The advancements in abstractive summarization using Large Language Models (LLMs) have brought with it new challenges in evaluating the quality and faithfulness of generated summaries. This thesis explores a human-like automated method for evaluating news article summaries. By leveraging two LLMs with instruction-following capabilities (GPT-4 and Claude), the aim is to examine to what extent the quality of summaries can be measured by predictions of an LLM. The proposed framework involves defining specific attributes of desired summaries, which are used to design generation prompts and evaluation questions. These questions are presented to the LLMs in natural language during evaluation to assess of various summary qualities. To validate the effectiveness of the evaluation method, an adversarial approach is employed, in which a dataset comprising summaries with distortions related to various summary attributes is generated. In an experiment, the two LLMs evaluate the adversarial dataset, and their ability to detect known distortions is measured and analyzed. The findings suggest that the LLM-based evaluations demonstrate promise in detecting binary qualitative issues, such as incorrect facts. However, the reliability of the zero-shot evaluation varies depending on the evaluating LLM and the specific questions used. Further research is required to validate the accuracy and generalizability of the results, particularly in subjective dimensions where the results of this thesis are inconclusive. Nonetheless, this thesis provides insights that can serve as a foundation for future advancements in the field of automatic text evaluation. / De framsteg som gjorts inom abstrakt sammanfattning med hjälp av stora språkmodeller (LLM) har medfört nya utmaningar när det gäller att utvärdera kvaliteten och sanningshalten hos genererade sammanfattningar. Detta examensarbete utforskar en mänskligt inspirerad automatiserad metod för att utvärdera sammanfattningar av nyhetsartiklar. Genom att dra nytta av två LLM:er med instruktionsföljande förmågor (GPT-4 och Claude) är målet att undersöka i vilken utsträckning kvaliteten av sammanfattningar kan bestämmas med hjälp av språkmodeller som utvärderare. Det föreslagna ramverket innefattar att definiera specifika egenskaper hos önskade sammanfattningar, vilka används för att utforma genereringsuppmaningar (prompts) och utvärderingsfrågor. Dessa frågor presenteras för språkmodellerna i naturligt språk under utvärderingen för att bedöma olika kvaliteter hos sammanfattningar. För att validera utvärderingsmetoden används ett kontradiktoriskt tillvägagångssätt där ett dataset som innefattar sammanfattningar med förvrängningar relaterade till olika sammanfattningsattribut genereras. I ett experiment utvärderar de två språkmodellerna de motstridiga sammanfattningar, och deras förmåga att upptäcka kända förvrängningar mäts och analyseras. Resultaten tyder på att språkmodellerna visar lovande resultat vid upptäckt av binära kvalitativa problem, såsom faktafel. Dock varierar tillförlitligheten hos utvärderingen beroende på vilken språkmodell som används och de specifika frågorna som ställs. Ytterligare forskning krävs för att validera tillförlitligheten och generaliserbarheten hos resultaten, särskilt när det gäller subjektiva dimensioner där resultaten är osäkra. Trots detta ger detta arbete insikter som kan utgöra en grund för framtida framsteg inom området för automatisk textutvärdering.

Vid skärande bearbetning av material för att framställa olika produkter med önskade egenskaper orsakas förslitningar av verktygen som är viktiga att fotografera och analysera för att uppskatta livslängden. Detta kräver erfaren personal med precision som är svår att upprepa där automation kan vara en lösning för att avlasta personal från ett monotont arbete.  Syftet med studien är att bidra med kunskap om hur man kan fotografera förslitningen av verktyg med hjälp av automation och ge förslag på en lösning. För att komma med ett lösningsförslag har en nulägesanalys genomförts med hjälp av observationer och intervjuerhos Sandvik Coromant, litteratursökning för att undersöka vad som gjorts inom området redan och simuleringar.  Resultatet blev ett konstruktionsförslag för en kamerafixtur och cykeltider för att fotografera samtliga förslitningsområden för de testade verktygen i ett simuleringsprogram. Om lösningsförslaget ska implementeras i verkligheten kommer den behöva testas för att med säkerhet kunna fotografera med tillräckligt bra fokus och ljussättning samt att kamerafixturen inte blir för skakig vid rörelse med roboten. / The use of cutting tools in cutting processing cause tool wear which need be analysed and photographed to predict tool life. To analyse the tool wear you need technicians with experience with precision that is hard to repeat in which automation could be a solution.  The purpose of this study is to contribute with knowledge on how you could photograph tool wear using automation and suggest a solution. This was done with a current situation analysis with the use of observation and interview of the technicians at Sandvik Coromant. A literature study was conducted to gather information about what has been done earlier in this field. Later a suggestion on the design of the camera fixture was made and simulated in a simulation program with the robotic cell to ensure it is possible to implement in real life.  The result from the study suggests that the camera fixture with the current robotic cell is capable of automatically photograph the tool wear of the tested tools. If the suggested camera fixture should be implemented in real life it needs to be tested with the camera to confirm it gets good enough focus and lightning inside the CNC-machine. It also needs to be tested so it does not wobble to much with the usage of the robot.

