<p>Hur resonerar potentiella kunder kring inköp av produkten som ens företag tillhandahåller? En av de främsta frågorna hos en marknadsförare, men också en fråga som är aktuell i vår marknadsekonomi i stort. Konsumentbeteende är därför ett givet fält inom företagsekonomin. Men hur går det till när konsumenten är ett företag? Vilka aspekter är viktiga och varför? Vilka marknadsföringsinsatser bör genomföras utifrån denna adderade förståelse? Det är utgångspunkten för denna uppsats. För att kunna svara på dessa frågor har en ny konsumentbeteendemodell utarbetats, vilket skett utifrån befintliga teorier inom konsumentbeteende och då särskilt den så kallade svarta lådan-modellen. Målet med modellen är att kasta ljus över relevanta aspekter och processer som beaktas och gås igenom i samband med inköp inom ett företag.</p><p>Studien avser inköp av kaffemaskiner avgränsat till potentiella kunder för kaffe- och kaffemaskinleverantören Premium Coffee och dess produkt Nespresso, med betoning på större företag i Stockholmsområdet. Informationsinsamlingen har skett med hjälp av enkäter per mail.</p><p>Utifrån vår empiri och analys av denna har vi gjort antagandet att priset är den absolut mest styrande faktorn för gruppen. Det verkar dock som om man kan tänka sig att betala mer om detta ”mer” är konkret och efterfrågat. Hit verkar inte en godare smak och möjligheter till varumärkesbyggande finnas utan snarare värden som miljövänlighet, kvalité och hållbarhet. Vidare kan vi också anta att inköp nästan alltid sker via anbud.</p><p>Utifrån detta kan man dra slutsatser kring vilka insatser som skulle kunna genomföras. Hit hör att berättiga sitt ändå högre pris, men också utforma ett bättre svar på miljöfrågorna och en uppväxling av positioneringsaktiviteterna.</p> / <p>How do potential customers reason concerning the purchase of a product supplied? This is one of the main issues for a marketer, but also an issue that is current in our market economy at large. Consumer behaviour is a given field of business economy. But how does this work when the consumer is a company? What marketing efforts should be implemented based on these new findings? This is the starting point of this essay. To answer these questions, a new consumer model, has therefore, been developed, which is based on existing theories of consumer behaviour and in particular the so-called black box model. The goal of the model is to shed light on the relevant aspects and processes that are reviewed and considered in connection to the purchase of an enterprise.</p><p>The study relates to the purchase of coffee machines to the limited prospects for the coffee and coffee machine supplier Coffee Premium, with an emphasis on large companies in the Stockholm region. Information has been collected using questionnaires by mail.</p><p>Based on our empirical data, we can assume that price is the absolutely most governing factor for the group. They are however willing to pay for more if this "more" is defined and demanded. It does not seem as a better taste and the ability to strengthen the brand are aspects considered as such but rather aspects as quality and durability. Furthermore, we can also assume that the purchase is almost always done through tenders.</p><p>Based on this we are able to draw a number of conclusions about what actions that could be implemented. These include, for example, to review the pricing, combined with the aim to justify the higher prices, but also design a better response to environmental issues and an up shift of positioning activities.</p>

Hur resonerar potentiella kunder kring inköp av produkten som ens företag tillhandahåller? En av de främsta frågorna hos en marknadsförare, men också en fråga som är aktuell i vår marknadsekonomi i stort. Konsumentbeteende är därför ett givet fält inom företagsekonomin. Men hur går det till när konsumenten är ett företag? Vilka aspekter är viktiga och varför? Vilka marknadsföringsinsatser bör genomföras utifrån denna adderade förståelse? Det är utgångspunkten för denna uppsats. För att kunna svara på dessa frågor har en ny konsumentbeteendemodell utarbetats, vilket skett utifrån befintliga teorier inom konsumentbeteende och då särskilt den så kallade svarta lådan-modellen. Målet med modellen är att kasta ljus över relevanta aspekter och processer som beaktas och gås igenom i samband med inköp inom ett företag. Studien avser inköp av kaffemaskiner avgränsat till potentiella kunder för kaffe- och kaffemaskinleverantören Premium Coffee och dess produkt Nespresso, med betoning på