The aromatic amino acids tryptophan, tyrosine, and phenylalanine have been extensively used for different label-free protein studies. These investigations extract information on protein conformations and interactions from the emitted fluorescence's intensity, wavelength, and/or polarization. Like most fluorescent organic compounds, these amino acids also undergo transitions into dark meta-stable states, including triplet and photo-radical states. These transitions are notably sensitive to the surrounding environment, offering an additional set of parameters that reflect the protein's interactions, folding states, and immediate surroundings. Transient State (TRAST) monitoring has been developed to quantify fluorophore transition dynamics by recording the average fluorescence intensity in response to a modulated excitation. In this work, we performed TRAST experiments to investigate tyrosine autofluorescence and used it to detect conformational changes in calmodulin, a calcium-binding protein containing two tyrosine residues. A photophysical model for tyrosine was established, and it was revealed how tyrosine's dark state transitions changed with excitation intensity, solvent pH, and redox conditions. The TRAST experiments demonstrated that tyrosine's dark state transitions could serve as valuable information sources for label-free analyses of protein conformations and interactions. / De aromatiska aminosyrorna tryptofan, tyrosin och fenylalanin har använts i stor utsträckning för olika inmärkningsfria proteinstudier. Dessa undersökningar extraherar information om proteinkonformationer och interaktioner från den emitterade fluorescens intensiteten, dess våglängd och/eller polarisering. Liksom de flesta fluorescerande organiska föreningar genomgår dessa aminosyror också övergångar till mörka metastabila tillstånd, inklusive triplett- och fotoradikaltillstånd. Dessa övergångar är särskilt känsliga för den omgivande miljön, och erbjuder en extra uppsättning parametrar som återspeglar proteinets interaktioner, vikningstillstånd och omedelbara omgivningar. Transient State (TRAST) monitorering har utvecklats för att kvantifiera fluoroforövergångsdynamik genom att registrera den genomsnittliga fluorescensintensiteten som svar på en modulerad excitation. I detta arbete utförde vi TRAST-experiment för att undersöka tyrosinautofluorescens och använde den för att detektera konformationsförändringar i calmodulin, ett kalciumbindande protein som innehåller två tyrosiner. En fotofysikalisk modell för tyrosin etablerades, och hur tyrosins mörka tillståndsövergångar förändrades med excitationsintensitet, lösningsmedels pH och redoxförhållanden kunde faststållas. TRAST- experimenten visade att tyrosins mörka tillståndsövergångar kan fungera som värdefulla informationskällor för inmärkningsfria analyser av proteinkonformationer och interaktioner.

Magnetgärdets transformatorstation är belägen i Ludvika och ägs av Västerbergslagens Energi AB. Transformatorstationen är nyligen ombyggd och nu mer placerad inomhus, vilket gör att påkänningar från väder och vind minskar. För att minimera behovet av personlig tillsyn och öka tillgängligheten behövs dock någon form av tillståndsövervakning. Syftet med examensarbetet har varit att undersöka om det med hjälp av värmekameror är möjligt att tillståndsövervaka de kritiska punkterna i transformatorstationen. För att fastställa detta har teori kring tillståndsövervakning, termografering och värmekameror sammanställts tillsammans med utförda mätningar och tester. Resultaten har sedan diskuterats för att se om ett möjligt lösningsförslag kan presenteras. Viktiga kriterier för att möjligöra tillståndsövervakning med hjälp av värmekameror har tagits fram. Slutsatsen är att det är möjligt, men kräver en komplicerad systemlösning. Lösningsförslaget bygger på flera samspelande delar och bör bli ett kraftfullt övervakningssystem. Huruvida värmekameror är det bästa och enda verktyget är dock tveksamt. Det anses därför väsentligt att även undersöka andra övervakningsmöligheter, som exempel termistorgivare. / The substation called Magnetgärdet is located in Ludvika, Sweden and it is owned by Västerbergslagens Energi AB. The substation has recently been renovated and is now placed indoors, which reduces the influence of weather on the station. To decrease the need for personal supervision and increase the availability of the station a monitoring solution is needed. The purpose of this degree thesis is to examine if it is possible to monitor the condition of critical items in the station with infrared cameras. To determine this, theory on condition monitoring, thermography and thermal imaging cameras has been compiled together with relevant measurements and tests. The results are then discussed to see if a possible solution can be presented. Important criteria for making condition monitoring with infrared cameras possible have also been formulated in this degree thesis. The conclusion is that it is possible, but a complicated system is required. The solution we have given is based on different parts interplaying with each other and it should become a powerful monitoring system. It is however uncertain whether infrared cameras are the only and best tools, therefore other tools should be considered. It might be possible to use thermistors with, or instead of infrared cameras.

