Röntgentomografibaserad hållfasthetsoptimering

Transkript

1 FAKTABLAD Kontaktperson Johan Skog (3) SP Trä Johan.Skog@sp.se Röntgentomografibaserad hållfasthetsoptimering Bakgrund Forskningsprojektetet Röntgentomografibaserad hållfasthetsoptimering har utförts på SP Trä och Luleå tekniska universitet i Skellefteå under åren Projektet finansierades huvudsakligen av Norrskogs forskningsstiftelse och SP. Inledningen av detta projektet utfördes inom ramen för det större forskningsprojektet CT-Pro, med finansiering från Vinnova och Träcentrum Norr. CT-Pro var ett internationellt forskningsprojekt som koordinerades av SP Trä och pågick Syftet för CT-Pro var att göra röntgenbaserad datortomografi (CT-skanning) till en industriellt användbar mätteknik och inom ramen för projektet utvecklade den italienska maskinleverantören Microtec världens första höghastighetstomograf. Maskinen är kapabel att skanna svenskt sågtimmer i hastigheter av omkring 150 m/min och ger en full rekonstruktion av stockens inre, mycket lik den som erhålls med hjälp av betydligt långsammare medicinsk CT-utrustning. Projektet Röntgentomografibaserad hållfasthetsoptimering bygger vidare på resultaten från CT-Pro och syftet var att ta fram en metod för beräkning av brotthållfastheten hos det sågade virket baserat på datortomografiska mätningar av sågtimret. Material och metod För att kunna utföra denna studie på ett kostnadseffektivt sätt återanvändes virke från granstambanken. Dessa stockar hade tidigare tomograferats och sågats med dokumenterat rotationsläge och postningsmönster. Virket fraktades till SP:s testhall i Skellefteå och gicks igenom. Förstörande böjprov utfördes enligt europeisk standard EN 408 för 161 plank, härrörande från 85 olika stockar, se Tabell 1. Förklaringsgraden R 2 mellan uppmätt brotthållfasthet och böjhållfasthet var för dimensionerna 145 mm och 170 mm lägre än förväntat, vilket kan bero på en relativt hög andel sprickor hos dessa dimensioner. För att kunna utvärdera nyttan med en CT-skanner för hållfasthetsmodellering beräknades hållfasthetsbeskrivande variabler på stocknivå för tre olika typer av mätramar, nämligen 3Dmätram, röntgenmätram och CT-skanner. För 3D-mätram och röntgenmätram användes befintliga programvaror. För CT-skannern utvecklades nya algortimer för beräkning av ett stort antal hållfasthetsbeskrivande variabler, baserade på kärnvedsform, densitet och kvistförekomst. Slutligen utvecklades multivariata statistiska modeller (PLS-modeller) som predikterar förväntad brotthållfasthet för plank utifrån på de hållfasthetsbeskrivande variablerna. Separata modeller utvecklades för var och en av de tre mätramstyperna (3D-mätram, röntgenmätram och CT-skanner). För CT-skannern utvecklades modeller med respektive utan kännedom om stockens rotationsriktning i sågen.

