JEAN-FRANÇOIS BOUFFARD COMPARAISON DES PROCÉDÉS DE DÉBITAGE SECONDAIRE SELON UNE OPTIMISATION SUR LA SURFACE ET EN VALEUR

JEAN-FRANÇOIS BOUFFARD COMPARAISON DES PROCÉDÉS DE DÉBITAGE SECONDAIRE SELON UNE OPTIMISATION SUR LA SURFACE ET EN VALEUR Mémoire présenté à la Faculté des études supérieures de l Université Laval dans le cadre du programme de maîtrise en Sciences du bois pour l obtention du grade de maître ès sciences (M.Sc.) FACULTÉ DE FORESTERIE ET DE GÉOMATIQUE UNIVERSITÉ LAVAL QUÉBEC Avril 2005 Jean-François Bouffard, 2005

TABLE DES MATIÈRES TABLE DES MATIÈRES... ii LISTE DES TABLEAUX... iv LISTE DES FIGURES...v RÉSUMÉ... vi AVANT-PROPOS... vii INTRODUCTION...1 CHAPITRE I...5 REVUE DE LA LITTÉRATURE...5 1.1 Les procédés d usine...5 1.2 Le rendement...7 1.2.1 Définition...7 1.2.2 Facteurs qui influencent le rendement...9 1.2.2.1 Qualité du bois...10 1.2.2.2 Carnet de commande...12 1.2.2.3 Largeur des planches...15 1.2.2.4 Courbure des planches...15 1.3 Carnet de commande et rendement...16 1.4 Les logiciels d optimisation...19 CHAPITRE II...25 MATÉRIEL ET MÉTHODES...25 2.1 Matériel...25 2.1.1 Les planches...25 2.2 Méthode...26 2.2.1 Système de vision numérique...26 2.2.2 Base de données...29 2.2.3 Logiciels d optimisation...30 2.2.3.1 Carnets de commande et modes d optimisation...32 2.2.3.2 Qualité des composants...34 2.2.4 Analyse statistique...34 2.2.4.1 Détermination du nombre de répétitions...34 2.2.4.2 Analyse factorielle avec un modèle d ANOVA...36 CHAPITRE III...37 BOREALSCAN, ROMI-RIP AND ROMI-CROSS YIELD COMPARISON FOR HARDWOOD ROUGH MILL OPTIMIZATION...37 3.1 Résumé...37 3.2 Abstract...38 3.3 Introduction...39 3.4 Objectives...40 3.5 Material and Methods...40 3.5.1 Lumber Sample...40 3.5.2 Database...40 3.5.3 Cutting bill...42 3.5.4 Software...44 3.5.5 Simulation parameters...46 3.5.6 Statistical analysis...46 3.6 Results and Discussion...48 3.6.1 Yield and parts distribution comparison between ROMI-RIP and BorealScan by area prioritization...48 ii

3.6.2 Yield and parts distribution comparison between USDA software and BorealScan by CDE optimization...51 3.7 Conclusion...60 CHAPTER IV...61 A COMPARISON BETWEEN ROMI-RIP, ROMI-CROSS AND BOREALSCAN USING VALUE PRIORITIZATION...61 4.1 Résumé...61 4.2 Abstract...62 4.3 Introduction...63 4.4 Objectives...64 4.5 Methods...64 4.5.1 Lumber Sample...64 4.5.2 Database...65 4.5.3 Cutting bill...65 4.5.4 Software...66 4.5.5 Simulation parameters...67 4.5.6 Statistical analysis...67 4.6 Results and Discussion...69 4.6.1 Comparison between ROMI-RIP and BorealScan for Rip-first...69 4.6.2 Comparison between ROMI-CROSS and BorealScan for Crosscut-first...74 4.6.3 Rip-first and Crosscut-first comparison...79 4.6.4 Value comparison between Rip-first, Crosscut-first and the flexible cell...79 4.7 Conclusion...82 CONCLUSION GÉNÉRALE...83 RÉFÉRENCES BIBLIOGRAPHIQUES...86 ANNEXE I...94 COMPOSANTS DU CARNET DE COMMANDE...94 ANNEXE II...96 HISTOGRAMMES DES DISTRIBUTIONS DE LARGEUR DES PLANCHES CONSTITUANT LA BASE DE DONNÉES...96 ANNEXE III...102 TABLEAUX DES DONNÉES BRUTES DU RENDEMENT OBTENU AU COURS DES SIMULATIONS...102 iii

