BIONÆR-Bionæringsprogram

Hogstmaskiner samler inn en hel del data om skogene de avvirker. Det kan være alt fra treslag, treslagsblanding og lokalitet til høyde, diameter og avsmalning. I Europa hogges det over 400 millioner m3 i året som er egnet til helmekanisert hogst (hogstmaskin og lassbærer). Riktig bruk av data om enkelttrærne kan øke kunnskapen om Norges og Europas skoger. Hogstmaskiner er dyre både i anskaffelse og drift, og har samtidig et av det mest spesialiserte kontroll- og brukergrensesnitt som finnes. En hogstmaskinfører foretar rundt 3600 aktiveringer av elektrohydrauliske pulser i timen i opptil 10 timer daglig. Forskning viser at det går 3 år før en hogstmaskinfører evner å utnytte sin egen kapasitet fullt ut. Likevel kan det forekomme prestasjonsavvik på opptil 40% blant de mest erfarne maskinførerne. For å redusere stressnivåer, øke likviditeten, og fremvise hogstmaskinfører yrket som et attraktivt valg for flere av begge kjønn, ble RECO-programmet til. I AVATAR prosjektet gjenskapes RECO-instruktøren i et digitalt format. Det gjøres ved å fange opp elektrohydrauliske aktiveringer fra en instruktør og sammenlikner disse med dem fra den aktuelle maskinføreren - både i et simulert og et virkelig driftsmiljø. I tillegg skal prosjektet se på andre måte å tilrettelegge informasjon til maskinføreren på, som f.eks. et head-up display. Formålet med prosjektet er å bidra redusert arbeidsbelastning for maskinførere, gjøre faget mer attraktivt for en større del av befolkningen, og øke prestasjon til nye og uerfarne maskinfører. Utover NIBIO, er Skogkurs og Optea AS med fra norsk side, mens SkogForsk. Tyskland utgjøre det siste partnerland der Universitetet i Göttingen og arbeidsmiljøinstituttet iFADO i Dortmund skal teste konsepter og ideer i delstaten Nordrhein-Westfalen.

More than 400 million m3 of timber are harvested in Europe each year. Modern cut-to-length (CTL) machines (harvester and forwarder) collect significant amounts of data while working, including details of each tree, potentially providing a cromprehensive data foundation for the management of European forests. Further, these mechanized harvesting systems provide an improved work environment and lower impact on the forest. However, operating this sophisticated machinery efficiently within a range of forest conditions requires high skill levels fostered by continuous training and learning. Still, graduates of current training programmes and even experienced operators show productivity differences of up to 40%. In order to overcome the high entry barrier, and further enhance safe and efficient machine operations, the project develops new cognitiv mentoring and assitance applications for new and experienced operators of timber harvesting and extraction machinery. Methods of cognitive science will be applied in providing directed feedback in formats and at identified periods which promote cognition of the operator to guide him/her towards more balanced working methods and techniques. Through this the project contributes to efficiency improvements, improved timber resource utilization, and a better and safer workplace with lower environmental impact, all while improving the knowledge base for a sustainable and competitive bio-economy in Europe.