Produksjonsplanlegging for sagbruk
Hvis handel setter takhøyden, avgjør planleggingen hvor mye av den du faktisk utnytter. Etter vår oppfatning er planlegging en spak med stor virkning og ofte en underbygd en, fordi den gjerne lever i regneark og i hodet til én teknolog. Denne artikkelen forklarer hvorfor planlegging på kort horisont begrenser planleggeren, hva som endres når du planlegger på et vindu, og hvordan god sagbruksoptimalisering ser ut i praksis — bygget rundt planlegging av skjærepartier og en eksplisitt utbyttemodell i stedet for tommelfingerregler. Tallene er merket etter opphav: sitert fra en kilde, SawmillSmarts eget anslag eller illustrativt.
Hvorfor planlegging er den høyeste innflytelsen
Handel setter menyen planleggeren må jobbe med. Sortering avgjør om planleggerens beslutninger er fysisk gjennomførbare. Skjæring, tørking og tørrsortering gjennomfører planen eller ødelegger den. Planlegging sitter midt i kjeden, og etter vår oppfatning er den trinnet med størst virkning for å forbedre trelastutbyttet, fordi det er det eneste trinnet som velger. Alle andre trinn forbereder enten inngangen til det valget eller gjennomfører konsekvensene av det. «Størst virkning» er vårt skjønn, ikke en målt rangering av trinnene. Forskningslitteraturen beskriver produksjonsplanlegging i sagbruk som en nøkkelfaktor for den argentinske sagbruksnæringen (Vanzetti et al., 2018) og som utfordrende, blant annet på grunn av råvarens heterogenitet (Chabanet et al., 2022).
Mange sagbruk investerer for lite i planlegging av en bestemt grunn: planlegging ser ikke ut som arbeid. Selgeren sitter på telefonen. Sagen er høylytt og synlig. Tørkeovnen har temperaturavlesninger og tydelige syklustider. Teknologen sitter ved et skrivebord med et regneark og bestemmer hvilket skjæremønster som skal gå på linjen i morgen. Utenfra ser det ut som papirarbeid. I virkeligheten avgjør dette valget hvilke brett linjen kommer til å produsere og hva de kan selges for.
Hovedpoenget i denne artikkelen er enkelt: å planlegge ett skift om gangen, med den ordreboken som tilfeldigvis er åpen, mot tommelfingerregler teknologen har bygget opp gjennom år, kan la utbytte og ordredekning gå tapt. Hvor mye avhenger av sagbruket, og vi hevder ikke noe universelt tall. Løsningen vi foreslår er strukturell, ikke personlig. Bytt ut horisonten på ett skift om gangen med et planleggingsvindu. Bytt ut den lukkede ordreboken med en ordrepool på omtrent 1,5× produksjonsvolumet (SawmillSmarts tommelfingerregel, forklart nedenfor). Bytt ut tommelfingerregler med en utbyttemodell som tallfester avveiningene.
Resten av artikkelen går gjennom hver del av denne løsningen.
Skiftfellen – hvorfor fabrikker ikke bruker korthorisontplanlegging
Før vi kommer til hva horisontplanlegging er, er det verdt å forstå hvorfor mange sagbruk ikke gjør det. Det korte svaret: planlegging skift for skift føles tryggere, og den passer til hvordan resten av sagbruket er organisert. Etter vår oppfatning lar den vanligvis verdi ligge igjen. De tre kreftene og fire kostnadene nedenfor er SawmillSmarts observasjoner fra prosjektarbeid, ikke resultater fra spørreundersøkelser.
Hvorfor skiftplanlegging er så vanlig
Tre krefter drar sagbrukene mot den korte horisonten:
Informasjonen teknologen har mandag morgen føles konkret. Dagens sorterte stokkbuffer er det som ligger foran teknologen. Dagens åpne ordrer ligger i ordreboken. Dagens saglinje er satt opp slik den var på fredag. I morgen er mer usikker — en kunde kan utsette, en sag kan trenge en pause for innjustering, en tømmerleveranse kan bli forsinket. Så teknologen planlegger dagen han kan se, og stoler på at han finner ut av neste dag når den kommer.
En reaktiv kultur belønner det. Når en kunde ringer fredag ettermiddag med en hasteordre, er svaret alle respekterer «vi finner en måte å få det inn på». Det svaret er bare mulig hvis planen er kort. En toukersplan som sier «vi kan få deg inn i uke 3» føles mindre hjelpsom enn «vi finner ut av det i morgen», selv når toukersplanen ville gitt bedre økonomi for begge parter.
Verktøyene håndhever det. Regneark er utmerket for planen for én enkelt dag og elendig for en rullerende toukersplan. ERP-systemer registrerer vanligvis hva som skjedde, i stedet for å foreslå hva som bør skje videre. Uten dedikert planleggingsprogramvare er friksjonen ved å planlegge en lengre horisont så høy at ingen gjør det.
De skjulte kostnadene ved skiftplanlegging
Den synlige kostnaden ved skiftplanlegging er null — sagbruket går videre. Den skjulte kostnaden er utbytte og ordredekning som blir liggende igjen på gulvet, og den kan vise seg på fire måter:
- Tvungne tilpasninger. Med ett skift med ordrer og ett skift med sorterte stokker har planleggeren bare noen få skjæremønstre å velge mellom. Det valgte mønsteret er det minst dårlige alternativet i en liten mengde. Utbyttet blir det dette minst dårlige alternativet gir.
