Intresset för effektivisering av underhåll på järnvägen i Sverige växer, järnvägsinfrastrukturen utsätts för högre belastning på grund av den ökade trafiken vilket innebär mer slitage och kortare tidsfönster för inspektion och underhåll. Digitalisering av underhåll på järnvägen bidrar med att säkerställa kontinuerlig drift, effektivt underhåll, planering och minskar olyckor. Realtidsöverföring av data är teknik som är centralt för att mäta tillståndet på järnvägen. Tekniken har visats effektivisera det förebyggande underhållet av järnvägen med enheter som mäter tillståndet på räls och lok i realtid, tekniken benämns som tillståndsbaserade underhållssystem. Syftet med denna studie är att identifiera de problemfaktorer som påverkar användningen av tillståndsbaserat underhåll med utgångspunkt från inblandade aktörer. Studiens använder sig av aktörs-nätverksteorin för att identifiera hur problemfaktorerna förhåller sig till inblandade aktörer och hur användningen av tillståndsbaserat underhåll påverkas av faktorerna. Data samlades in via semistrukturerade intervjuer och tolkades med en innehållsanalys. Resultatet indikerar att komplexitet, samverkan, datahantering, juridiska aspekter, ekonomiska aspekter, underhållsaspekter och kompetensnivå är kategorier över de identifierade problemfaktorer som kan bidra med problem kring användningen av tillståndsbaserat underhåll. / Interest in efficientmaintenance on the railway in Sweden is growing, the railway infrastructure is exposed to higher loads due to the increased traffic, which leads to increased tear on the railway infrastructure and shorter time windows for inspection and maintenance. Digitalization of maintenance on the railway helps to ensure continuous operation, efficient maintenance, planning and reduces accidents. Real-time data transmission is technology that is central to measuring the condition of the railway. The technology has been proven to improve the preventive maintenance of the railway with units that measure the condition of rails and locomotives in real time, the technology is referred to as condition-based maintenance. The purpose of this study is to identify the problem factors that have an influencing effect on the use of condition-based maintenance systems based on the actors involved. The study uses the Actor Network Theory to identify how the problem factors relate to the actors involved and how the use of condition-based maintenance is affected by the factors. Data were collected via semi-structured interviews and interpreted with a content analysis. The results indicate that complexity, collaboration, data management, legal aspects, financial aspects, maintenance aspects and competence level are categories over factors that can contribute to problems around the use of condition-based maintenance.

Syftet med detta examensarbete är att undersöka och få fram underhållsparametrar för LCC-analysen (LivsCykelKostnad) av de nya inklädda tunnlarna. För arbetet har elektroniska källor använts samt intervjuer med tre yrkesverksamma från Trafikverket gällande bergtunnlar och de inklädda tunnlarna. Arbetet undersökte inte skillnaden mellan olika typer av tunnlar samt inkluderar inte utforskandet av andra länders LCC-analys parameterval. Trafikverket är en Svensk myndighet vars uppgift är att ansvara för och upprätthålla Sveriges transportsystem. Trafikverket har verksamhet inom sex områden: planering, trafik, underhåll, investering, stora projekt samt informations- och kommunikationsteknik. Huvudsakligen finns det två inklädnadssystem, fullinklädd, i vilket används antingen prefabricerad betong eller plastingjuten betong som inklädnad runt tunnel, samt halvinklädd, då en duk/membran med- eller utan sprutbetong används. Dessa inklädnadsystem har i uppgift att ta hand om vattenläckage och isbildning i tunneln. Fullinklädnad kan också användas som bärande element. En lättinklädd tunnel kan bestå av följande delar: duk/membranet, brandskydd, täckande nät, infästningsbultar och mindre delar. En fullinklädd tunnel består av antingen prefabricerad betong eller plastingjuten betong. Underhåll görs för att säkerställa den fortlöpande användningen av tunneln/anläggningen genom att åtgärda skador och fel som har uppkommit. En tunnel kan få skador på själva berget eller materialet. Underhåll av tunnlar består av flera steg. Först ut är tillståndsmätning, sedan objektplanering och sist åtgärd. En viktig del av åtgärd är trafikupphållet som uppstår när den utförs, kostnaden som uppstår påverkas av var tunneln är och hur länge det tar att åtgärda felet. LCC-analys är ett system som ger ett mått på ett objekts totalkostnad under dess hela livstid. LCC används på systemnivå för analys av tunnlarna och för att jämföra olika investeringsmetoder. För att utföra LCC-analys på systemnivå måste gränser för analysen sättas upp, LCC-modell och indata väljas. LCC-metoden som redovisas i rapporten använder investeringskostnaden och nuvärdet av underhållet- samt driftstoppskostnaden för att få fram LCC-värdet av underhållet för en komponent. Utifrån källorna och intervjuerna har det framgått att de avgörande parametrarna för LLC-analysen är följande: bergets tillstånd, materialets/konstruktionens tillstånd, kostnader för avstängning samt kostnaden för att ta ner inklädnaden.

