Siemens produce a variety of different products that provide innovative solutions within different areas such as electrification, automation and digitalization, some of which are turbine machines. During the process of creating or modifying a machine, it is vital that the documentation used as reference is trustworthy and complete. If the documentation is incomplete during the process, the risk of delivering faulty machines to customers drastically increases, causing potential harm to Siemens. This thesis aims to explore the possibility of finding anomalies in Bill of Material structures, in order to determine the completeness of a given machine structure. A prototype that determines the completeness of a given machine structure by utilizing anomaly detection, was created. Three different anomaly detection algorithms where tested in the prototype: DBSCAN, LOF and Isolation Forest. From the tests, we could see indications of DBSCAN generally performing the best, making it the algorithm of choice for the prototype. In order to achieve more accurate results, more tests needs to be performed.

Tjänstgöringstid och dygnsvila är för ambulanshelikopterpiloter strikt reglerat. Avgångar och ankomster styrs av inkommande larm, vilket kan göra beräkning av tjänstgöringstid och dygnsvila komplicerat. I dagsläget görs beräkning och loggning manuellt, vilket kan generera osäkerhet med onödig larmfrånsägning som resultat. I detta arbete utförs en förstudie till ett tidsloggningssystem för ambulanshelikopterpiloter, med huvudsyfte att minska onödig larmfrånsägning. Ett IT-system skapas där en smarttelefon samlar in tidsdata som sedan presenteras i en webbapplikation. Som del i systemet utforskas möjligheten att automatiskt kunna logga flygtid med smarttelefon. En mobilapplikation ämnad för automatisk flygtidsloggning skapas med underlag och idéer hämtade från tidigare forskning och datainsamling. Resultatet visar att applikationen under testning loggar samma flygtid som helikoptern i 5 av 6 fall, med en minuts noggrannhet. För presentation av insamlade tidsdata tas en visualiseringsmodell fram i form av en webbapplikation baserad på tidigare forskning och vedertagna designprinciper. Testning av visualiseringsmodellen visar att det, för piloterna, är lättare att fatta rätt beslut under tidspress med framtagen visualiseringsmodell än med numeriskt format av samma data. Resultatet analyseras med bland annat t-test som visar att skillnaden mellan graf- och tabellpresentation är statistiskt signifikant. / Active duty time is strictly regulated for ambulance helicopter pilots. Departures and arrivals are determined by incoming alarms, which can make active duty time calculations complicated. These calculations are currently done manually, which can generate uncertainty and unnecessary denial of incoming alarms as a result. In this work, a pilot study is made for a time management system for ambulance helicopter pilots, with the main purpose to decrease unnecessary denial of incoming alarms. An IT-system is created where a smartphone collects time data which in turn is presented in a web application. As a part of the system, the ability to automatically log flight time with a smartphone is explored. A smartphone application with the purpose of automatically logging flight time is made with its basis and ideas retrieved from previous research and data collection. The test result shows that the application logs the same flight time as the helicopter in 5 times out of 6, with the accuracy of one minute. For presenting the collected time data, a visualization model is made in the form of a web application based on previous research and established design principles. Testing of the visualization model shows, for the pilots, that it is easier to make an accurate decision under time pressure with the developed visualization model than with a numerical format of the same data. The result is analyzed with a t-test which concludes that the difference between the graphical and table presentation is statistically significant.

Många samhällsnyttiga tjänster är idag manuella och med låg digitaliseringsgrad. Samhällsnyttiga tjänster finns i olika delar av samhället till exempel inom skola, äldreomsorg, vägnätet, vatten och avlopp och avfallshantering. Vissa av dessa tjänster är geografiskt spridda och behöver regelbundet övervakas eller hanteras på plats som till exempel vägnätet, vatten-och avlopp och avfallshantering. Detta sker förnärvarande till stor del manuellt och skulle kunna effektiviseras med hjälp av automatisering och digitalisering. Syftet med detta examensarbetet är att skapa förståelse för hur värdet av samhällsnyttiga tjänster skulle kunna höjas med hjälp av digitalisering och automatisering med IoT. Som en del i att samla in data för detta kommer en IT artefakt för hantering av hushållens sopkärl att tas fram. I examensarbetet har ett antal designprinciper framkommit som viktiga att ta hänsyn till vid design och utveckling av samhälssnyttiga tjänster. Dessa är energikonsumtion, informationssäkerhet, användaren och andra aktörer som medskapare av värde, robusthet, Öppen Data och API:er och IoT-lösningens arkitektur.

