Sågverksplanering

Sågverksproduktionsplanering: Horisont, orderpool och avkastningsprognoser

Sågverksproduktionsplanering: Horisont, orderpool och avkastningsprognoser

Produktionsplanering för sågverk

Om handeln sätter ramen för vad som är möjligt, avgör planeringen hur mycket av det utrymmet du faktiskt tar tillvara. Enligt vår bedömning är planering en hävstång med stor effekt, men ofta en eftersatt sådan, eftersom den tenderar att leva i kalkylblad och i huvudet på en enda teknolog. Artikeln förklarar varför planering på kort horisont begränsar planeraren, vad som förändras när man planerar över ett tidsfönster och hur bra sågverksoptimering ser ut i praktiken – uppbyggd kring sågbatchplanering och en uttrycklig utbytesmodell i stället för tumregler. Siffrorna är märkta efter ursprung: hämtade från en källa, SawmillSmarts egen uppskattning eller illustrativa.

Varför planering är den högsta hävstångseffekten

Handeln bestämmer vilken meny planeraren har att arbeta med. Sorteringen avgör om planerarens beslut går att genomföra fysiskt. Sågning, torkning och torrsortering genomför planen eller förstör den. Planeringen sitter mitt i kedjan och är enligt vår bedömning det steg som har störst hävstång för ett bättre virkesutbyte, eftersom det är det enda steget som väljer. Alla andra steg förbereder antingen indata för det valet eller genomför dess konsekvenser. ”Störst hävstång” är vår bedömning, inte en uppmätt rangordning av stegen. Forskningslitteraturen beskriver produktionsplanering i sågverk som en nyckelfaktor för Argentinas sågverkssektor (Vanzetti et al., 2018) och som svår, bland annat på grund av råvarans heterogenitet (Chabanet et al., 2022).

Många sågverk underinvesterar i planering av ett särskilt skäl: planering ser inte ut som arbete. Säljaren sitter i telefon. Sågen är hög och synlig. Torkugnen har temperaturavläsningar och tydliga cykeltider. Teknologen sitter vid ett skrivbord med ett kalkylblad och avgör vilket sågmönster som ska köras på linjen i morgon. Utifrån ser det ut som pappersarbete. I verkligheten avgör det valet vilka brädor linjen kommer att producera och till vilket pris de kan säljas.

Artikelns tes är enkel: att planera ett skift i taget, mot den orderstock som råkar vara öppen och mot tumregler som teknologen byggt upp under åren, kan lämna utbyte och ordertäckning outnyttjade. Hur mycket beror på sågverket, och vi påstår ingen generell siffra. Lösningen vi föreslår är strukturell, inte personlig. Byt ut skifthorisonten mot ett planeringsfönster. Byt ut den slutna orderstocken mot en orderpool på ungefär 1,5× produktionsvolymen (SawmillSmarts tumregel, förklarad nedan). Byt ut tumreglerna mot en utbytesmodell som kvantifierar avvägningarna.

Resten av artikeln går igenom varje del av den lösningen.

Växlingsfällan – varför fabriker som standard planerar kort horisont

Innan vi kommer till vad horisontplanering är, är det värt att förstå varför många sågverk inte gör det. Det korta svaret: planering skift för skift känns tryggare och passar hur resten av sågverket är organiserat. Enligt vår bedömning lämnar den oftast värde på bordet. De tre krafterna och fyra kostnaderna nedan är SawmillSmarts iakttagelser från projektarbete, inte undersökningsresultat.

Varför skiftplanering är så vanlig

Tre krafter drar sågverk mot den korta horisonten:

Den information teknologen har på måndagsmorgonen känns konkret. Dagens sorterade stocklager är det som finns framför dem. Dagens öppna order ligger i orderstocken. Dagens såglinje är uppsatt som den var i fredags. Morgondagen är mer osäker – en kund kan skjuta på leveransen, en såg kan behöva ett uppriktningsstopp, en stockleverans kan bli försenad. Så teknologen planerar den dag som går att se och litar på att nästa dag går att lösa när den kommer.

Den reaktiva kulturen belönar det. När en kund ringer en fredagseftermiddag med en brådskande order är svaret som alla respekterar ”vi hittar ett sätt att få in den”. Det svaret är bara möjligt om planen är kort. En tvåveckorsplan som säger ”vi kan lägga in dig i vecka 3” känns mindre hjälpsam än ”vi löser något i morgon”, även när tvåveckorsplanen skulle ge bättre ekonomi för båda parter.

Verktygen cementerar det. Kalkylblad är utmärkta för en enda dags plan och eländiga för en rullande tvåveckorsplan. ERP-system registrerar i regel vad som hänt snarare än att föreslå vad som bör hända härnäst. Utan särskild planeringsprogramvara är friktionen med att planera på längre horisont så stor att ingen gör det.