Many dams existing today were constructed around fifty years ago. Condition monitoring is essential for maintaining high safety and determining the current level of safety and stability for these dams. There is a need for new monitoring techniques and finite element coupled monitoring could be one of these techniques. A concrete arch dam located in Sweden is modelled and calibrated with respect to concrete temperature measurements. The temperature distribution is then defined as a prescribed strain in a structural mechanical model in which a parametric study is performed. The results from the parametric study are compared to measurements of the crest deformation and a combination of parameters is found giving the lowest difference between measurements and model results for the mid-section. The results show that the finite element model can be used to predict the behavior of the dam with acceptable deviation. The parametric study indicates that the reference temperature of the concrete has little effect on the amplitude of the deformation and that the governing factor is the coefficient of thermal expansion. / Många av de dammar som finns idag byggdes för omkring femtio år sedan. Tillståndsövervakning är avgörande för att kunna bestämma nivån av säkerhet och stabilitet för dessa dammar. Det finns ett behov av ny övervakningsteknik och finita element-kopplad övervakning kan vara en av dessa tekniker. En betongvalvdamm modelleras och kalibreras med avseende på uppmätt betongtemperatur. Den beräknade temperaturfördelningen definieras sedan som en föreskriven töjning en strukturmekanisk modell i vilken en parametrisk studie utförs. Resultaten från parameterstudien jämförs med mätningar av kröndeformation och en kombination av parametrar identifieras som ger lägsta skillnad mellan mätningar och modellresultat för mittsektionen. Resultaten visar att modellen kan användas för att förutsäga dammens beteende med acceptabel avvikelse. Parameterstudien indikerar att referenstemperaturen för betongen har liten inverkan på amplituden för deformationen och att den styrande faktorn är längdutvidgningskoefficienten.

Condition monitoring techniques can be employed to enhance reliability of electric machinery. The stator winding fault is one of the dominant causes for the failure of induction machines. In this work, the condition monitoring of an inverter-fed induction machine using high-frequency signal injection based technique is investigated. Initially, an analytical model of the induction machine with a stator inter-turn fault is developed. Subsequently, the behaviour of the induction machine in the presence of stator inter-turn fault is analyzed using the symmetrical component theory. Because of their use for fault diagnosis purposes, the analytical expressions for the fundamental and high-frequency symmetrical component currents are derived. The high-frequency signal injection is performed by adding a balanced three-phase high-frequency low-magnitude voltage to the fundamental excitation voltage. The resulting high-frequency negative-sequence current component can be used as reliable fault indicator to detect stator inter-turn faults. The effectiveness of the high-frequency negative-sequence current as a fault indicator is compared with the fundamental negative-sequence current, which is one of the traditionally used fault indicators for detecting these faults. The high-frequency signal injection technique proposed in this work is tested experimentally on a prototype machine in a laboratory set-up. The use of the proposed fault indicator is found to be advantageous when compared to the use of the traditional fault indicator for variable-frequency drives. In particular, it is shown that the proposed fault indicator is less dependent from the drive operating conditions than the traditional fault indicator. / Tillståndsövervakning är en teknik som kan användas för att förbättra tillförlitligheten hos elektriska maskiner. För asynkronmaskiner är fel i statorlindningen en av de dominerande orsakerna som leder till problem. I detta arbete undersöks tillståndsövervakning av en omriktarmatad asynkronmotor med hjälp av en högfrekvent signalinjektionsbaserad teknik. Inledningsvis utvecklas en analytisk modell av en asynkronmaskin med korsslutningsfel mellan varven i statorn. Därefter analyseras beteendet hos maskinen med hjälp av teorin för symmetriska komponenter. Analytiska uttryck för både grund- och övertoner härleds för de symmetriska komponenterna. Den högfrekventa signalinjektionen