<p>Sapa Heat Transfer AB (SHT AB) är en av tre delar inom koncernen Sapa Group, som ägs av det norska företaget Orkla ASA. SHT AB har produktion både i Sverige (Finspång) och i Kina (Shanghai). Företaget är en världsledande leverantör och utvecklare av aluminiumband som används i olika typer av värmeväxlare, främst inom bilindustrin.</p><p>I flera steg av produktionen, som innefattar omsmältning, varm- och kallvalsning samt skärning, uppkommer ett skrotfall av aluminium. Detta skrot tas omhand och återanvänds som råvara i företagets omsmältverk. SHT AB har idag inget automatiserat IT-stöd för att prognostisera skrotavfallet, dessa beräkningar görs istället med hjälp av Excel. Då skrotfallet beräknas används ett schablonvärde för processens utbyte, som motsvarar genomsnittet för samtliga legeringskombinationer i produktion. Eftersom ett medelvärde används blir prognosen missvisande för vissa legeringar. Detta då utbytet varierar mycket, vilket gör att det både finns de legeringskombinationer som har betydligt högre utbyte än genomsnittet och de som har betydligt lägre. SHT AB har idag inte heller någon koppling mellan faktisk orderstock och kortsiktig prognostisering av skrotfall.</p><p>Syftet med detta examensarbete är att ta fram förslag på hur Sapa Heat Transfer AB kan och bör utveckla sin prognostisering av skrotfall. Därigenom ska Sapa Heat Transfer AB få bättre precision i både långsiktig och kortsiktig skrotfallsprognos, och på så vis förbättra råvaruplaneringen.</p><p>För att förbättra den långsiktiga skrotfallsprognosen måste nedbrytningen av prognosen för legeringskombinationer analyseras. En förbättring av nedbrytningen förväntas innebära en förbättrad långsiktig prognos. Förbättrad innebär i detta fall att skrotfallsprognosen bättre ska följa den långsiktiga prognosen för försäljning av legeringskombinationer. Precisionen hos skrotfallsprognosen blir givetvis beroende av precisionen hos denna prognos. En förändring av nedbrytningen medför dock att kapacitetsplaneringen för omsmältverkets ugnar påverkas.</p><p>Åtgärdsförslaget som tas fram för den långsiktiga prognostiseringen är tänkt att förbättra denna genom att schablonvärdet som används ersätts med varje legeringskombinations specifika prognostiserade utbyte. Data som behövs för att genomföra en sådan prognos finns tillgänglig i SHT AB:s databaser, och med hjälp av prognostiseringsmetoden exponentiell utjämning kan utbytet prognostiseras. Genom att använda denna metod med ett lågt värde på utjämningskonstanten α, fås en prognos där extremvärden inte ger kraftiga utslag på prognosen.</p><p>Den kortsiktiga skrotfallsprognosen, som idag bygger på en nedbrytning av den långsiktiga prognosen, kan förbättras genom att istället kopplas till den faktiska orderstocken. Om denna koppling görs baseras skrotfallsprognosen mer på känd information istället för på en annan prognos. En koppling till orderstocken kan dock bara användas för kortsiktig skrotfallsprognostisering då orderstocken inte sträcker sig flera månader framåt.</p><p>Åtgärdsförslaget som tas fram för den kortsiktiga skrotfallsprognosen utgår från att en schablonmässig prognos först tas fram för de skrotgrupper som ska prognostiseras. I denna används en individuell prognostiserad skrotfallsfaktor som tas fram med exponentiell utjämning för respektive skrotgrupp. Skrotfallsfaktorn är baserad på historisk data för planerat material in till processen och invägt skrot till smältverket. Med hjälp av skrotfallsfaktorn, data för hur mycket material som är planerade in i processen kommande veckor och med hänsyn till att skrot faller under hela ledtiden, kan ett förväntat skrotfall för kommande vecka/veckor beräknas.</p><p>För att få en bättre precision än hos den schablonmässiga prognosen, kan sedan prognosen för de skrotgrupper som är mest intressanta utvecklas och anpassas. De kan ges individuella värden på utjämningskonstanten α för prognostiseringen av skrotfallsfaktor och även sättet som hänsyn till ledtid tas kan anpassas. I förslaget har förenklingen gjorts att skrot väntas falla symmetriskt över ledtiden vilket inte stämmer helt med verkligheten. Därför bör prognosen också utvecklas så att hänsyn tas till att det exempelvis faller förhållandevis mycket skrot i slutet av ledtiden.</p> / <p>Sapa Heat Transfer AB (SHT AB) is one of three components in the corporate group Sapa Group, owned by the Norwegian company Orkla ASA. Sapa Heat Transfer AB has production in Sweden (Finspång) and China (Shanghai). The company is a world leading supplier and developer of aluminum strips used in various types of heat exchangers, primarily in the automotive industry.