större företag i Stockholmsområdet. Informationsinsamlingen har skett med hjälp av enkäter per mail. Utifrån vår empiri och analys av denna har vi gjort antagandet att priset är den absolut mest styrande faktorn för gruppen. Det verkar dock som om man kan tänka sig att betala mer om detta ”mer” är konkret och efterfrågat. Hit verkar inte en godare smak och möjligheter till varumärkesbyggande finnas utan snarare värden som miljövänlighet, kvalité och hållbarhet. Vidare kan vi också anta att inköp nästan alltid sker via anbud. Utifrån detta kan man dra slutsatser kring vilka insatser som skulle kunna genomföras. Hit hör att berättiga sitt ändå högre pris, men också utforma ett bättre svar på miljöfrågorna och en uppväxling av positioneringsaktiviteterna. / How do potential customers reason concerning the purchase of a product supplied? This is one of the main issues for a marketer, but also an issue that is current in our market economy at large. Consumer behaviour is a given field of business economy. But how does this work when the consumer is a company? What marketing efforts should be implemented based on these new findings? This is the starting point of this essay. To answer these questions, a new consumer model, has therefore, been developed, which is based on existing theories of consumer behaviour and in particular the so-called black box model. The goal of the model is to shed light on the relevant aspects and processes that are reviewed and considered in connection to the purchase of an enterprise. The study relates to the purchase of coffee machines to the limited prospects for the coffee and coffee machine supplier Coffee Premium, with an emphasis on large companies in the Stockholm region. Information has been collected using questionnaires by mail. Based on our empirical data, we can assume that price is the absolutely most governing factor for the group. They are however willing to pay for more if this "more" is defined and demanded. It does not seem as a better taste and the ability to strengthen the brand are aspects considered as such but rather aspects as quality and durability. Furthermore, we can also assume that the purchase is almost always done through tenders. Based on this we are able to draw a number of conclusions about what actions that could be implemented. These include, for example, to review the pricing, combined with the aim to justify the higher prices, but also design a better response to environmental issues and an up shift of positioning activities.

No description available.

Surrogate-model-based optimization is widely used to solve black-box optimization problems if the evaluation of a target system is expensive. However, when the optimization budget is limited to a single or several evaluations, surrogate-model-based optimization may not perform well due to the lack of knowledge about the search space. In this case, transfer learning helps to get a good optimization result due to the usage of experience from the previous optimization runs. And if the budget is not strictly limited, transfer learning is capable of improving the final results of black-box optimization. The recent work in surrogate-model-based optimization showed that using multiple surrogates (i.e., applying multi-surrogate-model optimization) can be extremely efficient in complex search spaces. The main assumption of this thesis suggests that transfer learning can further improve the quality of multi-surrogate-model optimization. However, to the best of our knowledge, there exist no approaches to transfer learning in the multi-surrogate-model context yet. In this thesis, we propose an approach to transfer learning for multi-surrogate-model optimization. It encompasses an improved method of defining the expediency of knowledge transfer, adapted multi-surrogate-model recommendation, multi-task learning parameter tuning, and few-shot learning techniques. We evaluated the proposed approach with a set of algorithm selection and parameter setting problems, comprising mathematical functions optimization and the traveling salesman problem, as well as random forest hyperparameter tuning over OpenML datasets. The evaluation shows that the proposed approach helps to improve the quality delivered by multi-surrogate-model optimization and ensures getting good optimization results even under a strictly limited budget.:1 Introduction 1.1 Motivation 1.2 Research objective 1.3 Solution overview 1.4 Thesis structure 2 Background 2.1 Optimization problems 2.2 From single- to multi-surrogate-model