utförs genom att addera en liten högfrekvent trefasspänning till den matningsspänningen. Den resulterande högfrekventa negativa strömkomponenten kan användas som en tillförlitlig indikator för att upptäcka eventuella kortslutningar i statorlindningen. Förmågan som felindikator hos den högfrekventa negativa sekvensströmmen jämförs med den grundläggande negativa strömkomponentens förmåga, vilken är den traditionella indikatorn för att detektera dessa fel. Den högfrekventa signalinjiceringsmetoden som föreslås i detta arbete undersöks experimentellt på en prototypmaskin. Den föreslagna felindikatorn har visat sig vara fördelaktig jämfört med användningen av den traditionella felindikatorn för frekvensomriktare. I synnerhet visas att den föreslagna felindikatorn är mindre beroende av frekvensomriktarens driftsförhållanden än den traditionella felindikatorn.

Detta arbete har genomförts på uppdrag av SCA Munksund, för att undersöka möjligheten att tillståndsövervaka hydraulpumpar med hjälp av smarta sensorer som mäter vibrationer och temperatur. Hydraulpumpar är svåra att tillståndsövervaka, och möjligheten att prediktera ett haveri i ett tidigt skede är väldigt svårt. Haverier på hydraulpumpar sker oftast inte direkt efter att ett fel har uppstått, utan efter en längre period, med däremot sker haverier på hydraulpumpar oftast utan förvarning och är mycket kostsamma för processindustrin, där materialkostnaden utgör en liten del jämfört med kostnaden som följd av produktionsförlusten. En möjlighet för bättre och effektivare tillståndsövervakning är att använda vibrationssensorer som i ett tidigt skede indikerar när pumpen avviker från sitt normaltillstånd, och på så sätt planera in underhållsarbete vid exempelvis nästkommande underhållsstopp, utan att behöva stoppa produktionen. Just därför har det valts att undersöka olika sensorparametrar för att identifiera hydraulpumparnas normaltillstånd, och utifrån det bestämma lämpliga larmgränser. Vibrationsmätningarna har genomförts under ca en månad på två hydraulpumpar, en som är relativt ny och en som är äldre. Huvudfokuset har varit att övervaka vibration och temperatur under varierande pumpbelastning/effekt och även att övervaka kolvslitage och lagertillstånd. Med användning av smarta vibrationssensorer har larmgränser kunnat identifierats för båda pumparna. Däremot måste fler mätningar utföras för att säkerställaatt de larmgränser som presenteras i denna rapport är korrekta och kan användas i framtiden. SCA Munksund har nu tillgång till alla mätningar och dokumentation som har utförts för båda hydraulpumparna, och kan nu arbeta vidare för att på sikt tillhandhålla mer specifika larmgränser. / This work has been carried out on behalf of SCA Munksund, to investigate the possibility of condition monitoring hydraulic pumps using smart sensors that measure vibrations and temperature. Hydraulic pumps are difficult to condition monitor, and the ability to predict a failure at an early stage is very difficult. Breakdowns on hydraulic pumps usually do not happen immediately after a fault has occurred, but after a longer period, but on the other hand, breakdowns on hydraulic pumps usually happen without warning and are very costly for the process industry, where the cost of materials constitutes a small part compared to the cost resulting from the loss of production. One possibility for better and more efficient condition monitoring is to use vibration sensors that indicate at an early stage when the pump deviates from its normal state, and in this way plan maintenance work at, for example, the next maintenance stop, without having to stop the production. Precisely for this reason, it has been chosen to investigate various sensor parameters to identify the normal state of the hydraulic pumps and based on that to determine suitable thresholds. Vibration measurements have been carried out for about a month on two hydraulic pumps, one that is relatively new and one that is older. The main focus has been on monitoring vibration and temperature under varying pump load/effect and also to monitor piston wear and bearing condition. With the use of smart vibration sensors, thresholds have been identified for both pumps. However, more measurements must be performed to ensure that the thresholds presented in this report are correct and can be used in the future. SCA Munksund now has access to all measurements and documentation that have been carried out for both hydraulic pumps and can now work further to provide more specific thresholds.

