Denna studie fokuserar på obalansen av containertillgången mellan Kina, Europa och USA. Företag inom containerindustrin i Kina har en låg tillgång på containrar men en hög efterfrågan, medan företagen försöker få tillgång till ett högre utbud av containrar kämpar USA med att tillgodose företagens efterfrågan i Kina. Studien identifiera de huvudsakliga orsakerna som kommer hjälpa till för att förstå varför det har uppstått en containerbrist i Kina, med fokus på konsekvenserna som uppkommit utifrån dessa bidragande faktorer.  Det finns problem gällande distributionen med containerfrakt vilket skapar oro gällande hanteringen av tomma containrar och hur de ska bli ompositionerade. Detta resulterar i en obalans av containrar inom vissa sektorer. Industrin inom Kina har haft produktionsstopp längre än förväntat på grund av pandemin vilket är orsaken till att den ökade produktionen satte stor press på hamnarna i Kina efter att nedstängningen var över. En annan orsak är att hamnar i USA blivit utsatta för pandemin, vilket i sin tur skapat en personalbrist och fartyg tvingades till att köa för att bli avlastade. Ytterligare en orsak fokuserar på Suezkanalen och hur ett fartyg blockerade hela kanalen, vilket orsakade förseningar och resursförluster för de inblandade parterna.  En konsekvens av den ökande efterfrågan på containerfrakt är att priset för frakten blir dyrare, vilket i sin tur kan påverka varornas pris då risken finns att specifikt priset kan stiga. Kinas exportföretag har skickat färre containrar som en direkt konsekvens av deras produktionsstopp vid det kinesiska nyåret, en konsekvens av den minskade exporten av containrar är att Kinas företag stöter på logistiska problem gällande att kunna möta efterfrågan på containerfrakt. En ytterligare konsekvens handlar om att tomma containrar spenderar mer tid ute på havet än vanligt gods, vilket orsakar obalanser gällande utbudet på containrar i världen. Gällande stoppet i Suezkanalen kommer de långvariga konsekvenserna kvarstå framöver gällande förseningar på transporter.

Temperature controllable containers are used frequently in order to transport pharmaceutical cargo all around the world. One of the leading manufacturing companies of these containers has a method for detecting containers with a faulty cooling system before making a shipment. However, the problem with this method is that the model tends to miss-classify containers. Hence, this thesis aims to investigate if machine learning usage would make classification of containers more accurate. Nonetheless, there is a problem, the data set is extremely imbalanced. If machine learning can be used to improve container manufacturing companies fault detection systems, it would imply less damaged and delayed pharmaceutical cargo which could be vital. Various combinations of machine learning classifiers and techniques for handling the imbalance were tested in order to find the most optimal one. The Random Forest classifier when using oversampling was the best performing combination which performed about equally as good as the company’s current method, with a recall score of 92% and a precision score of 34%. Earlier there were no known papers on machine learning for classification of temperature controllable containers. However, now other manufacturing companies could favourably use the concepts and methods presented in this thesis in order to enhance the effectiveness of their fault detection systems and consequently improve the overall shipping efficiency of pharmaceutical cargo. / Temperatur reglerbara containrar används frekvent inom medicinsk transport runt om i hela världen. Ett ledande företag som är tillverkare av dessa containrar använder sig av en metod för att upptäcka containrar med ett felaktigt kylsystem redan innan de hunnit ut på en transport. Denna metod är fungerande men inte perfekt då den tenderar att felaktigt klassificera containrar. Detta examensarbete är en utredande avhandling för att ta reda på om maskininlärning kan användas för att förbättra klassificeringen av containrar. Det finns dock ett problem, data setet är extremt obalanserat. Om maskininlärning kan användas för att förbättra felsökningssystemen hos tillverkare av temperatur reglerbara containrar skulle det innebära mindre förstörda samt mindre försenade medicinska transporter vilket kan vara livsavgörande. Ett urval av kombinationer mellan maskininlärnings modeller och tekniker för att hantera obalanserad data testade för att avgöra vilken som är optimal. Klassificeraren Random Forest ihop med över-sampling resulterade i best prestanda, ungefär lika bra som företagets nuvarande metod. Tidigare har det inte funnits några kända rapporter om användning av maskininlärning för att klassificera temperaturer reglerbara containrar. Nu kan dock andra tillverkare av containrar använda sig av koncept och metoder som presenterades i avhandlingen för att optimera deras felsökningssystem och således förbättra den allmänna effektiviteten inom medicinsk transport.