De dolda kostnaderna med skiftplanering

Den synliga kostnaden för skiftplanering är noll – sågverket fortsätter att gå. Den dolda kostnaden är utbyte och ordertäckning som blir kvar på golvet, och den kan visa sig på fyra sätt:

  • Tvångsanpassningar. Med order för ett skift och sorterade stockar för ett skift har planeraren bara några få sågmönster att välja mellan. Det valda mönstret är det minst dåliga alternativet i en liten mängd. Utbytet blir det som det minst dåliga alternativet ger.
  • Uppskjutna order. Order som planeraren inte kunde få in i dag skjuts till i morgon utan sammanhang. Morgondagens planerare – ibland samma person, ibland en teknolog från ett annat skift – börjar från noll.
  • Bristande samordning med torkugnen. Torkning är ett viktigt processteg i sågverk med stora produktionsvolymer (Huka et al., 2020), och enligt SawmillSmarts observation mäts flödet genom torkugnen i dagar, inte timmar. En planerare som arbetar med dagens såglinje kan inte se vilka torksatser som ska fyllas nästa vecka. Halvfyllda satser kan bli rutin.
  • Avvägningar i kundservicen. Utan horisont blir varje kundförfrågan binär: ja i dag, eller nej tills vidare. Sågverk med horisont kan med trygghet erbjuda ”vi levererar i vecka 3” – och en del kunder kan föredra det framför ett förhastat löfte.

Horisontprincipen — vad förändras när du planerar ett fönster

Horisontplanering är precis vad det låter som: i stället för att optimera ett skift i taget optimerar planeraren ett fönster – till exempel en till två veckors produktion – som ett enda problem. Varje skift i fönstret planeras fortfarande; skillnaden är att varje skifts plan väljs med kännedom om alla andra skifts planer, hela det sorterade stocklagret över alla diametrar, hela orderpoolen och torkflödet längre fram. Det är grunden för effektiv sågbatchplanering: inte ”vad körs härnäst?” utan ”vad körs över fönstret, och i vilken ordning?”

Parallellen med Toyota – varför idén inte är ny

Horisontprincipen är ingen sågverksuppfinning. En välkänd version av tankegodset bakom är Toyota Production System (TPS), utvecklat hos Toyota under Taiichi Ohno; Sugimori et al. (1977) beskriver att det slagit rot hos Toyota under de föregående 20 åren. TPS tog sig an ett problem som ser bekant ut för ett sågverk: att tillverka bara det som behövs, när det behövs och i den mängd som behövs, samtidigt som lagret hålls på ett minimum (Sugimori et al.; Toyota Motor Corporation) – fast utrustningen och råvaran är annorlunda.

Tre TPS-idéer ger användbara analogier för sågverksoptimering (kopplingen är vår tolkning):

  • Heijunka – produktionsutjämning. Toyotas arbetssätt med utjämnad produktion beskrivs i Monden (1994). På sågverksspråk är närmaste motsvarighet planeringshorisonten: behandla fönstret som ett enda problem. Analogin är vår; ett sågverk jämnar ut något annat.
  • Just-in-Time: bara det som behövs, när det behövs, i den mängd som behövs. Toyota beskriver Just-in-Time på detta sätt (Toyota Motor Corporation), och Sugimori et al. tillägger att lagret hålls på ett minimum. Orderpoolen ger sågverk en närliggande avvägning: är orderpoolen för liten har planeraren inget val; är den för stor sväller rörelsekapitalet. Att kalla orderpoolen på 1,5× en ”JIT-buffert” är vår analogi, inte en Toyota-metod.
  • Andon – gör problem synliga direkt. Hos Toyota lyser andon-tavlan upp när utrustning stannar eller när en arbetare drar i stoppsnöret, så att ansvarig person kan reagera (Toyota Motor Corporation). Ett sågverk som jämför plan och utfall först vid månadsskiftet får höra om en avvikelse långt efter att den inträffade. Att jämföra planerat och faktiskt utbyte samma dag, medan orsaken ännu går att utreda, är andon-idén tillämpad på bättre virkesutbyte.

Analogin är inte perfekt – Toyota monterar standardiserade delar till standardiserade produkter, medan ett sågverk tar emot varierande råvara (stockar) och tillverkar flera produkter samtidigt ur samma stock: en divergent process med samproduktion (Dumetz et al., 2016), där råvarans heterogenitet och divergerande produktflöden gör verksamheten svår att styra (Dumetz et al., 2015). Det vi lånar är de underliggande idéerna – en längre planeringshorisont, en lagom stor buffert, snabb återkoppling. Artikeln påstår inte att sågverk kan uppnå en förbättring i Toyotas storleksordning.

De följande fyra avsnitten går igenom fyra mekanismer genom vilka en längre horisont kan hjälpa ett sågverk. De är SawmillSmarts beskrivning, och exemplen använder illustrativa siffror.

Skiftplanering jämfört med horisontplanering (illustrativt) Samma stockar, samma order, samma linje – olika planeringsfönster Skiftplanering – fönster på 1 dag Synligt lager: 180 mm 1 diameter på linjen Synliga order: 22×100 25×100 2 öppna order som passar Tillgängliga mönster: Mönster A Mönster B 2 kandidater – tvångsanpassning Utfall: tvångsanpassning Minst dåliga alternativet i en liten mängd Horisontplanering – fönster på 2 veckor Synligt lager: 160 180 200 3 diametrar i bufferten Orderpool (1,5×): 8 öppna order att välja bland Tillgängliga mönster: P1 P2 P3 P4 P5 12–15 kandidater – verkligt val Utfall: verkligt val Det bästa ur en stor mängd, balanserat över veckan
Illustrativt diagram, inte uppmätta data: skillnaden ligger inte i ansträngningen utan i storleken på den valmängd som planeraren får arbeta med.

