Publikationer från KTH
Not a member yet
57933 research outputs found
Sort by
Development Trajectories for Autonomous Electric Trucks : Identifying Important Aspects and Promising Development Paths
No full textThe road freight trucking sector is transforming, where autonomous electric trucks (AETs) could fundamentally reshape the industry. While stakeholders have identified short-term objectives and possibilities, a comprehensive understanding of long-term strategic development is lacking. This thesis aims to address this gap by investigating two main aspects to increase the understanding for future development. Firstly, identifying critical factors and capabilities necessary for developing the next generation of AETs, focusing on technological requirements, regulatory compliance, and market positioning. Secondly, develop and present possible development paths for AET deployment over a 2-5 year time horizon, ensuring feasibility and competitiveness. Employing a qualitative methodology encompassing a literature review, industry study, and interviews, the research identified crucial development factors and a novel industry categorization based on environmental complexity, attributes, and stakeholders. Rigid and tractor-trailer form factors emerged as primary differentiators, leading to two distinct development trajectories based on development in operational design domains instead of developing for a specific market as the same operational design domain can exist in different markets. Initial rigid truck deployment is in fenced-off environments, gradually expanding into rural areas. Deployment in urban settings would be the last step, but it is not expected within the time frame. Conversely, tractor-trailers should initially deploy in rural areas, aiming for expansion to highway operations, which is the main goal for this form factor. Finally, progressing towards semi-urban scenarios to increase the use case and enable end-to-end services. Key factors for success include a customer-centric view regarding the choice of sensors, form factor, and data collection to improve autonomous driving system capabilities. Identifying business models that address high upfront costs with operational efficiency is necessary for long-term success. Safety validation and public acceptance are further important to facilitate the deployment process. Reshaping the supply chain and how truck utilization could further disrupt the industry and improve the benefits of AETs. Further research should focus on a smooth and economically viable transition to autonomous freight transport and investigate niche markets. This study provides actionable insights and a clear roadmap for stakeholders seeking to navigate the complex landscape of AET development and deployment.Vägtransportsektorn genomgår ett paradigmskifte, där autonoma elektriska lastbilar (AET) utvecklas för att förbättra branschen. Sänkta driftskostnader, ökade hållbarhetskrav och operativ effektivitet är alla fördelaktiga faktorer som främjar AETs. Trots att kortsiktiga mål och möjligheter har identifierats i branschen saknas en heltäckande förståelse för långsiktig strategisk utveckling. Denna avhandling adresserar detta genom att undersöka två huvudområden för att öka förståelsen för framtida utveckling. För det första ska kritiska faktorer identifieras samt förmågor som är nödvändiga för att utveckla nästa generation av AET, med fokus på tekniska krav, säkerhet och marknadspositionering. För det andra ska möjliga utvecklingsvägar tas fram och presenteras där AETs kan implementeras och vara konkurrenskraftiga inom en 2-5 års horisont. Denna studie använder en kvalitativ metod för att uppnå dessa mål genom att kombinera litteraturstudier, marknads- och konkurrentanalys samt intervjuer med personer inom industrin. Analysen visade flera faktorer för utvecklingen av autonoma lastbilar, vilket ledde till en kategorisering av områden baserade på miljöns komplexitet, attribut inom rutter och intressenter inom marknaden. Lastbilsegenskaperna "rigid" och "tractortrailer" framkom som de primära differentierande faktorerna som har störst påverkan på utvecklingsvägen framåt. Följaktligen formulerades två distinkta utvecklingsbanor, var och en anpassad för de tidigare nämnda lastbilsegenskaperna för att underlätta framgång inom lastbilsbranchen. Dessa utvecklingsvägar baseras också på områden istället för marknader eftersom samma område kan existera i olika markander. Initial implementering för egenskapen “rigid” sker i avgränsade miljöer, och expanderas gradvis till landsbygdsområden. Implementering i stadsmiljöer skulle vara det sista steget, men förväntas inte ske inom den satta tidsramen. “Tractor