Möjligheten för individer att uttrycka sig på internet har underlättat för det fria ordet, som är en demokratisk grundsten i vårt samhälle. Baksidan av detta mynt är att alltmer våldsam radikalisering sker runt om på digitala plattformar. I digitala miljöer sprids idag våldsbejakande propaganda där våldsverkare hyllas som hjältar, våld mot fienden rättfärdigas, och instruktioner om hur attentat kan genomföras delas. För socialt utsatta individer som får sin verklighetsförankring i dessa våldsbejakande digitala miljöer kan världsuppfattningen ändras till den grad att de till slut själva väljer att utföra grova våldsdåd. Att kunna identifiera digitala plattformar där diskussioner om våld är mer vanligt förekommande kan därför ge en första indikation på vilka sidor som riskerar att potentiellt främja våldsutövning. Tidigare forskning om hotbedömning genom textanalys har främst fokuserat på att identifiera individer som utgör ett hot. Mindre utrymme har ägnats åt att utveckla metoder som istället kan identifiera gemenskaper som utgör ett hot för individen. Det saknas idag applicerbara och validerade metoder som genom automatiserad textanalys kan mäta diskussioner om våld på digitala forum. Arbetets forskningsmål var att skapa en metod som ska kunna mäta förekomsten av våld i diskussioner på digitala plattformar, och tillämpar metodramverket designforskning. Genom både kvalitativa och kvantitativa metoder skapades en ordlista över en mängd våldsuttryck som används på flera samtida sociala medier. Programkod utvecklades för att automatiskt kunna räkna antalet förekommande våldsuttryck i en given textsamling. Genom tidigare tillgänglig data från flera olika forum utfördes en testning och utvärdering av metoden. Resultaten visar att våldsuttryck var upp till 100 gånger mer vanligt förekommande på vissa av de mer kända högerextrema forumen jämfört med mer generella diskussionsforum. Spektrumet är i linje med vad som initialt skulle kunna förväntas utifrån karaktären på dessa olika forum och indikerar därmed att metoden levererar realistiska resultat. En djupare kvalitativ analys av inläggen skulle vara nödvändig för att identifiera hur stor del av de identifierade våldsuttrycken tas upp i diskussioner med en positiv inställning till våld. / Individuals being able to express themselves on the internet has been a boon to free speech, a democratic pillar to our community. The backside of this is that an increasing amount of violent radicalization is happening all over social media. At this moment, propaganda that praises violence is being spread on digital platforms, where violent perpetrators are praised as heroes, violence against "the enemy" is justified, and instructions on how to perform violent attacks are being spread. Socially vulnerable individuals repeatedly exposed to violent social communities can have their worldview change so drastically that they end up committing violent crimes. That is why identifying digital platforms where discussions about violence are more commonly occurring could give a first indication of which sites pose a higher risk of promoting violent attacks. Previous research on threat assessment through text analysis has mainly focused on detecting warning behaviours in radicalised individuals. Less room within this area of research has been given to developing methods that instead identify communities that can pose a risk to the individual. Therefore, there is a lack of applicable and validated methods that can measure discussions of violence on social media through automated text analysis. The research goal of this thesis was to create a method that can measure the occurrence of violent discussions on digital platforms using the method framework Design Science. A list of violent words and expressions commonly used on social media was created with qualitative and quantitative methods. Code was then developed to automatically count the number of occurrences of these expressions in a given text. Testing and evaluation of the method were carried out with data previously made available from several forums. The results show that violent expressions occurred up to 100 times more often on some of the more known right-wing extremist forums than on more general discussion forums. The resulting spectrum aligns with what one initially could expect to find by judging the character of these forums and therefore indicates that the method delivers accurate results. A deeper qualitative analysis of the posts would be necessary to identify how many of the identified violent expressions appeared in discussions with a positive attitude toward violence.