2 FAKTABLAD (3) Tabell 1: Material som användes i hållfasthetsstudien, antal individer samt förklaringsgraden mellan uppmätt brotthållfasthet (MOR) och böjhållfasthet (MOE) för varje dimension. Dimension [mm] Antal plank Antal stockar R 2 MOR vs MOE 45 x ,65 45 x ,69 45 x ,25 45 x ,43 Resultat I Tabell 2 redovisas styrkan för de utvecklade hållfasthetsmodellerna. Modellstyrkan tabelleras i form av förmågan att prediktera nya data (Q 2 ) samt observerat standardfel (RMSE). Med en 3D-mätram kan viss prediktion av hållfastheten göras (Q 2 = 0,63 för 45 mm x 95 mm) och i kombination med en röntgenmätram ökas predikterbarheten kraftigt (Q 2 = 0,78). Detta var förväntat eftersom röntgenmätramen bidrar med värdefull information om stockens inre, exempelvis densitet, antal kvistvarv och kvistvolym. Kombinationen av 3D- och röntgenskanning fungerar alltså utmärkt för att försortera timret baserat på förväntad brotthållfasthet. Om ingen hänsyn tas till rotationsläge är vinsten marginell med att övergå från röntgenskanning till CT-skanning (Q 2 = 0,79). Detta är rimligt eftersom den stora fördelen med CTskannern är kunskapen om de enskilda kvistarnas position, och denna information nyttjas inte om ingen hänsyn tas till inläggningen i sågen. Genom att ta hänsyn till rotationsinläggningen kunde precisionen i hållfasthetsprediktionen höjas ytterligare ett snäpp (Q 2 = 0,83). Detta är ett mycket positivt resultat eftersom det experimentellt verifierar arbetshypotesen om att hållfastheten kan predikteras bättre genom kännedom om de individuella kvistarnas position. Tabell 2: Resulterande PLS-modeller för de fyra utvärderade virkesdimensionerna och de fyra olika mätramstyperna (3D-mätram, röntgenmätram, CT-skanner med kännedom om rotationsläge samt CT-skanner utan kännedom om rotationsläge). Q 2 -värdet anger modellens förmåga att prediktera nya data och RMSE anger det observerade standardfelet för modellen. Metod Dimension [mm] Q 2 RMSE [MPa] 3D 45 x 95 0,63 6,1 X-ray 45 x 95 0,78 4,8 CT 45 x 95 0,83 4,2 CT ej rot 45 x 95 0,79 4,7 3D 45 x 120 0,49 7,9 X-ray 45 x 120 0,73 5,9 CT 45 x 120 0,83 4 CT ej rot 45 x 120 0,77 4,9 3D 45 x 145 0,48 5,9 X-ray 45 x 145 0,57 5,3 CT 45 x 145 0,66 4,5 CT ej rot 45 x 145 0,59 5,1 3D 45 x 170 0,28 9,8 X-ray 45 x 170 0,31 9,3 CT 45 x 170 0,46 8,2 CT ej rot 45 x 170 0,45 8,2

3 FAKTABLAD (3) Sedan tidigare studier är det väl känt att inläggningsnoggrannheten i sågen är en begränsande faktor vid inläggningsoptimering. För att hantera detta låg fokus i denna studie på att ta fram robusta modeller som klarar av att uppskatta en ungefärlig hållfasthet även vid viss osäkerhet i inläggningen. Istället för att fokusera på variabler som beräknar den exakta positionen för individuella kvistar på plankan (kantsida, hörn, flatsida osv) så lades fokus på att beräkna variabler som beskriver antal kvistar, kvistvolymer och kviststorlekar i större regioner av plankan. Detta visade sig vara ett lyckosamt angreppssätt. I det aktuella provmaterialet var parallell- och diagonalinläggning inte känd och istället antogs att postningen varit centrerad runt märgen. Trots denna relativt grova uppskattning av inläggningspositionen gav de framtagna modellerna en signifikant ökning av predikterbarheten jämfört med de modeller som inte tog hänsyn till rotationsinläggningen. Slutsatser Knackning av plank ökar predikterbarheten något för modellerna som bara baserades på 3D-data. Men för modeller som baseras på röntgen- eller CT-skanning tillförde resonansfrekvensen ingen ytterligare information om plankens hållfasthet. Kombinationen av 3D- och röntgenskanning fungerar utmärkt för att försortera timret baserat på förväntad brotthållfasthet. Om ingen hänsyn tas till rotationsläget är hållfasthetsprediktion med CT-skanning endast marginellt bättre än motsvarande prediktion med röntgenskanning. När hänsyn tas till rotationsläge ökas precisionen för hållfasthetsprediktion med CTskanning. Studien har experimentellt verifierat att CT-data kan användas för att prediktera hållfastheten för plank sågade från en viss position i stocken. De framtagna modellerna är robusta nog för att hantera viss inläggningsosäkerhet och bör kunna användas för att optimera invridningen i förstasåg baserat på stockmätning med CT-skanner. Projektgrupp Forskningsprojektet har utförts på SP Trä och Luleå tekniska universitet i Skellefteå. Projektgruppen bestod av Johan Skog (projektledare), Erik Johansson och Anders Berglund. Referensgrupp för projektet var professor Anders Grönlund (Luleå tekniska universitet) och professor Johan Oja (Norra Skogsägarna). Skellefteå, SP Trä Signature_1 Johan Skog

