Hur man ökar sågverksavkastningen 2026: 5 beprövade strategier

Råvarukostnaden har alltid definierat om ett sågverk tjänar pengar. Men 2026, med fortsatt höga timmerpriser, volatil bostadsefterfrågan och marginalerna tunnade till nästan bristningsgränsen, frågan om hur man kan öka sågverkets avkastning har blivit existentiell snarare än strävande. De kvarnar som överlever den här cykeln kommer inte enbart att vara de med den senaste utrustningen – de kommer att vara de som tar ut mest timmer från varje stock som kommer in i porten.

Den här artikeln bryter ner den operativa och finansiella verklighet som sågverkschefer står inför idag, förklarar varför återvinning av virke är det enskilt högsta hävstångsmåttet i branschen och visar hur modernt skära optimering programvara — specifikt SawmillSmart — hjälper verksamheter av alla storlekar att minska klyftan mellan vad deras stockar innehåller och vad deras sågar faktiskt producerar.

Oavsett om du driver en barrvedsverksamhet med stor volym eller ett specialbruk av lövträ, fungerar matematiken på samma sätt: avkastning är pengar. Varje procentenhet av virkesåtervinning som går förlorad till ett suboptimalt kapmönster är intäkter som aldrig når dina böcker.

Innehållsförteckning

Viktiga takeaways

Kostnader för timmermaterial står för upp till 50 % av de totala produktionskostnaderna i sågverksverksamheten, vilket gör råvarueffektivitet till högsta prioritet för att förbättra vinstmarginalen.
Forskning bekräftar att de totala produktionskostnaderna kan minskas med 2 % för varje ytterligare 1 % som uppnås i virkesavkastning – en multiplikator som förändrar ekonomin för alla driftsförbättringar.
Manuell och Excel-baserad produktionsplanering kan inte utvärdera de miljontals skärkombinationer som behövs för att hitta det verkliga optimala för varje stock.
Modern sågverksprogramvara som SawmillSmart använder molnbaserad kombinatorisk optimering för att analysera miljontals skärmönster och välja den bästa lösningen för varje produktionskörning.
Förbättring av avkastning kräver inga dyra hårdvaruinvesteringar – molnbaserade optimeringsverktyg ger mätbara vinster utan serverinfrastruktur på plats eller företags-ERP-system.
De bruk som vinner konkurrenskraftig mark 2026 ersätter gissningar med data: använder log-till-virke-planeringsalgoritmer, flexibla stocksågningsmönster och realtidsproduktionsdata för att överbrygga återhämtningsgapet.

Sågverksindustrin 2026: Marginaltryck och marknadsstress

De senaste tre åren har varit bland de mest turbulenta i senare sågverkshistoria. Den post-pandemiska byggökningen som kortvarigt pressade virkespriserna till rekordhöga nivåer har gett vika för en mycket hårdare verklighet: normalisering av virkesmarknaderna, förhöjda räntor som dämpar nystartade bostäder och insatskostnader – särskilt skogsbruksstockar — som har vägrat att återgå till nivåerna före 2020.

Såväl i Nordamerika som i Europa hamnar sågverken mellan två tryck som de inte helt kan kontrollera. Å ena sidan förblir kostnaderna för timmeranskaffning envist höga, drivna av begränsad virkesförsörjning, högre avverkningskostnader och skärpta miljöregler kring skogsavverkning och timmerlogistik. Å andra sidan har priserna på färdigt virke sjunkit, vilket gör att bruken har krympt utrymme mellan vad de betalar för råvara och vad de samlar in vid grinden.

De medelstora verksamheterna - de som bearbetar mellan 50 000 och 500 000 brädfot per månad - har känt denna nypa mest akut. Till skillnad från stora integrerade producenter saknar de volymbuffertar och säkringsverktyg för att absorbera prissvängningar. Till skillnad från små hantverksbruk, bär de hela kostnaderna för industriell verksamhet: underhåll av utrustning, arbete, energi och allt mer komplext timmerlagerhantering behov.