Automatic Music Transcriptions systems such as ScoreCloud aims to convert audio signals to sheet music. The information contained in sheet music can be divided into increasingly descriptive layers, where most research on Automatic Music Transcription is restricted on note-level transcription and disregard expressive markings such as legato slurs. In case of violin playing, legato can be determined from the articulated, "hard" onsets that occur on the first note of a legato slur. We detect hard onsets in violin recordings by three different methods — two based on signal processing and one on Convolutional Neural Networks. ScoreCloud notes are then labeled as articulated or slurred, depending on the distance to the closest hard onset. Finally, we construct legato slurs between articulated notes, and count the number of notes where the detected slur label matches ground-truth. Our best-performing method correctly labels notes in 82.9% of the cases, when averaging on the test set recordings. The designed system serves as a proof-of-concept for including expressive notation within Automatic Music Transcription. Vibrato was seen to have a major negative impact on the performance, while the method is less affected by varying sound quality and polyphony. Our system could be further improved by using phase input, data augmentation, or high-dimensional articulation representations. / System för automatisk musiktranskription såsom ScoreCloud syftar till att konvertera ljudsignaler till notskrift. Informationen i en notbild kan delas in i flera lager med en ökande nivå av beskrivning, där huvuddelen av forskningen har begränsats till transkription av noter och har bortsett från uttrycksmarkeringar såsom legatobågar. I fallet med violin kan legato bestämmas från de artikulerade, ’hårda’ ansatser som uppkommer vid den första noten i en legatobåge. Vi detekterar här hårda ansatser i inspelningar av violin genom tre olika metoder — två baserade på signalbehandling och en baserat på faltningsnätverk. Noter från ScoreCloud märks sedan som artikulerade eller bundna, beroende på det närmaste avståndet till en hård ansats. Slutligen konstrueras legatobågar mellan artikulerade noter, och vi räknar antalet noter där den predicerade märkningen stämmer med den sanna. Vår bäst presterande metod gör en korrekt märkning i 82.9% i genomsnitt taget över testinspelningarna. Vårt system validerar idén att innefatta uttrycksmarkeringar i automatisk musiktranskription. Vibrato observerades påverka resultatet mycket negativt, medan metoden är mindre påverkad av varierande ljudkvalitet och polyfoni. Vårt system kan förbättras ytterligare genom användandet av fas i indata, datautvidgning och högdimensionella representationer av artikulation.

Machine learning is a growing topic with possibilities that seems endless with growing areas of applications. The field of metallography today is highly dependent on the operators’ knowledge and technical equipment to perform segmentation and analysis of the microstructure. Having expert dependents is both costly and very time-consuming. Some automatic segmentation is possible using SEM but not for all materials and only having to depend on one machine will create a bottleneck. In this thesis, a traditional supervised machine learning model has been built with a Random Forest (RF) classifier. The model performs automatic segmentation of complex microstructure features from images taken using light optical- and scanning electron microscopes. Two types of material, High-Strength-Low-Alloy (HSLA) steel with in-grain carbides and grain boundary carbides, and nitrocarburized steel with different amounts of porosity were analyzed in this work. Using a bank of feature extractors together with labeled ground truth data one model for each material was trained and used for the segmentation of new data. The model trained for the HSLA steel was able to effectively segment and analyze the carbides with a small amount of training. The model could separate the two types of carbides which is not possible with traditional thresholding. However, the model trained on nitrocarburized steel showcased difficulties in detecting the porosity. The result was however improved with a different approach to the labeling. The result implies that further development can be made to improve the model. / Maskininlärning är ett växande område där möjligheterna verkar oändliga med växande applikationsområden. Området för metallografi är idag till stor utsträckning beroende av operatörens kunskap och de tekniska instrumenten som finns tillgängliga för att genomföra segmentering och analys av mikrostrukturen. Viss automatisk segmentering är möjlig genom att använda SEM, men det är inte möjligt för alla material samt att behöva vara beroende av endast en maskin kommer skapa en flaskhals. I denna uppsats har en traditionell övervakad maskininlärnings modell skapats med en Random Forest klassificerare. Modellen genomför automatisk segmentering av komplexa mikrostrukturer på bilder från både ljusoptiskt- och svepelektron-mikroskop. Två olika typer av material, Hög-Styrka-Låg-Legerat (HSLA) stål med karbider och korngräns karbider, samt nitrokarburerat stål med varierande mängd porositet analyserades i detta arbete. Genom användningen av en särdragsextraktions bank tillsammans med annoterad grundsannings data tränades en modell för vartdera materialet och användes för segmentering av ny bild data. Modellen som tränades för HSLA stålet kunde effektivt segmentera och analysera karbiderna med en liten mängd träning. Modellen kunde separera de två typerna av karbider vilket inte varit möjligt med traditionellt tröskelvärde. Den modell som tränades för det nitrokarburerade stålet visade emellertid upp svårigheter i att detektera porositeten. Resultatet kunde dock förbättras genom ett annorlunda tillvägagångssätt för annoteringen. Resultatet vittnar om att vidareutveckling kan göras för att förbättra slutresultatet.

