At present Getinge can offer a new generation of trolleys that they produced in 2011. The trolley used to Getinge various autoclaves and has the primary task to help the user/sterilization personnel to transport shelves or baskets, with or without cargo, from a packing table to the autoclave. The purpose of this thesis has been to develop a primary solution how the docking process between Getinge trolleys and autoclaves can be improved. The work has in most part followed Fredy Olsson principle and primary construction method. The work has included product research, study visit and development of a requirements specification, to satisfy Getinge, their clients and circumvention products requirements. Using this information, it was taken up various product proposals were screened out by testing prototype and study of Cad-model, until only one product suggestions residue. The product proposal led to a primary solution that was designed and calculated in CATIA V5 and a simple prototype of the primary solution. The work resulted in a new loading area to Getinge trolleys. The loading area will help users on sterilization stations through an increased precision tolerance, which facilitate the docking process between the trolley and autoclave.

Today's thinning operations in forestry are managed by using large thinning machines that have a negative impact on the environment due to their reliance on non-renewable energy source and the creation of strip roads. To address this problem, the company utilizes drones equipped with a harvesting tool for thinning operations and today there are no field service stations for inspecting and maintaining a harvesting tool. The purpose of this thesis is to design a service station for the harvesting tool while also formulating a set of requirements. To accomplish this goal, a data collection process was undertaken with interviews and workshops to gain valuable insights into the requirements and functions. The next step involved concept generation and evaluating all concepts using workshops and Pugh's concept selection matrix. The outcome of this work is a concept for a service station that can fit inside a container, featuring an equipped work area and a docking station for the harvesting tool. In its final iteration, the service station enables damaged harvesting tool to be docked, inspected, and maintained. The final version does not support the docking of a damaged tool with the intent to immediately retrieve another fully functional one. Therefore, there is opportunity to explore further concepts that align with the company’s long-term goals.

For Autonomous Underwater Vehicles (AUVs) to be able to conduct longterm surveys, the ability to return to a docking station for maintenance and recharging is crucial. A dynamic docking system where a slowly moving submarine acts as the docking station provides increased hydrodynamic control and reduces the impact of environmental disturbances. A vision-based relative positioning system using a camera, mounted on the AUV, and light sources, mounted on the docking station, is investigated as a suitable high-resolution and high-frequency solution for a short-range relative positioning system. Detection and identification of the true light sources in the presence of reflections, ambient light, and other luminaries, requires a robust tracking pipeline that can reject false positives. In this thesis, we present a complete tracking pipeline, from image processing to pose estimation, specifically for a soft docking scenario. We highlight the issues of light source detectors based on finding a unique global threshold and detectors based on gradient information and propose a novel method, based on using a suitable threshold for each light source. Rejection of false positives is handled systematically by rejecting pose estimates resulting in large re-projection errors, and a configuration of the light sources is proposed that enhances the pose estimation performance. The performance of the proposed light source detector is evaluated on the D-recovery dataset. Results show that the proposed method outperforms other methods in identifying the light sources. The tracking pipeline is evaluated with experiments as well as a simulation based on the Stonefish simulator. / För att autonoma undervattensfordon ska kunna utföra långsiktiga undersökningar är möjligheten att återvända till en dockningsstation för underhåll och laddning avgörande. Ett dynamiskt dockningssystem där en långsamtgående ubåt agerar som dockningsstation ger en ökad hydrodynamisk kontroll och minskar påverkan av omgivande miljöstörningar. Ett synbaserat, relativt positioneringssystem som använder en kamera, monterad på farkosten, och ljuskällor, monterad på dockningsstationen, undersöks som en lämplig högupplöst och högfrekvent lösning för ett relativt positioneringssystem med kort räckvidd. Detektering och identifiering av de verkliga ljuskällorna i närvaro av reflektioner, omgivande ljus och andra störande ljuskällor kräver ett robust spårningssystem som kan särskilja de sanna ljuskällorna från de omgivande störningarna. I denna uppsats presenteras ett komplett spårningssystem, från bildbehandling till positionsestimering, specifikt för ett soft docking scenario. Vi lyfter fram problem med detektorer baserat på att hitta ett unikt globalt tröskelvärde och detektorer baserade på gradientinformation. Vi föreslår en ny metod baserad på att använda ett lämpligt tröskelvärde för varje ljuskälla. Omgivande störningar hanteras systematiskt genom att avvisa positionestimeringar som resulterar i stora projektionsfel, och en konfiguration av ljuskällorna föreslås som förbättrar positionsestimeringens prestanda. Prestandan hos den föreslagna ljuskällsdetektorn utvärderas på datasetet D-recovery. Resultaten visar att den föreslagna metoden överträffar andra metoder i att identifiera ljuskällorna. Spårningsystemet utvärderas med experiment samt en simulering baserad på Stonefish-simulatorn.

