Federated learning is a widely established modern machine learning methodology where training is done directly on the client device with local client data and the local training results are shared to compute a global model. Federated learning emerged as a result of data ownership and the privacy concerns of traditional machine learning methodologies where data is collected and trained at a central location. However, in a distributed data environment, the training suffers significantly when the client data is not identically distributed. Hence, clustered federated learning was proposed where similar clients are clustered and trained independently to form specialized cluster models which are then used to compute a global model. In this approach, the cluster selection for clustered federated learning is a major factor that affects the effectiveness of the global model. This research presents two approaches for client clustering using local client data for clustered federated learning while preserving data privacy. The two proposed approaches use min-wise independent permutations to compute client signatures using text and word embeddings. These client signatures are then used as a representation of client data to cluster clients using agglomerative hierarchical clustering. Unlike previously proposed clustering methods, the two presented approaches do not use model updates, provide a better privacy-preserving mechanism and have a lower communication overhead. With extensive experimentation, we show that the proposed approaches outperform the random clustering approach. Finally, we present a client clustering methodology that can be utilized in a practical clustered federated learning environment. / Federerad inlärning är en etablerad och modern maskininlärnings metod. Träningen är utförd direkt på klientenheten med lokal klient data. Sen är dem lokala träningsresultat delad för att beräkna en global modell. Federerad inlärning har utvecklats på grund av dataägarskap- och dataintegritetsproblem vid traditionella maskininlärnings metoder. Dessa metoder samlar och tränar data på en central enhet. I den här metoden är kluster selektionen en viktig faktor som påverkar effektiviteten av den globala modellen. Detta forskningsarbete presenterar två metoder för klient klustring med hjälp av lokala klientdata för federerad inlärning samtidigt tar metoderna hänsyn på dataintegritet. Metoderna använder “min-wise” oberoende permutations och förtränade (“text och word”) inbäddningar. Dessa klientsignaturer används som en klientdata representation för att klustrar klienter med hjälp av agglomerativ hierarkisk klustring. Till skillnad från tidigare klustringsmetoder använder de två presenterade metoderna inte modelluppdateringar. Detta ger en bättre sekretessbevarande mekanism och har lägre kommunikationskostnader. De två presenterade metoderna överträffar den slumpmässiga klustringsmetoden genom omfattande experiment och analys. Till slut presenterar vi en klientklustermetodik som kan användas i en praktisk klustrad federerad inlärningsmiljö.

As human society develops, there is an increasing demand for electricity. However, the reserves of fossil fuels on earth are limited and may run out in the foreseeable future. Therefore, the possibility of replacing traditional fossil fuels with renewable energy sources is widely being investigated to resolve the world-faced energy shortage and environmental problems. The first method is to utilize more renewable energy such as wind and solar power and increase the percentage of distributed generation. Another method is to popularize electric vehicles due to their environmental-friendly and energy-saving characteristics. However, the integration of distributed generation and electric vehicles may greatly influence the operation and planning of power systems in several ways. This might result in deterioration of power system reliability. Since the society development highly depends on a safe and reliable power grid, it is essential to ensure high reliability of power systems when integrated with renewable energy resources. This master thesis aims to investigate the reliability performance of power distribution systems after integrating distributed generation and electric vehicles. First, the probabilistic model of distributed generation and electric vehicles for various scenarios are simulated. After that, a set of reliability analyses based on a standard reliability test system are carried out, in which a sequential Monte-Carlo simulation method is adopted to estimate average reliability indices. The overall conclusion is that the integration of distributed generation enhances power system reliability performance through supplying power to nearby customers in island mode. For electric vehicles, the proper regulation of charging behavior can help reduce the deterioration of power system reliability to the most extent, and the Vehicle-to-Grid mode can also improve system reliability. Furthermore, the electric bus dynamic charging mode has no additional harm to power system reliability performance than non-dynamic charging and has a promising prospect. / När det mänskliga samhället utvecklas finns det en ökande efterfrågan på el. Reserverna av fossila bränslen på jorden är dock begränsade och kan ta slut inom en överskådlig framtid. Därför undersöks möjligheten att ersätta traditionella fossila bränslen med förnybara energikällor för att lösa den världsomspända energibristen och miljöproblemen. Den första metoden är att använda mer förnybar energi såsom vind- och solenergi och öka andelen distribuerad produktion. En annan metod är att popularisera elfordon på grund av deras miljövänliga och energibesparande egenskaper. Integrationen av distribuerad produktion och elfordon kan dock påverka sätt och planering av kraftsystem i hög grad på flera sätt. Detta kan leda till försämring av elsystemets tillförlitlighet. Eftersom samhällsutvecklingen i hög grad beror på ett säkert och tillförlitligt kraftnät är det viktigt att säkerställa hög tillförlitlighet hos kraftsystem när de är integrerade med förnybara energikällor. Syftet med detta examensarbete är att undersöka tillförlitligheten hos kraftdistributionssystemet efter integrering av distribuerad generation och elfordon. För det första konstrueras den probabilistiska modellen för distribuerad generation och elfordon inklusive olika scenarier. Därefter genomförs en uppsättning tillförlitlighetsanalys baserad på RBTS buss 6-system, där sekventiell Monte-Carlo-simuleringsmetod antas för att uppskatta genomsnittliga återansvarsindex. Den övergripande slutsatsen är att integreringen av distribuerad produktion förbättrar systemets tillförlitlighet genom att leverera kraft till närliggande kunder på öns plats. För elektriska fordon kan korrekt reglering av laddningsbeteendet bidra till att minska försämringen av elsystemets tillförlitlighet i största möjliga utsträckning, och läget Fordon till nät kan även förbättra systemets tillförlitlighet. Dessutom har det elektriska bussens dynamiska laddningsläge ingen ytterligare skada på kraftsystemets tillförlitlighet och har ett lovande perspektiv.