- Ordrer som skyves fram og tilbake. Ordrer planleggeren ikke fikk plass til i dag, havner i morgen uten kontekst. Morgendagens planlegger — noen ganger samme person, noen ganger teknologen fra et annet skift — starter fra scratch.
- Mangelfull samkjøring med tørkeovnen. Tørking er et viktig prosesstrinn i sagbruk med høyt produksjonsvolum (Huka et al., 2020), og etter SawmillSmarts observasjon går tørkeflyten over dager, ikke timer. En planlegger som jobber med dagens saglinje, ser ikke de ovnssatsene som må fylles neste uke. Halvfulle satser kan bli rutine.
- Avveininger i kundeservice. Uten en horisont er hver kundeforespørsel binær: ja i dag, eller nei inntil videre. Sagbruk med en horisont kan trygt tilby «vi leverer i uke 3» — og noen kunder foretrekker kanskje det framfor en forhastet forpliktelse.
Horisontprinsippet - hva endres når du planlegger et vindu
Horisontplanlegging er akkurat det det høres ut som: i stedet for å optimalisere ett skift om gangen optimaliserer planleggeren et vindu — for eksempel én til to uker med produksjon — som ett enkelt problem. Hvert skift i vinduet blir fortsatt planlagt; forskjellen er at planen for hvert skift velges med kunnskap om planen for alle andre skift, hele det sorterte stokklageret på tvers av diametre, hele ordrepoolen og tørkeflyten videre nedstrøms. Dette er grunnlaget for effektiv planlegging av skjærepartier: ikke «hva kjører videre?», men «hva kjører gjennom vinduet, og i hvilken rekkefølge?»
Toyota-parallellen — hvorfor denne ideen ikke er ny
Horisontprinsippet er ikke en oppfinnelse fra sagbruksbransjen. En kjent versjon av tankegangen bak er Toyota Production System (TPS), utviklet hos Toyota under Taiichi Ohno; Sugimori et al. (1977) beskriver at det hadde slått rot hos Toyota i løpet av de foregående 20 årene. TPS tok tak i et problem som virker kjent for et sagbruk: å lage bare de nødvendige produktene, til det nødvendige tidspunktet og i den nødvendige mengden, mens lagerbeholdningen holdes på et minimum (Sugimori et al.; Toyota Motor Corporation) — selv om utstyret og råvaren er annerledes.
Tre TPS-ideer gir nyttige analogier for sagbruksoptimalisering (koblingen er vår tolkning):
- Heijunka — utjevnet produksjon. Toyotas praksis med utjevnet produksjon er beskrevet i Monden (1994). I sagbrukstermer er den nærmeste motsvarigheten planleggingshorisonten: behandle vinduet som ett enkelt problem. Analogien er vår; et sagbruk jevner ut noe annet.
- Just-in-Time: bare det som trengs, når det trengs, i den mengden som trengs. Toyota beskriver Just-in-Time slik (Toyota Motor Corporation), og Sugimori et al. legger til at lagerbeholdningen holdes på et minimum. Ordrepoolen reiser en beslektet avveining for sagbruk: er ordrepoolen for liten, har planleggeren ikke noe valg; er den for stor, vokser arbeidskapitalen. Å kalle ordrepoolen på 1,5× en «JIT-buffer» er vår analogi, ikke en Toyota-praksis.
- Andon — gjør problemer synlige umiddelbart. Hos Toyota lyser andon-tavlen når utstyr stopper eller når en arbeider trekker i stoppsnoren, slik at den ansvarlige kan reagere (Toyota Motor Corporation). Et sagbruk som gjennomgår plan mot faktisk resultat først ved månedsskiftet, hører om et avvik lenge etter at det skjedde. Å sammenligne planlagt og faktisk utbytte samme dag, mens årsaken fortsatt kan undersøkes, er andon-ideen anvendt på forbedring av trelastutbyttet.
Analogien er ikke perfekt — Toyota monterer standardiserte deler til standardiserte produkter, mens et sagbruk mottar variabel råvare (tømmerstokker) og lager flere produkter samtidig av den samme stokken: en divergerende prosess med samproduksjon (Dumetz et al., 2016), der råvarens heterogenitet og divergerende produktstrømmer gjør driften vanskelig å styre (Dumetz et al., 2015). De underliggende ideene — en bredere planleggingshorisont, en passe stor buffer, rask tilbakemelding — er det vi låner. Denne artikkelen hevder ikke at sagbruk kan oppnå en forbedring i Toyotas størrelsesorden.
De neste fire avsnittene går gjennom fire mekanismer der en lengre horisont kan hjelpe i et sagbruk. De er SawmillSmarts beskrivelse, og eksemplene bruker illustrative tall.
Mekanisme 1 — Frihet i mønstervalg
Med ett skift med lager og ett skift med ordrer har planleggeren kanskje bare noen få brukbare skjæremønstre å velge mellom. Med en horisont på én til to uker multipliseres kandidatene over alle tilgjengelige diametre og alle åpne ordrer, og planleggeren kan velge de få som skal kjøres i løpet av vinduet. Tallene i diagrammet (2 mot 12–15) er illustrative.