</p><p>In several stages of the production, which includes remelting, hot and cold milling and cutting, a part of the processed material becomes scrap metal. This scrap metal is collected and reused as raw material in the remelting factory. SHT AB currently has no automated IT support to forecasting this scrap metal; these calculations are, in the current situation, made with the help of Excel. In the calculation of scrap metal the company uses a standard value, corresponding to the average yield for all alloy combinations in the production. As a mean value is being used for all alloy combinations, the forecast becomes misleading for some alloys. The yield varies widely depending on the alloy, which means there are alloy combinations that are above the average yield and some that are below. In the current situation SHT AB has no link between actual orders and the short-term forecast of scrap metal.</p><p>The purpose of this thesis is to develop proposals on how Sapa Heat Transfer AB can and should develop its forecasting of scrap metal. This will help them getting a better accuracy in their forecasting and thereby improving the raw material planning.</p><p>In order to improve the long-term forecast of scrap metal the decomposition of the forecast for the alloy combination had to be analyzed. An improvement of the decomposition will mean an improvement of the precision for the long-term prognosis of scrap metal. A change in the decomposition will also influence the capacity planning in the remelting factory.</p><p>The action proposal for the long-term forecasting will result in a better accuracy of the forecast by replacing the mean value for the yield by a specific forecasted yield of each alloy combination. The data needed to carry through such a forecast is available in SHT AB´s databases, and by using the forecasting method exponential smoothing the yield can be forecasted. By using this method a forecast will be obtained that, with a low value of α, will not take such great impact from extreme values that sometimes occur.</p><p>The current short-term scrap metal forecast, based on a decomposition of the alloy combination forecast, can be improved by a link to the actual backlog. If this link is established the scrap metal forecast will be based on known information instead of forecasted data. A link to the backlog can only be used for a short-term forecast due to the length of the awaiting orders.</p><p>The action proposal to improve the short-term forecast assumes that a standardized forecast is developed for the scrap groups to be projected. The forecast should use an individually forecasted scrap factor produced with exponential smoothing for each scrap group. The scrap factor is based on historical data for the material planned to go into the process and the weighed scrap delivered to the remelting factory. With this scrap factor, data on how much material that is planned into the process the coming weeks and with consideration of scrap falling throughout the lead time the expected amount of scrap for the coming week / weeks can be calculated.</p><p>To get a better precision compared to the standardized forecasts, the forecasts of the most interesting scrap groups should be developed and adapted. They can be given individual values of the smoothing constant α for the prediction of the scrap factor and the way the lead time is being considered can be adjusted. In the proposal the simplification that scrap is expected to fall symmetrically distributed over the lead time has been done. In reality this is not the case. Therefore, the forecast should also be developed to take into account that, for example, more scrap is falling in the end of the lead time.</p>

Sapa Heat Transfer AB (SHT AB) är en av tre delar inom koncernen Sapa Group, som ägs av det norska företaget Orkla ASA. SHT AB har produktion både i Sverige (Finspång) och i Kina (Shanghai). Företaget är en världsledande leverantör och utvecklare av aluminiumband som används i olika typer av värmeväxlare, främst inom bilindustrin. I flera steg av produktionen, som innefattar omsmältning, varm- och kallvalsning samt skärning, uppkommer ett skrotfall av aluminium. Detta skrot tas omhand och återanvänds som råvara i företagets omsmältverk. SHT AB har idag inget automatiserat IT-stöd för att prognostisera skrotavfallet, dessa beräkningar görs istället med hjälp av Excel. Då skrotfallet beräknas används ett schablonvärde för processens utbyte, som motsvarar genomsnittet för samtliga legeringskombinationer i produktion. Eftersom ett medelvärde används blir prognosen missvisande för vissa legeringar. Detta då utbytet varierar mycket, vilket gör att det både finns de legeringskombinationer som har betydligt högre utbyte än genomsnittet och de som har betydligt lägre. SHT AB har idag inte heller någon koppling mellan faktisk orderstock och kortsiktig prognostisering av skrotfall. Syftet med detta examensarbete är att ta fram förslag på hur Sapa Heat Transfer AB kan och bör utveckla sin prognostisering av skrotfall. Därigenom ska Sapa Heat Transfer AB få bättre precision i både långsiktig och kortsiktig skrotfallsprognos, och på så vis förbättra råvaruplaneringen. För att förbättra den långsiktiga skrotfallsprognosen måste nedbrytningen av prognosen för legeringskombinationer analyseras. En förbättring av nedbrytningen förväntas innebära en förbättrad långsiktig prognos. Förbättrad innebär i detta fall att skrotfallsprognosen bättre