Detta examensarbete genomfördes våren 2013 på Karlstads universitet där TD Rail & Industry i Västerås stod som uppdragsgivare. Projektet innefattade att kartlägga nuvarande omlastningslösningar av enhetslaster mellan järnvägstransporter och vägtransporter, och utarbeta en konceptuell omlastningslösning med fokus på att öka järnvägstransporternas flexibilitet gentemot vägtransporterna. Där vikten lades på att utarbeta ett välarbetat helhetskoncept. Projektet genomfördes med designprocessen som grund och innehöll bland annat momenten; förstudie, kravspecificering, idégenerering, konceptval m.m. Resultatet blev en vidareutveckling av det redan befintliga systemet CCT som bygger på horisontell överföringsteknik och möjliggör därför omlastning av enhetslaster direkt under kontaktledning. Skillnaden mellan RES och CCT är att man tagit bort ombyggnationen av tågvagn och lastbilschassi, som var en av CCTs stora svagheter, genom två hydrauliska ”teknikplattor”. Tack vare detta tillsammans med sin låga investeringskostnad/driftkostnad öppnar RES nya möjligheter för omlastning på fler strategiska punkter direkt utmed järnvägsnätet och därmed ökar järnvägstransporternas flexibilitet. Som vidareutveckling av RES föreslås ett samarbete med CCT där man initialt utför mer detaljerade beräkningar på teknikplattorna. / This Bachelor of Science thesis was carried out in spring 2013 at Karlstad University for a company called TD Rail and Industry placed in Västerås, Sweden. The project included mapping of current transferring solutions of unit loads between railway and road transports, and the development of a conceptual transferring solution with the focus to increase the flexibility of the railway transport. The importance was to develop a well-made overall concept rather than small detailed parts of it. The project followed the design process methodology and included parts like: pre-study, requirements specification, idea generation, concept selection etc.The result was a further development of an already existing system called CCT based on horizontal transferring technology and therefore allow transferring of units directly under the overhead contact line. Thanks to this, together with its low investment / operating costs RES opens new opportunities for additional strategic transferring places along the railway, thereby increasing the flexibility of rail transports. The difference between RES and CCT is that you no longer need to rebuild the railway cars or the truckchassis , which was one of CCTs major weaknesses, instead the lifting mechanism is replaced by two hydraulic "technique plates". As a further development of the RES a partnership with CCT is proposed.

Cloud-native is a new computing paradigm that takes advantage of key characteristics of cloud computing, where applications are packaged as containers. The lifecycle of containerized applications is typically managed by container orchestration tools such as Kubernetes, the most popular container orchestration system that automates the containers’ deployment, maintenance, and scaling. Kubernetes has become the de facto standard for container orchestrators in the cloud-native era. Meanwhile, with the increasing demand for High-Performance Computing (HPC) over the past years, containerization is being adopted by the HPC community and various processors and special-purpose hardware are utilized to accelerate HPC applications. The architecture of cloud systems has been gradually shifting from homogeneous to heterogeneous with different processors and hardware accelerators, which raises a new challenge: how to exploit different computing resources efficiently? Much effort has been devoted to improving the use efficiency of computing resources in heterogeneous systems from the perspective of task scheduling, which aims to match different types of tasks to optimal computing devices for execution. Existing proposals do not take into account the variation in I/O performance between heterogeneous nodes when scheduling tasks. However, I/O performance is an important but often overlooked factor that can be a potential performance bottleneck for HPC tasks. This thesis proposes an I/O-aware scheduler named cmio-scheduler for containerized data-intensive HPC tasks in Kubernetes-based heterogeneous clusters, which is aware of the I/O throughput of compute nodes when making task placement decisions. In principle, cmio-scheduler assigns data-intensive HPC tasks to the node that fulfills the tasks’ requirements for CPU, memory, and GPU and has the highest I/O throughput. The experimental results demonstrate that cmio-scheduler reduces the execution time by 19.32% for the overall workflow and 15.125% for parallelizable tasks on average. / Cloud-native är ett nytt dataparadigm som drar nytta av de viktigaste egenskaperna hos molntjänster, där applikationer paketeras som