Resultatet är ett branschövergripande sökande efter effektivitet — inte genom tillväxt, utan genom disciplin. Målet är inte att bearbeta fler loggar. Det är för att få ut betydligt mer av de loggar som redan bearbetas. Denna sökning leder i nästan alla fall tillbaka till en variabel: sågverksutbytet.

Varför kostnadsbesparingar har blivit standardsvaret

När marginalerna dras åt är den första instinkten i alla tillverkningsföretag att sänka kostnaderna. I sågverksverksamhet innebär detta vanligtvis att se över arbetsscheman, skjuta upp utrustningsuppgraderingar, omförhandla leverantörskontrakt eller söka billigare stockkvaliteter. Dessa drag kan generera kortsiktig lättnad, men de har gränser - och byter ofta ut ett problem mot ett annat.

Att minska antalet anställda på produktionsgolvet kan till exempel sänka de direkta arbetskostnaderna men kan försämra genomströmningen eller kvalitetskontrollen. Att byta till stockar av lägre kvalitet sparar inköp men introducerar större variation i sågprocessen, vilket gör det svårare att möta kundspecifikationer och ökar andelen nedgraderat eller kasserat material. Det här är inga lösningar – de ersätter en risk med en annan.

Det mer hållbara svaret på marginalpress är att förbättra produktionens grundläggande effektivitet. Detta innebär att vrida ut mer värde av varje kubikmeter stockinmatning: producera mer kortmaterial, uppnå högre kvalitet och generera mindre träavfall. Det innebär att man byter från ett kostnadsreducerande tänkesätt - som accepterar en given produktion och försöker minska insatsen - till ett tänkesätt för avkastningsförbättring, som accepterar en given insats och arbetar för att maximera produktionen.

Denna distinktion är viktig eftersom den ändrar var investeringarna riktas. Kostnadsreduktion är reaktiv; det minskar vad du spenderar. Avkastningsförbättring är generativ; det ökar vad du producerar. Och i en verksamhet där råvaran står för huvuddelen av den totala kostnaden, är förbättrad avkastning den mest kraftfulla finansiella hävstången som finns.

Smarta sågverkschefer 2026 gör detta skifte. Istället för att fråga "hur spenderar vi mindre på stockar?" de frågar "hur får vi mer timmer från de stockar vi redan har?" Svaret kräver att man förstår hela omfattningen av problemet med virkesåtervinning – och de specifika verktyg som är utformade för att lösa det.

Loggar är din största kostnad – och din största möjlighet

Inom sågverksekonomin dominerar ett nummer alla andra: råvarukostnaden. Forskning om optimering av virkesavkastning har konsekvent bekräftat detta timmermaterialkostnad kan bidra med upp till 50 % av de totala produktionskostnaderna i en typisk sågverksdrift. Ingen annan rad kommer i närheten – inte arbete, inte energi, inte underhåll, inte overhead.

Upp till 50 % — av de totala produktionskostnaderna för sågverket är hänförliga till timmerråvara — vilket gör återvinning av virke till den mest kraftfulla hävstången för att förbättra lönsamheten. (Källa: Lumber yield optimization software validation and performance review, ScienceDirect)

Detta skapar en grundläggande asymmetri i var verksamhetsförbättrande insatser bör fokuseras. Om du minskar din energiräkning med 15 % kan du spara 1–2 % av de totala produktionskostnaderna. Om du förbättrar din virkesavkastning från stockar med 3 % kan du spara 6 % av de totala kostnaderna – en dramatisk skillnad i ekonomisk påverkan för ungefär jämförbara operativa insatser.

