Rubrik: Maintenance - Felträd för mekaniska fel Arbetsuppgifter: Skapa felträd för mekanik utifrån reparationshandböcker. I våra fordonssystem använder vi oss av en interaktiv felsökning som går ut på att systemet ber användaren utföra tester/mätningar i systemet. Denna felsökning kallas felträdsanalys och tillhör steget "Isolera fel". Idag täcks enbart elsystemet och delar av hydraulsystemet in. Att även inkludera mekaniska system skulle förbättra effekten av felträden avsevärt. Detta exjobb handlar om att skapa felträd utifrån specificerade rutiner i reparationshandböckerna för samtliga av Hägglunds fordon.
Rubrik: Maintenance - Filtrera felkoder Arbetsuppgifter: Filtrering av felkoder De flesta systemanslutna noder är idag utrustade med ett så kallat built-in test (BIT) vars uppgift är att generera felkoder (DTCs Diagnostic Trouble Codes). Detta resulterar i en uppsjö av tillgängliga felkoder i systemet. Detta exjobb handlar om att filtrera ut de DTC:er som är relevanta för stegen "Identifiera fel" och "Isolera felkälla" samt visa hur mycket tiden kan minska genom filtreringen. Avgränsningar som kan göras är: - Enbart betrakta en plattform (CV90 eller SEP) - Enbart beröra felkoder för ett (eller flera) delsystem (ex. elsystem, framdrivning, hydraulsystem m.fl.)
Rubrik: Maintenance - Olika fokus på felträdsanalys Arbetsuppgifter: Bygga om valmöjligheterna i ett felträd. I våra fordonssystem använder vi oss av en interaktiv felsökning som går ut på att systemet ber användaren utföra tester/mätningar i systemet. Denna felsökning kallas felträdsanalys och tillhör steget "Isolera fel". Idag finns enbart ett sätt att gå igenom felträdet vilket inte behöver vara det mest tidseffektiva vare sig med avseende på antalet mätningar som krävs (en mätpunkt kan ta upp till 30 minuter att mäta) eller med avseende på mest sannolika felande enhet. Detta exjobb handlar om att bygga om vägarna i ett felträd beroende på följande olika fokus: - Tiden att traversera felträd (summan av tiden för varje mätpunkt) - Sannolikheten för felutfall (vikta varje stegs λ-värde och mät i den ordningen istället) - Historik (Mean Time Between Failures (MTBF) i kombination med driftstid)
Rubrik: Data Mining Generering av driftsdata Arbetsuppgifter: Undersöka genereringsmetoder för förutspå felutfall En av de stora utmaningarna för framtida tillgänglighetskontrakt är att kunna förutspå felutfall och reservdelsförbrukning. Den ansats som ligger till grund för ämnet är att man utifrån insamlat driftsdata i kombination med konstruktionsdata kan förutspå trender för det system man arbetar med (kallas även "Data Mining"). För att kunna utvärdera driftsdata och använda detta för att förutspå felutfall används tekniker som kräver ganska stora datamängder. Ett problem är att Hägglunds system inte finns ute hos slutanvändare i form av stora serier. Detta exjobb handlar om att utifrån en liten datamängd d samlad från systemet, skapa en representativ distribution D för systemet där d << D. Undersöka vilka genereringsmetoder som finns tillgängliga och välja en eller flera att implementera (ett exempel på metod kan vara Monte Carlo). Avgränsningar som kan göras är: - Enbart betrakta en plattform (CV90, BV, SEP eller Testbänk) - Betrakta delsystem (ex. elsystem, framdrivning, hydraulsystem m.fl.)
Teknikområde: Fysik/Elektronik Rubrik: Maintenance - Koncept inbyggd mätenhet Arbetsuppgifter: Ta fram koncept och prototyp för inbyggd mätenhet. För att effektivisera stegen "Identifiera fel" och "Isolera fel" önskar Hägglunds optimera mätförfarandet av signalvärden i våra plattformar. Idag görs enbart mätningar med ett fordonsexternt verktyg med hjälp av en Hägglundstillverkad enhet (BoB). Idén är här att försöka skapa en mätenhet som kan integreras med våra elektroniska enheter (en mätenhet per elektrisk enhet). Problemet man hoppas lösa med detta är att minimera behovet av BoB-kablage (kablar som krävs för att göra mätningar). Uppgiften går ut på att ta fram koncept för inbyggd mätenhet, skapa en prototyp som fungerar på några av våra elektroniska enheter.
Teknikområde: Fysik/Elektronik/Ekonomi Rubrik: Maintenance - Kravställning underleverantörer Arbetsuppgifter: Identifiera mekanismer för kravställan av COTS För att effektivisera steget "Identifiera fel" kan man optimera användandet av befintliga identifieringsmekanismer i våra komponenter. Det ligger i våra underleverantörers intresse att hålla så standardiserade produkter som möjligt. Speciellt när vi alltmer går mot att använda COTS-produkter (Commercial of the Shelf) i våra fordonssystem blir det ännu viktigare med en tydlig kravställan på vilka mekanismer som måste finnas för att tillmötesgå våra behov på underhållsmässighet. Exjobbet handlar om att identifiera vanliga mekanismer som finns inbyggt i COTSprodukter på marknaden (ex. protokoll, gränsytor, Built-In-Test etc.) som vi skulle kunna bli tydligare på att kravställa. Dessutom skall mervärdet som varje mekanism ger fordonsplattformen värderas i ekonomiska termer för att kunna jämföra värde gentemot kostnad.