optimization 2.2.1 Classical surrogate-model-based optimization 2.2.2 The purpose of multi-surrogate-model optimization 2.2.3 BRISE 2.5.0: Multi-surrogate-model-based software product line for parameter tuning 2.3 Transfer learning 2.3.1 Definition and purpose of transfer learning 2.4 Summary of the Background 3 Related work 3.1 Questions to transfer learning 3.2 When to transfer: Existing approaches to determining the expediency of knowledge transfer 3.2.1 Meta-features-based approaches 3.2.2 Surrogate-model-based similarity 3.2.3 Relative landmarks-based approaches 3.2.4 Sampling landmarks-based approaches 3.2.5 Similarity threshold problem 3.3 What to transfer: Existing approaches to knowledge transfer 3.3.1 Ensemble learning 3.3.2 Search space pruning 3.3.3 Multi-task learning 3.3.4 Surrogate model recommendation 3.3.5 Few-shot learning 3.3.6 Other approaches to transferring knowledge 3.4 How to transfer (discussion): Peculiarities and required design decisions for the TL implementation in multi-surrogate-model setup 3.4.1 Peculiarities of model recommendation in multi-surrogate-model setup 3.4.2 Required design decisions in multi-task learning 3.4.3 Few-shot learning problem 3.5 Summary of the related work analysis 4 Transfer learning for multi-surrogate-model optimization 4.1 Expediency of knowledge transfer 4.1.1 Experiments’ similarity definition as a variability point 4.1.2 Clustering to filter the most suitable experiments 4.2 Dynamic model recommendation in multi-surrogate-model setup 4.2.1 Variable recommendation granularity 4.2.2 Model recommendation by time and performance criteria 4.3 Multi-task learning 4.4 Implementation of the proposed concept 4.5 Conclusion of the proposed concept 5 Evaluation 5.1 Benchmark suite 5.1.1 APSP for the meta-heuristics 5.1.2 Hyperparameter optimization of the Random Forest algorithm 5.2 Environment setup 5.3 Evaluation plan 5.4 Baseline evaluation 5.5 Meta-tuning for a multi-task learning approach 5.5.1 Revealing the dependencies between the parameters of multi-task learning and its performance 5.5.2 Multi-task learning performance with the best found parameters 5.6 Expediency determination approach 5.6.1 Expediency determination as a variability point 5.6.2 Flexible number of the most similar experiments with the help of clustering 5.6.3 Influence of the number of initial samples on the quality of expediency determination 5.7 Multi-surrogate-model recommendation 5.8 Few-shot learning 5.8.1 Transfer of the built surrogate models’ combination 5.8.2 Transfer of the best configuration 5.8.3 Transfer from different experiment instances 5.9 Summary of the evaluation results 6 Conclusion and Future work

In the real world, web applications are crucial in various domains, from e-commerce to finance and healthcare. However, these applications are not immune to vulnerabilities, particularly in business logic. Detecting such vulnerabilities can be challenging due to the complexity and diversity of application functionality. Consequently, there is a growing need for automated tools and techniques to aid in identifying business logic vulnerabilities. This research study investigates the efficacy of static analysis techniques in detecting server-side business logic vulnerabilities through the analysis of client-side JavaScript code. The study explores various analysis techniques, including code parsing, data flow analysis as detection methods, and their application in identifying potential vulnerabilities. This thesis also identifies common flaws contributing to business logic vulnerabilities, such as insufficient input validation, insecure access controls, and flawed decision-making logic. The effectiveness of static analysis techniques in pinpointing server-side business logic vulnerabilities is evaluated, revealing promising results, particularly in detecting parameter manipulation vulnerabilities. Notably, the study discovered vulnerabilities in two live applications that could lead to severe financial problems, underscoring the real-world implications of these vulnerabilities. However, challenges such as false positives and the need for manual verification are also acknowledged. The study concludes by proposing improvements and future research directions, including exploring advanced techniques like machine learning and natural language processing and integrating dynamic analysis and real-world testing scenarios to enhance the accuracy and efficiency of static analysis. The findings contribute to the understanding of utilizing static