Aller au contenu principal

Outils et formations

FORAC a développé plusieurs outils et formations pour ses partenaires industriels. Découvrez la liste!

Pour plus d’information sur ces différents outils, veuillez communiquer avec l’équipe.

2015-2022
Développé par Rémy Huot, Edith Brotherton et Étienne Pilon en collaboration avec la FQCF.

TBEF est un tableau de bord flexible qui permet de faire un suivi de la performance d’équipe de récolte ou de travaux sylvicoles. Les données proviennent de plusieurs sources et sont agrégés selon une configuration personnalisable. Plusieurs type de données sont supportés et intégrés dans le tableau de bord:

  • Données des temps de production des machines
  • Données de volume provenant des têtes des machines
  • Données de consommation de carburant
  • Données d’horaire des équipes
  • Données des temps et distances parcourues pour les travaux sylvicoles
  • Données de maintenance des machines

Les données sont agrégées dans un fichier Microsoft Access à l’aide de l’Éditeur de Tableau de bord et les résultats sont visualisable dans un fichier PowerBI. TBEF est aussi actuellement en cours d’intégration sur la plateforme ForacID (voir la page Plateformes informatiques).

Exemple de tableau de bord créé avec l'outil

2019, Développé par Philippe Marier

L’optimiseur du chargement de séchoirs est un petit utilitaire permettant de maximiser le nombre de pieds linéaires chargé dans des séchoirs considérant un stock de bois disponible. Il élimine la nécessité de manuellement considérer les différentes combinaisons possibles d’agencement de longueurs permettant d’utiliser au mieux la capacité des séchoirs. L’interface Excel permet d’entrer les paramètres à considérer pour le chargement, notamment la longueur des séchoirs, la pondération des critères d’optimisation et le nombre de produit de chaque longueur:

capture d'écran (paramètres)

Cinq critères permettent d’aligner la recherche de la meilleure solution soit:

1) maximiser l’utilisation de la capacité des séchoirs;
2) maximiser la valeur des produits séchés;
3) obtenir le plus possible des rangées similaires;
4) regrouper les produits d’une même famille dans un même séchoir;
5) minimiser le nombre de paquets différents.

L’outil libre de droits GUSEK est utilisé pour faire l’optimisation du modèle mathématique de planification du chargement des séchoirs. Son utilisation est complètement cachée à l’utilisateur qui entre les paramètres et récupère la solution dans un même chiffrier Excel.

La solution est obtenue au bout de quelques secondes sous la forme d’un plan visuel ou tabulaire:

capture d'écran (visuel du plan de chargement)

capture d'écran (feuille "solution")

2021-2022
Développé par Alexandre Morneau en collaboration avec Myriam Delmaire et Eric R. Labelle.

Selon l’article 152 du Règlement sur l’aménagement durable des forêts du domaine de l’État (RADF) (MFFP, 2018), le volume maximal de matière ligneuse non utilisée (MLNU) est de 3,5 m3/ha pour une coupe totale et 1,0 m3/ha pour une coupe partielle. Cependant, dans chaque région, l’entente de MLNU prise entre les différents partenaires forestiers et le ministère permet de modifier ce volume maximal, en rajoutant les MLNU non désirées (MLNU-ND). Cette entente vient avec l’obligation d’effectuer un inventaire terrain, considéré comme particulièrement coûteux par l’industrie forestière. Considérant l’important manque de main-d’œuvre technique et les marges de profit généralement faibles des compagnies privées, l’objectif général de la recherche était d’estimer le volume de MLNU après des opérations de récolte mécanisée à l’aide des données des ordinateurs de bord des abatteuses multifonctionnelles, pour réduire le coût associé à l’inventaire conventionnel.

L’outil développé permet d’utiliser les rapports de production de StanForD (.pri) et StanForD 2010 (.hpr), les données de GPS ainsi que le contour des secteurs de coupe, afin de permettre la localisation du volume de MLNU par secteur de coupe.

