No description available.

This thesis work in automation technology at 30 credits is conducted at Volvo Cars Cooperation (VCC) in collaboration with the University of Skövde. With the current staffing method VCC are experiencing difficulties achieving an optimal utilization of operators as there has been difficult to ascertain how much work an operator can handle. Operators are an often overlooked part of simulation studies because they are complex to model. The completed thesis consists of developing a standardized operator object in the simulation software Plant Simulation, developed by Siemens. Using this object, it will be easier to staff optimally with respect to the number of work areas, operator skills and how many operators that are required for the given work areas. The existing VCC Plant Simulation library already has an object for operators. This operator object was used as the basis for the development of the new operator object. When developing the new object, data collection was made in form of both qualitative and quantitative data to find out what functionality the new object needed. The existing object was evaluated against the functionality requirements to determine what were needed to be added, removed or modified. Five main areas were considered important to develop: (1) operators that can work across two or more work areas, (2) walking time for operators, (3) learning effect, (4) the learning curve for operators and (5) operators who work on different shifts. The learning curve was only partly developed, but the other four areas were fully implemented. In order to test and analyze the object, three experiments were carried out using different case studies, where one of these cases studies was a real production line. The experimental design was jointly created with the VCC reference group and the University of Skövde. The main objectives of the experiments were to reduce the number of operators and increase throughput per hour. The result of the optimisation of the real production line showed that a significantly smaller staffing could be achieved without a major effect on the throughput. The results of the project were that a standardized operator object was developed according to the specifications and objectives set for the project. This object provides the ability to quickly and easily implement operators in a simulation model. To verify the applicability of the operator object, it was successfully imported and used for simulation-based optimisation in three different simulation models. The operator object also contains functionalities that provide more realistic operators, such as the walk time to the operations, operators that can work across several work areas and competence for operators as well as learning. The results of this project involve a simpler implementation of more realistic operators and thus lead to more realistic simulation models. / Examensarbetet inom automatiseringsteknik på 30hp är genomfört vid Volvo Cars Coperation (VCC) i Skövde i samarbete med Högskolan i Skövde.  Med dagens bemanningsmetod upplever VCC svårigheter med att uppnå en optimal beläggning på operatörerna, då det har varit problematiskt att få fram hur mycket arbete en operatör klarar av. Operatörer är en ofta förbisedd del av simulering eftersom de är komplexa att modellera. Det genomförda examensarbetet består av att utveckla ett standardiserat operatörsobjekt i simuleringsmjukvaran Plant Simulation från Siemens. Med hjälp av detta objekt ska det bli enklare att bemanna effektivt med avseende på antal arbetsområden, operatörernas kompetens samt hur många operatörer det krävs per arbetsområde. I VCCs egenutvecklade bibliotek i Plant Simulation fanns det redan ett objekt för operatörer. Detta objekt användes som grund för utveckling av det nya operatörsobjektet. Vid utveckling av det nya objektet utfördes datainsamling i form av både kvalitativ och kvantitativ art för att ta reda på vilken funktionalitet som det nya objektet skulle inneha. Det existerande objektet utvärderades mot dessa funktionalitetskrav för att bestämma vad som skulle läggas till, tas bort eller ändras. Fem stycken huvudområden ansågs vara viktiga att utveckla: (1) operatörer som kan arbeta över två eller flera arbetsområden, (2) gångtid för operatörer från och till operationer, (3) kompetens för operatörerna, (4) inlärningskurva för operatörerna och (5) operatörer som jobbar på olika skift. Av dessa implementerades alla utan inlärningskurvan fullt ut, inlärningskurvan är en del av det fortsatta arbetet. För att kunna testa och analysera objektet genomfördes tre stycken experiment i form av fallstudier varav en av dessa fallstudier var av en verklig produktionslinje. Experimentplanen togs fram gemensamt med VCC referensgrupp och Högskolan i Skövde. Huvudmålen med experimenten var att minska antalet operatörer och att öka takt per timma. Resultatet av optimeringen för den verkliga produktionslinjen visade att en signifikant mindre bemanning skulle kunna uppnås utan en större effekt på takt per timma. Resultatet av projektet var ett standardiserat operatörsobjekt som togs fram enligt de specifikationer och mål som definierats för projektet. Detta objekt ger möjligheten att snabbare och enklare implementera operatörer i en simuleringsmodell. För att verifiera användbarheten av operatörsobjektet, importerades det och användes för simulering-baserad optimering i tre olika simuleringsmodeller. Operatörsobjektet innehåller också funktionaliteter som ger mer realistiska operatörer så som gångtid till operationer, operatörer som kan arbeta över flera arbetsområden, kompetens för operatörer samt inlärning. Resultatet från detta projekt innebär en enklare implementering av operatörer i en simuleringsmjukvara och bidrar således till mer realistiska simuleringsmodeller.

