Detta examensarbete undersöker användningen av datadrivna metoder för efterfrågan prognoser och lagerstyrning inom ramen för Ericssons supply chain management. Studien fokuserar på integrationen av maskininlärning, demand shaping och realtidsdata för att förbättra noggrannheten och effektiviteten inom dessa avgörande områden. Studien utforskar effekten av maskininlärningstekniker på efterfråganprognoser och betonar betydelsen av exakta förutsägelser för att vägleda produktion, lagerhantering och distributionsstrategier. För att implementera detta föreslår studien integrationen av realtidsdataströmmar och Internet of Things (IoT)-enheter, vilket möjliggör insamling av aktuell information. Denna integration underlättar snabba svar på varierande efterfrågemönster och optimerar därmed supply chain-operationer. Studien ger värdefulla insikter för Ericsson för att förbättra sina förmågor inom efterfråganprognoser och för att optimera lagerhanteringen i en datadriven miljö. / This master's thesis investigates the utilization of data-driven approaches for demand forecasting and inventory control in the context of Ericsson's supply chain management. The study focuses on the integration of machine learning, demand shaping, and real-time data to enhance accuracy and efficiency in these critical areas. The research explores the impact of machine learning techniques on demand forecasting, highlighting the significance of precise predictions in guiding production, inventory management, and distribution strategies. To address this, the study proposes the integration of real-time data streams and Internet of Things (IoT) devices, enabling the capture of up-to-date information. This integration facilitates prompt responses to evolving demand patterns, thereby optimizing supply chain operations.The research provides valuable insights for Ericsson to enhance its demand forecasting capabilities and optimize inventory management in a data-driven environment.

Det finns en brist på oberoende forskning som jämför Redpandas kapacitet med etablerade alternativ som Apache Kafka, särskilt i IoT-sammanhang där resurseffektivitet är avgörande. Detta arbete jämför prestandan hos de två plattformarna i realtidsdataapplikationer under förhållanden som liknar de i IoT-miljöer. Genom en egenutvecklad applikation genomfördes prestandatester i en lokal containeriserad miljö för att utvärdera genomströmningshastighet och latens vid olika meddelandestorlekar och antal partitioner. Studien visar att Redpanda överträffar Kafka vid mindre meddelandestorlekar, med högre genomströmningshastighet och lägre latens, särskilt vid högre antal partitioner. Däremot utmärker sig Kafka vid större meddelandestorlekar genom att uppnå högre genomströmningshastighet, men med ökad latens. Resultaten indikerar att Redpanda är väl lämpad för IoT-applikationer som kräver snabb hantering av små meddelanden, medan Kafka är mer effektiv för scenarier som involverar större datamängder. Fynden betonar vikten av att välja rätt plattform baserat på specifika applikationsbehov, vilket bidrar med värdefulla insikter inom IoT och realtidsdatahantering. / There is a lack of independent research comparing the capacity of Redpanda to established alternatives like Apache Kafka, particularly in IoT contexts where resource efficiency is critical. This thesis compares the performance of the two platforms in real-time data applications under conditions similar to those in IoT environments. Through a custom-developed application, performance tests were conducted in a local containerized environment to evaluate throughput and latency across various message sizes and partition counts. The study finds that Redpanda outperforms Kafka with smaller message sizes, offering higher throughput and lower latency, particularly at higher partition counts. Conversely, Kafka excels with larger message sizes, achieving higher throughput but with increased latency. The results indicate that Redpanda is well-suited for IoT applications requiring rapid handling of small messages, while Kafka is more efficient for scenarios involving larger data volumes. The findings emphasize the importance of selecting the appropriate platform based on specific application needs, thus contributing valuable insights in IoT and real-time data streaming.

No description available.

No description available.

No description available.

