Mendi (Mendi, 2020) is a company founded to provide accessibility of brain enhancement training to the ordinary citizen, they reside in Stockholm, Sweden. The Mendi brain training headset has been developed to aid users using neurofeedback. This technology allows for display of brain activity in real-time, and the implementation of the Mendi headset is meant to teach the user how to better regulate their brain activity. With the possibility to start sustainable design in conjunction with the market release of the product, this project was initiated to serve the future progress of sustainable development. The work conducted in this paper is based on development methods used to assess the current state of the product as well as the phases of the product life cycle in which sustainable solutions can be applied. The methods used are life cycle assessment, material research and analysis, design for disassembly, assessment of production and use, market research of similar products, and research literature on modern methodology in sustainable design. Quantitative assessment was created through comparative analysis using the program CES EduPack (Granta Design, 2019), where data of the current product is used as a reference throughout. This is combined with research findings of best practice in sustainable development of products; tools used in the development contained concept generation in the form of sketching, CAD, and 3D printing. The result is described quantitatively in the parts where data has been available, it is also presented through life cycle scenarios, giving examples from assumptions based on research of empirical studies and results from design methods used throughout. The result present scenarios of a redesigned product and how this differ from the existing prototype in the form of economic and, environmental sustainability. The final concept was created through guidelines of eco design, built around the previous work of the product for plausible implementation in upcoming development. The product uses snap-fits to enable disassembly, press-fit to avoid any mixing of materials, has reduced amount of materials and contains materials that lower the life cycle CO2 emission and energy use. Economic factors are similarly assessed, quantitative analysis of life cycle costs combined with assumption driven scenarios showing potential gains and losses that could occur from said changes. Combined, the results are meant to work as a guideline for any future endeavors made in the field of sustainable development by Mendi and their partners. / Mendi (Mendi, 2020) är ett företag som grundades för att ge den vanliga medborgaren tillgång till hjärnförbättringsträning, de är bosatta i Stockholm, Sverige. Mendi-headsetet för hjärnträning har utvecklats för att hjälpa användare genom något som kallas neurofeedback. Denna teknik möjliggör visning av hjärnaktivitet i realtid, och implementeringen av Mendi-headsetet är tänkt att lära användaren att bättre reglera sin hjärnaktivitet. Med möjligheten att starta hållbar design i samband med marknadsutsättningen av produkten inleddes detta projekt för att tjäna framtida framsteg inom hållbar utveckling. Arbetet i denna artikel bygger på utvecklingsmetoder som används för att bedöma produktens nuvarande tillstånd samt faserna i produktlivscykeln där hållbara lösningar kan tillämpas. De metoder som används är livscykelbedömning, materialforskning och analys, design för demontering, bedömning av produktion och användning, marknadsundersökning av liknande produkter och forskningslitteratur om modern metodik i hållbar design. Kvantitativ bedömning skapades genom jämförande analys med programmet CES EduPack, där data för den aktuella produkten används som referens genomgående. Detta kombineras med forskningsresultat om bästa praxis för hållbar utveckling av produkter; verktyg som användes i utvecklingen innehöll konceptgenerering i form av skisser, CAD och 3D-utskrift. Resultatet beskrivs kvantitativt i de delar där data har kunnat erhållas, det presenteras också genom livscykelscenarier, vilket ger exempel från antaganden baserade på forskning om empiriska studier och resultat från designmetoder som använts genomgående. Resultatet presenterar scenarier för en nydesignad produkt och hur denna skiljer sig från den befintliga prototypen i form av ekonomisk och miljömässig hållbarhet. Det sista konceptet skapades genom riktlinjer för eko-design, byggd kring produktens tidigare arbete för sannolik implementering i kommande utveckling. Produkten använder snäppanpassningar för att möjliggöra demontering, presspassning för att undvika blandning av material, har minskat antal olika material och innehåller material som sänker livscykeln CO2-utsläpp och energianvändning. Ekonomiska faktorer bedöms på liknande sätt, kvantitativ analys av livscykelkostnader i kombination med antagandedrivna scenarier som visar potentiella vinster och förluster som kan uppstå från tidigare nämnda förändringar. Sammantaget är resultaten avsedda att fungera som en riktlinje för framtida utveckling som görs inom området hållbar utveckling av Mendi och deras partners.