Mekanism 1 – Frihet i valet av sågmönster

Med ett skifts lager och ett skifts order kan planeraren ha bara några få användbara sågmönster att välja mellan. Med en horisont på en till två veckor mångdubblas kandidaterna över alla tillgängliga diametrar och alla öppna order, och planeraren kan välja ut de få som ska köras under fönstret. Antalen i diagrammet (2 mot 12–15) är illustrativa.

Det bästa alternativet i en större mängd är aldrig sämre än det bästa i en delmängd av den; hur mycket bättre beror på sågverket, dess stockar och dess order. En planerare som arbetar med en liten mängd får det minst dåliga alternativet. En planerare som arbetar med en stor mängd kan få ett genuint bra. Publicerade planeringsmodeller för sågverk gör samma sak: de väljer ut mängden sågmönster för varje planeringsdag samtidigt, mot den efterfrågan som krävs (Vanzetti et al., 2018).

Mekanism 2 – Timing av lagret

Det sorterade stocklagret förändras från dag till dag. En diameter som är välfylld på måndagen kan ta slut på onsdagen och fyllas på igen till fredagen. En planerare som arbetar med dagens skift tar det som finns framför dem och sågar. En planerare som arbetar med en horisont kan vänta – tilldela en viss uppsättning order till torsdagens skift eftersom lagret för 200 mm då är fullt, medan måndagens skift körs på 180 mm.

Vinsten här är inte utbyte per snitt utan värdet av valmöjligheten. Horisonten låter planeraren använda stocklagret vid den tidpunkt då det passar bäst mot orderna, i stället för vid den tidpunkt då det finns tillgängligt.

Mekanism 3 – Kontinuitet mellan skift

Skiftplanering behandlar varje skift som oberoende. En order som var 60 % klar vid slutet av måndagen skjuts till tisdagen utan kontinuitet. Tisdagens planerare – möjligen nästa skifts teknolog – börjar om med valet av sågmönster, och väljer ofta annorlunda. De återstående 40 % av måndagens order kan kräva fler uppsättningar och fler omställningar än nödvändigt (illustrativa procentsatser).

Horisontplanering bär med sig kontinuiteten mellan skiften. Samma sågmönster körs från måndagseftermiddagen in i tisdagsmorgonen för att avsluta den öppna ordern; omställningen sker en gång, när ordern är klar, i stället för i slutet av varje skift.

Mekanism 4 – Samordning med flödet genom torkugnen

Torkningen följer sin egen cykel, och brädor som sågas på måndagen är inte torra på måndagen. Lastning och schemaläggning av torkugnar är ett planeringsproblem i sig (Huka et al., 2020), och en nyligen publicerad flerperiodsplaneringsstudie beskriver torkningen som en vanlig flaskhals för ledtider och för förmågan att möta kundernas efterfrågan (Kökten och Bayraktar, 2026). En planerare som arbetar med dagens skift kan inte se vilka torksatser som ska fyllas nästa tisdag, så satserna kan sättas ihop reaktivt av de brädor som råkar komma från linjen.

Horisontplanering samordnar sågningen med torkningen. En planerare som ser att nästa tisdags torksats behöver brädor på 22 mm kan planera den här måndagens sågmönster så att brädor på 22 mm produceras i rätt volym – och torkugnen går från att vara en passiv mottagare till en aktiv part i planen. Hur mycket kapacitet detta frigör beror på sågverket; vi har ingen oberoende siffra för det.

Beställningspoolen på 1,5× — storleksanpassar ingången

Horisontplanering fungerar bara om det finns något att välja mellan. En horisont på 2 veckor över en orderstock som är exakt lika stor som 2 veckors produktionsvolym ger fortfarande tvångsanpassningar – varje order måste hamna någonstans, och optimeringsproblemet saknar all marginal. För att horisonten ska ge värde måste orderpoolen vara större än fönstrets produktionsvolym. Med orderpool menar vi öppna, bekräftade order, mätta i m³ sågat virke och jämförda med det virke som linjen kommer att producera under samma fönster.

SawmillSmarts arbetstumregel är ungefär 1,5× produktionsvolymen i planeringsfönstret. Det är en tumregel från vårt projektarbete, inte ett värde härlett ur en publicerad studie; vi hittade ingen oberoende källa för ett optimalt poolförhållande, och rätt tal skiljer sig mellan sågverk. Som illustrativt räkneexempel: för ett tvåveckorsfönster som producerar 4 000 m³ virke innebär en pool på 1,5× 4 000 × 1,5 = 6 000 m³ öppna, bekräftade order som kan sågas ur den produktionen.