In drug development, molecular docking methods aim at characterizing the binding of a drug-like molecule to a protein. In a typical drug development process, a docking task is repeated millions of time, which makes optimization efforts essential. In particular, modern heterogeneous architectures, such as GPUs, allow for significant acceleration opportunities. AutoDock-GPU, a state-of-the-art GPU-accelerated molecular docking software, estimates the geometrical conformation of a docked ligand-protein complex by minimizing an energy-based scoring function. Our profiling results indicated that a reduction operation, which is performed several millions times in a single docking run, limits performance in AutoDock-GPU. Thus, we proposed a method to accelerate the block-level sum reduction of four-element vectors by using matrix operations. We implemented our method to make use of the high throughput capabilities offered by NVIDIA Tensor Cores to perform matrix operations. We evaluated our approach by designing a simple benchmark, and achieved a 4 to 7-fold runtime improvement compared to the original method. We then integrated our reduction operation into AutoDock-GPU and evaluated it on multiple chemical complexes on three GPUs. This evaluation allowed to assess the possibility to use half-precision reduction operations in parts of AutoDock-GPU code, without detrimental effects on the simulation result. In addition, our implementation achieved an average 27% improvement on the overall docking time during a real-world docking run. / Vid läkemedelsutveckling syftar molekylär dockningsmetoder till att karakterisera bindningen av en läkemedelsliknande molekyl till ett protein. I en typisk läkemedelsutvecklingsprocess upprepas en dockinguppgift miljontals gånger, vilket gör optimeringsinsatser nödvändiga. Framför allt moderna heterogena arkitekturer som GPU:er ger betydande accelerationsmöjligheter. AutoDock-GPU, en modern GPU-accelererad programvara för molekylär dockning, uppskattar den geometriska konformationen hos ett ligand-protein-komplex genom att minimera en energibaserad poängsättningsfunktion. Våra profileringsresultat visade att en reduktionsoperation, som utförs flera miljoner gånger i en enda dockningskörning, begränsar prestandan i AutoDock-GPU. Vi har därför föreslagit en metod för att accelerera summareduktionen på blocknivå av vektorer med fyra element med hjälp av matrisoperationer. Vi implementerade vår metod för att utnyttja den höga genomströmningskapacitet som erbjuds av NVIDIA Tensor Cores för att utföra matrisoperationer. Vi utvärderade vårt tillvägagångssätt genom att utforma ett enkelt testfall och uppnådde en 4- till 7-faldig förbättring av körtiden jämfört med den ursprungliga metoden. Vi integrerade sedan vår reduktionsoperation i AutoDock-GPU och utvärderade den på flera kemiska komplex på tre GPU:er. Denna utvärdering lät oss bedöma möjligheten att använda reduktionsoperationer med halvprecision i delar av AutoDock-GPU-koden, utan negativa effekter på simuleringsresultatet. Dessutom uppnådde vår version en genomsnittlig förbättring på 27% av den totala dockningstiden under en riktig dockningskörning.