I en traditionellt konservativ bransch rör det sig nu snabbt. En snabb ökning av andelen förnybar elproduktion gör att det uppstår en rad nya utmaningar som måste lösas. Den här studien är en undersökning av framtidens distributionsnät och har ett fokus på nätstationerna. Studien visar att en ökad mängd distribuerad generering kan göra att dagens skydd inte fungerar som tänkt. Samtidigt ökar kraven på våra elnät. Detta medför att nya skydd kan behövas. Man ser också att automation ökar vilket minskar avbrottstiderna. Det undersöks också vilka elenergilagringssystem som finns och kan vara aktuellt i distributionsnätet. Studien visar att ett Li-Jon batterilager kan fylla flera olika viktiga funktioner åt olika aktörer, detta öppnar för flera olika inkomstkällor samtidigt som kostnaderna sjunker. Detta gör att det kan bli möjligt att energilager blir en vanligt förekommande komponent i distributionsnätet.

This thesis aims to explore the compliance of blockchain technology and the GDPR. The GDPR was implemented for the EU member states in May 2018 with the purpose of harmonizing data protection regulation. However, the regulation is based on the notion that data is stored and processed in a centralized system. This causes an issue when it comes to distributed networks, and in particular with the distributed ledger technology (DLT), the underlying technology of blockchain. For this thesis, a literature review has been conducted to investigate the problems of GDPR compliance for blockchain projects, and what technical solutions exist to make a blockchain solution more GDPR compliant. In addition, interviews have been conducted to investigate the technical and legal perspectives on the current and future situations of regulation and technology. Compatibility problems mainly concern the immutability and transparency of a blockchain and examples of technical solutions that handle those problems can be found in the literature. Nevertheless, none of the discussed solutions are yet to guarantee full GDPR compliance. The technical and legal perspectives share ideas of the main compliance issues. However, differences such as interpretation of technical details can be identified, indicating problems to arise when regulating blockchains in the future. Further interdisciplinary work on guidelines for the GDPR is necessary for blockchain projects to be successful in complying with the regulation as well as to strengthen the technology neutrality of the GDPR.