Denna rapport täcker arbetet och resultatet av en högnivåkontroller för en robotarmsombesitterintentionenattmonteraettcylinderformatverktygiettcirkulärt hål, så kallad peg-in-hole. Detta åstadkoms genom att implementera en kontroller som ett ROS paket. Styrning av roboten gjordes med hjälp av en impedans kontroller och kraftavläsning användes som externa sensorer för guidning av roboten. Utvecklingen gjordes både i simulering och på en riktig robot. Implemtationen visade sig vara lyckad att utföra uppgiften med hänsyn till de satta kraven. Förbättringspotentialen är bättre kraftavläsning samt ett tillägg av externa sensorer för en förbättrad avläsning av robotens omgivningen. / This thesis covers the work and result of a high level controller for a robot arm with the intention of inserting a cylinder shaped tool into a circular hole, a so called peg-in-hole insertion. This was done by implementing a controller as a ROS package. An impedance controller was used for controlling the robot and force feedback readings as external senses for guiding the robot tool. Development was done in simulation and on a real robot. The implementation proved to be successful at performing an insertion in regards to the set requirements, with the potential improvements being a better force reading as well as added external senses for improved environmental perception

Att ta fram fysiska komponenter kan både vara dyrt och medföra risker. Det finns risker att de fysiska komponenterna inte fungerar som det först var tänkt. Istället för att köpa in fysiska komponenter kan företag välja att utveckla simulerade modeller för att representerar dessa fysiska komponenter. De simulerade modellerna kan sedan användas i komplexa system och interagera med sin omgivande miljö. När man simulerar systemet på detta vis möjliggör man att testa systemet i ett tidigt stadie utan att behöva ta fram fysiska komponenter Denna rapport handlar om framtagandet av ett program som möjliggör användandet av simulerade modeller i HiQs befintliga produktionstestsystem HiMacs. HiMacs är ett industriellt system som används för testkörning och mätning av motorer och transmissioner. / Developing physical components can be both expensive and involve risks. There is a risk that the physical components will not work as expected. Instead of purchasing physical components, companies can choose to develop simulated models that represents these physical components. These simulated models can then be used in complex systems and interact with their surrounding environment. When simulating the system, it is possible to test the system at an early stage without having to develop physical components. This report is about the development of a program that enables the use of simulated models in HiQ's existing production test system HiMacs. HiMacs is an industrial system that is used for test driving and measuring of engines and transmissions.

Pre-programming a robot may be efficient to some extent, but since a human has code the robot it will only be as efficient as the programming. The problem can solved by using machine learning, which lets the robot learn the most efficient way by itself. This thesis is continuation of a previous work that covered the development of the framework ​Safe-To-Explore-State-Spaces​ (STESS) for safe robot manipulation. This thesis evaluates the efficiency of the ​Q-Learning with normalized advantage function ​ (NAF), a deep reinforcement learning algorithm, when integrated with the safety framework STESS. It does this by performing a 2D task where the robot moves the tooltip on a plane from point A to point B in a set workspace. To test the viability different scenarios was presented to the robot. No obstacles, sphere obstacles and cylinder obstacles. The reinforcement learning algorithm only knew the starting position and the STESS pre-defined the workspace constraining the areas which the robot could not enter. By satisfying these constraints the robot could explore and learn the most efficient way to complete its task. The results show that in simulation the NAF-algorithm learns fast and efficient, while avoiding the obstacles without collision. / Förprogrammering av en robot kan vara effektiv i viss utsträckning, men eftersom en människa har programmerat roboten kommer den bara att vara lika effektiv som programmet är skrivet. Problemet kan lösas genom att använda maskininlärning. Detta gör att roboten kan lära sig det effektivaste sättet på sitt sätt. Denna avhandling är fortsättning på ett tidigare arbete som täckte utvecklingen av ramverket Safe-To-Explore-State-Spaces (STESS) för säker robot manipulation. Denna avhandling utvärderar effektiviteten hos ​Q-Learning with normalized advantage function (NAF)​, en deep reinforcement learning algoritm, när den integreras med ramverket STESS. Det gör detta genom att utföra en 2D-uppgift där roboten flyttar sitt verktyg på ett plan från punkt A till punkt B i en förbestämd arbetsyta. För att testa effektiviteten presenterades olika scenarier för roboten. Inga hinder, hinder med sfärisk form och hinder med cylindrisk form. Deep reinforcement learning algoritmen visste bara startpositionen och STESS-fördefinierade arbetsytan och begränsade de områden som roboten inte fick beträda. Genom att uppfylla dessa hinder kunde roboten utforska och lära sig det mest effektiva sättet att utföra sin uppgift. Resultaten visar att NAF-algoritmen i simulering lär sig snabbt och effektivt, samtidigt som man undviker hindren utan kollision.