När tekniken utvecklas ställs krav på tillverkande företag för att behålla eller överta marknadsandelar, inte minst genom att vara kostnadseffektiva. För att med små förluster tillverka avancerade produkter i ett högteknologiskt klimat krävs att produktionssystemet är anpassat till de produkter som produceras genom ett ständigt förbättringsarbete. För att uppnå effektiv produktion måste företag eliminera begränsningar inom produktionssystemet ofta benämnda som flaskhalsar. Ett sätt att identifiera flaskhalsar är genom händelsestyrd simulering som tillsammans med flermålsoptimering är fördelaktiga verktyg för att bepröva systemen utan att fysiskt genomföra förändringar. Syftet med denna fallstudie är att genom en simuleringsstudie undersöka vilka förbättringar som bör implementeras på en monteringslina som leder till ett högre produktionstakt genom mindre balanseringsförluster och en högre utnyttjandegrad. Genom en tidsstudie insamlades data som vidare användes för att kartlägga monteringslinan i en nulägesanalys. Insamlade data utgjorde grunden för att skapa en simuleringsmodell som en virtuell avbild av produktionssystemet. Genom händelsestyrd simulering analyserades flaskhalsar i modellen med hjälp av flermålsoptimering som ett verktyg för att föreslå de mest lönsamma och genomförbara förändringarna. Sex olika experiment utformades för att undersöka hur stor påverkan olika processparametrar har i varierande produktionskoncept. Experimenten visade att takten till stor del begränsar produktionssystemet. Genom att endast sänka takten kunde produktionstakten öka med över 25 %. Vidare visade experimenten att fokus på reducering av processtid hos tre stationer tillsammans med kortare takt kunde öka produktionstakten med över 30 % från nuvarande prestanda. / As technology evolves, manufacturing companies are pushed with greater and greater requirements to maintain or gain market shares, not least through being cost-efficient. To manufacture advanced products whilst minimizing waste in a high-technology climate, production systems are required to be adapted for their respective products and a continuous work of improvement is highly necessary. To achieve efficient manufacturing, producers reach to minimize constraints in the production system. One way to identify bottlenecks is through discrete-event simulation, which in combination with multi-objective optimization is a powerful tool for testing and improving a system without any physical interaction with the production equipment. The purpose of this thesis is to, through a simulation study, analyze possible improvements of an advanced assembly line to increase utilization and minimize balancing losses. Data was collected through a time study and was later used to map the process and build a model of the production system to be used for simulation. Further, the model’s constraints were analyzed through discrete-event simulation and multiple-objective optimization to find profitable and manageable alternatives for improvement. Six experiments were conducted to investigate the effects of different changes in process parameters in varying production system concepts. The experiments indicated that the takt time was a significant limitation of the system. The sole reduction of takt time resulted in a theoretical improvement of throughput equivalent to over 25%. A further focused reduction of three process times could lead to a total of 30% increase.

