Puuhuollon digitalisaatio ja metsäkonetiedon mahdollisuudet

Samankaltaiset tiedostot
Puuhuollon digitalisaation kehitysnäkymiä

Digitalisaatio mullistaa metsäalaa

Puuhuolto 2030-luvulle vastuullisuus samaan pakettiin. Heikki Pajuoja Metsäteho Oy Metsäpäivät

Metsätieto, muutokset ja kehitysnäkymät

Hakkuukone metsätiedon lähteenä

Kehittyvä metsätieto puuhuollon digitalisaatiossa

Metsäkoneyritysten menestystekijät Uudistuva metsäyrittäjä hankkeen työpaja , Kouvola

Forest Big Data, uuden sukupolven metsävara7etojärjestelmät Tapio Räsänen Metsäteho Oy

Kehittyvästä metsätiedosta lisätehoa puuhuoltoon. Jarmo Hämäläinen Metsäteho Oy

Koneyrittäjien näkemys metsäkonetiedon omistusta ja käyttöä koskevat periaatteet -suosituksesta

Metsäkonetiedon omistusta, käyttöä ja käsittelyä koskevat periaatteet Suosituksen tarkoitus ja sisältö

Metsäkoneyritys metsäyhtiön toiveiden toteuttaja vai innovatiivinen palveluntuottaja?

Tukkiröntgendata sahapuun ohjauksessa

Metsäteho ja sen tutkimuspainotukset

Palvelualusta metsätiedon jakeluun

Tukkiröntgendata sahapuun ohjauksessa

Forest Big Data Visio tulevaisuuden metsätiedosta

Metsätiedon lähteet ja soveltaminen

Puutavaran mittauksen visio 2020

Metsätiedon lähteitä ja soveltamismahdollisuuksia

PUU LIIKKEELLE JA UUSIA TUOTTEITA METSÄSTÄ

Yritysesittely. Metsäteho Oy 2018

Metsätiedon palvelualustan konseptitestaus

Yritysesittely. Metsäteho Oy 2015

StanForD Metsäkoneiden uusi tiedonsiirtostandardi. Tapio Räsänen Juha-Antti Sorsa

Digitaalisten palveluiden mahdollisuudet metsätaloudessa Case Metsään.fi-palvelu, Päättäjien metsäakatemia, Peurunka,

Algoritmi I kuvioiden ja niille johtavien ajourien erottelu. Metsätehon tuloskalvosarja 7a/2018 LIITE 1 Timo Melkas Kirsi Riekki Metsäteho Oy

Tulevaisuuden ratkaisu datan yhdistämiseen ja jakeluun. Forest Big Data Tulosseminaari, Miika Rajala, Risto Ritala TTY

Resurssitehokkuus. Puutuoteteollisuuden tutkimuspäivä. Heikki Pajuoja Metsäteho Oy

Älykäs kuljettajaopastus lisää tuottavuutta metsäkuljetukseen

Forest Big Data perusteita seuraavan sukupolven metsävaratietojärjestelmälle

Viimeistely Ajourien huomiointi puutiedoissa ja lopullinen kuviointi. Metsätehon tuloskalvosarja 5/2018 LIITE 4 Timo Melkas Kirsi Riekki Metsäteho Oy

Metsätieto ja sähköiset palvelut

Puutavaralogistiikan T&K-tarpeet

Tehokas puuhuolto 2025

Laserkeilaus ja metsäsovellukset Juho Heikkilä, metsätiedon johtava asiantuntija

Algoritmi III Vierekkäisten kuvioiden käsittely. Metsätehon tuloskalvosarja 7a/2018 LIITE 3 Timo Melkas Kirsi Riekki Metsäteho Oy

Kehittynyt katkonnan ohjaus ja ennakkosuunnittelutiedon tarkkuus Metsätehon tuloskalvosarja 6/2015

Metsäkoneiden sensoritekniikka kehittyy. Heikki Hyyti, Aalto-yliopisto

Hakkuukonemittaus puustotietojen tuotannossa aineiston esikäsittely ja kuviorajan muodostaminen

Älykkään vesihuollon järjestelmät

Yhteiset hankkeet puunhankintaa tukemassa PUUMI 2017 seminaari. Hannu Pirinen, Metsä Group

Metsävaratietojen ajantasaistusseminaari. Seminaarin järjestäjät: Metsätalouden kehittämiskeskus Tapio

Diverty: Digitalisoituvat verkottuvat työprosessit - integroitujen järjestelmien vaikutuksista työhön ja toimintamalleihin

Olosuhdetieto. Metsäntutkimuksen ja päätöksenteon apuna. Metsäteho Timo Tokola. UEF // University of Eastern Finland

Ajatuksia toiminnan suunnista vuodesta 2009 eteenpäin

Automaattinen toimenpidekuvion rajojen muodostus hakkuukoneen sijaintitietoon perustuen

Suomen metsäkeskus. SMK:n ja VMI:n inventointien yhteistyömahdollisuuksia. Taksaattoriklubin kevätseminaari Helsinki, 20.3.

