# Sahateollisuuden tuotantoprosessien simulointi Sitepro-hankkeessa: Osa 1 - Savonia-AMK

> Hankkeessa on rakennettu sahalinjaston simulaatiomalli hyödyntäen AnyLogic-ohjelmistoa ja diskreettiä tapahtumasimulointia.

## Sahateollisuuden haasteet ja perinteinen simulointi
Sahateollisuus on keskeinen vientiala, jonka kannattavuus on erittäin herkkä raaka-aineiden hintavaihteluille ja tuotantotehokkuudelle. Koska raaka-ainekustannukset muodostavat yli kaksi kolmasosaa tuotantokustannuksista, pienetkin optimointivirheet voivat aiheuttaa merkittäviä taloudellisia tappioita.

Perinteisesti sahateollisuuden simulointi on keskittynyt yksittäisten prosessivaiheiden ja saannon maksimointiin. Tutkimukset ovat osoittaneet, että oikea sahausasetteen valinta ja tukin orientointi ovat ratkaisevia tekijöitä. Perinteiset simulaatiomallit ovat nojanneet:
* **Tukin asemoinnin optimointiin:** Matemaattiseen pyörityskulman ja syöttöasennon hakuun.
* **Mittausteknologiaan:** 3D-skannaukseen sekä röntgen- ja tomografiamittauksiin, joilla on mallinnettu tukin sisäisiä vikoja.

Vaikka automaatio on kehittynyt, perinteisissä malleissa on ollut haasteita kokonaisuuden hallinnassa. Staattiset laskelmat eivät usein paljasta dynaamisia pullonkauloja, ja mallien rakentaminen on vaatinut raskasta manuaalista työtä sekä oletuksiin perustuvia arvioita.

## Sitepro-hankkeen uusi lähestymistapa
Sitepro-hankkeessa simulointia on lähestytty kokonaisvaltaisesti. Tavoitteena on ymmärtää tuotannon kokonaisvirtausta ja sitä, miten raaka-aineen vaihtelu sekä linjan dynaamiset pullonkaulat vaikuttavat tehtaan todelliseen läpimenoon.

Hankkeessa on rakennettu sahalinjaston simulaatiomalli hyödyntäen **AnyLogic-ohjelmistoa** ja **diskreettiä tapahtumasimulointia (DES)**. Keskeisiä eroja perinteisiin malleihin ovat:
* **Agenttipohjaisuus:** Jokainen tukkiluokka on itsenäinen agentti, joka kantaa mukanaan tarkkaa dataa (ID, tilavuus, laatu). Tämä tieto periytyy eteenpäin, vaikka tukki jakaantuu sahauslinjastolla useiksi lopputuotteiksi.
* **Datan hyödyntäminen:** Malli lukee suoraan sahayrityksen olemassa olevaa tuotantodataa (esim. Excel-raportit), mikä vähentää virheitä ja poistaa manuaalisten ”hihavakioiden” tarpeen.
* **Sivuvirtojen huomiointi:** Malli huomioi myös kuoren, purun ja hakeosuudet, mikä parantaa kokonaiskuvan tarkkuutta.

## Hyödyt ja dynaaminen analytiikka
Sitepro-hankkeen malli tuo simuloinnin pk-sektorin ulottuville ilman raskaita IT-integraatioprojekteja. Menetelmän keskeisiä etuja ovat:
* **Pullonkaulojen tunnistaminen:** Dynaaminen simulointi paljastaa ruuhkat, joita staattiset laskelmat eivät näytä, kuten tuorepaketoinnin kapasiteettirajoitteet.
* **Riskitön skenaariotestaus:** Yritykset voivat testata tuotantostrategioita virtuaalisesti ja arvioida muutosten vaikutuksia (esim. sahausnopeuden tai puun hinnan muutokset) ennen niiden toteuttamista.
* **Strateginen päätöksenteko:** Malli toimii turvallisena ympäristönä, jossa voidaan optimoida prosesseja ja arvioida materiaalivirtojen sekä kokonaistehokkuuden muutoksia.

Tämä lähestymistapa ei korvaa perinteisiä saanto-optimointimalleja, vaan täydentää niitä tarjoamalla laajemman näkymän koko tuotantolaitoksen toimintaan. Seuraavassa osassa käsitellään simulaatiomallin teknistä kuvausta, rakennetta, lähtödataa ja visualisointia.

## Lähteet
* Fredriksson, M. (2013). Log positioning and sawing process optimization using Computed Tomography. Luleå University of Technology.
* Haataja, J. (2004). Optimization tasks in the sawmill industry. University of Kuopio.
* Hinostroza, I., Pradenas, L. & Parada, V. (2013). Optimal and heuristic approaches for the log sawing problem. Annals of Operations Research.
* Høyrup, S. (2012) ’Employee-driven innovation: A new phenomenon, concept and mode of innovation’, in Employee-driven innovation: A new approach. Edinburgh University Press, s. 3–33.
* Juvonen, R. & Johanson, P.E. (1991). Mekaaninen metsäteollisuus.
* Kauppinen, T. (2002). Sahateknologian kehitys ja tulevaisuus. Diplomityö, TKK.
* Lundahl, C. (2007). Process optimization in sawmilling. Växjö University.
* Lundgren, C. (2010). Predicting log properties using a 3D scanner. Luleå University of Technology.
* Mäkelä, H. (2006). Konenäköinvestointien kannattavuus sahateollisuudessa. Diplomityö, TKK.
* Nordmark, U. (2005). Value chain optimization in the forest industry. Luleå University of Technology.
* Oja, J., Grundberg, S., Fredriksson, J. & Berg, P. (2007). Classification of Scots pine sawlogs using X-ray and optical scanning. Forest Products Journal.
* Todoroki, C. & Rönnqvist, M. (2010). Dynamic control systems for sawmills.
* Usenius, A. (2010). Flexible and self-learning production systems in the sawmill industry. VTT Publications.
* Varhimo, I. (2001). Sahauslaskentamenetelmän kehittäminen. Diplomityö.
* Vesanen, J. (2005). Tukin ja parruoptimoinnin kehittäminen. Diplomityö.
* Viitaniemi, P. (1985). Sahatavaran särmäyksen saanto. Diplomityö.