Meuble G2: Armoire, Escalier et Panneautage G3: Moulure G4: Palette 5 Groupes G1: Plancher G2: Armoire, Escalier et Panneautage G3: Meuble G4: Moulure G5: Palette 6 Groupes G1: Plancher G2: Armoire et Panneautage G3: Escalier G4: Meuble G5: Moulure G6: Palette 7 Groupes Une pile pour chaque application Tableau 8 Types d’application par groupe selon la stratégie de classification
  57. 57. Gil, Alvaro (2014) Log Classification in the Hardwood Timber Industry: Method and Value Analysis Simulation Stratégie de gestion du parc à grumes • Géométrie irrégulier • Le parc est divisée en 7 sections Description du processus Modèle de simulation Design des expériences
  58. 58. Gil, Alvaro (2014) Log Classification in the Hardwood Timber Industry: Method and Value Analysis Simulation Stratégie 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 3 Plancher, Meuble Armoire, Escalier, Panneautage, Moulure Palette 4 Plancher, 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 9 Distribution des applications par zone selon la stratégie de classification
  59. 59. 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 secondaires 1. Piles alternatives
  60. 60. Gil, Alvaro (2014) Log Classification in the Hardwood Timber Industry: Method and Value Analysis Analyse des résultats 1) Rendement total de la première transformation 80,000 90,000 100,000 110,000 120,000 130,000 140,000 150,000 1 2 3 4 5 6 7 Stratégie d'agrégation Rendement moyen de la première transformation (fbm) à différents niveaux d'inventaire Stock: 0 Stock: 12,000 Stock: 24,000 Stratégie Inventaire initial % changement vs. Stratégie 1Stock: 0 Stock: 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% 95,000 100,000 105,000 110,000 115,000 120,000 1 2 3 4 5 6 7 Stragégie d'agrégation Rendement moyen de la première transformation (fbm) pour différents type des produits dans le plan de production 1 type 2 types 3 types 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%
  61. 61. 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).
  62. 62. 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: 0 Stock: 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% 25,000 27,000 29,000 31,000 33,000 35,000 37,000 39,000 41,000 43,000 45,000 1 2 3 4 5 6 7 Stratégie d'agrégation Rendement moyen de deuxième transformation (fbm) à différents niveaux d'inventaire initial Stock: 0 Stock: 12,000 Stock: 24,000 27,000 29,000 31,000 33,000 35,000 37,000 39,000 1 2 3 4 5 6 7 Stratégie d'agrégation Rendement moyen de deuxième transformation (fbm) pour différents types des produits dans le plan de production 1 type 2 types 3 types 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%
  63. 63. 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).
  64. 64. Gil, Alvaro (2014) Log Classification in the Hardwood Timber Industry: Method and Value Analysis Analyse des résultats 3) Relation entre rendements de deuxième transformation et le coût Stratégie Inventaire initial % change vs Stratégie 1Stock: 0 Stock: 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 types Rend. 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 ($) Coût d’approvisionnement total pour différents types de produit dans le plan de production ($)
  65. 65. Gil, Alvaro (2014) Log Classification in the Hardwood Timber Industry: Method and Value Analysis Analyse des résultats 3) 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.
  66. 66. Gil, Alvaro (2014) Log Classification in the Hardwood Timber Industry: Method and Value Analysis Analyse des résultats 3) Relation entre rendements de deuxième transformation et le coût Stratégie Inventaire initial % change vs Stratégie 1 0 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% 1.0000 1.0500 1.1000 1.1500 1.2000 1.2500 1.3000 1.3500 1.4000 1 2 3 4 5 6 7 Stratégie d'agrégation Relation entre le rendement de deuxième transformation et le coût d'approvisionnement Stock: 0 Stock: 12,000 Stock: 24,000 1.0000 1.1000 1.2000 1.3000 1.4000 1.5000 1.6000 1 2 3 4 5 6 7 Stratégie d'agrégation Relation entre le rendement de deuxième transformation et le coût d'approvisionnement par différents produits dans le plan de production 1 type 2 types 3 types Stratégie Total types des produits dans le plan de production % change vs. Stratégie 11 type 2 types 3 types Relation 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%
  67. 67. Gil, Alvaro (2014) Log Classification in the Hardwood Timber Industry: Method and Value Analysis Analyse des résultats 3) 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).