LISTE DES TABLEAUX Tableau 1.1 : Liste des facteurs affectant le rendement des usines de débitage secondaire...9 Tableau 1.2 : Principales caractéristiques des règles de classement NHLA (1998)....10 Tableau 1.3 : Sommaire de la qualité des composants en bois solide utilisés (Araman et al. 1982)...13 Tableau 1.4 : Distribution longueur/largeur des composants de 4/4 et clairs de défauts pour les fabricants de meubles, cabinets et moulure architecturale. (Adapté d Araman et al. 1982)...13 Tableau 1.5 : Matrice des rendements pour les simulations de délignage et tronçonnage en tête sur des planches de chêne rouge...18 Tableau 1.6 : Rendement obtenu selon la stratégie de priorité utilisée...22 Tableau 1.7 : Stratégie de débitage de BorealScan...23 Tableau 2.1 : Description de la banque de planches...26 Tableau 2.4 : Liste de correspondance des défauts...30 Tableau 2.2 : Liste des de simulations réalisées et des critères d évaluation utilisés...33 Tableau 2.3 : Description de la qualité des composants...34 Tableau 2.5 : Nombre de répétitions à effectuer pour détecter une variation de 1 %...35 Table 3.1: Database description...41 Table 3.2: Definition of defect groups...41 Table 3.3 : Cutting bill with CDE coefficient associated with each component...44 Table 3.4: List of corresponding defect types...45 Table 3.5: Yield comparison between ROMI-RIP and BorealScan for Rip-first area optimization...48 Table 3.6: Average number of components produced in Rip-first using the area part prioritization...49 Table 3.7: Yield comparison between ROMI-RIP and BorealScan by CDE optimization...51 Table 3.8: Yield comparison between ROMI-CROSS and BorealScan by CDE optimization...52 Table 3.9 : Average width and percent of boards narrower than 5 inches for Red Oak, Black Cherry and Sugar Maple boards...55 Table 3.10: Average number of components obtained in Rip-first and Crosscut-first (CDE)...57 Table 4.1: Database description...64 Table 4.2: Cutting bill with parts value in $ per board feet....66 Table 4.3: Value comparison between BorealScan and ROMI-RIP in Rip-first when using a value prioritization strategy...69 Table 4.4: Average number of components produced by BorealScan and ROMI-RIP in Rip-first when using a value prioritization strategy...70 Table 4.5: Yield comparison between ROMI-RIP and BorealScan in Rip-first when using a value prioritization strategy...70 Table 4.6: Value comparison between ROMI-CROSS and BorealScan in Crosscut-first...74 Table 4.7: Average number of components produced by BorealScan and ROMI-CROSS in Crosscutfirst when using a value prioritization strategy...75 Table 4.8: Yield comparison between ROMI-CROSS and BorealScan when optimizing for value in Crosscut-first...75 Table 4.9: Value comparison using BorealScan between Rip-first, Crosscut-first and the Flexible Cell...81 Table 4.10: Percentage of boards cut in Rip-first and Crosscut-first when using the Flexible Cell cut-up process...81 iv

LISTE DES FIGURES Figure 1.1: Nomogramme des rendements pour du chêne rouge No. 1 Commun (adapté de Englerth et Schumann 1969)...17 Figure 2.1 : Exemple de marquage, segmentation (polygone) et transformation en rectangles pour une planche d érable à sucre...27 Figure 2.2 : Exemple de marquage, segmentation (polygone) et transformation en rectangle pour une planche de cerisier avec coloration pâle...28 Figure 2.3 : Exemple de marquage, segmentation (polygone) et transformation en rectangle pour une planche de cerisier avec coloration foncée...28 Figure 2.4 : Exemple de marquage, segmentation (polygone) et transformation en rectangle pour une planche de cerisier avec un défaut inacceptable à purger (rouge) ainsi que deux nœuds à tête d épingle....29 Figure 2.5 : Représentation graphique des planches en format a) ROMI-RIP et b) BorealScan...31 Figure 2.6 : Représentation graphique des planches en format a) BorealScan et b) ROMI-...31 CROSS...31 Statut du défaut dans le grade des composants...34 Definition...41 Figure 3.1: Example of defect marks, transformed into polygons and then into rectangles on a Black Cherry board....42 Figure 3.2: Board representation in a) ROMI-RIP, b) ROMI-CROSS and c) BorealScan formats....45 Grade...49 ROMI RIP...49 Figure 3.3: ROMI-RIP and BorealScan Rip-first parts distribution for Sugar Maple by area optimization....50 Figure 3.5: a) ROMI-CROSS and b) BorealScan cut-up solutions with CDE optimization....53 Figure 3.6: Example of a) Rip-first and b) Crosscut-first cut-up operation on a crooked board using the BorealScan software....56 Figure 3.7: Crosscut-first parts distribution (ROMI-CROSS and BorealScan) for Sugar Maple...58 Figure 3.8: Rip-first parts distribution (ROMI-RIP and BorealScan) for Black Cherry...59 Figure 4.1: BorealScan and ROMI-RIP components distribution when optimizing for value in Sugar Maple...72 Figure 4.2: BorealScan and ROMI-RIP components distribution when optimizing for value in Black Cherry...73 Figure 4.3: BorealScan and ROMI-CROSS Crosscut-first components distribution when optimizing for value in Sugar Maple...77 Figure 4.4: BorealScan and ROMI-CROSS Crosscut-first components distribution when optimizing for value in Black Cherry...78 Figure 4.5: Schematic representation of the Flexible Cell process...80 v

