Denna studie ämnar undersöka hur styrsystem från Siemens som inte ingår i ordinarie produktbibliotek till deras processkontrollsystem PCS 7 kan integreras. Integreringen kommer utföras med hjälp av ett tilläggspaket till PCS 7, SIMATIC PCS7/Open OS. Styrsystemen som ska integreras i detta arbete är vanligt förekommande på industrier idag, SIMATIC S7-300/1500. Dessa styrs normalt inte via processkontrollsystem, mer vanligt är att de styrs lokalt via en operatörspanel intill maskinen. Genom att integrera dessa till processkontrollsystem kommer de att kunna styras från större kontrollrum, samtidigt som fördelarna med att integrera moderna styrsystem med ny teknik erhålls i produktionen. En annan del av studien har för avsikt att jämföra tidigare fall av liknande integreringar där andra typer av tekniker har använts. Dessa fall har visat att det finns idag standardiserade tekniker för att integrera enstaka fältenheter så att dessa kan hanteras av övergripande kontrollsystem. I en av studierna som undersöks, där det har gjorts försök att integrera funktionen av ett styrsystem som kontrollerar flertalet fältenheter, finns det enligt studien begränsningar i tekniken som används. Enligt Siemens AG ska dock tillägget SIMATIC PCS 7/Open OS klara att integrera ett styrsystem med dess fulla funktionalitet till processkontrollsystemet PCS 7. Resultatet av arbetet visar att integrering av styrsystemen till PCS 7 genom att använda tillägget är möjlig och styrsystemets fulla funktion kunde erhållas från ett PCS7-HMI. För att integreringen med tilläggspaketet ska ske smidigare rekommenderas att förberedelser, såsom att skapa bibliotek både i PCS 7 och i styrsystemet utförs innan integreringsarbetet påbörjas. Biblioteken bör innehålla funktionsblock förexempelvis motordrifter i styrsystemet och grafikelement som motsvarar dessa i PCS7. / This study will focus on how Siemens controllers that are not listed in the productlibrary of the process control system PCS 7, can be integrated. The integration willbe performed using an option for PCS 7 (SIMATIC PCS 7/Open OS). The controllers to be integrated in this work are commonly found in industries today, the Siemens controllers SIMATIC S7-300/1500. These are usually not controlled from a processcontrol system, they are more commonly controlled via an operator panel next to the machine. By integrating these controllers into the process control system, they can be controlled from larger control rooms, and the production will acquire the benefits of using modern controllers. Previous cases with similar components, where other integration techniques was used has been evaluated. In these cases the integration have shown that there are today standardized techniques for integrating single field devices so that they can be managed by process control systems. In another study investigated, where attempts have been made to integrate the function of a controller that is controlling several field devices, the study showed limitations in the technique used. According to Siemens AG however, SIMATIC PCS 7/Open OS will be able to integrate acontroller with its complete functionality into the process control system PCS 7. The result of the work shows that integration of the controllers to PCS 7 by using the option package is possible, and the controller could be fully operated from a PCS 7-HMI. In order to make the integration with the optional package more user-friendly, it is recommended that preparations be made before integrating. Such as preparing a library in both PCS 7 and in the controller to be integrated, which are containing for example function blocks in the controller side and graphic elements corresponding to these function blocks in the PCS 7-HMI side.