Syfte: En fasad måste vara robust för att fylla sin funktion och materialet måste kunna stå emot angrepp utifrån, biologiska, kemiska och fysikaliska faktorer. Trä och tegel är eftertraktade som fasadmaterial för dagens nybyggda bostadshus. Eftersom olika material reagerar olika på angrepp är det viktigt att det finns skillnader i underhållsstrategier beroende på vilket fasadmaterial som används. Underhållsarbetet är en faktor som påverkar beslutet på fasadmaterial. Undersökningen ger ett underlag inför valet mellan materialen genom att utveckla underhållsstrategier för respektive material. Metod: För att uppnå målet med arbetet har tre metoder använts för att samla in empiri Dessa är litteraturstudie, intervjuer och dokumentanalys. I litteraturstudien samlades information från olika källor på internet in. Dessa källor hjälpte till att bygga ett teoretiskt ramverk om fastighetsförvaltning och underhållsstrategier. Dokumenten och intervjuerna gav praktisk kunskap om förhållningssätt till underhåll. Metoderna var lämpliga eftersom de tillsammans gav teoretisk såväl som praktisk kunskap kring material och underhåll. Den insamlade empirin analyserades och jämfördes för att kunna besvara frågeställningarna och uppnå målet. Resultat: Idag finns olika underhållsstrategier på trä- och tegelfasader. Den generella åsikten är att trä kräver fler underhållsåtgärder än tegel. Det har dock visat sig att det även förekommer problem med till exempel frostsprängning i större omfattning än vad som tidigare antagits. Underhållsplaner upprättas ofta efter grundlig undersökning av en byggnads egenskaper och kartläggning av dess underhållsbehov. Dessa planer används inte regelbundet hos förvaltningsföretag men det finns en önskan bland vissa förvaltare att ha en mer strukturell underhållsplanering i framtiden. Kategorisering av skador och tillkommande underhållsåtgärder kan användas vid upprättande av underhållsplaner. Ett sådant system är Monument Damage Diagnosis System, förkortat MDDS. Underhållsplaner kan också utformas som stegvisa processer som kan användas tillsammans med databaser över fasadens egenskaper och nödvändiga underhållsåtgärder. Konsekvenser: Denna rapport kommer att ge aktörer inom byggbranschen kunskap och olika strategier vid fasadunderhåll. Konsekvenserna blir att: Företag inom byggbranschen upprättar underhållsplaner mer i framtiden. Det upprättas strukturerade bedömningar om risker kopplade till material, byggnadsdel och yttre påverkan. För- och nackdelarna med trä- och tegelfasader uppmärksammas i högre grad än idag. Många riskfaktorer för tegel såsom frostsprängning har tidigare inte beaktats tillräckligt. Det rekommenderas att byggföretag tar till sig den forskning som finns av underhåll av trä- respektive tegelfasader. Eftersom trä är billigare än tegel i byggskedet men dyrare vid underhåll behöver dessa företag göra fler undersökningar om båda materials för- och nackdelar ur ekonomisk synpunkt. Byggföretag behöver om förutsättningarna finns även upprätta underhållsplaner eftersom dessa planer leder till att fel upptäcks tidigare och därmed minskar kostnaderna på lång sikt. Begränsningar: Resultatet är enbart tillämpbart på fasader av trä och fasader av tegel.  Vidare kan resultatet bara tillämpas på bostadshus eftersom inga andra byggnadstyper har undersökts. Underhållsstrategin som utvecklats i rapporten kan i grunden användas i alla typer av klimat dock måste alltid lokala klimatförhållanden beaktas när strategin appliceras i praktiken. Att upprätta en underhållsplan kräver även en god ekonomi därför är det inte säkert att rapportens underhållsstrategi alltid kan upprättas i verkligheten om det finns ekonomiska hinder.  Litteraturstudien har studerat underhållsstrategier på global nivå medan dokumentanalysen och intervjuerna har fokuserat på de lokala förhållandena i Sverige. / Purpose: A façade must be robust to be able to fulfil its role and the material must be able to withstand exterior threats. These threats could be biological, chemical, or physical. Wood and brick are popular as façade materials when it comes to the newly constructed residential buildings of today. Since different materials react different on threats it is vital that there are separate maintenance strategies depending on the choice of façade material. The examination gives the choice between the materials a basis by developing maintenance strategies for respective material Method: To achieve the goal of the project, three methods have been used to collect empirical data. These methods are literature study, interviews, and document analysis. In the literature study, information from different sources on the internet were collected. The sources helped building a theoretical about property management and maintenance management. The document and interviews provided practical knowledge about maintenance approaches. The methods were suitable since together they provided both theoretical and practical knowledge about materials and maintenance. The collected data was analysed and compared to answer the questions and achieve the projects goal. Findings: Today there are different maintenance strategies for wood and brick facades. The general opinion is that wooden facades require more maintenance than brick facades. Although brick facades have had more problems with for example frost shattering than what was assumed before. Maintenance plans are often established after thorough investigation of a building’s properties and mapping of its maintenance needs. These plans aren’t used regularly among property managers but there’s a wish among some of them to have more structural maintenance planning in the future. Categorization of damages and additional maintenance activities can be used when establishing maintenance plans. One such system is Monument Damage Diagnosis