Machine learning algorithms has its applications in almost all areas of our daily lives. This is mainly due to its ability to learn complex patterns and insights from massive datasets. With the increase in the data at a high rate, it is becoming necessary that the algorithms are resource-efficient and scalable. Gaussian processes are one of the efficient techniques in non linear modelling, but has limited practical applications due to its computational complexity. This thesis studies how parallelism techniques can be applied to optimize performance of Gaussian process regression and empirically assesses parallel learning of a sequential GP and a distributed Gaussian Process Regression algorithm with Random Projection approximation implemented in SPARK framework. These techniques were tested on the dataset provided by Volvo Cars. From the experiments, it is shown that training the GP model with 45k records or 219 ≈106 data points takes less than 30 minutes on a spark cluster with 8 nodes. With sufficient computing resources these algorithms can handle arbitrarily large datasets. / Maskininlärningsalgoritmer har sina applikationer inom nästan alla områden i vårt dagliga liv. Detta beror främst på dess förmåga att lära sig komplexa mönster och insikter från massiva datamängder. Med ökningen av data i en hög takt, blir det nödvändigt att algoritmerna är resurseffektiva och skalbara. Gaussiska processer är en av de effektiva teknikerna i icke-linjär modellering, men har begränsade praktiska tillämpningar på grund av dess beräkningskomplexitet. Den här uppsatsen studerar hur parallellismtekniker kan användas för att optimera prestanda för Gaussisk processregression och utvärderar parallellt inlärning av en sekventiell GP och distribuerad Gaussian Process Regression algoritm med Random Projection approximation implementerad i SPARK ramverk. Dessa tekniker testades på en datamängd från Volvo Cars. Från experimenten visas att det krävs mindre än 30 minuter att träna GP-modellen med 45k poster eller 219 ≈106 datapunkter på ett Spark-kluster med 8 noder. Med tillräckliga datoressurser kan dessa algoritmer hantera godtyckligt stora datamängder.

Människor har olika förutsättningar för att hitta i sin köksmiljö beroende på vilket hälsotillstånd som ligger till grund för den enskilde individen. Det finns personer som har ett försämrat arbetsminne på grund av att de fått diagnosen lindrig Alzheimers sjukdom. Idag ger många köksluckor ingen information om innehållet, och i varje enskild individs kök finns det olika objekt beroende på vad som används. Denna studie handlar om att hitta olika former av åtgärder i köksmiljöer för att lättare kunna hitta, det finns en förhoppning av att problemen med att inte hitta kan minska. Att använda datainsamlingstekniker som litteratur, intervjuer, workshop och fokusgrupp ska det gå att få reda på vilka åtgärder som kan fungera. Resultaten visar på att det finns problem, och dessa är tänkt att lösa med olika åtgärdsförslag. De förslag som framkommit som kognitiva stöd är bland annat, öppna planlösningar, individuella bilder och transparanta luckor.

Collaborative design inträffar när flera aktörer samarbetar för ett gemensamt mål eller intresse som inte kan åstadkommas ensamt. Collaborative design sker antingen i ett co-located möte ”ansikte mot ansikte” eller distribuerat möte ”distansmöte”. Distribuerade möten, oftast via ett nätverkssystem, sker då olika aktörer av ett projekt inte befinner sig i närheten av varandra. Målet med distribuerad kommunikation är att kunna återskapa det fysiska mötet i ett virtuellt möte.  Syftet med denna studie är utveckling av en kommunikationsmetod som med hjälp av förstärkt verklighet kan visualisera och överföra information mellan arkitekt och beställaren i ett distribuerat möte. Metoden baseras på mjukvaruutveckling i spelmotorer vilka har kapacitet för skapande av realtidsvisualiseringar i kombination med flera skript som kan utföra många komplexa funktioner, inklusive synkron dataöverföring. Då examensarbetet fokuserar på distribuerad kommunikation har mjukvaruutvecklingen begränsats till endast smarta mobiltelefoner, detta på grund av stora tillgängligheten till enheten i allmänheten. Ett ytterligare syfte är undersökning om hur överföring av BIM kan simplifieras och automatiseras till spelmotorn Unity.  Utvecklingen av demonstratorn visar att BIM-överföring kan ske via scheman skapade i BIMmjukvaror såsom Autodesk Revit som inläses av skript i Unity. Överföringsmetoden visualiserar BIM i realtid och även skapandet av funktioner som integrerar BIM, inklusive våningsplanväljare och lagervisningsväxlare. Systemet för nätverkssynkronisering möjliggör synkron kommunikation mellan alla aktörer genom användande av funktioner och flera skript som möjliggör positionssynkning, skärmdelning och objektdelning. Resultatet från studien gällande förstärkt verklighet har kombinationen av fördelar och nackdelar varierade beroende på aktörernas erfarenhet. Den utvecklade mjukvaran med tillhörande metod visar på potential för användning gällande distribuerad kommunikation. / Collaborative design occurs when individuals work together to achieve a common goal or interest that cannot be accomplished alone. Collaborative design take place either in a co-located meeting “face to face” or a distributed meeting “distance meeting”. Distributed meetings, often via a networking system, occur when individuals of a project don’t have the opportunity for a colocated meeting. The goal of distributed communication is to be able to recreate the physical confrontation in a virtual meeting.  The purpose of this study is to develop a communication software that, with addition of augmented reality, can visualize and share information between architects and clients in a distributed meeting. For software development game engine Unity is used, which has the capacity to create a real-time visualization in combination with scripts that can add features such as synchronous data transfer. As the thesis focuses on distributed communication a limitation has been put on used devices to only consider smartphones, this is due to the high level of availability of the device in general. An additional purpose of the thesis is to simplify and automate BIM transfer to Unity game engine. The development of a demonstrator shows that BIM transfer can be done via usage of schedules that can be created in BIM software such as Autodesk Revit, which is later read by scripts in Unity. The software visualizes BIM in real time and supports creation of functions that can integrate with BIM, including plan selector “våningsplanväljare” and layer manager “lagervisningsväxlare”. The network synchronization system enables synchronous communication between all users, using functions such as position sync, screen sharing and object sharing. There has been a combination of advantages and disadvantages for augmented reality that varied depending on individual experience. The developed software with methods has potential for usage in use of distributed communication.

