Syfte – Syftet med detta examensarbete är att bidra med kunskap om hur kvalitetsstyrning av inkommande returflöde kan generera en effektivare återtillverkningsprocess. För att uppfylla syftet har följande två frågeställningar formulerats: Vilka faktorer i returflödet påverkar effektiviteten i en återtillverkningsprocess? Hur kan dessa faktorer kontrolleras för att erhålla en effektivare återtillverkningsprocess? Metod – För att uppnå examensarbetets syfte har en fallstudie genomförts hos återtillverkningsföretaget Recyctec AB i Jönköping. Empirisk data har samlats in med hjälp av intervjuer, observationer och benchmarking. Utöver fallstudien har en litteraturstudie genomförts där ett teoretiskt ramverk skapats. Det teoretiska ramverket har sedan analyserats tillsammans med empirin för att slutligen generera examensarbetets resultat. Resultat – De osäkerhetsfaktorer som författarna identifierat är: drivkrafter för ett återtillverkningsnätverk, osäkerheter i returnerade produkter och kvalitetsbedömning av returnerade produkter. Genom att arbeta med åtgärder för returproduktanskaffning och kvalitetsstyrning för dessa tre osäkerhetsfaktorer kan en effektivare återställningsprocess erhållas. Genom att kombinera olika drivkrafter kan samarbetsviljan i återställningsnätverket ökas. Vidare kan osäkerheten i returnerade produkter minskas genom att dela in kvalitet i olika tydligt definierade och standardiserade kvalitetsklasser. Implikationer – I detta examensarbete föreslås återtillverkande företag skifta fokus från kvalitetskontroller till kvalitetssäkring och lägga resurser där problemen uppstår. Vidare föreslås även en kombination av olika drivkrafter för returproduktanskaffning för att därigenom skapa incitament för returer av bättre kvalitet. Begränsningar – Befintlig teori har fått tolkas och anpassas av författarna för examensarbetet då specifik teori för aktuell analysenhet inte funnits att tillgå. Problemställningarna i återtillverkningsbranschen har visat sig vara branschspecifika och därmed olika. Examensarbetets generaliserbarhet hade därmed kunnat stärkas av ytterligare fallstudier. / Purpose – The purpose of this thesis work is to contribute with knowledge about how quality management can generate a more efficient remanufacturing process. In order to fulfill this purpose the following two questions were formulated: 1.     Which factors in the return flow affects the efficiency of a remanufacturing process? How can these factors be controlled to obtain a more efficient remanufacturing process? Method – In order to achieve the purpose of this thesis, a case study has been conducted at Recyctec AB in Jönköping. Empirical data has been collected through interviews, observations and benchmarking. In addition to the case study a literature study has been carried out in order to create a theoretical framework. The theoretical framework has been analyzed together with the empirical data in order to generate the result of the thesis. Findings – The uncertainties identified by the authors are: driving forces for the remanufacturing network, uncertainties in returned products and quality assessment of returned products. By working with measures on return product acquisition and quality management for these three uncertainties, a more efficient remanufacturing process can be achieved. By combining different driving forces a higher level of cooperation in the remanufacturing network can be achieved. Furthermore, dividing quality into different clearly defined and standardized quality classes can reduce the uncertainties in returned products. Implications – This thesis proposes remanufacturing companies to shift focus from quality control to quality assurance and to address resources where the problems arise. Furthermore, the authors suggest remanufacturing companies to combine different driving forces for product return in order to create incentives to return products with higher quality. Limitations – Existing theory has been interpreted and adapted by the authors to the thesis, as specific theory for the current unit of analysis has not been available. The problems in the remanufacturing industry have proven to be industry specific and thus different. The thesis generalizability could therefore been strengthened by further case studies.

This thesis focuses on simulating, detecting, localizing and classifying the power quality disturbances using advanced signal processing techniques and neural networks. Primarily discrete wavelet and Fourier transforms are used for feature extraction, and classification is achieved by using neural network algorithms. The proposed feature vector consists of a combination of features computed using multi resolution analysis and discrete Fourier transform. The proposed feature vectors exploit the benefits of having both time and frequency domain information simultaneously. Two different classification algorithms based on Feed forward neural network and adaptive resonance theory neural networks are proposed for classification. This thesis demonstrates that the proposed methodology achieves a good computational and error classification efficiency rate.

The goal of the thesis was to study the indoor air quality measurement focusing on the concentration of carbon dioxide. Within the theoretical part, data mining including basic classification methods and approaches to dimensionality reduction was introduced. In addition, the principles of the developed system within IoTCloud project and available possibilities for measurement of necessary quantities were studied. In the practical part, the suitable sensors for given rooms were selected and long-term measurement was performed. Measured data was used to create the system for window opening detection and for the design of appropriate way of air change regulation in a room. The aim of regulation was to improve air quality using natural ventilation.