Nowadays, it has become crucial to transform company production processes in order to reduce carbon emissions. Therefore, the company LKAB is working to make the production process of iron ore pellets fossil-free. In particular, this thesis project focuses on the pellet induration stage and addresses the mathematical optimization of the process. In particular, the idea is to combine state-of-the-art optimization algorithms with simulation software. This thesis aims to address the problem of multi-objective optimization within the context of simulation-based scenarios, i.e., the aim is to study Simulation-Based Multi-Objective Optimization Problems. The primary focus of this thesis is to thoroughly investigate and compare three different algorithms applied to two distinct problem formulations. By doing so, we aim to gain valuable insights into the suitability of different approaches and evaluate the algorithms' performance in achieving the desired objectives. / Nuförtiden har det blivit mycket viktigt att förändra företagens produktionsprocesser för att minska koldioxidutsläppen. Företaget LKAB arbetar för att göra produktionsprocessen av järnmalmspellets fossilfri. Detta examensarbete fokuserar på pelletiseringsfasen och behandlar den matematiska optimeringen av processen. Mer specifikt, tanken är att kombinera toppmoderna optimeringsalgoritmer med simuleringsprogramvara. Syftet med examensarbetet är att studera problem med flermålsoptimering inom ramen för simuleringsbaserade scenarier, dvs. syftet är att studera ett simuleringsbaserat flermålsoptimeringsproblem. Det primära fokuset i examnesarbetet är att grundligt undersöka och jämföra tre olika algoritmer som tillämpas på två distinkta problemformuleringar. Genom att göra detta vill vi få värdefull insikt om lämpligheten av de olika strategierna och utvärdera algoritmernas prestanda för att uppnå de önskade målen.

The objective of this thesis is to model and solve the problem of placing thermal imaging camera for monitoring piles of combustible bio-fuels. The cameras, of different models, can be mounted at discrete heights on poles at fixed positions and at discrete angles, and one seeks camera model and mounting combinations that monitor as much of the piles as possible to as low cost as possible. Since monitoring all piles may not be possible or desired, due to budget or customer constrains, the solution to the problem is a set of compromises between coverage and cost. We denote such a set of compromises a frontier. In the first part of the thesis a way of modelling the problem is presented. The model uses a discrete formulation where the area to monitor is partitioned into a grid of cells. Further, a pool of candidate camera placements is formed, containing all combinations of camera models and mounting positions. For each camera in this pool, all cells monitored are deduced using ray-casting. Finally, an optimization model is formulated, based on the pool of candidate cameras and their monitoring of the grid. The optimization model has the two objectives of minimizing the cost while maximizing the number of covered cells. In the second part, a number of heuristic optimization algorithms to solve the problem is presented: Greedy Search, Random Greedy Search, Fear Search, Unique Search, Meta-RaPS and Weighted Linear Neighbourhood Search. The performance of these heuristics is evaluated on a couple of test cases from existing real world depots and a few artificial test instances. Evaluation is made by comparing the solution frontiers using various result metrics and graphs. Whenever practically possible, frontiers containing all optimal cost and coverage combinations are calculated using a state-of-the-art solver. Our findings indicate that for the artificial test instances, the state-of-the-art solver is unmatched in solution quality and uses similar execution time as the heuristics. Among the heuristics, Fear Search and Greedy Search were the strongest performing. For the smaller real world instances, the state-of-the-art solver was still unmatched in terms of solution quality, but generating the frontiers in this way was fairly time consuming. By generating the frontiers using Greedy Search or Random Greedy Search we obtained solutions of similar quality as the state-of-the-art solver up to 70-80% coverage using one hundredth and one tenth of the time, respectively. For the larger real world problem instances, generating the frontier using the state-of-the-art solver was extremely time consuming and thus sometimes impracticable. Hence the use of heuristics is often necessary. As for the smaller instances, Greedy Search and Random Greedy Search generated the frontiers with the best quality. Often even better full coverage solutions could be found by the more time consuming Fear Search or Unique Search. / Syftet med detta examensarbete är att modellera och lösa kameraplaceringsproblemet då IR-kameror