4 Kontaktperson Johan Skog (10) SP Trä Johan.Skog@sp.se Röntgentomografibaserad hållfasthetsoptimering Sammanfattning Inom ramen för detta projekt har algoritmer och multivariata PLS-modeller tagits fram för att prediktera brotthållfastheten för granvirke av dimensionerna 45x95 mm 2, 45x120 mm 2, 45x145 mm 2 och 45x170 mm 2. Prediktionsmodellerna baseras på variabler som är möjliga att beräkna med hjälp av en industriell datortomograf (CT-skanner). Som referens har också prediktionsmodeller tagits fram för de 3D-mätramar och röntgenmätramar som idag används på många svenska sågverk. Bland de viktigaste slutsatserna märks: Knackning av plank ökar predikterbarheten något för modellerna som bara baserades på 3D-data. Men för modeller som baseras på röntgen- eller CT-skanning tillförde resonansfrekvensen ingen ytterligare information om plankens hållfasthet. Kombinationen av 3D- och röntgenskanning fungerar utmärkt för att försortera timret baserat på förväntad brotthållfasthet. Om ingen hänsyn tas till rotationsläget är hållfasthetsprediktion med CT-skanning endast marginellt bättre än motsvarande prediktion med röntgenskanning. Studien har experimentellt verifierat att CT-data kan användas för att prediktera hållfastheten för plank sågade från en viss position i stocken. De framtagna modellerna är robusta nog för att hantera viss inläggningsosäkerhet och bör kunna användas för att optimera invridningen i förstasåg. Forskningsprojektet har utförts på SP Trä och Luleå tekniska universitet i Skellefteå och finansierades huvudsakligen av Norrskogs forskningsstiftelse och SP. Inledningen av projektet utfördes inom ramen för det större forskningsprojektet CT-Pro, som finansierades av Vinnova och Träcentrum Norr. Postadress Besöksadress Tfn / Fax / E-post Detta dokument får endast återges i sin helhet, om inte SP i förväg SP Skeria SKELLEFTEÅ Laboratorgränd SKELLEFTEÅ info@sp.se skriftligen godkänt annat.

5 (10) Innehåll Sammanfattning 1 Innehåll 2 Inledning 3 Timmermätning idag 3 Röntgentomografi 3 Röntgentomografibaserad hållfasthetsoptimering 4 Material och metod 5 Material 5 Utförd provning 5 Beräkning av hållfasthetsbeskrivande variabler 6 I. 3D-mätram 6 II. Röntgenmätram 6 III. CT-skanner 6 IV. CT-skanner med slumpmässig rotation 7 Statistisk modellering 7 Resultat och diskussion 7 Slutsatser 9 Referenser 10 Projektgrupp 10

6 (10) Inledning Timmermätning idag Vid svenska sågverk mäts normalt allt timmer in i samband med ankomst till sågverket. Detta görs främst av två anledningar, dels för att bedöma vederlagsgrundande stockvolymer och dels för att sortera timret baserat på dimension och på så sätt möjliggöra en effektivare sågverksproduktion. För båda dessa syften används normalt en optisk 3D-mätram. Det är också möjligt att sortera timret baserat på förväntad kvalitet hos den sågade varan, exempelvis hållfasthetsklass eller visuell kvalitet. Kvalitetssortering av sågtimmer kan åstadkommas med en rad olika mättekniker, varav den vanligast förekommande är 3D-mätning. En 3D-mätram mäter yttre egenskaper hos stocken såsom bulighet, krok och avsmalning. Genom statistisk modellering, till exempel med programvaran SP Kvalitet On-Line (Anon. 2014a), är det möjligt att koppla dessa mätningar till en förväntad kvalitet hos den sågade varan. Ett tiotal svenska sågverk har också investerat i en röntgenmätram till sin mätstation. En sådan mätram genomlyser stocken med röntgenstrålning och ger en eller två projektionsbilder av stockens inre, se Figur 1. Från dessa bilder kan information om inre egenskaper såsom kvistvolymer och kärnvedsandel beräknas, vilket möjliggör ännu bättre prediktion av den sågade varans kvalitet. Figur 1: Exempelbilder från en industriell röntgenmätram, med tydligt framträdande kvistvarv inuti stocken. Medbringarna syns som vita fält i bilden och filtreras bort innan någon ytterligare bildbehandling sker (Skog, 2013). Röntgentomografi Under de senaste 25 åren har Luleå tekniska universitet (LTU) och SP Trä i Skellefteå använt sig av röntgenbaserad datortomografi (CT) för träteknisk forskning. Denna mätteknik kallas även för skiktröntgen och ger en fullständig tredimensionell avbildning av objektets inre, se Figur 2. Denna typ av rekonstruktion är möjlig genom att röntgenmätramen roterar runt objektet samtidigt som objektet förs genom mätramen.