System, abbreviated MDDS. Maintenance plans could also be formulated as step-by-step processes that could be used together with databases of a façade's properties and necessary maintenance actions. Implications: This study will give actors in the construction industry better knowledge about different strategies for façade maintenance. The consequences will be: That companies in the construction industry establish maintenance plans more in the future. That structural evaluations of risks depending on material, building component and external influence are established That strengths and weaknesses with wooden facades and brick facades are paid attention to more in the future. Many risk factors affecting brick facades has not been sufficiently acknowledged before. It is recommended that construction companies take note of current research on maintenance of wooden and brick facades. Since wood is cheaper to build with but more expensive to maintain than brick companies need to do more studies about these materials strengths and weaknesses. Construction companies also need to establish and follow maintenance plans if the conditions are right since that would lead to damages being discovered earlier and therefore decreases costs in a long term. Limitations: The result is only applicable on wooden and brick facades. Furthermore, the result can only be applied on residential houses since no other type of building has been examined. The maintenance strategy that has been developed in the report is in can be used in all climates, but local climate circumstances must always be considered then the strategy is applied in practice. Establishing a maintenance plan requires a good economy therefore it is not certain that the report’s maintenance strategy will always be possible to establish in reality if there are economical limits. The literature study has examined maintenance strategies on a global scale while the document analysis and the interviews has focused on the local circumstances in Sweden.

I det här arbetet eftersökte Scania IM en metod för att beräkna maskiners påverkan på output för en produktionslina vid driftstörningar. Metoden skulle kunna appliceras på en produktionslina med ett serie-parallellt flöde och arbetet utgick från en utvald lina där man bearbetar cylinderhuvuden. Vid framtagandet av beräkningsmetoden skapades det som i arbetet kallas för påverkansfaktor som tar fram vilken påverkan ett bortfall av en maskin i flödet har på flaskhalsutrustningen, som i sin tur står för den yttersta begränsningen för systemet. På seriella stationer erhålls en påverkansfaktor på 100 % men på stationer med parallell utrustning så finns det en kvarvarande kapacitet vid driftstopp av enstaka maskiner vilket är beroende av hur många maskiner samt vilken utnyttjandegrad de hade i ursprungsläget. Vid framtagandet av beräkningsmetoden togs inspiration från tidigare arbeten inom detta område men anpassades eller förenklades för att möta behoven från underhållsavdelningen. En utveckling av metoden gjordes även för att kunna analysera historiska data där information omproducerad variant saknas och då används ett viktat genomsnitt för påverkansfaktorn. Påverkansfaktorn bortser från buffertars påverkan på systemet men hur de ska inkorporeras undersöktes och därav togs ett förslag fram där kritisk driftstoppstid (critical downtime) används tillsammans med påverkansfaktorn för att ta hänsyn till såväl buffertar som parallell utrustning. Ett verktyg skapades för Scania IM för att underlätta användandet av framtagna beräkningsmetoder. Det som kvarstår efter avslutat arbete är att över tid testa de framtagna metoderna för att undersöka hur väl de överensstämmer med verkligt produktionsutfall. Detta kunde ej genomföras under gällande situation då produktionen ej var i drift enligt normalläge under tidsperioden för arbetet. / For this thesis, Scania IM sought a method for calculating the impact of machine downtime on the output of a production line. The method was created to be applied on a production line with a seriesparallel flow and was constructed based on a selected line where cylinder heads are machined. To achieve this a variable called impact factor was created that produces the effect an individual machines downtime has on the bottleneck equipment for the production line, which in turn accounts for the utmost limitation of the system. At serial stations, an impact factor of 100% is obtained, but at stations with parallel equipment, there is a remaining capacity if at least one machine is functioning. The amount on remaining capacity is dependent on how many of the parallel machines that are malfunctioning and the degree of utilization they had in the original state. In developing the calculation method, inspiration was taken from previous work regarding similar subjects, but it was either adapted or simplified to meet the needs of the maintenance department for the production line. A further development of the method was also made to be able to analyze historical data where information on the produced variant of cylinder heads is missing which led to the use of a weighted average for the impact factor. The impact factor ignores the effects of buffers on the system output, but how they are to be incorporated was investigated and a proposal was therefore made where critical downtime is used together with the impact factor to take into account both buffers and parallel equipment. A tool was created for Scania IM where they can perform these calculations. What remains after completion of the thesis is to test the developed methods over time to examine how well they correspond to actual production data. This could not be done during the time of this thesis due to the current situation when production was not operating according to normal conditions.