trailer” borde å andra sidan initialt implementeras i landsbygdsområden, med målet att expandera till motorvägskörning, vilket är huvudmålet för denna typ av lastbil. Slutligen fortsätter utvecklingen mot semi-urbana möjliggöra end-to-end rutter. Nyckelfaktorer för framgång inkluderar ett kundcentrerat perspektiv gällande val av sensorer, lastbilsegenskaper och datainsamling för att förbättra utveckla AET. Att identifiera affärsmodeller som adresserar höga initialkostnader med operativ effektivitet är nödvändigt för långsiktig framgång. Säkerhetsvalidering och allmän acceptans är ytterligare viktiga aspekter för att underlätta implementeringsprocessen. Omformningen av leveranskedjan och hur lastbilar utnyttjas kan ytterligare störa branschen och förbättra fördelarna med AET. Ytterligare forskning bör fokusera på en smidig och ekonomiskt genomförbar övergång till autonom godstransport och undersöka nischmarknader. Denna studie ger praktiska insikter och en tydlig färdplan för intressenter som vill navigera i det komplexa landskapet av AET-utveckling
Asphalt's path to net zero emissions : A study on the feasibility of implementing CCS technology in an asphalt plant
No full textAsfaltindustrin står inför betydande klimatutmaningar, särskilt kopplat till energikrävande produktion och användning av det fossila bindemedlet bitumen. Målet att uppnå nettonollutsläpp till år 2045 kräver innovativa lösningar. Denna studie undersöker hur implementering av CCSteknik (Carbon Capture and Storage), särskilt i form av BECCS (Bio- Energy with Carbon Capture and Storage), kan bidra till att minska klimatpåverkan från asfaltverk i Sverige. Fokus ligger på produktionsskedet (A1-A3 enligt EPD-Norge) för asfalttypen ABT, där jämförelser görs mellan fyra scenarier: traditionell asfalt, asfalt med biobränsle, asfalt med biobränsle, asfalt med biobränsle tillämpat med BECCS samt asfalt med biobränsle och biobindemedel. Genom livscykelanalyser visas att den största klimatvinsten uppnås när BECCS tillämpas på biogena utsläpp, vilket kan leda till negativa nettoutsläpp. Studien visar även tekniska och ekonomiska utmaningar med CCS, såsom höga investeringskostnader och energibehov samt behovet av tydligare regelverk inom EU för att främja användningen av biobaserade bindemedel. Trots dessa hinder identifieras BECCStekniken som ett viktigt komplement i omställningen mot klimatneutral asfaltproduktion.The asphalt industry faces significant climate challenges, particularly due to energy-intensive production and the use of fossil-based bitumen as a binder. Achieving net-zero emissions by 2045 requires innovative approaches. This study investigates how the implementation of Carbon Capture and Storage (CCS) technologies, especially in the form of Bio-Energy with Carbon Capture and Storage (BECCS), can help reduce the climate impact of asphalt plants in Sweden. The focus is on the production phase (A1-A3 according to EPD standards) of the asphalt typeABT, comparing four scenarios: conventional asphalt, asphalt using biofuel, asphalt with biofuel combined with BECCS and asphalt with both biofuel and biobased binders. Life cycle analysis reveals that the greatest climate benefits occur when CCS is applied to biogenic emission,potentially resulting in negative net emissions. The study also highlights technical and economic challenges related to CCS, including high investments and energy demands, as well as the need for clearer EU regulations to promote the use of biobased binders. Despite these barriers, CCS technology is identified as a key component in the transition towards climate-neutral asphalt production
Robust Control and Stability Analysis of VSC Systems
No full textThe rapid integration of renewable energy sources is transforming traditional power systems into converter-dominated networks, characterized by low inertia and complex dynamic behaviors. This shift introduces fundamental challenges to stable system operation, particularly the risk of low-frequency oscillations, where synchronization, power, and voltage-control dynamics exhibit complex couplings. To this end, the thesis investigates low-frequency oscillation risks from three interconnected dimensions: converter-level control design, decentralized stability assessment, and system-level coordination in multi-converter environments. The first part of the thesis focuses on control design for grid-connected voltage source converters (VSCs). Starting with grid-following (GFL) converters, which traditionally rely on strong grid conditions for stable operation, the work identifies root causes of instability through block diagram modeling. An active damping control strategy (Q-VID) is proposed, enabling