  68. 68. 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: 0 Stock: 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% 40.0% 50.0% 60.0% 70.0% 80.0% 90.0% 100.0% 1 2 3 4 5 6 7 Stratégie d’agrégation Utilisation moyenne de chargeur à différents niveaux d’inventaire Stock: 0 Stock: 12,000 Stock: 24,000 50.0% 55.0% 60.0% 65.0% 70.0% 75.0% 80.0% 1 2 3 4 5 6 7 Stratégie d’agrégation Utilisation moyenne de chargeur par différents types de produits dans le plan de production 1 type 2 types 3 types Stratégie Total types des produits dans le plan de production % change vs. Stratégie 1 1 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%
  69. 69. 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. 30.0% 40.0% 50.0% 60.0% 70.0% 80.0% 90.0% 100.0% 25,000 30,000 35,000 40,000 45,000 1 2 3 4 5 6 7 Utilisationdechargeur Rendementdedeuxièmetransformation Stratégie d'agrégation 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 • Si stratégie > 4 → l’utilisation de chargeur augmente plus que la production totale de deuxième transformation.
  70. 70. 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: 0 Stock: 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 types Visites 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
  71. 71. 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.
  72. 72. 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
  73. 73. 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.
  74. 74. Gil, Alvaro (2014) Log Classification in the Hardwood Timber Industry: Method and Value Analysis Conclusions Recommandations 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
  75. 75. 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
  76. 76. 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
  77. 77. Gil, Alvaro (2014) Log Classification in the Hardwood Timber Industry: Method and Value Analysis
  78. 78. 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)
  79. 79. Gil, Alvaro (2014) Log Classification in the Hardwood Timber Industry: Method and Value Analysis ANNEXES
  80. 80. 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
  81. 81. 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 23.88 261.90 37.41 164.70 27.45 206.90 34.48 Valeur relative de ligne par rapport à la moyenne Valeur relative de colonne par rapport à la moyenne
  82. 82. 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 23.88 261.90 37.41 164.70 27.45 206.90 34.48 Valeur relative de ligne par rapport à la moyenne Valeur relative de colonne par rapport à la moyenne Seuil = 80%
  83. 83. 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 0 1 1 1 1 1 1 1 0 0 0 0 1 0 1 1 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
  84. 84. 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 0 1 1 1 1 1 1 1 0 0 0 0 1 0 1 1 0 0 0 1 0 1 Matrice binaire résultant Bille 1 -> PLANCHER ARMOIRE, PANNEAUTAGE, MEUBLE Bille 2 -> PLANCHER, ARMOIRE, ESCALIER, PANNEAUTAGE, MEUBLE, MOULURE, PALETTE Bille 3 -> MEUBLE, PALETTE Bille 4 -> PLANCHER, MEUBLE, PALETTE
  85. 85. 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.
  86. 86. 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
  87. 87. Gil, Alvaro (2014) Log Classification in the Hardwood Timber Industry: Method and Value Analysis Plancher 8 niveaux explorés 85% de précision Analyse des données
  88. 88. Gil, Alvaro (2014) Log Classification in the Hardwood Timber Industry: Method and Value Analysis Armoire 4 niveaux explorés 81% de précision. Analyse des données
  89. 89. Gil, Alvaro (2014) Log Classification in the Hardwood Timber Industry: Method and Value Analysis Escalier 7 niveaux explorés 81% de précision Analyse des données
  90. 90. Gil, Alvaro (2014) Log Classification in the Hardwood Timber Industry: Method and Value Analysis Panneautage 6 niveaux explorés 81% de précision. Analyse des données
  91. 91. Gil, Alvaro (2014) Log Classification in the Hardwood Timber Industry: Method and Value Analysis Meuble 8 niveaux explorés 92% de précision. Analyse des données
  92. 92. Gil, Alvaro (2014) Log Classification in the Hardwood Timber Industry: Method and Value Analysis Moulure 8 niveaux explorés 81% de précision. Analyse des données
  93. 93. Gil, Alvaro (2014) Log Classification in the Hardwood Timber Industry: Method and Value Analysis Palette 8 niveaux explorés 80% de précision. Retourner Analyse des données
  94. 94. 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
  95. 95. 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 Inventaireinitial 1 - - - - - - - - - - 2 - - - - - - - - - - 3 - - - - - - - - - - 4 - - - - - - - - - - 5 - - - - - - - - - - 6 - - - - - - - - - - 7 - - - - - - - - - - Inventairefinal 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
  96. 96. 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 Inventaireinitial 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 Inventairefinal 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
  97. 97. 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 Inventaireinitial 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 Inventairefinal 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

×