In preference-based Evolutionary Multi-objective Optimization (EMO), the decision maker is looking for a diverse, but locally focused non-dominated front in a preferred area of the objective space, as close as possible to the true Pareto-front. Since solutions found outside the area of interest are considered less important or even irrelevant, the optimization can focus its efforts on the preferred area and find the solutions that the decision maker is looking for more quickly, i.e., with fewer simulation runs. This is particularly important if the available time for optimization is limited, as is the case in many real-world applications. Although previous studies in using this kind of guided-search with preference information, for example, withthe R-NSGA-II algorithm, have shown positive results, only very few of them considered the stochastic outputs of simulated systems. In the literature, this phenomenon of stochastic evaluation functions is sometimes called noisy optimization. If an EMO algorithm is run without any countermeasure to noisy evaluation functions, the performance will deteriorate, compared to the case if the true mean objective values are known. While, in general, static resampling of solutions to reduce the uncertainty of all evaluated design solutions can allow EMO algorithms to avoid this problem, it will significantly increase the required simulation time/budget, as many samples will be wasted on candidate solutions which are inferior. In comparison, a Dynamic Resampling (DR) strategy can allow the exploration and exploitation trade-off to be optimized, since the required accuracy about objective values varies between solutions. In a dense, converged population, itis important to know the accurate objective values, whereas noisy objective values are less harmful when an algorithm is exploring the objective space, especially early in the optimization process. Therefore, a well-designed Dynamic Resampling strategy which resamples the solution carefully, according to the resampling need, can help an EMO algorithm achieve better results than a static resampling allocation. While there are abundant studies in Simulation-based Optimization that considered Dynamic Resampling, the survey done in this study has found that there is no related work that considered how combinations of Dynamic Resampling and preference-based guided search can further enhance the performance of EMO algorithms, especially if the problems under study involve computationally expensive evaluations, like production systems simulation. The aim of this thesis is therefore to study, design and then to compare new combinations of preference-based EMO algorithms with various DR strategies, in order to improve the solution quality found by simulation-based multi-objective optimization with stochastic outputs, under a limited function evaluation or simulation budget. Specifically, based on the advantages and flexibility offered by interactive, reference point-based approaches, studies of the performance enhancements of R-NSGA-II when augmented with various DR strategies, with increasing degrees of statistical sophistication, as well as several adaptive features in terms of optimization parameters, have been made. The research results have clearly shown that optimization results can be improved, if a hybrid DR strategy is used and adaptive algorithm parameters are chosen according to the noise level and problem complexity. In the case of a limited simulation budget, the results allow the conclusions that both decision maker preferences and DR should be used at the same time to achieve the best results in simulation-based multi-objective optimization. / Vid preferensbaserad evolutionär flermålsoptimering försöker beslutsfattaren hitta lösningar som är fokuserade kring ett valt preferensområde i målrymden och som ligger så nära den optimala Pareto-fronten som möjligt. Eftersom lösningar utanför preferensområdet anses som mindre intressanta, eller till och med oviktiga, kan optimeringen fokusera på den intressanta delen av målrymden och hitta relevanta lösningar snabbare, vilket betyder att färre lösningar behöver utvärderas. Detta är en stor fördel vid simuleringsbaserad flermålsoptimering med långa simuleringstider eftersom antalet olika konfigurationer som kan simuleras och utvärderas är mycket begränsat. Även tidigare studier som använt fokuserad flermålsoptimering styrd av användarpreferenser, t.ex. med algoritmen R-NSGA-II, har visat positiva resultat men enbart få av dessa har tagit hänsyn till det stokastiska beteendet hos de simulerade systemen. I litteraturen kallas optimering med stokastiska utvärderingsfunktioner ibland "noisy optimization". Om en optimeringsalgoritm inte tar hänsyn till att de utvärderade målvärdena är stokastiska kommer prestandan vara lägre jämfört med om optimeringsalgoritmen har tillgång till de verkliga målvärdena. Statisk upprepad utvärdering av lösningar med syftet att reducera osäkerheten hos alla evaluerade lösningar hjälper optimeringsalgoritmer att undvika problemet, men leder samtidigt till en