En sjukdom kan många gånger härledas till en kaskadereaktion mellan proteiner, co-faktorer och substrat. Denna kaskadreaktion blir många gånger målet för att behandla sjukdomen med läkemedel. För att designa nya läkemedelsmoleyler används vanligen datorbaserade verktyg. Denna design av läkemedelsmolekyler drar stor nytta av att målproteinet är känt och då framförallt dess tredimensionella (3D) struktur. Är 3D-strukturen känd kan man utföra så kallad struktur- och datorbaserad molekyldesign, 3D-geometrin (f.f.a. för inbindningsplatsen) blir en vägledning för designen av en ny molekyl. Många faktorer avgör interaktionen mellan en molekyl och bindningsplatsen, till exempel fysikalisk-kemiska egenskaper hos molekylen och bindningsplatsen, flexibiliteten i molekylen och målproteinet, och det omgivande lösningsmedlet. För att strukturbaserad molekyldesign ska fungera väl måste två viktiga steg utföras: i) 3D anpassning av molekyler till bindningsplatsen i ett målprotein (s.k. dockning) och ii) prediktion av molekylers affinitet för bindningsplatsen. Huvudsyftena med arbetet i denna avhandling var som följer: i) skapa modeler för att prediktera affiniteten mellan en molekyl och bindningsplatsen i ett målprotein; ii) förfina molekyl-protein-geometrin som skapas vid 3D-anpassning mellan en molekyl och bindningsplatsen i ett målprotein (s.k. dockning); iii) karaktärisera proteiner och framför allt deras sekundärstruktur; iv) bedöma effekten av olika matematiska beskrivningar av lösningsmedlet för förfining av 3D molekyl-protein-geometrin skapad vid dockning och prediktion av molekylers affinitet för proteiners bindningsfickor. Ett övergripande syfte var att använda kemometriska metoder för modellering och dataanalys på de ovan nämnda punkterna. För att sammanfatta så presenterar denna avhandling metoder och resultat som är användbara för strukturbaserad molekyldesign. De rapporterade resultaten visar att det är möjligt att skapa kemometriska modeler för prediktion av molekylers affinitet för bindningsplatsen i ett protein och att dessa presterade lika bra som andra vanliga metoder. Dessutom kunde kemometriska modeller skapas för att beskriva effekten av hur inställningarna för olika parametrar i dockningsprogram påverkade den 3D molekyl-protein-geometrin som dockingsprogram skapade. Vidare kunde kemometriska modeller andvändas för att öka förståelsen för deskriptorer som beskrev sekundärstrukturen i proteiner. Förfining av molekyl-protein-geometrin skapad genom dockning gav liknande och ickesignifikanta resultat oberoende av vilken matematisk modell för lösningsmedlet som användes, förutom för ett fåtal (sex av 30) fall. Däremot visade det sig att användandet av en förfinad geometri var värdefullt för prediktion av molekylers affinitet för bindningsplatsen i ett protein. Förbättringen av prediktion av affintitet var markant då en Poisson-Boltzmann beskrivning av lösningsmedlet användes; jämfört med prediktionerna gjorda med ett dockningsprogram förbättrades korrelationen mellan beräknad affintiet och uppmätt affinitet med 0,7 (R2). / A disease is often associated with a cascade reaction pathway involving proteins, co-factors and substrates. Hence to treat the disease, elements of this pathway are often targeted using a therapeutic agent, a drug. Designing new drug molecules for use as therapeutic agents involves the application of methods collectively known as computer-aided molecular design, CAMD. When the three dimensional (3D) geometry of a macromolecular target (usually a protein) is known, structure-based CAMD is undertaken and structural information of the target guides the design of new molecules and their interactions with the binding sites in targeted proteins. Many factors influence the interactions between the designed molecules and the binding sites of the target proteins, such as the physico-chemical properties of the molecule and the binding site, the flexibility of the protein and the ligand, and the surrounding solvent. In order for structure-based CAMD to be successful, two important aspects must be considered that take the abovementioned factors into account. These are; i) 3D fitting of molecules to the binding site of the target protein (like fitting pieces of a jigsaw puzzle), and ii) predicting the affinity of molecules to the protein binding site. The main objectives of the work underlying this thesis were: to create models for predicting the affinity between a molecule and a protein binding site; to refine the geometry of the molecule-protein complex derived by or in 3D fitting (also known as docking); to characterize the proteins and their secondary structure; and to evaluate the effects of different generalized-Born (GB) and Poisson-Boltzmann (PB) implicit solvent models on the refinement of the molecule-protein complex geometry created in the docking and the prediction of the molecule-to-protein binding site affinity. A further objective was to apply chemometric methodologies for modeling and data analysis to all of the above. To summarize, this thesis presents methodologies and results applicable to structure-based CAMD. Results show that predictive chemometric models for molecule-to-protein binding site affinity could be created that yield comparable results to similar, commonly used methods. In addition, chemometric models could be created to model the effects of software settings on the molecule-protein complex geometry using software for molecule-to-binding site docking. Furthermore, the use of chemometric models provided a more profound understanding of protein secondary structure descriptors. Refining the geometry of molecule-protein complexes created through molecule-to-binding site docking gave similar results for all investigated implicit solvent models, but the geometry was significantly improved in only a few examined cases (six of 30). However, using the geometry-refined molecule-protein complexes was highly valuable for the prediction of molecule-to-binding site affinity. Indeed, using the PB solvent model it yielded improvements of 0.7 in correlation coefficients (R2) for binding affinity parameters of a set of Factor Xa protein drug molecules, relative to those obtained using the fitting software.