Möjligheten inbäddad i denna verklighet är betydande. De flesta sågverksverksamheter tar inte ut det teoretiska maximala kartongmaterialet från sina stockar. Gapet mellan faktisk återhämtning och potentiell återhämtning - ibland kallad avkastningsgap — existerar eftersom skärande beslut är komplexa, tidskänsliga och historiskt beroende av mänsklig intuition snarare än algoritmisk optimering.

En skicklig sågare kan fatta bra beslut om stocksågningsmönster. Men även den mest erfarna operatören kan inte samtidigt utvärdera hundratals möjliga kapkonfigurationer för en given stock och välja den som ger det högsta kombinerade värdet givet nuvarande order, virkesspecifikationer, stockgeometri och kvarnbegränsningar. Den stock till timmer omvandlingsprocessen involverar dussintals ömsesidigt beroende variabler - avsmalning, svep, knutplats, måldimensioner - som interagerar på ett sätt som inget kalkylblad eller mental modell kan ta hänsyn till i produktionshastighet. Det är ett beräkningsproblem, och det kräver en beräkningslösning.

De stockar som kommer in i ditt bruk är inte bara råmaterial. De är en inventering av latent värde - värde som kan fångas eller lämnas på golvet, beroende på kvaliteten på de skärbeslut som fattas under några sekunder innan sågen möter träet. Hantering av träavfall börjar inte vid flishuggaren utan vid punkten för mönsterval. Chiphögen är delvis ett register över optimeringsbeslut som kunde ha gått annorlunda.

Varför varje 1% förbättring av sågverksutbytet förändrar matematiken

Fallet för att investera i avkastningsförbättringar - oavsett om det är genom bättre utbildning, förbättrad loggskalning eller avancerad sågverksprogramvara — handlar ofta om att övertyga beslutsfattare om att marginella vinster är värda att sträva efter. Uppgifterna här är entydiga.

"De totala produktionskostnaderna kan sänkas med 2% för varje ytterligare 1% ökning av avkastningen."
— — Programvaruvalidering och prestandagranskning för optimering av virkesavkastning, Computer and Electronics in Agriculture, Elsevier / ScienceDirect

Denna multiplikator på 2:1 är det centrala ekonomiska argumentet för avkastningsfokuserade investeringar. Det betyder att ett bruk som bearbetar stockar till ett värde av 10 miljoner USD årligen – inte en ovanlig siffra för en medelstor verksamhet – kommer att minska de totala kostnaderna med 200 000 USD för varje procentenhet av återvinningsförbättring. Uppnå en avkastning på 3 % och du har effektivt frigjort 600 000 USD i årlig produktionskostnad, utan att öka genomströmningen med en enda stock.

En studie från 2024 publicerad av Springer den Intelligent virkesproduktion (Sawmill 4.0) förstärker detta fynd och dokumenterar att sågoptimering med hjälp av avancerad programvara för modellering av stocknedbrytning – som analyserar stockstorlek, form och kapacitet för fräsutrustning – samtidigt kan minimera avfallet och maximera virkesåtervinningen samtidigt som resultatet förbättras. Forskningen belyser det log skalning noggrannhet, i kombination med generering av algoritmiska skärmönster, skapar mätbara avkastningsvinster mellan arter och brukstyper.

Den ekonomiska effekten av dessa vinster förvärras över tiden. Förbättrad återställning innebär att färre loggar behövs för att uppfylla samma ordervolym. Färre inköpta stockar innebär lägre anskaffningskostnad och mindre kapitalbindning i stocklagret. En kvarn med högre avkastning kan också vara mer selektiv när det gäller stockkvalitet – att välja att köra de sorter som passar dess optimeringsmodell snarare än att acceptera det som är tillgängligt till lägsta kostnad. Denna operativa flexibilitet, som möjliggörs av avkastningsoptimering, är i sig en konkurrensfördel.

