Global ETD Search

51	Insulation diagnostics of stator bars / Isolationsdiagnostik av statorstavar Garðarsdóttir, Alexandra January 2022 (has links) Insulation in rotating machines is a common cause for failure. Therefore, research in the area is large and is important to further increase the knowledge of the phenomena related to insulation degradation. This thesis is a case study on 20 stator bars obtained from a generator that had been showing signs of insulation degradation while in operation. The insulation was investigated using a range of measurements to be able to evaluate the degradation of these bars. The measurements performed were electrical partial discharge measurements, acoustic partial discharge measurements, dielectric response measurements, and breakdown testing. Furthermore, a more scientific approach to the commonly used tap test in the industry was conducted, which has not been done before and the purpose was to validate this commonly used test method. It was concluded that the bars have a significant amount of partial discharges within them, and that the stress grading is likely to be blamed in many of the worst cases. Furthermore, the dielectric response measurements provided good information on the thermal stability of the insulation. The set-up of the tap test did not provide reasonable results, and the method approach as well as the experimental set-up was to blame for this. In future work, investigating this specific area could be beneficial. The electrical partial discharge measurements and the breakdown test provided unexpected results when compared, where the former indicated much degradation while the latter proved that the bars can withstand very high voltage levels. / Isolering i roterande maskiner är en vanlig orsak till fel. Forskningen på området är därför omfattande och viktig för att ytterligare öka kunskapen om fenomen som rör isoleringsnedbrytning. Denna avhandling är en fallstudie på 20 statorstänger som erhållits från en generator som hade visat tecken på isoleringsnedbrytning under drift. Isoleringen undersöktes med hjälp av en rad olika mätningar för att kunna utvärdera nedbrytningen av dessa stänger. De mätningar som utfördes var mätningar av elektriska partiella urladdningar, akustiska partiella urladdningar, mätningar av dielektrisk respons och genombrottstester. Dessutom genomfördes ett mer vetenskapligt tillvägagångssätt för det allmänt använda tapptestet i branschen, vilket inte har gjorts tidigare och syftet var att validera denna allmänt använda testmetod. Slutsatsen blev att stängerna har en betydande mängd partiella urladdningar i sig, och att spänningsgraderingen sannolikt får skulden i många av de värsta fallen. Dessutom gav mätningarna av den dielektriska responsen god information om isoleringens termiska stabilitet. Upplägget för tapptestet gav inte rimliga resultat, och detta berodde både på metodiken och på försöksupplägget. I framtida arbete kan det vara bra att undersöka detta specifika område. Mätningarna av den elektriska partiella urladdningen och genombrottstestet gav oväntade resultat när de jämfördes, där de förstnämnda visade på mycket försämring medan de sistnämnda bevisade att stängerna kan motstå mycket höga spänningsnivåer. Electrical insulation system Stator bars Insulation testing Rotating machines Partial discharges Acoustic detection Dielectric response analysis Break-down test Tap test Elektriskt isoleringssystem Statorstavar Isolationsprovning Roterande maskiner Partiell urladdning Akustisk detektering Dielektrisk responsanalys Nedbrytningstest Taptest Elektroteknik och elektronik
52	Contamination Level Detection of Hydraulic Pressure Filters in Forklifts : using only pump motor currents and load pressure measurements Sehlstedt, Robert, Sellén, Erik January 2022 (has links) With the advent of Industry 4.0 and the Internet of Things, collecting data on Cyber-Physical systems has become the norm practice in large scale industries. By collectingrelevant data, it is possible to monitor the health status of whole systems or specificcomponents within them. Such practices allow for historical maintenance strategies suchas reactive maintenance or preventive maintenance to be phased out.In this thesis two separate algorithms are presented, both designed to identify contaminationlevels in the hydraulic pressure filters of forklifts. Furthermore, in contrast torelevant literature for similar applications only sensory data from the hydraulic pump’smotor current and hydraulic fluid pressure at the load was used. More specifically, theproposed algorithms are based on trends observed in the relationship between the measurementsand how it changes over time. The algorithms were evaluated on data fromfour forklifts used in Toyota’s factory. The forklifts had been collecting data while usedin production for over a year.The results indicate strong evidence that both algorithms can be used to detect degradationin the hydraulic system. This is especially true for one forklift where it was knownthat the damage at the time of replacement was substantial. However, it cannot be trulyestablished without further testing whether the algorithms detect degradation in the filteror pump. forklift contamination level fault detection hydraulic pressure filter pump motor current pressure data pdm predictive maintenance rm reactive physical model modelling models moving window linear regression armature mean gaffeltruck kontamineringsnivå kontaminering detektering feldetektering tryckfilter hydraulikfilter hydraulfilter filter pumpfilter pump motor motorström tryck linjär regression linjärregression fysikalisk modellering modell armatur genomsnittsvärde fönster data datafönster Reliability and Maintenance Tillförlitlighets- och kvalitetsteknik
