Robotic and control industry implements different control technique to control the movement and the position of a robotic arm. PID controllers are the most used controllers in the robotics and control industry because of its simplicity and easy implementation. However, PIDs’ performance suffers under noisy environments. In this research, a controller based on Artificial Neural Networks (ANN) called the model reference controller is examined to replace traditional PID controllers to control the position of a robotic arm in a noisy environment. Simulations and implementations of both controllers were carried out in MATLAB. The training of the ANN was also done in MATLAB using the Supervised Learning (SL) model and Levenberg-Marquardt backpropagation algorithm. Results shows that the ANN implementation performs better than traditional PID controllers in noisy environments. / Robotoch kontrollindustrin implementerar olika kontrolltekniker för att styra rörelsen och placeringen av en robotarm. PID-styrenheter är de mest använda kontrollerna inom roboten och kontrollindustrin på grund av dess enkelhet och lätt implementering. PID:s prestanda lider emellertid i bullriga miljöer. I denna undersökning undersöks en styrenhet baserad på Artificiell Neuralt Nätverk (ANN) som kallas modellreferenskontrollen för att ersätta traditionella PID-kontroller för att styra en robotarm i bullriga miljöer. Simuleringar och implementeringar av båda kontrollerna utfördes i MATLAB. Utbildningen av ANN:et gjordes också i MATLAB med hjälp av Supervised Learning (SL) -modellen och LevenbergMarquardt backpropagationsalgoritmen. Resultat visar att ANN-implementeringen fungerar bättre än traditionella PID-kontroller i bullriga miljöer.

Smart homes are custom-fitted systems for users to manage their home environments. Smart homes consist of devices which has the possibility to communicate between each other. In a smart home system, the communication is used by a central control unit to manage the environment and the devices in it. Setting up a smart home today involves a lot of manual customizations to make it function as the user wishes. What smart homes lack is the possibility to learn from users behaviour and habits in order to provide a customized environment for the user autonomously. The purpose of this thesis is to examine whether environmental data can be collected and used in a small smart home system to learn about the users behaviour. To collect data and attempt this learning process, a system is set up. The system uses a central control unit for mediation between wireless electrical outlets and sensors. The sensors track motion, light, temperature as well as humidity. The devices and sensors along with user interactions in the environment make up the collected data. Through studying the collected data, the system is able to create rules. These rules are used for the system to make decisions within its environment to suit the users’ needs. The performance of the system varies depending on how the data collection is handled. Results find that collecting data in intervals as well as when an action is made from the user is important. / Smarta hem är system avsedda för att hjälpa användare styra sin hemmiljö. Ett smart hem är uppbyggt av enheter med möjlighet att kommunicera med varandra. För att kontrollera enheterna i ett smart hem, används en central styrenhet. Att få ett smart hem att vara anpassat till användare är ansträngande och tidskrävande. Smarta hemsystem saknar i stor utsträckning möjligheten att lära sig av användarens beteende. Vad ett sådant lärande skulle kunna möjliggöra är ett skräddarsytt system utan användarens involvering. Syftet med denna avhandling är att undersöka hur användardata från en hemmiljö kan användas i ett smart hemsystem för att lära sig av användarens beteende. Ett litet smart hemsystem har skapats för att studera ifall denna inlärningsmetod är applicerbar. Systemet består av sensorer, trådlösa eluttag och en central styrenhet. Den centrala styrenheten används för att kontrollera de olika enheterna i miljön. Sensordata som sparas av systemet består av rörelse, ljusstyrka, temperatur och luftfuktighet. Systemet sparar även användarens beteende i miljön. Systemet skapar regler utifrån sparad data med målet att kunna styra enheterna i miljön på ett sätt som passar användaren. Systemets agerande varierade beroende på hur data samlades in. Resultatet visar vikten av att samla in data både i intervaller och när användare tar ett beslut i miljön.

