Epsilon Archive for Student Projects

Abstract

Skogsbranschen har möjlighet att fortsätta den teknologiska utvecklingen för att höja produktiviteten i skogen, men det krävs innovation, utveckling och investering. I de nordiska länderna bedrivs skogsbruk med kortvirkesmetoden, där en skördare och en skotare används. Kortvirkesmetoden har många arbetsmoment som skulle kunna autonomiseras, vilket skulle innebära ekologiska-, ekonomiska och sociala fördelar. Ett tidskrävande arbetsmoment för skotaren är kranarbetet, som består av att förflytta kranen, gripa stockar och lasta dessa i skotarens lastutrymme. Dessa arbetsmoment kräver hög noggrannhet och precision för att genomföras lyckosamt. I den här studien används en terrängfordonsplattform som har utvecklats för att autonomisera en skotares arbete.
Syftet med studien var att undersöka precision och noggrannhet i terrängfordonsplattformens kranspetspositionering. Positioneringen utfördes på olika avstånd och vinklar från terrängfordonsplattformen samt med och utan last i gripen. Variansanalyser i programvaran Minitab gjordes för att fastställa om det fanns skillnader i kranspetspositioneringen beroende de testade behandlingarna.
Kranspetsen positionerade sig 31 till 44 centimeter ifrån målpositionen, vilket var kranspetspositioneringens noggrannhet. Kranspetsen kunde genomföra återkommande positioneringar inom 2 centimeter till 3 centimeter från tidigare positioneringar, vilket var kranspetspositioneringens precision. Resultatet från variansanalysen visade signifikanta huvudeffekter av avstånd, vinkel och last. Det innebär att terrängfordonsplattformens kranspetspositioneringens noggrannhet och precision påverkades av olika avstånd och vinklar samt om gripen är lastad eller inte. Noggrannheten försämrades på längre avstånd och om gripen var lastad. De tio första och sista kranspetspositioneringarna utfördes med samma målposition för att utvärdera terrängfordonsplattformens maskininlärning för förbättrad kranspetspositionering. Det konstaterades det att under datainsamlingens gång hade terrängfordonsplattformen förbättrat kranspetspositioneringen med 1 cm.
Studien visar att terrängfordonsplattformen kan autonomt placera kranspetsen vid en målposition med bra precision men med mindre bra noggrannhet. Detta är framsteg för den teknologiska utvecklingen inom skogsbruket och utveckling inom autonomisering.

The forest industry has the opportunity to continue the technological development to increase productivity in the forest, but innovation, development and investment are required. In the Nordic countries, forestry is conducted using the cut-to-length method, where a harvester and a forwarder are used. The cut-to-length method has many work elements that could be autotomized, which would mean ecological, economic and social benefits. A time-consuming work element for the forwarder is the crane work, which consists of moving the crane, gripping logs and loading them into the forwarder's load space. These steps require high accuracy and precision to be completed successfully. This study uses an off-road vehicle platform that has been developed to autotomize a forwarder's work.
The purpose of this study was to investigate the precision and accuracy of the off-road vehicle platform’s crane tip positioning. The crane tip positioning was performed at different distances and angles from the off-road vehicle platform and with and without load in the grapple. Analysis of variance in the Minitab software was done to determine if there was a difference in the crane tip positioning depending on the tested treatments.
The crane tip was positioned 31 to 44 centimeter from the target position, which was the accuracy of the crane tip positioning. The crane tip could perform recurring positioning’s within 2 to 3 centimeter from previous positioning’s, which was the precision of the crane tip positioning. The results from the analysis of variance showed significant main effects of distance, angle and load. This means that the off-road vehicle platform's crane tip positioning accuracy and precision are affected by different distances and angles and whether the grapple is loaded or not. Accuracy deteriorated over longer distances and with load. The first ten and the last crane tip positioning’s were performed with the same target position to evaluate the off-road vehicle platform’s machine learning for improved crane tip positioning. It was found that during the data collection, the off-road vehicle platform had improved the crane tip positioning by 1 cm.
The study shows that the off-road vehicle platform can autonomously place the tip of the crane at a target position with a good precision but with less good accuracy. This