Dimensionering av orderpoolen – SawmillSmarts tumregel Poolens storlek som multipel av produktionsvolymen i planeringsfönstret (tumregel, inte uppmätta data) 1.0× 1.3× 1.5× 1.7× 2.0× Tvångsanpassningar Visst val MÅL Verkligt val, hanterbart rörelsekapital Avtagande avkastning Ingen optimering möjlig Bäst utbyte × täckning avvägningar möjliga Bundet rörelsekapital, risk för kundservice

Varför 1,5× och inte 1,0× eller 2,0×

Intervallen nedan är tumregler. Gränserna är inte hämtade från någon studie; de beskriver hur avvägningen tenderar att se ut i SawmillSmarts projektarbete.

Under 1,3× – tvångsanpassningar. Varje order i orderstocken måste gå genom linjen inom planeringsfönstret. Planeraren har ingen marginal. Optimeringsproblemet urartar tillbaka till skiftfällan, bara över en längre horisont.

1,3× till 1,5× – fungerar. Planeraren har visst val, särskilt för specifikationer med stor volym som överlappar flera diametrar. Utbyte och ordertäckning kan förbättras. Enligt vår tumregel är detta den lägsta fungerande poolen.

1,5× – arbetsmål. Valet av sågmönster är verkligt öppet. Planeraren kan balansera utbyte, ordertäckning och torkflöde samtidigt. Rörelsekapitalet som är bundet i lovade men ännu inte sågade order är hanterbart. Kundservicen är lättare att upprätthålla eftersom de flesta order kan avslutas inom sitt leveransåtagande.

1,7× till 2,0× – avtagande avkastning plus verkliga kostnader. Den marginella utbytesvinsten av en större pool kan plana ut – det finns bara ett begränsat antal sågmönster som någonsin väljs, oavsett hur många kandidater som finns. Samtidigt växer rörelsekapitalet som är bundet i lovade order, kunderna väntar längre än de borde, och den långa svansen av små order i poolen börjar likna överbokning mer än optimering.

Så ökar du poolen från 1,0× till 1,5×

För en del sågverk ligger poolen långt under 1,0× – försäljningen tar order just-in-time, och orderstocken täcker vid varje tidpunkt knappt nästa veckas produktion. Att öka poolen till 1,5× kräver medvetna kommersiella åtgärder. Tre arbetssätt kan hjälpa:

  1. Försäljning i förväg med flexibilitet i leveransen. Erbjud ett leveransfönster i stället för ett fast datum, till exempel 2–3 veckor. Vissa kunder kan acceptera fönstret i utbyte mot något bättre pris eller förtur.
  2. Värva kompletterande order, inte dubbletter. Försäljningen bör leta efter order som kompletterar det som redan finns i orderstocken – tunna dimensioner som passar till dominerande tjocka order, fyllnadsorder för underfyllda torksatser (se Arbetssätt 1B i handelsartikeln).
  3. Bygg relationer med ankarkunder som är beredda att åta sig volym över ett fönster. En kort lista kunder som åtar sig volym över ett fönster på 2 veckor – inte ett fast datum – ger planeraren den marginal som behövs. Dessa kunder kan förvänta sig förmånspris eller förtur i gengäld.

Avkastningsmodellen — avkastning × ordertäckning, inte enbart avkastning

En större orderpool ger planeraren fler alternativ. Utbytesmodellen avgör vilket alternativ som är bäst. Och ”bäst” visar sig vara något annat än vad en modell med enbart utbyte implicit förutsätter.

En vanlig planeringsreflex – och det som en kalkylator med enbart utbyte kodar in – är att maximera utbytesprocenten: bland de möjliga sågmönstren för en given stockdiameter väljs det som ger flest kubikmeter virke per kubikmeter stock. När resultatet också måste passa öppna order kan detta mål vara vilseledande, och felet har en bestämd form.

Fällan med enbart utbyte

Hypotetiskt: ett sågmönster med 53 % teoretiskt utbyte som ger brädor som ingen aktuell kund vill ha kan vara sämre än ett mönster med 51 % teoretiskt utbyte som tar hand om två öppna order.

Mönstret på 53 % ger 2 pp mer virke per stock. Mönstret på 51 % ger 2 pp mindre virke per stock – men varje bräda har en köpare till kontraktspriset. De ”extra” brädorna från mönstret på 53 % går till lager (bundet rörelsekapital) eller till försäljning som standardvara till ett lägre pris per m³. Om mönstret på 51 % vinner beror på den prisskillnaden; det räknade exemplet nedan visar uträkningen och brytpunkten.

Den rätta målfunktionen är utbyte × ordertäckning – de kubikmeter virke som täcker en öppen order till normalt pris per kubikmeter stock. Med andra ord: intäkt per m³ stock, beräknad till det pris som ordern faktiskt betalar, inte till det pris som brädorna skulle ge på spotmarknaden.

Forskning om sågoptimering pekar åt samma håll. Todoroki och Rönnqvist (2002) kopplade optimering av stocksågning till produktion mot en orderstock, med produktvärden som uppdaterades regelbundet utifrån tidigare virkesproduktion. På tre orderstockar, testade genom simulering på kvistade stockar av Pinus radiata, krävde produktoptimering färre stockar för att tillgodose all efterfrågan än volym- eller värdeoptimering, eliminerade underproduktion och minskade överproduktion. Det är en simuleringsstudie, inte ett försök i ett sågverk, och den mäter inte effekten i €.

