Déterminer les produits de sciage pouvant être obtenus suite à la transformation d'un billot dans une scierie permet une meilleure assignation des blocs de coupes et d'améliorer la planification des opérations. Bien que les simulateurs de débitage permettent d'anticiper la production associée à un billot, ils ne permettent pas de traiter un grand nombre de billots rapidement. Nous savons que l'apprentissage automatique peut être utilisé pour la prédiction du panier de produits associé à un billot (c.-à-d. les produits de sciage contenu dans le billot). Toutefois, prédire le panier de produits correspondant à un lot de billots n'a pas encore été étudié. Dans ce contexte, nous avons développé une approche permettant d'obtenir une prédiction par lot. Nos résultats montrent un gain jusqu'à 2% supérieur à la moyenne historique d'une scierie. Dans un second temps, les travaux précédents se concentrent sur une représentation simplifiée du billot et peu d'études ont exploré d'autres représentations du billot dans le but de prédire le panier de produits associé à chaque billot. Pour cette raison, nous avons utilisé des réseaux de neurones traitant des nuages de points obtenus par la numérisation 3D des billots. Cette approche permet une amélioration de 8% par rapport aux méthodes précédentes. Nous avons également créé une projection de la surface du billot qui performe de manière similaire aux nuages de points, tout en réduisant l'information nécessaire aux réseaux de neurones. Par la suite, nous avons combiné les diverses approches développées précédemment dans le but d'exploiter les forces de chacune des approches. Ces travaux ont permis d'observer quelques exemples où combiner les approches donnait un gain. Finalement, nous avons élaboré une série de fonctions de pertes. Celles-ci ont permis aux réseaux de neurones d'obtenir des gains de 15% par rapport aux approches initialement proposées, devenant ainsi l'état de l'art. / Determining the sawmill output that can be obtained as a result of the transformation of a log allows for better allocation of cutting blocks and improves operational planning. Although sawing simulators make it possible to anticipate the production associated with a log, they do not allow processing many logs quickly. We know that machine learning can be used to predict the basket of products associated with a log (i.e., the lumber contained in the log). However, predicting the basket of products corresponding to a batch of logs has not yet been studied. In this context, we have developed an approach to obtain a prediction for a batch of logs. Our results show a gain up to 2% higher than the historical average of a sawmill. In a second step, previous work focuses on a simplified representation of the log and few studies have explored other representations of the log in order to predict the basket of products. For this reason, we used neural networks that process point clouds obtained by 3D scanning of logs. This approach shows an 8% improvement over previous methods. We also created a projection of the log surface that performs similarly to point clouds, while reducing the information needed by the neural networks. Subsequently, we combined the various approaches developed previously with the aim of exploiting the strengths of each of the approaches. This work has made it possible to observe some examples where combining approaches improves the prediction. Finally, we developed a series of loss functions. These have allowed neural networks to achieve gains of 15% compared to the approaches initially proposed, thus becoming the state of the art.

Déterminer les produits de sciage pouvant être obtenus suite à la transformation d'un billot dans une scierie permet une meilleure assignation des blocs de coupes et d'améliorer la planification des opérations. Bien que les simulateurs de débitage permettent d'anticiper la production associée à un billot, ils ne permettent pas de traiter un grand nombre de billots rapidement. Nous savons que l'apprentissage automatique peut être utilisé pour la prédiction du panier de produits associé à un billot (c.-à-d. les produits de sciage contenu dans le billot). Toutefois, prédire le panier de produits correspondant à un lot de billots n'a pas encore été étudié. Dans ce contexte, nous avons développé une approche permettant d'obtenir une prédiction par lot. Nos résultats montrent un gain jusqu'à 2% supérieur à la moyenne historique d'une scierie. Dans un second temps, les travaux précédents se concentrent sur une représentation simplifiée du billot et peu d'études ont exploré d'autres représentations du billot dans le but de prédire le panier de produits associé à chaque billot. Pour cette raison, nous avons utilisé des réseaux de neurones traitant des nuages de points obtenus par la numérisation 3D des billots. Cette approche permet une amélioration de 8% par rapport aux méthodes précédentes. Nous avons également créé une projection de la surface du billot qui performe de manière similaire aux nuages de points, tout en réduisant l'information nécessaire aux réseaux de neurones. Par la suite, nous avons combiné les diverses approches développées précédemment dans le but d'exploiter les forces de chacune des approches. Ces travaux ont permis d'observer quelques exemples où combiner les approches donnait un gain. Finalement, nous avons élaboré une série de fonctions de pertes. Celles-ci ont permis aux réseaux de neurones d'obtenir des gains de 15% par rapport aux approches initialement proposées, devenant ainsi l'état de l'art. / Determining the sawmill output that can be obtained as a result of the transformation of a log allows for better allocation of cutting blocks and improves operational planning. Although sawing simulators make it possible to anticipate the production associated with a log, they do not allow processing many logs quickly. We know that machine learning can be used to predict the basket of products associated with a log (i.e., the lumber contained in the log). However, predicting the basket of products corresponding to a batch of logs has not yet been studied. In this context, we have developed an approach to obtain a prediction for a batch of logs. Our results show a gain up to 2% higher than the historical average of a sawmill. In a second step, previous work focuses on a simplified representation of the log and few studies have explored other representations of the log in order to predict the basket of products. For this reason, we used neural networks that process point clouds obtained by 3D scanning of logs. This approach shows an 8% improvement over previous methods. We also created a projection of the log surface that performs similarly to point clouds, while reducing the information needed by the neural networks. Subsequently, we combined the various approaches developed previously with the aim of exploiting the strengths of each of the approaches. This work has made it possible to observe some examples where combining approaches improves the prediction. Finally, we developed a series of loss functions. These have allowed neural networks to achieve gains of 15% compared to the approaches initially proposed, thus becoming the state of the art.