stable operation with a 400-Hz phase-locked loop (PLL) bandwidth even under ultra-weak grids with a short-circuit ratio (SCR) of 1.28. Building on this, a grid-forming (GFM) control scheme is developed using a PLL-synchronized architecture. This approach retains the simplicity and implementation compatibility of conventional GFL methods while providing voltage and frequency support with robust performance under both strong and weak grid conditions. Effective control design is closely tied to stability assessment methods, which provide essential theoretical support and stability specifications. Moreover, these assessment methods assist in risk localization, elimination, product specification determination, and adherence to grid codes. Hence the second part addresses the need for decentralized stability assessment methods, which become increasingly important in converter-rich power systems. While passivity theory serves as a fundamental tool, its application in the low-frequency range is limited. To overcome these limitations, the thesis introduces a rotated passivity index by integrating passivity and multiplier theory. This extended formulation enables full-frequency-range stability assessment. The third part of the thesis extends the proposed control and stability analysis framework to multi-converter systems. It begins by modeling the parallel operation of multiple converters. Building on this foundation, the previously developed control strategies and stability assessment methods are integrated into a unified framework that enables risk assessment, instability source identification, and mitigation across multi-converter environments. In summary, this doctoral research ensures the stable operation of converter-dominated power systems by contributing across three levels: control design (GFL and GFM), theoretical tools for decentralized stability assessment, and system-level coordination in multi-converter networks. All proposed methods are validated through both simulation and experimental results. Together, these contributions form a coherent and practical methodology for next-generation grid integration.Den snabba integreringen av förnybara energikällor omvandlar traditionella kraftsystem till omriktardominerade nät som kännetecknas av låg tröghet och komplexa dynamiska egenskaper. Denna förändring medför grundläggande utmaningar för en stabil drift, särskilt risken för lågfrekventa svängningar där synkroniserings-, effekt- och spänningsregleringar är starkt kopplade. Avhandlingen angriper dessa lågfrekventa stabilitetsproblem ur tre sammanhängande perspektiv: regleringsdesign på omriktarnivå, decentraliserad stabilitetsbedömning och systemsamordning i miljöer med flera omriktare. Den första delen behandlar regleringsdesign för nätanslutna spänningskällsomriktare (VSC). Arbetet inleds med grid-following-omriktare (GFL), som traditionellt förutsätter en stark nätimpedans för stabil drift. Med hjälp av blockdiagrammodellering identifieras grundorsaker till instabilitet, varefter en aktiv dämpningsstrategi (Q-VID) föreslås. Den möjliggör stabil funktion med 400 Hz PLL-bandbredd även vid mycket svaga nät med en kortslutningskvot (SCR) på 1,28. Därefter utvecklas ett grid-forming-schema (GFM) baserat på en PLL-synkroniserad arkitektur. Lösningen behåller GFL-metodens enkelhet och kompatibilitet samtidigt som den ger spännings- och frekvensstöd med god prestanda i både starka och svaga nät. Effektiv regleringsdesign kräver tillförlitliga stabilitetsbedömningsmetoder som ger teoretiskt underlag och specificerar stabilitetskrav. Sådana metoder stöder dessutom risklokalisering, åtgärder, produktspecifikationer och uppfyllnad av nätkoder. Därför utvecklas i den andra delen ett roterat passivitetsindex som kombinerar passivitets- och multiplikatorteori, vilket möjliggör decentraliserad stabilitetsanalys över hela det relevanta frekvensområdet. I den tredje delen utvidgas den föreslagna reglerings- och stabilitetsramen till system med flera omriktare. En impedansbaserad modell av parallellkopplade omriktare ligger till grund för ett enhetligt ramverk som möjliggör riskbedömning, identifiering av instabilitetskällor och åtgärder utan global systeminformation eller deltagarfaktoranalyser. Sammanfattningsvis säkerställer denna doktorsavhandling stabil drift i omriktardominerade kraftsystem genom bidrag på tre nivåer: regleringsdesign för GFL- och GFM-omriktare, teoretiska verktyg för decentraliserad stabilitetsbedömning samt systemsamordning i nät med flera omriktare. Samtliga föreslagna metoder har verifierats genom både simuleringar och laboratorieexperiment och utgör tillsammans en sammanhållen och praktiskt användbar metodik för nästa generations nätintegration.QC 20250815</p
