Epsilon Archive for Student Projects

Abstract

There are several good reasons to create mathematical functions that can predict, or forecast, the productivity in logging operations. One of these reasons is that the contractor’s piece rate often is based on the forecasted productivity. There are different methods to generate a model that can forecast the productivity in logging operations. This study has used follow-up data from harvesters and forwarders, stem notes, logging site directives and measuring reports in the analysis.

The purpose of this study was to identify and analyse a number of factors´ impact on productivity during thinning and final felling. This analysis was done by using available logging site- and follow-up data. The study’s overall aim was to establish a basis for a future contractor remuneration model which takes specific logging site conditions into account.

The results from the analysis showed that mean stem size and hauling distance was the two most influential factors for harvesters and forwarders, respectively. This result could also be found in the literature from earlier studies. From the results of the analysis, three different models that could forecast productivity were created. The models could explain the harvester’s productivity to 72 percent during final felling and to 76 percent during thinning. The forwarder´s productivity could be explained to 87 percent by a single model for both final felling and thinning. However, until further evaluations have been done, the use of the prediction models generated from this study should be used with great caution when establishing contractors’ piece rates.

Det finns flera goda skäl till att skapa matematiska modeller som kan förutse, eller prognostisera, prestationen för skördare och skotare i drivningar. Ett av dessa skäl är att den prognostiserade prestationen ofta ligger till grund för den ackordsersättning entreprenören får för sitt utförda arbete. Olika metoder kan användas för att ta fram prognoser för prestationen. Denna studie har använt driftsuppföljningsdata från maskiner, stamnotor, traktdirektiv samt mätbesked för att analysera hur olika faktorer påverkar prestationen i drivning.

Syftet med studien var att, utifrån tillgängliga driftsuppföljnings- och traktdata, identifiera och analysera ett antal prestationspåverkande faktorer i slutavverkning och gallring. Förhoppningen var att resultatet i framtiden kan ligga till grund för en bortsättningsmodell som tar hänsyn till de prestationspåverkande faktorerna på en specifik trakt.

Resultatet från analysen visade att medelstam och transportavstånd var de faktorer som hade den största påverkan på prestationen för skördarna respektive skotarna. Detta resultat fick även stöd av tidigare utförda studier inom området. Från analysen kunde tre olika prognosmodeller tas fram. Variationen i skördarnas prestation kunde förklaras till 72 procent i slutavverkning och till 76 procent i gallring med hjälp av modellerna. Skotarnas prestation i slutavverkning och gallring kunde förklaras till 87 procent utifrån en och samma modell. Användandet av de modeller som tagits fram i denna studie bör dock användas med stor försiktighet vid bortsättning innan en mer djupgående utvärdering av dessa har genomförts.