Satelliittipaikannuksen tarkkuus hakkuukoneessa. Timo Melkas Mika Salmi Jarmo Hämäläinen

Puunkorjuu ja toimitukset automatisoituvat. Lapin Metsätalouspäivät Tuomo Moilanen Ponsse Oyj

Metsävaratiedon hyödyntäminen puuhuollossa

Hakkuukonetiedon käyttö metsävaratiedon ajantasaistuksessa

Hakkuualueen rajan muodostus hakkuukoneen sijaintitietoon perustuen

Trimble Forestry. Juha Käppi, ,

Kohti puuhuollon digitalisaatiota

Puukarttajärjestelmä hakkuun tehostamisessa. Timo Melkas Mikko Miettinen Jarmo Hämäläinen Kalle Einola

Metsätaloustoimenpiteiden seuranta Metsähallituksessa. Lauri Karvonen

Suomen kilpailukyky metsäalalla onko sitä?

YTPA Yksityistietiedon palvelualusta

Puunhankinnan haasteet turv la Päättäjien 30. Metsäakatemian maastovierailu , Oulu

Metsäkonetiedon omistusta, käyttöä ja käsittelyä koskevat periaatteet -suositus

Puuhuollon kausivaihtelu ja normit. Heikki Pajuoja Metsäteho Oy

Metsähallitus Ainutlaatuinen toimija

Puuta koskettamaton hakkuukonemittaus. Arto Visala, Matti Öhman, Mikko Miettinen Aalto-Yliopisto (TKK), Automaatio- ja systeemitekniikan laitos

Kohti tehokkaampaa puuhuoltoa

Kohti tehokkaampaa puuhuoltoa - Puutavaralogistiikka ohjelma

Big datalla tarkoitetaan aineistoa, jota kertyy

Metsävaratietojen ja digitalisaation hyödyntäminen biotalouden kasvussa Etelä-Savossa -hanke. Helsinki Sanna Hakolahti Mhy Etelä-Savo

Metsätietojen standardointi

Metsävaratietojärjestelmän ja metsäsuunnittelun tutkimus- ja kehittämisohjelma (MSU, )

Metsätieto Kehittämissuunnitelma

Wood- ja LogForcen tuomat muutokset urakoinnin toimintaympäristöön

Energiapuukorjuukohteiden tarkastustulokset ja Hyvän metsänhoidon suositusten näkökulma. Mikko Korhonen Pohjois-Karjalan metsäkeskus

Monilähdetietoa hyödyntävien karttaopasteiden tarve puunkorjuussa haastattelututkimus hakkuukoneenkuljettajille

RUNKOPANKIN KÄYTTÖSOVELLUKSET

Toiveena tasainen puuhuolto Heikki Pajuoja Metsäteho Oy

TRESTIMA. Digitaalisten tekniikoiden mahdollisuudet metsätaloudessa , Seinäjoki. Simo Kivimäki

Digitalisaation hyödyntäminen yhteismetsissä Oulun yhteismetsäpäivät

Metsänhoidon suositusten digitaalinen transformaatiokirjasta sähköiseen palveluun. Kati Kontinen, Tapio Oy

Poimintahakkuiden puunkorjuu Matti Sirén

Metsäpalveluyrittäjän tietojärjestelmä

Korjuujäljen seuranta energiapuun korjuun laadun mittarina. Mikko Korhonen Suomen metsäkeskus

Tehokas puuhuolto Työryhmä Pekka T. Rajala (pj.) Heikki Kääriäinen Olli Laitinen Timo Niemelä Heikki Pajuoja Jouni Väkevä Jarmo Hämäläinen

Suomen metsäkeskuksen metsävaratieto ja sen hyödyntäminen

Kaukokartoitusaineistojen hyödyntäminen toiminnanohjausjärjestelmässä

WoodForce metsänhoidossa ja -parannuksessa

Metsäalan työvoimatarve Savotta Metsätehon tuloskalvosarja 15/2016 Markus Strandström Asko Poikela Metsäteho Oy

Metsätiedon liiketoimintamallit - selvityksen anti, miten tästä eteenpäin. Tuomo Vuorenpää