I konkurrenskraftiga termer har de bruk som har slutit sitt avkastningsgap nu en strukturell kostnadsfördel jämfört med de som inte har gjort det. När timmerpriserna sjunker har högavkastningsbruket en buffert; det gör inte lågavkastningsbruket. När timmerpriserna stiger, känner högavkastningsbruket proportionellt mindre smärta per produktionsenhet. Avkastning, i denna mening, är inte bara ett operativt mått – det är en strategisk vallgrav.

Att förstå denna dynamik är det som driver de mest framåtblickande sågverkscheferna att investera i mjukvara för skäroptimering även när budgetarna är knappa. Frågan är inte om investeringen lönar sig – matematiken bekräftar att den gör det. Frågan är vilket verktyg som faktiskt håller löftet.

Hur kapningsoptimeringsprogram förvandlar virkesåtervinning

Innan mjukvarudriven optimering var produktionsplanering för sågverk ett hantverk. Erfarna sågare utvecklade mentala modeller för hur man placerar och skär olika stockformer, och dessa intuitiva heuristiker – ackumulerade över år på linjen – avgjorde vilka mönster som kördes. Bra sågare var ovärderliga; deras kunskap var också svår att överföra, omöjlig att skala och i sig begränsad av mänsklig kognitiv bandbredd.

Sågverksoptimering sträcker sig över flera distinkta lager – från individuella beslut på maskinnivå till produktionsplanering till affärsstrategi – och varje lager har olika kostnader, effekter och gränser. Vi undersöker var de största marginalmöjligheterna faktiskt sitter i vår guide på vad sågverksoptimering egentligen innebär.

Införandet av digitala planeringsverktyg förändrade problemets grundläggande karaktär. En dator blir inte trött. Den förlitar sig inte på mönsterigenkänning begränsad till konfigurationer den har sett tidigare. Med en uppsättning begränsningar – nuvarande order, virkesspecifikationer, stockgeometri, skärbredd, fräskapacitet – kan en väldesignad optimeringsalgoritm utvärdera tusentals eller miljontals möjliga skärkonfigurationer på några sekunder och identifiera den som ger det högsta kombinerade värdet för brädmaterial.

Forskning publicerad i ScienceDirect (2023) att studera flexibel sågning och produktgradering bekräftar omfattningen av vad som står på spel. Studien fann att en begränsning av en kvarn till ett enda fast sågsystem - som de flesta konventionella operationer gör - kan resultera i betydande materialavfall. Lösningen är genereringen av dynamiska skärmönster baserat på den faktiska geometrin för varje stock kombinerat med aktuella orderkrav, snarare än en förutbestämd mall som appliceras enhetligt över ett stockdäck.

Modernt skära optimering programvara fungerar genom att inta två dataströmmar samtidigt: produktionsefterfrågesidan (öppna kundorder, nödvändiga dimensioner, kvalitetsspecifikationer) och utbudssidan (tillgänglig stockinventering, stockmått, artmix). Den kör sedan optimeringsalgoritmer – ofta kombinatoriska till sin natur – över båda strömmarna för att generera en skärplan som tillfredsställer beställningar samtidigt som den extraherar maximalt brädmaterial från de tillgängliga loggarna.

Den praktiska skillnaden mellan manuell planering och mjukvarudriven skärningsoptimering är inte några få procentenheter av förbättring. I verksamheter som går över från kalkylbladsbaserad eller intuitionsbaserad planering till algoritmisk optimering, dokumenteras regelbundet avkastningsvinster på 3–8 %. På ett medelstort bruks inköpsbudget för stockar, representerar detta en avkastning som vanligtvis betalar tillbaka mjukvaruinvesteringen inom ett enda driftskvartal.

Utmaningen har historiskt sett varit att professionella optimeringsverktyg krävde installation på plats, betydande IT-infrastruktur, integration med befintliga fabrikskontrollsystem och betydande kapitalutgifter. Detta gjorde dem utom räckhåll för mindre och medelstora verksamheter - exakt de bruk som ofta har mest att vinna på att förbättra avkastningen. Denna begränsning håller nu på att förändras, med framväxten av molnbaserade sågverksoptimeringsplattformar designade för tillgänglighet i alla skala.