analysis techniques for detecting server-side business logic vulnerabilities, offering insights for developing more robust and efficient vulnerability detection tools. / I den verkliga världen är webbapplikationer avgörande inom olika områden, från e-handel till finans och sjukvård. Dessa applikationer är dock inte immuna mot sårbarheter, särskilt inte i affärslogiken. Att upptäcka sådana sårbarheter kan vara en utmaning på grund av komplexiteten och mångfalden i applikationernas funktionalitet. Därför finns det ett växande behov av automatiserade verktyg och tekniker som kan hjälpa till att identifiera sårbarheter i affärslogiken. Denna forskningsstudie undersöker hur effektiva statiska analystekniker är för att upptäcka sårbarheter i affärslogiken på serversidan genom analys av JavaScript-kod på klientsidan. Studien utforskar olika analystekniker, inklusive kodparsing, dataflödesanalys som detektionsmetoder, och deras tillämpning för att identifiera potentiella sårbarheter. Avhandlingen identifierar också vanliga brister som bidrar till sårbarheter i affärslogiken, såsom otillräcklig validering av indata, osäkra åtkomstkontroller och bristfällig logik för beslutsfattande. Effektiviteten hos statiska analystekniker för att hitta sårbarheter i affärslogiken på serversidan utvärderas och visar på lovande resultat, särskilt när det gäller att upptäcka sårbarheter i parametermanipulation. I studien upptäcktes sårbarheter i två live-applikationer som kan leda till allvarliga ekonomiska problem, vilket understryker de verkliga konsekvenserna av dessa sårbarheter. Utmaningar som falska positiva resultat och behovet av manuell verifiering erkänns dock också. Studien avslutas med förslag på förbättringar och framtida forskningsinriktningar, inklusive utforskning av avancerade tekniker som maskininlärning och naturlig språkbehandling och integrering av dynamisk analys och verkliga testscenarier för att förbättra noggrannheten och effektiviteten hos statisk analys. Resultaten bidrar till förståelsen för att använda statiska analystekniker för att upptäcka sårbarheter i affärslogik på serversidan, och ger insikter för att utveckla mer robusta och effektiva verktyg för sårbarhetsdetektering.

Transit system have a large importance in modern urban cities, with urban rail often acting as the central system with it efficient travel time and great capacity. As cities grow in population, so to does the usage of urban rail resulting in increased crowding on the platform and in the trains. Since crowding level is directly correlated to the experience of travel as well as a safety issue, much research has been done to improve it. Currently its common to utilise transit assignment models (TAM) to evaluate and research transit system but for them to work optimally requires weight parameters connected to perceived time spent on the journey. To get the weight parameters for a system requires surveys to be preformed which is costly and not always possible. Therefor its attractive to find these weights through optimisation using available data. Most transit system uses automated fare collection (AFC), which can be used to create origin-destination (OD) data, and automated vehicle location (AVL) together with link-load data. This project aims to develop a simulation-based optimisation (SBO) that automatically finds the weights for a frequency-based assignment model using OD and link-load as input arguments. The SBO will evaluate five different algorithm, genetic algorithm (GA), simulated annealing (SA), Nelder-Mead method (NM), simultaneous perturbation stochastic approximation (SPSA), and Bayesian optimisation (BO), using a fitness model based on KolmogorovSmirnov test. Synthetic data was implemented to evaluate the algorithms where result needed to be within a margin of error of the set weight. No algorithm was however able to converge during the simulation, therefor not optimising the weights to within the margin of error. A longer simulation was evaluated to see if the length needed to reach convergence was to short but achieved the same results. While the cause was not found, the standard deviation of the TAM could be the problem since the deviation was larger than the change of weight parameters achieved. Even if this project could not achieve its objective of developing a SBO method, it can be used for future research and work as a guide on further development on TAM research. / Transportsystem har en stor påverkan i moderna städer, specifikt tunnelbanan som ofta agerar som det centrala systemet