Prediktering av protein-DNA-bindningsaffinitet med AlphaFold-inbäddningar och graf-attentionsnätverk
No full textPredicting the binding affinity between proteins and DNA is a fundamental challenge in molecular biology, crucial for understanding gene regulation and the molecular basis of diseases. Conventional methods often struggle with the complexity of these interactions and the limited availability of structural data. This thesis explores a novel deep learning framework for predicting protein-DNA binding affinity by leveraging structural embeddings generated by AlphaFold 3, a state-of-the-art protein structure prediction model. The proposed approach represents protein-DNA complexes as fully connected graphs, where amino acid and nucleotide residues are nodes and their potential interactions are edges. AlphaFold’s single representation serves as node features, and the pair representation provides edge features, eliminating the need for handcrafted features. The study contains a comparative analysis of different Graph Neural Network (GNN) architectures, including Graph Convolutional Networks (GCN), Graph Attention Networks (GAT), and Graph Transformers. Models were evaluated on three distinct datasets: two high-throughput HiTS-FLIP datasets (KLF1 and LacI) and the more diverse PDBbind dataset. The results demonstrate that attention-based architectures, particularly GAT, outperform the GCN baseline on the HiTS-FLIP datasets, achieving a Pearson Correlation Coefficient (PCC) of up to 0.94 after hyperparameter optimization on the KLF1 dataset. However, this performance advantage was less pronounced on the heterogeneous PDBbind dataset. Our analysis revealed that model performance is more sensitive to node features than to edge features, suggesting that current GNN architectures may not fully utilize the rich interaction information in AlphaFold’s pair embeddings. While the models show strong predictive power on specific datasets, experiments testing generalization across datasets indicate that further work is needed to overcome domain shift and improve applicability to unseen protein-DNA complexes.Att förutsäga bindningsaffiniteten mellan proteiner och DNA är en fundamental utmaning inom molekylärbiologin, avgörande för förståelsen av genreglering och den molekylära grunden för sjukdomar. Konventionella metoder har ofta svårt att hantera komplexiteten i dessa interaktioner och den begränsade tillgången på strukturdata. Denna avhandling utforskar ett nytt ramverk för djupinlärning för att förutsäga protein-DNA-bindningsaffinitet genom att utnyttja strukturella inbäddningar genererade av AlphaFold 3, en toppmodern modell för förutsägelse av proteinstrukturer. Den föreslagna metoden representerar protein-DNA-komplex som fullständigt anslutna grafer, där aminosyra- och nukleotidrester är noder och deras potentiella interaktioner är kanter. AlphaFolds ”single representation” fungerar som nodegenskaper och dess ”pair representation” tillhandahåller kantegenskaper, vilket eliminerar behovet av handgjorda features. Studien innehåller en jämförande analys av olika arkitekturer för grafneuronnätverk (GNN), inklusive Graph Convolutional Networks (GCN), Graph Attention Networks (GAT) och Graph Transformers. Modellerna utvärderades på tre olika dataset: två högkapacitets HiTS-FLIP-dataset (KLF1 och LacI) och det mer varierade PDBbind-datasetet. Resultaten visar att uppmärksamhetsbaserade arkitekturer, särskilt GAT, presterar bättre än GCN-baslinjen på HiTS-FLIP-dataseten och uppnår en Pearson-korrelationskoefficient (PCC) på upp till 0.94 efter hyperparameteroptimering på KLF1-datasetet. Prestandafördelen var dock mindre uttalad på det heterogena PDBbind-datasetet. Vår analys avslöjade att modellernas prestanda är mer känslig för nodegenskaper än för kantegenskaper, vilket tyder på att nuvarande GNN-arkitekturer kanske inte fullt ut utnyttjar den rika interaktionsinformationen i AlphaFolds ”pair representation”. Medan modellerna visar stark prediktiv förmåga på specifika dataset, indikerar experiment som testar generalisering över olika dataset att ytterligare arbete krävs för att övervinna domänskiften och förbättra tillämpbarheten på tidigare osedda protein-DNA-komplex
Decentraliserad felåterställning i distribuerade stream behandlingssystem med CRDTs