This thesis was conducted to develop a user interface for the visualization of factory data through HMS Networks' Gateway Communicator. The objective of the project was to enhance decision-making in industrial processes through efficient data transfer and visualization. The project involved the design and implementation of a user-friendly and customizable interface that integrates real-time data from industrial machinery. To achieve these goals, the Angular framework was used in conjunction with HTML, CSS, and TypeScript to create a dynamic and responsive user interface. The methodology included user-centered design, ensuring that the final product not only met technical specifications but was also intuitive for end-users. Among the features implemented were dynamic components that allowed for the visualization of critical data such as temperature and pressure through customizable widgets and dialogue components. The results of the project included successful performance testing, unit tests, and usability tests that ensured the system's effectiveness in visualizing data in a manner understandable to users. The conclusion of the work is that an effective user interface can increase operational efficiency through improved data visualization and interaction, which in turn can lead to more informed decisions in industrial environments. / Detta examensarbete utfördes för att utveckla ett användargränssnitt för visualisering av fabriksdata med hjälp av HMS Networks Gateway Communicator. Syftet med projektet var att förbättra beslutsfattandet i industriella processer med hjälp av visualisering av data. Projektet innefattade design och implementering av ett användarvänligt och anpassningsbart gränssnitt som integrerar realtidsdata från industriella maskiner. För att uppnå dessa mål användes Angular ramverket tillsammans med HTML, CSS och TypeScript för att skapa ett dynamiskt användargränssnitt. Metodiken inkluderade användarcentrerad design, vilket säkerställde att slutprodukten inte bara uppfyllde tekniska specifikationer utan också var intuitiv för slutanvändarna. Bland funktionerna som implementerades finns dynamiska komponenter som tillåter visualisering av kritiska data som temperatur och tryck genom anpassningsbara komponenter. Resultaten från projektet inkluderade ett framgångsrikt prestandatest, enhetstester och användbarhetstest som säkerställde systemets effektivitet i att visualisera data på ett sätt som är begripligt för användarna. Slutsatsen av detta arbete är att ett effektivt användargränssnitt främjar datavisualisering och interaktivitet, vilket i sin tur bidrar till att fatta välinformerade beslut inom industriella miljöer.

A rapidly growing topic of great interest is the adaptation of benchtop analytical instrumentation for use in outdoor harsh environments. Some of the areas that stand to benefit from field instrumentation development include government agencies involved with the preservation of the environment and institutions responsible for the safety of the general public. Detection systems are at the forefront of the miniaturization movement as the interest in analyte identification and quantitation appears to only be accessible through the use of analytical instrumentation. Mass spectrometry is a distinguished analytical technique known for its ability to detect the mass-to-charge (m/z) ratios of gas-phase ions of interest. Although these systems have been routinely limited to research lab-based analysis, there has been considerable development of miniaturized and portable mass spectrometry systems. Membrane Inlet Mass Spectrometry (MIMS) is becoming a common method of sample introduction that is subject to significant development. MIMS allows for minimal sample preparation, continuous sampling, and excludes complicated analyte introduction techniques. Sampling is accomplished using a semipermeable membrane that allows selective analyte passage into the vacuum of the mass spectrometer. MIMS is becoming the preeminent choice of homeland security and environmental monitoring applications with increasing opportunities for the future development of specialized systems. The steadfast development of miniaturized mass spectrometry systems with efficient operation capabilities for a variety of applications gives promise to the further development of MIMS technology as well as other analytical instrumentation.