RÉSUMÉ Le débitage secondaire de bois franc est une opération qui nécessite une attention particulière afin de maintenir des rendements élevés. Contrairement aux industries de bois résineux, les usines de débitage secondaire sont encore très manuelles, mais les logiciels d optimisation font de plus en plus leur apparition. Ainsi, afin de maintenir un rendement matière élevé, il faut tenir compte de plusieurs facteurs parmi lesquels figurent la composition du carnet de commande, la dimension et la qualité des sciages à utiliser. L objectif premier du projet était de comparer le logiciel d optimisation du débitage secondaire développé par le CRIQ, BorealScan, avec les logiciels du USDA, ROMI-RIP et ROMI- CROSS. Ces derniers constituent une référence dans la littérature sur la modélisation des usines de débitage secondaire. Les comparaisons dans la présente étude ont été réalisées par l optimisation du rendement matière et de la valeur. Le second objectif visait à vérifier si l utilisation en parallèle du délignage et du tronçonnage en tête, dans le cadre d une cellule de débitage flexible, permettrait d obtenir des gains appréciables. Les comparaisons, dans ce cas, ont été réalisées uniquement avec BorealScan pour l optimisation en matière et en prix. Un dispositif expérimental factoriel à quatre facteurs pour la comparaison de BorealScan avec les logiciels du USDA a été utilisé et un dispositif à trois facteurs pour comparer la cellule de débitage flexible. Les essais ont été effectués avec des planches de cerisier tardif et d érable à sucre de trois qualités soit du No. 1 Commun, du No. 2A Commun et du No. 3A Commun. BorealScan a obtenu de façon générale des rendements matière supérieurs par rapport aux logiciels du USDA. En optimisant sur la surface, des différences variant entre 8.1% et 13.7% ont été observées en délignage en tête et selon une optimisation basée sur l application d un coefficient, les différences observées variaient entre 2,9% et 5,8% en délignage. En comparant les rendements matière de BorealScan en délignage avec le tronçonnage, nous avons constaté que le tronçonnage est préférable, par contre les comparaisons par prix démontrent le contraire. La cellule de débitage flexible permet d accroître le rendement matière et la valeur totale produite entre 2,79% et 6,38%. Les comparaisons en rendement matière démontrent qu il est plus avantageux d utiliser ce procédé avec des sciages de qualité supérieure, par contre en prix, il devient plus favorable avec les sciages de plus basse qualité. Jean-François BOUFFARD Candidat Robert BEAUREGARD Directeur vi

AVANT-PROPOS Ces études graduées représentaient pour moi un rêve que je caressais depuis mes études en Biologie. En changeant de domaine d étude, je m étais promis qu un jour je le réaliserais. Après deux années sur le marché du travail et quelques circonstances favorables, j ai décidé enfin de faire le saut. Cette expérience d études graduées m a permis d apprécier davantage la recherche et de me familiariser avec ce domaine qu est la seconde transformation du bois. J ai également appris que de gérer et réaliser un tel projet demande une certaine discipline. Cette étude n aurait pas été réalisée sans l intervention de certaines personnes dont Robert Beauregard, mon directeur, qui en me suggérant ce projet, m a permis de me décider à faire le saut. Il m a également dirigé afin que je ne dévie pas trop. Je le remercie pour la grande liberté et la confiance qu il m a accordées. Je tiens aussi à remercier Torsten Lihra qui m a fourni une place au sein du Département de la valeur ajoutée chez Forintek et qui m a permis de participer à certains congrès très formateurs hors du pays. Je veux également remercier les intervenants du CRIQ, Martin Caron et Michel R. Bouchard, premièrement pour avoir conçu le logiciel d optimisation, sans quoi je n aurais pas réalisé ce projet. Ils m ont énormément aidé et conseillé pour la réalisation des simulations. Je tiens aussi à remercier tous les employés du Département de valeur ajoutée chez Forintek pour m avoir supporté durant ces deux années, surtout Pierre Blanchet qui m a très bien orienté et surtout qui m a beaucoup aidé dans la réalisation de mes tests statistiques. Je tiens à remercier les intervenants financiers qui m ont permis de subsister pendant ces deux années. Premièrement, il y a le CRSNG et Forintek qui m ont donné une bourse à incidence industrielle. La SGF-REXFOR qui a considéré que mon projet valait la peine d être soutenu. Je remercie la compagnie Foresbec pour avoir fourni le bois et les carnets de commande nécessaires à la réalisation de ce projet. vii