Une meilleure intégration des processus de fabrication du scieur et du fabricant de fermes de toit permettrait une utilisation plus efficiente des matières premières par une diminution de la production de sous-produits de moindre valeur notamment lors des opérations d’éboutage des bois. La scierie fabrique son bois d’œuvre de 2 po d’épaisseur suivant des longueurs standard variant de 6 à 16 pi. Les sciages verts sont généralement éboutés en longueurs paires alors que des longueurs impaires peuvent être générées après séchage et rabotage des bois. Le fabricant de fermes de toit doit, pour sa part, ébouter à nouveau les sciages en composantes suivant des longueurs variables comprises entre 2 po et 16 pi. Certains sciages requièrent un éboutage à la scierie en raison, entre autres, de la présence de flaches excessives. Ces bois devraient constituer un potentiel intéressant pour la production de composantes de longueurs variables entrant dans la fabrication de fermes de toit. Un changement des pratiques d’éboutage pourrait hypothétiquement contribuer à l’amélioration de la valeur des produits de la scierie et à une meilleure utilisation de la matière première tant pour le scieur que pour le fabricant de fermes de toit. L’objectif du projet consiste donc à évaluer le potentiel de récupération de la portion utilisable des sciages flacheux produits en scierie, pour la fabrication ultérieure de composantes de fermes de toit. Nous avons choisi d’étudier les fermes de toit en raison de leur complexité, de la grande variabilité des éléments structuraux qui les composent, comparativement aux murs et aux systèmes de plancher. Les fermes de toit sont également très populaires auprès des constructeurs d’habitations et des fabricants de systèmes de construction. Le carnet de commandes de fermes de toit, correspondant à trois mois de production, comprenait 219 projets de construction. Nous avons répertorié 5 qualités, 7 largeurs et 2 907 longueurs différentes de composantes pour la réalisation des projets de construction de fermes de toit. Les membrures courtes, inférieures à 7 pi de longueur, représentaient à elles seules 42,7% du volume total des composantes requises. Les simulations effectuées nous indiquent un potentiel de gain en volume de sciages de l’ordre 5,4% pour le scieur désirant récupérer des composantes dans des sciages flacheux. Un fabricant de fermes de toit, qui à son tour consomme ces sciages de longueurs hors standard, pourrait potentiellement réaliser des économies de bois de l’ordre de 4,9% du volume annuel consommé. Une meilleure intégration des processus de découpe du scieur et du fabricant de fermes de toit permettrait donc une réduction potentielle des éboutures générées lors de l’usinage des sciages dans les deux filiales industrielles.