Detta förändrar varje beslut. Sågmönster rangordnas nu efter sitt förväntade intäktsbidrag till orderstocken i planeringsfönstret – inte efter sitt abstrakta utbyte. Valet av mönster utgår från vad som är öppet, inte från vad som är teoretiskt möjligt. Teknologen väljer fortfarande, men väljer med rätt siffra framför sig.

Arbetat exempel — måndag morgon på bruket

Låt oss sätta ihop alla tre delarna – horisont, pool och utbytesmodell – till ett enda måndagsmorgonscenario i sågbatchplanering. Det är ett illustrativt exempel: alla siffror är antaganden som valts för att visa beslutets struktur, de är inte uppmätta data och inte hämtade från något specifikt sågverk.

Förutsättningar

Produktionsmål den här veckan: 2 000 m³ stock genom linjen (cirka 1 000 m³ sågat virke vid ungefär 50 % utbyte), sågverk för barrträ med en linje.

Tillgängligt sorterat stocklager:

DiameterklassVolym i buffertenFörväntad påfyllning
160 mm600 m³stadig
180 mm800 m³topp, töms till torsdag
200 mm600 m³påfyllning ons–fre

Öppna order i orderstocken den här måndagsmorgonen:

SpecifikationUtestående volymLeveransåtagande
22×100400 m³den här veckan (prioriterad)
25×100200 m³den här veckan
32×100150 m³den här veckan
47×100250 m³den här veckan
50×150100 m³den här veckan

Totalt öppna order den här veckan: 1 100 m³ sågat virke. Förväntad virkesproduktion: cirka 1 000 m³. Orderpool / produktion = 1 100 / 1 000 = 1,1×. För snävt för att optimera.

Pool 1,1× – vad planeraren måste göra

Med i praktiken ingen marginal i poolen måste varje order sågas den här veckan. Planeraren väljer det sågmönster som har högst utbyte för varje diameterklass och låter orderna falla där de faller.

För stockar på 180 mm är det sågmönster som har högst utbyte Mönster A – 52 % nettoutbyte, där 40 % av dess produktion motsvarar stående order. Planeraren väljer A.

Resultat: de brädor från Mönster A som inte motsvarar någon stående order – högt utbyte men inte anpassade till den prioriterade specifikationen – samlas på lager eller säljs till standardvarupris. Teknologen når utbytessiffran, men säljteamet sitter i telefon hela veckan och förklarar den partiella leveransen på 22×100.

Pool 1,5× – vad som förändras

Tänk dig nu att försäljningen under de senaste två veckorna har värvat kompletterande order till poolen. Poolen växer med 400 m³ nya order – dimensionerade för att komplettera den befintliga orderstocken, inte duplicera den:

  • 22×125 – 150 m³ (kan levereras inom 2 veckor)
  • 22×75 – 100 m³ (fyllnad för torksats)
  • 32×150 – 100 m³ (kan levereras inom 2 veckor)
  • 50×100 – 50 m³ (kan levereras inom 2 veckor)

Total orderpool: 1 500 m³ sågat virke. Förväntad virkesproduktion: cirka 1 000 m³. Orderpool / produktion = 1 500 / 1 000 = 1,5×. Planeraren har nu ett genuint val.

För stockar på 180 mm kan ett planeringsverktyg som rangordnar sågmönster mot orderpoolen (som SawmillSmart gör) visa tre kandidatmönster, med antagna värden:

MönsterNettoutbyteAndel av mönstrets produktion som går till stående order (antaget)
A52%22×100 (40 % av produktionen) – resten osåld
B51%22×100 (60 % av produktionen) – resten osåld
C49%22×100 (60 % av produktionen) + 22×125 (25 %) + 22×75 (15 %) – 100 % till öppna order

Med pool 1,1× valde planeraren A. Utbyte 52 %, men ordertäckningen var ett problem.

Med pool 1,5× väljer planeraren C. Mönstret ger 49 % utbyte – 3 procentenheter under A – men varje bräda det producerar tar hand om en stående order till kontraktspris. Det blir inget nedfall till standardvarupris. Den prioriterade ordern på 22×100 får en större del av sin volym ur samma stockar (60 % av mönstrets produktion i stället för 40 %), och fyllnadsordrarna 22×125 och 22×75 avancerar parallellt.

Den ekonomiska uträkningen

Avgörande är att planeraren inte har förlorat utbytesvärde. Planeraren har bytt ut det angivna utbytet mot intäkt per m³. Räkna igenom med antagna priser – 280 €/m³ som kontraktspris för stående order och 240 €/m³ som nedfallspris för standardvara – på 1 000 m³ stock:

NyckeltalMönster A (enbart utbyte)Mönster C (utbyte × täckning)
Nettoutbyte52%49%
Virke från 1 000 m³ stock520 m³490 m³
Volym till stående order208 m³ (40 %)490 m³ (100 %)
Volym till standardvara312 m³ (60 %)0 m³
Intäkt vid 280 € / 240 € per m³133 120 €137 200 €
Effektivt pris per m³ virke256 €280 €
Intäkt per m³ ingående stock133 €137 €

Formler. Mönster A: virke = 1 000 × 0,52 = 520 m³; till stående order = 520 × 0,40 = 208 m³; till standardvara = 520 − 208 = 312 m³; intäkt = 208 × 280 € + 312 × 240 € = 58 240 € + 74 880 € = 133 120 €. Mönster C: virke = 1 000 × 0,49 = 490 m³, allt till stående order; intäkt = 490 × 280 € = 137 200 €. Per m³ ingående stock: 133,12 € jämfört med 137,20 €, en skillnad på 4,08 €.