Today defence systems are becoming more complex as technology advances and it is of great importance to explore new ways of solving problems and keep national defence current. In particular, Artificial Intelligence (AI) is used in an increasing number of industries such as logistic solutions, inventory management and defence. This thesis will evaluate the possibility to use Reinforcement Learning (RL) in an Air Defence Coordination(ADC) scenario at Saab AB. To evaluate RL, a simplified ADC-scenario is considered and solved using two different methods, Q-learning and Deep Q-learning (DQL). The results of the two methods are discussed as well as the limitations in scope and complexity for Q-learning. Deep Q-learning, on the other hand shows to be relatively easy to apply to more complicated scenarios. Finally, one last experiment with a far more complex scenario is constructed in order to show the scalability of DQL and create a foundation for future work in this field. / Dagens försvarssystem blir allt mer komplexa när tekniken utvecklas och det blir allt viktigare att utforska nya sätt att lösa problem för att ha ett toppmodernt försvar. I synnerhet används Artificiell intelligens (AI) i ett ökande antal branscher så som logistik, lagerhantering och försvar. Detta arbete kommer att utvärdera möjligheten att använda Förstärkt inlärning (RL) i ett Koordinerat luftförsvar (ADC) scenario hos Saab AB. För att utvärdera RL, löses ett förenklat ADC-scenario med två olika metoder, Q-learning och Deep Q-learning (DQL). Resultatet av de två metoderna diskuteras så väl som begränsningar för Q-learning. Å andra sidan visar sig DQL vara relativt enkelt att tillämpa i ett mer komplext scenario. Slutligen görs ett sista experiment med ett mycket mer komplicerat scenario för att visa skalbarheten för DQL och skapa en naturlig övergång till framtida arbete.

Process Automation has the potential to yield great benefits for companies and organizations, especially in the financial services industry where companies are information-intensive and experience rich data flows. This has mostly been done through Robotic Process Automation (RPA), but the increased maturity of Machine Learning algorithms has increased the viability of combining classic RPA with Artificial Intelligence, leading to Intelligent Process Automation (IPA). However, there is a set of challenges embedded in the transition from RPA to IPA. These challenges need to be dealt with in order to ensure that the benefits of the new technology can be harvested. The aim of this research was to identify this set of challenges that the companies will face, as well as provide guidance to what preparations that need to be made before IPA can be implemented in full scale. The research was conducted as a theory building case study at a large Swedish bank. An empirical study was conducted, consisting of interviews with researchers, as well as automation professionals and R&D at the case company. The findings of the empirical study and previous research on the area were combined and condensed into a guiding framework for organizations wanting to adopt IPA. / Processautomation har potentialen att ge stora fördelar för företag och organisationer, speciellt i finansbranschen där företag är informationsintensiva och har stora dataflöden. Detta har huvudsakligen gjorts med Robotic Process Automation (RPA) men den ökade mognadsgraden av maskininlärning har snabbt förbättrat möjligheten att kombinera RPA med Artificiell Intelligens (AI) för att därmed möjliggöra Intelligent Process Automation (IPA). I övergången från RPA till IPA uppkommer däremot en del utmaningar och problem som företag måste hanteras innan potentialen med dessa nya tekniker kan förverkligas. Den här forskningen ämnar att identifiera de utmaningar som företagen kommer ställas inför samt ge vägledning för vilka förberedelser som företagen måste genomföra innan IPA kan implementeras fullskaligt i organisationen. Forskningen genomfördes som en teoribyggande fallstudie på en stor svensk bank. Den teoretiska grunden samlades in genom en omfattande litteraturstudie och en empirisk studie bestående av intervjuer med forskare samt automationsutvecklare och FoU på banken. Resultaten från litteraturstudien och empirin kombinerades och kondenserades till ett vägvisande ramverk för organisationer som vill implementera IPA.

