<p>This is the final documentation of the basis that can be the foundation of how to solve the</p><p>problem with leaking hydraulic oil in a shoe press at the company Albany International</p><p>AB in Halmstad, Sweden.</p><p>The project has been performed at Halmstad University as a degree project commissioned</p><p>by Albany International AB. The purpose of the degree project was to find a way of</p><p>detecting the hydraulic leak of a shoe press. The reason is that the shoe press runs</p><p>unattended during nights and weekends, this can cause an extensive decontamination</p><p>work and production stop if leak. The hydraulic oil could be leaking in large amounts or</p><p>slowly as a fine mist. The development of a working system that can detect a hydraulic</p><p>oil leak and stop the machine before a large amount of hydraulic oil leaks out would</p><p>considerably reduce the cost of the decontamination work. It would also reduce the</p><p>interruption time of the production. When the hydraulic oil is leaking as a fine mist and</p><p>spreading in the facility, the risk of fire is much higher and will be reduced if detected in</p><p>time.</p><p>The outcome of the degree project is this document containing results of investigations</p><p>and a suggestion on how to make a prototype. In benefit of investigations, inquiry and</p><p>tests the project group has been able to choose a suitable method of how to detect a</p><p>hydraulic leak. The prototype has been tested in laboratory environment and showed a</p><p>god ability to detect hydraulic oil.</p>

This is the final documentation of the basis that can be the foundation of how to solve the problem with leaking hydraulic oil in a shoe press at the company Albany International AB in Halmstad, Sweden. The project has been performed at Halmstad University as a degree project commissioned by Albany International AB. The purpose of the degree project was to find a way of detecting the hydraulic leak of a shoe press. The reason is that the shoe press runs unattended during nights and weekends, this can cause an extensive decontamination work and production stop if leak. The hydraulic oil could be leaking in large amounts or slowly as a fine mist. The development of a working system that can detect a hydraulic oil leak and stop the machine before a large amount of hydraulic oil leaks out would considerably reduce the cost of the decontamination work. It would also reduce the interruption time of the production. When the hydraulic oil is leaking as a fine mist and spreading in the facility, the risk of fire is much higher and will be reduced if detected in time. The outcome of the degree project is this document containing results of investigations and a suggestion on how to make a prototype. In benefit of investigations, inquiry and tests the project group has been able to choose a suitable method of how to detect a hydraulic leak. The prototype has been tested in laboratory environment and showed a god ability to detect hydraulic oil.

Detta arbete behandlar mätmetoder för detektering av partiella urladdningar (kallad PD från engelska benämningen Partial Disharge) i HVAC- och HVDC- högspänningskablar. HVAC står för ”High Voltage Alternative Current” och HVDC står för ”High Voltage Direct Current”. När en viss hög spänningsnivå överskrids i kabeln uppstår olika typer av partiella urladdningar och dessa skadar kabelns isoleringsmaterial. PD- intensiteten ökar med tiden och om de tillåts fortlöpa under en längre tid kan de med tiden helt bryta ned isoleringsmaterialet vilket leder till ett fel. Mätmetoder måste föras fram och mätinstrument måste tas i bruk för att detekterapartiella urladdningar. Målet med detta är att lokalisera eventuella skador som orsakats av partiella urladdningar, uppskatta skadorna och förhindra en total nedbrytning genom övervakning. Ett av de viktigaste målen för industri samt forskning har varit möjligheten att kunna ta fram mätinstrument som kan detektera PD i kablar och klassificera (”bedöma”) vad det är för typer av partiella urladdningar som är aktiva i kablarna. I detta arbete redovisas hur klassificering av olika typer av partiella urladdningar går till för både HVDC- och HVAC- kablar. Vidare har en mätmetod för detektering av partiella urladdningar studerats teoretiskt och testats experimentellt. Metoden är välbeprövad och kallas ”den vandrande vågmetoden”. För detta uppdrag fanns det ingen möjlighet att mäta på högspänningskablar eftersom behörighet och skyddat miljö saknats. Mätmetoden har istället prövats på en RG58- koaxialkabel eftersom att koaxialkabelns karaktäristik är jämförbar med en högspänningskabels karaktäristik. En försöksmätning med en strömsensor har också utförts eftersom att dessa normalt används i praktiken för detektering av partiella urladdningar.