During the last decades, the power grid is getting rapidly digitalised in order to contribute to theestablishment of Smart Grids and evaluate efficiently the extracted bidirectional data from the powersystem infrastructure. This thesis focuses on the MV grid, since its design and operation have changedmainly because of distributed generation installations and the increased demand of information fromstakeholders. Thus, asset management constitutes a significant tool that can increase the reliability ofthe MV network’s operation and its level of control. Studies have shown that a maintenance planbased on condition monitoring of power system apparatuses would be more effective compared to theimplemented time-based scheduled maintenance.This project focuses on MV remotely controlled disconnectors since studies have shown that theirnumber of failures is double compared to manually operated ones. Since maneuverability andsecondary function are the causes of a major failure with the highest occurrence rate, motor currentmonitoring is studied in this thesis. Some devices that have the capability to monitor disconnectors’motor current, are presented. Additionally, the obtained max motor current measurements areevaluated through a parametric and a non-parametric statistical test. The main challenge of this thesisis to show whether the behaviour of motor current can be an indicator regarding to the disconnector’scondition status.Hence, the impact of different factors on the behaviour of motor current is investigated. It is concludedthat disconnectors without a failure during the studied period are more likely to have max motorcurrent measurements higher than 8A and especially in the interval [10-12]A. The difference in motorcurrent of disconnectors with a work order and without failure is more significant in 2015/2016. Itseems that under the aforementioned values of max motor current, a disconnector is more probable tohave the capability to operate properly. It is also concluded that in case of malfunction “Mellanläge”,the value of max motor current is lower than 8A with higher probability and it maybe indicates aproblem of the studied disconnector.Through the comparison in pairs, it could be concluded that the effect of the external environmentalconditions is not so high on the behaviour of disconnectors’ max motor current measurements. Incontrast, it seems that the implementation of a work order, the number of operations and if adisconnector is installed more northerly in Zone 3 play a more significant role on the behaviour of thisdisconnector’s max motor current measurements. Consequently, based on the aforementioned results itis shown that some of the investigated factors could constitute an indicator whether a disconnector ismore or less probable to have the capability to operate properly.Finally, it is calculated the reduction in the interruption cost that could be achieved in case ofimplementation of motor current monitoring on Vattenfall’s remotely controlled distributeddisconnectors. / Under de senaste årtiondena har kraftnät blivit snabbt digitaliserad För att bidra till upprättandet hosSmart Grids och effektivt utvärdera de extraherade dubbelriktade data från kraftsystemetsinfrastruktur. Denna exjobbsrapport fokuserar på MV-nätet, eftersom dess design och drift harförändrats främst på grund av distribuerade produktionsanläggningar och ökad efterfrågan påinformation från intressenter. Därför utgör ”asset management’’ ett viktigt verktyg som kan öka elnätstillförlitligheten och styrning. Studier har visat att elnäts underhåll baserad på tillståndsövervakningpå kraftsystemkomponenter skulle kunna vara effektivare jämfört med tidsbaserade schemalagdaunderhåll.Detta exjobb fokuserar på MV-fjärrstyrda frånskiljare eftersom studier har visat att deras felfrekvensär dubbelt högre jämfört med manuella. Eftersom problem i manövrerbarhet och sekundär funktionkan orsaka allvarliga fel med hög frekvens, har studien fokuserats på motorströmövervakningen idetta exjobb. Vissa produkter som har förmåga att övervaka frånskiljares motorström, presenteras.Dessutom utvärderas de maximala motorströmsmätningarna genom både parametriskt och ickeparametrisktstatistiskt test. Huvudutmaningen i denna avhandling är att utreda om motors strömmarkan vara en indikator för frånskiljares tillstånd.Olika faktorer hos motorströmmar har också undersökts. Det dras slutsatsen att frånskiljare utanmisslyckande manövern under den studerade perioden är mer benägna att ha maximalamotorströmmar högre än 8A och speciellt i intervallet [10-12] A. Skillnaden i motors strömmar hosfrånskiljare med arbetsorder och utan fel är mer signifikant under åren 2015/2016. Det verkar som attenligt ovan nämnda värden på max motorström, är en frånskiljare mer sannolikt att fungera korrekt.Det kommer också fram till att i händelse av "Mellanläge" är värdet av max motorströmmar lägre än8A med högre sannolikhet, detta kan kanske indikera ett problem hos frånskiljaren.Genom jämförelsen kan man dra slutsatsen att effekten av de yttre miljöförhållandena inte är så högpå maximala motorströmmar hos frånskiljare. Däremot verkar det som om genomförandet av enarbetsorder, antalet operationer och om en frånskiljare är installerad i zon 3 spelar en viktig roll föruppförandet av denna frånskiljares maximala motors strömmen. På grundval av det ovan nämndaresultatet framgår det att några av de undersökta faktorerna kan utgöra en indikator på att om enfrånskiljare är mer eller mindre sannolikt att ha förmågan att fungera korrekt.Slutligen visar beräkningar att minskningen av avbrottskostnaden kan uppnås vid genomförande avmotorströmövervakning på Vattenfalls fjärrstyrda distribuerade frånskiljare.