med dess snabba transport samt stora kapacitet. Alltmedan städer växer i befolkning så ökar användandet av tunnelbanan vilket resulterar till trängsel både på plattformen och på tåget. Trängsel är väl studerat inom forskningen då den direkt påverkar den upplevda trivseln samt säkerheten på plattformen. Nuförtiden är det vanligt att använda sig av transport modeller för att undersöka och forska om transportsystemet men modellerna kräver viktparametrar kopplade till den uppfattade tiden man har för att fungera. Vanligtvis behöver man utföra undersökningar för att ta reda på vad viktparametrarna är men det är både dyrt och komplicerat. Därför vill man kunna få fram dessa vikter genom att optimera kända data. De flesta transportsystem använder sig av automatiska biljettsystem (AFC), vilket kan användas för att skapa start-stop (OD) data, och automatisk fordonslokalisering (AVL) tillsammans med länk-belastningsdata. Detta projekts syfte är att utveckla en simuleringsbaserad optimering (SBO) som automatiskt hittar vikterna för en frekvensbaserad transportmodell genom att använda OD- och länk-belastningsdata som argument. SBO kommer att undersöka fem olika algoritmer, genetic algorithm (GA), simulated annealing (SA), Nelder-Mead method (NM), simultaneous perturbation stochastic approximation (SPSA), and Bayesian optimisation (BO), tillsammans med en objektfunktion baserad på Kolmogorov-Smirnov testet. Syntetiskt data användes för att utvärdera algoritmerna, där resultatet behövde vara inom en viss marginal av de satta vikterna. Inga algoritmer konvergerade vilket resulterade att deras resultat inte var inom marginalen. Ett längre test var utfört då konvergensen kunde ha skett senare men det blev samma resultat som tidigare. Anledningen kunde inte finnas men sannolikt var det TAM standardavvikelse som var del av felet då den var större än en förändring av viktparametrarna skapade. Även om detta projekt inte kunde uppnå sitt mål kan den användas för fortsatt arbete inom området och vara som guide för framtida utvecklingar.

A significant challenge with permanent magnet synchronous motors (PMSMs) is thermal management. Thermal stress can lead to irreversible damage to components, and to enable efficient cooling, a thermal model is needed. In this thesis paper, methods for estimating the hot spot temperature of the windings in PMSMs used in heavy-duty EVs are investigated. The methods include black-box models and lumped parameter thermal network-based models. The results reveal that the implemented models are not sufficient for achieving the desired accuracy, and indicate that more parts of the windings need to be considered.

Informell statistisk inferens ses som ett sätt att undervisa statistik i framtiden för att ge elever möjlighet att utveckla de  statistiska förmågor som krävs i en teknologiskt utvecklad värld. Informella statistiska inferenser handlar om att ge eleverna möjlighet att engagera sig i statistiska diskussioner och problemområden utan att ha den bakomliggande formel statistiska kunskap som krävs för att göra statistiskt säkerställda påståenden. Informella inferentiella resonemang ses som de resonemang som förs av elever, på ett informellt vis, för att i slutändan göra dessa informella inferenser. Syftet med denna studie är att undersöka på vilket sätt, samt i vilken utsträckning aktiviteten: svarta lådan möjliggör  elevers uttryck av ISI och IIR. De två frågeställningarna som fungerar som bas för arbetet är: 1. Vilka aspekter av ISI och IIR kommer till uttryck hos en klass förstaårselever på IB-programmet under aktiviteten med den svarta lådan? Samt 2. I vilken utsträckning? Forskningslitteraturen som använts i denna studie är hämtad ifrån UniSearch och ERIC. Informell statistisk inferens är ett relativt nytt forskningsområde. Således har det inte studerats i någon omfattande mening i en svensk kontext. Dessutom har, så vitt författaren till denna studie vet, ingen forskning genomförts på elever i gymnasieskolan i Sverige. Därav är det svårt att jämföra resultatet av studien med andra studier. Således kan inte heller några generella slutsatser om aktiviteten: svarta lådans möjliggörande för elevers uttryck av ISI och IIR dras.  