Trafikverket använder den nationella vägdabatasen, NVDB, för att samla in och hantera levererad vägdata. Den nationella vägdatabasen är därför väldigt avgörande för förvaltning och underhåll av vägar. Trafikverket driver projekt där nya vägar för fordon, cyklister och fotgängare byggs och slutligen tas i bruk. Information om vägdata från dessa projekt levereras sedan till NVDB och med hjälp av informationen kan de nya vägarna underhållas för att kunna behålla en lång livslängd. Enligt Trafikverket kan leveranser av vägdata från projekt till den nationella vägdatabasen fortfarande förbättras då de för närvarande inte är tillräckligt effektiva. Trafikverket har intresset att förbättra leveranser av vägdata till NVDB för att uppnå en högre och förenklad kontroll över Sveriges infrastruktur. Potentialen för ökad digitalisering och automatisering av hantering av vägdata finns för att Trafikverket ska kunna uppnå en mer hållbar infrastruktur med så låg miljöbelastning som möjligt. Syftet med arbetet är att hjälpa Trafikverket att uppnå en mer hållbar infrastruktur genom förenkling av underhåll av vägar. Arbetet är uppdelat i två frågeställningar varav den första frågeställningen belyser Trafikverkets kravställningar generellt för leverans av vägdata till NVDB från projekt för att undersöka om de är tillräckligt omfattande och tydliga. Den andra frågeställningen undersöker i en fallstudie hur leveranser av vägdata till NVDB i projektet E4 Förbifart Stockholm Lindvreten Norra kan optimeras. Metoderna som användes i studien är främst kvalitativa och inkluderar en litteraturstudie, en fallstudie och intervjuer. Även kvantitativa metoder användes genom dataanalys och framtagning av ett lösningskoncept, vilket testades i projektet med syfte att förenkla och effektivisera hanteringen av vägdata. Resultaten tyder på att Trafikverkets kravställningar för vägdataleveranser till NVDB från projekt har vissa brister. Ett antal åtgärder har föreslagits och en åtgärd är att varje vägdataleverans ska vara i ett fastställt filformat. Fortsättningsvis ska direktiven i kravställningen förtydligas och effektiviseras. Vägdata ska alltid innehålla X-, Y- och Z-koordinater samt vara konverterade till ett bestämt koordinatsystem. Inför varje projekt ska det i ett tidigt skede kravställas att vägens geometri representeras i en referenslinje med ett bestämt filformat. Referenslinjen ska vara anknuten till vägens tillhörande komponenter. Ytterligare erhållna resultat i studien har varit ett antal föreslagna åtgärder för optimering av vägdata som levereras till NVDB från projektet Lindvreten Norra. I första hand bör en referenslinjefil skapas som tidigare nämnt. Därefter ska en mall iordningställas och fyllas i med nödvändig information. Slutligen ska informationen i mallen integreras med geometrin i referenslinjefilen för att skapa en leveransfärdig fil i korrekt format på ett automatiserat sätt till NVDB. Avslutningsvis dras slutsatsen att Trafikverkets kravställningar för leverans av vägdata till NVDB från projekt är otydliga och alltför omfattande. Med hjälp av det framtagna lösningskonceptet kan vägdataleveranser till NVDB från projektet Lindvreten Norra optimeras. På så vis kan Trafikverkets underhållsavdelning få mer korrekta planeringsunderlag för vägarna och kan därmed upprätta underhållsplaner som bidrar till en mer hållbar infrastruktur. / The Swedish Transport Administration uses the national road database, NVDB, to collect and manage delivered road data. The national road database is therefore very important for management and maintenance of roads. The Swedish Transport Administration runs projects where new roads for vehicles, cyclists and pedestrians are built and then put into use. Information on road data from these projects is then delivered to NVDB and with the help of the information, the new roads can be maintained to retain a long lifespan. According to the Swedish Transport Administration, deliveries of road data from projects to the national road database can still be improved as they are currently not sufficiently efficient. The Swedish Transport Administration has an interest in improving deliveries of road data to NVDB in order to achieve an increased digitalization and simplified control over Sweden's road infrastructure. The potential for increased simplicity and automation of road data exists and so the Swedish Transport Administration would be able to achieve a more sustainable infrastructure which in turn reduces the environmental impact. The purpose of this work is to help the Swedish Transport Administration achieve a more sustainable infrastructure by simplifying the maintenance of roads. The work is divided into two objectives, of which the first questions whether the Swedish Transport Administration's requirements for general delivery of road data to NVDB from projects are sufficiently comprehensive and clear. The second objective is to investigate, through a case study, how deliveries of road data to NVDB in the project E4 Bypass Stockholm Lindvreten North can be optimized. The methods used for the study were mainly qualitative and included a literature study, a case study and interviews. Quantitative methods were also used through data analysis and the development of a solution concept, which was tested with the aim of simplifying the planning and maintenance processes. The