Älykäs Metsä. Ilkka Hämälä Toimitusjohtaja, Metsä Fibre Oy. Siemens DigiDay

Ensiharvennusmännik. nnikön voimakas laatuharvennus

Teollinen Internet. Tatu Lund

Kuortaneen metsäsuunnitteluseminaarin. Metsävaratiedon ajantasaistus

Drone-kuvausten käyttökelpoisuudesta metsäkeskuksen toiminnassa Maaseutu 2.0 loppuseminaari

Metsätehon tuloskalvosarja 9/2017 Timo Melkas Kirsi Riekki Metsäteho Oy

METSÄN OSAAMISALA OSAAMISTARJOTIN

Metsänomistajan omatoimisen puunkorjuun kehitysnäkymiä nykytilan ja historian valossa. Metsätieteen päivä Vesa Tanttu

Kuortaneen ajantasaistushanke

Digitalisaa(on mahdollisuudet metsätaloudessa

EU:n tietosuoja-asetuksen soveltaminen metsäkonetiedon käsittelyssä viisi askelta henkilötietosuojan varmistamiseen

Mikko Pohjola Uudistuva metsäyrittäjä -hankkeen työpaja Turku

Transkriptio:

Puuhuollon digitalisaatio ja metsäkonetiedon mahdollisuudet Jarmo Hämäläinen Metsäteho Oy Metsäkonetieto 2018 -seminaari Tiedekeskus Heureka, Vantaa

Digitalisaatio mahdollistaa kehityshyppäyksen Tehokas puuhuolto 2025 -T&K-agenda (Metsäteho 2015). Puuhuollon kannalta lupaavimmalta vaikuttaa digitalisaation uusimman voimistuvan aallon, teollisen internetin, integrointi puuhuoltoon. Teollinen internet voisi puuhuollossa tarkoittaa dynaamista toiminnan ohjausta ja päätöksentekoa tukevaa järjestelmien kokonaisuutta, jossa hyödynnetään laajasti tietovarastoja, automaattista tiedon keruuta ja kehittyneitä sovelluksia. Sen osia ovat muun muassa ajantasainen metsävaratieto, julkiset tietoaineistot, metsäoperaatioiden, tuotannon ja asiakkuuksien hallinnan yhteydessä tuotettavat tietovarastot sekä erilaiset mallit ja älykkäät päätöstukijärjestelmät. Keskeistä on automaattinen ja kattava tiedonkeruu muun muassa metsäkoneiden, puutavaraautojen ja tuotantolaitteiden avulla sekä kehittynyt ja automatisoitu datojen analysointi ja havainnolliset päätöstukijärjestelmät ihmisen tukena. 2

Puuhuollon digitalisaatio hyvässä vauhdissa Toimijoiden yhteinen tavoitetila Forest Big Data & Metsätieto 2020 (MMM) Inventointimenetelmiä kehitetty paremmat puusto-, maasto- ja tiestötiedot Puunhankinnan ja metsänhoidon toteutustietojen keruumenetelmät Metsätiedon hallinta- ja välitysratkaisut sekä tietostandardit Uudet sovellukset esim. Kuutio, LogForce, WoodForce, ValueForce, Forest Hub, Fleet Managementjärjestelmät, Korjuukelpoisuuskartta, Ajourakone, Dynaaminen metsäsuunnittelu, Tiedon käytettävyyden edistäminen Metsätietolaki ja metsäkonetiedon pelisäännöt DIGILE:n Data to Intelligence ohjelmaan kuuluneella Forest Big Data -hankkeella ja Maa- ja metsätalousministeriön Metsätieto ja sähköiset palvelut kärkihankkeella on ollut merkittävä rooli aihepiirin kehittämisessä. => Painopiste siirtymässä seuraavan sukupolven metsätietoekosysteemin rakentamiseen 3

Metsäkonetieto avaa paljon mahdollisuuksia Sisäkehällä nykyiset käyttötapaukset, ulompana kokeilu- ja ideointivaiheessa olevat uudet mahdollisuudet Puukartat Runkojen sisälaadun mittaus Olosuhdedatan tuottaminen Puunkorjuun tuottavuuden seuranta kone- ja kuljettajakohtainen Pölkynpääkuvadata Mittauksen ja korjuun laatuseuranta -palvelu Korjuukelpoisuus -luokituksen palaute Korjuulaadun automaattinen omavalvonta Puuta koskettamaton mittaus Puuston laatutietovarastot ja laatumallit Puutavaran tuotanto ja puunhankinnan ohjaus katkonnan ohjaus varastokirjanpito kuljetusten ohjaus Puutavaran mittaus puukaupallinen mittaus mittauksen valvonta Koneiden huollot ja kunnonvalvonta Metsävaratiedon ajantasaistus Dynaaminen katkonnan ohjaus (runkopankit) Kuljettajien koulutus ja opastus (simulaattorit) Puustotulkinnan apuaineisto Kuljettajaa opastava koneautomaatio automaattikatkonta hakkuupään ohjaus robottiohjaus ym. Kuljettajaa opastavat sovellukset metsäkuljetuksen optimointi Ajourakone Koneiden etävalvonta Koneyrityksen johtaminen ja toiminnanohjaus Lähde: Metsäkonetiedon omistusta, käyttöä ja käsittelyä koskevat periaatteet suositus. Metsäteho (toim. ) 2017. 4