Je tiens également à remercier mes parents pour m avoir encouragé à poursuivre mes études universitaires. Enfin je veux remercier ma conjointe qui depuis le début de mes études m a apporté son soutien tant psychologique que financier. Que voulez-vous, être étudiant c est également faire vœux de fin de mois difficiles. Le paragraphe suivant présente la structure du présent mémoire car ce dernier est en partie de type «conventionnel» et en partie de type «article». Ce mémoire contient deux articles qui seront soumis pour publication dans le Forest Products Journal. La structure du présent mémoire est la suivante : Introduction présente le projet ainsi que les objectifs spécifiques de l étude; Chapitre I présente une revue de la littérature; Chapitre II présente le matériel ainsi que la méthodologie utilisée; Chapitre III est constitué du premier article dont le titre est : «BorealScan, ROMI- RIP and ROMI-CROSS yield comparison for hardwood rough mill optimization». Les auteurs de cet article sont : Jean-François Bouffard, Robert Beauregard et Torsten Lihra; Chapitre IV est constitué du second article dont le titre est : «Acomparison between ROMI-RIP, ROMI-CROSS and BorealScan using value prioritization». Les auteurs de cet article sont : Jean-François Bouffard, Robert Beauregard et Torsten Lihra; Conclusion générale; Références bibliographiques; Annexe I présente les composants du carnet de commande; Annexe II présente les histogrammes de distribution des largeurs de planches constituant la base de données; Annexe III présente les tableaux des données brutes obtenues au cours des simulations. Concernant les deux articles présentés dans ce mémoire, il est important de spécifier que le premier auteur a réalisé le travail expérimental, les simulations, qu il a compilé et analysé les résultats et rédigé la première ébauche des articles. Le second et troisième auteurs ont fourni la direction au projet et des corrections aux manuscrits, chacun à partir de son expertise. viii

INTRODUCTION D après St-Pierre (2001) l industrie des produits forestiers contribue grandement à la balance commerciale positive du Québec, grâce à des exportations atteignant plusieurs milliards de dollars. Néanmoins même si la valeur des importations est beaucoup plus faible, elle touche un nombre élevé de produits. Ces produits peuvent constituer des opportunités pour de nouvelles productions au Québec. Chaque année, le Québec importe pour environ 40 000 000 $ de billes d érable et pour 12 000 000 $ de billes de cerisier des États-Unis ce qui représente 50% des importations canadiennes pour ces deux essences. Le Québec importe aussi des sciages d érable (24 000 000 $) et de cerisier (7 000 000 $). Depuis 1998, les importations de sciages sont restées sensiblement les mêmes, tandis que dans l ensemble du Canada ces importations ont subi des hausses de 35 % et de 26 %. D après Statistiques Canada en 2000, le volume importé d érable à sucre est à la baisse mais le prix moyen est à la hausse. Depuis 1992, les volumes de bois ronds de feuillus durs consommés par les scieries québécoises sont en évolution (Giguère, 2001). Des 2 785 739 m 3 consommés, près de 45% proviennent des forêts publiques et 35% de l extérieur du Canada. En terme de sciage de feuillus durs, les scieries québécoises ont produit 512 608 Mpmp en 1999. C est 146 000 Mpmp de plus qu en 1995. L industrie du meuble au Québec représentait en 1999, 20 000 emplois et 1,9 milliards $ en expéditions (Turcotte 2001). Depuis 1991, la valeur des expéditions de meubles résidentiels en bois est en constante évolution. La part du Québec dans ce segment de l industrie canadienne est de 50% en terme de livraisons et d exportations. Du côté des Américains, le marché du meuble de maison représente 40 milliards $ US (Turcotte 2001). Aux États-Unis, 1

l érable à sucre était utilisé à près de 16.3% dans la fabrication de meubles en 1999 et seulement 4% du cerisier était utilisé à cette fin. L industrie des planchers de bois franc représente environ 210 millions $ en expéditions dont 15% sont destinées à l extérieur du Canada. De plus, le Québec produit plus de 70% des lames de planchers de bois franc au Canada. Aux États-Unis, les manufacturiers ont enregistré des ventes de 1,35 milliards $ US. La demande a augmenté de plus de 10% par année depuis 1997 (Turcotte 2001). Afin de produire la quantité requise à un moindre coût, l industrie de la seconde transformation a développé et adopté différentes technologies et systèmes : le délignage en tête; les optimiseurs de débitage; des changements dans la spécification des produits et une meilleure utilisation des bas grades (Wiedenbeck et Thomas 1995b). Aujourd hui, la recherche est très avancée sur les algorithmes d optimisation (Thomas 1996a et 1997), les systèmes de vision (Conners et al. 1997) et la technique de coupe avec des scies minces. Une usine de composants consiste en une série de machines et d équipements pour convertir le bois séché en diverses dimensions pour l industrie du meuble, du plancher, de la composante etc. Afin de produire les dimensions requises, les industries se servent de carnets de commande. Le carnet de commande contient la largeur et la longueur, le grade et la quantité requise de chacun des composants à fabriquer. L objectif des usines étant de produire le carnet de commande au coût le plus bas tout en respectant la qualité et la quantité demandées, les usines utilisent généralement le rendement matière pour mesurer leur efficacité. Le rendement matière est le ratio de surface de composants à la sortie sur la surface de planches à l entrée, multiplié par 100. Avec la grande quantité de bois consommée par année, le prix du bois à la hausse et la qualité à la baisse, il devient crucial d améliorer le procédé pour rentabiliser les opérations. Ainsi, une augmentation du rendement matière de 1 % peut représenter pour une usine moyenne de meubles au Québec consommant 5 Mpmp, une économie de 80 000$ sur les coûts de matière 2