Automatiskt rättning av korta texter är ett område som spänner allt från naturlig språkbehandling till maskininlärning. Projektet behandlar maskininlärning för att förutsäga korrektheten av svar i fritext. Naturlig språkbehandling används för att analysera text och utvinna viktiga underliggande relationer i texten. Det finns idag flera approximativa lösningar för automatiskt rättning av korta svar i fritext. Två framstående metoder är maskininlärning och regelbaserad metod. Vi kommer att framföra en alternativ metod som kombinerar maskininlärning med en regelbaserad metod för att approximativt lösa förenämnda problemet. Studien handlar om att implementera en regelbaserad metod, maskininlärning metod och en slutgiltig kombination av båda dessa metoder. Utvärderingen av den kombinerade metoden utförs genom att titta på de relativa ändringarna i prestanda då vi jämför med den regelbaserade och maskininlärning metoden. De erhållna resultaten har visat att det inte finns någon ökning av noggrannheten hos den kombinerade metoden jämfört med endast maskininlärning metoden. Den kombinerade metoden använder emellertid en liten mängd märkta data med en noggrannhet som är nästan lika metoden med maskininlärning, vilket är positivt. Ytterligare undersökning inom detta område behövs, denna uppsats är bara ett litet bidrag till nya metoder i automatisk rättning. / Automatic correction of short text answers is an area that involves everything from natural language processing to machine learning. Our project deals with machine learning for predicting the correctness of candidate answers and natural language processing to analyse text and extract important underlying relationships in the text. Given that today there are several approximative solutions for automatically correcting short answers, ranging from rule-based methods to machine learning methods. We intend to look at how automatic answer scoring can be solved through a clever combination of both machine learning methods and rule-based method for a given dataset. The study is about implementing a rule-based method, a machine learning method and a final combination of both these methods. The evaluation of the combined method is done by measuring its relative performance compared to the rule-based method and machine learning method. The results obtained have shown that there is no increase in the accuracy of the combined method compared to the machine learning method alone. However, the combined method uses a small amount of labeled data with an accuracy almost equal to the machine learning, which is positive. Further investigation in this area is needed, this thesis is only a small contribution, with a new approaches and methods in automatic short answer scoring.