The paradigm of diffusion research can be traced back all the way to the 1940s when Ryan and Gross investigated the diffusion of hybrid seed among farmers in Iowa. Since the 1960s diffusion research has been applied in a wide variety of disciplines, for instance, to study the diffusion of the Internet and the non-diffusion of the Dvorak keyboard. Currently, the technologies that are on top of the Gartner Hype Cycle are all associated with Artificial Intelligence (AI), which shortly can be defined as learning devices that perceive their environment and take actions to maximize their success at some goal. Consequently, some people suggest that the current hype surrounding AI can be the end of the human kind, while others believe it will give way for millions of fresh jobs and cleverer decision-making. In recent years both media and political organizations have shown great interest in AI. In addition, the industry is captivated by the potential uses of AI. In the last years, AI-related companies in the US have raised billions of dollars in the stock market together with a large number of acquisitions. The large flow of capital into AI technology underpins the fast development of AI solutions. The purpose of this study is to investigate how groups approach AI. What can be concluded after reviewing different sectors is that organizations seem to share a common interest of AI. Furthermore, organizations share the opinion that eventually AI will be a more natural part of their processes. Organizations investing a larger share of their budget in R&D have a longer experience of using AI and are currently doing projects utilizing more advanced technologies within AI. In organizations from other sectors, the investments in AI depend on the people with the authority to invest money in projects and their view on AI. Organizations generally seem to approach AI in a similar way. Firstly, they evaluate what AI is. Secondly, they find areas to make small iterative PoC-projects utilizing AI, usually with machine learning. Finally, more money is invested if the PoC-projects were successful and the organization starts looking at how to acquire more competence within the area to fully exploit the value of AI. / Paradigmet för innovationsspridning kan spåras ända tillbaka till 1940-talet när Ryan och Gross undersökte spridningen av hybridfrön bland bönder i Iowa. Sedan 1960-talet har forskningen tillämpats inom en mängd olika discipliner, till exempel för att studera spridningen av Internet och icke-spridningen av Dvorak-tangentbordet. För närvarande är teknologierna som ligger på toppen av Gartner Hype-cykeln alla förknippade med artificiell intelligens (AI), som kan definieras som lärande enheter som uppfattar sin miljö och vidtar åtgärder för att maximera sin framgång gällande något mål. Hypen som nu finns kring AI har lett till att vissa människor tror att det kan innebära slutet för mänskligheten medan andra tror att det kommer att ge plats för miljoner nya jobb och smartare beslutsfattande. Under de senaste åren har både medier och politiska organisationer visat stort intresse för AI samt visat intresse för potentiella användningsområden av AI. AI-relaterade företag i USA har under de senaste åren har tagit in miljarder dollar i riskkapital. Ett stort antal förvärv och kapitalflödet till AI-teknik ökar den snabba utvecklingen av AI-lösningar. Syftet med denna studie är att beskriva spridningen av AI i organisationer från ett antal olika sektorer. Vad som kan sägas efter att ha studerat olika sektorer är att organisationer delar en gemensam nyfikenhet för AI och att de tror att AI kommer bli en allt mer naturlig del av sina processer. De företag som spenderar mycket pengar på FoU har längre erfarenhet av att använda AI och gör för närvarande projekt som använder mer avancerade tekniker. I andra organisationer är investeringarna inom AI beroende av de anställda som har rätt att investera pengar i projekt och deras syn på AI. Organisationer verkar allmänt närma sig AI på ett liknande sätt där de först utvärderar vad AI är. Därefter väljer de ett antal områden där de gör små iterativa projekt där de utnyttjar AI, vanligtvis via ML. Därefter investerades mer pengar om de små projekten lyckas och företaget börjar titta på hur man kan förvärva mer kompetens inom området.