7 (10) (a) (b) Figur 2: Tvärsnittsbilder från en CT-skanner, (a) kvistfritt tvärsnitt, (b) kvistvarv. Mörkgrå pixlar representerar låg densitet (kärnved) och ljusa pixlar representerar högre densitet (splintved och kvistar). En av de stora vinsterna med tomografens fullständiga tredimensionella rekonstruktion är att storlek och position för inre defekter såsom kvistar kan bestämmas med hög precision. Detta är en stor fördel jämfört med den enklare röntgenmätramen där bara kvistvarvens position i längsled är känd. Tack vare den precisa positioneringen av inre defekter kan data från en tomograf användas som grund för sågsimulering. Detta gör det möjligt att studera utfallet från ett stort antal olika val av sågmönster och positionering. Produktionen kan därefter optimeras genom att välja den postning och inläggning som genererar högsta förväntade produktvärde. Problemet med röntgentomografi är att tekniken varit alltför långsam och inte tillräckligt robust för en industriell applikation. Detta förändrades nyligen i och med det internationella forskningsprojektet CT-Pro som koordinerades SP Trä. Inom detta projekt togs röntgentomografin från en forskningsapplikation till ett industriellt användbart verktyg och i september 2012 lanserade den italienska maskinleverantören Microtec världens första höghastighetstomograf. Maskinen marknadsförs under namnet CT.Log och har levererats till installationer i USA, Chile och Frankrike. Den är kapabel att skanna svenskt sågtimmer i hastigheter av omkring 150 m/min och ger en full rekonstruktion av stockens inre, mycket lik den som erhålls med hjälp av betydligt långsammare medicinsk CT-utrustning. Röntgentomografibaserad hållfasthetsoptimering Inom projektet CT-Pro undersöktes också ett antal olika applikationer för tekniken, bland annat undersöktes hur invridningen i sågen påverkar utfallet av hållfasthetsklassat virke, vid visuell hållfasthetssortering enligt INSTA 142 (SIS, 2009). Studien visade att det fanns en potential att kraftigt öka andelen T2 och T3 genom att optimera invridningen så att kvistarna till större utsträckning faller på flatsidorna än på kantsidorna. CT-skanning har alltså potential att användas för hållfasthetsoptimering, men att optimera mot en standard för visuell hållfasthetssortering har ett antal svagheter. Eftersom standarden gör en mycket skarp distinktion mellan kantside- och flatsidekvistar blir metoden känslig för positionering. Det är också välkänt att korrelationen mellan visuell hållfasthetssortering och verklig brotthållfasthet är svag och därför är det stora säkerhetsmarginaler inlagda i visuella hållfasthetsstandarder. Målet med den studie som redovisas i denna rapport var därför att ta fram en metod för direkt beräkning av brotthållfastheten hos det sågade virket och verifiera denna genom förstörande

