This thesis has been conducted in collaboration with JM AB, Region Öst, based at their office in Uppsala. Below follows a summary of the study. Problem For the major contractors in Sweden, the costs after the costumers access are high. According to Boverket the costs can be as high as 1.3 billion SEK annually. In addition of the costs of the work itself, the companies risks dissatisfied customers when the extra work often is considered as a disturbance. To investigate this matter, the purpose of this thesis is to answer the following questions: - What are the most common errors reported during the warranty period? - Can the errors be addressed at an earlier stage? - Is poor purchasing a contributing factor to the high costs during the warranty period? - Can a different ventilation system reduce the amount of errors? Method The purpose of the study is to identify the most common errors that occur during the warranty period, to summarize these and give concrete suggestions of measures to reduce the errors. The report is based on interviews, statistics of the errors from JM Region Öst during year 2015 and the analysis of the customers feedback during the warranty period of eight projects. In addition, the authors have chosen to compare two different ventilations systems to see if the change of system can reduce the number of error reports concerning ventilation. Conclusions The study shows an even distribution of errors from the different categories. The reports from JM Region Öst during year 2015 and the average from the selected projects have similar distribution. Of the total number of error reports from JM Region Öst during year 2015, 20.1 percent belonged to the category Plumbing. The same category had, in the authors compilation of the eight projects, 20.2 percent of the reports. From this result it can be concluded that the percentage of problems reported from each category is about the same, no matter the size of the project. In the interviews, the most common errors and what causes these, were discussed. Because of the many errors to the category Plumbing, this was the main subject. During the interviews it was discovered that different actors blames the problems on each other. However, dirt in the pipe system in combination with a low water pressure was considered to be the biggest cause of problems to the category. The study also shows that a complicated list of responsibilities generates costs for the after-sales department. The reason is that the process of appointing a responsible actor becomes hard. The consequence of this is that staff from the after-sales department is forced to make visits to the projects only to be able to redirect the matter to the responsible subcontractor.

<p>Idag är datorutrustning en central del av många personers arbete. Vissa personer är helt beroende av datorutrustning för att kunna utföra sitt arbete. Om denna datorutrustning havererar kan detta leda till att en anställd person på ett företag inte kan utföra sitt arbete vilket leder till en ekonomisk förlust för företaget. Ett haveri av datorutrustning kan även innebära att viktig data som företaget använder i sin verksamhet kan gå förlorad, vilket kan vara dyrt att återställa.</p><p>Detta arbete kartlägger hur väl förberedda företag idag är för att minimera de ekonomiska förluster och förluster av data ett haveri av datorutrustning kan innebära.</p><p>Resultatet av den genomförda intervjuundersökningen tyder på att små företag idag har en relativt dålig framförhållning för att minimera förluster till följd av haveri av datorutrustning. Därtill har guidelines arbetats fram för att vara ett stöd för företag att välja rutiner för att minimera konsekvenserna av ett haveri av datorutrustning</p>

Idag är datorutrustning en central del av många personers arbete. Vissa personer är helt beroende av datorutrustning för att kunna utföra sitt arbete. Om denna datorutrustning havererar kan detta leda till att en anställd person på ett företag inte kan utföra sitt arbete vilket leder till en ekonomisk förlust för företaget. Ett haveri av datorutrustning kan även innebära att viktig data som företaget använder i sin verksamhet kan gå förlorad, vilket kan vara dyrt att återställa. Detta arbete kartlägger hur väl förberedda företag idag är för att minimera de ekonomiska förluster och förluster av data ett haveri av datorutrustning kan innebära. Resultatet av den genomförda intervjuundersökningen tyder på att små företag idag har en relativt dålig framförhållning för att minimera förluster till följd av haveri av datorutrustning. Därtill har guidelines arbetats fram för att vara ett stöd för företag att välja rutiner för att minimera konsekvenserna av ett haveri av datorutrustning

Several studies have been reviewed to get an understanding of where the real estate industry, and more specifically within facility management, stand in regards to digitalization. Implementing digitalization of the Real Estate industry has been researched as a possibility for some time now. Furthermore, the industry needs to make better use of the data in hand created by these digitalized solutions. This thesis uses a quantitative approach through a data analysis, studying underlying factors that affect fault reports, with data on this matter from three Swedish real estate housing companies. Studying this in regards to fault reports in general, non-digitalized fault reports, and digitalized fault reports. The result of the data analysis implies that there are several variables that are statistically proven to affect the amount of fault reports made. This result is then discussed arguing for reasons of this outcome, as well as the literature study related to this subject. / Flertalet studier har undersökts för att få en förståelse över vart fastighetsindustrin, och mer specifikt inom fastighetsförvaltning, står i utvecklingen gällande digitalisering. Implementeringen av digitalisering inom fastighetsindustrin har undersökts som en möjlighet över en längre tid nu. Dessutom måste industrin göra bättre användning av den data som finns tillgänglig av dessa digitala lösningar. Denna avhandling använder en kvantitativ metod genom en dataanalys och studerar underliggande faktorer som påverkar felanmälningar, med data från tre svenska bostads fastighetsföretag. Detta studeras genom att titta generellt på alla felanmälningar, icke-digitaliserade felanmälningar, och digitaliserade felanmälningar. Resultatet av dataanalysen säger att det finns flera variabler som är statistiskt bevisat att de påverkat antalet felanmälningar som gjorts. Resultatet är sedan diskuterat genom att argumentera för anledningar till utfallet, såväl som litteraturstudien relaterat till ämnet i sig.