As more and more renewable energy sources like wind and solar power are added to the electricgrid, reliable sources of power like hydropower become more important. Hydropower isabundant in Scandinavia, and helps to maintain a stable and reliable grid with added irregularitiesfrom wind and solar power, as well as more fluctuations in demand. Aside from the reliabilityaspect of hydropower, power producers want to maximize their profit from sold electricity. InSweden, power is bid to the spot market at Nord Pool every day, and a final spot price is decidedwithin the electricity market. There is a different electricity price each hour of the day, so it ismore profitable to generate power during some hours than others.There are many other factors that can change when it is most profitable for a hydropower plant tooperate, like how much local inflow of water there is. Hydropower production is an ideal case forusing optimisation models, and they are widely used throughout industry already. Though theoptimisation calculations are done by a computer, there is a lot of manual work from the spottraders that goes into specifying the inputs to the model, such as local inflow, price forecasts, andperhaps most importantly, market strategy. Due to the large amount of work that needs to be donefor each hydropower plant, many of the smaller power plants are not optimised at all, but are leftto run on an automatic control that typically tries to maintain a constant water level. In Fortum,this is called, VNR, or vattennivåreglering (water level regulation).The purpose of this thesis is to develop an optimisation algorithm for a small hydropower plant,using Fortum owned and operated Båthusströmmen as a test case. An optimisation model is builtin Fortum’s current modelling system and is tested for 2016. In addition, a mathematical model isalso built and tested using GAMS. It is found that by optimising the plant instead of running it onVNR, an increase of about 15-16% in profit could be seen for the year 2016. This is a significantimprovement, and is a strong motivator to being optimising the small hydropower plants.Since the main reason many small hydropower plants are not optimised is because it takes toomuch of employees time, a second phase of this thesis was conducted in conjunction with twoother students, Jenny Möller and Johan Wiklund. The focus of this portion was to develop acentralized controller to automatically optimise the production schedule and communicate withthe central database. This would completely remove the workload from the spot traders, as wellas increase the overall profit of the plant. This thesis describes the results from both the Fortummodel and the GAMS model, as well as the mathematical formulation of the GAMS model. Thebasic structure of the automatic controller is also presented, and more can be read in the thesis byMöller and Wiklund (Möller & Wiklund, 2018). / Tillförlitliga energikällor som vattenkraft blir allt viktigare vart eftersom elkraftsystemet utökasmed fler förnybara energikällor som vindkraft och solenergi. I Norden finns det rikligt medvattenkraft, vilket bidrar till att upprätthålla ett stabilt och pålitligt elnät även med ökadeoregelbundenheter från vindkraft och solkraft samt större variationer i efterfrågan. Bortsett frånvattenkraftens tillförlitlighetsaspekter vill kraftproducenter maximera sin vinst från såld el. ISverige läggs dagligen bud på effektvolym till spotmarknaden Nord Pool och ett slutgiltigtmarknadspris bestäms därefter av elmarknaden. Varje timme under dygnet motsvarar ett enskiltelpris, därmed är det mer lönsamt att generera effekt under de timmar där priset är som högst.Det finns många andra faktorer som påverkar när det är mest lönsamt för ett vattenkraftverk attproducera el, exempelvis hur stort det lokala inflödet av vatten är. Vattenkraftproduktion är idealtför tillämpning av optimeringsmodeller, vilka är vanligt förekommande inom verksamhetsområdet.