Superresoluutiomenetelmä konesuuntaisen laatuvaihtelun analysointiin

dc.contributorAalto-yliopistofi
dc.contributorAalto Universityen
dc.contributor.advisorTiainen, Tuomas
dc.contributor.authorLehtiniemi, Sampsa
dc.contributor.schoolPerustieteiden korkeakoulufi
dc.contributor.supervisorViitala, Raine
dc.date.accessioned2021-08-29T17:03:45Z
dc.date.available2021-08-29T17:03:45Z
dc.date.issued2021-08-24
dc.description.abstractKartongin ja paperin valmistus sekä teräksen valssaus ovat prosesseja, joissa pyörivät koneenelimet muovaavat lopputuotteen. Pyörivien koneenelinten värähtelyt ja epäideaalisuudet aiheuttavat lopputuotteeseen jaksollisia laatuvaihteluita. Täten niillä on ratkaiseva vaikutus valmistusprosessien lopputulokseen. Yksittäisen koneenelimen osuutta laadunvaihteluun on hankalaa ellei mahdotonta mitata suoraan. Sen sijaan lopputuotteen laadun mittaukseen on tuotantolinjalla tyypillisesti on-line-anturit. Koneenelimen pyörimisnopeudella ja elimen aiheuttaman virheen esiintymistaajuudella on yhteys, joten eri koneenelinten vaikutusta on mahdollista arvioida laatumittausten spektrin avulla. Tunnettu menetelmä spektrin estimointiin on Fourier-muunnos, mutta sen taajuusresoluutio ja kohinansietokyky ovat rajalliset. Nämä rajoittavat Fourier-muunnoksen käyttökelpoisuutta toisinaan lyhyiden ja kohinaisten on-line-mittausten analysointiin. Tässä työssä tutkittiin superresoluutiomenetelmiin kuuluvan hMUSIC-algoritmin käyttöä koneenelinten tunnistamiseen laatudatan perusteella. Testaukseen käytettiin ohjelmallisesti generoitua paperin kiiltodataa, on-line-mitattua paksuus-, kosteus- ja neliömassadataa kartonkikoneelta sekä paksuusdataa teräksen kuumanauhavalssauslinjalta. Tulokset osoittavat, että hMUSIC:in avulla on mahdollista tunnistaa laatudatasta taajuuksia suurella tarkkuudella. Kartongin paksuusdatasta pystyttiin hMUSIC:in avulla tunnistamaan tela, joka aiheuttaa laatuvaihtelua.fi
dc.description.abstractProduction of cardboard and paper as well as rolling of steel are processes in which rotating machine elements govern the formation of the end product. Non-idealities and vibrations of rotating machine elements cause periodical variation of quality in these products. Therefore, these elements have a great impact on the outcome of the production process. It is difficult if not impossible to directly measure the quality variation caused by individual machine elements. In contrast, on-line sensors typically exist for monitoring the quality of the end product. There is a connection between the rotating speed of the machine element and the frequency of the quality error it causes. Hence, the effect of different elements can be assessed from the spectrum of the quality data. A common method for estimating the spectrum is Fourier transform, but it is not an ideal tool for analyzing noisy and short on-line measurements. This work investigates the application of superresolution method hMUSIC into the problem of identifying the machine elements from the product quality data. Tests were carried out with programmatically generated data resembling paper gloss measurement, on-line measured thickness, grammage and dampness data from a cardboard machine and thickness data of steel from a hot rolling mill. Results show that it is possible to identify frequencies from the quality data very accurately with hMUSIC. Using hMUSIC, a single cardboard forming roll was identified from the cardboard thickness data.en
dc.format.extent59+8
dc.format.mimetypeapplication/pdfen
dc.identifier.urihttps://aaltodoc.aalto.fi/handle/123456789/109272
dc.identifier.urnURN:NBN:fi:aalto-202108298508
dc.language.isofien
dc.programmeMaster’s Programme in Engineering Physicsfi
dc.programme.majorEngineering Physicsfi
dc.programme.mcodeSCI3056fi
dc.subject.keywordsuperresoluutiofi
dc.subject.keywordmusicfi
dc.subject.keywordkonesuuntafi
dc.subject.keywordkartonkifi
dc.subject.keywordteräsfi
dc.subject.keywordtelafi
dc.titleSuperresoluutiomenetelmä konesuuntaisen laatuvaihtelun analysointiinfi
dc.titleSuperresolution method for analysis of quality variation in machine directionen
dc.typeG2 Pro gradu, diplomityöfi
dc.type.ontasotMaster's thesisen
dc.type.ontasotDiplomityöfi
local.aalto.electroniconlyyes
local.aalto.openaccessyes
Files
Original bundle
Now showing 1 - 1 of 1
No Thumbnail Available
Name:
master_Lehtiniemi_Sampsa_2021.pdf
Size:
1.25 MB
Format:
Adobe Portable Document Format