Condition monitoring (CM) is widely used in industry, and there is a growing interest in applying CM on rail vehicle systems. Condition based maintenance has the possibility to increase system safety and availability while at the sametime reduce the total maintenance costs.This thesis investigates the feasibility of using condition monitoring of suspension element components, in this case dampers, in rail vehicles. There are different methods utilized to detect degradations, ranging from mathematicalmodelling of the system to pure "knowledge-based" methods, using only large amount of data to detect patterns on a larger scale. In this thesis the latter approach is explored, where acceleration signals are evaluated on severalplaces on the axleboxes, bogieframes and the carbody of a rail vehicle simulation model. These signals are picked close to the dampers that are monitored in this study, and frequency response functions (FRF) are computed between axleboxes and bogieframes as well as between bogieframes and carbody. The idea is that the FRF will change as the condition of the dampers change, and thus act as indicators of faults. The FRF are then fed to different classificationalgorithms, that are trained and tested to distinguish between the different damper faults.This thesis further investigates which classification algorithm shows promising results for the problem, and which algorithm performs best in terms of classification accuracy as well as two other measures. Another aspect explored is thepossibility to apply dimensionality reduction to the extracted indicators (features). This thesis is also looking into how the three performance measures used are affected by typical varying operational conditions for a rail vehicle,such as varying excitation and carbody mass. The Linear Support Vector Machine classifier using the whole feature space, and the Linear Discriminant Analysis classifier combined with Principal Component Analysis dimensionality reduction on the feature space both show promising results for the taskof correctly classifying upcoming damper degradations. / Tillståndsövervakning används brett inom industrin och det finns ett ökat intresse för att applicera tillståndsövervakning inom spårfordons olika system. Tillståndsbaserat underhåll kan potentiellt öka ett systems säkerhet och tillgänglighetsamtidigt som det kan minska de totala underhållskostnaderna.Detta examensarbete undersöker möjligheten att applicera tillståndsövervakning av komponenter i fjädringssystem, i detta fall dämpare, hos spårfordon. Det finns olika metoder för att upptäcka försämringar i komponenternas skick, från matematisk modellering av systemet till mer ”kunskaps-baserade” metodersom endast använder stora mängder data för att upptäcka mönster i en större skala. I detta arbete utforskas den sistnämnda metoden, där accelerationssignaler inhämtas från axelboxar, boggieramar samt vagnskorg från en simuleringsmodellav ett spårfordon. Dessa signaler är extraherade nära de dämpare som övervakas, och används för att beräkna frekvenssvarsfunktioner mellan axelboxar och boggieramar, samt mellan boggieramar och vagnskorg. Tanken är att frekvenssvarsfunktionerna förändras när dämparnas skick förändras ochpå så sätt fungera som indikatorer av dämparnas skick. Frekvenssvarsfunktionerna används sedan för att träna och testa olika klassificeringsalgoritmer för att kunna urskilja olika dämparfel.Detta arbete undersöker vidare vilka klassificeringsalgoritmer som visar lovande resultat för detta problem, och vilka av dessa som presterar bäst med avseende på noggrannheten i prediktionerna, samt två andra mått på algoritmernasprestanda. En annan aspekt som undersöks är möjligheten att applicera dimensionalitetsminskning på de extraherade indikatorerna. Detta arbete undersöker också hur de tre prestandamåtten som används påverkas av typiska förändringar i driftsförhållanden för ett spårfordon såsom varierande exciteringfrån spåret och vagnkorgsmassa. Resultaten visar lovande prestanda för klassificeringsalgoritmen ”Linear Support Vector Machine” som använder hela rymden med felindikatorer, samt algoritmen ”Linear Discriminant Analysis” i kombination med ”Principal Component Analysis” dimensionalitetsreducering.