première. Pour une usine de plancher consommant 20 Mpmp, cela peut représenter une économie de 240 000 $ (Beauregard 2001). Dans les industries de débitage secondaire, les planches peuvent être débitées soit par délignage en tête ou par tronçonnage en tête afin d obtenir les pièces demandées dans le carnet de commande tout en maximisant le rendement matière. Le processus est complexe car le bois est un matériau hétérogène, les dimensions et la surface des défauts varient entre les planches (Brunner et al. 1990). Dans bien des usines, les décisions de coupe sont encore réalisées par des humains avec un peu d'aide technique. Plusieurs industries intègrent des optimiseurs afin d améliorer le rendement matière. Les logiciels d optimisation sont également de plus en plus utilisés afin de représenter et corriger des problèmes de production. Kline et al. (1998) ont comparé le rendement d une usine typique avec un logiciel d optimisation. Les résultats démontrent que le rendement de l usine est 3,5 % inférieur au rendement obtenu par le logiciel d optimisation. Thomas et Buehlmann (2002) ont validé ROMI-RIP dans une usine de débitage secondaire. Ces derniers ont démontré que ROMI-RIP, après des ajustements qui ne sont pas à la portée de l utilisateur moyen, arrive à bien reproduire les résultats de l industrie et qu en utilisant les fonctions d optimisation dynamique, il est possible d obtenir des rendements supérieurs à ceux obtenus dans l industrie. Avec des systèmes de vision numérique plus performants, les décisions optimales deviendront réalité (Conners et al. 1997). L intégration des systèmes automatisés et optimisés assure la constance dans les décisions, ce qui n est pas toujours le cas avec des opérateurs. Le carnet de commande est un facteur déterminant du rendement matière (Wengert et Lamb 1994). Une étude réalisée par Wiedenbeck et Thomas (1995a) démontre que la prédominance de certaines combinaisons de composants (longs et larges, longs et étroits, courts et larges, courts et étroits) dans la composition du carnet de commande influence le rendement matière. La dimension et le grade des planches utilisées influencent également le rendement. L utilisation de planches étroites de grade No. 3A Commun va certainement donner des 3

rendements inférieurs à l utilisation de planches larges de grade No. 1 Commun. Ainsi, le choix de la matière première devient un facteur important dans la quête de l amélioration du rendement. Un article de Wiedenbeck (2001a) montre bien la différence de rendement obtenu par simulation entre du No. 1 Commun et du No. 2A Commun pour des composants clairs 2 faces et clairs 1 face. Les logiciels d optimisations permettent donc de faciliter la gestion des différents facteurs par la réalisation d essais sans nuire à la production. C est pourquoi, il devient important lors du développement d un nouveau logiciel d optimisation, de le comparer avec les systèmes existants afin d en vérifier les performances et valider les résultats obtenus. Le but de cette étude est donc de comparer le rendement matière et le rendement en valeur obtenu avec trois procédés de débitage secondaire pour un carnet de commande, trois qualités de sciage et deux essences soit le cerisier tardif et l érable à sucre. Les objectifs spécifiques sont de : Comparer les rendements matière et en valeur obtenus en délignage en tête et en tronçonnage en tête avec les logiciels du USDA (ROMI-RIP et ROMI-CROSS) en comparaison avec celui du CRIQ (BorealScan). Faire l analyse comparative avec BorealScan des rendements et de la valeur totale de trois stratégies de débitage, soit le tronçonnage en tête, le délignage en tête et la cellule de débitage flexible. 4

CHAPITRE I REVUE DE LA LITTÉRATURE 1.1 Les procédés d usine Le débitage secondaire permet de produire des composants de dimensions finies. Ce procédé fait suite au séchage, au classement du bois et au rabotage des surfaces. Il existe deux types de configuration d usine de débitage secondaire soit : tronçonnage en tête et délignage en tête. La différence vient de la séquence dans laquelle les pièces sont débitées. En délignage en tête, les pièces sont d abord délignées afin d obtenir des largeurs fixes, puis elles sont tronçonnées pour donner la longueur finale. Ce procédé est généralement utilisé, entre autres, dans la production des lames de plancher. En tronçonnage en tête, les pièces sont d abord tronçonnées pour donner la longueur des composants puis elles sont délignées afin d obtenir la largeur finale. Ce procédé est surtout utilisé dans les usines de panneaux de bois solide. En tronçonnage en tête, les pièces sont délignées en largeurs variables car elles sont généralement collées pour faire des panneaux. Pour les deux types de procédé, il existe la possibilité de réaliser une troisième étape appelée coupe de récupération. Il s agit d un retour pour répéter la première étape de la séquence afin d enlever les défauts et découper des composants de plus faibles dimensions sur les pièces rejetées par les deux premières coupes. Ce système de recirculation permet d accroître le rendement matière d environ 4 %. (Anderson et al. 1992). Bien que peu fréquente, la possibilité d opérer les deux procédés en parallèle existe. Cette 5