SawmillSmart: Molnbaserad avkastningsoptimering för moderna bruk

SawmillSmart är en molnbaserad optimeringsmotor byggd speciellt för sågverk som behöver öka virkesavkastning, minska råvaruavfallet och gå bortom manuell eller kalkylbladsbaserad produktionsplanering – utan komplexiteten och kostnaderna för traditionella företagssystem.

Plattformen tar upp ett problem som är enkelt att beskriva men som är tekniskt krävande att lösa: givet en uppsättning öppna kundorder och ett stocklager med kända mått, vilket är det optimala sättet att kapa dessa stockar för att producera det virke som krävs samtidigt som den totala återvinningen maximeras? Detta är ett kombinatoriskt optimeringsproblem — antalet möjliga skärkonfigurationer växer exponentiellt med storleken på stockinventeringen och produktutbudet — och det är just den problemklassen som cloud computing är byggd för att lösa.

SawmillSmart tar kundorder och tillgängliga loggar som input, utvärderar miljontals skärkombinationer i molnet och väljer de optimala skärmönstren baserat på fabriksspecifika begränsningar – skärbredd, utrustningskapacitet, artegenskaper, kvalitetskrav – utan att kräva lokala servrar, mjukvaruinstallation eller löpande IT-underhåll. Alla beräkningar och plattformsuppdateringar sker i molnet, vilket gör systemet omedelbart tillgängligt för alla bruk med internetuppkoppling.

Kärnvärdet är enkelt: eliminera avkastningsgapet mellan vad dina stockar innehåller och vad dina sågar producerar. Genom att ersätta intuitionsbaserad eller kalkylbladsbaserad planering med algoritmisk optimering gör SawmillSmart det möjligt för bruken att fatta skärande beslut som står för mycket fler variabler än någon mänsklig planerare kan tänka på samtidigt. Resultatet är mer skivmaterial per stock, mindre spånavfall och en produktionsplan som är anpassad till den faktiska geometrin för ditt specifika stocklager.

För bruk som kör manuell planering idag, representerar övergången till SawmillSmart inte bara en teknikuppgradering utan en förändring av verksamhetsfilosofin: från reaktiv produktion (att skära av vad som verkar rimligt med nuvarande förhållanden) till proaktiv optimering (att skära av det som bevisligen är bäst med tanke på en fullständig bild av order, lager och begränsningar för kvarnen).

Är du redo att stänga ditt avkastningsgap?

SawmillSmart utvärderar miljontals skärkombinationer för att hitta den optimala planen för din logginventering och orderbok – inga servrar, inga IT-overhead, inget företagskontrakt krävs.

Utforska SawmillSmart →

Nyckelfunktioner hos SawmillSmart

För att förstå vad SawmillSmart gör i praktiken krävs att man tittar på de specifika funktionerna som skiljer det från generiska planeringsverktyg och äldre företagssystem.

Molnbaserad infrastruktur — inga servrar, ingen installation

SawmillSmart fungerar helt i molnet. Det finns inga servrar på plats att införskaffa, ingen programvara att installera på produktionsterminaler och ingen IT-avdelning behövs för att underhålla systemet. Detta designval är inte tillfälligt – det är centralt för att göra företagsklass programvara för hantering av virkeslager tillgänglig för bruk av alla storlekar. Uppdateringar, nya funktioner och prestandaförbättringar distribueras automatiskt, vilket säkerställer att plattformen alltid återspeglar den senaste tekniken i optimeringsalgoritmer.

