Search

Due to the global energy crisis there is a vast increase in demand for heat exchangers that reduces the energy consumption during energy transfer between mediums. The current manufacturing process for brazed heat exchangers at the world leading man-ufacturer, Alfa Laval, involves a partial assembly process called Plastic Flange Defor-mation (PFD). The current PFD process is conducted manually and is completely dependent on human presence. The great increasing demand for heat exchangers world wide creates the need for a more efficient and sustainable solution for the PFD process. To meet the capacity increase a higher level of automated process is required. The key areas to investigate in this thesis are quality control and component handling within the PFD process. Concepts for the key areas will be developed and two new concepts for the automated PFD cell will be presented. The used method for this thesis is a combination of the outline of Design Research Methodology (DRM) and the Analytical Hierarchy Approach (AHP) for the decision making process for the final PFD cell concepts. The Developed key area concepts are validated with either physical prototypes or virtually with solid mechanics analysis. The result showed that there exist different solutions and possibilities for handling the large variety of components within the PFD process. The quality controls are solved with a combination of vision systems and actuator motors. The first concept for an automated PFD cell consists of two collaborative robots with specially designed grippers, that allow the robots to handle all the components and perform the quality controls. The cell contains specially designed racks for loading and unloading the pressure plates and frame plates. The second concept is a larger more complex solution with four industrial robots, and with a cycle time half as low as the first concept. Both cells contain the same developed key area concepts. The AHP suggests the second concept with respe, På grund av den globala energikrisen ökar efterfrågan på värmeväxlare som minskar energiförbrukningen genom energiöverföring mellan medium. Alfa Laval är ett världsledande företag som bland annat tillverkar lödda värmeväxlare, där tillverkn-ingsprocessen för närvarande innefattar en delmonteringsprocess som kallas "Plastic Flange Deformation" (PFD). Den nuvarande PFD-processen utförs manuellt och är helt beroende av mänsklig närvaro. Den ökande efterfrågan på värmeväxlare skapar behovet av en mer effektiv och hållbar lösning för PFD-processen. För att möta kapacitetsökningen krävs en högre automatiseringsnivå. De viktigaste områdena att undersöka i denna avhandling är kvalitetskontroll och hantering av komponenter inom PFD-processen. Koncept för dessa områden kommer att utvecklas och två nya koncept för den automatiserade PFD-cellen kommer att presenteras. Metoden som används i denna avhandling är en kombination av Design Research Methodology (DRM) och Analytical Hierarchy Approach (AHP) för beslutsfattandet av de slutliga PFD-cell koncepten. De utvecklade koncepten för nyckelområdena valideras med fysiska prototyper eller virituellt genom hållfasthetsanalys. Resultaten visade att det finns olika lösningar och möjligheter för hantering av den stora variationen av komponenter inom PFD-processen. Kvalitetskontrollerna utförs med en kombination av visionsystem och aktuatorer. Det första konceptet för en automatiserad PFD-cell består av två kollaborativa robotar med speciellt utformade gripare som tillåter robotarna att hantera alla komponenter och utföra kvalitetskontroller. Cellen innehåller speciellt utformade stativ för lastning och avlastning av tryckplattor och stativplattor. Det andra konceptet är en större och mer komplex lösning med fyra industrirobotar och med en cykeltid som är häften så låg som det första konceptet. Båda cellerna innehåller samma utvecklade koncept för nyckelområdena. AHP föreslår det andra konceptet med hänsyn till viktningen av kriterierna

The purpose of this study is to analyze if there is any tweet specific data posted by Donald Trump that has a correlation with the volatility of the stock market. If any details about the president Trump's tweets show correlation with the volatility, the goal is to find a subset of regressors with as high as possible predictability. The content of tweets is used as the base for regressors. The method which has been used is a multiple linear regression with tweet and volatility data ranging from 2010 until 2020. As a measure of volatility, the Cboe VIX has been used, and the regressors in the model have focused on the content of tweets posted by Trump using TF-IDF to evaluate the content of tweets. The results from the study imply that the chosen regressors display a small significant correlation of with an adjusted R2 = 0.4501 between Trump´s tweets and the market volatility. The findings Include 78 words with correlation to stock market volatility when part of President Trump's tweets. The stock market is a large and complex system of many unknowns, which aggravate the process of simplifying and quantifying data of only one source into a regression model with high predictability., Syftet med denna studie är att analysera om det finns några specifika egenskaper i de tweets publicerade av Donald Trump som har en korrelation med volatiliteten på aktiemarknaden. Om egenskaper kring president Trumps tweets visar ett samband med volatiliteten är målet att hitta en delmängd av regressorer med för att beskriva sambandet med så hög signifikans som möjligt. Innehållet i tweets har varit i fokus använts som regressorer. Metoden som har använts är en multipel linjär regression med tweet och volatilitetsdata som sträcker sig från 2010 till 2020. Som ett mått på volatilitet har Cboe VIX använts, och regressorerna i modellen har fokuserat på innehållet i tweets där TF-IDF har använts för att transformera ord till numeriska värden. Resultaten från studien visar att de valda regressorerna uppvisar en liten men signifikant korrelation med en justerad R2 = 0,4501 mellan Trumps tweets och marknadens volatilitet. Resultaten inkluderar 78 ord som de när en är en del av president Trumps tweets visar en signifikant korrelation till volatiliteten på börsen. Börsen är ett stort och komplext system av många okända, som försvårar processen att förenkla och kvantifiera data från endast en källa till en regressionsmodell med hög förutsägbarhet.