Även om optimeringsberäkningarna utförs av en dator innebär optimeringen mycket manuelltarbete för Fortums elhandlare som specificerar indata till modellen. Exempel på indata är lokaltinflöde, prisprognoser och kanske viktigast av allt marknadsstrategi. På grund av den storamängden arbete som fordras för varje vattenkraftverk, optimeras inte produktionen för många avde småskaliga kraftverken utan de regleras automatiskt med mål att upprätthålla en konstantvattennivå. Denna typ av reglering kallas vattennivåreglering, VNR.Syftet med examensarbetet var att utveckla en optimeringsalgoritm för ett småskaligtvattenkraftverk, där Fortumägda vattenkraftverket Båthusströmmen används som testobjekt. Enoptimeringsmodell utvecklades i Fortums befintliga system och testades för 2016. Dessutom haren matematisk modell utvecklats och testades med GAMS. Det konstaterades att genom attoptimera produktionen från vattenkraftverket istället för att reglera den via VNR kan envinstökning med cirka 15-16 % för noteras år 2016. Detta är en väsentlig förbättring och är ettstarkt argument för att optimera produktionen från småskaliga vattenkraftverk.Eftersom den främsta orsaken till att många småskaliga vattenkraftverk inte optimeras är denutökade arbetsbelastningen det skulle innebära för de anställda, genomfördes en andra fas iexamensarbetet i samverkan med två andra studenter, Jenny Möller och Johan Wiklund. Fokus fördenna del var att utveckla en centraliserad styrenhet för att automatiskt optimera produktionsplaneroch kommunicera med det befintliga centrala systemet. Detta innebär att utökad arbetsbelastningenfrån elhandlarna undviks, samt öka vattenkraftverkets totala vinst. Denna rapport beskriverresultaten från både Fortum-modellen och GAMS-modellen, liksom den matematiskaformuleringen av GAMS-modellen. Även grundstrukturen för det självreglerandeoptimeringsverktyget presenteras, mer kan läsas i rapporten av Möller och Wiklund (Möller &Wiklund, 2018).Nyckelord: Optimering, vattenkraftplanering, självreglerande, automatisk styrning, optimalplanering

The purpose of this project was to track the posture of a person sitting by a desk, and then use the information to adjust the desk to achieve an optimal height for the user. The solution was to track the angle of the users forearm relative to the desk’s horizontal plane, which should be around zero degrees for an ergonomic posture. Two Light Emitting Diodes (LEDs) in different colours were attached to the user, one at the elbow and one at the wrist. The LEDs were tracked with a camera connected to a laptop running Open Source Computer Vision Library (OpenCV). Window tinting was placed on the camera lens so that only the LEDs and other strong light sources were visible. By using OpenCV, coordinates for the two LEDs were given. With the coordinates found, the angle of the users arm could be calculated and the height of the desk evaluated. Information about necessary height adjustments were sent from the laptop to an Arduino via Bluetooth. The Arduino then controlled a stepper motor by sending signals to a stepper driver, making the motor rotate, thus adjust the height of the desk. The desk was a single leg laptop desk. The leg consists of two tubes. The lower, outer tube was connected to the foot while the upper inner tube, which ran freely in the outer tube, was connected to the tabletop. The height was adjusted with a lead screw positioned parallel to the leg.The nut on the lead screw was connected to the outer lowertube. When the motor rotated so did the lead screw, lifting the table top up or lowering it. / Syftet med detta project var att undersöka om det är möjligt att i realtid spåra en persons hållning vid ett skrivbord, och använda den informationen för att justera skrivbordet höjd och nå en optimal höjd för användaren. Lösningen var att spåra vinkeln på användarens underarm relativt skrivbordets horisontalplan, som bör vara runt noll grader för en ergonomisk ställning. Två lysdioder i olika färger placeras på användaren, en på armbågen och en på handleden. Med hjälp av OpenCV spårades lysdioderna med en kamera kopplad till en dator. Solfilm sattes på kameralinsen så att endast lysdioderna och andra starka ljuskällor var synliga. Genom att använda OpenCV togs koordinaterna för lysdioderna fram. Med koordinaterna kunde vinkeln på användarens underarm beräknas och skrivbordets höjd utvärderas. Information om nödvändiga höjdändringar skickades från laptopen till en Arduino via Bluetooth. Arduinon kontrollerade en stegmotor genom att skicka signaler till en stegmotordrivare, vilket fick motorn att rotera och justera skrivbordets höjd. Skrivbordet var ett enbent laptopställ. Benet bestod av två rör. Det nedre yttre röret satt fast i foten och det övre inre röret satt fast i bordsskivan, och löpte fritt i det yttre röret. Höjden justerades med en gängstav som satt parallellt med benet. Muttern satt ihop med det nedre röret. När motorn roterade gjorder också gängstaven det, vilket antingen pressade upp bordsskivan eller sänkte den.