Genom en användarcentrerad produktutvecklingsprocess har ett framtidskoncept förtrygghetslarm utvecklats. Det framtagna trygghetslarmet ämnar stärka användarenssjälvständighet genom ett preventivt, istället för enbart reaktivt arbete.Det preventiva arbetet inleds genom att larmet introduceras i ett tidigare skede för att med hjälpav sensorer och Artificiell Intelligens förebygga åldersrelaterade sjukdomar. Genom tidigimplementering finns larmet också till hands redan innan olyckan inträffat.Syftet med projektet var att med ett tjänstedesign-perspektiv undersöka vad som skapar trygghetför användaren samt hur det stödjs i en produkt och tjänst. Under arbetet trädde en komplexbehovsbild fram som skiftade, inte bara mellan användare, utan även för den enskildeanvändaren över tid. Därför skapades ett modulbaserat produkt-tjänstesystem som innefattar treproduktvarianter som tillsammans tillgodoser de allra flesta användarnas behov.Ett tjänstebaserat trygghetslarm med möjlighet till uppgraderingar, byten och reparationerinnebär i längden en högre konkurrenskraft och en mer hållbar modell där användarens ochvårdbolagens behov bättre tillgodoses. En tjänst som bygger på en applikationsbaseradplattform kan anpassas för användaren och tillgängliggöra relevant information för att minskadet utanförskap som många användare upplever.Genom en iterativ process av interaktioner, insikter och konceptgenerering bidrogtjänstedesignperspektivet med en behovsbaserad analys. Produkt-tjänstesystemets utformningär baserat på insikter som erhölls under kontextuella intervjuer. Intervjuerna involverade olikaaktörer såsom vårdgivare, teknikbolag och forskare men främst dagens och den kommandegenerationens användare. Syftet var att skapa ett brett underlag som bidrar till en holistisk bildav användarens behov.Vid interaktioner framkom att larmet måste vara mobilt och kunna ange position. Mobilitetbidrar till ett tryggt aktivt liv utanför hemmet. Att hålla sig fysiskt och socialt aktiv menar WorldHealth Organisation, WHO, är grunden för ett självständigt och hälsosamt åldrande som är enförutsättning för att kunna möta utmaningarna med en åldrande befolkning.För att attrahera användare måste associationerna kring trygghetslarmet förskjutas frånhjälplöshet till självständighet, aktivitet och välbefinnande. Genom att tidigt introducera larmetsom ett hälsofrämjande verktyg kan det arbeta preventivt. Med hjälp av AI, rörelse- ochpulssensor kan exempelvis förmaksflimmer upptäckas och behandlas innan det leder till stroke.I kombination med inbyggd fallsensor kan larm skickas automatiskt vid behov. Integreradtelefoni skapar trygghet genom förbättrad kommunikation.Kombinationen av modulär produktutveckling, produkt-tjänstesystem och cirkulär ekonomierbjuder ett mer hållbart produktsystem som leder till starkare konkurrenskraft, bättreindividanpassning och längre hållbarhet. Det vore önskvärt om aktörer inom trygghetslarmuppdaterade sina affärsmodeller för att erbjuda nya ägarmodeller. Vårdbolag skulle ges störremöjlighet att erbjuda den senaste tekniken och skulle inte dras med föråldrad teknik på grundav tidigare gjorda investeringar, vilket skulle innebära en säkrare och tryggare vård. / Through a user-centered product development process, a future concept for medical alertsystems has been developed. The developed medical alert system aims to strengthen the user'sindependence through preventive, rather than reactive work.The preventive work is initiated by the early implementation of the alarm to prevent agerelateddiseases using sensors and Artificial Intelligence. By early implementation, the alarmis also available even before the accident occur.The purpose of the project was to investigate what creates safety for the user and how it issupported in a product and service with a service design perspective. During the work, acomplex image of the users needs emerged that changed, not only between users, but also forthe individual user over time. Therefore, a modular product service system was created thatincludes three product variants that together meet the needs of most users.A service-based medical alert system with the possibility of upgrades, replacements and repairsmeans long-term competitiveness and a more sustainable model that better meet the needs ofthe user and healthcare companies. A service based on an application-based platform can becustomized to the user and make relevant information available to reduce the exclusion thatmany users experience.Through an iterative process of interactions, insights and concept generation, the service designperspective contributed with a needs-based analysis. The design of the product service systemis based on insights obtained during contextual interviews. The interviews involved differentactors such as healthcare providers, technology companies and researchers, but mainly oftoday's and next-generation users. The purpose was to create a broad basis that contributes to aholistic view of the user´s need.Through interactions it was found that the alarm must be mobile and be able to share its position.Mobility contributes to a safe active life outside the home. Keeping physically and sociallyactive is according to the World Health Organization, WHO, the foundation for independentand healthy aging and is a prerequisite for meeting the challenges of an aging population.To attract users, the association to the medical alert system must be shifted from helplessnessto independence, activity and well-being. By introducing the alarm early as a health-promotingtool, it can work preventively. For example, by means of AI, motion and pulse sensors, atrialfibrillation can be detected and treated before it leads to stroke. In combination with the builtinfall sensor, alarms can be sent automatically when needed. Integrated telephony createssecurity through much improved communication.The combination of modular product development, product service systems and circulareconomy offers a more sustainable product system, that leads to greater competitiveness, betterindividualization and longer durability. It would be desirable for actors within medical alertsystems to update their business models to offer new ownership models. The healthcarecompanies would have a greater opportunity to offer the latest technology and would not bebound to outdated technology due to previously made investments, which would mean a saferand more secure elderly care.