No full textDistributed stream processing systems are central to modern real-time data analytics but face critical challenges in terms of fault tolerance. Traditional systems rely on centralized failure recovery that require global coordination, which results in checkpointing overhead and system-wide rollbacks in the event of failures. These limitations are especially pronounced in global aggregation workloads, where events of the same key are often shuffled to a single node for processing, creating a bottleneck for normal operation, checkpointing and recovery. This thesis explores a novel decentralized failure recovery approach for stateful stream processing systems, performing global aggregation by leveraging Conflict-Free Replicated Data Types (CRDTs). Using CRDTs, we provide strong eventual consistency and enable decentralized state management without global coordination. Based on CRDTs, we design and implement a decentralized failure recovery module that provides exactly-once processing semantics while allowing local and parallel recovery of failed nodes. Thus reducing coordination overhead and eliminating the need for global rollbacks. Moreover, it integrates work stealing for dynamic load balancing to improve operation under variable workloads. We evaluate our system against Apache Flink under normal operation and different failure conditions using the Nexmark benchmark suite. The results showcase reduced checkpointing overhead and significant improvements in recovery time compared to Flink, by demonstrating sub-2-second recoveries across all failure scenarios. Overall, our system demonstrates greater resilience to failures than Flink. These findings suggest that CRDTs can significantly enhance the performance and robustness of stateful, decentralized stream processing systems.Distribuerade stream behandlingssystem är centrala för modern realtidsdataanalys men står inför kritiska utmaningar när det gäller feltolerans. Traditionella system förlitar sig på centraliserad felåterställning som kräver global samordning, vilket resulterar i kontrollpunktsoverhead och systemomfattande rollbacks vid fel. Dessa begränsningar är särskilt uttalade i globala aggregation workloads, där händelser med samma nyckel ofta flyttas till en enda nod för bearbetning, vilket skapar en flaskhals för normal drift, kontrollpunkter och återställning. Denna avhandling utforskar en ny decentraliserad felåterställningsmetod för tillståndskänsliga stream behandlingssystem, som utför global aggregering genom att utnyttja Conflict-Free Replicated Data Types (CRDT). Med hjälp av CRDT tillhandahåller vi stark eventual consistency och möjliggör decentraliserad tillståndshantering utan global samordning. Baserat på CRDT designar och implementerar vi en decentraliserad felåterställningsmodul som tillhandahåller exactly-once-processing semantik samtidigt som det möjliggör lokal och parallell återställning av felaktiga noder. Därmed reduceras koordineringsoverhead och elimineras behovet av globala rollbacks. Arbetet integrerar dessutom den work stealing för dynamisk load balancing för att förbättra driften under varierande arbetsbelastningar. Vi utvärderar vårt system mot Apache Flink under normal drift och olika felförhållanden med hjälp av Nexmarks benchmark-suite. Resultaten visar minskad kontrollpunktsoverhead och betydande förbättringar i återställningstiden, genom att demonstrera återställningar på under 2 sekunder över alla felscenarier. Sammantaget visar vårt system större motståndskraft mot fel jämfört med Flink. Dessa resultat tyder på att CRDT:er kan förbättra prestanda och robusthet hos tillståndskänsliga, decentraliserade stream behandlingssystem avsevärt
Hur kan automatiserad dataextraktion och strukturering förbättra hämtningen av projektrelaterad data : En maskininlärningsbaserad metod för datahantering
No full textNordiska Brand is a sprinkler construction company with internal archives consisting of text documents detailing past projects. Locating specific information, such as which pipes a given project used or what regulatory standard applies requires manual searching across multiple files. This system is time-consuming and outdated. The problem, is how to transform these documents into a searchable database that allows fast retrieval of key information. The problem is significant due to its practical implications for real-world challenges. The task is complex because all project-related tasks are highly unstructured and vary in format, posing challenges for the implementation of training, structuring, and creation of the user interface. The method for solving the problem involved investigating and developing a system to automate the extraction, structuring, and retrieval of key information. An end-to-end pipeline was implemented that converts unstructured text into a structured relational database and provides a user interface for efficient data access. The main component was a Named Entity Recognition (NER) model that was retrained using a dataset tailored to Nordiska Brands