Rubrik: Data Mining Prognostik med "Kalman-filter"-ensemble Arbetsuppgifter: Implementera en Kalman-filter -ensamble av neurala nätverk En av de stora utmaningarna för framtida tillgänglighetskontrakt är att kunna förutspå felutfall och reservdelsförbrukning. Den ansats som ligger till grund för ämnet är att man utifrån insamlat driftsdata i kombination med konstruktionsdata kan förutspå trender för det system man arbetar med (kallas även "Data Mining"). För att kunna förutspå felutfall krävs någon form av predikteringsmodell baserat på historiskt driftsdata och aktuella signalvärden. Detta exjobb handlar om att implementera en sk. "Kalman-Filter"-ensemble av neurala nätverk och tillämpa detta på mätserier för ett specifikt delsystem på en av Hägglunds CV90-plattformar. Om tid finns, även identifiera fler tillämpbara metoder av prognostik.
Rubrik: Maintenance - Rangordna troligaste felkälla Arbetsuppgifter: Skapa en applikation som rangordnar komponenter efter MTBF. För att korta tiden i steget "Isolera felkälla" krävs förbättrade metodiker för felisolering. En förbättring skulle vara att använda sig av olika komponenters MTBFvärde (Mean Time Between Failures). Detta exjobb handlar om att bygga en applikation som rangordnar komponenter utifrån deras MTBF-värde, Körtid samt Delsystemtillhörighet. Denna rangordning skall gå att koppla till övriga relevanta symptom som finns tillgängliga i informationssystemet. Att implementera och visualisera detta (rangordning + relevanta symptom) ingår även i denna uppgift. (OBS! MTBF-värden kan komma att ändras över tiden). Avgränsningar som kan göras är: Enbart betrakta en plattform (CV90 eller SEP) Enbart beröra komponenter för ett (eller flera) delsystem (ex. elsystem, framdrivning, hydraulsystem m.fl.)
Rubrik: Data Mining Samla in driftsdata Arbetsuppgifter: Studera och samla in tillgänglig information för användning i systemmodeller. En av de stora utmaningarna för framtida tillgänglighetskontrakt är att kunna förutspå felutfall och reservdelsförbrukning. Den ansats som ligger till grund för ämnet är att man utifrån insamlat driftsdata i kombination med konstruktionsdata kan förutspå trender för det system man arbetar med (kallas även "Data Mining"). För att kunna utvärdera driftsdata och använda detta för att förutspå felutfall används tekniker som kräver ganska stora datamängder. Ett problem är att Hägglunds system inte finns ute hos slutanvändare i form av stora serier. Detta exjobb handlar om att studera och samla in den information som finns tillgänglig och sortera den på ett sådant sätt att den är användbar som input för systemmodeller samt som grunddata för att simulera fram större kvantiteter (artificiell) driftsdata. Avgränsningar som kan göras är: Enbart betrakta en plattform (CV90, BV, SEP eller Testbänk) Betrakta delsystem (ex. elsystem, framdrivning, hydraulsystem m.fl.)
Rubrik: Maintenance - Sannolikhetsmodell baserat på λ-värde Arbetsuppgifter: Skapa en modell av ett systems λ-värde. För att bättre kunna överblicka ett delsystems sannolikhet att gå sönder kan man använda sig av alla ingående komponenters sannolikheter att gå sönder (λ-värdet) samt, om tillgängligt, dess "mätarställning" (driftstid). λ-värdet i kombination med driftstiden ger en sannolikhet för komponenten att gå sönder. Detta exjobb handlar om att skapa en modell av ett systems λ-värde baserat på alla ingående komponenters värden och på så vis kunna leverera en sannolikhet för felutfall på systemet. Modellen måste kunna hantera förändringar av λ-värden samt variabla driftstider. Avgränsningar som kan göras är: - Enbart betrakta en plattform (CV90 eller SEP) - Enbart beröra ett (eller flera) delsystem (ex. elsystem, framdrivning, hydraulsystem m.fl.)
Rubrik: Maintenance - Symptomdriven Felsökning Arbetsuppgifter: Implementera en prototyp efter insamling av faktiska symptom. För att förbättra träffsäkerheten i steg "Isolera Fel" kan man använda sig av något som kallas "Symptomdriven felsökning". Denna metod går ut på att man berättar för systemet vilka symptom man iaktager (ex. motorn ryker, svänger inte bra åt vänster) och tränar upp systemet att känna igen vilka symptom som hänger ihop med vilka felkällor. Den bakomliggande tekniken är ett så kallat Bayesiskt nät. Detta exjobb handlar om att samla in faktiska symptom (genom intervjuer och tester) för delsystem och därefter implementera en prototyp.
Rubrik: Data Mining - Visualisering av datamängder Arbetsuppgifter: Identifiera visualiseringsmetoder och -verktyg En av de stora utmaningarna för framtida tillgänglighetskontrakt är att kunna förutspå felutfall och reservdelsförbrukning. Den ansats som ligger till grund för ämnet är att man utifrån insamlat driftsdata i kombination med konstruktionsdata kan förutspå trender för det system man arbetar med (kallas även "Data Mining"). För att kunna dra nytta av driftsdata från Hägglunds fordonsplattformar som samlas in över tid krävs olika visualiseringar av dessa data. Olika datamängder har olika mottagare och behöver presenteras på olika sätt. Detta exjobb handlar om att identifiera olika visualiseringsmetoder samt vilket behovet av dessa är hos olika mottagare. Utröna vilka visualiseringsverktyg som finns tillgängliga idag på marknaden, även implementera egna lösningar. Avgränsningar som kan göras är: - Enbart betrakta en plattform (CV90, BV, SEP eller Testbänk) - Visualisera datamängder tillhörande delsystem (ex. elsystem, framdrivning, hydraulsystem m.fl.)