Under dessa antaganden ger Mönster C cirka 4 € mer intäkt per m³ ingående stock än Mönster A, trots att det – för den som bara tittar på utbyteskolumnen – ser ut som det sämre mönstret. Vid 2 000 m³ stock per vecka blir det 4,08 € × 2 000 = 8 160 € per vecka, eller cirka 408 000 € per år över 50 driftsveckor. Resultatet beror helt på den antagna prisskillnaden och på den antagna andelen av Mönster A:s produktion som inte hittar någon stående order: Mönster A vinner om standardvarupriset ligger över 253 €/m³ (brytpunkt: 208 × 280 + 312 × p = 137 200, alltså p = 253,08 €). Gör samma beräkning med dina egna priser innan du drar slutsatser. I det här exemplet skiljer sig bara planeringslogiken: samma stockar, samma linje.

Detta är argumentet för utbytesmodellen i ett exempel. Skiftplaneraren med pool 1,1× väljer A. Horisontplaneraren med pool 1,5× och en modell med utbyte gånger täckning väljer C. Samma data, olika mål, olika svar.

Det anonymiserade fallet – avkastning, täckning och intäkter tillsammans

Det räknade exemplet ovan är illustrativt. Fallet nedan är ett verkligt projekt för förbättrat virkesutbyte, anonymiserat för att skydda kommersiell sekretess.

Ett medelstort europeiskt sågverk för barrträ – cirka 140 000 m³ stock per år, blandad tall och gran, enlinjig produktion med flerklingig primärsönderdelning och en inbyggd klyvare – gick från kalkylbladsbaserad skiftplanering till horisontplanering med en orderpool på 1,5× och en modell för utbyte och täckning. Före- och efterdata kommer från två på varandra följande kvartal med jämförbar stocksammansättning och orderstocksammansättning.

Anonymiserat fall – tre nyckeltal rörde sig tillsammans Anonymiserade data från ett verkligt sågverk hos en SawmillSmart-kund, ~140 000 m³/år, ett kvartal efter driftsättning Nettoutbyte % virke / m³ stock 46% före 51% efter +5 pp Ordertäckning % virke till stående order 64% före 88% efter +24 pp Snittintäkt / m³ sålt virke 247 € före 265 € efter +18 € / m³ Samma linje, samma personal, samma stockar – ett kvartal efter införandet Utbyte, ordertäckning och intäkt rörde sig alla – eftersom alla tre är följder av samma beslut Total marginaleffekt: cirka 1,8 milj. €/år på ~100 000 m³ virkesproduktion

Vad de tre nyckeltalen säger tillsammans

De flesta planeringssamtal fokuserar enbart på utbyte, eftersom det är den lättaste siffran att följa. Fallet ovan visar varför en blick enbart på utbytet missar den större bilden.

Utbytet steg med 5 procentenheter. Från 46 % till 51 %. Det är rubriksiffran – samma stockar ger mer virke. Värt cirka 1,4 milj. € per år i extra virkesproduktion till genomsnittligt marknadspris.

Ordertäckningen steg med 24 procentenheter. Från 64 % till 88 %. Sågverket gick från att sälja ungefär två tredjedelar av sitt virke mot öppna kontrakt till att sälja nästan allt. Övriga 36 % (före) gick till lageruppbyggnad eller till försäljning som standardvara med rabatt. Enbart detta skifte – samma virkesvolym, men en större andel i stående order – var värt cirka 400 tusen € per år i intäktslyft från försäljningsmixen.

Genomsnittlig intäkt per m³ virke steg med 18 €. Från 247 € till 265 €. Detta är en följd av den förbättrade ordertäckningen: virke som hamnar på ett kontrakt betalas till kontraktspriset, medan virke som inte gör det hamnar som standardvara, 30–50 € lägre per m³. Skiftet i intäkt per m³ samverkar med utbytesvinsten och ger den årliga marginaleffekten i rubriken.

Tillsammans berättar de tre nyckeltalen hela historien som utbyte ensamt döljer. Sågverket producerade mer virke, sålde en större andel av det till priser för stående order och tjänade mer per m³ av det som såldes. Inget av de tre är orsaken till de andra – alla är följder av samma förändring uppströms: bättre planering.

Hur SawmillSmart implementerar horisontplanering

Allt ovan är principen. SawmillSmart Planning är en implementering av den. Det här avsnittet beskriver bara vad SawmillSmart publicerar på sina produktsidor (produktöversikt, så fungerar det) och gör inga påståenden utöver dem.