betydande ökning av antalet nödvändiga simuleringar och därigenom en ökning av optimeringstiden. Detta är problematiskt eftersom det innebär att många simuleringar utförs i onödan på undermåliga lösningar, där exakta målvärden inte bidrar till att förbättra optimeringens resultat. Upprepad utvärdering reducerar ovissheten och hjälper till att förbättra optimeringen, men har också ett pris. Om flera simuleringar används för varje lösning så minskar antalet olika lösningar som kan simuleras och sökrymden kan inte utforskas lika mycket, givet att det totala antalet simuleringar är begränsat. Dynamisk upprepad utvärdering kan däremot effektivisera flermålsoptimeringens avvägning mellan utforskning och exploatering av sökrymden baserat på det faktum att den nödvändiga precisionen i målvärdena varierar mellan de olika lösningarna i målrymden. I en tät och konvergerad population av lösningar är det viktigt att känna till de exakta målvärdena, medan osäkra målvärden är mindre skadliga i ett tidigt stadium i optimeringsprocessen när algoritmen utforskar målrymden. En dynamisk strategi för upprepad utvärdering med en noggrann allokering av utvärderingarna kan därför uppnå bättre resultat än en allokering som är statisk. Trots att finns ett rikligt antal studier inom simuleringsbaserad optimering som använder sig av dynamisk upprepad utvärdering så har inga relaterade studier hittats som undersöker hur kombinationer av dynamisk upprepad utvärdering och preferensbaserad styrning kan förbättra prestandan hos algoritmer för flermålsoptimering ytterligare. Speciell avsaknad finns det av studier om optimering av problem med långa simuleringstider, som t.ex. simulering av produktionssystem. Avhandlingens mål är därför att studera, konstruera och jämföra nya kombinationer av preferensbaserade optimeringsalgoritmer och dynamiska strategier för upprepad utvärdering. Syftet är att förbättra resultatet av simuleringsbaserad flermålsoptimering som har stokastiska målvärden när antalet utvärderingar eller optimeringstiden är begränsade. Avhandlingen har speciellt fokuserat på att undersöka prestandahöjande åtgärder hos algoritmen R-NSGA-II i kombination med dynamisk upprepad utvärdering, baserad på fördelarna och flexibiliteten som interaktiva referenspunktbaserade algoritmer erbjuder. Exempel på förbättringsåtgärder är dynamiska algoritmer för upprepad utvärdering med förbättrad statistisk osäkerhetshantering och adaptiva optimeringsparametrar. Resultaten från avhandlingen visar tydligt att optimeringsresultaten kan förbättras om hybrida dynamiska algoritmer för upprepad utvärdering används och adaptiva optimeringsparametrar väljs beroende på osäkerhetsnivån och komplexiteten i optimeringsproblemet. För de fall där simuleringstiden är begränsad är slutsatsen från avhandlingen att både användarpreferenser och dynamisk upprepad utvärdering bör användas samtidigt för att uppnå de bästa resultaten i simuleringsbaserad flermålsoptimering.

Att hitta instrument för att efterlikna den mänskliga näsan har under en längre tid varit ett område som intresserar forskare. Dessa instrument kan potentiellt vara ett användbart verktyg för att uppnå FN:s uppsatta globala mål för att nå en hållbar utveckling, Agenda 2030. Projektet är en experimentell kvantitativ studie och syftet är att undersöka möjligheten att ta fram ett fristående mätsystem för detektering och identifiering av sur mjölk och ruttet kött i ett kylskåp. Ett trådlöst mätsystem med en serie gassensorer är framtaget tillsammans med ett gränssnitt för fjärrstyrning. Mätningar utfördes på kända mätobjekt under två veckor. Därefter utfördes mätningar på okända mätobjekt under lika lång tid. Resultatet från studien visade att det framtagna mätsystemet kan detektera och identifiera sur mjölk och ruttet kött utan extern programvara. Mätsystemet en tillförlitlighet på 89% när det gäller att klassificera okända mätobjekt. Denna studie visar att mätsystemet kan detektera och identifiera sur mjölk och ruttet kött via fjärrstyrning. / To find devices mimicking the human nose have under some time been an area of interest for researchers. These devices can potentially be a useful tool to achieve UN: s global goals for sustainable development, Agenda 2030. This project is an experimental quantitative study with the aim to investigate the possibility to create a stand-alone measuring system for detecting and identifying spoiled milk and rotten meat in a fridge. A wireless measuring system with an array of gas sensors was developed together with interface for remote control. Measurements was made from known measuring objects for two weeks. Thereafter measurements of unknown measuring objects were also done for two weeks. The result of the study showed that the developed measuring system can be remotely controlled to detect and identify spoiled milk and rotten meat without external software. The measuring system has an accuracy of 89% when it comes to classify unknown measurement objects. This study shows that the measuring system can detect and identify spoiled milk and rotten meat via remote control.