ska användas för brandövervakning av fastbränslehögar. Problemet består i att givet ett antal kamera modeller och monteringsstolpar bestämma de kombinationer av placeringar och modeller sådana att övervakningen av högarna är maximal, för alla möjliga kostnadsnivåer. I den första delen av examensarbetet presenteras en modell för detta kameraplaceringsproblem. Modellen använder sig av en diskret formulering, där området om ska övervaras är representerad av ett rutnät. De möjliga kameravalen beskrivas med en diskret mängd av möjliga kameraplaceringar. För att utröna vilka celler inom rutnätet som en kameraplacering övervakar används metoden ray-casting. Utifrån mängden av möjliga kameraplaceringar kan en optimeringsmodell med två målfunktioner formuleras. Målet i den första målfunktionen är att minimera kostnaden för övervakningen och i den andra att maximera storleken på det övervakade området. Utgående från denna modell presenteras därefter ett antal algoritmer för att lösa modellen. Dessa är: Greedy Search, Random Greedy Search, Fear Search, Unique Search, Meta-RaPS och Weighted Linear Neighbourhood Search. Algoritmerna utvärderas på två konstgjorda testproblem och ett antal problem från verkliga fastbränslelager. Utvärderingen baseras på lösningsfronter (grafer över de icke-dominerade lösningarna med de bästa kombinationerna av kostnad och täckning) samt ett antal resultatmått som tid, lägsta kostnad för lösning med full täckning, etc... Vid utvärderingen av resultaten framkom att för de konstgjorda testinstanserna presterade ingen av heuristikerna jämförbart med en standardlösare, varken i termer av kvalitén på lösningarna eller med hänsyn tagen till tidsåtgången. De heuristiker som presterade bäst på dessa problem var framförallt Fear Search och Greedy Search. Även på de mindre probleminstanserna från existerande fastbränslelager hittade standardlösaren optimala lösningsfronter och en lösning med full täckning, men tidsåtgången var här flera gånger större jämfört med vissa av heuristikerna. På en hundra- respektive en tiondel av tiden kan Greedy Search eller Random Greedy Search heuristikerna finna en lösningsfront som är jämförbar med standardlösare, upp till 70-80% täckning. För de största probleminstanserna är tidsåtgången vid användning av standardlösare så pass stor att det i många fall är praktiskt svårt att lösa problemen, både för att generera fronten och att hitta en lösning med full täckning. I dessa fall är heuristiker oftast de enda möjliga alternativen. Vi fann att Greedy Search och Random Greedy Search var de heuristiker som, liksom för de mindre probleminstanserna, genererade de bästa lösningsfronterna. Ofta kunde dock en bättre lösning för full täckning hittas med hjälp av Fear Search eller Unique Search.

Treatment planning for radiation therapy inherently involves tradeoffs, such as between tumor control and normal tissue sparing, between time-efficiency and dose quality, and between nominal plan quality and robustness. The purpose of this thesis is to develop methods that can facilitate decision making related to such tradeoffs. The main focus of the thesis is on multicriteria optimization methods where a representative set of treatment plans are first calculated and the most appropriate plan contained in this representation then selected by the treatment planner through continuous interpolation between the precalculated alternatives. These alternatives constitute a subset of the set of Pareto optimal plans, meaning plans such that no criterion can be improved without a sacrifice in another. Approximation of Pareto optimal sets is first studied with respect to fluence map optimization for intensity-modulated radiation therapy. The approximation error of a discrete representation is minimized by calculation of points one at the time at the location where the distance between an inner and outer approximation of the Pareto set currently attains its maximum. A technique for calculating this distance that is orders of magnitude more efficient than the best previous method is presented. A generalization to distributed computational environments is also proposed. Approximation of Pareto optimal sets is also considered with respect to direct machine parameter optimization. Optimization of this form is used to calculate representations where any interpolated treatment plan is directly deliverable. The fact that finite representations of Pareto optimal sets have approximation errors with respect to Pareto optimality is addressed by a technique that removes these errors by a projection onto the exact Pareto set. Projections are also studied subject to constraints that prevent the dose-volume histogram from deteriorating. Multicriteria optimization is extended to treatment planning for volumetric-modulated arc therapy and intensity-modulated proton therapy. Proton therapy plans that are robust against geometric errors are calculated by