Uppdragsgivaren till detta examensarbete har uttryckt en önskan om att utveckla ett verktyg för att automatiskt upptäcka avvikelser i signaldata från maskiner inom pappers- och massaindustrin. En önskan har funnits att utvärdera om statistiska verktyg eller maskininlärning kan appliceras på uppgiften att automatisera denna avvikelsedetektering. Detta arbete utvärderar tre olika metoder. En av metoderna innefattar maskininlärning i form av neurala nätverk och de andra är statistiska verktyg för dataanalys. Metoderna som tillämpas för avvikelsedetektering utvärderas i fyra separata experiment. Resultatet av arbetet ger, inom de ramar som satts upp under experimenten, en indikation på att de metoder som skapar prognoser har potentialen att ge en förbättring av träffsäkerheten hos avvikelsedetekteringen. Detta förutsätter dock att tid och resurser läggs på att förbereda verktygen och förse dem med relevant signaldata i tillräcklig mängd.

A common problem in systems handling user interaction was the risk for fraudulent behaviour. As an example, in a system with credit card transactions it could have been a person using a another user's account for purchases, or in a system with advertisment it could be bots clicking on ads. These malicious attacks were often disguised as normal interactions and could be difficult to detect. It was especially challenging when working with datasets that did not contain so called labels, which showed if the data point was fraudulent or not. This meant that there were no data that had previously been classified as fraud, which in turn made it difficult to develop an algorithm that could distinguish between normal and fraudulent behavior. In this thesis, the area of anomaly detection was explored with the intent of detecting fraudulent behavior without labeled data. Three neural network based prototypes were developed in this study. All three prototypes were some sort of variation of autoencoders. The first prototype which served as a baseline was a simple three layer autoencoder, the second prototype was a novel autoencoder which was called stacked autoencoder, the third prototype was a variational autoencoder. The prototypes were then trained and evaluated on two different datasets which both contained non fraudulent and fraudulent data. In this study it was found that the proposed stacked autoencoder architecture achieved better performance scores in recall, accuracy and NPV in the tests that were designed to simulate a real world scenario. / Ett vanligt problem med användares interaktioner i ett system var risken för bedrägeri. För ett system som hanterarade dataset med kreditkortstransaktioner så kunde ett exempel vara att en person använde en annans identitet för kortköp, eller i system som hanterade reklam så skulle det kunna ha varit en automatiserad mjukvara som simulerade interaktioner. Dessa attacker var ofta maskerade som normala interaktioner och kunde därmed vara svåra att upptäcka. Inom dataset som inte har korrekt märkt data så skulle det vara speciellt svårt att utveckla en algoritm som kan skilja på om interaktionen var avvikande eller inte. I denna avhandling så utforskas ämnet att upptäcka anomalier i dataset utan specifik data som tyder på att det var bedrägeri. Tre prototyper av neurala nätverk användes i denna studie som tränades och utvärderades på två dataset som innehöll både data som sade att det var bedrägeri och inte bedrägeri. Den första prototypen som fungerade som en bas var en simpel autoencoder med tre lager, den andra prototypen var en ny autoencoder som har fått namnet staplad autoencoder och den tredje prototypen var en variationell autoencoder. För denna studie så gav den föreslagna staplade autoencodern bäst resultat för återkallelse, noggrannhet och NPV i de test som var designade att efterlikna ett verkligt scenario.

Denna avhandling beskriver ett projekt för att skapa en prototypapplikation med syftet att förenkla vägmärkesinventering. Istället för att manuellt analysera en tagen bild och jämföra med en databas av vägmärken för inventing så kan man istället starta denna applikation, ladda in bilden och få ut ett svar på vad skylten har för identifieringskod. Idén är att vägmärkesinventerare ska spara in tiden det tar att gå igenom alla bilder tagna under en dag och istället få systemet att automatiskt lägga in vad vägmärket har för identifieringskod. Grundapplikationen är skriven som en WPF-applikation med hjälp av ramverket EmguCV som i sin tur nyttjar .NET ramverket. Den viktiga aspekten i detta projekt är att se ifall detta kan göras med rimlig beräkningskraft, kunna matcha skyltar på en rimlig tid, vilket gjordes möjligt med EmguCVs FLANN-algoritm. Projektet resulterade i en fungerande applikation där användare kan ladda upp cirkulära hastighetsvägmärken där applikationen detekterar och sedan matchar vägmärket mot en databas för att kunna identifiera det. / This dissertation describes a project for creating a prototype application for the purpose of simplifying road sign inventory. Instead of manually analyzing a captured image and comparing it to a database of inventory road signs, you can instead launch this application, load the image and get the identification code of that road sign. The idea is that road sign inventory takers will save the time it takes to review all the pictures taken during a day and instead, the system will automatically generate the identification code of that road sign. The basic application is written as a WPF application using the EmguCV framework, which in turn uses the .NET framework. The important aspect of this project is to see if matching road signs can can be done with reasonable computation and within reasonable time, this was made possible with EmguCVs FLANN-algorithm. The project resulted in a functional application in which users can upload circular velocity road signs and the application detects and identifies the road sign via a database of road signs.