SawmillSmart är programvara för produktionsplanering i sågverk. Den optimerar produktionsplaneringen över en horisont på flera veckor – vanligtvis flera veckor – genom att utvärdera tusentals sågkombinationer, och den håller en rullande fyraveckorsplan. Den kräver ingen ny utrustning på linjen.

Arbetssätt 1 – Sågmönster utvärderade mot din orderstock

Så fungerar det. Planeraren läser in den indata som sågverket redan för: stocksortimentet (trädslag, diameter, längd, antal), orderna eller en efterfrågeplan, samt såglinjens kapacitet, sågparametrar och skiftstruktur. Order kan importeras från Excel. SawmillSmart utvärderar sedan genomförbara kombinationer av sågmönster, produktionsfördelning och ordningsföljd under alla definierade begränsningar samtidigt, och väljer den kombination som maximerar utbytet samtidigt som efterfrågan uppfylls.

Vad som är annorlunda. En utbyteskalkylator i kalkylblad kan berätta det teoretiska utbytet för ett sågmönster på en stockdiameter. Den kan inte berätta om de brädor mönstret ger passar en öppen order. SawmillSmart rangordnar simulerade scenarier efter virkesutbyte, stockkostnad och överensstämmelse med leveranskraven, så att frågan vilka sågmönster är värda att köra för just den här uppsättningen stockar och just den här uppsättningen order? besvaras på ett ställe.

Resultatet planeraren ser. En rangordnad lista över scenarier med en fullständig ekonomisk uppdelning – bearbetade m³, utbyte %, värde per stock och total produktionskostnad – som kan jämföras sida vid sida. Teknologen väljer fortfarande.

Arbetssätt 2 – Utbytet synligt före sågningen

Vad det gör. Varje simuleringskörning visar utbyte i % innan något överlämnas till linjen. För varje sågmönster i en simulering ritar SawmillSmart upp en tvärsnittsvy mot den faktiska stockdiametern – brädornas placering, zoner för tillåten vankant och de verkliga zongränserna – med utbytesprocent, antal brädor och stockvolym bredvid.

Varför det spelar roll. Utan en siffra framför sig är varje sågmönster ett vad: teknologen fastställer mönstret, linjen kör det, och det faktiska utbytet visar sig i slutet av skiftet, för sent för att välja annorlunda. Med en simulerad siffra kan planeraren jämföra mönster innan hen binder sig. En simulering är inte bättre än sina indata: SawmillSmarts eget material anger att indatas kvalitet avgör planens kvalitet.

Arbetssätt 3 – En rullande plan som uppdateras

Vad det gör. Den rullande planeraren håller en plan för de kommande fyra veckorna och uppdaterar den när order ändras, lager förskjuts eller linjens förhållanden förändras. Driftplanens vy visar hur orderuppfyllelsen framskrider, skydd av frysta zoner för bekräftade skift, plantäckning i % och varningar för order i riskzonen, och skiftschemat genereras ur den bekräftade planen.

Varför det spelar roll. Order, stockar och linjens förhållanden ändras inom ett fönster, och en horisontplan som inte går att revidera slutar vara en plan. Om ett visst sågverk får de vinster det hoppas på beror på dess data, dess begränsningar och dess orderstock, så SawmillSmarts eget erbjudande är att köra en simulering på sågverkets verkliga data i en demo.

Vad SawmillSmarts egna siffror är

SawmillSmarts produktsida anger en genomsnittlig utbytesförbättring på 2–4 % jämfört med planering skift för skift. Det är SawmillSmarts egen uppskattning, inte en oberoende studie, och metoden publiceras inte där. Produktsidan anger inte om siffran avser procent eller procentenheter. Fallet ovan är anonymiserade kunddata från SawmillSmart från ett enda sågverk. För ditt sågverk är den enda meningsfulla siffran en som beräknats på dina egna data.

Vad planering INTE är - tre antimönster

Samtal om sågverksplanering blandar ofta ihop tre skilda funktioner. Var och en av dem ligger intill planeringen i arbetsflödet, och var och en kallas ibland planering av dem som använder ordet slarvigt. Ingen av dem är vad den här artikeln handlar om, och sammanblandningen kan vara ett skäl till att sågverk underinvesterar i verklig planering.

Antimönster 1 – Planering är inte schemaläggning

Schemaläggning svarar på frågan ”vad körs när?” – måndagens morgonskift, tisdagens eftermiddagsskift, fredagsnatten. Schemaläggning är en kalenderövning. Den bryr sig om resurstillgång, skiftbemanning och underhållsfönster.

Planering svarar på en annan fråga: ”vad ska vi såga, ur vilka stockar och mot vilka order?” – en övning i utbyte och täckning. Planeringens resultat matar schemat, men schemat optimerar ingenting av sig självt. Ett perfekt schemalagt sågverk som kör suboptimala sågmönster ger suboptimalt utbyte med utmärkt timing.

Enligt vår bedömning åtgärdar inte ett bättre schemaläggningsverktyg i sig planeringsgapet.