Capture d'écran de l'outil d'estimation du MLNU

2019-2021
Développés par Rémy Huot et Alexandre Morneau.

Entre 2019 et 2021, plusieurs prototypes différents ont été développés pour lire, traiter, agréger et exporter le contenu des différents formats StanForD, autant les versions pré-2010 que les version StanForD2010. Ces différents outils ont permis d’automatiser l’extraction de l’information souhaitée des machines afin d’en faire des rapports ou des analyses spécifiques. L’expertise acquise dans ces développements nous a permis d’inclure ces capacités dans la plateforme informatique FORAC ID.

2019-2020
Développé par Alexandre Morneau, Antoine Gariépy, Salif N’diaye,
en collaboration avec le CERFO et avec Philippe Bournival du MFFP.

Le ministère des Forêts, de la Faune et des Parcs (MFFP) a le mandat de développer et de distribuer des produits de connaissance sur les écosystèmes forestiers québécois. Il procède à un inventaire périodique des forêts de la partie méridionale du Québec, ce qui représente environ 550 000 km2. Cet inventaire est disponible sous la forme d’une carte écoforestière présentant diverses caractéristiques décrivant la forêt. Le processus de cartographie actuel repose sur l’interprétation de photos aériennes par des photos-interprètes. La photo-interprétation est une activité manuelle, lente et coûteuse.

En 2019 et 2020, FORAC et le CERFO, en collaboration avec le MFFP, ont effectué un projet pilote afin d’explorer l’utilisation de réseaux de neurones linéaires pour identifier des essences d’arbres à partir d’imagerie satellitaire et aérienne. Ce projet se voulait être un premier pas dans une démarche visant à explorer le potentiel des technologies basées sur les réseaux de neurones dans le processus de photo-interprétation.

Cette première étape a été très bénéfique à plusieurs niveaux. Le cheminement effectué avec FORAC et le CERFO a beaucoup contribué à développer l’expertise du MFFP dans la préparation des jeux de données pour l’apprentissage machine et dans l’automatisation de cette dernière. Ensemble, nous avons pu adresser différents enjeux tels que l’autocorrélation spatiale et l’apprentissage actif. Les prototypes développés pouvaient photo-interpréter de façon reproductible entre 10 et 3000 km2 à l’heure selon la technologie spectrale utilisée. Les résultats obtenus étaient prometteurs et ont permis la poursuite des travaux de recherche qui permettront, à terme, une photo-interprétation plus précise que la norme actuelle.

Exemple d'une carte générée par le modèle d'identification d'essence automatique.

2021
Développé par Alexandre Morneau,
en collaboration avec Antoine Henry de FPInnovation.

Les objectifs du projet étaient d’identifier l’essence ainsi que d’estimer l’humidité relative des billes de bois photographiées dans un convoyeur à l’aide de réseaux de neurones. Pour y arriver, le modèle subdivise les images à traiter en imagettes et tente de les étiqueter tel que montré dans l’illustration conceptuelle suivante.

Image conceptuelle montrant le découpage de deux photos de billes en imagettes identifiées en fonction de leur essence ou de leur humidité.

Ce projet étant confidentiel, le code, les modèles ainsi que les résultats obtenus ne peuvent pas être partagés sans l’accord explicite de FPInnovation.

2021
Développé par Alexandre Morneau, Rémy Huot et Chaimaa Ghanmi,
en collaboration avec Guillaume Cyr et Bruno Forest du BFEC.