results suggested that the Swedish Transport Administration's requirements for road data deliveries to NVDB from projects are inadequate. A number of measures are proposed where one is that each road data delivery should be in a fixed file format. Furthermore, the directives in the requirements must be clarified and more effective. Road data should also always contain X-, Y- and Z coordinates as well as being converted to a specific coordinate system. Before each project, it must be stated at an early stage that the road geometry should be represented in a reference line with a specific file format. The reference line should be linked to the associated components of the road. Furthermore, the study resulted in a number of proposed measures for optimizing road data deliveries to NVDB from the project Lindvreten North. Firstly, a reference line file should be created as previously mentioned. Secondly, a template must be prepared and then filled with mandatory information. Finally, the information in the template has to be integrated with the geometry of the reference line to create a file ready for delivery to NVDB in an automated manner. Lastly, it was concluded that the Swedish Transport Administration’s requirements for delivery of road data to NVDB from projects are inadequate and far too extensive. Using the solution concept developed, road data deliveries to NVDB from the Lindvreten North project can be optimized. In this way, necessary information will be available for the maintenance section in the Swedish Transport Administration. Hence, a maintenance plan can be established which contributes to a more sustainable infrastructure.

Military systems are often part of critical operations where unplanned downtime should be avoided at all costs. Using modern machine learning algorithms it could be possible to predict when, where, and at what time a fault is likely to occur which enables time for ordering replacement parts and scheduling maintenance. This thesis is a proof of concept study for anomaly detection in monitoring data, i.e., sensor data from a ground based radar system as an initial experiment to showcase predictive maintenance. The data in this thesis was generated by a Giraffe 4A during normal operation, i.e., no anomalous data with known failures was provided. The problem setting is originally an unsupervised machine learning problem since the data is unlabeled. Speculative binary labels are introduced (start-up state and steady state) to approximate a classification accuracy. The system is functioning correctly in both phases but the monitoring data looks differently. By showing that the two phases can be distinguished, it is possible to assume that anomalous data during break down can be detected as well.  Three different machine learning classifiers, i.e., two unsupervised classifiers, K-means clustering and isolation forest and one supervised classifier, logistic regression are evaluated on their ability to detect the start-up phase each time the system is turned on. The classifiers are evaluated graphically and based on their accuracy score. All three classifiers recognize a start up phase for at least four out of seven subsystems. By only analyzing their accuracy score it appears that logistic regression outperforms the other models. The collected results manifests the possibility to distinguish between start-up and steady state both in a supervised and unsupervised setting. To select the most suitable classifier, further experiments on larger data sets are necessary. / Militära system är ofta en del av kritiska operationer där oplanerade driftstopp bör undvikas till varje pris. Med hjälp av moderna maskininlärningsalgoritmer kan det vara möjligt att förutsäga när och var ett fel kommer att inträffa. Detta möjliggör tid för beställning av reservdelar och schemaläggning av underhåll. Denna uppsats är en konceptstudie för detektion av anomalier i övervakningsdata från ett markbaserat radarsystem som ett initialt experiment för att studera prediktivt underhåll. Datat som används i detta arbete kommer från en Saab Giraffe 4A radar under normal operativ drift, dvs. ingen avvikande data med kända brister tillhandahölls. Problemställningen är ursprungligen ett oövervakat maskininlärningsproblem eftersom datat saknar etiketter. Spekulativa binära etiketter introduceras (uppstart och stabil fas) för att uppskatta klassificeringsnoggrannhet. Systemet fungerar korrekt i båda faserna men övervakningsdatat ser annorlunda ut. Genom att visa att de två faserna kan urskiljas, kan man anta att avvikande data också går att detektera när fel uppstår.  Tre olika klassificeringsmetoder dvs. två oövervakade maskininlärningmodeller, K-means klustring och isolation forest samt en övervakad modell, logistisk regression utvärderas utifrån deras förmåga att upptäcka uppstartfasen varje gång systemet slås på. Metoderna utvärderas grafiskt och baserat på deras träffsäkerhet. Alla tre metoderna känner igen en startfas för minst fyra av sju delsystem. Genom att endast analysera deras noggrannhetspoäng, överträffar logistisk regression de andra modellerna. De insamlade resultaten demonstrerar möjligheten att skilja mellan uppstartfas och stabil fas, både i en övervakad och oövervakad miljö. För att välja den bästa metoden är det nödvändigt med ytterligare experiment på större datamängder.

