Ung forskare prisas för forskning om hur skogsindustrin kan tillämpa maskininlärning med avancerade visualiseringstekniker

– Gränssnittet skapar möjlighet för operatörer i skogsindustrin att med hjälp av AI och maskininlärning fatta informerade beslut för strategiska val i kokprocessen, säger Elmira Zohrevandi.

Prototypen som ska vidareutvecklas samlar data, så väl historiska data som dagsaktuella, och kan beräkna det så kallade kappatalet. Kappatalet visar hur stor halt av lignin (träets naturliga bindemedel) som finns kvar i massan efter kokprocessen. Den är en viktig parameter för att kunna avgöra massans kvalitet.

– I projektet vill jag hjälpa operatörerna att förstå modellen så att den kan anpassas efter skogsindustrins verksamhet och processtadier. Jag bidrar med gränssnittet och att göra modellens operationer transparenta, men operatörerna kommer själva kunna justera och bygga på modellen med egna data, berättar Elmira Zohrevandi.

Exempelvis kommer operatörerna i gränssnittet kunna få information för att kunna kontrollera processeffektivitet vilket på sikt kan spara energi i bruksmiljön. En annan stor vinst är kompetensöverföringen. Genom att såväl historiska som nutida data används innebär det att etablerad historisk kunskap på ett smidigt sätt nu kan överföras till dagens operatörer.

En ytterligare vinst med forskningen är att skogsindustrin får ökad kunskap om maskininlärningsmetoder.

– Vi ser att Elmira Zohrevandis forskning skapar möjligheter för skogsindustrin att med hjälp av maskininlärning fånga möjligheter för utvecklingen av framtidens skogsindustriella processer, därför är hennes forskning både relevant och utvecklande för industrin, säger Torgny Persson, forsknings- och innovationschef för Skogsindustrierna samt ordförande för Stiftelsen Gunnar Sundblads forskningsfond.

Styrelsens motivering:
Elmira Zohrevandi tilldelas Young Researcher’s Award för sin ambition att ta fram en protoyp av ett gränssnitt till ett beslutsstöd för pappers- och massaindustrin. I forskningsprojektet vill hon med hjälp av interaktiva visualiseringar av data, förstärkta med maskininlärning, göra dolda samband i processen synliga och lättare att förstå. Historiska processdata kommer att appliceras i verktyget vilket tillvaratar många års kunskapsuppbyggnad. Målet är ett smart beslutsstöd som hjälper dagens operatörer att se hur olika inställningar och åtgärder påverkar massakvaliteten.

Priset delades ut vid forskarkonferensen Treesearch Progress som arrangerades på Vildmarkshotellet vid Kolmården den 14-15 april 2026.