I en värld driven av kontinuerliga framsteg inom teknologisektorn, i samband med ökad konkurrens, har detaljhandelslandskapet genomgått en förändring där kundernas förväntningar har förändrats drastiskt. Introduktionen av internet, ”smartphones” och sociala plattformar har resulterat till oöverträffade nivåer av tillgång till enkel kommunikation mellan individer, samt till geografiskt avlägsna klädbutiker som inte tidigare var möjliga att shoppa ifrån. Den här utvecklingen har lett till att kunderna förväntar sig mer från företag och nöjer sig därför inte längre med ”one-size-fits-all” upplevelse, utan förväntar sig istället en upplevelse som är präglad av individuell anpassning. Då kunder idag har tillgång till många olika alternativ att köpa kläder ifrån så behöver dagens klädbutiker förändra sitt värdeerbjudande. Teknik och personifiering av shoppingupplevelsen är därför två viktiga komponenter som klädbutiker behöver investera i för att kunna leva upp till de krav som framtidens kund kommer att ställa. Med detta i åtanke har följande syfte formulerats: "Syftet med uppsatsen är att undersöka vilka nya tekniker som kan implementeras i framtida klädbutiker för att förbättra kundupplevelsen och därmed möta de framtida kundernas behov." Baserat på de resultat och analyser som genomfördes under studiens gång, så bör dagens klädbutiker fokusera på följande tekniker för att kunna tillgodose de krav som framtidens kund kommer att ställa: RFID-taggar, digitala speglar, online avatarer, artificiell intelligens, biometritekniker, förstärkt verklighet och maskininlärning. / In a volatile business world, continuous advancements within the technology sector along with increased competition has led the retailing landscape to go through a transformation of late and have subsequently led customers to view retail stores in a different light. The rise of internet, smartphones, and social networking platforms has led to unprecedented levels of customer connection and empowerment. This development has led the customers to expect more from companies and no longer settle for a “one-size-fits-all” service experience, but instead expects individualized customization. As customers are undoubtedly in power and desires a personalized experience, technology and personalization are therefore two key components that retailers need to invest in to solidify a competitive edge in the imminent future.  “The purpose of the thesis is to investigate what emerging technologies could be implemented in future apparel retail stores to enhance the customer experience and address the needs of the future customer.” Based on the results and analysis derived from the study, findings suggest that companies should focus on the following technologies to have the means to meet the needs of the future customer, with the intention to enhance the overall customer experience: RFID tags, digital mirrors, online avatars, artificial intelligence, biometrics, augmented reality, and machine learning.