ska följa den långsiktiga prognosen för försäljning av legeringskombinationer. Precisionen hos skrotfallsprognosen blir givetvis beroende av precisionen hos denna prognos. En förändring av nedbrytningen medför dock att kapacitetsplaneringen för omsmältverkets ugnar påverkas. Åtgärdsförslaget som tas fram för den långsiktiga prognostiseringen är tänkt att förbättra denna genom att schablonvärdet som används ersätts med varje legeringskombinations specifika prognostiserade utbyte. Data som behövs för att genomföra en sådan prognos finns tillgänglig i SHT AB:s databaser, och med hjälp av prognostiseringsmetoden exponentiell utjämning kan utbytet prognostiseras. Genom att använda denna metod med ett lågt värde på utjämningskonstanten α, fås en prognos där extremvärden inte ger kraftiga utslag på prognosen. Den kortsiktiga skrotfallsprognosen, som idag bygger på en nedbrytning av den långsiktiga prognosen, kan förbättras genom att istället kopplas till den faktiska orderstocken. Om denna koppling görs baseras skrotfallsprognosen mer på känd information istället för på en annan prognos. En koppling till orderstocken kan dock bara användas för kortsiktig skrotfallsprognostisering då orderstocken inte sträcker sig flera månader framåt. Åtgärdsförslaget som tas fram för den kortsiktiga skrotfallsprognosen utgår från att en schablonmässig prognos först tas fram för de skrotgrupper som ska prognostiseras. I denna används en individuell prognostiserad skrotfallsfaktor som tas fram med exponentiell utjämning för respektive skrotgrupp. Skrotfallsfaktorn är baserad på historisk data för planerat material in till processen och invägt skrot till smältverket. Med hjälp av skrotfallsfaktorn, data för hur mycket material som är planerade in i processen kommande veckor och med hänsyn till att skrot faller under hela ledtiden, kan ett förväntat skrotfall för kommande vecka/veckor beräknas. För att få en bättre precision än hos den schablonmässiga prognosen, kan sedan prognosen för de skrotgrupper som är mest intressanta utvecklas och anpassas. De kan ges individuella värden på utjämningskonstanten α för prognostiseringen av skrotfallsfaktor och även sättet som hänsyn till ledtid tas kan anpassas. I förslaget har förenklingen gjorts att skrot väntas falla symmetriskt över ledtiden vilket inte stämmer helt med verkligheten. Därför bör prognosen också utvecklas så att hänsyn tas till att det exempelvis faller förhållandevis mycket skrot i slutet av ledtiden. / Sapa Heat Transfer AB (SHT AB) is one of three components in the corporate group Sapa Group, owned by the Norwegian company Orkla ASA. Sapa Heat Transfer AB has production in Sweden (Finspång) and China (Shanghai). The company is a world leading supplier and developer of aluminum strips used in various types of heat exchangers, primarily in the automotive industry. In several stages of the production, which includes remelting, hot and cold milling and cutting, a part of the processed material becomes scrap metal. This scrap metal is collected and reused as raw material in the remelting factory. SHT AB currently has no automated IT support to forecasting this scrap metal; these calculations are, in the current situation, made with the help of Excel. In the calculation of scrap metal the company uses a standard value, corresponding to the average yield for all alloy combinations in the production. As a mean value is being used for all alloy combinations, the forecast becomes misleading for some alloys. The yield varies widely depending on the alloy, which means there are alloy combinations that are above the average yield and some that are below. In the current situation SHT AB has no link between actual orders and the short-term forecast of scrap metal. The purpose of this thesis is to develop proposals on how Sapa Heat Transfer AB can and should develop its forecasting of scrap metal. This will help them getting a better accuracy in their forecasting and thereby improving the raw material planning. In order to improve the long-term forecast of scrap metal the decomposition of the forecast for the alloy combination had to be analyzed. An improvement of the decomposition will mean an improvement of the precision for the long-term prognosis of scrap metal. A change in the decomposition will also influence the capacity planning in the remelting factory. The action proposal for the long-term forecasting will result in a better accuracy of the forecast by replacing the mean value for the yield by a specific forecasted yield of each alloy combination. The data needed to carry through such a forecast is available in SHT AB´s databases, and by using the forecasting method exponential smoothing the yield can be forecasted. By using this method a forecast will be obtained that, with a low value of α, will not take such great impact from extreme values that sometimes occur. The current short-term scrap metal forecast, based on a decomposition of the alloy combination forecast, can be improved by a link to the actual backlog. If this link is established