Det beste alternativet i en større mengde er aldri dårligere enn det beste alternativet i en delmengde av den; hvor mye bedre det er, avhenger av sagbruket, stokkene og ordrene. En planlegger som jobber med en liten mengde, får det minst dårlige alternativet. En planlegger som jobber med en stor mengde, kan få et virkelig godt. Publiserte planleggingsmodeller for sagbruk gjør det samme: de velger settet av skjæremønstre for hver planleggingsdag samlet, mot den påkrevde etterspørselen (Vanzetti et al., 2018).
Mekanisme 2 — Timing av lager
Det sorterte stokklageret endrer seg dag for dag. En diameter som er godt fylt mandag, kan være tom onsdag og fylt opp igjen innen fredag. En planlegger som jobber med dagens skift, tar det som ligger foran ham og skjærer. En planlegger som jobber med en horisont, kan vente — legge et bestemt sett med ordrer til torsdagens skift fordi 200 mm-lageret da vil være fullt, mens mandagens skift kjører på 180 mm.
Besparelsen her er ikke utbytte per snitt; det er opsjonsverdi. Horisonten lar planleggeren bruke opp stokklageret i det øyeblikket det passer best til ordrene, i stedet for i det øyeblikket det er tilgjengelig.
Mekanisme 3 — Kontinuitet på tvers av skift
Skiftplanlegging behandler hvert skift som uavhengig. En ordre som var 60 % ferdig ved slutten av mandagen, havner på tirsdag uten kontinuitet. Tirsdagens planlegger — kanskje teknologen på neste skift — starter valget av skjæremønster på nytt og velger ofte annerledes. De resterende 40 % av mandagens ordre kan kreve flere oppsett og flere omstillinger enn nødvendig (illustrative prosenter).
Horisontplanlegging viderefører kontinuitet på tvers av skift. Det samme skjæremønsteret kjører fra mandag ettermiddag og inn i tirsdag morgen for å fullføre den åpne ordren; omstillingen skjer én gang, ved slutten av ordren og ikke ved slutten av hvert skift.
Mekanisme 4 — Samkjøring med tørkeflyten
Tørking i ovn går på sin egen syklus, og brett som er skåret mandag, er ikke ferdig tørket mandag. Lasting og planlegging av tørkeovner er et planleggingsproblem i seg selv (Huka et al., 2020), og en nyere flerperiodisk planleggingsstudie fremstiller tørking som en hyppig flaskehals for leveringstider og for evnen til å dekke kundenes etterspørsel (Kökten og Bayraktar, 2026). En planlegger som jobber med dagens skift, kan ikke se hvilke ovnssatser som er klare til å fylles neste tirsdag, så satser kan ende opp med å bli satt sammen reaktivt av de brettene som tilfeldigvis kommer av linjen.
Horisontplanlegging samkjører skjæring og tørking. En planlegger som ser at neste tirsdags ovnssats trenger brett på 22 mm, kan planlegge denne mandagens skjæremønster slik at det gir brett på 22 mm i riktig volum — og dermed gjøre tørkeovnen fra en passiv forbruker til en aktiv partner i planen. Hvor mye kapasitet dette frigjør, avhenger av sagbruket; vi har ikke noe uavhengig tall for det.
1,5× bestillingspool — størrelse på inngangen
Horisontplanlegging fungerer bare hvis det finnes noe å velge mellom. En horisont på 2 uker over en ordrebok som er nøyaktig lik 2 uker med produksjonsvolum, gir fortsatt tvungne tilpasninger — hver ordre må et sted hen, og optimaliseringsproblemet har ingen slingringsmonn. For å utnytte verdien av horisonten må ordrepoolen være større enn produksjonsvolumet i vinduet. Med ordrepool mener vi åpne, bekreftede ordrer, målt i m³ saget trelast og sammenlignet med trelasten linjen vil produsere i samme vindu.
SawmillSmarts arbeidsregel er omtrent 1,5× produksjonsvolumet i planleggingsvinduet. Dette er en tommelfingerregel fra prosjektarbeidet vårt, ikke en verdi utledet fra en publisert studie; vi fant ingen uavhengig kilde for et optimalt poolforhold, og riktig tall vil variere fra sagbruk til sagbruk. Som illustrerende beregning: for et toukersvindu med en produksjon på 4 000 m³ trelast betyr en pool på 1,5× at 4 000 × 1,5 = 6 000 m³ med åpne, bekreftede ordrer kan leveres fra denne produksjonen.
Hvorfor 1,5× og ikke 1,0× eller 2,0×
Båndene nedenfor er tommelfingerregler. Grensene er ikke hentet fra en studie; de beskriver hvordan avveiningen vanligvis ser ut i SawmillSmarts prosjektarbeid.
Under 1,3× — tvungne tilpasninger. Hver ordre i boken må gjennom linjen i planleggingsvinduet. Planleggeren har ingen slingringsmonn. Optimaliseringsproblemet faller tilbake til skiftfellen, bare på en lengre horisont.
1,3× til 1,5× — brukbart. Planleggeren har noe valg, særlig for spesifikasjoner med høyt volum som overlapper flere diametre. Utbytte og ordredekning kan bli bedre. I vår tommelfingerregel er dette den minste brukbare poolen.
1,5× — arbeidsmål. Mønstervalget er reelt åpent. Planleggeren kan balansere utbytte, ordredekning og tørkeflyt samtidig. Arbeidskapitalen som er bundet i lovede, men ikke skårne ordrer, er håndterbar. Kundeservice er enklere å opprettholde fordi de fleste ordrer kan fullføres innenfor sitt leveringsløfte.