In this study earthquake data is analyzed using a newly developed Migration Based Detection (MBD) algorithm (Wagner et al. 2017). A software environment suitable for manual analysis of large quantities of earthquakes (events) detected by the MBD algorithm is set up, and the MBD algorithm is applied to 13 days of seismic data from a network of 26 seismic stations in the geologically complex Hengill-area in southwest Iceland. A total of 859 event detections are produced and manually inspected. Out of these, 483 are considered true and/or uncertain, making the assessed number of false detections about 44%. A subset of 53 well defined true events are selected for event relocation using manual picking of first arrival P-waves. The relocation resulted in a mean difference of roughly 0.6 km for each coordinate in the horizontal plane and about 1.4 km in depth. Results of the study provide reference data that may aid further development of the MBD algorithm, as well as provide some insight into the performance of the MBD algorithm. The software environment tailored for analyzing events detected by the MBD algorithm may be used as a foundation for continued analysis of detected events. / I denna studie analyserades jordskalvsdata med hjälp av en nyligen utvecklad 'migration based detection'-algoritm (Wagner et al. 2017). En mjukvarumiljö skräddarsydd för manuell analys av stora kvantiteter av jordskalv detekterade av MBD-algoritmen iordningställdes, varpå MBD-algoritmen sedan applicerades på 13 dagar av seismisk data från ett nätverk av 26 seismiska stationer i det geologiskt sett komplexa Hengill-området i sydvästra Island. Totalt detekterades 859 jordskalv som genomgick manuell analys. Av dessa klassificerades 483 stycken som bekräftade eller troliga jordskalv, vilket resulterar i en uppskattad felmarginal om ca. 44 %. En delmängd om 53 väldefinierade jordskalv valdes ut för noggrannare analys av ursprungsplats och tidpunkt genom manuell plockning av P-fasankomst. Omlokaliseringen resulterade i en genomsnittlig differens om ca. 0.6 km i vardera koordinat i horisontalplanet och ca. 1.4 km i höjdled. Resultat från projektet kan användas som referensdata vid vidareutveckling av MBD-algoritmen samt ger viss insyn i prestandan hos MBD-algoritmen. Den iordningställda datormiljön kan användas som bas för vidare analys av jordskalv detekterade av MBD-algoritmen.

I denna kandidatuppsats undersöks och utvärderas maskininlärningsmetoder för bedrägeridetektering inom kreditkortsbedrägerier med syfte att identifiera problemområden och ange förbättringar. Trots utvecklingen och framfarten av artificiell intelligens (AI), finns det fortfarande problem med att framgångsrikt klassificera kreditkortsbedrägerier. I arbetet utförs en litteraturstudie för att identifiera aktuella maskininlärningsmetoder och utmaningar. Därefter görs ett experiment för att utvärdera dessa metoder och föreslå förbättringar. Resultatmässigt kan man se att de aktuella maskininlärningsmetoderna är en blandning av nyare och äldre metoder som Deep Neural Networks, Logistisk Regression, Naive Bayes, Random Forest, Decision Tree och Multi-Layer Perceptron. Dessa utvärderas oftast med prestationsmått som Accuracy score, F1-Score, Confusion Matrix och Area Under the Curve (AUC). Dagens bedrägeridetektering står främst inför klassificeringsproblem på grund av komplexa, föränderliga och manipulerad data. Genom att utvärdera bedrägeridetektorn med XAI-modeller som SHAP, kan problemområdet vid felklassificering lokaliseras och åtgärdas enklare.