In recent years, deep learning has been widely used in industry to solve many complex problems such as condition monitoring and fault diagnosis. Powertrain condition monitoring is one of the most vital and complicated problems in the automation industry since the condition of the drive affects its health, performance, and reliability. Traditional methods based on thermal modeling require expertise in drive geometry, heat transfer, and system identification. Although the data-driven deep learning methods could avoid physical modeling, they commonly face another predicament: models trained and tested on the same dataset cannot be applied to other different situations. In real applications, where the monitoring devices are different and the working environment changes constantly, poor model generalization will lead to unreliable predictions. Transfer learning, which adapts the model from the source domain to the target domain, can improve model generalization and enhance the reliability and accuracy of the predictions in real-world scenarios. This thesis investigates the applicability of mainstream transfer learning approaches in the context of drive condition monitoring using multiple datasets with different probability distributions. Through the comparison and discussion of models and results, the scope of their application, as well as their advantages and disadvantages are expounded. Finally, it is concluded that in the drive condition monitoring under the industrial background, the target domain data has enough labels, and it is not necessary to maintain the performance of the model in the source domain. In this case, fine-tuning based on the model trained in the source domain is the best method for this scenario. / Under de senaste åren har djupinlärning använts i stor utsträckning inom industrin för att lösa många komplexa problem såsom tillståndsövervakning och feldiagnos. Övervakning av drivlinans tillstånd är ett av de viktigaste och mest komplicerade problemen inom automationsindustrin eftersom driftens tillstånd påverkar dess hälsa, prestanda och tillförlitlighet. Traditionella metoder baserade på termisk modellering kräver expertis inom drivgeometri, värmeöverföring och systemidentifiering. Även om de datadrivna djupinlärningsmetoderna skulle kunna undvika fysisk modellering står de ofta inför en annan situation: modeller som tränats och testats på samma datauppsättning kan inte tillämpas på andra situationer. I verkliga applikationer, där övervakningsenheterna är olika och arbetsmiljön förändras ständigt, kommer dålig modellgeneralisering att leda till opålitliga förutsägelser. Transfer learning, som anpassar modellen från källdomänen till måldomänen, kan förbättra modellgeneraliseringen och öka tillförlitligheten och noggrannheten i förutsägelserna i verkliga scenarier. Denna avhandling undersöker tillämpligheten av traditionella överföringsinlärningsmetoder i samband med övervakning av drivtillstånd med hjälp av flera datauppsättningar med olika sannolikhetsfördelningar. Genom jämförelse och diskussion av modeller och resultat förklaras omfattningen av deras tillämpning, liksom deras fördelar och nackdelar. Slutligen dras slutsatsen att måldomändata vid övervakning av drivtillståndet under industriell bakgrund har tillräckligt med etiketter och att det inte är nödvändigt att upprätthålla modellens prestanda inom källdomänen. I det här fallet är finjustering baserad på modellen utbildad i källdomänen den bästa metoden för detta scenario. / Viime vuosina syväoppimista on käytetty laajalti teollisuudessa monien monimutkaisten ongelmien, kuten kunnonvalvonnan ja vikadiagnoosin, ratkaisemiseen. Voimansiirron kunnonvalvonta on yksi automaatioteollisuuden tärkeimmistä ja monimutkaisimmista ongelmista, koska taajuusmuuttajan kunto vaikuttaa sen kuntoon, suorituskykyyn ja luotettavuuteen. Perinteiset lämpömallinnukseen perustuvat menetelmät edellyttävät käyttögeometrian, lämmönsiirron ja järjestelmän tunnistamisen asiantuntemusta. Vaikka dataan perustuvat