The aim with this project was to investigate how the amount and composition of resins varied during the process producing bleached birch pulp at the mill SCA Packaging Munksund. A literature study about how the resin removal can be improved has also been included. Problems with resins in the process are common at pulp and paper mills, especially when birch is used as a raw material. The resin can cause deposits on the equipment leading to process stops, but also lowered mechanical properties and spots on the paper products. The addition of tall oil to the digester is one way of improving the removal of resins, seasoning of wood, and a good debarking are other ones. Also the different washing and bleaching steps can affect the amount of resin remaining in the pulp. In this study pulp samples from eight different positions in the process were analyzed. To extract the samples a Soxtec device was used. Results showed that the most effective resin removal happened during the washing in their first washing step after the digester, a DD-washer. Here 77 % of the resin was removed, of totally 88 % during the whole process. Another step which was effective was the final washing step, the PO-press. About 36 % of the remaining resins in the pulp which entered the PO-press were washed out here. The extracts were analyzed with GC-FID and GC-MS to identify and quantify the substances, and determine how the composition varied over the manufacturing process. Twelve different compounds were identified, and the birch bark resin, betulinol, turned out to be the hardest component to remove. Over all, the sterols and triterpenols were hard to deresinate, while the removal of resin acids, fatty acids, and fatty alcohols was more effective. The PO-reactors showed a positive effect on the fragmentation of components consisting of long carbon chains and double bonds, like squalene and betulaprenols. / Målet med projektet var att utreda hur mängden och sammansättningen av hartser varierade i den blekta björkmassan under tillverkningsprocessen på pappersbruket SCA Packaging Munksund. Att göra en litteraturstudie för att ta reda på vilka metoder som kan användas för att förbättra avhartsningen var en annan del av målet. Att pappers- och massatillverkare har problem med hartser är vanligt, speciellt när björkved används som råmaterial. Hartserna kan orsaka beläggningar på utrustningen som i sin tur kan leda till processtop, men även prickar och försämrade mekaniska egenskaper hos pappersprodukten. Att tillsätta tallolja till kokaren är en vanlig metod som används för att förbättra hartsreningen, att lagra träet innan koket, och lägga fokus på att förbättra barkningen är andra metoder. Även de olika blek- och tvättstegen som används under tillverkningen av massan kan påverka hartshalten. I denna studie analyserades massaprover från åtta olika positioner i processen. En Soxtec-utrustning användes för att extrahera massaproverna. Resultatet visade att den mest effektiva avhartsningen sker under tvätten i det första tvättsteget efter kokaren, DD-filtret. Här tvättades 77 % av hartserna ut, och totalt minskade mängden hartser med 88 % under hela processen. PO-pressen var ett annat tvättsteg som var effektivt ur avhartsningssynpunkt. Här togs 36 % av den kvarvarande mängden hartser bort från massan. Extrakten som erhållits från extraktionen analyserades vidare med GC-MS och GC-FID. Dessa metoder användes för att identifiera och kvantifiera extraktivämnena, och bestämma hur sammansättningen varierade under tillverkningsprocessen. Tolv olika ämnen identifierades och den substans som visade sig vara svårast att tvätta bort var björkbark hartset, betulinol. Stort sett så var steroler och triterpenoler svårast att bli av med, medans avhartsingen av hartssyror, fettsyror och fettalkoholer var mer effektiv. Det visade sig även att PO-reaktorerna hade en sönderdelande effekt på substanser såsom squalen och betulaprenoler, dessa består av långa kolkedjor med många dubbelbindningar mellan kolatomerna.