There has been a vast increase of users that use the internet in order to communicate and interact, and as a result, the amount of data created follows the same upward trend making data handling overwhelming. Users are often asked to submit their questions on various topics of their interest, and usually, that itself creates an information overload that is difficult to organize and process. This research addresses the problem of extracting information contained in a large set of questions by selecting the most representative ones from the total number of questions asked. The proposed framework attempts to find semantic similarities between questions and group them in clusters. It then selects the most relevant question from each cluster. In this way, the questions selected will be the most representative questions from all the submitted ones. To obtain the semantic similarities between the questions, two sentence embedding approaches, Universal Sentence Encoder (USE) and InferSent, are applied. Moreover, to achieve the clusters, k-means algorithm is used. The framework is evaluated on two large labelled data sets, called SQuAD and House of Commons Written Questions. These data sets include ground truth information that is used to distinctly evaluate the effectiveness of the proposed approach. The results in both data sets show that Universal Sentence Encoder (USE) achieves better outcomes in the produced clusters, which match better with the class labels of the data sets, compared to InferSent.

Today there are more cars on the road than ever before, the automotive industry is continually expanding and adapting to meet the need of new technologies. To improve complexity management and reduce engineering time and cost ​Automotive Open System Architecture​, better known as AUTOSAR, has been introduced which aims to standardize Electronic Control Units (​ECUs)​ . Today the AUTOSAR standardization is used for the automotive industry, the purpose of the thesis is to investigate whether the standard can be used for something which has no direct connection to the automotive industry. The work done in the report is giving background information about AUTOSAR and the project is using AUTOSAR to visualize real-time data from the web on a LED-sheet. In this project a physical visualization board has been created and the code was written within the integrated software development environment Arctic Studio and its tools, the visualization board will be used at the ARCCORE office in Linköping. / Idag finns det fler bilar på vägarna än någonsin tidigare, fordonsindustrin expanderar ständigt och anpassar sig efter behovet av ny teknik. För att förbättra komplexitets hanteringen och minska tillverkningstider och kostnader så har Automotive Open System Architecture, närmare känt som AUTOSAR, införts som har målet att standardisera elektroniska styrenheter (ECUn). Idag används AUTOSAR-standardiseringen för fordonsindustrin, vad projektet kommer att utforska är att se om man kan använda standarden för något som inte har någon direkt koppling till fordonsindustrin. Rapporten ger en förklaring om AUTOSAR, i projektet så används AUTOSAR för att visualisera realtidsdata från webben på en LED-karta. I detta projekt har en fysisk visualiseringstavla skapats där kod skrevs inom den integrerade mjukvaruutvecklingsmiljön Arctic Studio, visualiseringstavlan kommer att användas på ARCCOREs egna kontor i Linköping.

<p>QC 20150325</p>

Churn analysis can be understood as a problem of predicting and understanding abandonment of use of a product or service. Different industries ranging from entertainment to financial investment, and cloud providers make use of digital platforms where their users access their product offerings. Usage often leads to behavioural trails being left behind. These trails can then be mined to understand them better, improve the product or service, and to predict churn. In this thesis, we perform churn analysis on a reallife data set from a music streaming service, Spotify AB, with different signals, ranging from activity, to financial, temporal, and performance indicators. We compare logistic regression, random forest, along with neural networks for the task of churn prediction, and in addition to that, a fourth approach combining random forests with neural networks is proposed and evaluated. Then, a meta-heuristic technique is applied over the data set to extract Association Rules that describe quantified relationships between predictors and churn. We relate these findings to observed patterns in aggregate level data, finding probable explanations to how specific product features and user behaviours lead to churn or activation. For churn prediction, we found that all three non-linear methods performed better than logistic regression, suggesting the limitation of linear models for our use case. Our proposed enhanced random forest model performed mildly better than conventional random forest. / Churn analys kan förstås som ett tillvägagångssätt för att prediktera och förstå avslutad användning av en produkt eller tjänst. Olika industrier, som kan sträcka sig från underhållning till finansiell investering och molntjänsteleverantörer, använder digitala plattformar där deras användare har tillgång till deras produkter. Användning leder ofta till efterlämnande av beteendemönster. Dessa beteendemönster kan därefter utvinnas för att bättre förstå användarna, förbättra produkterna eller tjänsterna och för att prediktera churn. I detta arbete utför vi churn analys på ett dataset från en musikstreamingtjänst, Spotify AB, med olika signaler, som sträcker sig från aktivitet, till finansiella och temporala samt indikationer på prestanda. Vi jämför logistisk regression, random forest och neurala nätverk med uppgiften att utföra churn prediktering. Ytterligare ett tillvägagångssätt som kombinerar random forests med med neurala nätverk föreslås och utvärderas. Sedan, för att ta fram regler som är begripliga för beslutstagare, används en metaheuristisk teknik för datasetet, som beskriver kvantifierade relationer mellan prediktorer och churn. Vi sätter resultaten i relation till observerade mönster hos aggregerad data, vilket gör att vi hittar troliga förklaringar till hur specifika karaktärer hos produkten och användarmönster leder till churn. För prediktering av churn gav samtliga icke-linjära metoder bättre prestanda än logistisk regression, vilket tyder på begränsningarna hos linjära modeller för vårt användningsfall, och vår föreslagna förbättrade random forest modell hade svagt bättre prestanda än den konventionella random forest.