8 (10) brotthållfasthetsprovning. För att uppnå en robust och så exakt metod som möjligt var tanken att inkludera så många styrande variabler som möjligt, exempelvis densitet och kvistar med extrema vinklar. Hypotesen var att metoden kan göras mindre känslig för inläggningsfel genom att kvistvolymer i regioner av plankan betraktas, snarare än den exakta positionen för individuella kvistar. Material och metod Material För att göra studien så kostnadseffektiv som möjligt användes virke från granstambanken (Berggren et al., 2000). Dessa stockar hade redan tomograferats och sågats med dokumenterat rotationsläge och postningsmönster. Parallell- och diagonalinläggning var dock inte dokumenterad. Efter sågning hade virket lagrats för framtida behov och kunde därför användas i denna studie. Virket fraktades till SP:s testhall i Skellefteå och gicks igenom. Det virke som var aktuellt att användas inom denna studie utgjordes av omkring 200 plank. När hållfastheten senare modellerades visade det sig dock att hållfasthetsegenskaperna skiljer sig åt mellan inner- och ytterbitar. Eftersom materialet innehöll relativt få ytterbitar så kunde endast innerbitarna användas i denna studie. Det material som slutligen kom att användas utgjordes av 161 plank från 85 stockar, se Tabell 1. Anledningen till att det inte är fullt två plank per stock var att tillförlitlig märkning saknades för nio av planken, som därför inte kunde användas. Tabell 1: Material som användes i hållfasthetsstudien, antal individer samt förhållandet mellan uppmätt brotthållfasthet och böjhållfasthet för varje dimension. Dimension [mm] Antal plank Antal stockar R 2 MOR vs MOE 45 x ,65 45 x ,69 45 x ,25 45 x ,43 Utförd provning Innan förstörande provning datortomograferades 20 plankor med LTU:s medicinska CTskanner. Denna tomografering var inte helt nödvändig för detta projekts utförande, men har gett värdefulla data som kommer kunna användas för att framgent kunna utveckla mer detaljerade prediktionsmodeller. Samtliga plank bedömdes också med hjälp av Dytran Dynapulse, ett system för bedömning av hållfastheten baserat på axiell dynamisk excitering, det vill säga knackning av planken. Slutligen utfördes förstörande böjprov av samtliga plank enligt europeisk standard EN 408 (CEN, 2003). Provningen utfördes med en Instron 5500R och samtliga brottstycken dokumenterades fotografiskt. Förklaringsgraden R 2 mellan av Instron uppmätt brotthållfasthet och böjhållfasthet redovisas i tabell 1. De R 2 -värden som erhölls för 145 mm och 170 mmplanken var lägre än förväntat (Johansson, 2003), vilket kan bero på en relativt hög andel sprickor hos dessa dimensioner.

9 (10) Beräkning av hållfasthetsbeskrivande variabler För att kunna utvärdera nyttan med en CT-skanner för hållfasthetsmodellering beräknades hållfasthetsbeskrivande variabler för tre olika typer av mätramar, nämligen I) 3D-mätram, II) röntgenmätram och III, IV) CT-skanner. I. 3D-mätram Från CT-datat extraherades ytterformen för varje stock och lagrades i liknande dataformat som från en kommersiell 3D-mätram. Stockens ytterform behandlades därefter med programvaran SP Kvalitet On-Line (Anon., 2014a), varigenom ett stort antal kvalitetsbeskrivande variabler beräknades, till exempel bulighet, krok och avsmalning. II. Röntgenmätram Utgående från CT-datat för varje stock kunde bilder från en diskret röntgenmätram med två mätriktningar simuleras (Skog & Oja, 2007). Dessa bilder behandlades därefter i programvara från en kommersiell mätramsleverantör, vilket resulterade i ett stort antal variabler som beskriver stockarnas inre kvalitet, exempelvis densitet, antal kvistvarv och kärnvedsandel. III. CT-skanner Eftersom CT-skannern ger en fullständig rekonstruktion av stocken så utgör data från 3Dmätram och röntgenmätram en delmängd av det data man kan få ut från en CT-skanner. 3Dmätramens data är helt enkelt den ytterform som genereras av CT-skannern medan röntgendatat är en enkel projektion av CT-skannerns 3D-dimensionella röntgendata. Detta innebär att alla variabler som kan beräknas med en 3D-mätram (1.) eller en röntgenmätram (2.) också kan beräknas med en CT-skanner. Förutom dessa 3D- och röntgenvariabler så utvecklades inom ramen för detta projekt ett flertal nya algoritmer för att beräkna ytterligare variabler, som är unika för CT-skannern. De variabler som extraherades från CT-datat kan grovt delas in i fem grupper: 1. Variabler baserade på 3D-ytterform 2. Variabler från diskreta röntgenbilder 3. Variabler baserade på kärnvedens form (CT-data) 4. Densitetsvariabler från CT-data 5. Kvistvariabler från CT-data För att beräkna kvalitetsvariabler baserade på kärnvedsform (3.) extraherades kärnvedens 3Dform från CT-datat och lagrades i samma dataformat som ytterformen. Därefter behandlades kärnvedsformen i programvaran SP Kvalitet On-Line, på samma sätt som tidigare gjorts för stockens ytterform. Algoritmer utvecklades för att från CT-datat beräkna fram mer exakta densitetsvariabler (4.) än vad som är möjligt i en röntgenmätram. För varje cm längs med stocken beräknades den genomsnittliga densiteten i kvistfri kärnved. Baserat på dessa densitetsvärden (ett värde per cm) beräknades sedan medelvärde, standardavvikelse och 20-percentil för stockens densitet. Slutligen utvecklades algoritmer för att beräkna ett stort antal detaljerade kvistvariabler (5.), relaterade till kvistarnas antal, diameter, längd och volym i olika regioner av stocken/plankan. Flertalet av dessa kvistvariabler nyttjade kunskap om stockens rundvridning vid sågningen och beräknades för den position där plankans tvärsnitt ligger. Eftersom parallell- och diagonalinläggning inte var känd så antogs att postningen varit centrerad runt märgen.