1,7× til 2,0× — avtagende utbytte pluss reelle kostnader. Den marginale utbyttegevinsten fra en større pool kan flate ut — det er bare så mange mønstre som noen gang blir valgt, uansett hvor mange kandidater som finnes. Samtidig vokser arbeidskapitalen som er bundet i lovede ordrer, kunder venter lenger enn de burde, og den lange halen av små ordrer i poolen begynner å ligne mer på overbooking enn på optimalisering.
Slik vokser du poolen fra 1,0× til 1,5×
For noen sagbruk starter poolen godt under 1,0× — salg bokfører ordrer just-in-time, og ordreboken dekker på et gitt tidspunkt knapt neste ukes produksjon. Å utvide poolen til 1,5× krever bevisste kommersielle tiltak. Tre grep kan hjelpe:
- Forhåndssalg med leveringsfleksibilitet. Tilby et leveringsvindu i stedet for en fast dato, for eksempel på 2–3 uker. Noen kunder godtar kanskje vinduet i bytte mot en litt bedre pris eller prioritert tilgang.
- Verv komplementerende ordrer, ikke duplikater. Salg bør lete etter ordrer som utfyller det som allerede ligger i boken — tynne spesifikasjoner til dominerende tykke ordrer, utfyllingsordrer for underfylte ovnssatser (se Praksis 1B i artikkelen om handel).
- Bygg relasjoner til ankerkunder som er villige til å forplikte seg på et vindu. En kort liste med kunder som forplikter volum innenfor et vindu på 2 uker — ikke på en fast dato — gir planleggeren det handlingsrommet han trenger. Disse kundene kan forvente fortrinnspris eller bedre service til gjengjeld.
Avkastningsmodellen - avkastning × ordredekning, ikke avkastning alene
En større ordrepool gir planleggeren flere alternativer. Utbyttemodellen forteller planleggeren hvilket alternativ som er best. Og «best» viser seg å være noe annet enn det en modell som bare ser på utbytte, implisitt antar.
Et vanlig planleggingsinstinkt — og det en kalkulator som bare ser på utbytte, har bygget inn — er å maksimere utbytteprosenten: velg blant kandidatene av skjæremønstre for en gitt stokkdiameter det som gir flest kubikkmeter trelast per kubikkmeter stokk. Når produksjonen også må matche åpne ordrer, kan dette målet villede, og feilmåten er spesifikk.
Utbyttefellen
Hypotetisk: et skjæremønster med 53 % teoretisk utbytte som gir brett ingen nåværende kunde vil ha, kan være dårligere enn et mønster med 51 % teoretisk utbytte som dekker to åpne ordrer.
Mønsteret på 53 % gir 2 pp mer trelast per stokk. Mønsteret på 51 % gir 2 pp mindre trelast per stokk — men hvert brett har en kjøper til kontraktsprisen. De «ekstra» brettene fra mønsteret på 53 % går til lager (bundet arbeidskapital) eller til bulksalg til en lavere pris per m³. Om mønsteret på 51 % vinner, avhenger av prisgapet; det gjennomgåtte eksempelet nedenfor viser regnestykket og break-even-punktet.
Den riktige målfunksjonen er utbytte × ordredekning — kubikkmeterne trelast som dekker en åpen ordre til standardpris per kubikkmeter stokk. Med andre ord: inntekt per m³ stokk, regnet til den prisen ordren faktisk betaler, ikke til den prisen brettene ville fått på spotmarkedet.
Forskning på skjæreoptimalisering peker i samme retning. Todoroki og Rönnqvist (2002) koblet optimalisering av stokkskjæring til produksjon mot en ordrebok, med produktverdier som jevnlig ble oppdatert etter tidligere trelastproduksjon. På tre ordrebøker, testet ved simulering på beskårne Pinus radiata-stokker, trengte produktoptimalisering færre stokker for å tilfredsstille all etterspørsel enn volum- eller verdioptimalisering, fjernet underproduksjon og reduserte overproduksjon. Det er en simuleringsstudie, ikke et forsøk på et sagbruk, og den måler ikke effekten i €.
Dette endrer hver beslutning. Mønstre rangeres nå etter forventet inntektsbidrag til ordreboken i planleggingsvinduet — ikke etter abstrakt utbytte. Mønstervalget tar hensyn til det som er åpent, ikke det som er mulig i teorien. Teknologen velger fortsatt, men velger med riktig tall foran seg.
Arbeidet eksempel — mandag morgen på bruket
Sett alle tre delene — horisont, pool, utbyttemodell — sammen i ett enkelt mandag morgen-scenario for planlegging av skjærepartier. Dette er et illustrativt eksempel: alle tall er antakelser valgt for å vise strukturen i beslutningen, de er ikke målte data og er ikke hentet fra et bestemt sagbruk.
Utgangspunktet
Produksjonsmål denne uken: 2 000 m³ stokkgjennomstrømning (omtrent 1 000 m³ saget trelast ved omtrent 50 % utbytte), sagbruk med én linje for bartre.