Les objectifs étaient d’évaluer l’impact de l’origine du peuplement sur la qualité des sciages, le rendement MSR et les propriétés mécaniques du bois d’épinette noire et de décrire la variabilité des propriétés mécaniques et physiques à tous les niveaux de structuration de la variance. Les résultats indiquent qu’un pourcentage semblable des pièces se trouve dans les classes de qualité No.2 ou meilleures dans les peuplements originaires de coupes, mais ce pourcentage est de 20% inférieur au peuplement originaire de feu. Les peuplements originaires de coupes ont un rendement MSR similaire à ceux des peuplements naturels, mais le peuplement issu de coupe partielle a plus de sciages dans les classes MSR inférieures à cause de ses propriétés mécaniques inférieures. Pour les propriétés considérées, la variabilité inter-peuplement est inférieure à la variabilité intra-peuplement. À l’intérieur des peuplements, la variance inter-arbre du MOE et MOR est inférieure à la variance intra-arbre. Les peuplements à structure plus irrégulière, i.e. avec des distributions en DHP plus importantes ont la variation inter-arbre des propriétés mécaniques plus importante que les autres peuplements. / The objectives of this project were to evaluate the effects of stand origin on lumber grade yield, MSR yield and bending properties and to describe the variability of wood mechanical and physical properties at different hierarchical levels in black spruce. The results indicate that a similar percentage of lumber pieces are graded as No.2 and better in logged stands, but this percentage is 20% lower than in burned stand. The MSR grades yield in logged stands is similar to that from natural stands but partial-cut origin stand has less lumber in superior MSR class due to lower bending properties. For all properties studied the between stands variance is much less important than within stand variance. Moreover, inter-tree variance component of MOE and MOR are lower than intra-tree variance. The stands that showed a more important DBH variance and asymmetrical competition present more important inter-tree variance in wood mechanical properties.

Le présent travail a eu comme objectif d'étudier l'influence de la hauteur et de la largeur du coupe sur la qualité de surface des équarris d'épinette noire produits par une équarrisseuse-fragmenteuse. Des billes de trois classes de diamètre ont été équarries selon deux largeurs de coupe chacune. Cette expérience fut répétée l'été et l'hiver afin d'étudier l'effet de l'usinage de billes gelées et non gelées sur la qualité de surface du bois. Cette qualité fut analysée en fonction des paramètres standards de rugosité et d'ondulation et de la profondeur du fil arraché. Les profils de rugosité et d'ondulation ont été pris selon les directions longitudinale et transversale au fil du bois. Les résultats ont montré des effets significatifs de la hauteur de coupe, la largeur de coupe et la température des billes sur la qualité de surface des équarris. Plus précisément, une augmentation de la hauteur de coupe a provoqué une augmentation de la rugosité longitudinale et transversale ainsi que de l'ondulation transversale du bois. Par contre, l'ondulation longitudinale diminua avec l'augmentation de la hauteur de coupe. La largeur de coupe a affecté également l'ondulation et la rugosité transversales du bois ainsi que la profondeur du fil arraché. La surface était plus rugueuse, plus ondulée et le fil arraché plus profond lorsque la largeur de coupe était plus grande. L'effet de la saison fut aussi très significatif: la rugosité et l'ondulation ont été supérieures à l'hiver qu'à l'été. Les résultats ont aussi montré que la rugosité et l'ondulation augmentent à mesure que la coupe avance vers le gros bout de la bille, ce qui est provoqué par l'augmentation constante de la hauteur et largeur de coupe. Également, la qualité de surface fut meilleure au début de la course qu'à la fin de la course de chaque couteau, c'est-à-dire, les surfaces étaient plus lisses en haut qu'en bas de l'équarri. L'orientation de l'arête tranchante par rapport au fil du bois devient de plus en plus oblique près de sa sortie de la bille, ce que nuit à la qualité de la surface. Finalement, une corrélation positive fut obtenue entre la rugosité, l'ondulation et le fil arraché. Ainsi, l'optimisation de l'usinage de la machine peut se faire en visant d'améliorer un seul paramètre de qualité.

Le but du présent projet vise à déterminer les effets de l’angle d’attaque, de l’orientation de coupe et de la profondeur de coupe, sur les efforts de coupe et la qualité de surface pendant l’équarrissage du bois d’épinette noire. Pour ce faire, l’étude a comporté deux volets. Le premier volet visait à déterminer les efforts de coupe avec un dynamomètre triaxial (placé sur la table d’amenage d’une fraiseuse ayant un angle de couteau de 20° et une vitesse d’avance de 7.6 mm/s), lors des coupes faites avec 4 angles d’attaque (35°, 45°, 55° et 65°), 4 orientations (0°-90°, 15°-75°, 30°-60° et 45°-45°) et 3 profondeurs (1, 2 et 3 mm). Le deuxième volet comportait la mesure de la qualité de la surface obtenue avec un profilomètre confocal muni d’un stylo optique ayant une profondeur de champ de 24 mm. Les critères d’évaluation furent le fil arraché, l’ondulation et la rugosité. Les résultats ont montré qu’au fur et à mesure que l’angle d’attaque augmente, les efforts de coupe, le fil arraché, l’ondulation et la qualité de surface diminuent. L’angle d’attaque de 65º a produit les efforts de coupe les plus faibles et les meilleures qualités de surface, indépendamment de l’orientation et de la profondeur de coupe. Les effets de la profondeur de coupe sur la variation des efforts de coupe et de la qualité de surface furent plus importants que ceux de l’orientation de coupe. Ainsi, au fur et à mesure que la profondeur diminue, les effets de l’orientation de coupe sur les efforts de coupe et la qualité de surface se retrouvent amoindris. L’application de ces résultats au travail d’une équarrisseuse-fragmenteuse est analysée.