10 (10) IV. CT-skanner med slumpmässig rotation För att kunna bedöma hur mycket som kännedomen om rotationsinläggning tillför till hållfasthetsprediktionen så har ytterligare ett dataset tagits fram. I detta dataset är variablerna beräknade enligt samma metodik som i dataset III. Den enda skillnaden är att vid beräkningen av plankens kvistvariabler så har en slumpmässig rotation använts istället för den i verkligheten använda inläggningsvinkeln. Statistisk modellering Vart och ett av de fyra datasetten (I IV) innehåller många hundra olika kvalitetsbeskrivande variabler. Somliga av dessa tillför mycket information medan andra mest utgör brus. För att ta fram robusta prediktionsmodeller med hög predikterbarhet var det nödvändigt att sålla ut den relevanta informationen från bruset. Detta gjordes med hjälp av PLS-modellering (partial least square regression) i programvaran Simca (Anon. 2014b). Genom att stegvis ta bort de variabler som tillför minst till de multivariata modellerna kunde PLS-modeller med hög predikterbarhet och ett betydligt mindre antal variabler (10-20 st) tas fram. Vid varje steg i variabelreduktionen optimerades modellen baserat på Q 2 -värdet, det vill säga modellens förmåga att prediktera nya data. På så sätt var det möjligt att ta fram robusta modeller trots ett relativt litet antal plank i försöksmaterialet. Resultat och diskussion Det visade sig inte vara möjligt att göra en gemensam modell för att beräkna hållfastheten för samtliga dimensioner, istället har en unik beräkningsmodell tagits fram för var och en av de fyra virkesdimensionerna och för var och en av de fyra datamängderna I IV, totalt 16 olika PLS-modeller. Modellernas förmåga att prediktera nya data (Q 2 ) och det observerade standardfelet för modellerna (RMSE) redovisas i Tabell 2 samt i Figur 3. För samtliga 16 modeller testades att lägga till även information om resonansfrekvens från knackningen av plank. För modellerna som bara baserades på 3D-data ökade predikterbarheten något, vilket tyder på att frekvensen tillför viss ny information om planken. För övriga modeller, det vill säga de som baserades på röntgen eller CT-skanning, tillförde resonansfrekvensen ingen ytterligare information om plankens hållfasthet. För dimensionerna 45x145 och 45x170 mm 2 observerades en relativt hög andel sprickor. Eftersom dessa sprickor har uppstått under produktion eller lagring och inte fanns hos timret när det mättes in i datortomografen så är det inte möjligt att ta hänsyn till sprickorna i hållfasthetsprediktionen. Detta medför lägre förklaringsgrader för dessa dimensioner. Trots detta kan liknande mönster i modellstyrka observeras för samtliga dimensioner. Med en 3D-mätram kan viss prediktion av hållfastheten göras och i kombination med en röntgenmätram ökas predikterbarheten kraftigt. Detta var förväntat eftersom röntgenmätramen bidrar med värdefull information om stockens inre, exempelvis densitet, antal kvistvarv och kvistvolym. Kombinationen av 3D- och röntgenskanning fungerar alltså utmärkt för att försortera timret baserat på förväntad brotthållfasthet. Om ingen hänsyn tas till rotationsläget är vinsten marginell med att övergå från röntgenskanning till CT-skanning. Detta är rimligt eftersom den stora fördelen med CTskannern är att enskilda kvistar kan identifieras, och denna information nyttjas inte om ingen hänsyn tas till inläggningen i sågen. Den lilla förbättring som dock observeras kan förklaras