Christiane is a 7 meter sailing vessel and a 1:30 scale model of Oceanbird, a wind powered car carrier planned to be launched by the year 2024. The model is used for design validation and to research control algorithms. However, the development of new algorithms is limited to the microcontrollers used, which are not able to run resource intense applications. Furthermore, there is no easy way for new computational nodes to interact with the vessels system. In this thesis, a high-level, easy to use, interface was proposed, designed and implemented. This was done by identifying the the requirements and limitations of the project and examining the system to find a suitable solution. The two biggest limitations found were that the solution had to include a single-board computer and that the implementation could not drastically alter the system architecture of the model. The implementation included a single-board computer being added on top of the models architecture which publishes all gathered sensor data and actuator commands on a robotics operating system interface. The interface was an immediate improvement to the usability of the vessel since it allows for graphical presentation of gathered data in real time. / Christiane är en 7 meter lång segellfarkost och en modell i skala 1:30 av Oceanbird, ett vinddrivet lastfartyg för fordon som är planerad att sjösättas år 2024. Modellen används för att validera designen samt för forskning kring kontrollalgoritmer. Utvecklingen av nya algoritmer är dessvärre begränsad till systemets mikrokroller, vilka inte klarar av att köra resursintensiva applikationer. Det finns inte heller något enkelt sätt för nya beräkningsnoder att interagera med båtens system. Denna rapport föreslår ett högnivå-gränssnitt till modellen som är enkelt att använda och presenterar en implementation av det som underlättar framtida forskning. Detta gjordes genom att först identifiera projektets krav och begränsningar samt genom att undersöka modellens system för att hitta en lämplig lösning. De två största funna begränsningarna var att lösningen var tvungen att inkludera en enkortsdator och att implementationen inte fick innebära några större förändringar av modellens system-arkitektur. Implementationen bestod av att en enkortsdator lades till ovanpå modellens arkitektur som publicerar all samlad sensordata och alla kommandon för ställdon på ett robotics operating system gränssnitt. Gränssnittet gav en direkt förbättring av fartygets användarvänlighet då det möjliggjorde grafisk presentation av den samlade datan i realtid.

One of the most globally common types of cancer is skin cancer, where melanoma is the most deadly form. An important and promising tool for diagnosing diseases such as skin cancer is computer aided diagnostics, a tool which utilizes machine learning to predict and classify cancer. Limiting the complexity of the data, known as feature selection, can potentially improve classification accuracy. This report evaluates the accuracy of four different classifiers - Support Vector Machine, Naive Bayes, Decision Tree and Artificial Neural Network - with four different feature selection methods - Sequantial Forward Selection, Sequantial Backward Selection, Entropy and Principal Component Analysis - on the PH2 skin cancer dataset, containing dermoscopic images of skin lesions and their respective metadata. The findings reveal that all feature selection methods led to an improved accuracy rate on at least one classifier compared to not using feature selection. Furthermore, certain feature selection methods resulted in a significant gain in accuracy, indicating the potential value of feature selection techniques in improving the accuracy and efficiency of machine learning classifiers in computer-aided diagnosis systems for melanoma skin cancer detection. However, the results also underscore the importance of careful selection of the number of features to avoid adverse effects on model performance. This research contributes to the field by demonstrating the impact of feature selection methods on melanoma skin cancer detection and highlighting considerations for their application. / En av de globalt vanligaste typerna av cancer är hudcancer, där melanom är den mest dödliga typen. Ett viktigt och effektivt verktyg för att diagnostisera sjukdomar som hudcancer är datorstödd diagnostik, ett verktyg som använder maskininlärning för att förutse och klassificera cancer. Att begränsa komplexiteten i data, känt som attributurval, kan potentiellt förbättra klassificeringsnoggrannheten. Denna rapport utvärderar noggrannheten hos fyra olika klassificerare - ”Support Vector Machine”, ”Naive Bayes”, ”Decision Tree” och ”Artificial Neural Network” - med fyra olika attributurvalsmetoder - ”Sequantial Forward Selection”, ”Sequantial Backward Selection”, ”Entropy” and ”Principal Component Analysis” - på PH2 hudcancerdatasetet, som innehåller dermoskopiska bilder av hudlesioner och deras respektive metadata. Resultaten visar att alla attributurvalsmetoder ledde till en förbättrad noggrannhetsgrad på minst en klassificerare jämfört med att inte använda attributurval. Dessutom resulterade vissa attributurvalsmetoder i en betydande ökning i noggrannhet, vilket indikerar det potentiella värdet av attributurvalstekniker för att förbättra noggrannheten och effektiviteten hos maskininlärningsklassificerare i datorstödda diagnossystem för detektering av melanom hudcancer. Däremot understryker resultaten också vikten av noggrant urval av antalet attribut för att undvika negativa effekter på modellens prestanda. Denna forskning bidrar till fältet genom att demonstrera inverkan av attributurvalsmetoder på detektering av melanom hudcancer och belysa överväganden för deras tillämpning.