Antimönster 2 – Planering är inte köhantering

Köhantering är den ordning i vilken öppna order sågas. Först in, först ut. Störst först. Efter leveransdatum. Efter kundens prioritet. Det är köregler, och de flesta sågverk har sådana – uttryckliga eller underförstådda.

Köreglerna ligger efter planeringen. Planeraren bestämmer vilka sågmönster som ska köras; köhanteringen spelar roll först när det beslutet är taget, för att tilldela produktionen till bestämda order. Ett utmärkt köhanteringssystem som tillämpas på ett dåligt beslut om sågmönster ger välordnad leverans av sågsnitt med dåligt utbyte.

Antimönster 3 – Planering är inte orderregistrering

Orderregistrering är arbetsflödet för att få in en kundorder i systemet: specifikation, volym, leverans, pris. Det är en kommersiell funktion (se sågverkshandel).

Orderstocken är indata till planeringen, inte planeringen själv. En ren orderstock är en förutsättning för god planering; den ersätter den inte. Bättre orderregistrering gör indata renare; den förändrar inte optimeringssteget som förbrukar dem.

Vad du ska göra den här veckan - checklista

Fem diagnostiska åtgärder som visar var planeringsgapet kan finnas vid ditt sågverk och vad du kan göra åt det. Gränsvärdena är SawmillSmarts tumregler för triagering, inte validerade riktmärken.

Sågverksplanering – checklista för vecka 1

  • Beräkna din orderpoolskvot. Total volym öppna order ÷ produktionsvolym i planeringsfönstret, båda i m³ sågat virke. Under cirka 1,3× finns det litet utrymme att välja, oavsett verktyg. Över cirka 1,7× kan poolen vara för stor och kundservicen riskeras.
  • Granska en veckas planerat jämfört med faktiskt utbyte. Hämta det planerade utbytet för varje skift under den senaste veckan och jämför med utfallet. Ett gap på mer än cirka 2 procentenheter tyder på att planen inte är förankrad i en verklig utbytesmodell.
  • Välj en öppen order och följ den genom förra veckan. Räkna för din högst prioriterade öppna order hur många separata sågmönster den förekom i under veckan. Fler än cirka 3 tyder på att kontinuiteten är bruten; ordern planeras om varje skift.
  • Gå bort till torkugnen. Räkna underfyllda satser den senaste veckan. Varje underfylld sats kan vara ett efterföljande bevis på planering som inte såg flödet genom torkugnen.
  • Fråga teknologen vilket verktyg de faktiskt använder för att planera. Om svaret är ”Excel” eller ”vi kör alltid mönster X för diameter Y” – kan det saknas en utbytesmodell i processen. Det är planeringsgapet.

Vart du går härnäst

Om två eller fler av punkterna i checklistan ovan blev röda kan det vara värt att kvantifiera planeringsgapet direkt. I en demo går SawmillSmart igenom din orderstruktur och visar en verklig simuleringskörning.

”Vi vet inte vilket utbyte som faktiskt är möjligt på våra stockar.” → SawmillSmart visar utbyte i % för varje simulerat scenario och sågmönster innan du binder dig.
”Vi ser inte hur våra order ligger till förrän vid månadsskiftet.” → Den operativa planvyn visar hur långt orderuppfyllelsen har kommit, plantäckning i % och varningar för order i riskzonen.
”Vår planerare är en person och ett kalkylblad.” → SawmillSmart kör optimeringen över ett horisontfönster och presenterar rangordnade scenarier som planeringsteamet granskar och bekräftar.

Be om en demo på dina data Fler artiklar

Källor och vidare läsning

Varje källa nedan kontrollerades mot sin Crossref-post. De påståenden vi stöder oss på kommer från sammanfattningen (läst via OpenAlex), från öppet tillgänglig fulltext (Vanzetti et al., 2018) eller från själva sidan (Toyota); Monden-kapitlet kontrollerades enbart efter titel och metadata, och dess sammanfattning öppnades inte. Vad som inte har källor: orderpoolen på 1,5× och dess intervall (SawmillSmarts tumregel), det räknade exemplet (antagna siffror), det anonymiserade fallet från ett verkligt sågverk (kunddata från SawmillSmart, ett enda sågverk) och uppskattningen på 2–4 % (SawmillSmarts egen).

Sågverksplanering och sågoptimering

  1. 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
  2. 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
  3. 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
  4. 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
  5. 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

Torkning i torkugn och planering

  1. 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
  2. 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

  1. 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
  2. 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
  3. Toyota Motor Corporation. Toyota Production System (company page on Just-in-Time, jidoka and andon; accessed 2026-10-23). global.toyota

Fallet (utbyte 46 % → 51 %, ordertäckning 64 % → 88 %, intäkt +18 €/m³) är anonymiserade kunddata från SawmillSmart från ett verkligt europeiskt sågverk för barrträ. Måndagsmorgonens räknade exempel använder antagna siffror som illustration och är inte hämtat från något specifikt sågverk.

SawmillSmart
Se horisontplanering i praktiken

Optimering av sågmönster över flera veckor mot din orderstock, utbyte i % synligt före sågningen och en rullande fyraveckorsplan.

Produktöversikt → Så fungerar det