Esimerkkejä metsäkonetiedon uusista käyttömahdollisuuksista 5

Hakkuukonedatan kokoaminen tietovarastoon -pilottihanke Käyttösovellukset Palvelualusta Puunhankinnan suunnittelu ja katkonnan ohjaus Metsävaratietojen päivitys Käyttö kaukokartoituksen apuaineistoina Puun laatutunnusten mallinnus Tietovaraston ylläpitäjä Keskitetty tai hajautettu hakkuukonetietovarasto datan tarkastus ja esiprosessointi runkoprofiilien ja tilavuuksien laskenta puun laatu katkontatiedoista hakkuukuvioiden rajojen muodostus Metsäyhtiöt Kohteiden valinta ja leimikkotietojen liittäminen Tietosuojan kannalta sensitiivisen tiedon poistaminen tai muuttaminen Metsäyhtiön A metsäjärjestelmä Metsäyhtiön B metsäjärjestelmä Metsäyhtiön C metsäjärjestelmä IT -toimittaja WoodForce (yrittäjien työnohjauspalvelu) Konevalmistajien palvelut yrittäjille Korjuuyrittäjät stm hpr stm hpr Runkokohtaiset mittaustiedot rungon läpimitat ja pituus katkontatiedot (pölkyt) laatua kuvaava tieto kaadettujen puiden koordinaatit Kuva: Tapio Räsänen, Metsäteho. 6

Hakkuukuvioiden automaattinen muodostus metsävaratietojen ajantasaistusta varten Lähtötiedot: Hakkuukoneen tuotantotiedot (.stm/.hpr) ml. puiden sijainti Hakkuutapa (toiminnanohjausjärjestelmästä) Tulos: hakkuukuvion rajat + kuvioille johtavat ajourat hakkuutapa hakkuun ajankohta (aloituspvm) Lähde: Timo Melkas & Kirsi Riekki, Metsäteho 2017 7

tulokset lupaavia paikannustarkkuuden parantaminen tarpeen 8

Lähde: Ala-Ilomäki ym., Metsätieto ja sähköiset palvelut -seminaari 22.1.2018 9

Kohti automaattista korjuujäljen mittausta tekniikoita ja menetelmiä tutkitaan Harvennusvoimakkuus - Laser Ajouratiheys/-pituus - Satelliittipaikannus/hakkuukone Kuva: Metsäteho Urapainumat - Kamera tai laser Kuva: Lari Melander, TTY Puunkorjuun laadunhallinta Huom! ympäristönäkökohdat Kuva: Metsäteho Puustovauriot -kamera Kuva: Jyry Eronen, UEF 10

Esimerkki koneellisesta metsänhoidosta Risutec Asta istutustiheyden seurantaan ja raportointiin Metsänhoidon koneellistuessa edellytykset automaattiseen tiedonkeruuseen paranevat. Myös manuaalitöihin kehitetty tiedonkeruumenetelmiä. 11

Metsätiedon palvelualusta tehostamaan tiedon hyödyntämistä konseptitestaus käynnissä Sovelluksessa - Datakysely standardiformaatilla - Hakualueen, tietolähteiden ja muuttujien määrittely - Haetun datan analysointi Palvelualustassa - Datojen haku - Esiprosessointi - Yhdistäminen - Palautus sovellukseen Julkiset ja yksityiset tietolähteet Metsänhoitotyöt Metsävarat Rajoitteet (kaavat ym.) Hakkuut Maaperäolosuhteet Palvelualusta kiihdyttää sovelluskehitystä ja uusien tietolähteiden käyttöönottoa. 12

Metsäkonetiedon tehokäyttö hyödyttää koko alaa Koneyritykset Töiden tuottavuus ja kustannustehokkuus Ympäristö- ja energiatehokkuus Koneyrittämisen kannattavuus Puuntuotannon kannattavuus Metsätalouden hyväksyttävyys Puun jalostusarvo Uudet tuotteet ja palvelut 13

Mitä tarvitaan? Teknologian kehitystä ja käyttöön ottoa Pelisääntöjä ja sopimuksia Ansaintamalleja Sovelluksia, sovelluksia, sovelluksia! 14

Kiitokset! 15