Le modèle du bilan du carbone du secteur forestier canadien (MBC-SFC3) a été développé en 2005 afin de répondre aux besoins de comptabilité du carbone forestier qu’ont les aménagistes et les analystes forestiers à travers le Canada. Aujourd’hui, le Bureau du Forestier en chef (BFEC) utilise le modèle «Generic Carbon Budget Model (GCBM)», une version plus récente et spatialement explicite de MBC-SFC3, pour calculer des métriques carbone associées au calcul des possibilités forestières. Le tout s’effectue à l’aide d’un logiciel de simulation spatialement explicite qui nécessite beaucoup de temps. Ce projet cherche à accélérer ces calculs en estimant ces métriques avec des métamodèles développés par apprentissage automatique.
Les objectifs principaux du projet étaient d’entrainer des modèles d’apprentissage automatique:

  1. à estimer le bilan carbone entre deux strates forestières consécutives;
  2. à estimer les principaux pools de carbone à partir des caractéristiques d’une seule strate forestière.

Les travaux ont été effectués en collaboration avec Chaimaa Ghanmi, stagiaire FORAC de 2e cycle à l’été 2021. Un peu plus de 460 expériences ont été effectuées avec différentes approches telles que la régression polynomiale, les forêts aléatoires ainsi que les réseaux de neurones de type MLP (multilayer perceptron). Les modèles ayant le mieux performé pour l’estimation du bilan carbone ainsi que pour l’estimation des principaux pools de carbones étaient les réseaux de neurones MLP avec des coefficients de détermination (R-carré) respectifs de 0,87 et de 0,90. En plus des modèles entrainés, la méthodologie utilisée a été documentée et livrée, avec tout le code source nécessaire pour entrainer de nouveaux modèles.

Le transfert technologique avec le BFEC a été effectué avec succès. Les modèles fournis sont maintenant intégrés à la plateforme de planification forestière FMT et ils utilisent actuellement la technologie développée au FORAC pour gérer l’amélioration continue des modèles comme recommandé dans les pratiques MLOps.

2007

L’outil Excel de gestion des opérations a été développé à la demande des PME. Cet outil permet un meilleur suivi des temps de production en fonction du numéro de production, de la date, de l’employé ou de l’opération. Il inclut également des indicateurs de performance permettant de visualiser la répartition des temps d’opération les selon une période de temps donnée.

Partant du principe qu’on ne peut améliorer que ce que l’on mesure, l’outil de gestion des opérations a été conçu afin d’aider les entreprises à mieux évaluer leur temps d’opération. La compilation de ces données est très utile lors de la planification des opérations, du balancement d’une chaîne d’opérations, de l’évaluation de la rentabilité d’un projet ou de la mise en place d’un prix de revient. Il permet également de cibler les opérations improductives et celles qui peuvent être améliorées.

Cet outil de gestion des opérations peut être utilisé pour l’ensemble de la production ou pour des projets plus spécifiques selon les besoins de l’entreprise.

Guide d’utilisation – Gestion des opérations (pdf, 532 Kb)
Outil de gestion des opérations (xls, 256 Kb)

Ce fichier demande l’utilisation de macros. Pour activer les macros, sélectionner l’option « outils » dans la barre de menus, puis « macros » et « sécurité ». Le niveau de sécurité recommandé est « moyen ». Ouvrir le fichier et cliquer sur « activer les macros » lors de l’ouverture du fichier.

2007

L’outil Excel de gestion d’une base de données d’achat a été développé à la demande de PME dans le domaine de la fabrication d’armoires de cuisine. L’outil permet, entre autres, une gestion par fournisseur, par projet et par date de livraison.

Gestion des achats par fournisseur

La gestion par fournisseur permet à l’acheteur de gérer la liste des produits ainsi que les prix négociés avec chaque fournisseur. De plus, l’historique des produits achetés ainsi que des prix payés est disponible par fournisseur. Par exemple, il est possible, pour chaque fournisseur, de connaître la valeur des achats annuels et la quantité totale de produits achetés.

Gestion des achats par projet

La gestion des achats par projet rend possible le suivi des coûts et des quantités de matières premières consommées tout au long du projet. Il devient donc beaucoup plus simple de faire l’analyse des coûts de revient et le post mortem des projets.