<p>Det här examensarbetet är baserat på idéer ur ett uppdrag från företaget Saab Aerotech men är ett eget arbete.</p><p>Målet var att undersöka om det finns behov av ett verktyg som statiskt kan detektera dynamiska minneshanteringsproblem, som till exempel minnesläckage, i applikationer skrivna i C/C++. På grund av att minneshanteringsfel i C/C++ länge har varit ett känt problem undersökte vi detta och de befintliga lösningarna till det.</p><p>Vi fann två metoder till lösningar som de flesta verktyg använde sig av; statisk och dynamisk detektering. De flesta verktyg löste problemet genom att dynamiskt detektera minnesläckor och andra brister som till exempel buffer overflows. Ett verktyg löste dock problemet genom att statisk detektera minneshanteringsfel i källkoden för applikationerna. Eftersom alla befintliga lösningar har någon form av ineffektivitet så har vi undersökt möjligheten att utveckla ett mer effektivt verktyg. Vi har kommit fram till att denna möjlighet finns men det kräver enormt mycket tid och arbete att göra ett komplett verktyg som detekterar minneshanteringsfel statiskt.</p><p>Vår prototyp detekterar dynamiska minneshanteringsproblem i källkoden statiskt. Vi har använt oss av hjälpverktygen Flex och Bison för att utveckla vår prototyp av verktyget. Prototypen kan analysera källkod skriven i programspråken C och C++ och klarar att detektera minnesläckage, felaktiga avallokeringar av minne, dangling pointers, samt läsning från och skrivning till ogiltiga minnesområden. På grund av tidsbrist har vi i nuläget inte implementerat något stöd för klasser och objekt i prototypen.</p> / <p>This bachelor’s project is our own project, but it is based on ideas from an assignment from the Saab Aerotech company.</p><p>The goal was to investigate if there is a need for a tool that statically can detect dynamic memory management errors, such as memory leaks, in applications written in C/C++. Since the problem of memory management errors in the C/C++ languages has been known for a long time, we decided to investigate this and the existing solutions.</p><p>We found that most tools used two methods as solutions; static and dynamic detection. Most of these tools solve the problem by dynamically detecting memory leaks and other deficiencies such as buffer overflows. However, one of these tools used static detection of these deficiencies by scanning the source code of the applications. Since all the existing solutions have some kind of inefficiency, we have investigated the possibility to develop a more efficient tool. We concluded that this is possible but it will take a lot of time and effort to implement a complete tool that statically detects memory management errors.</p><p>Our prototype statically detects dynamic memory management problems in the source code. We have used the tools Flex and Bison to develop our prototype of a static detection tool. The prototype analyzes source code written in the programming languages C and C++ and is capable of detecting memory leaks, invalid deallocations of memory, dangling pointers and reading from and writing to invalid memory areas. Currently, due to lack of time, we have not implemented any support for classes and objects in the prototype.</p>

Det här examensarbetet är baserat på idéer ur ett uppdrag från företaget Saab Aerotech men är ett eget arbete. Målet var att undersöka om det finns behov av ett verktyg som statiskt kan detektera dynamiska minneshanteringsproblem, som till exempel minnesläckage, i applikationer skrivna i C/C++. På grund av att minneshanteringsfel i C/C++ länge har varit ett känt problem undersökte vi detta och de befintliga lösningarna till det. Vi fann två metoder till lösningar som de flesta verktyg använde sig av; statisk och dynamisk detektering. De flesta verktyg löste problemet genom att dynamiskt detektera minnesläckor och andra brister som till exempel buffer overflows. Ett verktyg löste dock problemet genom att statisk detektera minneshanteringsfel i källkoden för applikationerna. Eftersom alla befintliga lösningar har någon form av ineffektivitet så har vi undersökt möjligheten att utveckla ett mer effektivt verktyg. Vi har kommit fram till att denna möjlighet finns men det kräver enormt mycket tid och arbete att göra ett komplett verktyg som detekterar minneshanteringsfel statiskt. Vår prototyp detekterar dynamiska minneshanteringsproblem i källkoden statiskt. Vi har använt oss av hjälpverktygen Flex och Bison för att utveckla vår prototyp av verktyget. Prototypen kan analysera källkod skriven i programspråken C och C++ och klarar att detektera minnesläckage, felaktiga avallokeringar av minne, dangling pointers, samt läsning från och skrivning till ogiltiga minnesområden. På grund av tidsbrist har vi i nuläget inte implementerat något stöd för klasser och objekt i prototypen. / This bachelor’s project is our own project, but it is based on ideas from an assignment from the Saab Aerotech company. The goal was to investigate if there is a need for a tool that statically can detect dynamic memory management errors, such as memory leaks, in applications written in C/C++. Since the problem of memory management errors in the C/C++ languages has been known for a long time, we decided to investigate this and the existing solutions. We found that most tools used two methods as solutions; static and dynamic detection. Most of these tools solve the problem by dynamically detecting memory leaks and other deficiencies such as buffer overflows. However, one of these tools used static detection of these deficiencies by scanning the source code of the applications. Since all the existing solutions have some kind of inefficiency, we have investigated the possibility to develop a more efficient tool. We concluded that this is possible but it will take a lot of time and effort to implement a complete tool that statically detects memory management errors. Our prototype statically detects dynamic memory management problems in the source code. We have used the tools Flex and Bison to develop our prototype of a static detection tool. The prototype analyzes source code written in the programming languages C and C++ and is capable of detecting memory leaks, invalid deallocations of memory, dangling pointers and reading from and writing to invalid memory areas. Currently, due to lack of time, we have not implemented any support for classes and objects in the prototype.