syväoppimismenetelmät voisivat välttää fyysisen mallinnuksen, ne kohtaavat usein toisen ahdingon: samalla tietojoukolla koulutettuja ja testattuja malleja ei voida soveltaa muihin erilaisiin tilanteisiin. Todellisissa sovelluksissa, joissa valvontalaitteet ovat erilaisia ja työympäristö muuttuu jatkuvasti, huono mallin yleistäminen johtaa epäluotettaviin ennusteisiin. Siirto-oppiminen, joka mukauttaa mallin lähdealueelta kohdealueelle, voi parantaa mallin yleistämistä ja parantaa ennusteiden luotettavuutta ja tarkkuutta todellisissa skenaarioissa. Tässä väitöskirjassa tutkitaan valtavirran siirto-oppimisen lähestymistapojen soveltuvuutta taajuusmuuttajan kunnonvalvonnan kontekstissa käyttämällä useita tietojoukkoja erilaisilla todennäköisyysjakaumilla. Mallien ja tulosten vertailun ja keskustelun avulla selitetään niiden soveltamisala sekä niiden edut ja haitat. Lopuksi päätellään, että taajuusmuuttajan kunnonvalvonnassa teollisen taustan alla kohdealueen tiedoilla on tarpeeksi tarroja, eikä mallin suorituskykyä tarvitse ylläpitää lähdealueella. Tässä tapauksessa lähdetoimialueella koulutettuun malliin perustuva hienosäätö on paras tapa tähän skenaarioon.

I dagsläget finns det ingen standardiserad metod för att mäta en enhets tillstånd medhjälp av dofter. Vid tillståndsövervakning av rullningslager är vibrationsmätning denmest dominanta metoden. I samband med vibrationsmätning används i vissa falltemperaturövervakning för att få en bättre insikt på rullningslagrets tillstånd. I det härarbetet undersöks de om en elektronisk näsa kan avgöra ett rullningslagers tillstånd.Innan några mätningar påbörjas monterades en elektronisk näsa ihop i ett hölje sombestår av ett kretskort, metalloxid-sensorer och en fläkt för att styra dofter med ettkonstant flöde mot sensorerna. Den elektroniska näsan styrs av en Arduino Nanomikrokontroller. Utöver e-näsan sättes en enhet ihop tillhörande två temperaturgivareoch en luftfuktighetsgivare som styrs av en Arduino UNO. Enhetens syfte är att kunnakontrollera de rådande förhållandena vid mätningar och för att leta någon form avkorrelation mot e-näsan vid eventuella utslag. Förstörande prover av kullager utfördesför att se om e-näsan reagerar innan ett lagerhaveri. Testerna gjordes i en öppen samtsluten miljö och tre stycken olika oljor används för att smörja lagret. Detta för att seom e-näsan reagerar olika beroende på vilken olja som används. En undersökningutförs ifall den elektroniska näsan kan separera på de tre oljorna som används ilagertesterna. För att utvärdera mätresultaten används Excel och Minitab, därprincipalkomponentanalyser genomförs på all mätdata. Efter att alla lagerprover harverkställts utfördes en uppföljning av rullningslagrena för att studera deras tillstånd,detta genom ett optiskt mikroskop.Det framgår i rapporten att med hjälp av analysmetoden PCA syns det att denelektroniska näsan kunde skilja på hydraulolja, motorolja och växellådsolja. Utslag iPCA för de olika mätserierna blev inte identiska men det blev tydligaklusterindelningar hos samtliga mätserier. Genomförd studie visade att med delagerhaveri samt temperaturer går det inte att avgöra ett kullagers tillstånd med hjälpav en elektronisk näsa. Eftersom att de specifika gas-sensorerna som användes till enäsaninte gav någon form av utslag vid mätningarna. Den elektroniska näsanreagerade däremot vid totalhaveri av kullager, vilket är för sent i ett förebyggandeunderhållsperspektiv. Detta medförde att den elektroniska näsan inte kan användas förtillståndsövervakning av det specifika kullagret som användes vid denna studie. / At present, there is no standardized method of measuring a device's condition with thehelp of odors. In condition monitoring of rolling bearings, vibration measurement isthe most dominant method. In case of vibration measurement, temperature monitoringis used in some cases to get a better insight into the condition of the bearing. In thiswork, it is investigated whether an electronic nose can determine the condition of arolling bearing.Before