Predictive maintenance plays a crucial role in preventing unexpected equipment failures and maintaining assets in good operating conditions in various systems. One such scenario where predictive maintenance has been widely used is in battery management systems for electronic vehicles based on lithium batteries, where the risk of failure can be reduced by predicting the remaining useful life of the lithium battery. This project developed a DL model based on Long Short-Term Memory networks which was able to generalize new and various kinds of battery. The model was implemented on a low-cost, low-power using embedded artifcial intelligence, which enables local model execution, reducing costs, time, and risks associated with transferring data to the cloud. To further optimize the model and reduce its memory usage, quantization was applied before porting it to an embedded system based on the STM32 MCU. The results show that the model migration was successful, with low memory cost and no signifcant degradation in accuracy. Finally, the memory usage of the prediction model was also analyzed. / Predictiv underhåll har en avgörande roll för att förebygga oväntade utrustningsfel och bibehålla tillgångar i god driftsvillkor i olika system. Ett scenario där predictivt underhåll har använts mycket är i batterihanteringssystem för elfordon baserade på litiumbatterier, där risken för fel kan reduceras genom att förutsäga den återstående användbarhetsperioden för litiumbatteriet. I det här projektet utvecklades djupinlärningsprediktiva modeller med hjälp av Keras sekventiella modell för att representera en ferlagersneural nätverk och en Lång Korttidsminne modell för tidserieprediktion. Dessa modeller implementerades på en lågkostnad, låglägesmikrokontroller med inbyggd artifcial intelligence, vilket möjliggör lokal modellkörning, vilket reducerar kostnader, tid och risker med att överföra data till molnet. För att ytterligare optimera modellen och minska dess minnesfotavtryck tillämpades kvantisering innan den portades till en inbyggd system baserat på STM32 mikrokontroller. Resultaten visar att modellmigrationen var framgångsrik, med låg minneskostnad och ingen signifkant försämring av precisionen. Slutligen analyserades även minnesanvändningen av prediktionsmodellen.

For manufacturing enterprises, the potential of collecting large amounts of data from production processes has enabled the usage of machine learning for prediction-based monitoring and maintenance of machines. Yet common maintenance strategies still include reactive handling of machine failures or schedule-based maintenance conducted by experienced personnel. Both of which are time-consuming and costly for manufacturing enterprises. The incorporation of anomaly detection for production processes alleviates several problems connected to these resource-intensive maintenance strategies. Anomaly detection enables real-time maintenance alarms derived from the occurrence of anomalies and thereby a foundation for proactive maintenance during manufacturing. However, to realize this, one needs to investigate the correlation between machine failure and anomalies in the data. For the machine learning models, it is also of essence to handle the imbalance between failure and normal working condition data. In this work, we investigate the potential of anomaly detection to predict future tool failures of an active CNC-machine based on multivariate time series data collected through the standardized data collection protocol MTConnect. Two semi-supervised anomaly detection methods, DeepAnT and ROCKET OCSVM, were tested. Training and evaluation of the two models were conducted on three production part processes and the difference in anomaly distribution previous to failure and in the normal machine working condition was investigated. The results showed that both models, for all the investigated tool failures belonging to the three production part processes, found an abundance of anomalies preceding failure when compared to the normal working condition of the machines. For certain tool failures, the anomalies were found as far back as seven production cycles before failure, while other anomalies were mainly uncovered close to the failure. Furthermore, it was shown that both models performed optimally with 100 production cycles before tool failures excluded from training, indicating that more anomalies further back connected to failure or possible long-term degradation of machine tools could exist. Lastly, ROCKET OCSVM with RBF kernel showed greater reliability compared to the DeepAnT method in separating the normal working condition data of the CNC machine against the pre-failure data based on anomaly distribution. In conclusion, anomaly detection shows promising results in indicating future machine failure and could serve as a foundation for proactive maintenance strategies of machines. By incorporating proactive strategies, machine downtime, operator maintenance time, and resources and expenses resulting from machine failure could be reduced. / För produktionsföretag har potentialen att samla in stora mängder data från produktionsprocesser möjliggjort användningen av prediktionsbaserad övervakning och underhåll av maskiner genom maskininlärning. Ändå så utgörs fortfarande vanliga underhållsstrategier av reaktiv hantering av maskinfel eller schema baserat underhåll som utförs av erfaren personal. Båda dessa är tidskrävande och kostsamma för tillverkningsföretag. Införandet av anomali detektering för produktionsprocesser lindrar flera problem