approche, appelée cellule flexible de débitage, permet de maximiser le rendement sur chacune des planches. Selon Hall et al. (1980), plusieurs dirigeants croient que l utilisation simultanée des deux systèmes en parallèle pourrait présenter des avantages appréciables. Avec l outil d optimisation 2 axes développé par le CRIQ, et appelé BorealScan, il est possible de démontrer cette affirmation. Plusieurs chercheurs ont étudié la différence de rendement entre les deux systèmes (Harding 1991, Pepke 1980, Hall et al. 1980), mais aucune réponse générale n a été obtenue. Une étude de Buehlmann et al. (1999) a démontré une différence significative entre les deux, mais aucune des deux ne surclasse l autre dans tous les cas. Wiedenbeck et Thomas (1995 a et b) démontrent avec le regroupement des carnets de commande selon la prédominance des composants, que les procédés offrent une meilleure performance dépendamment du type de composants prédominants dans le carnet de commande. Les rendements pour chacune des stratégies dépendent de la qualité du bois, du carnet de commande et des paramètres spécifiques à la configuration de l usine. Clément (2004 a et b) obtient des rendements supérieurs en tronçonnage en tête pour différents carnets de commande avec sa base de données de bouleau blanc. Deux des carnets de commande utilisés sont des adaptations de Steele et al (1999). En moyenne, les rendements sont supérieurs de 4.7 % par rapport au délignage en tête. La différence avec les autres études menées aux États-Unis provient de la base de données utilisée. La base de données américaine de chêne rouge contient uniquement des planches droites, toute courbure de plus du quart de pouce a été éliminée et ces planches ont une largeur moyenne bien supérieure aux planches de bouleau blanc du Québec utilisées par Clément dans son projet. La configuration la plus répandue des usines de débitage secondaire date de plus de 50 ans. Elle consiste en une ou deux lignes manuelles de tronçonnage en tête suivies de quatre ou cinq déligneuses simples manuelles. Toutes les décisions sont prises par des opérateurs. C est le procédé de débitage le plus répandu dans les usines de débitage secondaire mais, la tendance d aujourd hui est au développement du délignage en tête (Mullin 1990). Les usines modernes possèdent une ligne de délignage en tête optimisée et des tronçonneuses optimisées et semiautomatisées (Mitchell 1997). Ce type de procédé avec délignage en tête permet d après 6

certains auteurs d obtenir des rendements supérieurs, ainsi que des composants plus longs à partir de pièces de grade inférieur comme du No. 2A Commun et du No. 3A Commun (Gatchell 1987). Selon Mullin (1990), 90% des nouvelles installations aux États-Unis sont à délignage en tête. Dans les usines à délignage en tête modernes, on retrouve 4 types de configuration de scies: 1) scies fixes avec barrière stationnaire, 2) scies fixes avec barrière mobile, 3) scies fixes avec scies extérieures mobiles, 4) arbre à scies mobiles. Le système de scies fixes avec barrière mobile (fixed arbor best feed) est sans aucun doute le plus utilisé dans les usines qui se sont modernisées récemment (Mitchell 1997). La configuration des scies de l arbre est un facteur déterminant pour obtenir un rendement optimal. Idéalement, on voudrait pour chacune des pièces, avoir la combinaison de scies qui fait toute la largeur. Comme c est impossible avec des scies fixes, il faut optimiser l espacement des scies afin d obtenir le meilleur rendement. Les déligneuses à scies mobiles optimisées déterminent les endroits ou placer les scies selon la largeur de la planche et la largeur des composants à produire. Ainsi, les scies sont positionnées de manière optimale pour chacune des planches ce qui permet d obtenir un rendement maximum (Mitchell 1997). C est ce type de configuration de scies qui sera utilisé pour réaliser les simulations dans le présent travail, ainsi nous éliminerons l influence de ce paramètre sur le rendement matière. 1.2 Le rendement 1.2.1 Définition Le rendement matière est une mesure d efficacité d une usine de débitage secondaire. La définition du rendement matière dans une usine est le ratio de la surface des composants à la sortie sur celle des planches à l entrée multiplié par 100 (Gatchell, 1985). Même avec cette simple définition, le rendement peut être utilisé pour exprimer différents concepts entre les usines et aussi à l intérieur d une même usine. Un outil utile pour les usines de débitage secondaire est de définir le pourcentage de rendement comme une somme des volumes 7

