Suomi elää metsästä myös 2035 – Keskustelunavaus metsäsektorin arvonlisän kaksinkertaistamiseen
Bibliographic record
Abstract
Metsäsektorin rooli Suomen kansantaloudessa on merkittävä. Suomessa sekä muissa pohjoismaissa on erittäin korkealuokkaista metsäsektorin tutkimus- ja innovaatiotoimintaa. Suomen biotalousstrategiassa tavoitteeksi on asetettu biotalouden arvonlisän kaksinkertaistaminen. Tässä keskustelunavauksessa tarkastelemme Suomen biotalousstrategian tavoitteiden toteutumista metsäsektorin arvonlisän kasvun osalta. \nTutkimuskentästä on noussut tai nousemassa teolliseen mittakaavaan erittäin potentiaalisia puubiomassan innovaatioita. Tällä hetkellä Suomen metsäbiotalouden arvonlisä luodaan jalostusketjun alkupäässä ja kansallista satsausta arvoketjun pidentämiseen tarvitaan. \nTarkastelemme tässä työssä erityisesti sellukuidun, mekaanisen puutuoteteollisuuden ja niiden sivuvirtojen jatkojalosteiden arvonlisää. Laskemme kaksi skenaariota, joissa biotalousstrategiassa asetettu 50 miljardin euron arvonlisätavoite saavutetaan metsäsektorin osalta vuoteen 2035 mennessä. \nKeskitymme työssä vain taloudellisiin muuttujiin, ja esimerkiksi biodiversiteetti- tai hiilinieluvaikutuksia ei ole arvioitu. Reaalimaailmassa näillä muuttujilla on keskeinen rooli tulevaisuuden metsäsektorin tulevaisuuden näkymiin ja toimien suuntaamiseen. \nKuiduttavan teollisuuden osalta tarkastelemme sellukuidun konversiota tekstiilikuiduksi ja keiton sivutuotteena syntyvän ligniinin jatkojalostusta betonin notkistimeksi. Samoin tarkastelemme uudentyyppisten muovia korvaavien pakkausmateriaalien kasvavaa tuotantoa. Nämä tuotteet valikoituivat esimerkeiksi tarkasteluihimme, koska niistä oli saatavilla riittävästi tietoa arvonlisälaskentaa varten. Tarkastelusta huomataan, että merkittävää arvonnousua voidaan saavuttaa jo jalostamalla sellua tekstiilikuiduksi, mutta huomattavasti suurempaa potentiaalia olisi siirryttäessä arvoketjussa eteenpäin eli tekstiilimateriaaleihin ja kuluttajatuotteisiin asti. Sivuvirrasta erotettavan ligniinin jatkojalostuksessa on suuri potentiaali, ja tässä työssä oletamme, että se hyödynnetään kohtuullisen arvonlisäyksen ja suuren volyymin betonin tuotannon notkistimena. On huomattava, että ligniinillä on jo nyt hyvin korkean arvon loppukäyttöpotentiaalia esimerkiksi akkumateriaalina, mutta tästä ei ollut saatavilla riittävää tietoa arvonlisälaskentaa varten. \nMekaanisen puutuoteteollisuuden osalta oletamme, että sahatuotteiden jatkojalosteiden suhteellinen osuus tulisi kasvamaan perinteiseen sahatavaraan nähden eli Suomeen syntyisi teknologisesti huippuluokan CLT- ja muunlaisten puutuotteiden jatkojalostusekosysteemi. Sahateollisuuden sivuvirrasta eli sahanpurusta oletamme valmistettavan hiilihydraattipohjaisia emulgaattoreita, joiden arvo on suhteellisen suuri, vaikkakin volyymit pieniä. \nBiotuotteiden arvonlisän merkittävä kasvattaminen kotimaassa vaatisi huomattavia, jopa kymmenien miljardien eurojen investointeja teollisuudelta. Täällä tehtävästä uusien tuotteiden kehityksestä huolimatta teollisen mittakaavan tuotannolliset investoinnit eivät automaattisesti kohdennu Suomeen. On ”miljardin euron kysymys”, kuinka Suomesta tulisi mahdollisimman kilpailukykyinen ja kiinnostava kohdemaa yritysten investoinneille. Yritykset tekevät investointipäätöksensä omalla logiikallaan, mutta julkisella sektorilla ja maan teollisuuspolitiikalla on yhtälössä vaikutuksensa. Onko Suomi riittävän kiinnostava kohdemaa esimerkiksi tekstiilikuituja tai muita korkean jalostusarvon tuotteita tuottaville yrityksille? Löytyykö täältä kilpailukykyisiä teollisia ekosysteemejä, jotka puoltaisivat investointien sijoittumista tänne? \nSiirtyminen arvoketjussa ylöspäin vaatisi panostusta muun muassa osaamisen kasvattamiseen, kokeellisiin ympäristöihin ja ylösskaalaamiseen. Onnistuminen edellyttäisi myös TKI-panostuksien kasvattamista, investointeja ja uudistunutta koulutusta. Automatisaatio ja digitalisaatio voivat olla muutoksen avaimia työn tuottavuuden nostamiseksi. \nSuomessa olisi potentiaalia metsäpohjaisen arvonlisän moninkertaistamiseen. Toivoa siis on, mutta pystymmekö muokkaamaan toimintaympäristön niin myönteiseksi, että kotimaiset ja kansainväliset yritykset ovat halukkaita investoimaan Suomeen.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.001 | 0.001 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.001 | 0.000 |
| Scholarly communication | 0.003 | 0.002 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.051 | 0.018 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".