optimization of the worst case outcome. The theory for multicriteria optimization is extended to accommodate this formulation. Worst case optimization is shown to be preferable to a previous more conservative method that also protects against uncertainties which cannot be realized in practice. / En viktig aspekt av planering av strålterapibehandlingar är avvägningar mellan behandlingsmål vilka står i konflikt med varandra. Exempel på sådana avvägningar är mellan tumörkontroll och dos till omkringliggande frisk vävnad, mellan behandlingstid och doskvalitet, och mellan nominell plankvalitet och robusthet med avseende på geometriska fel. Denna avhandling syftar till att utveckla metoder som kan underlätta beslutsfattande kring motstridiga behandlingsmål. Primärt studeras en metod för flermålsoptimering där behandlingsplanen väljs genom kontinuerlig interpolation över ett representativt urval av förberäknade alternativ. De förberäknade behandlingsplanerna utgör en delmängd av de Paretooptimala planerna, det vill säga de planer sådana att en förbättring enligt ett kriterium inte kan ske annat än genom en försämring enligt ett annat. Beräkning av en approximativ representation av mängden av Paretooptimala planer studeras först med avseende på fluensoptimering för intensitetsmodulerad strålterapi. Felet för den approximativa representationen minimeras genom att innesluta mängden av Paretooptimala planer mellan inre och yttre approximationer. Dessa approximationer förfinas iterativt genom att varje ny plan genereras där avståndet mellan approximationerna för tillfället är som störst. En teknik för att beräkna det maximala avståndet mellan approximationerna föreslås vilken är flera storleksordningar snabbare än den bästa tidigare kända metoden. En generalisering till distribuerade beräkningsmiljöer föreslås även. Approximation av mängden av Paretooptimala planer studeras även för direkt maskinparameteroptimering, som används för att beräkna representationer där varje interpolerad behandlingsplan är direkt levererbar. Det faktum att en ändlig representation av mängden av Paretooptimala lösningar har ett approximationsfel till Paretooptimalitet hanteras via en metod där en interpolerad behandlingsplan projiceras på Paretomängden. Projektioner studeras även under bivillkor som förhindrar att den interpolerade planens dos-volym histogram kan försämras. Flermålsoptimering utökas till planering av rotationsterapi och intensitetsmodulerad protonterapi. Protonplaner som är robusta mot geometriska fel beräknas genom optimering med avseende på det värsta möjliga utfallet av de föreliggande osäkerheterna. Flermålsoptimering utökas även teoretiskt till att innefatta denna formulering. Nyttan av värsta fallet-optimering jämfört med tidigare mer konservativa metoder som även skyddar mot osäkerheter som inte kan realiseras i praktiken demonstreras experimentellt. / <p>QC 20130527</p>

När ett tillverkande företag vill öka sin marknadsandel behöver de i allmänhet öka sin produktion. För att kunna göra detta på ett kostnadseffektivt sätt är det viktigt att veta vilka faktorer som begränsar produktionssystemet, dessa benämns ofta som flaskhalsar. Ett produktionssystem är dock inte ett statiskt system vilket innebär att flaskhalsarna i ett system inte heller är statiska. De kan flytta på sig på både lång och kort sikt.   Syftet med denna fallstudie är att undersöka flaskhalsarna i ett produktionssystem och hur dessa förflyttar sig, vilka förbättringar som kan göras för att förbättra flödet i produktionssystemet. Data om produktionssystemet har samlats in med studier av databas, tidsstudie och samtal/intervjuer. Dessa data har nyttjats i en simuleringsmodell som framtagits med hjälp av FACTS-analyzer. Denna modell har studerats samt använts för att genomföra experiment. Bland annat har flermålsoptimering med SCORE metoden använts för att hitta systemets primära och sekundära flaskhalsar.   Studien visade att en station på svetsavdelningen var den huvudsakliga flaskhalsen i produktionssystemet och att den sekundära flaskhalsen i systemet låg i avdelningen efter, måleriavdelningen. Studien tog också fram en optimerad förbättrings plan för fabriken upp till 260 tillverkade båtar på ett år. / When a manufacturing company intends to increase their market share, they generally need to increase their production as well. In order to achieve this in a cost-effective manner they must be aware of which factors are limiting the production system, these factors are generally known as bottlenecks. A production system is however not a static system, this means that the bottlenecks won’t be static either. They can move both in the long term and short term.   The aim of this case study is to examine the bottlenecks in a system and their movement. As well as which improvements could be applied in order to improve the flow in the production system. Data concerning the production system has been collected through studies of internal databases, time studies and interviews. This data has been used in a simulation which has been constructed with FACTS-analyzer. The model has been studied and used for experimentation, for example, multigoal-optimization with the SCORE-method, which has been used in order to find the primary and secondary bottlenecks of the system.   The study shows that a station in the welding department was the main bottleneck in the productions system and the secondary bottleneck is in the department after, the paint shop. The study also found an optimized improvement plan for the factory up to 260 boats produced each year