kopplade till dessa resursintensiva underhållsstrategier. Det möjliggör underhålls-larm i realtid härledda från förekomsten av anomalier, vilket skapar en grund för proaktivt underhåll under tillverkningen. Men för att möjliggöra detta måste man undersöka sambandet mellan maskinfel och anomalier i data utifrån definierade insamlingsmetod. Det är också viktigt att hantera obalansen mellan fel och normal arbetstillstånd data för maskininlärningsmodellerna. I det här arbetet undersöker vi potentialen för delvis övervakad anomali detektering för att förutsäga framtida verktyg fel hos en aktiv CNC-maskin baserat på multivariat tidsseriedata som samlats in genom det standardiserade datainsamling protokollet MT Connect. Två anomali detekterings metoder som endast tränats på normala arbetsförhållanden för maskiner testades, DeepAnT och ROCKET OCSVM. Träning och utvärdering av de två modellerna genomfördes på tre produktionsdelprocesser och skillnaden i anomali fördelning före fel och i det normala maskinens arbetstillstånd undersöktes. Resultaten visade att båda modellerna, för alla undersökta verktygsfel som hör till de tre produktionsdelprocesserna, fann ett överflöd av anomalier före fel i jämförelse med maskinernas normala arbetstillstånd. För vissa verktygsfel hittades anomalierna så långt tillbaka som sju produktionscykler före fel, medan andra anomalier huvudsakligen upptäcktes nära felet. Vidare visades det att båda modellerna presterar optimalt med 100 produktionscykler före verktygsfel uteslutna från träningen, vilket tyder på att fler anomalier tidigare än de åtta produktions cyklarna undersökta innan fel eller eventuell långvarig försämring av verktygsmaskiner kan förekomma. Slutligen visade ROCKET OCSVM med RBF som kärnfunktion större tillförlitlighet i jämförelse med DeepAnT metoden gällande att separera CNC-maskinens normala arbetstillstånd data från pre-failure-data baserat på anomali fördelning. Sammanfattningsvis visar avvikelse detektering lovande resultat för att indikera framtida maskinfel och kan fungera som en grund för proaktivt underhåll av maskiner. Genom att införskaffa proaktiva strategier kan maskinernas stilleståndstid, operatörens underhållstid samt resurser och kostnader till följd av maskinfel minskas.

This master thesis handles the development of an automatic benchmarking program for wind turbines and the thesis works as the theoretical basis for this program. The program is created at the request of the power company OX2 who wanted this potential to be investigated. The mission given by the company is to: 1. to find a good key point indicator for the efficiency of a wind turbine, 2. to find an efficient way to assess this and 3. to write a program that does this automatically and continuously. The thesis determines with a study of previous research that the best method to utilize for these kinds of continuous analyses are artificial neural networks which can train themselves on historical data and then assess if the wind turbine is working better or worse than it should with regards to its history. This comparison between the neural network predicted operation and the actual operation works as the measurement of the efficiency, the key point indicator for how the turbine work compared to how it historically should operate. The program is based on this principle and is completely written in MATLAB. Further testing of the program found that the best variables to use are wind speed and the blade pitch angle as input variables for the neural network and active power as the target used as the variable to predict and assess the operation. The final program was able to be fully automated and integrated into the OX2 system thanks to the possibility to continuously import wind turbine data through APIs. In the final testing was the program able to identify 75% of the anomalies manually found in the half year and in the five turbines used for this thesis, the small anomalies not found manually but identified by the program excluded. / Den här masteruppsatsen hanterar utvecklandet av ett automatiskt driftanalyseringsprogram för vindkraftverk och fungerar som det teoretiska underlaget för detta program. Programmet utvecklades på uppdrag av kraftbolaget OX2 som ville undersöka potentialen för ett sådant analysprogram i deras verksamhet. Uppdraget givet var att: 1. ta fram en bra indikator när det gäller den faktiska effektiviteten av ett vindkraftverk, 2. att hitta ett effektivt sätt att använda detta måttet i en analys där målet är att hitta avvikelser, och 3. skriva ett program som automatiskt kan använda måttet och metoden över tiden. Rapporten kommer via litteraturstudie fram till att tidigare forskning visar på att neurala nätverk är den mest lovande metoden för att genomföra sådan här analys. Dessa nätverk kan träna sig själva på historiska data och sedan analysera om vindturbinen arbetar bättre eller sämre än historiskt. Den här jämförelsen mellan den historiskt grundade förutspådda kraften ut och den faktiska kraften ut fungerar som kvalitetsmåttet på hur bra turbinen fungerar. Programmet är baserat på den här principen och är helt skriven i MATLAB. Vidare tester av programmet visar att de bästa variablerna att använda för att förutspå kraften ut är vindhastigheten och bladens vinkel mot vinden. Slutprogrammet var kapabelt att fullt automatiskt och integrerat i OX2s system identifiera 75% av alla avvikelser som manuellt hittats i ett halvårs data på de fem turbinerna använda för rapporten, småfel hittade av programmet men inte manuellt exkluderat.