Tilgjengelig sortert stokklager:
| Diameterklasse | Volum i bufferen | Forventet påfyll |
|---|---|---|
| 160 mm | 600 m³ | stabilt |
| 180 mm | 800 m³ | topp, trekkes ned innen torsdag |
| 200 mm | 600 m³ | påfyll ons–fre |
Åpne ordrer i boken denne mandag morgen:
| Spesifikasjon | Utestående volum | Leveringsløfte |
|---|---|---|
| 22×100 | 400 m³ | denne uken (prioritet) |
| 25×100 | 200 m³ | denne uken |
| 32×100 | 150 m³ | denne uken |
| 47×100 | 250 m³ | denne uken |
| 50×150 | 100 m³ | denne uken |
Åpne ordrer totalt denne uken: 1 100 m³ saget trelast. Forventet trelastproduksjon: omtrent 1 000 m³. Ordrepool / produksjon = 1 100 / 1 000 = 1,1×. For stramt til å optimalisere.
Pool 1,1× — hva planleggeren må gjøre
Med i praksis ingen slingringsmonn i poolen må hver ordre skjæres denne uken. Planleggeren velger skjæremønsteret med høyest utbytte for hver diameterklasse og lar ordrene falle der de faller.
For stokker på 180 mm er mønsteret med høyest utbytte som er tilgjengelig Mønster A — 52 % nettoutbytte, der 40 % av produksjonen matcher faste ordrer. Planleggeren velger A.
Resultat: brettene fra Mønster A som ikke matcher noen fast ordre — høyt utbytte, men ikke tilpasset prioritetsspesifikasjonen — hoper seg opp som lager eller selges til bulkpris. Teknologen treffer utbyttetallet, men salgsteamet sitter på telefonen hele uken og forklarer delleveransen på 22×100.
Pool 1,5× — hva som endres
Tenk deg nå at salg har brukt de siste to ukene på å verve utfyllende ordrer til poolen. Poolen vokser med 400 m³ nye ordrer — dimensjonert for å utfylle den eksisterende boken, ikke duplisere den:
- 22×125 — 150 m³ (kan leveres om 2 uker)
- 22×75 — 100 m³ (utfylling for ovnssats)
- 32×150 — 100 m³ (kan leveres om 2 uker)
- 50×100 — 50 m³ (kan leveres om 2 uker)
Total ordrepool: 1 500 m³ saget trelast. Forventet trelastproduksjon: omtrent 1 000 m³. Ordrepool / produksjon = 1 500 / 1 000 = 1,5×. Nå har planleggeren reelt valg.
For stokker på 180 mm kan et planleggingsverktøy som rangerer mønstre mot ordrepoolen (slik SawmillSmart gjør) vise tre kandidater til skjæremønster, med antatte verdier:
| Mønster | Nettoutbytte | Andel av mønsterets produksjon som går til faste ordrer (antatt) |
|---|---|---|
| A | 52% | 22×100 (40 % av produksjonen) — resten usolgt |
| B | 51% | 22×100 (60 % av produksjonen) — resten usolgt |
| C | 49% | 22×100 (60 % av produksjonen) + 22×125 (25 %) + 22×75 (15 %) — 100 % til åpne ordrer |
Med pool 1,1× valgte planleggeren A. Utbytte 52 %, men dekningen var et problem.
Med pool 1,5× velger planleggeren C. Mønsteret gir 49 % utbytte — 3 prosentpoeng under A — men hvert brett det produserer, dekker en fast ordre til kontraktspris. Det blir ingen nedfall til bulkpris. Prioritetsordren 22×100 får en større del av volumet sitt fra de samme stokkene (60 % av mønsterets produksjon i stedet for 40 %), og utfyllingsordrene 22×125 og 22×75 går framover parallelt.
Det økonomiske regnestykket
Avgjørende er at planleggeren ikke har mistet utbytteverdi. Vedkommende har byttet overskriftsutbytte mot inntekt per m³. Gå gjennom regnestykket med antatte priser — € 280/m³ som kontraktspris for faste ordrer og € 240/m³ som nedfallspris for bulkvare — på 1 000 m³ stokker:
| Mål | Mønster A (bare utbytte) | Mønster C (utbytte × dekning) |
|---|---|---|
| Nettoutbytte | 52% | 49% |
| Trelast fra 1 000 m³ stokker | 520 m³ | 490 m³ |
| Volum til faste ordrer | 208 m³ (40 %) | 490 m³ (100 %) |
| Volum til bulksalg | 312 m³ (60 %) | 0 m³ |
| Inntekt til € 280 / € 240 per m³ | €133 120 | €137 200 |
| Effektiv pris per m³ trelast | €256 | €280 |
| Inntekt per m³ innkjørt stokk | €133 | €137 |
Formler. Mønster A: trelast = 1 000 × 0,52 = 520 m³; til faste ordrer = 520 × 0,40 = 208 m³; til bulksalg = 520 − 208 = 312 m³; inntekt = 208 × € 280 + 312 × € 240 = € 58 240 + € 74 880 = € 133 120. Mønster C: trelast = 1 000 × 0,49 = 490 m³, alt til faste ordrer; inntekt = 490 × € 280 = € 137 200. Per m³ innkjørt stokk: € 133,12 mot € 137,20, en forskjell på € 4,08.
