Search

När man arbetar så blir det lätt att man faller in i rutiner. Dessa rutiner kan göra detsvårt att se att ens uppgifter kan ses som repetitiva. Det är också svårt för någon utom-stående att se dessa repetitiva mönster. Målet med detta arbete är att kunna visa för enanvändare vilka delar av dennes arbete som skulle kunna automatiseras. Detta uppnåsmed hjälp av två verktyg som vi utvecklat; en Chrome-extension som loggar vad enanvändare gör under arbetsdagen, samt ett analysverktyg i Python som analyserar datanfrån extensionen och visar möjliga repetitiva moment.Chrome-extensionen loggar varje gång användaren interagerar med ett element påen hemsida till en händelselogg. Denna händelselogg kan sedan exporteras som enJSON-fil och matas in i ett Python-skript för att analyseras och hitta repetitiva mönsteroch arbetsmoment.Efter att ha testat processen på två testfall kom vi fram till att den inte fungerar heltsom planerat, då extensionen behöver samla in mer data och analysen behöver leta eftermönster som är snarlika, inte bara identiska. Verktyget har potential att användas inomfaktiskt verksamhet men då skulle det krävas en vidareutveckling av både Chrome-extensionen samt analys-skriptet.

Industrial symbiosis (IS) developments have been differentiated as ‘self organized’, ‘facilitated’, and ‘planned’. This article introduces a tool that has been built with objectives to support the strategic facilitation of IS. ‘Looplocal’ is a visualization tool built to assist in 1) the identification of regions prone to new industrial symbiosis activities 2) market potential exchanges to key actors and 3) assist aspiring facilitators to assess the various strategies and social methodologies available for the initial phases of a facilitated industrial symbiosis venture. This tool combines life cycle inventory (LCI) data, waste statistics, and national industrial data (including geographic, activity, economic, and contact information) to perform a heuristic analysis of raw material and energy inputs and outputs (wastes). Along with an extensive list of ‘waste to raw material’ substitutions (which may be direct, combined, or upgraded) gathered from IS uncovering studies, IS organizations, and waste and energy professionals; heuristic regional output to input ‘matching’ can be visualized. On a national or regional scale the tool gives a quick overview of what could be the most interesting regions to prioritize resources for IS facilitation. Focusing in on a regional level, the tool visualizes the potential structure of the network in that region (centralized, decentralized, or distributed), allowing a facilitator to adapt the networking approach correspondingly. The tool also visualizes potential IS transfer information, along with key stakeholder data. The authors have performed a proof of concept run of this tool in the ‘industrial disperse’ context of Sweden. In its early stages of application, the method has proven capable of identifying regions prone to the investment of facilitators’ resources. The material focus and custom possibilities for the tool show potential for a wide spectrum of potential facilitators: from waste management companies (using the tool as, QC 20130522