With increasing world tensions and improvements of satellites and their sensors, the interest and possibility of using space and satellites for defensive purposes has increased greatly. However, not much research has been conducted into the needs and possibilities of satellite constellations over Sweden, especially using SAR and optical sensors combined with AI object detection. This thesis provides insight in to the needs and requirements to achieve certain coverage and gap times and explores different constellation design methods to do so. This is done by combining large scale tests performed with genetic algorithm and a dual-axis propagator with theoretical and analytical methods. Results show that for micro-satellites under 100 kg based on current commercial technology, it is found that between 24 to 63 satellites are needed for 1 hour gap times depending on what combination of SAR and optical satellites are used. The genetic algorithm was found to not generate optimal constellations as the number of satellites increased beyond 12. It was however useful in mapping out possibilities and finding certain optimal parameters such as the inclination. The dual-axis propagator tested for its low processing load was found to be good for coverage analysis and estimating the shapes of the orbits. It was noted to have large positional errors however, limiting its use to analysis and not full constellation design. / Med ökande världsspänningar och förbättringar av satelliter och deras sensorer har intresset och möjligheterna att använda rymden och satelliter för försvarssyften ökat avsevärt. Dock har inte mycket forskning gjorts om behoven och möjligheterna med satellitkonstellationer över Sverige, särskilt när det gäller användningen av SAR och optiska sensorer i kombination med AI-objektdetektering. Denna avhandling ger insikt i behoven och kraven för att uppnå viss täckning och tidsgap samt utforskar olika metoder för konstellationsdesign för att uppnå detta. Detta görs genom att kombinera storskaliga tester med genetiska algoritmer och en dual-axis propagator med teoretiska och analytiska metoder. Resultaten visar att för mikrosatelliter under 100 kg, baserat på nuvarande kommersiell teknik, krävs mellan 24 och 63 satelliter för att uppnå gapptider på 1 timme, beroende på vilken kombination av SAR- och optiska satelliter som används. Det konstaterades att genetiska algoritmen inte tillförlitligt kunde hitta optimala konstellationer när antalet satelliter ökade bortom 12 st. Dualaxelpropagatorn, som testades för sin låga processbelastning, ansågs vara bra för täckningsanalys och uppskattning av omloppsbanornas former. Den hade dock stora positionsfel, vilket begränsade dess användning till analys och inte fullständig konstellationsdesign.

With the rapidly increasing rate of development artificial intelligence (AI) has experienced in recent years, more and more companies have begun to recognize the benefits and possibilities of the technology. This study is a qualitative interview study that has explored and evaluated which challenges are encountered today in customer services and which driving forces and barriers exist in introducing an AI-driven solution with a focus on chatbots. Five semi-structured interviews with people who hold a role as a person responsible for customer service at Monitor ERP System have created the resulting material. According to the respondents, AI and chatbots will have a major impact on customer service, opening many development opportunities. This opens to solve the challenges identified today, which according to the respondents are the new demands from the generational shift, manual- and repetitive work, and finally the lack of time and resources. The driving forces that have been identified for introducing an AI-driven chatbot are stronger corporate branding, increased productivity, higher customer satisfaction, improved work climate, and increased time- and cost efficiency. But getting to the stage where AI and chatbots are used in a business is not entirely without its barriers. The barriers that could be identified are the continued weight of the human factor, difficulties with customer- and employee acceptance, lack of skills, and the complexity and useful data. Even though several difficulties and barriers are expected along the way, the respondents look enthusiastically and expectantly at the development and the future opportunities AI and chatbots can contribute to customer service. / Med den kraftigt ökande utvecklingstakt artificiell intelligens (AI) har upplevt de senaste åren har allt fler företag börjat inse fördelarna och möjligheterna med teknologin. Denna studie är en kvalitativ intervjustudie som har utforskat och utvärderat vilka utmaningar som möts idag inom kundtjänster och vilka drivkrafter samt hinder som finns med att införa en AI-driven lösning med fokus på chattbotar. Fem semistrukturerade intervjuer med personer som besitter en roll som huvudansvarig inom kundtjänsten hos Monitor ERP System har skapat resultatmaterialet. AI och chattbotar kommer enligt respondenterna ha en stor påverkan på kundtjänster och det öppnar upp för många olika utvecklingsmöjligheter. Detta öppnar också upp för att lösa de utmaningar som identifierats idag vilka enligt respondenterna är de nya kraven från generationsskiftet, manuellt- och repetitivt arbete och till sist bristen på tid och resurser. De drivkrafter som identifierats för att införa AI-drivna chattbotar är starkare företagsvarumärke, ökad produktivitet, höjd kundnöjdhet, förbättrat arbetsklimat och ökad tid- och kostnadseffektivitet. Men att komma till det stadie då AI och chattbotar används i verksamheten är inte helt utan hinder. De hinder som identifierats är vikten av mänskliga faktorn, svårigheter med kund- och medarbetaracceptans, kompetensbrist och komplexiteten samt användbarheten av data. Trots att flera svårigheter och hinder förväntas på vägen ser respondenterna entusiastiskt och förväntansfullt på utvecklingen och de framtida möjligheterna AI och chattbotar kan bidra med till kundtjänster.