Denna marknadsstudie undersöker vilka egenskaper som anses vara mest avgörande vid urval av system för digital felanmälan ur ett förvaltningsperspektiv. Litteraturstudie har genomförts där information gällande relevanta teorier och begrepp som PropTech har sammankopplats. Arbetet har även innefattat en desktopundersökning av digitala system för felanmälan som har iakttagits på marknaden. En kvalitativ metod med intervjuer var den valda metoden för arbetet. Intervjuer genomfördes med fyra förvaltningsbolag och två PropTech-bolag. Intervjuerna följde ett strukturerat förhållningssätt. Slutligen så berör verket svensk fastighetsmarknad och bearbetas inom ramen av svensk lagstiftning. Användarvänlighet, strukturering, ekonomi, uppföljning, kompatibilitet samt integrering framfördes vara avgörande egenskaper för digital felanmälan ur ett förvaltningsperspektiv. Kommunikation, strukturering, förebyggande förvaltningsarbete är aspekter inom förvaltningsarbetet som digitala lösningar för felanmälan framfördes effektivisera. Dessutom framgick det att digitala lösningar även medför att företag kan arbeta mer serviceinriktat och även minskar fel som framkommer på grund av den mänskliga faktorn. / This composition examines which properties are considered to be the most decisive for digital error reporting from a facility manager's perspective. A literary analysis was conducted where relevant theories and concepts such as PropTech were connected. A desktop analysis of digital systems for error reporting was also performed, in order to find observable systems within the market. A qualitative method with interviews was the chosen method for this composition. The interviews were conducted with four different real estate companies and two PropTech companies. The interviews conducted followed a structured approach. The composition is limited to only operate within the Swedish real estate market and Swedish law and order. Ease of use, structuring, finances, monitoring, compatibility and integration were presented as crucial characteristics for digital error reporting from a facility manager's perspective. Communication, structuring, preventive administrative work are aspects of the digital solutions for error reporting that provide meaningful benefits. In addition, the results show that digital solutions also allow property management companies to work more service-oriented and reduce errors that arise due to the human factor.

This report explores whether machine learning methods such as regression and classification can be used with the goal of estimating the resolution time of trouble tickets in a telecommunications network. Historical trouble ticket data from Telenor were used to train different machine learning models. Three different machine learning classifiers were built: a support vector classifier, a logistic regression classifier and a deep neural network classifier. Three different machine learning regressors were also built: a support vector regressor, a gradient boosted trees regressor and a deep neural network regressor. The results from the different models were compared to determine what machine learning models were suitable for the problem. The most important features for estimating the trouble ticket resolution time were also investigated. Two different prediction scenarios were investigated in this report. The first scenario uses the information available at the time of ticket creation to make a prediction. The second scenario uses the information available after it has been decided whether a technician will be sent to the affected site or not. The conclusion of the work is that it is easier to make a better resolution time estimation in the second scenario compared to the first scenario. The differences in results between the different machine learning models were small. Future work can include more information and data about the underlying root cause of the trouble tickets, more weather data and power outage information in order to make better predictions. A standardised way of recording and logging ticket data is proposed to make a future trouble ticket time estimation easier and reduce the problem of missing data. / Den här rapporten undersöker om maskininlärningsmetoder som regression och klassificering kan användas för att uppskatta hur lång tid det tar att lösa en felanmälan i ett telenät. Data från tidigare felanmälningar användes för att träna olika maskininlärningsmodeller. Tre olika klassificerare byggdes: en support vector-klassificerare, en logistic regression-klassificerare och ett neuralt nätverk-klassificerare. Tre olika regressionsmodeller byggdes också: en support vector-regressor, en gradient boosted trees-regressor och ett neuralt nätverk-regressor. Resultaten från de olika modellerna jämfördes för att se vilken modell som är lämpligast för problemet. En undersökning om vilken information och vilka datavariabler som är viktigast för att uppskatta tiden det tar att lösa felanmälan utfördes också. Två olika scenarion för att uppskatta tiden har undersökts i rapporten. Det första scenariot använder informationen som är tillgänglig när en felanmälan skapas. Det andra scenariot använder informationen som finns tillgänglig efter det har bestämts om en tekniker ska skickas till den påverkade platsen. Slutsatsen av arbetet är att det är lättare att göra en bra tidsuppskattning i det andra scenariot jämfört med det första scenariot. Skillnaden i resultat mellan de olika maskininlärningsmodellerna var små. Framtida arbete inom ämnet kan använda information och data om de bakomliggande orsakerna till felanmälningarna, mer väderdata och information om elavbrott. En standardiserad metod för att samla in och logga data för varje felanmälan föreslås också för att göra framtida tidsuppskattningar bättre och undvika problemet med datapunkter som saknas.