Miljonkombination av skärmönsteroptimering

Kärnmotorn i SawmillSmart utvärderar miljontals möjliga kapkonfigurationer för varje produktionskörning. Där en mänsklig planerare kan utvärdera dussintals mönster baserat på erfarenhet och tillgänglig tid, utforskar plattformen hela lösningsutrymmet – med hänsyn till stockgeometri, erforderliga produktdimensioner, graderingsspecifikationer, skärgränser och utrustningsbegränsningar – och returnerar konfigurationen med den högsta bevisbara avkastningen. Detta är funktionen som direkt översätts till återvinning av virke förbättring.

Orderdriven produktionsplanering

I stället för att köra ett fast kapmönster oavsett aktuell efterfrågan, anpassar SawmillSmart varje skärbeslut med den aktiva orderboken. Systemet matchar tillgängliga loggar för att öppna kundkrav, vilket säkerställer att virket som produceras varje skift återspeglar vad kunderna faktiskt behöver. Detta minskar överproduktionen av dimensioner med låg efterfrågan, minimerar lagerkostnader och eliminerar slöseri i samband med kapning av virke som senare måste nedgraderas eller rabatteras eftersom det inte passar aktiva beställningar.

Flera arter och flexibilitet för flera produkter

SawmillSmart kan konfigureras för olika arter, produkter och produktionslinjebegränsningar. Oavsett om ett bruk huvudsakligen arbetar med barrvedsarter som gran och tall eller driver lövträprodukter som kräver olika sorteringsberäkningar och skärmetoder, anpassar plattformen sig till de specifika parametrarna för verksamheten. Denna flexibilitet sträcker sig till bruk med olika produktkataloger – optimeringsmotorn hanterar komplexiteten i att matcha flera produkttyper till ett heterogent stocklager utan att förenkla antaganden som minskar noggrannheten.

Skalbar från små till högvolymer

SawmillSmart skalar med produktionsvolym — från några tusen kapplaner per månad till hundratusentals. Detta innebär att bruk i ett tidigt skede av tillväxt kan ta till sig plattformen utan att växa ur den, och att stora verksamheter kan lita på den utan att nå beräknings- eller kapacitetsgränser. Molninfrastrukturen skalas elastiskt med efterfrågan, vilket säkerställer konsekvent prestanda oavsett produktionsvolym eller stockstorlek.

Ersätter manuell och Excel-baserad planering med algoritmisk optimering — inte längre gissa det bästa klippmönstret från ett kalkylblad eller operatörsminne. (För en detaljerad titt på var kalkylbladsbaserad planering går sönder, se vår jämförelse av Excel kontra dedikerad programvara för sågverksplanering.)
Minskar kostnaderna för stockanskaffning genom att extrahera fler brädfilmer från stockinventeringen som redan finns, minska antalet stockar som behövs för att uppfylla en given ordervolym.
Hanterar växande produktkomplexitet — När kundspecifikationerna diversifieras och orderböckerna blir mer komplexa, skalas optimeringsmotorn för att matcha.
Levererar mätbar ROI utan företagskostnader — ingen ERP-integration, ingen flerårig implementering, ingen hårdvarainvestering krävs.
Förbättrar hanteringen av träavfall genom att minimera andelen av varje stock som slutar som flis, plattor eller trim, leda mer fiber till förädlade timmerprodukter.
Stödjer programvara för skogsbruk arbetsflöden genom att tillhandahålla produktionsplaner som överensstämmer med nedströms lagerhantering och leveranskrav.

Sammantaget utgör dessa funktioner ett heltäckande svar på den avkastningsutmaning som sågverken står inför 2026. Plattformen kräver inte att bruken byter utrustning eller arbetsstyrka – den förändrar kvaliteten på de beslut som fattas innan sågbladet flyttas, i planeringsstadiet där avkastningen faktiskt bestäms.

Slutsats: Avkastning är ett val, inte ett givet

Sågverksindustrin 2026 belönar inte ansträngning – den belönar effektivitet. Timmerkostnaderna är höga, marginalerna är tunna och de bruk som kommer att växa och överleva denna cykel är de som har gjort ett systematiskt åtagande att utvinna maximalt värde från varje stock som kommer in i deras verksamhet.