Under disse antakelsene gir Mønster C omtrent € 4 mer i inntekt per m³ innkjørt stokk enn Mønster A, selv om det — for den som bare ser på utbyttekolonnen — ser ut som det dårligere mønsteret. Med 2 000 m³ stokker per uke blir € 4,08 × 2 000 = € 8 160 per uke, eller omtrent € 408 000 per år over 50 driftsuker. Resultatet avhenger helt av det antatte prisgapet og av den antatte andelen av Mønster As produksjon som ikke finner noen fast ordre: Mønster A vinner hvis bulkprisen er over € 253/m³ (break-even: 208 × 280 + 312 × p = 137 200, så p = € 253,08). Kjør det samme regnestykket med dine egne priser før du trekker konklusjoner. I dette eksempelet er det bare planleggingslogikken som er forskjellig: samme stokker, samme linje.
Dette er argumentet for utbyttemodellen i ett eksempel. Skiftplanleggeren med pool 1,1× velger A. Horisontplanleggeren med pool 1,5× og en utbytte-ganger-dekning-modell velger C. Samme data, ulikt mål, ulikt svar.
Den anonymiserte saken – avkastning, dekning og inntekt sammen
Det gjennomgåtte eksempelet ovenfor er illustrerende. Tilfellet nedenfor er et ekte prosjekt for forbedring av trelastutbytte, anonymisert for å ivareta forretningsmessig fortrolighet.
Et mellomstort europeisk bartresagbruk — omtrent 140 000 m³ årlig tømmerinntak, blandet furu og gran, enkeltlinjeproduksjon med primærskjæring med multi-rip og en inline-splitter — gikk fra regnearkbasert skiftplanlegging til horisontplanlegging med en ordrepool på 1,5× og en utbytte-dekning-modell. Før/etter-dataene kommer fra to påfølgende kvartaler med sammenlignbar stokkblanding og ordrebokssammensetning.
Hva de tre målene forteller til sammen
De fleste planleggingssamtaler dreier seg om utbytte alene, fordi det er det enkleste tallet å følge. Tilfellet ovenfor viser hvorfor det å se på utbytte alene går glipp av den større historien.
Utbyttet økte med 5 prosentpoeng. Fra 46 % til 51 %. Dette er overskriftstallet — de samme stokkene gir mer trelast. Det er verdt omtrent € 1,4 mill./år i ekstra trelastproduksjon til gjennomsnittlig markedspris.
Ordredekningen økte med 24 prosentpoeng. Fra 64 % til 88 %. Sagbruket gikk fra å selge omtrent to tredeler av trelasten mot åpne kontrakter til å selge nesten alt. De øvrige 36 % (før) gikk til lageroppbygging eller til bulksalg med rabatt. Dette skiftet alene — samme volum trelast, men en større andel inn i faste ordrer — var verdt omtrent € 400 tusen/år i forbedret inntektsmiks.
Gjennomsnittlig inntekt per m³ trelast økte med € 18. Fra € 247 til € 265. Dette er en følge av forbedringen i ordredekning: trelast som havner på en kontrakt, betales til kontraktsprisen, mens trelast som ikke gjør det, havner i bulk til € 30–50 mindre per m³. Skiftet i inntekt per m³ samvirker med utbyttegevinsten og gir den årlige marginpåvirkningen som er overskriftstallet.
Til sammen forteller disse tre målene hele historien som utbytte alene skjuler. Sagbruket produserte mer trelast, solgte en større andel av den til priser for faste ordrer og tjente mer per solgte m³. Ingen av de tre er årsaken til de andre — de er alle følger av samme oppstrøms endring: bedre planlegging.
Hvordan SawmillSmart implementerer horisontplanlegging
Alt ovenfor er prinsippet. SawmillSmart Planning er én implementering av det. Dette avsnittet beskriver bare det SawmillSmart publiserer på produktsidene sine (produktoversikt, slik fungerer det) og gjør ingen påstander utover det.
SawmillSmart er programvare for produksjonsplanlegging for sagbruk. Den optimaliserer produksjonsplanleggingen over en flerukers horisont — vanligvis flere uker — ved å evaluere tusenvis av skjærekombinasjoner, og den holder en rullerende fireukersplan. Den trenger ikke noe nytt utstyr på linjen.
Praksis 1 — Skjæremønstre evaluert mot ordreboken din
Slik fungerer det. Planleggeren laster inn dataene sagbruket allerede har: stokksortimentet (art, diameter, lengde, antall), ordrene eller en etterspørselsplan, og saglinjens kapasiteter, skjæreparametere og skiftstruktur. Ordrer kan importeres fra Excel. SawmillSmart evaluerer deretter gjennomførbare kombinasjoner av skjæremønstre, produksjonsfordeling og rekkefølge under alle definerte begrensninger samtidig, og velger kombinasjonen som maksimerer utbyttet samtidig som etterspørselen dekkes.
Hva som er annerledes. En regnearkkalkulator for utbytte kan fortelle deg det teoretiske utbyttet for ett mønster på én stokkdiameter. Den kan ikke fortelle deg om brettene mønsteret gir, passer til en åpen ordre. SawmillSmart rangerer simulerte scenarioer etter trelastutbytte, stokkostnad og leveringsmatch, slik at spørsmålet for dette settet med stokker og dette settet med ordrer, hvilke mønstre er verdt å kjøre? besvares på ett sted.
Resultatet planleggeren ser. En rangert liste over scenarioer med full økonomisk oppstilling — behandlede m³, utbytte %, verdi per stokk og totale produksjonskostnader — som kan sammenlignes side om side. Teknologen velger fortsatt.