Gestion des achats par date de livraison

La gestion des achats par date de livraison facilite la relance auprès des fournisseurs des commandes d’achat en retard. Une bonne relance des fournisseurs aide à bien gérer la planification de la production.

Vous trouverez dans le lien suivant le guide d’utilisation de l’outil et l’outil Excel.

Guide d’utilisation du fichier Excel – Achats (pdf, 286 Kb)
Fichier Excel – Achats (xls, 601 Kb)

Ce fichier demande l’utilisation de macros. Pour activer les macros, sélectionner l’option « outils » dans la barre de menus, puis « macros » et « sécurité ». Le niveau de sécurité recommandé est « moyen ». Ouvrir le fichier et cliquer sur « activer les macros » lors de l’ouverture du fichier.

Outil pour le chargement des wagonsL’outil est dédié au chargement du bois d’œuvre à dimensions variées sur un wagon de train. Lorsqu’un chargement comprend des produits de même qualité, épaisseur et largeur mais ayant des longueurs variées, le chargement devient un peu plus complexe.

L’outil proposé ici permet de calculer rapidement le chargement optimal en paquets lorsque les longueurs sont variables. L’objectif est de maximiser l’espace utilisé dans les rangées d’un wagon pour que celui-ci soit rempli au maximum.

Utilisation de l’outil

  • Préciser la longueur des wagons. Les paquets seront placés de manière à remplir autant que possible chaque rangée.
  • Préciser le nombre de types de paquets différents. Par exemple, on peut dire que nous avons des paquets de sept longueurs différentes.
  • Pour chaque paquet distinct, inscrire la longueur de ce dernier ainsi que le nombre de paquets de cette longueur qu’il faudra charger. Vous devez inscrire les longueurs en ordre croissant.
  • Cliquez sur le bouton «Planifier chargement» pour lancer l’outil de planification.

Lecture des résultats

  • Chaque ligne représente le chargement maximal d’une rangée dans le wagon. Pour chacune des rangées, vous pouvez donc savoir le nombre de paquets à placer en fonction de leur longueur.
  • La colonne «Total» représente la longueur utilisée par les paquets dans la rangée.

Outil de chargement version Excel (xls, 158 Kb)

Capture d'écran de la formation sur la statistique appliquée.Cette formation vise à présenter les notions requises à l’évaluation et au contrôle de la qualité des interventions forestières. Elle s’attarde aux éléments de base de la théorie de l’échantillonnage et à la réalisation des compilations statistiques nécessaires pour les prescriptions sylvicoles, le suivi des interventions et le suivi après intervention. Il est vrai que les références utilisées dans la présente formation sont inspirées des besoins d’information relatifs aux activités réalisées dans les forêts publiques. Toutefois, il est important de noter que les principes présentés sont universels et que ceux-ci peuvent être mis en application dans différents contextes et champs d’expertise.

Objectif

Comprendre les principes fondamentaux de l’échantillonnage et de l’estimation afin de les appliquer judicieusement lorsqu’une situation l’exige.

De façon plus spécifique, cette formation poursuit les objectifs suivants:

  • Mettre en application les concepts d’échantillonnage pour la réalisation d’un plan de sondage;
  • Justifier le choix du type de point d’observation (grandeur de placette);
  • Justifier le nombre de placettes à réaliser (calculer la taille d’un échantillon);
  • Utiliser les statistiques pour l’évaluation de la fiabilité des résultats;
  • Connaître les limites de l’estimation des événements rares;
  • Comparer 2 échantillonnages.

Clientèle

Ingénieurs forestiers et professionnels responsables de l’échantillonnage pour les inventaires d’interventions et pour le suivi des interventions forestières.
Gestionnaires et directeurs d’usines, responsables des ventes, responsables de la planification de la production au niveau tactique et opérationnel.

Statistique appliquée à la foresterie (pdf, 2.38 Mb)