In radiation therapy treatment planning, recent works have used machine learning based on historically delivered plans to automate the process of producing clinically acceptable plans. Compared to traditional approaches such as repeated weighted-sum optimization or multicriteria optimization (MCO), automated planning methods have, in general, the benefits of low computational times and minimal user interaction, but on the other hand lack the flexibility associated with general-purpose frameworks such as MCO. Machine learning approaches can be especially sensitive to deviations in their dose prediction due to certain properties of the optimization functions usually used for dose mimicking and, moreover, suffer from the fact that there exists no general causality between prediction accuracy and optimized plan quality.In this thesis, we present a means of unifying ideas from machine learning planning methods with the well-established MCO framework. More precisely, given prior knowledge in the form of either a previously optimized plan or a set of historically delivered clinical plans, we are able to automatically generate Pareto optimal plans spanning a dose region corresponding to plans which are achievable as well as clinically acceptable. For the former case, this is achieved by introducing dose--volume constraints; for the latter case, this is achieved by fitting a weighted-data Gaussian mixture model on pre-defined dose statistics using the expectation--maximization algorithm, modifying it with exponential tilting and using specially developed optimization functions to take into account prediction uncertainties.Numerical results for conceptual demonstration are obtained for a prostate cancer case with treatment delivered by a volumetric-modulated arc therapy technique, where it is shown that the methods developed in the thesis are successful in automatically generating Pareto optimal plans of satisfactory quality and diversity, while excluding clinically irrelevant dose regions. For the case of using historical plans as prior knowledge, the computational times are significantly shorter than those typical of conventional MCO. / Inom strålterapiplanering har den senaste forskningen använt maskininlärning baserat på historiskt levererade planer för att automatisera den process i vilken kliniskt acceptabla planer produceras. Jämfört med traditionella angreppssätt, såsom upprepad optimering av en viktad målfunktion eller flermålsoptimering (MCO), har automatiska planeringsmetoder generellt sett fördelarna av lägre beräkningstider och minimal användarinteraktion, men saknar däremot flexibiliteten hos allmänna ramverk som exempelvis MCO. Maskininlärningsmetoder kan vara speciellt känsliga för avvikelser i dosprediktionssteget på grund av särskilda egenskaper hos de optimeringsfunktioner som vanligtvis används för att återskapa dosfördelningar, och lider dessutom av problemet att det inte finns något allmängiltigt orsakssamband mellan prediktionsnoggrannhet och kvalitet hos optimerad plan. I detta arbete presenterar vi ett sätt att förena idéer från maskininlärningsbaserade planeringsmetoder med det väletablerade MCO-ramverket. Mer precist kan vi, givet förkunskaper i form av antingen en tidigare optimerad plan eller en uppsättning av historiskt levererade kliniska planer, automatiskt generera Paretooptimala planer som täcker en dosregion motsvarande uppnåeliga såväl som kliniskt acceptabla planer. I det förra fallet görs detta genom att introducera dos--volym-bivillkor; i det senare fallet görs detta genom att anpassa en gaussisk blandningsmodell med viktade data med förväntning--maximering-algoritmen, modifiera den med exponentiell lutning och sedan använda speciellt utvecklade optimeringsfunktioner för att ta hänsyn till prediktionsosäkerheter.Numeriska resultat för konceptuell demonstration erhålls för ett fall av prostatacancer varvid behandlingen levererades med volymetriskt modulerad bågterapi, där det visas att metoderna utvecklade i detta arbete är framgångsrika i att automatiskt generera Paretooptimala planer med tillfredsställande kvalitet och variation medan kliniskt irrelevanta dosregioner utesluts. I fallet då historiska planer används som förkunskap är beräkningstiderna markant kortare än för konventionell MCO.