Praksis 2 — Utbytte synlig før snittet
Hva den gjør. Hver simuleringskjøring viser utbytte % før noe er forpliktet til linjen. For hvert skjæremønster i en simulering tegner SawmillSmart et tverrsnitt mot den faktiske stokkdiameteren — plassering av brett, soner for tillatt vankant og effektive sonegrenser — med utbytteprosent, antall brett og stokkvolum ved siden av.
Hvorfor det betyr noe. Uten et tall foran seg er hvert skjæremønster et veddemål: teknologen forplikter mønsteret, linjen kjører det, og det faktiske utbyttet dukker opp ved slutten av skiftet, for sent til å velge annerledes. Med et simulert tall kan planleggeren sammenligne mønstre før han forplikter seg. En simulering er bare så god som inngangsdataene: SawmillSmarts eget materiale sier at kvaliteten på inngangsdataene avgjør kvaliteten på planen.
Praksis 3 — En rullerende plan som oppdateres
Hva den gjør. Den rullerende planleggeren holder en plan for de neste fire ukene og oppdaterer den når ordrer endres, lageret forskyves eller linjeforholdene endrer seg. Den operative planvisningen viser framdrift i ordreoppfyllelse, vern av frosne soner for forpliktede skift, plandekning i % og varsler om ordrer i faresonen, og skiftplanen genereres fra den bekreftede planen.
Hvorfor det betyr noe. Ordrer, stokker og linjeforhold endrer seg innenfor et vindu, og en horisontplan som ikke kan revideres, slutter å være en plan. Om et bestemt sagbruk får gevinstene det håper på, avhenger av dataene, begrensningene og ordreboken, så SawmillSmarts eget tilbud er å kjøre en simulering på sagbrukets virkelige data i en demo.
Hva SawmillSmarts egne tall er
SawmillSmarts produktside oppgir en gjennomsnittlig utbytteforbedring på 2–4 % sammenlignet med planlegging skift for skift. Det er SawmillSmarts eget anslag, ikke en uavhengig studie, og metoden er ikke publisert der. Produktsiden oppgir ikke om tallet er prosent eller prosentpoeng. Tilfellet ovenfor er anonymiserte kundedata fra SawmillSmart fra ett enkelt sagbruk. For ditt sagbruk er det eneste meningsfulle tallet et som er regnet ut på dine egne data.
Hva planlegging IKKE er - tre anti-mønstre
Samtaler om sagbruksplanlegging blander ofte sammen tre ulike funksjoner. Hver av dem ligger ved siden av planlegging i arbeidsflyten, og hver av dem blir av og til kalt planlegging av folk som bruker ordet løst. Ingen av dem er det denne artikkelen handler om, og å blande dem sammen kan være én grunn til at sagbruk investerer for lite i faktisk planlegging.
Antimønster 1 — Planlegging er ikke tidsplanlegging
Tidsplanlegging svarer på spørsmålet «hva kjører når?» — mandag morgen, tirsdag ettermiddag, fredag natt. Tidsplanlegging er en kalenderøvelse. Den bryr seg om ressurstilgang, skiftdekning og vedlikeholdsvinduer.
Planlegging svarer på et annet spørsmål: «hva skal vi skjære, av hvilke stokker, mot hvilke ordrer?» — en øvelse i utbytte og dekning. Planleggingens resultat mater tidsplanleggingen, men tidsplanleggingen optimaliserer ingenting selv. Et sagbruk med perfekt tidsplanlegging som kjører suboptimale skjæremønstre, gir suboptimalt utbytte med utmerket timing.
Etter vår oppfatning løser ikke et bedre verktøy for tidsplanlegging i seg selv planleggingsgapet.
Antimønster 2 — Planlegging er ikke køstyring
Køstyring er rekkefølgen åpne ordrer skjæres i. Først inn, først ut. Størst først. Etter leveringsdato. Etter kundeprioritet. Dette er køregler, og de fleste sagbruk har dem — uttalte eller underforståtte.
Køreglene kommer etter planleggingen. Planleggeren bestemmer hvilke skjæremønstre som kjøres; køstyring betyr først noe når den beslutningen er tatt, for å fordele produksjonen på bestemte ordrer. Et utmerket køsystem brukt på en dårlig beslutning om skjæremønster gir ordnet levering av skjæring med lavt utbytte.
Antimønster 3 — Planlegging er ikke ordreregistrering
Ordreregistrering er arbeidsflyten for å få en kundeordre inn i systemet: spesifikasjon, volum, levering, pris. Det er en kommersiell funksjon (se handel i sagbruk).
Ordreboken er inngangen til planleggingen, ikke selve planleggingen. En ryddig ordrebok er en forutsetning for god planlegging; den erstatter den ikke. Bedre ordreregistrering gjør inngangen renere; den endrer ikke optimaliseringstrinnet som bruker den.
Hva du skal gjøre denne uken - sjekkliste
Fem diagnostiske tiltak som avdekker hvor planleggingsgapet kan ligge på ditt sagbruk og hva du kan gjøre med det. Grensene er SawmillSmarts tommelfingerregler for triage, ikke validerte referanseverdier.