11 (10) med att de variabler som redan beräknas av röntgenmätramen, främst densiteter och kvistvolymer, kan uppskattas med något högre precision med hjälp av en CT-skanner. Att investera i en CT-skanner och endast använda den för timmersortering är dock knappast ett ekonomiskt fördelaktigt alternativ eftersom både investerings- och driftskostnader är högre än för en röntgenmätram. Genom att ta hänsyn till rotationsriktningen i sågen var det möjligt att höja precisionen i hållfasthetsprediktionen ytterligare ett snäpp. Detta är ett mycket positivt resultat eftersom det experimentellt verifierar arbetshypotesen om att hållfastheten kan predikteras bättre genom kännedom om de individuella kvistarnas position. Att det är kvistpositionerna som bidrar till den ökade förklaringsgraden bekräftas också genom analys av de variabler som ingår i de optimerade PLS-modellerna. För PLS-modellerna med känd rotationsriktning visade det sig att merparten av de ingående kvistvariablerna beskriver kvistvolymer för den enskilda plankan. För PLS-modellerna som inte tar hänsyn till rotationsriktning utgörs de kvistbeskrivande variablerna i högre utsträckning av kvistmedelvärden för hela stocken. De erhållna resultaten visar också på möjligheten att optimera inläggningen i sågen för att höja utbytet av höghållfast virke. Att de utvecklade modellerna tar hänsyn till stockens rotationsriktning och att denna inläggningsinformation ger en signifikant förbättring av modellernas prediktionsförmåga innebär att de utvecklade modellerna bör kunna användas för att optimera rundvridningen i sågen. Tabell 2: Resulterande PLS-modeller för de fyra utvärderade virkesdimensionerna och de fyra olika datamängderna (3D-mätram, röntgenmätram, CT-skanner med kännedom om rotationsläge samt CT-skanner utan kännedom om rotationsläge). Q 2 -värdet anger modellens förmåga att prediktera nya data och RMSE anger det observerade standardfelet för modellen. Metod Dimension [mm] Q 2 RMSE [MPa] 3D 45 x 95 0,63 6,1 X-ray 45 x 95 0,78 4,8 CT 45 x 95 0,83 4,2 CT ej rot 45 x 95 0,79 4,7 3D 45 x 120 0,49 7,9 X-ray 45 x 120 0,73 5,9 CT 45 x 120 0,83 4 CT ej rot 45 x 120 0,77 4,9 3D 45 x 145 0,48 5,9 X-ray 45 x 145 0,57 5,3 CT 45 x 145 0,66 4,5 CT ej rot 45 x 145 0,59 5,1 3D 45 x 170 0,28 9,8 X-ray 45 x 170 0,31 9,3 CT 45 x 170 0,46 8,2 CT ej rot 45 x 170 0,45 8,2

12 (10) Figur 3: PLS-modellernas förmåga att prediktera nya data (Q 2 ) för de fyra olika datamängderna (3D-mätram, röntgenmätram, CT-skanner med kännedom om rotationsläge samt CT-skanner utan kännedom om rotationsläge). Prickade linjer är endast inritade för att underlätta tolkning av figuren. Sedan tidigare studier är det väl känt att inläggningsnoggrannheten i sågen är en begränsande faktor för inläggningsoptimering. För att hantera detta låg fokus i denna studie på att ta fram robusta modeller som klarar av att uppskatta en ungefärlig hållfasthet även vid viss osäkerhet i inläggningen. Istället för att fokusera på variabler som beräknar den exakta positionen för individuella kvistar på plankan (kantsida, hörn, flatsida osv) så lades fokus på att beräkna variabler som beskriver antal kvistar, kvistvolymer och kviststorlekar i större regioner av plankan. Detta visade sig vara ett lyckosamt angreppssätt. I det aktuella provmaterialet var parallell- och diagonalinläggning inte känd och istället antogs att postningen varit centrerad runt märgen. Trots denna relativt grova uppskattning av inläggningspositionen gav de framtagna modellerna en signifikant ökning av predikterbarheten jämfört med de modeller som inte tog hänsyn till rotationsinläggningen. När denna studie påbörjades var alla stockar redan uppsågade i ett dokumenterat rotationsläge. Detta innebar att det inte var möjligt att experimentellt jämföra utfallet för en optimerad och en icke-optimerad rundvridningsposition. Framtida arbete inkluderar att förfina modellerna ytterligare för en större mängd plank, samt att validera rotationsoptimeringen genom att CTskanna ett stort antal stockar och såga hälften med optimerad och hälften med icke-optimerad rundvridning. Slutsatser Knackning av plank ökar predikterbarheten något för modellerna som bara baserades på 3D-data. Men för modeller som baseras på röntgen- eller CT-skanning tillförde resonansfrekvensen ingen ytterligare information om plankens hållfasthet.