The purpose of this project was to track the posture of aperson sitting by a desk, and then use the information toadjust the desk to achieve an optimal height for the user.The solution was to track the angle of the users forearm relativeto the desk’s horizontal plane, which should be aroundzero degrees for an ergonomic posture. Two Light EmittingDiodes (LEDs) in different colours were attached tothe user, one at the elbow and one at the wrist. The LEDswere tracked with a camera connected to a laptop runningOpen Source Computer Vision Library (OpenCV). Windowtinting was placed on the camera lens so that only theLEDs and other strong light sources were visible. By usingOpenCV, coordinates for the two LEDs were given. Withthe coordinates found, the angle of the users arm couldbe calculated and the height of the desk evaluated. Informationabout necessary height adjustments were sent fromthe laptop to an Arduino via Bluetooth. The Arduino thencontrolled a stepper motor by sending signals to a stepperdriver, making the motor rotate, thus adjust the height ofthe desk.The desk was a single leg laptop desk. The leg consistsof two tubes. The lower, outer tube was connected to thefoot while the upper inner tube, which ran freely in theouter tube, was connected to the tabletop. The height wasadjusted with a lead screw positioned parallel to the leg.The nut on the lead screw was connected to the outer lowertube. When the motor rotated so did the lead screw, liftingthe table top up or lowering it. / Syftet med detta project var att undersöka om det är möjligtatt i realtid spåra en persons hållning vid ett skrivbord, ochanvända den informationen för att justera skrivbordet höjdoch nå en optimal höjd för användaren.Lösningen var att spåra vinkeln på användarens underarmrelativt skrivbordets horisontalplan, som bör vara runt nollgrader för en ergonomisk ställning. Två lysdioder i olikafärger placeras på användaren, en på armbågen och en påhandleden. Med hjälp av OpenCV spårades lysdioderna meden kamera kopplad till en dator. Solfilm sattes på kameralinsenså att endast lysdioderna och andra starka ljuskällorvar synliga. Genom att använda OpenCV togs koordinaternaför lysdioderna fram. Med koordinaterna kunde vinkelnpå användarens underarm beräknas och skrivbordets höjdutvärderas. Information om nödvändiga höjdändringar skickadesfrån laptopen till en Arduino via Bluetooth. Arduinonkontrollerade en stegmotor genom att skicka signalertill en stegmotordrivare, vilket fick motorn att rotera ochjustera skrivbordets höjd.Skrivbordet var ett enbent laptopställ. Benet bestod av tvårör. Det nedre yttre röret satt fast i foten och det övre inreröret satt fast i bordsskivan, och löpte fritt i det yttre röret.Höjden justerades med en gångstav som satt parallellt medbenet. Muttern satt ihop med det nedre röret. När motornroterade gjorder också gångstaven det, vilket antingen pressadeupp bordsskivan eller sänkte den.

För att kunna hitta och åtgärda signalfel på Roslagsbanan i Stockholm är det viktigt att de tekniker som arbetar med signalsystemet har rätt kunskaper och känner sig trygga i hur systemet fungerar. En del av säkerhetssystemet på Roslagsbanan kallas ATC (automatic train control) och ger tågföraren information om var tåget framför befinner sig, vilket besked nästa signal ger och hur växlar och vägbommar står. ATC ingriper även genom att bromsa tåget automatiskt om föraren inte stannar vid en stoppsignal. För att effektivisera felsökning i ATCsystemet vill företaget som sköter drift och underhåll av signalsystemet, banan och elförsörjningen på Roslagsbanan, Strukton Rail AB, genomföra utbildningar för sina signaltekniker. De vill ha en mall för hur utbildningar i felsökning kan se ut som kan användas med övningsutrustning, och som kan appliceras på andra tekniska system. För att skapa den här mallen var mina frågeställningar ”Hur kan en pedagogisk modell för utbildning inom felsökning i säkerhetssystemet ATC på Roslagsbanan se ut? Hur påverkar modellen deltagarnas aktivitet jämfört med andra utbildningar inom järnvägsbranschen?”. Det var viktigt från Struktons sida att deltagarna skulle vara aktiva och samarbeta med varandra under utbildningen. Efter att ha läst om det sociokulturella perspektivet på lärande, accelererat lärande och lärande på arbetsplatsen och även hållit intervjuer med två tekniker på Strukton och två utbildare i andra sammanhang i järnvägsbranschen för att höra vad de tycker är bra utbildning har jag skapat en utbildningsmodell för internutbildning i signalsystemet ATC, döpt till Kunimodellen. Modellen baseras på att deltagarna tillsammans löser olika felsökningsfall. Utbildningen börjar med en genomgång av systemet som kan vara olika djupgående beroende på deltagarnas förkunskaper. Sedan löser deltagarna fall genom att sitta i grupper och diskutera fram en plan för hur de ska felsöka och sedan testa sin plan praktiskt i testutrustningen där felet är planterat. Beroende på utbildningsbehov och tillgänglig tid kan de få lösa olika många och olika svåra fall, men fallen bör täcka in så många komponenter i systemet som möjligt. I slutet av utbildningen finns ett reflektionsmoment där deltagarna får berätta för varandra vad de har lärt sig under dagen. För att få en mätbar indikation på om deltagarna har lärt sig något under utbildningen får de fylla i en enkät precis innan och precis efter utbildningen med frågor om hur trygga de känner sig på en femgradig skala att felsöka i de olika