The possible effects of the General Data Protections Regulations (GDPR) have been widely discussed among policymakers, stakeholders and ordinary people who are the objective for data collection. The purpose of GDPR is to protect people’s integrity and increase transparency for how personal data is used. Up until May 25th, 2018 personal data could be sampled and used without consent from users. Many argue that the introduction of GDPR is good, others are reluctant and argue that GDPR may harm data-driven companies. The report aims to answer how GDPR affects sales at the flight search engine Flygresor.se. By examining how and to what extent these regulations impact revenue, it is hoped for that these findings will lead to a deeper understanding of how these regulations affect businesses. Multiple linear regression analysis was used as the framework to answer the research question. Numerous models were constructed based on data provided by Flygresor.se. The models mostly included categorical variables representing time indicators such as month, weekday, etc. After carefully performing data modifications, variable selections and model evaluation tests three final models were obtained. After performing statistical inference tests and multicollinearity diagnostics on the models it could be concluded that an effect from GDPR could not be statistically proven. However, this does not mean that an actual effect of GDPR did not occur, only that it could not be isolated and proven. Thus, the extent of the effect of GDPR is statistically inconclusive. / De möjliga följderna av införandet av General Data Protections Regulations (GDPR) har varit väl omdiskuterat bland beslutsfattare, intressenter och människor som är målet för datainsamlingen. Syftet med GDPR är att skydda människors integritet samt öka insynen för hur personlig data används. Fram tills den 25 maj 2018 har det varit möjligt att samla in och använda personuppgifter utan samtyckte från användare. Många menar att införandet av GDPR är nödvändigt medans andra är mer kritiska och menar att GDPR kan skada lönsamheten för data beroende verksamheter. Denna rapport syftar till att svara på huruvida GDPR har påverkat försäljningen på flygsökmotorn Flygresor.se. Genom att undersöka om och i vilken utsträckning dessa regler påverkat intäkterna, är förhoppningen att dessa resultat kan leda till en djupare förståelse för hur GDPR påverkar företag. Multipel linjär regressionsanalys användes som ramverk för att svara på frågeställningen. Flera modeller utformades baserat på data som tillhandahölls av Flygresor.se. Modellerna var främst baserade på kategoriska variabler som representerade tidsaspekter så som månad, veckodag etc. Efter ett grundligt genomförande av data modifieringar, variabelselektion och modellutvärdering kunde tre modeller konstateras. Efter att ha genomfört signifikanstester och korrelationstester på modellerna kunde det fastställas att en effekt från GDPR inte kunde statistiskt säkerställas. Dock betyder detta inte att GDPR inte har haft en faktisk effekt, utan att en effekt inte kunde isoleras och bevisas.

Producing a model explaining the trading volume can be attractive for companies who’s main revenue resides on it. Previous studies have shown that factors such as stock returns, volatility and uncertainty affects the trading volume. The purpose of this work is to clarify the consensus that prevails and determine the factors that impact Avanza’s customers trading volume. Factors such as daily stock returns and economic, political and financial uncertainty are analyzed through a multiple linear regression analysis with a daily time period between 2000-2019. The work is thus designed within the framework of mathematical statistics and industrial economics. To be able to draw a conclusion, further investigation is required in the form of a time series analysis in combination with a deeper understanding of the applied area and the mathematical methods that have been used. / Att ta fram en modell som förklarar handelsvolymen kan vara eftertraktat hos företag vars huvudintäkter beror av den. Tidigare forskning visar att faktorer som prisförändringar på aktiemarknaden, volatilitet och osäkerhet påverkar handelsvolymen. Syftet med arbetet är att klargöra den konsensus som råder och fastställa de faktorer som har störst påverkan gällande handelsvolymen för Avanza’s kunders. Faktorer som dagliga förändringar inom börsmarknaden och ekonomisk, politisk och finansiell osäkerhet har genom en multipel linjär regressionsanalys analyserats med en daglig tidsperiod mellan 2000-2019. Arbetet är således utformat inom ramen för matematisk statistik och industriell ekonomi. För att kunna dra en slutsats krävs vidare undersökning i form av en tidsserieanalys och en djupare förståelse av det tillämpade området och metoderna som har an- vänds.