information. The NER model was applied to hundreds of projects containing thousands of project documents and returned company-specific entities that were stored in a relational database. The implemented system successfully automated the extraction and structuring of project-related data from over 200 projects. The system includes a local user interface that significantly reduces the time needed to locate sought-after project information.Nordiska Brand är ett sprinklermontageföretag med interna arkiv bestående av textdokument som beskriver tidigare projekt. Att hitta specifik information, såsom vilka rör som använts i ett visst projekt eller vilken regulatorisk standard som gäller, kräver manuell sökning genom flera filer. Detta system är därför tidskrävande och föråldrat. Problemet är hur man kan omvandla dessa dokument till en sökbar databas som möjliggör snabb åtkomst till viktig information. Problemet är betydelsefullt på grund av dess praktiska konsekvenser och dess påverkan på tidseffektivitet för verkliga tillämpningar. Uppgiften är komplex eftersom alla företagets projektrelaterade uppgifter är ostrukturerade och varierar i format, vilket skapar utmaningar för implementering av dataträning, strukturering och skapande av användargränssnitt. Metoden för att lösa problemet innebar att undersöka och utveckla ett system för att automatisera extraktion, strukturering och hämtning av nyckelinformation. En end-to-end-pipeline implementerades som omvandlar ostrukturerad text till en strukturerad relationsdatabas och tillhandahåller ett användargränssnitt för effektiv dataåtkomst. Huvudkomponenten var en Named Entity Recognition (NER)-modell som omtränades med ett dataset anpassat till Nordiska Brands information. NER-modellen tillämpades på hundratals projekt som i sin tur innehåller tusentals projektdokument och identifierade företagsspecifika entiteter som sparades i en relationsdatabas. Det implementerade systemet automatiserade framgångsrikt extraktion och strukturering av projektrelaterad data från över 200 projekt. Systemet inkluderar även ett lokalt användargränssnitt som avsevärt minskar den tid som krävs för att hitta efterfrågad projektinformation
Utveckling av utskriftsmetoder och tillämpningar för ledande 3D-utskrift med polylaktidfilament : Utforskning av tryckta resistorer, kondensatorer och triboelektriska sensorer
No full textWith the rapid development of 3D printing technologies, printing electrical components using commercially available 3D printers and electrically conductive filaments is now possible. The focus of this research was on optimizing the printing methods and developing new applications for conductive PLA. This was done by printing and characterizing resistors, capacitors and triboelectric sensors. The results show the promise these technologies have for producing electrical components and systems at home. The designed triboelectric sensors performed particularly well, and a keypad with self-powered keys was developed using only 3D printed components. Resistors also performed well, with designed resistors meeting target resistances. There were, however, also challenges with the precision and accuracy of the printing process. The printed capacitors did not perform well, due to printer problems and issues with repeatability. Improving the precision of the printer and reducing the cost of the filament is essential for driving widespread adoption of 3D printed electrical components. This work has shown that is possible to create self-powered triboelectric systems without specialized equipment or materials. Leveraging off-the-shelf filaments and hobby-grade 3D printers, people can create their own self-powered electronics at home, reducing electricity consumption and battery waste. Future work includes developing further applications for self-powered electronics and incorporating other printed electronics to improve the function of the system.Den snabba utvecklingen inom 3D-utskriftsteknologier har möjliggjort tillverkning av elektriska komponenter med hjälp av kommersiellt tillgängliga skrivare och elektriskt ledande filament. Syftet med denna studie var att optimera utskriftsmetoder och utforska nya tillämpningar för ledande polylaktid (PLA), genom att tillverka och karakterisera resistorer, kondensatorer och triboelektriska sensorer. Resultaten visar att 3D-utskrift av elektriska komponenter är genomförbart, särskilt för resistorer och triboelektriska sensorer. Ett tangentbord med självförsörjande tangenter kunde tillverkas uteslutande med 3D-utskrivna delar, och anpassade resistorer visade god överensstämmelse med förväntade resistansvärden. Däremot uppvisade de utskrivna kondensatorerna