any measurements began, an electronic nose is assembled in a housingconsisting of a circuit board, metal oxide sensors and a fan for stearing odors with aconstant flow towards the sensors. The electronic nose is controlled by an ArduinoNano which is a microcontroller. In addition to the e-nose, a unit is connected to twotemperature sensors and a humidity sensor controlled by an Arduino UNO. The unit'spurpose is to monitor the status and to look for any kind of correlation with the e-nosein case of any possible findings. Destructive specimens of ball bearings are performedto see if the e-nose responds prior to a bearing failure. Tests are conducted in an openand closed environment and three different oils are used to lubricate the bearings.This to see if the e-nose acts differently depending on the oil that is used. Aninvestigation is conducted if the electronic nose can separate the three different typesof oils that is used in the destructive bearing tests. To evaluate the measurementresults, Excel and Minitab are used, where principal component analysis is performedon all measurement data. After all bearing tests have been performed, a follow-up ofthe rolling bearings condition is performed, this through an optical microscope.The report shows that using the PCA analysis method, it appears that the electronicnose could distinguish between hydraulic oil, engine oil and gear oil. In the PCA forthe different measurement series the results did not become identical, but clusterdivisions became clear in all measurement series. Completed study showed that withthese bearing failures and temperatures, it is not possible to determine the condition ofthis ball bearer using an electronic nose. Because the specific gas sensors used for thee-nose did not give any kind of impact during the measurements. On the other hand,the electronic nose responded to a total failure of a ball bearing, which is too late in apreventative maintenance perspective. Therefore, the electronic nose cannot be usedfor condition monitoring of the specific ball bearing used in this study.

The recharge is the focus of data analysis of the different situations with the integration of the system and development of the two-stage 2/2 proportional cartridge valve for the steel industry machine. Using the statistical analysis technique to visualize the valve signal data behavior identify the accuracy of the machine data and apply the statistical feature extracting model using classification and clustering algorithms of real-time data analysis for the manufacturing. The fundamental principles of data analysis with a particular emphasis on its key function in the collection, cleansing, and analysis of substantial amounts of data to develop significant insights. Moreover, we explore the importance of data visualization in effectively presenting intricate research outcomes. We get the data accuracy of 76 percent for train and test set data in the statistical analysis feature indicating the best accuracy in the early stage. Our model gives high accuracy of the recommendation data automation system of the steel industry. Analysis of the valve data in multiple ways for the predictive maintenance of conditional monitoring of the tubes mail production machine. PdM is used for data processing of predictive manufacturing, behavior patterns of machines data, and correlation of statistical model for decision making for the maintenance activity avoiding downtime.  The data consists of different channels in the steel industry machine. Some automation process is used for the feature combination of the analysis of valve data in industry between each feature and signals. Using a dataset comprised of sensor data, operation logs, and maintenance records industrial control data of machines and use of this predictive model has the potential to yield significant cost savings for the steel industry through the prevention of unplanned maintenance, while also enhancing operational safety manufacturing of machine in the industry.