Trauma care is the treatment of patients with injuries caused by external forces, for instance car crashes, assaults or fall accidents. These urgent patients typically arrive at the hospital’s Emergency Department, where they are treated by an interdisciplinary team of physicians and nurses, who collaborate to identify and address life-threatening injuries. In this thesis, the urgent phase of trauma care has been explored through observations of trauma calls and interviews with trauma care professionals, with the purpose of mapping the workflow and providing a basis for a discussion of IT systems within trauma radiology. The professionals, procedures and tools involved are collectively described as the initial trauma care system. There has been a focus on interaction between the units of this system, as well as on how decisions regarding treatment are made, often with the help of medical imaging. The initial trauma care system functions under significant time pressure, striving towards the well-defined objective of saving the life of the patient. To a great extent the system relies on standardized procedures, aiming for screening life-threatening injuries. The trauma team features a clear hierarchy and distinct roles, where the team leader role is considered vital for the team’s performance. Experience is valued and important for everyone, especially since the team often makes decisions, that may affect the future of the patient, based on incomplete information about the situation. Therefore, CT (computed tomography) images offer valuable decision-making support. The respondents are fairly satisfied with the current tools for viewing and manipulating radiological images. Little support for the need of improved or novel IT systems in trauma radiology is found, as is the use for 3D visualization of radiological images in this domain. Informants recognize communication failures and lacking teamwork as the major problems in trauma care. Difficulties like this may be decreased by education and training regarding these issues.

Dag för dag blir sakernas internet-enheter (IoT) en större del av vårt liv. För närvarande är dessa enheter starkt beroende av molntjänster vilket kan utgöra en integritetsrisk. Det allmänna syftet med denna rapport är att undersöka alternativ till molntjänster, ett ganska fascinerande alternativ är fog computing. Fog computing är en struktur som utnyttjar processorkraften hos enheter i utkanten av nätverket (lokala enheter) snarare än att helt förlita sig på molntjänster. Ett specifikt fall av denna struktur undersöks ytterligare som huvudsyftet i denna rapport vilket är distribuerad maskininlärning för IoT-enheter. Detta mål uppnås genom att besvara frågorna om vilka metoder/verktyg som finns tillgängliga för att åstadkomma det och hur väl fungerar de jämfört med molntjänster. Det finns tre huvudsteg i denna studie. Det första steget var informationsinsamling på två olika nivåer. Först på en grundläggande nivå där området för studien undersöks. Den andra nivån var mer specifik och handlade om att ytterligare samla information om tillgängliga verktyg för distribuering av maskininlärning och utvärdera dessa verktyg. Det andra steget var att implementera tester för att verifiera prestandan för varje verktyg vald baserat på den insamlade informationen. Det sista steget var att sammanfatta resultaten och dra slutsatser. Studien har visat att distribuerad maskininlärning fortfarande är för omogen för att ersätta molntjänster eftersom de befintliga verktygen inte är optimerade för IoT-enheter. Det bästa alternativet för tillfället är att hålla sig till molntjänster, men om lägre prestanda till viss del kan tolereras, så är vissa IoT-enheter kraftfulla nog att bearbeta maskininlärningsuppgiften självständigt. Distribuerad maskininlärning är fortfarande ett ganska nytt koncept, men det utvecklas snabbt, förhoppningsvis når denna utveckling snart IoT-enheter. / By day, internet of things (IoT) devices is becoming a bigger part of our life. Currently these devices are heavily dependent on cloud computing which can be a privacy risk. The general aim of this report is to investigate alternatives to cloud computing, a quite fascinating alternative is fog computing. Fog computing is a structure that utilizes the processing power of devices at the edge of the network (local devices) rather than fully relying on cloud computing. A specific case of this structure is further investigated as the main objective of this report which is distributed machine learning for IoT devices. This objective is achieved by answering the questions of what methods/tools are available to accomplish that and how well do they function in comparison to cloud computing. There are three main stages of this study. The first stage was information gathering on two different levels. First on a basic level exploring the field. The second one was to further gather information about available tools for distributing machine learning and evaluate them. The second stage was implementing tests to verify the performance of each approach/tool chosen from the information gathered. The last stage was to summarize the results and reach to conclusions. The study has shown that distributed machine learning is still too immature to replace cloud computing since the existing tools isn’t optimized for this use case. The best option for now is to stick to cloud computing, but if lower performance to some extent can be tolerated, then some IoT devices is powerful enough to process the machine learning task independently. Distributed machine learning is still quite a new concept but it’s growing fast, hoping this growth soon expands to support IoT devices.