Setting up one's software environment and ensuring that all dependencies and settings are the same across the board when deploying an application, can nowadays be a time consuming and frustrating experience. To solve this, the industry has come up with an alternative deployment environment called software containers, or simply containers. These are supposed to help with eliminating the current troubles with virtual machines to create a more streamlined deployment experience.The aim of this study was to compare this deployment technique, containers, against the currently most popular method, virtual machines. This was done using a case study where an already developed application was migrated to a container and deployed online using a cloud provider’s services. Then the application could be deployed via the same cloud service but onto a virtual machine directly, enabling a comparison of the two techniques. During these processes, information was gathered concerning the usability of the two environments. To gain a broader perspective regarding the usability, an interview was conducted as well. Resulting in more well-founded conclusions. The conclusion is that containers are more efficient regarding the use of resources. This could improve the service provided to the customers by improving the quality of the service through more reliable uptimes and speed of service. However, containers also grant more freedom and transfers most of the responsibility over to the developers. This is not always a benefit in larger companies, where regulations must be followed, where a certain level of control over development processes is necessary and where quality control is very important. Further research could be done to see whether containers can be adapted to another company’s current environment. Moreover, how different cloud provider’s services differ. / Att sätta upp och konfigurera sin utvecklingsmiljö, samt att försäkra sig om att alla beroenden och inställningar är lika överallt när man distribuerar en applikation, kan numera vara en tidskrävande och frustrerande process. För att förbättra detta, har industrin utvecklat en alternativ distributionsmiljö som man kallar “software containers” eller helt enkelt “containers”. Dessa är ämnade att eliminera de nuvarande problemen med virtuella maskiner och skapa en mer strömlinjeformad distributionsupplevlese. Målet med denna studie var att jämföra denna nya distributionsteknik, containrar, med den mest använda tekniken i dagsläget, virtuella maskiner. Detta genomfördes med hjälp av en fallstudie, där en redan färdigutvecklad applikation migrerades till en container, och sedan distribuerades publikt genom en molnbaserad tjänst. Applikationen kunde sedan distribueras via samma molnbaserade tjänst men på en virtuell maskin istället, vilket möjliggjorde en jämförelse av de båda teknikerna. Under denna process, samlades även information in kring användbarheten av de båda teknikerna. För att få ett mer nyanserat perspektiv vad gäller användbarheten, så hölls även en intervju, vilket resulterade i något mer välgrundade slutsatser. Slutsatsen som nåddes var att containrar är mer effektiva resursmässigt. Detta kan förbättra den tjänst som erbjuds kunder genom att förbättra kvalitén på tjänsten genom pålitliga upp-tider och hastigheten av tjänsten. Däremot innebär en kontainerlösning att mer frihet, och därmed även mer ansvar, förflyttas till utvecklarna. Detta är inte alltid en fördel i större företag, där regler och begränsningar måste följas, en viss kontroll över utvecklingsprocesser är nödvändig och där det ofta är mycket viktigt med strikta kvalitetskontroller. Vidare forskning kan utföras för att undersöka huruvida containers kan anpassas till ett företags nuvarande utvecklingsmiljö. Olika molntjänster för distribuering av applikationer, samt skillnaderna mellan dessa, är också ett område där vidare undersökning kan bedrivas.