begränsad funktionalitet, huvudsakligen på grund av skrivarfel och låg repeterbarhet i processen. Det fanns dock också utmaningar med precisionen och noggrannheten i utskriftsprocessen. De utskrivna kondensatorerna presterade inte bra, på grund av problem med skrivaren och bristande repeterbarhet. Att förbättra precisionen i skrivaren och minska kostnaden för filamentet är avgörande för att driva ett brett användande av 3D-utskrivna elektriska komponenter. För att möjliggöra bredare tillämpning krävs förbättringar i utskriftsnoggrannhet och minskade materialkostnader. Arbetet visar dock att det redan idag är möjligt att skapa fungerande, självförsörjande triboelektriska system utan behov av specialiserad utrustning. Användning av standardfilament och hobbynivå-skrivare kan därmed möjliggöra hemtillverkning av enkla elektroniksystem, vilket i förlängningen kan bidra till minskad energiförbrukning och avfall från batterier. Framtida arbete bör fokusera på vidareutveckling av sådana system och integration av fler typer av utskrivna komponenter
MLOps med Snowflake för skalbar och reproducerbar modellträning : En fallstudie inom kvalitetskontroll av lasersvetsning
No full textThis thesis presents the design and implementation of a cloud-based Machine Learning Operations (MLOps) platform, built on Snowflake, to support automated quality control in the laser welding process at Scania, a well-known manufacturer of heavy-duty industrial vehicles. The underlying Artificial Intelligence (AI) system utilizes a Siamese Deep Neural Network (DNN) to detect defective axles based on ultrasonic scan data. While the model architecture itself is well-established, the focus of this work lies in addressing key challenges in the model training workflow and its integration with the edge inference system. The existing setup, based on manual training and lacking standardization or version control, hinders reproducibility and scalability. To resolve these issues, a custom MLOps solution was developed, emphasizing three main objectives: (1) building a scalable cloud-based infrastructure for training DNNs, (2) ensuring end-to-end versioning and reproducibility of all Machine Learning (ML) assets, and (3) creating a reliable interface for deploying trained models to the factory floor for real-time inference. Initially, the system leveraged Snowflake Stored Procedures to encapsulate and execute training jobs, but was later re-architected using Snowpark Container Services to enable greater flexibility and runtime support. This dual-prototype approach reflects a practical evolution based on development constraints and learnings. The system was evaluated through both qualitative feedback from developers and data scientists, and quantitative metrics, including an 800% reduction in training time compared to the prior setup. While development costs were significant, the platform demonstrated low operational overhead and high usability, justifying its adoption. This thesis contributes not only to the successful deployment of the laser welding use case but also provides a reusable blueprint for integrating highly customized ML models within Snowflake-based MLOps workflows. The solution stands out for its innovative approach to managing complex model training pipelines and reinforces the importance of automation, reproducibility, and system integration in real-world AI deployments.Detta examensarbete presenterar design och implementation av en moln-baserad Machine Learning Operations (MLOps)-plattform för att stödja automatiserad kvalitetskontroll i Scanias laser-svetsprocess. Det underliggande Artificial Intelligence (AI)-systemet använder ett Siamese Deep Neural Network (DNN) för att identifiera defekta axlar baserat på ultraljudsdata. Även om modellarkitekturen i sig är väletablerad ligger fokus i detta arbete på att hantera centrala utmaningar kopplade till modellträning och dess integration med det lokala inferenssystemet. Det nuvarande upplägget, som bygger på manuell träning utan standardiserad arbetsgång eller versionshantering, försvårar reproducerbarhet och skalbarhet. För att lösa detta utvecklades en skräddarsydd MLOpslösning med tre huvudmål: (1) att bygga en skalbar molninfrastruktur för modellträning, (2) att säkerställa versionshantering och reproducerbarhet för alla Machine Learning (ML)-tillgångar, och (3) att skapa ett tillförlitligt gränssnitt för att distribuera modeller till produktionslinan för realtidsinferens. Systemet utvärderades både kvalitativt, genom återkoppling från utvecklare och data scientists, samt kvantitativt, där bland annat träningstiden förbättrades med 800% jämfört med tidigare lösning. Trots relativt höga utvecklingskostnader