Chalmers Open Digital Repository

Välkommen till Chalmers öppna digitala arkiv!

Här hittar du:

  • Studentarbeten utgivna på lärosätet, såväl kandidatarbeten som examensarbeten på grund- och masternivå
  • Digitala specialsamlingar, som t ex Chalmers modellkammare
  • Utvalda projektrapporter

Forskningspublikationer, rapporter och avhandlingar hittar du i research.chalmers.se

Enheter i Chalmers ODR

Välj en enhet för att se alla samlingar.

Senast publicerade

  • Bild (thumbnail)
    AI-driven MPC/DMC: Automated Model Generation & Smart Control for the Future Process Industry
    (2026) Forsman, Filippa
    Traditionally, Model Predictive Control (MPC) controllers applied in refinery plants rely on linear prediction models derived from step response tests, under steady state operation. Modern process industries often produce large amounts of measurement data, which brings potential for AI-driven modeling instead. Through deep learning frameworks such as Long Short-Term Memory (LSTM), a model could learn system dynamics through historical input-output data. However, identifying dynamics can be challenging, since process data often is collected in closed-loop setting with an active controller. This thesis investigates an LSTM-based MPC controller applied to a pass-balancing problem in an industrial furnace. The LSTM prediction model was trained using either real historical process data or synthetically generated open-loop data based on a First Order Plus Dead-Time (FOPDT) process model. A Hybrid Physics-Guided LSTM-MPC was also evaluated, utilizing the FOPDT model to ensure the correct physics of the system while applying the LSTM model for nonlinearities and disturbances. The performance of the proposed LSTM-MPC controller was evaluated in comparison to the traditional linear MPC controller in a custom simulation environment. The results demonstrate that performance and stability of an AI-driven MPC strongly depend on the quality of the training data, particularly in closed-loop settings. The prediction performance in regards of MSE error of the LSTM network alone is not enough to determine if the model will do well in closed loop control, hence evaluation through simulation is essential. Furthermore, stable closed loop performance was achieved using synthetically generated training data, showing that LSTM-based MPC can be a promising approach for future nonlinear process control, and motivating further research into automated model generation for industrial control systems.
  • Bild (thumbnail)
    AEBS Event Classification Under Data Heterogeneity and Limited Trusted Labels
    (2026) Liu, Yuchen; Li, Yiming
    Advanced Emergency Braking System (AEBS) interventions can be classified according to whether the braking response was justified by the surrounding traffic situation. Accurate event classification is important for vehicle safety and driver trust, while fleet-scale assessment is challenging because most events are labeled by deterministic signal-based scripts and trusted video labels are scarce, costly, and privacy-sensitive. In addition, event data may exhibit distributional heterogeneity across operating contexts. This thesis investigates AEBS full-braking event classification under these challenges of data heterogeneity and limited trusted labels. The study uses logged full-braking events from Volvo heavy-duty vehicles from different countries under scarce trusted video labels. Within a Machine Learning framework, the task is formulated as binary multivariate Time-Series Classification. A one-dimensional CNN is used for supervised learning, unsupervised clustering is used to examine event structure, and Mean Teacher is used for semi-supervised learning. Federated Learning is evaluated with FedAvg and FedMeanTeacher to assess country-partitioned collaboration. Country partitions were strongly imbalanced, with the two largest accounting for 62% of the selected events and the three smallest accounting for 9%. Scriptgenerated outcomes agreed with 75% of the trusted FP events, while agreement with trusted TP events was 94%. Supervised classification achieved a Macro-F1 of 0.9995 on script-generated outcomes and 0.9374 on trusted video labels. FedMean- Teacher reduced the cross-country Macro-F1 standard deviation to 0.0343 compared with 0.1796 for local semi-supervised learning, while its trusted-label Macro-F1 remained lower than that of centralized learning, 0.7867 versus 0.8523. Overall, scriptgenerated outcomes enabled near-perfect reproduction of the deterministic labeling procedure, while scarce trusted labels, especially for FP events, limit correctnessoriented conclusions.
  • Bild (thumbnail)
    Kooperativt ledarskap som en förutsättning för digital transformation
    (2026) Aliskovic, Adis; Bjelkevik, Hedda; Tengvall, Klara; Awad, Jinan; Malmquist, Gustav; Öz, Qade