Les objectifs de ce travail sont donc, dans un premier temps, de mieux comprendre les effets de l’espacement initial sur les caractéristiques des arbres de pin gris et d’épinette blanche ainsi que sur les propriétés mécaniques de leur bois. Il sera également possible de développer un facteur de correction du volume des sciages obtenus en fonction des déformations naturelles présentes sur les tiges pour ces deux essences, et ce, dans le but d’estimer de manière plus précise le volume de sciage disponible à partir des données d’inventaires forestiers. Dans un deuxième temps, le travail consiste à modéliser la présence des nœuds et à percevoir leurs impacts sur le rendement en sciage à l’aide d’Optitek, un logiciel de simulation du procédé du sciage. Pour réaliser cette étape, un certain nombre de billes ont été traitées dans un CT Scanner et un nouveau logiciel a été mis au point afin d’extraire l’information désirée des images tomodensitométriques (CT) pour ensuite la rendre compatible au logiciel Optitek. Le but de cette étape est d’être en mesure d’effectuer des simulations du procédé de débitage en tenant compte de la dimension et de l’emplacement des nœuds de façon à maximiser la valeur de chaque bille. Les arbres proviennent d’une plantation d’épinette blanche (Picea glauca (Moench) Voss) et de pin gris (Pinus banksiana Lamb.) de type Nelder (1962). Ce type de plantation se caractérise par une forme circulaire qui fait en sorte que la densité de peuplement diminue graduellement du centre vers la périphérie du cercle. Ce site a permis l’étude de deux essences différentes ayant grandi dans des conditions de croissance similaires. Premièrement, les résultats démontrent que les caractéristiques des arbres sont fortement influencées par la densité de peuplement. En effet, le DHP, la hauteur totale, le défilement, la longueur et la largeur de la cime vivante, le diamètre des cinq plus grosses branches mortes et vivantes ont généralement augmenté avec l’accroissement de la distance entre les arbres, autant chez le pin gris que chez l’épinette blanche. L’optimisation du débitage primaire en fonction de l’emplacement spatial réel des nœuds internes dans les arbres a généré un volume de sciage significativement plus élevé et de plus grande valeur que les simulations du débitage uniquement basées sur la géométrie des tiges. En effet, la prise en compte de la distribution des nœuds lors des simulations du sciage a permis d’augmenter le nombre de pièces de qualité No.2 & meilleur produites de 15% pour l’épinette blanche et de 40% pour le pin gris. L’augmentation de la valeur des sciages associée à la connaissance de la distribution interne des nœuds a varié de 9,5% à 15,1% pour l’épinette blanche et de 15,2% à 23,0% pour le pin gris. Encore une fois, l’augmentation du rendement en valeur a été plus forte chez le pin gris que chez l’épinette blanche en raison de la présence de nœuds de plus fortes dimensions qui augmentent le potentiel d’optimisation. / The first objective of this work is to characterize the properties of jack pine and white spruce and develop a lumber volume correction factor due to stem shape for both species. The purpose of this section is to more precisely predict lumber volume from forest inventory data. The second objective is to model the presence of knots and evaluate their impact on lumber yield using Optitek, a sawing simulation software. To achieve this goal, a new software had to be developed in order to extract CT image information and make it compatible with the Optitek software. Hence, the second objective is simulate lumber sawing while taking into account the knot dimension and location. The trees come from a Nelder (1962) type plantation of white spruce (Picea glauca (Moench) Voss) and jack pine (Pinus banksiana Lamb.). This type of plantation is characterized by a circular shape which makes the stand density vary from the center to the periphery of the circle. This site makes possible the study of two different species growing in similar conditions. Several field data were analyzed such as diameter at breast height (DBH), curvature, taper, total tree length, live crown size. First, the results show that tree characteristics are strongly influenced by the stand density. Indeed, DBH, total height, taper, length and width of the live crown, diameter of the five largest branches dead and alive generally increased with greater distance between the trees, both for jack pine and white spruce. The results obtained with the simulation using the knot information gave a lumber sawing volume and value significantly higher. Both jack pine and white spruce have produced more No.2 & better pieces when knots have been considered in the sawing simulations (15% for white spruce and 40% for jack pine). As for lumber value, the increase varied from 9.5% to 15.1% for white spruce and 15.2% to 23.0% for jack pine. Again, the larger jack pine knot size could explain this greater potential for improvement.