Social practices are acceptable ways of doing things, contextual and materially mediated, shared between actors, and routinized over time. These social practices are interactions and can be used to define rule protocols those drive human-robot interactions. We follow these practices in our day-to-day life in almost all the interactions with other people. Social practices also allow computer scientists to model human computer interactions. Human interactions are very dynamic and so the social practices and they naturally follow some versions. Even though they might deviate from pre-specified patterns they will usually expect to follow the general flow of a social practice and adapt it to a specific circumstances. Now we wanted to take these social practices and apply them in a human-robot-interactions setup by choosing a more applicable scenario for the definition of social practices. In our case a simple scenario in elderly care. More specifically, we want to show how these social practices influence the way AI planning in a Pepper robot in the elderly care setting. Given a specific representation of Social Practices we show how the elements of the Social Practice are used in the planning process. We then show briefly how this plan is executed on the Pepper robot in the scenario. We briefly touch on the hardware aspect of the Pepper robot’s API and the inclusion of external APIs to make it for better results. We design and implement the social practices on Pepper robot and conduct experiments and present the results here.

Musculoskeletal disorders, specifically low back pain, has been well documented andreported by astronauts throughout the space exploration era. Statistics from astronautmemoirs states that 52-68% of astronauts experience moderate to severe lower backpain after prolonged spaceflights. The main cause is atrophy in the paraspinal musclesof the lumbar region. No sufficient countermeasure exists in-flight currently and therehabilitation programs remain ineffective. This thesis presents the first attempt to designand develop a prototype robotic exoskeleton, actuated by pneumatic artificial muscles, asan active countermeasure in-flight where it will be utilised as an equipment for muscularhypertrophy and a supporting device for rehabilitation programs on Earth. It will bemanufactured by additive manufacturing methods for adaptability while remaining lowin weight.A thorough analysis of the spine and lumbar region as a biomechanical system wasmade. Appropriate assumptions was made to simplify the understanding of the complexsystem that is the human spine. The targeted muscles were: multifidus, erector spinaeiliocostalis and erector spinae longissimus. A force analysis of the human torso bendingin the sagittal plane was made, finding that the torques of the torso reaches 244 Nm.The complete exoskeleton design is presented with the parts that will be 3D-printed andthe working principle of the system. Thereafter an extensive model of the exoskeletonis established using Denavit-Hartenberg representation of manipulators as a serial linksystem. The model provides a fundamental understanding of exoskeleton and enablesthe possibility to simulate it accurately. The evaluation protocol for the validation testsis then presented. Active pressure will be tested at 0, 3 and 6 bar and loads of 5 and 11kg will be lifted.Subsequently the assembly, with all the hardware and software selected for the prototypeis demonstrated. Thereafter the results of the evaluation tests are presented followed bya discussion of the results; anomalies, faults and challenges are subjects discussed. Thediscussion concludes that the exoskeleton shows potential for both supporting the motionin a rehabilitation use and enabling muscular hypertrophy in the lumbar region for theresistive tests. Although an extensive heavy-duty evaluation needs to be performed totruly validate the exoskeleton.

Being able to safely control autonomous heavy machinery is of uttermost importance for the conversion of traditional machines to autonomous machines. With the continuous growth of autonomous vehicles around the globe, an increasing effort has been put into certifying autonomous vehicles in terms of reliability and safety. In this thesis, we will investigate the problem with a deviation from the planned path for an autonomous hauler from Volvo Construction Equipment. The autonomous hauler has an error within the kinematic model, the feed-forward curvature-steering controller, due to a slip-effect that comes with the third wheel-axle. The deviation can especially be seen in sharp curves, where the deviation needs to be decreased in order to make the autonomous hauler more dependable and achieve an increased accuracy when following any given path. The aim of the thesis is to develop a fully functional Artificial Neural Network that has a new steering angle as output. The hypothesis for this thesis is to use an ANN to mimic the steering of a human driver, since a real driver compensates for the slipping behavior; both because the operator knows where on the road the machine is and also in the way that a human thinks many steps ahead whilst driving. This proposed ANN will have a monitor function which ensures that the steering angle command operates within its boundaries. Hence this thesis implies that it is indeed possible to ensure that the ANN performs reliably with the help of a monitor function in a simulated environment and can thus be used in dependable systems.