produits qui remplissent le carnet de commande, lequel inclut le volume des composants à longueurs et largeurs fixes et le volume des composants de panneaux à largeurs variables, divisé par le volume de bois sec utilisé pour produire les composants requis. Ainsi, la formule devient : Rendement (%) = Volume des composants + Volume des panneaux (PMP) X 100 Volume de bois sec (PMP) Souvent, des composants courts sont produits en excès et conservés pour utilisation future. Ces composants n ont pas été inclus dans le calcul du rendement. De plus, certaines usines spécifient une quantité de composants avec une marge de composants en excès. Le rendement doit dans ce cas être calculé en tenant compte que l usine va produire ces composants supplémentaires (Mitchell 1997). Une étude de Yun (1989) montre que le rendement peut être considéré en terme de valeur au lieu de le traiter comme une mesure de surface ou de volume. Dans son étude, elle définit la valeur comme le coût du matériel nécessaire pour produire le carnet de commande. Lorsque le rendement est défini en valeur, on peut considérer d autres spécifications telles que l urgence de produire un composant particulier ou le prix du composant lors de sa vente. Bien d autres définitions de rendement sont possible et peuvent être utilisées lors de la définition de la stratégie définissant les priorités de production (Thomas 1996b). Dans plusieurs usines au Québec, le rendement se calcule comme étant le ratio de surface du composants à la sortie sur la surface de planches à l entrée de l usine. Il faut savoir que le rendement matière seul ne permet pas d obtenir un portrait complet de la profitabilité pour une usine de débitage secondaire (Mitchell 2001). C est pourquoi, bien des manufacturiers préfèrent regarder la valeur produite plutôt que le rendement matière. Le prix des composants étant généralement fonction de la surface des composants, les résultats sont certainement différents entre une optimisation en surface et en valeur. En surface, en régime de demande infinie, les plus petits composants sont produits en premier et en plus grande quantité ce qui permet d obtenir des rendements matière supérieurs. En valeur, par contre, les composants de plus grande 8

dimension sont produits en premier étant donné leur valeur supérieure. Ainsi, le rendement matière d une optimisation en valeur sera plus faible que pour une optimisation en surface. Les études utilisant le mode d optimisation en valeur sont peu nombreuses, outre les travaux de Yun (1989) on trouve plus récemment ceux de Caron et al. (2004). 1.2.2 Facteurs qui influencent le rendement Plusieurs facteurs peuvent influencer le rendement d une usine de débitage secondaire. Certains auteurs (Wengert et Lamb 94, Gatchell 85, Anonyme 85) en ont dressé la liste (Tableau 1.1). Tableau 1.1 : Liste des facteurs affectant le rendement des usines de débitage secondaire Facteurs Wengert et Lamb 1994 Gatchell 1985 Anonyme 1985 Qualité du bois Oui Oui Oui Qualité de séchage Oui Oui Carnet de commande Oui Oui Oui Habileté de l opérateur Oui Oui Oui Qualité des composants Oui Oui Design de l usine Oui Oui Trait de scie Oui Dimension planches Oui Oui Oui Constance dans le classement du bois Oui Oui Oui Dans le tableau 1.1, les facteurs sont présentés en ordre d importance tel que classés par Wengert et Lamb (1994). Plusieurs ont une influence sur les autres ce qui en rend difficile l évaluation individuelle (Buehlmann 1998). Dans le présent projet, deux des facteurs mentionnés seront pris en considération soit, la qualité du bois et le carnet de commande. Nous allons également nous attarder à la géométrie des planches, lors de l évaluation de la meilleure stratégie de débitage. 9

1.2.2.1 Qualité du bois La qualité du bois affecte le rendement et la productivité. Plusieurs auteurs ont déterminé que la qualité du bois utilisé avait un impact important sur le rendement matière (Buehlmann et al. 1998 et 1999, Gatchell et Thomas 1997, Wengert et Lamb 1994, Gatchell 1985). Les attributs utilisés pour décrire le bois sont définis par des règles bien établies. Ceci est très important, car les entreprises qui utilisent les bois feuillus comme matière première, s approvisionnent généralement en bois sans l avoir vu préalablement. Il faut donc à ces entreprises un moyen précis pour décrire la qualité du bois commandé, ce qui leur donnera la certitude relative que le bois livré correspondra à la qualité demandée (École forestière de Duchesnay, 1995). C est dans ce contexte que les normes de classification NHLA (1998) ont été établies. Ces normes sont précises. Elles laissent peu de place à l interprétation. Les plus importants critères de classification des bois durs se trouvent au tableau 1.2. Tableau 1.2 : Principales caractéristiques des règles de classement NHLA (1998). Grade du bois Dimension minimum des planches Dimension minimum des débits Rendement minimum Nombre de débits acceptés FAS 6" x 8' 4" x 5' 83 1/3 % 4 max 3" x 7' F1F 6" x 8' Meilleure face = FAS Mauvaise face = 1C MF = FAS MaF = 1C MF = FAS MaF = 1C Sélect 4" x 6' Meilleure face = FAS Mauvaise face = 1C MF = FAS MaF = 1C MF = FAS MaF = 1C No. 1 Commun 3" x 4' 4" x 2' 66 2/3 % 5 max 3" x 3' No. 2A & 2B 3" x 4' 3" x 2' 50 % 7 max Commun No.3A Commun 3" x 4' 3" x 2' 33 1/3 % Aucune limite No. 3B Commun 3" x 4' >1 ½ large avec 36po 2 25 % Aucune limite Il faut noter que la classification se fait sur la mauvaise face sauf dans les opérations de débitage qui requièrent une face claire, auquel cas la classification s effectue sur la meilleure 10