behållare. Livscykeln för applikationer i containrar hanteras vanligtvis av verktyg för containerorkestrering, t.ex. Kubernetes, det mest populära systemet för containerorkestrering, som automatiserar installation, underhåll och skalning av containrar. Kubernetes har blivit de facto-standard för containerorkestrar i den molnnativa eran. Med den ökande efterfrågan på högpresterande beräkningar (HPC) under de senaste åren har containerisering antagits av HPC-samhället och olika processorer och specialhårdvara används för att påskynda HPC-tillämpningar. Arkitekturen för molnsystem har gradvis skiftat från homogen till heterogen med olika processorer och hårdvaruacceleratorer, vilket ger upphov till en ny utmaning: hur kan man utnyttja olika datorresurser på ett effektivt sätt? Mycket arbete har ägnats åt att förbättra utnyttjandet av datorresurser i heterogena system ur perspektivet för uppgiftsfördelning, som syftar till att matcha olika typer av uppgifter till optimala datorutrustning för utförande. Befintliga förslag tar inte hänsyn till variationen i I/O-prestanda mellan heterogena noder vid schemaläggning av uppgifter. I/O-prestanda är dock en viktig men ofta förbisedd faktor som kan vara en potentiell flaskhals för HPC-uppgifter. I den här avhandlingen föreslås en I/O-medveten schemaläggare vid namn cmio-scheduler för containeriserade dataintensiva HPC-uppdrag i Kubernetes-baserade heterogena kluster, som är medveten om beräkningsnodernas I/O-genomströmning när den fattar beslut om placering av uppdrag. I princip tilldelar cmio-scheduler dataintensiva HPC-uppgifter till den nod som uppfyller uppgifternas krav på CPU, minne och GPU och som har den högsta I/O-genomströmningen. De experimentella resultaten visar att cmio-scheduler i genomsnitt minskar exekveringstiden med 19,32 % för det totala arbetsflödet och med 15,125 % för parallelliserbara uppgifter.

Software orchestrators like Kubernetes are growing in popularity with computer engineers for deploying and running complex software systems. Interestingly, there are now new technical standards being proposed for the telecom industry to begin utilizing software orchestration for the software that runs inside cellular networks. The telecom industry is currently transitioning from 4G to 5G technology. One of the central pieces of this development work is implementing a software orchestrator for 5G networks. This raises some questions about how and why the telecom industry will use software orchestration in their cellular networks. Software orchestration is a complex technology and it is challenging to develop an implementation of a software orchestrator. Some important questions that this thesis addresses are: What do network operators need from this technology? Furthermore, telecom vendors, like Ericsson and Huawei, have developed their own versions of a 5G software orchestrator, which orchestrator should the network operators choose? Furthermore, we investigate what 5G is, why the telecom industry is developing software orchestrators for the 5G roll-out, and importantly, we determine the design requirements that the telecom industry has for these "5G orchestration systems". We interpret and break down technical whitepapers from the industry, and we build a picture of the IT stack of upcoming 5G networks. In our research, we find that software orchestration is being used to deploy and maintain complex software stacks such as software-defined networking (SDN) system that is central to 5G networks. We uncover some of the specializations needed in a software orchestrator for the telecom industry, such as modularity, high-availability, and specialized system integration. With this information, we make feature and design recommendations for 5G orchestrators, and we compile a list of criteria that network operators can use to assess and compare different 5G orchestrators. / Orkestreringsprogramvaror som Kubernetes växer i popularitet med IT ingenjörer för att installera och köra komplexa mjukvarasystem. På grund av pågående transitionen från 4G till 5G, används orkestreringsprogramvaror nu också i mobilnäten. I den här uppsatsen undersöks vad är 5G, varför telekombranschen använder orkestreringsprogramvaror för nya 5G nätverk, och vad krav har telekombranschen på denna "5G orkestreringsprogramvaror". Denna undersökning utförs genom en litteraturstudie. Genom den här undersökningen, det visar sig att orkestreringsprogramvaror används för att installera och köra komplexa mjukvarasystem som är centralt till 5G nätverk. Specialiseringskrav för orkestreringsprogramvaror i telekombranschen upptäcks, som modularitet, hög tillgänglighet, och specialiserad API-hookar. Rekommendationer görs för 5G orkestreringsprogramvarors funktioner, och en lista sammanställas av kriterier som telekomoperatör kan använda för att bedöma och jämföra 5G orkestreringsprogramvaror.