13 (10) Kombinationen av 3D- och röntgenskanning fungerar utmärkt för att försortera timret baserat på förväntad brotthållfasthet. Om ingen hänsyn tas till rotationsläget är hållfasthetsprediktion med CT-skanning endast marginellt bättre än motsvarande prediktion med röntgenskanning. Studien har experimentellt verifierat att CT-data kan användas för att prediktera hållfastheten för plank sågade från en viss position i stocken. De framtagna modellerna är robusta nog för att hantera viss inläggningsosäkerhet och bör kunna användas för att optimera invridningen i förstasåg. Referenser Anon. (2014a). SP Trä,, Borås, Sverige. Anon. (2014b). Umetrics, Umeå, Sverige. Berggren, G., Grunberg, S., Grönlund, A. & Oja, J. (2000). Improved spruce timber utilisation (STUD). Technical report, Luleå University of Technology and AB Trätek, February CEN (2003). Timber structures Structural timber and glued laminated timber Determination of some physical and mechanical properties. EN408:2003. European Committee for Standardization, Brussels. 13 p. Johansson, C. J. (2003). Grading of timber with respect to mechanical properties. In: Thelandersson, S. & Larsen, H. J. (Eds.): Timber engineering, pp Wiley, Chichester, England. ISBN SIS (2009). Nordic Standard INSTA 142. Nordic visual strength grading rules for timber. Swedish Standards Institute, Stockholm, Sverige. Skog, J. (2013). Characterization of Sawlogs using Industrial X-ray and 3D Scanning. Doctoral thesis, Luleå University of Technology. Skog, J. & Oja, J. (2007). Improved log sorting combining X-ray and 3D scanning A preliminary study. In: Grzeskiewicz, M. (Ed.), Proceedings of the Conference on Quality Control for Wood and Wood Products (pp ), October 15 17, 2007, Warsaw, Poland. Faculty of Wood Technology, Warsaw University of Life Sciences. Projektgrupp Forskningsprojektet har utförts på SP Trä och Luleå tekniska universitet i Skellefteå. Projektgruppen bestod av Johan Skog (projektledare), Erik Johansson och Anders Berglund. Referensgrupp för projektet var professor Anders Grönlund (Luleå tekniska universitet) och professor Johan Oja (Norra Skogsägarna). SP Trä Johan Skog

14 EKONOMISK REDOVISNING Kontaktperson Johan Skog (1) SP Trä Johan.Skog@sp.se Röntgentomografibaserad hållfasthetsoptimering Intäkter Den i projektansökan angivna budgeten för projektet överskreds något, vilket löstes genom ett tillskott av projektmedel från SP. Projektdel 1, utfördes inom ramen för CT-Pro: Budgeterat Utfall Anslag från TräCentrum Norr (TCN) kr kr Anslag från Vinnova kr kr Projektdel 2, Röntgentomografibaserad hållfasthetsoptimering: Anslag från Norrskogs Forskningsstiftelse kr kr Interna kompetensutvecklingsmedel från SP Trämetri kr kr Total projektkostnad: kr kr Utgifter De olika kostnadsposterna har inte särhållits inom projektet, tabellen nedan ger därför en ungefärlig uppskattning. Den post som framförallt låg bakom den ökade kostnaden var den förstörande hållfasthetsprovningen, som tog längre tid än beräknat i anspråk. Budgeterat Utfall Projektplanering kr kr Fördjupad litteraturstudie kr kr Urval av lämpligt virke kr kr Transporter kr kr Jämförande hållfasthetssortering på planknivå kr kr Förstörande tester för verifiering av modeller kr kr Prediktionsmodeller för hållfasthet gran kr kr Rapportering inkl. slutseminarium kr kr Total projektkostnad: kr kr Skellefteå, SP Trä Signature_1 Johan Skog