The rise of Agile project methodologies has increased the success rate of software development projects, but recent studies show that, even though the risk of failing has lessened, only 31% of the completed software development projects are declared as successful while the rest are declared either challenged or failed. A concept called Pair Programming that derives from agile methodologies is widely and basically always used by developers but in present time as we are heading towards a more remote environment and Distributed Pair Programming has become a hot topic. At its core, it is the same as Pair Programming, but the coding session is conducted in a distributed setting, meaning, the two developers are not sitting next to each other. There are little to no studies conducted about DPPs impact on software development projects and if DPP has the potential to mitigate risk factors that may arise while implementing code in an agile software development project.   The purpose of this thesis has been to research and discover what the perceived benefits and drawback of Distributed Pair Programming (DPP) are and which factors that are the most harmful to a software development project and if DPP can facilitate higher success rates. To answer the research questions, a qualitative research method has been used. The empirical data have been gathered by conducting 6 semi structured interviews with developers. Further, a thematic analysis has been carried through with the intent to easily map out the different themes that appears during the interviews.     The findings from the conducted study shows that there are multiple drawbacks and benefits. According to the informants, the benefits outweigh the drawbacks in such a manner that by not conducting DPP, they set themselves up for setbacks. It is very beneficial when onboarding a new team member and when tackling tougher problems. When it comes to implementing DPP in a successful manner there is a need for a digital infrastructure that supports verbal communication, web camera, screensharing and collaboration tools. / Ökningen av agila projektmetoder har ökat framgångsfrekvensen för programvaruutvecklingsprojekt, men nyare studier visar att även om risken för att misslyckas har minskat, förklaras endast 31 % av de avslutade programvaruutvecklingsprojekten som framgångsrika medan resten förklaras antingen utmanade eller misslyckades. Ett koncept som kallas för parprogrammering som härrör från gila metoder används i stor utsträckning och i princip alltid av utvecklare, men för närvarande är vi på väg mot en mer digital miljö och distribuerad parprogrammering(DPP) har blivit ett hett ämne. I grunden är det samma sak som parprogrammering men kodningssessionen genomförs i en distribuerad miljö, vilket innebär att de två utvecklarna inte sitter bredvid varandra. Det finns väldigt få studier utförda om DPPs inverkan på programvaruutvecklingsprojekt och om DPP har potential att mildra riskfaktorer som kan uppstå när kod implementeras i ett agilt programvaruutvecklingsprojekt. Syftet med detta examensarbete har varit att undersöka och upptäcka vad de upplevda fördelarna och nackdelarna med DPP är och vilka faktorer som är mest skadliga för ett programvaruutvecklingsprojekt och om DPP kan främja högre framgångsfrekvens. För att besvara forskningsfrågorna har en kvalitativ forskningsmetod använts. Empirin har samlats in genom att genomföra 6 semistrukturerade intervjuer med utvecklare. Vidare har en tematisk analys genomförts i syfte att enkelt kartlägga de olika teman som framställts under intervjuerna. Resultaten från den genomförda studien visar att det finns flera nackdelar och fördelar. Enligt informanterna uppväger fördelarna nackdelarna på ett sådant sätt att man genom att inte bedriva DPP dukar upp för problem. Det är mycket fördelaktigt när en ny teammedlem ska introduceras och när du tar itu med ett tufft problem. När det gäller att implementera DPP på ett framgångsrikt sätt finns ett behov av bra digital infrastruktur som stödjer verbal kommunikation, webbkamera, skärmdelning och samarbetsverktyg.