Submitted by Jorge Silva (jorgelmsilva@ufrrj.br) on 2017-05-03T18:45:04Z No. of bitstreams: 1 2016 - Renan Fraga Barbosa.pdf: 4950481 bytes, checksum: 7339d2f44b8f9102ca0d628cc4a99002 (MD5) / Made available in DSpace on 2017-05-03T18:45:04Z (GMT). No. of bitstreams: 1 2016 - Renan Fraga Barbosa.pdf: 4950481 bytes, checksum: 7339d2f44b8f9102ca0d628cc4a99002 (MD5) Previous issue date: 2016-08-25 / Funda??o de Apoio ? Pesquisa Cient?fica e Tecnol?gica da UFRRJ / The filtration loss is a phenomenon caused by the gradient pressure between the annular region and the rock formation during the drilling of an oil and gas well under overbalanced conditions. The invasion of fluids may provoke irreversible damages to the integrity of the well due to the solids present in their composition. Therefore, drilling fluids must be formulated in such a way that a low permeability mudcake with controlled thickness is formed in order to mitigate the filtration and invasion. Filtration cells are experimental apparatus used in the industry and at universities to study the mudcake growth in the rock formation and to measure the filtrate volume. Such devices operate off line and require a specialized operator. The objective of this work was to optimize, automate and validate a static filtration prototype cell that collected experimental data in real time. An experimental unit was built to prepare the fluids and to feed them into the filtration prototype. This unit is composed of a positive displacement pump, mixing tanks and sensors to monitor the properties of the fluid. The unit and the prototype compose the on line filtration unit. In the filtration prototype, valves and sensors were installed to operate remotely. A virtual interface was developed in order to manage the filtration unit. This interface is capable of monitoring the data provided by the sensors as well as operating the equipments (pump, agitators and automatic valves, including the ones in the filtration cell). Comparative experiments were performed in a HTHP off line filtration cell using similar operational conditions to validate the prototype. As results, the filtrate volume and the filtration properties (porosity and permeability of the mudcake) values obtained for both cells shown to be similar. The on line filtration unit was capable of reproducing the data provided by the off line filtration cell used as a model in this work. Thus, one can conclude that the on line filtration cell operates appropriately. / A filtra??o e a invas?o do fluido de perfura??o s?o fen?menos provocados pelo diferencial de press?o entre a regi?o anular e a forma??o rochosa durante a perfura??o de um po?o de petr?leo e g?s sob condi??es overbalance. A invas?o de fluidos e s?lidos presentes no fluido de perfura??o podem causar danos irrevers?veis ao po?o, portanto formulam-se os fluidos de modo que seja formado um reboco de baixa permeabilidade e espessura controlada, minimizando a filtra??o e a invas?o. Na ind?stria e na academia, para estudar o crescimento da torta na forma??o rochosa e avaliar o volume de filtrado, utilizam-se aparatos experimentais, denominados c?lulas de filtra??o, entretanto estes dispositivos s?o aparatos de bancada necessitam de um operador especializado. O objetivo desse trabalho foi otimizar, automatizar e validar um prot?tipo de filtra??o est?tica que coleta dados em linha e em tempo real. Para alimentar o fluido no prot?tipo de filtra??o, foi constru?da uma unidade de prepara??o de fluidos composta por uma bomba de deslocamento positivo, tanques de mistura e sensores para monitorar as propriedades do fluido. A unidade de preparo e o prot?tipo de filtra??o constituem a denominada unidade de filtra??o. No prot?tipo de filtra??o, foram instaladas v?lvulas e sensores para opera??o remota. Para gerenciar a unidade de filtra??o, foi desenvolvida uma interface virtual que monitora os dados fornecidos pelos sensores e opera os equipamentos (bomba, agitadores e as v?lvulas autom?ticas, inclusive as da c?lula de filtra??o). Para validar o prot?tipo, foram realizados experimentos comparativos com uma c?lula de filtra??o HTHP de bancada em condi??es de opera??o semelhantes. Como resultado das filtra??es na c?lula de bancada e com o prot?tipo, foi observado que o volume de filtrado e propriedades calculadas nos experimentos de filtra??o (porosidade e permeabilidade da torta) apresentaram valores similares indicando que a c?lula on line opera de forma adequada, reproduzindo os dados da c?lula de bancada que foi usada como modelo na proposta deste trabalho.

<p>Ova doktorska disertacija predstavlja istraživački rad sproveden sa ciljem da re&scaron;i problem koji se odnosi na realizaciju povezivanja laboratorijskog, medicinskog mernog uređaja sa personalnim računarom. Rezultat istraživačkog rada je op&scaron;ta metoda koja obezbeđuje efikasnu konverziju podataka I2S protokola u TCP/IP protokol.</p> / <p>This doctoral thesis presents the research work carried out in order to solve a practical problem, the realization of a connection between a medical measuring device and a personal computer. The result of the research is a general method that provides efficient data conversion from the I2S protocol to the TCP/IP protocol.</p>