komponenterna. Det genomfördes två utbildningar med Kunimodellen, där vardera innehöll två fall att lösa, för sammanlagt sju deltagare. För att mäta deltagaraktiviteten under utbildningarna fyllde jag i ett observationsschema under 20 minuter per timme där jag registrerade om varje deltagare hade talat eller inte under 40 intervall om 30 sekunder var, vilket jag även gjorde på två andra utbildningar som signaltekniker går för att få en kontrollgrupp. Dessutom hölls gruppintervjuer med deltagarna efter utbildningarna för att få höra vad de tyckte om modellen och vad som kan förbättras. Resultaten visar att deltagarna har varit nöjda i intervjuerna och tyckt att det varit en bra modell att arbeta efter, men att det saknades viss teknisk information kring testutrustningen som finns i verkligheten. De ville även ha mer djupgående information i genomgången i början av utbildningen med fokus på bland annat varför ATC-systemet finns. Deltagarnas upplevda trygghet i felsökning ökade i enkäten efter utbildningen, men de var inte entydigt mer aktiva i utbildningar med Kunimodellen än i de utbildningar som jämförts med. Kunimodellen förändrades inte särskilt mycket mellan utbildningarna. Resultaten ska dock bara ses som indikationer på grund av det lilla antalet deltagare, att deltagarna inte nödvändigtvis var representativa för hela gruppen och att alla personer som blev intervjuade kände mig som intervjuade. / To be able to find and solve signal failures in Roslagsbanan in Stockholm, it is important that the maintenance technicians working with the signalling system has the right knowledge and feel confident with how the system works. One part of the safety system at Roslagsbanan is called ATC (automatic train control) which sends information to the train driver about where adjacent trains are located and how upcoming signals, switches and road crossing barriers are set. The ATC also interferes by applying brakes if the driver does not stop at a stop signal. To make troubleshooting of the ATC system more efficient, the company maintaining the signalling system, tracks and power supply at Roslagsbanan, Strukton Rail AB, would like to further educate their maintenance technicians. They want a model for training sessions in troubleshooting that can be used with training equipment and can be applied to other technical systems. To create this model my research questions were ”What could a pedagogical model for troubleshooting education on the safety system ATC at Roslagsbanan look like? How does the model affect the participants’ activity compared to other education sessions in the railway business?”. It was important to Strukton that participants should be active and cooperate with each other during the session. After reading about the sociocultural perspective on learning, accelerated learning and workplace learning and also conducting interviews with two technicians at Strukton and two teachers in other parts of the railway business to hear what they value as good education, I created an educational model for inservice training of the signalling system ATC, named the Kuni model. The model is based on participants solving troubleshooting cases together. An education session starts with an overview of the system that can vary in detail depending on the participants’ previous knowledge. Then the participants solve cases by discussing in groups and agreeing on a plan on how they should troubleshoot, and then try their plan on the test equipment where the error is planted. Depending on their need for education and the available time, they can get a different number of cases on different levels, but the cases should try to cover as many of the system’s components as possible. At the end of the session there is time for reflection where the participants tell each other what they have learnt. To get a measurable indication of if the participants have learned anything, they fill out a questionnaire just before and just after the education with questions on how confident they feel troubleshooting the different components. Two such sessions were held with the Kuni model, each with two cases to solve, for a total of seven participants. To measure participant activity, I filled out an observation form for 20 minutes per hour where I registered whether each participant had spoken or not for 40 intervals of 30 seconds each, which I also did at two other training sessions that signalling technicians attend to get a control group. Additionally, I conducted group interviews with the participants after the sessions to see what they thought of the model and what could be improved. The results from the interviews show that the participants were content and thought it was a good model to work with, but that some technical information about the test equipment that exists in the real world was missing. They also wanted more detailed information in the initial overview with focus on, among other things, why the ATC system exists. The participants’ selfestimated confidence in troubleshooting increased after the session, but they were not significantly more active during training with the Kuni model than the control groups. The Kuni model itself did not change very much between sessions. The results should however only be seen as indications due to the small number of participants, the participants not necessarily being representative for the whole group and since all people interviewed knew me when I interviewed them.