face. Ce tableau des règles de classement permet de faire certains commentaires à propos du classement du bois franc. Premièrement, le grade FAS nécessite une grande plage de bois clair et peu de débits peuvent être utilisés pour couvrir cette plage (Mitchell 1997). À l opposé, le grade No. 2A Commun n a besoin que de 50% ou plus de bois clair et plusieurs débits peuvent être utilisés. On constate un grand intervalle dans chacun des grades. Par exemple, le No. 2A Commun nécessite un minimum de 50% jusqu à 66 2/3 % de surface claire. En moyenne, la majorité des grades ont une plage de 16 2/3% de rendement, ce qui représente un grand intervalle de variation. Ainsi, pour chaque qualité, il y a une limite supérieure et une limite inférieure (Mitchell 1997). Gatchell et Thomas (1997) dans une étude expérimentale sur la variation de qualité à l intérieur d un même grade ont observé que seulement 54% des planches de No. 1 Commun avaient une surface incluse dans l intervalle de 66 2/3% à 83 1/3%, alors que 46% des planches avaient une surface claire supérieure à 83 1/3%, et auraient donc pu être classées FAS. Pour le No. 2A Commun 54,7% des planches avaient une surface claire appartenant à l intervalle du No. 1 Commun. Ces résultats démontrent que lors de la classification des planches, bien des surfaces claires sont omises, ce qui ne permet pas d obtenir la qualité réelle des planches. Une autre étude de Gatchell et al. (1996) démontre que dans les planches de chêne rouge, il y a un meilleur et un moins bon bout. Des différences de rendement de l ordre de 10% ont été obtenues entre les planches débitées à partir du meilleur bout par rapport à celles débitées par le mauvais bout. En utilisant des grades supérieurs, il est plus facile d obtenir un meilleur rendement. Par contre, les prix de la matière première sont plus élevés. Ainsi, pour une différence de rendement de 16 % entre le No. 1 Commun et le No. 2A Commun, bien des industriels sont prêts à payer de 90% à 125% de plus pour acheter du No. 1 Commun (Gatchell 1985). Un calcul simple de Mitchell (2001) montre que pour obtenir 1000 pmp de composants, il en coûte 1 698 $ avec du No. 1 Commun, considérant le prix du No. 1 Commun à 900 $/mpmp pour un rendement de 53 %. L utilisation de No. 2 Commun réduit le coût à 1 579 $ avec un prix de bois à 600 $/mpmp et un rendement de 38%. Ceci équivaut à une baisse de 0.12 $/pmp de composants produits. Donc, pour une usine de délignage en tête, l utilisation de No. 2A Commun peut représenter des gains significatifs. L obstacle majeur à l utilisation du bois de grade No. 2A Commun est la perception des dirigeants qui croient ne pouvoir obtenir 11

que des composants courts avec ce grade (Gatchell 1985). Une autre étude de Gatchell (1991) démontre qu en utilisant du No. 2A Commun, il a été possible de produire plus de longs composants que prévu dans le carnet de commande et pas assez de composants courts. Par contre l utilisation de planches de qualité No. 2A Commun, nécessite généralement l utilisation de plus de planches pour produire le même carnet de commande, il faut donc avoir plus de capacité de production, le coût de la main d œuvre ira augmentant de même que la consommation d électricité. 1.2.2.2 Carnet de commande Le carnet de commande est une liste de débits de dimensions connues à produire où chacun des débits peut être produit pendant une production de débitage secondaire (Manalan et al. 1980). Dans un carnet de commande, on retrouve pour chaque composant, la largeur, la longueur, la qualité et la quantité à produire. Le seul projet de recherche décrivant de façon extensive des carnets de commande en usage dans l industrie date de 1982 (Araman et al. 1982, Araman 82). Araman et ses collaborateurs ont proposé un nouveau système de production des composants de dimension appelé «Standard-size hardwood blanks». Ces auteurs suggèrent de produire avec les délignages, des collages de bois massif. Les panneaux ainsi produits pourraient alors servir à couper les dimensions nécessaires au lieu d utiliser des planches individuelles. Afin de déterminer la dimension des panneaux, Araman a fait un sondage dans l industrie. Il a récolté et analysé les dimensions, les quantités et les qualités utilisées par les industries américaines du meuble, de l ébénisterie et des armoires (Araman et al. 1982). Les auteurs ont recueilli des exemples de carnets de commande provenant de 32 industriels. Le tableau 1.3 montre les besoins en terme de composants solides pour les industries utilisant du bois franc en utilisation d apparence. 12