Ökar sågverksavkastning är inte en vag strävan eller ett avlägset teknikmål. Det är en uppnåbar, mätbar verksamhetsförbättring som ger dokumenterad ekonomisk avkastning. Forskningen är tydlig: en vinst på 1 % i virkesåtervinning minskar de totala produktionskostnaderna med 2 %. Verktygen för att uppnå den vinsten finns tillgängliga idag, utan företagsbudgetar eller komplexa installationer.

SawmillSmart representerar den tydligaste vägen för bruk som är redo att gå från manuell eller kalkylbladsbaserad planering till datadriven optimering. Genom att utvärdera miljontals skärkonfigurationer i molnet och matcha produktionsplaner till den faktiska geometrin i ett bruks stocklager och orderbok, stänger det gapet mellan vad stockar innehåller och vad såglinjer producerar - i en skala och med en hastighet som ingen mänsklig planerare kan matcha.

Avkastningsgapet i din verksamhet är inte oundvikligt. Det är en konsekvens av planeringsverktyg som inte var designade för att hitta det verkliga optimala. Med höger mjukvara för skäroptimering, det blir en återvinningsbar möjlighet — och i sågverksekonomin är återvunna möjligheter den mest direkta vägen till hållbar lönsamhet.

Om du är redo att förstå vad som förbättrats återvinning av virke kan betyda för din specifika operation, SawmillSmart är den logiska utgångspunkten.

Sågverksoptimeringsguide 2026: 6 spakar och 5 principer för att återhämta marginalen utan CapEx — den kompletta processoptimeringsguiden: 6 spakar, 5 principer och en vecka-1 checklista för återhämtning av marginal utan CapEx
Vad sågverksoptimering egentligen betyder — en lager-för-lager uppdelning av var avkastningen kommer ifrån, från stocksortering till produktionsplanering
Excel vs. sågverksplaneringsprogram: där manuell planering förstör marginalen — Den specifika kostnaden för kalkylbladsbaserad produktionsplanering
Jämfört sågverksprogram: 4 typer av digitala system — hur man utvärderar ERP, utrustningsleverantörsoptimerare och molnplaneringsverktyg för din verksamhet
Hur planeringshorisont påverkar resultaten för återhämtning av virke — varför tidsfönstret för dina planeringsbeslut avgör återhämtning mer än optimering på skiftnivå

Refererade vetenskapliga artiklar och källor

Wessels, C.B., et al. (2023). Maximera värdeutbytet inom träindustrin genom flexibel sågning och produktgradering baserad på avtagande och stockform. Datorer och elektronik inom jordbruket, Elsevier / ScienceDirect. https://doi.org/10.1016/j.compag.2023.109018
Berglund, A., et al. (2023). Sågverkets avkastning ökar potentialen med tillverkning av brädor med ökad avtagande och slumpmässig bredd för konstruerade träprodukter. Wood Material Science & Engineering, 19(1), Taylor & Francis. https://doi.org/10.1080/17480272.2023.2229279
Nasir, V., & Cool, J. (2024). Intelligent virkesproduktion (Sawmill 4.0): Möjligheter, utmaningar och vägar till adoption. I: Springer Nature, föreläsningsanteckningar om datateknik och kommunikationsteknik. https://doi.org/10.1007/978-3-031-53652-6_13
Thomas, R.E. (2000). Verifiering av programvara för optimering av virkesavkastning och prestandagranskning. Computers and Electronics in Agriculture, 26(3), 309–330, Elsevier / ScienceDirect. https://doi.org/10.1016/S0736-5845(00)00034-X
Morin, M., et al. (2014). Potentiellt ökat sågverksutbyte från lövträ med hjälp av röntgentomografi för kvistdetektering. Annals of Forest Science, 72, Springer / BioMed Central. https://doi.org/10.1007/s13595-014-0385-1