In thesis within Industrial Economics and Applied Mathematics in cooperation with Svenska Handelsbanken given transformations was examined in order to assess their ability to make a given time series stationary. In addition, a parameter α belonging to each of the transformation formulas was to be decided. To do this an extensive study of previous research was conducted and two different tests of hypothesis where obtained to confirm output. A result was concluded where a value or interval for α was chosen for each transformation. Moreover, the first difference transformation is proven to have a positive effect on stationarity of financial data. / Det här kandidatexamensarbetet inom Industriell Ekonomi och tillämpad matematik i samarbete med Handelsbanken undersöker givna transformationer för att bedöma deras förmåga att göra givna tidsserier stationära. Dessutom skulle en parameter α tillhörande varje transformations formel bestämmas. För att göra detta utfördes en omfattande studie av tidigare forskning och två olika hypotestester gjordes för att bekräfta output. Ett resultat sammanställdes där ett värde eller ett intervall för α valdes till varje transformation. Dessutom visade det sig att "first difference" transformationen är bra för stationäritet av finansiell data.

ESG risks, which stands for environmental, social, and governance, has in recent years exploded as a conversational topic. Including ESG efforts in company reports, and being transparent about operations is not as foreign as before. However, companies operating in controversial sectors and areas, known to have great environmental impact, face increased pressure to comply with the ESG values. One sector would be the oil sector, which is known as one of the most controversial sectors in regards to social and environmental issues. Disastrous events, such as spills and deaths following operations, have spread fast and sometimes hit hard on stock prices. The report will assess changes in stock prices in relation to changes in ESG-risk scores and ESG news for a selected number of companies, as well as a few macro variables. For this, a multiple regression analysis will be carried through. The thesis concludes in a model in which the ESG variables cannot explain overall stock movements; the variables that are shown statistically significant are mainly macro variables. However, certain stock movements that are marked as influential points by the model, which in this case all were rapid stock movements, seem to be reflected better on the changes of the ESG variables, which paves the way for further research. / ESG-risker, som står för miljö (enviromental), sociala (social) och styrning (governance), har under senare år blivit ett återkommande konversationsämne både på arbetsplatser och i undervisning. Transparens i årsredovisningar och tydliga ställningstaganden i miljömässiga och etiska frågor är inte längre lika främmande. Företag som verkar inom kontroversiella sektorer och områden, som är kända för att ha stor miljöpåverkan, står inför ett ökat tryck att bejaka dessa växande ESG värderingar. Den sektor som behandlas här är oljesektorn, känd som en av de mest kritiserade sektorerna när det gäller sociala och miljömässiga frågor. Katastrofhändelser, såsom oljespill, sprider sig i dag snabbt och påstås påverka aktiekursändringar. Rapporten kommer att bedöma förändringar i aktiekurserna i förhållande till förändringar i så kallade ESG-riskpoäng för ett antal utvalda företag, genom att utföra en multipel regressionsanalys. Makrovariabler som bedöms relevanta tas även hänsyn till. Avhandlingen avslutas i en modell där ESG-variablerna inte kan förklara de totala aktiekursrörelserna. De variabler som visar statistisk signifikans är huvudsakligen makrovariabler. Snabba aktierörelser som i huvudsak inte följer regressionsmodellen verkar däremot emellertid bättre förklaras av ESG-variabler eller händelser, vilket banar väg för ytterligare undersökningar.