53	Screw Hole Detection in Industrial Products using Neural Network based Object Detection and Image Segmentation : A Study Providing Ideas for Future Industrial Applications / Skruvhålsdetektering på Industriella Produkter med hjälp av Neurala Nätverksbaserade Objektdetektering och Bildsegmentering : En Studie som Erbjuder Ideér för Framtida Industriella Applikationer Melki, Jakob January 2022 (has links) 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. Artificial intelligence (AI) Automated assembly and disassembly Computer vision Machine learning Neural networks Object detection Screw hole detection Semantic segmentation Artificiell intelligens (AI) Automatiserad montering och demontering Datorseende Maskininlärning Neurala nätverk Objekt detektering Skruvhålsdetektering Semantisk segmentering Elektroteknik och elektronik
54	Adoption of New Technology for Identifying Money Laundering : An Exploration of Artificial Intelligence’s Usability in Banks to Combat Money Laundering and Terrorist Financing / Anta ny teknik för identifiering av penningtvätt : Utforskning av AI:s användbarhet i banker för bekämpning av penningtvätt och finansiering av terrorism Hagopian, Patrik, Persson, Axel January 2024 (has links) As money laundering is a global threat, with approximately US$800 billion to US$2 trillion being laundered yearly, it is important to come up with new and stronger solutions to combat illicit activities. Among the most exploited entities for money laundering are financial institutions, and more specifically banks. Therefore, the purpose of this thesis has been to investigate the usability of Artificial Intelligence (AI) as a decision-maker in the Anti-Money Laundering (AML) department to combat money laundering and terrorist financing. Moreover, the main research question was to explore the usability of AI as a decision-maker within AML operations. To enable this, an important aspect was to understand what regulatory and compliance requirements are demanded on AI from the AML departments. Thereafter, it was necessary to understand AI’s technical functionalities to facilitate the department’s daily operations. The literature review presented the fundamentals of AML and their precautionary actions. Furthermore, in the second phase of the literature review, the fundamentals of AI were investigated. Lastly, a combination of the topics of AML and AI were reviewed to identify techniques that the AML department can implement. Moreover, the methodology of the thesis consisted of a qualitative research design with an inductive approach. In the findings, a framework was constructed from the obtained results (second order themes). Subsequently, those themes were further developed into aggregated dimensions, which were extensively elaborated on in the conclusion. Thereafter, the dimensions were categorized into either the compliance criteria or the functional criteria. Also, the dimensions were presented in the order of priority based on how critical they are. To answer the main research question, AI is usable in the AML department as a decision-maker when considering the aggregated dimensions. Essentially, AI can successfully be implemented into the AML department’s daily operations when all the dimensions are achieved. / Då penningtvätt är ett globalt hot, där det uppskattas att det årligen tvättas 800 miljarder till 2 biljoner amerikanska dollar, är det viktigt att komma med nya och motståndskraftigare lösningar som bekämpar illegala verksamheter. Finansiella institutioner är bland de mest utsatta enheterna för penningtvätt, däribland banker som är mest exponerade. Därför var syftet med masterexamensarbetet att undersöka användbarheten av artificiell intelligens (AI) som beslutsfattare på avdelningen som bekämpar penningtvätt och finansiering av terrorism. Vidare var huvudfrågeställningen att utforska användbarheten av AI som beslutsfattare inom arbetsuppgifterna för avdelningen som bekämpar penningtvätt. För att möjliggöra detta var en viktig aspekt att förstå vilka lagstadgade- och efterlevnadskrav som ställdes på AI från avdelningen som bekämpar penningtvätt. Därefter måste man förstå AI:s tekniska funktioner för att underlätta avdelningens dagliga verksamhet. I litteraturstudien presenterades de grundläggande faktorerna för bekämpning av penningtvätt och deras försiktighetsåtgärder. Vidare i den andra fasen av litteraturstudien undersöktes de grundläggande faktorerna för AI. Slutligen granskades litteratur som behandlade en kombination av ämnena bekämpning av penningtvätt och AI för att identifiera tekniker som avdelningen för bekämpning av penningtvätt kan implementera. Dessutom bestod masterexamensarbetet av en kvalitativ forskningsdesign med en induktiv forskningsprocess. I resultatdelen framställdes ett ramverk utifrån de erhållna resultaten (andra ordningens teman). Därefter utvecklades dessa teman vidare till aggregerade dimensioner, som beskrevs utförligt i slutsatsen. Därpå blev dimensionerna kategoriserade i antingen efterlevnadskriterier eller funktionella kriterier. Dimensionerna presenterades även i prioritetsordning baserat på deras kritiska innebörd. Studien föreslog att AI är användbart på avdelningen som bekämpar penningtvätt som beslutsfattare när de aggregerade dimensionerna tas i beaktning. I huvudsak kan AI framgångsrikt implementeras i avdelningens dagliga verksamhet för att bekämpa penningtvätt när alla dimensioner har uppnåtts. AI AML Decision-Maker Compliance Anomaly Detection Transaction Monitoring Alert Classification Machine Learning Black box XAI AI bekämpning av penningtvätt beslutsfattare efterlevnad detektering av avvikelser transaktionsmonitorering varningsklassificering maskininlärning svart låda förklarbar AI Other Engineering and Technologies Annan teknik Economics and Business Ekonomi och näringsliv

Search results

Insulation diagnostics of stator bars / Isolationsdiagnostik av statorstavar

Contamination Level Detection of Hydraulic Pressure Filters in Forklifts : using only pump motor currents and load pressure measurements