This thesis was conducted with the objective of reducing water consumption byoptimizing the cooling systems of steam sterilizers. As water is a precious resourcewith great environmental effects, it is important not to waste it. Consequently, thereis a need for a more resource-efficient cooling water system. The project focuses onthe development of a system that more efficiently regulates the cooling water utilization by optimizing temperatures. The goal of the project is to achieve a 20% reduction in water consumption of the GSS-91413 model steam sterilizer manufacturedby Getinge. In order to achieve the goal, changes were made to the cooling systemand control logic of the cooling system. By integrating a proportional valve at theoutlet of the cooling system, the system was pressurized with the coolant resultingin greater energy transfer between the condensate and the coolant. The developedcontrol logic incorporates process data combined with an equation-based approachthat utilizes temperature data to adjust the proportional valve leading to increasedcontrol of the flow of the coolant. As a result, the overall water consumption of thesystem was reduced by more than 50% while the maximal temperature of the systemdid not rise more than 1.5%. / Detta examensarbete genomfördes med målet att minska vattenförbrukningen genom att optimera kylsystemen i autoklaver. Eftersom vatten är en värdefull resursmed stora miljöeffekter är det viktigt att den inte slösas. Följaktligen finns ett behovav ett mer resurseffektivt kylvattensystem. Projektet fokuserar på utveckling av ettsystem som mer effektivt reglerar kylvattenutnyttjandet genom att optimera temperaturer. Målet med projektet är att uppnå en 20-procentig minskning av vattenförbrukningen för autoklavmodellen GSS-91413 tillverkad av Getinge. För att nå måletgjordes ändringar i kylsystemet och i kylsystemets styrlogik. Genom att integrera enproportionell ventil vid utloppet av kylsystemet trycksattes systemet med kylvätskanvilket resulterade i större energiöverföring mellan kondensatet och kylvätskan. Denutvecklade styrlogiken inkorporerar processdata kombinerat med ett ekvationsbaserat tillvägagångssätt som använder temperaturdata för att justera proportionalventilen vilket leder till ökad kontroll av kylvätskans flöde. Som ett resultat minskade dentotala vattenförbrukningen i systemet med mer än 50% medan systemets maximalatemperatur inte steg mer än 1.5%.

Neuromodulation, such as spinal cord stimulation (SCS) and deep brain stimulation (DBS), has been shown to modulate pathophysiological brain activity and provide symptomatic therapy for several neurological disorders, including Parkinson’s Disease. The effectiveness of this therapy could likely be further improved by neuromodulation that is adaptive, delivering stimulation more selectively, by monitoring a biomarker in recorded brain signals, which indicates the presence of a pathological state. In the treatment of Parkinson’s Disease, the most commonly proposed solutions for adaptive neuromodulation are relying on excessive beta-band oscillatory activity as a biomarker, which is however often highly variable between patients during movement and in conjunction with neuromodulatory treatment, such as levodopa. These limitations hinder broader use of this biomarker and prompts further research for alternative solutions. In this work, we instead present the use of a novel feature of evoked electrophysiological activity, which utilizes the inter-trial phase coherence between stimulation pulses, to classify parkinsonian brain states in 6-OHDA lesioned rats. We developed a method, which relates to the rate of decay in inter-tral phase coherence, evoked by single SCS or DBS pulses, that is able to statistically separate experimental conditions recorded from a dopaminergic depleted hemisphere from conditions a non-depleted hemisphere, while also being able to separate conditions with levodopa treatment from conditions without treatment. For animals undergoing SCS we can classify phase decay measurements from pharmacologically treated or untreated parkinsonian states, using a Bayesian model, with a high accuracy and strong classifier performance for a single channel (AUC 0.85 – 0.99) in the motor cortex and striatum. In ongoing experiments, similar implementation of adaptive DBS is being evaluated. Our results support the implementation of our feature in a protocol aimed at performing closed-loop neuromodulation in the 6-OHDA rat model of Parkinon’s Disease, that can serve as the basis for further studies. / Neuromodulering, såsom ryggmärgsstimulering (SCS) och djup hjärnstimulering (DBS), har visat sig kunna modulera patofysiologisk hjärnaktivitet och ge symtomatisk behandling av flera neurologiska sjukdomar, inklusive Parkinsons sjukdom. Effekten av denna behandling skulle sannolikt kunna förbättras ytterligare genom neuromodulering som är adaptiv och ger stimulering mer selektivt, genom övervakning av en biomarkör i registrerade hjärnsignaler, som indikerar förekomsten av ett patologiskt tillstånd. Vid behandling av Parkinsons sjukdom förlitar sig de vanligaste lösningarna för adaptiv neuromodulering på överdriven beta-bands oscillatorisk aktivitet som en biomarkör som dock ofta är mycket varierande mellan patienter, under rörelse och i samband med behandling så som levodopa. Dessa begränsningar hindrar en bredare användning av denna biomarkör och ytterligare forskning krävs för att hitta alternativa lösningar. I detta arbete presenterar vi istället en ny egenskap hos väckt elektrofysiologisk aktivitet, som utnyttjar faskoherens mellan stimuleringspulser för att klassificera parkinsonistiska hjärntillstånd hos 6-OHDA-lesionerade råttor. Vi har utvecklat en metod som relaterar till avklingningshastigheten i faskoherens, framkallad av enstaka SCS- eller DBS-pulser, som kan statistiskt särskilja de experimentella tillstånden i en dopaminergiskt utarmad hemisfär från liknande tillstånd, fast i en icke utarmad hemisfär. Den kan även statistiskt särskilja tillstånd med levodopabehandling från tillstånd utan behandling. För djur som genomgår SCS kan vi klassificera fasförfallsmätningar från farmakologiskt behandlade eller obehandlade parkinsontillstånd, med hjälp av en Bayesiansk modell, med hög noggrannhet och stark klassificeringsprestanda för en enda kanal (AUC 0,85 - 0,99) i motorcortex och striatum. I pågående experiment utvärderas en liknande implementering av adaptiv DBS. Våra resultat stöder implementeringen av vår funktion i ett protokoll som syftar till att utföra sluten neuromodulering i 6-OHDA-råttmodellen för Parkinons sjukdom, som kan tjäna som grund för ytterligare studier.