Projektet riktar sig mot ett företag som är verksamma inom förpackningsindustrin med behandling och hållbarhet av papper. Operatörerna på anläggningen arbetar med att applicera plastbeläggning på papper för att göra det mer resistent mot vätska. När pappersrullar erhåller ett mindre vanligt produktionsfel utan tydlig åtgärd, finns en felhantering som kallas för ''tveksam bedömning'' (TVB). Hanteringen av TVB:er har tidigare bestått av mycket manuell hantering, vilket är ineffektivt, tidskrävande och otydligt som i sin tur kan leda till missförstånd. För att förbättra felhanteringen har ett befintligt program, som företaget använder sedan tidigare, vidareutvecklats för att kunna rapportera TVB:er och även kunna spåra tidigare TVB:er. Syftet med projektet är att förenkla processen för hanteringen av TVB:er samt minimera och underlätta arbetet för operatörerna. Genom att automatisera hur och var information sparas, samt koppla det till ett lättanvänt användargränssnitt, förenklas proceduren och minimerar arbetet för operatörerna. / This project targets a company that are operative within treatment and durability of paper in the packaging industry. At their facility, the production consists of applying plastic coating on the paper to make it more resistant to liquids, as the final product is intended as a container for liquid, e.g. milk. When paper rolls have a less common or more difficult error, there is an error handling procedure called ''questionable assessment''. This procedure consists of much manual handling which is ineffective, time consuming and inexplicit, which can lead to misunderstanding. To improve the error handling, an existing program that the company uses, will be further developed to manage error reports and to track earlier error reports. The purpose of the project is to simplify the process and minimize the workload for the staff. By automating how and where the information is stored as well as connecting it to a user-friendly interface, it will improve the procedure and minimize the work needed by the staff.

Version Control Systems are a staple of modern software development and its usage is rapidly growing in education. Students often use Version Control Systems such as Git and GitHub during their education, though newly examined students are often found to lack mastery of industry standard practices. Manually monitoring and giving feedback to students is time consuming and requires a large amount of labor. Therefore, this paper proposes and evaluates an automated feedback system which analyses student assignment repositories an publishes feedback based on a set of data points. After the study, we attempt to measure any impact of the feedback on student performance. The study is unable to underline a significant impact. Students are also asked to reflect over the feedback and the reception was positive, further promoting future studies on the subject. / Versionshantering används idag flytigt inom mjukvaruutveckling och dess popularitet växer stadigt inom högre utbildning. Studenter får ofta lära sig att använda versionshanteringssystem såsom Git och GitHub under deras utbildning, trots detta saknar nyexaminerade studenter ofta tillräcklig kunskap om relevanta industristandarder. Att manuellt övervaka studenter och tillförse dem med respons på deras inlämningar är tidskrävande och kräver mycket arbetskraft. Mot bakgrund av detta föreslår och utvärderar vi i denna studie ett automatiskt responssystem med syftet att analysera studenters inlämningar samt återkoppla med relevant respons på ett antal datapunkter. Efter studiens slut görs en mätning av skillnader i studenternas resultat men ingen konkret slutsats kan sammanställas. Studenterna tillfrågades också att reflektera över responsen de tog del av. Deras svar samt studiens resultat pekar mot att ytterligare studier inom ämnet är väl motiverade.

This project aimed to evaluate the effectiveness of the Auto Regressive Exogenous(ARX) model in forecasting stock prices and contribute to research on statisticalmodels in predicting stock prices. An ARX model is a type of linear regression modelused in time series analysis to forecast future values based on past values and externalinput signals. In this study, the ARX model was used to forecast the closing pricesof stocks listed on the OMX Stockholm 30 (OMXS30*) excluding Essity, Evolution,and Sinch, using historical data from 2016-01-01 to 2020-01-01 obtained from YahooFinance. The model was trained using the least squares approach with a control signal that filtersoutliers in the data. This was done by modeling the ARX model using optimizationtheory and then solving that optimization problem using Gurobi OptimizationSoftware. Subsequently, the accuracy of the model was tested by predicting prices in aperiod based on past values and the exogenous input variable. The results indicated that the ARX model was not suitable for predicting stock priceswhile considering short time periods.