Studien fann dock att elever uttryckte alla definierade aspekter av ISI under aktiviteten, samt att de använde sig av informella resonemang (IIR) vid konstruktionen av dessa inferenser. / Informal statistical inference (ISI) is emerging as a way to teach statistics in the future in order to give students the opportunity to develop the statistical abilities required in a technologically developed world. ISIs are about giving the students opportunity to engage in statistical discussions and problem areas without the underlying formal statistical  knowledge required to make statistically sound claims. Informal inferential reasoning (IIR) is seen as the reasoning that is given by students, in an informal way, and that leads to these informal statistical inferences. The aim of this study is to examine in what way, and to what extent, the activity: Black Box enables students  expressions ISI and IIR. The two research questions that work as a base for the study are: 1. What aspects of ISI and IIR are expressed by a class of first-year students attending the IB-program during the activity: Black Box? And 2.  To what extent are these aspects expressed? The research literature used in this study was found on UniSearch as well as ERIC. Informal statistical inference is a relatively new research area. Therefore, it has not been studied in any extensive way in a Swedish context. Furthermore, as far as the author of this study is aware, no research at all regarding ISI and IIR  has been made on students attending upper secondary school in Sweden. As a result of this it is difficult to compare the of this study with that of other studies. Furthermore, no general conclusions can be made of the activity: Black Box and its enabling of students expressions of ISI and IIR. The study did, however, find that students expressed all defined  aspects of ISI during the activity and that they used IIR to construct these inferences.

The widespread usage of smartphones and mobile applications in Sweden exposes the users to potential risks if not adequate security standards are implemented. An insecure application that is exploited by an adversary could potentially compromise the users private data and integrity. As such, this report aims to examine and evaluate the security of ten commonly used mobile applications in Sweden. Using the OWASP Mobile Security Testing Guide (MSTG) and conducting penetration testing, the applications were assessed in regards of strengths and weaknesses. The results presents nine potential vulnerabilities of which three were successfully exploited with the use of brute-force and session hijack attacks. Even though all examined applications adopt industry security standards of various degrees, our findings shows that a few applications are susceptible to vulnerabilities. / Det breda användadet av smarta telefoner och mobila applikationer i Sverige utsätter användare för potentiella risker om inte tillräckliga nivåer av säkerhetsstandarder implementeras. En osäker applikation som utnyttjas av en person med onda avsikter skulle kunna leda till dataintrång hos en användare. Därav siktar denna rapport på att utvärdera säkerheten hos tio vanligt förekommande mobila applikationer i Sverige. Med hjälp av OWASP Mobile Security Testing Guide (MSTG) och utförandet av penetrationstester så har applikationernas styrkor och svagheter utvärderats. Resultatet som presenteras visar på nio potentiella sårbarheter varav tre kunde verifieras genom lyckade brute-force och session hijack attacker. Även om de utvärderade applikationerna implementerar en viss nivå av säkerhetsstandarder, så visar vårt resultat att vissa av applikationerna är utsatta för sårbarheter.

Introduktion Den artificiella intelligensens framsteg har kommit att spela stor roll vid användningen inom medicinsk bilddiagnostik. Frågor gällande bland annat tillämpning, diagnostik och behandling är ämnen som uppkommit vid diskussionen om den artificiella intelligensens användning inom radiografi. Syfte Syftet var att undersöka rådande kunskapsläge kring implementering av artificiell intelligens kopplat till röntgensjuksköterskans profession. Metod En allmän litteraturöversikt där nio granskade vetenskapliga artiklar valdes och analyserades utifrån likheter och skillnader. Resultat Tre kategorier framträdde - bristande utbildning, oro för ny teknik och AI som diagnostisk framgång visade att röntgensjuksköterskans profession förändras när både utbildning och kompetens ständigt måste hållas uppdaterade för att möta det ökade patientflödet och den snabba teknikutvecklingen kopplat till AI. Slutsats De valda artiklarna visar att AI´s inverkan på röntgensjuksköterskans profession är mångfacetterad vilket kan ge ökad effektivitet men även ökade utmaningar och att detta i takt med den snabba utvecklingen ställer ökade krav på röntgensjuksköterskans kunskap och kompetensutveckling.