    Problem Digital transformation i den svenska samhällsbyggnadssektorn går långsamt trots tillgång till avancerade tekniska lösningar. Sektorn präglas av fragmenterade värdekedjor, projektbaserade strukturer och starka beroenden mellan aktörer, vilket försvårar samordnade förändringar. Forskning visar att utmaningarna främst är organisatoriska snarare än tekniska, där motstånd mot förändring, skilda incitament och bristande samverkan utgör centrala hinder. Syfte Studien syftar till att undersöka hur startup-entreprenörers ledarskap bidrar till digital transformation inom den svenska samhällsbyggnadssektorn samt hur ledarskapet formas av kollektivitet. Teoretiskt ramverk Studien utgår från sociotekniskt teori, interoperabilitet samt relationella och distribuerade ledarskapsperspektiv, där ledarskap förstås som en kollektiv och systemisk process. Metod Studien genomfördes med en kvalitativ och explorativ ansats baserad på 22 semistrukturerade intervjuer med startup-entreprenörer. Analysen genomfördes induktivt. Resultat och implikationer Resultaten visar att digital transformation är beroende av samverkan mellan aktörer snarare än enskilda initiativ. Ledarskap framträder som en relationell och distribuerad process där startups fungerar som samordnande aktörer mellan teknik, organisation och intressenter. Centrala hinder är fragmenterade system, bristande interoperabilitet och svårigheter att synliggöra värde. Studien visar att digital transformation främst begränsas av strukturella och organisatoriska faktorer, vilket betonar vikten av samverkan, gemensamma strukturer och ett anpassningsbart ledarskap.
  • Bild (thumbnail)
    Optimal and Suboptimal Scheduling of the Dual Resource Job Shop Problem with Multi-Skilled Workforce
    (2026) Andreasson, Jacob; Persson, Robin
    Efficient production scheduling is important for reducing costs, meeting delivery deadlines, and balancing workloads in manufacturing environments. This thesis investigates scheduling optimization for a multi-skilled workforce derived from the production environment at Thorlabs Sweden AB. The problem is modelled as a dualresource flexible job shop problem (DR-FJSP), where both machines and workers must be available simultaneously in order to execute some operations, and where workers hold varying qualifications across product types. Five solution approaches are developed and evaluated: a mixed integer linear programming (MILP) formulation implemented in Gurobi, a satisfiability modulo theories (SMT) formulation implemented in Z3, a constraint programming (CP) model using Google OR-Tools CP-SAT, a genetic algorithm (GA), and a greedy priority-rule heuristic. The models incorporate sequence-dependent setup and cleaning times, operation-type constraints, and worker qualification requirements. The approaches are benchmarked on 100 synthetic instances and evaluated on real production instances in terms of solution quality and computational efficiency. The benchmark results show that ORTools solved the greatest number (57/100) of instances to optimality with a time limit of one hour. The CP-SAT implementation scaled better than both Gurobi and Z3 on the evaluated benchmark set, though all three exact methods are inferior to the GA in terms of runtime scaling on larger instances. The GA, seeded with heuristic solutions consistently improves upon the heuristic baseline across key performance indicators including makespan, total completion time, tardiness, and lateness, while remaining tractable for production-scale instances.
  • Bild (thumbnail)
    Den integrerade rollen: Kompetensbehov inom kvalitet och miljö
    (2026) Eriksson, Agnes; Granberg, Lovisa; Kullenberg, Alva; Marklinder, Elin; Sparf, Ida; Strålin, Signe
    Skiftet mot en grön omställning har medfört att miljöområdet fått en större strategisk plats i många företag. I flera företag har man därmed valt att integrera miljöfunktionen med kvalitetsarbetet, vilket har lett fram till en integrerad kvalitets- och miljöroll, ofta benämnd som KMA-rollen (Kvalitet, Miljö och Arbetsmiljö). I tidigare forskning har den integrerade rollen visats ha svårigheter kopplat till bland annat rollotydlighet och hög arbetsbelastning. Det är därmed relevant att undersöka kompetensbehovet för KMA-rollen. Syftet med arbetet är att kartlägga kompetensbehov för rollen med integrerat kvalitets- och miljöarbete samt att tydligare definiera rollen. Arbetet resulterar i ett ramverk som ska underlätta vid analys av kompetensgap samt utgöra ett stöd för en bättre integrering av KMA-rollen inom organisationen. Ramverket ska fungera som ett verktyg för att underlätta kompetensutveckling hos individen. Arbetet har baserats på en kvalitativ datainsamling bestående av analys av jobbannonser samt intervjuer för att fånga flera perspektiv. Resultatet visar att kompetenserna som behövs för att utföra KMA-arbetet kan delas in i fyra dimensioner: social, strukturerande, operativ samt strategisk. Utifrån dimensionerna har vardera kompetens kategoriserats utifrån KSAO-modellen (Knowledge, Skills, Abilites and Other characteristics) och sedan exemplifierats enligt Competency-based analysis. Kompetensramverket har därmed en trattliknande form där övergripande dimensioner mynnar ut i konkreta beteenden. Detta gör ramverket mer användarvänligt. Resultatet visar även, baserat på intervjuer och jobbannonser, att organisatoriskt stöd samt personliga egenskaper är viktiga faktorer som påverkar rollen och har därmed inkluderats som en omgivande kontext till ramverket. Sammantaget har ett ramverk för KMA-rollen kunnat formuleras där innehållet förhoppningsvis kan användas av KMA-verksamma