the scrap metal forecast will be based on known information instead of forecasted data. A link to the backlog can only be used for a short-term forecast due to the length of the awaiting orders. The action proposal to improve the short-term forecast assumes that a standardized forecast is developed for the scrap groups to be projected. The forecast should use an individually forecasted scrap factor produced with exponential smoothing for each scrap group. The scrap factor is based on historical data for the material planned to go into the process and the weighed scrap delivered to the remelting factory. With this scrap factor, data on how much material that is planned into the process the coming weeks and with consideration of scrap falling throughout the lead time the expected amount of scrap for the coming week / weeks can be calculated. To get a better precision compared to the standardized forecasts, the forecasts of the most interesting scrap groups should be developed and adapted. They can be given individual values of the smoothing constant α for the prediction of the scrap factor and the way the lead time is being considered can be adjusted. In the proposal the simplification that scrap is expected to fall symmetrically distributed over the lead time has been done. In reality this is not the case. Therefore, the forecast should also be developed to take into account that, for example, more scrap is falling in the end of the lead time.

This thesis focuses on addressing the limitations of existing human motion prediction models by extending the prediction horizon to very long-term forecasts. The objective is to develop a model that achieves one of the best stable prediction horizons in the field, providing accurate predictions without significant error increase over time. Through the utilization of quantization based models our research successfully achieves the desired objective with the proposed aligned version of Mean Per Joint Position Error. The first of the two proposed models, an attention-based Vector Quantized Variational AutoEncoder, demonstrates good performance in predicting beyond conventional time boundaries, maintaining low error rates as the prediction horizon extends. While slight discrepancies in joint positions are observed, the model effectively captures the underlying patterns and dynamics of human motion, which remains highly applicable in real-world scenarios. Furthermore, our investigation into a correlation-based Vector Quantized Variational AutoEncoder, as an alternative to attention-based one, highlights the challenges in capturing complex relationships and meaningful patterns within the data. The correlation-based VQ-VAE’s tendency to predict flat outputs emphasizes the need for further exploration and innovative approaches to improve its performance. Overall, this thesis contributes to the field of human motion prediction by extending the prediction horizon and providing insights into model performance and limitations. The developed model introduces a novel option to consider when contemplating long-term prediction applications across various domains and sets the foundation for future research to enhance performance in long-term scenarios. / Denna avhandling fokuserar på att hantera begränsningarna i befintliga modeller för förutsägelse av mänskliga rörelser genom att utöka förutsägelsehorisonten till mycket långsiktiga prognoser. Målet är att utveckla en modell som uppnår en av de bästa stabila prognoshorisonterna inom området, vilket ger korrekta prognoser utan betydande felökning över tiden. Genom att använda kvantiseringsbaserade modeller uppnår vår forskning framgångsrikt det önskade målet med den föreslagna anpassade versionen av Mean Per Joint Position Error. Den första av de två föreslagna modellerna, en uppmärksamhetsbaserad Vector Quantized Variational AutoEncoder, visar goda resultat när det gäller att förutsäga bortom konventionella tidsgränser och bibehåller låga felfrekvenser när förutsägelsehorisonten förlängs. Även om små avvikelser i ledpositioner observeras, fångar modellen effektivt de underliggande mönstren och dynamiken i mänsklig rörelse, vilket förblir mycket tillämpligt i verkliga scenarier. Vår undersökning av en korrelationsbaserad Vector Quantized Variational AutoEncoder, som ett alternativ till en uppmärksamhetsbaserad sådan, belyser dessutom utmaningarna med att fånga komplexa relationer och meningsfulla mönster i data. Den korrelationsbaserade VQ-VAE:s tendens att förutsäga platta utdata understryker behovet av ytterligare utforskning och innovativa metoder för att förbättra dess prestanda. Sammantaget bidrar denna avhandling till området för förutsägelse av mänskliga rörelser genom att utöka förutsägelsehorisonten och ge insikter om modellens prestanda och begränsningar. Den utvecklade modellen introducerar ett nytt alternativ att ta hänsyn till när man överväger långsiktiga prediktionstillämpningar inom olika områden och lägger grunden för framtida forskning för att förbättra prestanda i långsiktiga scenarier.