Människans negativa miljöpåverkan har orsakat att jordens temperaturökning har fördubblats på kort tid och vars åtgärd kräver omgående förändringar i samhället. Ett hållbart förhållningssätt är väsentligt för att inte äventyra kommande generationers förutsättningar på jorden. En omställning till en cirkulär ekonomi är nödvändigt för att gynna en hållbar utveckling. Byggsektorns resursanvändning och avfall orsakar en stor andel av samhällets miljöpåverkan och har en betydelsefull roll i den cirkulära övergången. Återbruk av bygg- och rivningsavfall är en viktig del av cirkulära strategier, men som sektorn varit långsamma på att implementera. Kandidatarbetet undersöker möjligheterna att utforma en mindre trävilla med hänsyn på återbruk. Syftet med studien är att framställa en förslagshandling för en trävilla som tar hänsyn på cirkulära strategier som möjliggör återbruk av de ingående komponenterna. Studien baseras på en kvalitativ metod som inledningsvis bestod av en litteraturstudie, därefter hölls workshop med aktörer i byggbranschen för att ta del av deras kunskaper inom ämnesområdet. I konsultation med aktörerna diskuterades möjligheter och svårigheter vid utformning av småhus med hänsyn till återbruksbara byggnadskomponenter. Studiens resultat visar att byggsektorn i största allmänhet är medvetna om de ekologiska fördelarna av cirkulära strategier som att projektera för demontering, men att dessa inte nyttjas i någon större utsträckning. Det beror delvis på byggsektorns okunskap om hur byggnaders utformning påverkar komponenternas möjlighet till återbruk och dels på osäkerheterna kring den ekonomiska lönsamheten. För att öka återbruk i byggsektorn kommer sektorn behöva ekonomiska incitament som nya avgifts- och beskattningsstrukturer. För att främja återbruk av ingående byggkomponenter är det viktigt att tidigt planera för komponenternas åtkomlighet, reparation och demontering. För att förenkla förändringsarbete och underhåll bör byggnaden utformas med stora öppna ytor och med en så stor andel prefabricerade moduler och komponenter. Byggnadens komponenter bör väljas med hänsyn på att de ska vara hållbara och lätta att hantera vid montering och demontering.

This project is about screw hole detection using neural networks for automated assembly and disassembly. In a lot of industrial companies, such as Ericsson AB, there are products such as radio units or filters that have a lot of screw holes. Thus, the assembly and disassemble process is very time consuming and demanding for a human to assemble and disassemble the products. The problem statement in this project is to investigate the performance of neural networks within object detection and semantic segmentation to detect screw holes in industrial products. Different industrial models were created and synthetic data was generated in Blender. Two types of experiments were done, the first one compared an object detection algorithm (Faster R-CNN) with a semantic segmentation algorithm (SegNet) to see which area is most suitable for hole detection. The results showed that semantic segmentation outperforms object detection when it comes to detect multiple small holes. The second experiment was to further investigate about semantic segmentation algorithms by adding U-Net, PSPNet and LinkNet into the comparison. The networks U-Net and LinkNet were the most successful ones and achieved a Mean Intersection over Union (MIoU) of around 0.9, which shows that they have potential for further development. Thus, conclusions draw in this project are that segmentation algorithms are more suitable for hole detection than object detection algorithms. Furthermore, it shows that there is potential in neural networks within semantic segmentation to detect screw holes because of the results of U-Net and LinkNet. Future work that one can do is to create more advanced product models, investigate other segmentation networks and hyperparameter tuning. / Det här projektet handlar om skruvhålsdetektering genom att använda neurala nätverk för automatiserad montering och demontering. I många industriföretag, såsom Ericsson AB, finns det många produkter som radioenheter eller filter som har många skruvhål. Därmed, är monterings - och demonteringsprocessen väldigt tidsfördröjande och krävande för en människa att montera och demontera produkterna. Problemformuleringen i detta projekt är att undersöka prestationen av olika neurala nätverk inom objekt detektering och semantisk segmentering för skurvhålsdetektering på indutriella produkter. Olika indutriella modeller var skapade och syntetisk data var genererat i Blender. Två typer av experiment gjordes, den första jämförde en objekt detekterings algoritm (Faster R-CNN) med en semantisk segmenterigs algoritm för att vilket område som är mest lämplig för hål detektering. Resultaten visade att semantisk segmentering utpresterar objekt detektering när det kommer till att detektera flera små hål. Det andra experimentet handlade om att vidare undersöka semantiska segmenterings algoritmer genom att addera U-Net, PSPNet och LinkNet till jämförelsen. Nätverken U-Net och PSPNet var de mest framgångsrika och uppnåde en Mean Intersection over Union (MIoU) på cirka 0.9, vilket visar på att de har potential för vidare utveckling. Slutsatserna inom detta projekt är att semantisk segmentering är mer lämplig för hål detektering än objekt detektering. Dessutom, visade sig att det finns potential i neurala nätverk inom semantisk segmentering för att detejtera skruvhål på grund av resultaten av U-Net och LinkNet. Framtida arbete som man kan göra är att skapa flera avancerade produkt modeller, undersöka andra segmenterisk nätverk och hyperparameter tuning.