Multi-agent robot systems, especially for mobile robots in dynamic environments interacting with humans, have seen an increased interest over the past years. Many vehicle manufactures (e.g.Volvo GTO) have been following the trend and has started investigating a possible implementation of an autonomous-transport robot system for material delivery in production environments.First implementations of a system have been built using ROS2 and initialising static amounts of participating robots.Throughout this thesis, scalability is emphasised to enhance and add new use cases to the system.This thesis investigates possible improvements for the system by adding a dynamic connection handling, which allows robots to connect and disconnect under the system's run time.Furthermore, the performance of the connection handling in the system is evaluated in simulation for increasing system complexity in terms of the amount of connected robots.The first part of the thesis presents an approach for the dynamic connection and disconnection of robots to the network using service client communication approaches.An implementation is tested in a simulation based on an excerpt from the legacy system.Furthermore, two methods are proposed for detecting possible communication losses. The thesis work simulates the increase of the number of robots in the system at different publishing rates. It compares a many to one communication approach, where multiple robots communicate to a central node over one topic, to the one to one communication approach, where multiple robots communicate over particular topics to a central node.The simulations have shown that with an increase of nodes, the average data age and the data miss ratio in the one to one approach were significantly lower than in the multi to one approach.

The interest in autonomous surveillance has increased due to advances in autonomous systems and sensor theory. This thesis is a preliminary study of the cooperation between UGVs and stationary sensors when monitoring a dedicated area. The primary focus is the path planning of a UGV for different initial intrusion alarms. Cell decomposition, i.e., spatial partitioning, of the area of surveillance was utilized, and the objective function is based on the probability of a present intruder in each cell. These probabilities were modeled through two different methods: ExpPlanner, utilizing an exponential decay function. Markov planner, utilizing a Markov chain to propagate the probabilities. The performance of both methods improves when a confident alarm system is utilized. By prioritizing the direction of the planned paths, the performances improved further. The Markov planner outperforms the ExpPlanner in finding a randomly walking intruder. The ExpPlanner is suitable for passive surveillance, and the Markov planner is suitable for ”aggressive target hunting”.

Over the past few years, there has been a surge in literature regarding the digital transformation. Its popularity derives from the tremendous potential it has proven in production companies, in previous studies. This has increased its attention among actors within the industrial business area. Despite this overwhelming popularity, the literature does not address the research area in relation to the slow-moving pulp and paper industry. At the same time, incumbent companies within the industry have proven to be incapable of adopting the digital transformation in the rapid pace of today’s volatile environment. This research therefore intends to investigate the crucial factors an incumbent company within the pulp and paper industry needs to adopt to achieve a higher absorption of novel digital trends.  In order to investigate the subject, a qualitative case study was applied to a company within the category. The material was retrieved through semi-structured interviews with relevant actors within the case company and analyzed through thematic analysis. This revealed nine clearly outlined themes of insufficient corporate infrastructure that emphasizes essential organizational capabilities. These findings suggest that there are a number of capabilities that leaders and decision-makers need to adopt in order for the organization to conduct a more efficient and sustainable approach of digital transformation. This research therefore proposes a framework with outlined leadership capabilities to consider in transformation initiatives, within the pulp and paper industry. The framework will help leaders in shaping the process of implementing and maintaining digital transformation. These capabilities stimulate the support activities, which are the surrounding procedures and activities that support the organization in transformation initiatives, and are imperative for an organization to possess within the given context. By reducing the ambiguity and resistance to change the framework will help leaders in improving the decision making of transformation initiatives. The ultimate goal is to establish a unified organizational vision, based on digital transformation, to strengthen the overall long-term sustainability. / Tidigare studier påvisar att digital transformation blivit ett allt vanligare forskningsområde. Detta på grund av de positiva effekter transformationen medfört inom ett flertal produktionsföretag. Konceptet har ökat uppmärksamheten inom industrisektorn, där det nu blivit allt vanligare att anamma digital transformation. Trots denna trend uppvisar befintlig litteratur en avsaknad av studier inom forskningsområdet, i relation till den långsamt rörliga kartong- och massaindustrin. Samtidigt påvisar etablerade företag inom industrin en brist på förmågan att anpassa sig till den digitala transformationen. Denna forskningsstudie syftar därför till att undersöka vilka faktorer som kan vara avgörande för ett företag inom kartong- och massaindustrin att anamma i strävan att uppnå en högre absorption av nya digitala trender. För att undersöka ämnet genomfördes en kvalitativ fallstudie hos ett företag inom kartong- och massaindustrin. Materialet erhölls via semistrukturerade intervjuer med relevanta aktörer inom fallföretaget och analyserades med hjälp av tematisk analys, vilket visade på nio tydliga teman i form av bristande infrastruktur. Detta resultat tyder på att ledare och beslutsfattare behöver besitta ett visst antal kvalifikationer för att organisationen ska kunna uppnå en mer effektiv och hållbar digital transformation. Denna studie har därför upprättat ett tydligt ramverk med definierade kvalifikationer som ledare bör eftersträva vid digital transformation inom kartong- och massaindustrin. Ramverket är avsett att användas som stöd för ledare vid implementering och upprätthållande av transformativa initiativ. Genom att stimulera viktiga stödfunktioner med hjälp av dessa kvalifikationer kan den organisatoriska tvetydigheten och acceptansen för sådana initiativ öka. Det ultimata målet är att etablera en enhetlig organisatorisk vision, baserat på digital transformation, för att stärka den övergripande långsiktiga hållbarheten.