visade plattformen låg driftkostnad och hög användbarhet, vilket motiverar dess införande. Examensarbetet har inte bara möjliggjort en framgångsrik implementering av laser-svetsningsanvändningen, utan erbjuder även en återanvändbar lösning för att hantera komplexa ML-modeller inom Snowflake-baserade MLOps arbetsflöden. Lösningen utmärker sig genom sin innovativa hantering av träningspipelines och betonar vikten av automatisering, spårbarhet och systemintegration i verkliga AI-tillämpningar.Questa tesi racconta lo sviluppo di una piattaforma software intelligente per migliorare il controllo qualità della saldatura laser presso Scania, una grande azienda di veicoli industriali. L’obiettivo è aiutare un sistema basato su intelligenza artificiale (AI) a riconoscere automaticamente difetti nei componenti, analizzando dati ultrasonici raccolti durante la produzione. Il cuore del lavoro non è il modello di intelligenza artificiale in sé, ma tutto ciò che lo circonda: come si allena, come si gestiscono i dati, come si tiene traccia delle versioni e come si collega al sistema di controllo sul campo. In passato, queste operazioni venivano svolte manualmente e in modo inefficiente. Ora, grazie a questa piattaforma basata su cloud, il processo è automatizzato, più veloce e affidabile. Il progetto ha ridotto drasticamente i tempi di addestramento dell’AI (circa otto volte più veloce) e ha ricevuto feedback molto positivi dagli sviluppatori e dai data scientist coinvolti. Nonostante alcuni costi iniziali legati allo sviluppo e ai test, il sistema è progettato per essere sostenibile nel tempo. Oltre a essere utile per l’azienda, questa soluzione rappresenta un esempio innovativo anche per la comunità AI più ampia, mostrando un modo efficace per gestire modelli complessi in ambienti industriali. È una guida pratica per chi vuole adottare tecnologie simili in ambito produttivo
Fair Tournament Design
No full textThis thesis investigates a problem in combinatorial design theory, constructing fair tournament schedules according to a set of combinatorial constraints. We model tournaments with incidence matrices, and given different parameters we aim to characterize the solution set, all incidence matrices that satisfy the given constraints. Permuting the rows and columns of a matrix in the solution set results in a new solution. Since permuted matrices have essentially the same structure, we define these to be isomorphic. Therefore, we focus on classifying the solution set into isomorphism classes, which provide a more insightful representation. Our analysis establishes some necessary conditions on solutions and characterizes a few solution sets. We find multiple equivalent problem formulations and identify connections to different mathematical fields. Through the use of singular value decomposition we show that all solutions are in the same orbit under right multiplication by an orthogonal matrix. Also, all binary matrices in this orbit are solutions, and another matrix in the same orbit can be found trivially. This allows us to reframe the problem to finding all orthogonal matrices that yield binary matrices. A key insight is that some cases reduce to the problem of finite projective planes, from which many important results follow. For example, for some choices of parameters there are in fact solutions in different isomorphism classes - solutions with fundamentally different structure
Materialkarakterisering av polymer vid stora töjningar inklusive lokalisering
No full textI denna rapport skapas en enkel materialmodell med hjälp av kända metoder och bestående av ett få antal okända parametrar. Utgångspunkten för modellen är olika dragprov som genomförts på en typ av polykarbonat. Under dragprovets genomförande uppstår lokalisering i materialet som gör att övriga delar av materialet avlastas och att en midja bildas. Det material som tidigare avlastades kommer sedan att börja ta upp kraft igen efter ett kraftdropp på cirka 18%. För att modellera detta beteende har bland annat en spänningsmodell tagits fram. Spänningsmodellen består av två olika linjer, en före lokalisering och en efter, samt en mjuk övergång mellan linjerna. Linjernas lutning kan beskrivas som olika tangentmoduler där den första modulen antar värdet 1,06 GPa och den andra modulen är 23 MPa. Med spänningsmodellen samt en enkel areamodell skapas en kraft-förskjutningskurva. Med hjälp av den uppmätta kraftkurvan från genomförda dragprov samt energiekvivalens under midjebildningen går det att anpassa parametrarna i modellen för att likna verkligheten. De slutgiltiga parametervärdena som undersökningen resulterade i stämmer bra överens med verkliga observationer från dragproven