Sagbruksplanlegging — sjekkliste for uke 1
- Regn ut ordrepoolforholdet ditt. Totalt volum av åpne ordrer ÷ produksjonsvolum i planleggingsvinduet, begge i m³ saget trelast. Under omtrent 1,3× er det lite rom for valg, uansett verktøy. Over omtrent 1,7× kan poolen være for stor og kundeservicen i fare.
- Gå gjennom én uke med planlagt mot faktisk utbytte. Hent det planlagte utbyttet for hvert skift den siste uken og sammenlign med det faktiske. Et avvik på mer enn omtrent 2 prosentpoeng tyder på at planen ikke er forankret i en reell utbyttemodell.
- Velg én åpen ordre og følg den gjennom forrige uke. For den ene åpne ordren med høyest prioritet: tell hvor mange ulike skjæremønstre den dukket opp i i løpet av uken. Mer enn omtrent 3 tyder på at kontinuiteten er brutt; ordren blir planlagt på nytt hvert skift.
- Gå bort til tørkeovnen. Tell underfylte satser den siste uken. Hver underfylt sats kan være et nedstrøms tegn på planlegging som ikke så tørkeflyten.
- Spør teknologen hvilke verktøy vedkommende faktisk bruker til å planlegge. Hvis svaret er «Excel» eller «vi kjører alltid mønster X for diameter Y», er det kanskje ingen utbyttemodell i løkken. Det er planleggingsgapet.
Veien videre
Hvis to eller flere av punktene i sjekklisten ovenfor kom ut røde, kan det være verdt å tallfeste planleggingsgapet direkte. I en demo går SawmillSmart gjennom ordrestrukturen din sammen med deg og viser en ekte simuleringskjøring.
Kilder og videre lesning
Hver kilde nedenfor er kontrollert mot sin Crossref-oppføring. Utsagnene vi bygger på, kommer fra sammendraget (lest via OpenAlex), fra den åpne fulltekstversjonen (Vanzetti et al., 2018) eller fra selve siden (Toyota); kapitlet av Monden er bare kontrollert på tittel og metadata, sammendraget er ikke åpnet. Det som ikke har noen kilde: ordrepoolen på 1,5× og båndene for den (SawmillSmarts tommelfingerregel), det gjennomgåtte eksempelet (antatte tall), det anonymiserte tilfellet fra et ekte sagbruk (kundedata fra SawmillSmart, ett enkelt sagbruk) og anslaget på 2–4 % (SawmillSmarts eget).
Sagbruksplanlegging og skjæreoptimalisering
- Todoroki, C.L., & Rönnqvist, M. (2002). Dynamic control of timber production at a sawmill with log sawing optimization. Scandinavian Journal of Forest Research, 17(1), 79–89. doi:10.1080/028275802317221118
- Vanzetti, N., Broz, D., Corsano, G., & Montagna, J.M. (2018). An optimization approach for multiperiod production planning in a sawmill. Forest Policy and Economics, 97, 1–8. doi:10.1016/j.forpol.2018.09.001
- Chabanet, S., Bril El-Haouzi, H., Morin, M., Gaudreault, J., & Thomas, P. (2022). Toward digital twins for sawmill production planning and control: benefits, opportunities, and challenges. International Journal of Production Research, 61(7), 2190–2213. doi:10.1080/00207543.2022.2068086
- Dumetz, L., Gaudreault, J., Thomas, A., Marier, P., Lehoux, N., & El-Haouzi, H. (2015). A simulation framework for the evaluation of production planning and order management strategies in the sawmilling industry. IFAC-PapersOnLine, 48(3), 622–627. doi:10.1016/j.ifacol.2015.06.151
- Dumetz, L., Gaudreault, J., Thomas, A., Lehoux, N., Marier, P., & El-Haouzi, H. (2016). Evaluating order acceptance policies for divergent production systems with co-production. International Journal of Production Research, 55(13), 3631–3643. doi:10.1080/00207543.2016.1193250
Tørking i ovn og planlegging
- Huka, M.A., Rindler, C., & Gronalt, M. (2020). Scheduling and loading problem for multiple, identical dry kilns. Flexible Services and Manufacturing Journal, 33(2), 312–336. doi:10.1007/s10696-020-09386-4
- Kökten, E.S., & Bayraktar, T. (2026). Integrated production and drying-capacity planning in sawmilling: a multi-period mixed integer linear programming optimization approach. Forest Products Journal, 76(2), 183–194. doi:10.13073/fpj-d-26-00007
Toyota Production System
- Sugimori, Y., Kusunoki, K., Cho, F., & Uchikawa, S. (1977). Toyota production system and Kanban system: materialization of just-in-time and respect-for-human system. International Journal of Production Research, 15(6), 553–564. doi:10.1080/00207547708943149
- Monden, Y. (1994). Smoothed production helps Toyota adapt to demand changes and reduce inventory. In: Toyota Production System, Springer, 63–73. doi:10.1007/978-1-4615-9714-8_4
- Toyota Motor Corporation. Toyota Production System (company page on Just-in-Time, jidoka and andon; accessed 2026-10-23). global.toyota
Tilfellet (utbytte 46 % → 51 %, ordredekning 64 % → 88 %, inntekt +€ 18/m³) er anonymiserte kundedata fra SawmillSmart fra ett ekte europeisk bartresagbruk. Det gjennomgåtte mandag morgen-eksempelet bruker antatte tall til illustrasjon og er ikke hentet fra et bestemt sagbruk.