Smart cities embrace cutting-edge technologies to improve transportation efficiency and safety. With the rollout of 5G and an ever-growing network of connected infrastructure sensors, real-time road condition awareness is becoming a reality. However, this progress brings new challenges. The communication and vast amounts of data generated by autonomous vehicles and the connected infrastructure must be navigated. Furthermore, different levels of autonomous driving (ranging from 0 to 5) are rolled out gradually and human-driven vehicles will continue to share the roads with autonomous vehicles for some time. In this work, we apply a data-driven control scheme called Learning Model Predictive Control (LMPC) to three different smart city scenarios of increasing complexity. Given a successful execution of a scenario, LMPC uses the trajectory data from previous executions to improve the performance of subsequent executions while guaranteeing safety and recursive feasibility. Furthermore, the performance from one execution to another is guaranteed to be non-decreasing. For our three smart-city scenarios, we apply a minimum time objective and start with a single vehicle in a two-lane intersection. Then, we add an obstacle on the lane of the ego vehicle, and lastly, we add oncoming traffic. We find that LMPC gives us improved traffic efficiency with shorter travel. However, we find that LMPC may not be suitable for real-time training in smart city scenarios. Thus, we conclude that this approach is suitable for simulator-driven, offline, training on any trajectory data that might be generated from autonomous vehicles and the infrastructure sensors in future smart cities. Over time, this can be used to construct large data sets of optimal trajectories which are available for the connected vehicles in most urban scenarios. / Smarta städer använder modern teknik för att förbättra transporteffektiviteten och säkerheten. Med införandet av 5G och ett allt större nätverk av uppkopplade sensorsystem för infrastruktur blir realtidsmedvetenhet om vägförhållandena en verklighet. Denna utveckling medför nya utmaningar. Kommunikationen mellan autonoma fordon och uppkopplade sensorsystem ger upphov till stora mängder data som måste hanteras. Dessutom kommer fordon med olika autocnominivåer (från 0 till 5) att behöva dela gatorna tillsammans med människostyrda fordon samtidigt under en tid. I detta arbete tillämpar vi en datadriven reglermetod som heter Learning Model Predictive Control (LMPC) på tre olika scenarier i en smart stad med ökande komplexitet. LMPC utnyttjar data från en tidigare lyckad körning av ett visst scenario för att förbättra prestandan på efterföljande körningar samtidigt som säkerheten och rekursiv genomförbarhet garanteras. Vidare garanteras att prestandan från en körning till en annan inte minskar. För våra tre scenarier är målet att minimerar restiden och börjar med ett enda fordon i en tvåfilig korsning. Sedan lägger vi till ett hinder på högra filen och till sist lägger vi till mötande trafik. Vi finner att LMPC ger oss förbättrad trafikeffektivitet med kortare restid. Vi finner dock att LMPC må vara mindre lämplig för realtids scenarier. Således drar vi slutsatsen att denna metod är lämplig för optimering i simulatorer, offline, på data som kan genereras från autonoma fordon och sensorsystemet i infrastrukturen. Så småningom kan vår metod användas för att konstruera stora dataset av optimala trajektorier som är tillgängliga för uppkopplade fordon i framtidens smarta städer.