As the forest industry experiences significant growth, the demand for enhanced operational efficiency becomes vital. Taigatech respond to this need by leveraging machine learning-powered smart cameras to optimize sawmill operations. Despite technological advancements, manual production monitoring remains a burden for operators, highlighting the need for a shift towards user-friendly solutions in production monitoring. This master thesis project aims to develop a conceptual prototype for improved process monitoring, aligning with Taigatech's expertise in machine-learning. Following the triple diamond approach, the project was divided into three phases. The learning phase involved a preliminary study to understand the operators work of the sawmill industry’s control room. This phase also included thorough need finding to comprehend the current state and establishing needs and requirements. The ideation phase involved internal ideation within the group and a workshop with stakeholders, exploring various approaches towards a solution while considering the needs and requirements established in previous phase. The prototype phase involved wireframe prototyping in Figma, building two interfaces tested in eight user tests to establish the interpretation of information for a sawmill operator. The prototype phase concluded with the evaluation of user tests and resulted in a final design called OperAid. OperAid integrates smart cameras to provide real-time alerts to operators, facilitating timely intervention and reducing cognitive strain. This approach enhances productivity and fosters a more efficient and user-friendly monitoring environment in sawmills control room. / I samband med att skogsindustrin genomgår en betydande tillväxt blir efterfrågan på förbättrad operationell effektivitet avgörande. Taigatech svar på detta behov är genom användningen av maskininlärda smarta kameror för att optimera sågverksproduktionen. Trots tekniska framsteg är den manuella produktionsövervakningen fortfarande en påfrestning för operatörer, vilket understryker behovet av en förändring till användarvänliga lösningar inom produktionsövervakningen. Detta examensarbete syftar till att utveckla en konceptuell prototyp för förbättrad processövervakning, i linje med Taigatechs expertis inom maskininlärning. I enlighet med den så kallade trippeldiamantmodellen delades projektet upp i tre faser. Lärandefasen innefattade en förstudie för att förstå operatörernas arbete i sågverksindustrins kontrollrum. Denna fas inkluderade också en genomgående behovsanalys för att förstå den aktuella situationen och etablera aktuella behov och krav. Idéfasen bestod av en intern idégenerering inom gruppen samt en workshop med intressenter, där olika tillvägagångssätt utforskades med hänsyn till de behov och krav som fastställts i den föregående fasen. Prototypfasen innefattade wireframe-prototyper i Figma, där två gränssnitt testades i åtta användartester för att fastställa tolkningen av information för en sågverksoperatör. Prototypfasen avslutades med utvärdering av användartester och resulterade i en slutgiltig design - OperAid. OperAid integrerar smarta kameror för att ge operatörer realtidsvarningar, vilket underlättar snabb intervention och minskar kognitiv belastning. Denna lösning förbättrar produktiviteten och främjar en mer effektiv och användarvänlig övervakningsmiljö i kontrollrummen på sågverk.
Identifer | oai:union.ndltd.org:UPSALLA1/oai:DiVA.org:ltu-107582 |
Date | January 2024 |
Creators | Hektor, Agnes, Scholander, Johan |
Publisher | Luleå tekniska universitet, Institutionen för ekonomi, teknik, konst och samhälle |
Source Sets | DiVA Archive at Upsalla University |
Language | English |
Detected Language | Swedish |
Type | Student thesis, info:eu-repo/semantics/bachelorThesis, text |
Format | application/pdf |
Rights | info:eu-repo/semantics/openAccess |
Page generated in 0.0019 seconds