Modern health self-monitoring devices and applications, such as Fitbit and MyFitnessPal, empower users to take concrete actions and set fitness and lifestyle goals based on their recorded trends and statistics. Predicting such trends is beneficial in the road of achieving long-time targets, as the individuals can adjust their diets and habits at any point to guarantee success. The design and implementation of such a system, which also respects user privacy, is the main objective of our work.This application is modelled as a time-series forecasting problem. Given the historical data of users, we aim to predict their eating and lifestyle habits in real-time. We apply the federated learning paradigm to our use-case be- cause of the highly-distributed nature of our data and the privacy concerns of such sensitive recorded information. However, federated learning from het- erogeneous sequences of data can be challenging, as even state-of-the-art ma- chine learning techniques for time-series forecasting can encounter difficulties when learning from very irregular data sequences. Specifically, in the pro- posed healthcare scenario, the machine learning algorithms might fail to cater to users with unique dietary patterns.In this work, we implement a two-step streaming clustering mechanism and group clients that exhibit similar eating and fitness behaviours. The con- ducted experiments prove that learning federatively in this context can achieve very high prediction accuracy, as our predictions are no more than 0.025% far from the ground truth value with respect to the range of each feature. Training separate models for each group of users is shown to be beneficial, especially in terms of the training time, but it is highly dependent on the parameters used for the models and the training process. Our experiments conclude that the configuration used for the general federated model cannot be applied to the clusters of data. However, a decrease in prediction error of more than 45% can be achieved, given the parameters are optimized for each case.Lastly, this work tackles the problem of data privacy by applying state-of- the-art differential privacy techniques. Our empirical study shows that noising the gradients sent to the server is unsuitable for small datasets and cancels out the benefits obtained by prior users’ clustering. On the other hand, noising the training data achieves remarkable results, obtaining a differential privacy level corresponding to an epsilon value of 0.1 with an increase in the observed mean absolute error by a factor of only 0.21. / Moderna apparater och applikationer för självövervakning av hälsa, som Fitbit och MyFitnessPal, ger användarna möjlighet att vidta konkreta åtgärder och sätta fitness- och livsstilsmål baserat på deras dokumenterade trender och statistik. Att förutsäga sådana trender är fördelaktigt för att uppnå långtidsmål, eftersom individerna kan anpassa sina dieter och vanor när som helst för att garantera framgång.Utformningen och implementeringen av ett sådant system, som dessutom respekterar användarnas integritet, är huvudmålet för vårt arbete. Denna appli- kation är modellerad som ett tidsserieprognosproblem. Med avseende på an- vändarnas historiska data är målet att förutsäga deras matvanor och livsstilsva- nor i realtid. Vi tillämpar det federerade inlärningsparadigmet på vårt använd- ningsfall på grund av den mycket distribuerade karaktären av vår data och in- tegritetsproblemen för sådan känslig bokförd information. Federerade lärande från heterogena datasekvenser kan emellertid vara utmanande, eftersom även de modernaste maskininlärningstekniker för tidsserieprognoser kan stöta på svårigheter när de lär sig från mycket oregelbundna datasekvenser. Specifikt i det föreslagna sjukvårdsscenariot kan maskininlärningsalgoritmerna misslyc- kas med att förse användare med unika dietmönster.I detta arbete implementerar vi en tvåstegsströmmande klustermekanism och grupperar användare som uppvisar liknande ät- och fitnessbeteenden. De genomförda experimenten visar att federerade lärande i detta sammanhang kan uppnå mycket hög nogrannhet i förutsägelse, eftersom våra förutsägelser in- te är mer än 0,025% ifrån det sanna värdet med avseende på intervallet för varje funktion. Träning av separata modeller för varje grupp användare visar sig vara fördelaktigt, särskilt gällande träningstiden, men det är mycket be- roende av parametrarna som används för modellerna och träningsprocessen. Våra experiment drar slutsatsen att konfigurationen som används för den all- männa federerade modellen inte kan tillämpas på dataklusterna. Dock kan en minskning av förutsägelsefel på mer än 45% uppnås, givet att parametrarna är optimerade för varje fall.Slutligen hanteras problemet med datasekretess genom att tillämpa bästa tillgängliga differentiell integritetsteknik. Vår empiriska studie visar att adde- ra brus till gradienter som skickas till servern är olämpliga för liten data och avbryter fördelarna med tidigare användares kluster. Däremot, genom att ad- dera brus till träningsdata uppnås anmärkningsvärda resultat. En differentierad integritetsnivå motsvarande ett epsilonvärde på 0,1 med en ökning av det ob- serverade genomsnittliga absoluta felet med en faktor på endast 0,21 erhölls.