Det här examensarbetet undersöker hur artificiell intelligens kan användas för att automatisktkategorisera felanmälan som behandlas i ett ärendehanteringssystem genom att användamaskininlärning och tekniker som text mining. Studien utgår från Design Science ResearchMethodology och Peffers sex steg för designmetodologi som utöver design även berör kravställningoch utvärdering av funktion. Maskininlärningsmodellerna som tagits fram tränades på historiskadata från ärendehanteringssystem Infracontrol Online med fyra typer av olika algoritmer, NaiveBayes, Support Vector Machine, Neural Network och Random Forest. En webapplikation togs framför att demonstrera hur en av de maskininlärningsmodeller som tränats fungerar och kan användasför att kategorisera text. Olika användare av systemet har därefter haft möjlighet att testafunktionen och utvärdera hur den fungerar genom att markera när kategoriseringen avtextprompter träffar rätt respektive fel.Resultatet visar på att det är möjligt att lösa uppgiften med hjälp av maskininlärning. En avgörandedel av utvecklingsarbetet för att göra modellen användbar var urvalet av data som användes för attträna modellen. Olika kunder som använder systemet, använder det på olika sätt, vilket gjorde detfördelaktigt att separera dem och träna modeller för olika kunder individuellt. En källa tillinkonsistenta resultat är hur organisationer förändrar sina processer och ärendehantering över tidoch problemet hanterades genom att begränsa hur långt tillbaka i tiden modellen hämtar data förträning. Dessa två strategier för att hantera problem har nackdelen att den mängd historiska datasom finns tillgänglig att träna modellen på minskar, men resultaten visar inte någon tydlig nackdelför de maskininlärningsmodeller som tränats på mindre datamängder utan även de har en godtagbarträffsäkerhet. / This thesis investigates how artificial intelligence can be used to automatically categorize faultreports that are processed in a case management system by using machine learning and techniquessuch as text mining. The study is based on Design Science Research Methodology and Peffer's sixsteps of design methodology, which in addition to design of an artifact concerns requirements andevaluation. The machine learning models that were developed were trained on historical data fromthe case management system Infracontrol Online, using four types of algorithms, Naive Bayes,Support Vector Machine, Neural Network, and Random Forest. A web application was developed todemonstrate how one of the machine learning models trained works and can be used to categorizetext. Regular users of the system have then had the opportunity to test the performance of themodel and evaluate how it works by marking where it categorizes text prompts correctly.The results show that it is possible to solve the task using machine learning. A crucial part of thedevelopment was the selection of data used to train the model. Different customers using thesystem use it in different ways, which made it advantageous to separate them and train models fordifferent customers independently. Another source of inconsistent results is how organizationschange their processes and thus case management over time. This issue was addressed by limitinghow far back in time the model retrieves data for training. The two strategies for solving the issuesmentioned have the disadvantage that the amount of historical data available for training decreases,but the results do not show any clear disadvantage for the machine learning models trained onsmaller data sets. They perform well and tests show an acceptable level of accuracy for theirpredictions