No description available.

I denna uppsats behandlas recipientkontrollen i kustområden och hur den skulle kunna utvecklas. SMHI är en av de aktörer som i egenskap av konsult bidrar med sin kompetens genom att utföra provtagningar och datapresentation för kunders räkning längs de svenska kusterna. Syftet med studien är att utreda om kunderna upplever och uttrycker ett behov att få hjälp med att tolka information från recipientkontrollen. För att utreda vad kundernas behov och önskemål är gjordes en enkätundersökning, vilken gick ut till samtliga medlemmar av Kalmar Kustvattenkommitté, västra Hanöbuktens vattenvårdsförbund, Öresunds vattenvårdsförbund, Blekingekustens vattenvårdsförbund samt Bohuskustens vattenvårdsförbund. Med utgångspunkt från avnämares behov kommer jag att undersöka möjligheterna att förbättra informationsförmedlingen med hjälp av statistiska analysmetoder och SMHI:s eget modellverktyget Kustzon 2.1. Användningen av statistiska hjälpmedel i samband med recipientkontrollen är inte så utbredd på SMHI idag. Därför ansåg jag att denna aspekt var särskilt intressant att titta närmare på. I studien ger jag förslag till analysmetoder (Mann-Whitneys test, Kendalls tau samt trendtest enligt Mann-Kendall) som kan bli användbara i recipientkontrollarbetet. I diskussionsdelen förs ett resonemang kring vilka möjligheter och begränsningar som visat sig med de analysmetoder som tagits upp. Diskussionsdelen avslutas med några konkreta förslag till förbättringar på just SMHI:s redovisning av recipientkontrollen.

Lantmännen is a Swedish agricultural cooperative in agriculture, machinery, bioenergy and food. With over 10,000 employees and 5 divisions, Lantmännen is the Nordic region’s largest ethanol manufacturer. In the Energy division business area are Agroetanol, which produces sustainable ethanol that is used for, among other things, biofuels. To produce ethanol, grains such as wheat, barley, triticale, corn and rye are mixed. The grain is purchased through forward contracts for up to a year before it is used in production. Depending on which mixture of grain is used, the amount of ethanol that is produced differs. Therefore, is it of great importance which mixture is used. Agroetanol currently use mixtures based on what is available in the procured contracts and production stocks, without regard to ethanol yields. The purpose of the master thesis is to provide a basis for Lantmännen Agroetanol that can help the company choose which mixture of raw grain is most suitable in relation to the ethanol yield. The main goal of the thesis is to create a model for calculating the expected ethanol yield in the production of specific mixtures, as well as an optimization model to optimize which mixtures are to be used from available stocks at each quarter. To achieve the goal, a statistical model was created based on data from Agroetanol. The model was created using a regression analysis in several steps. The steps began with a literature search on similar studies to determine what form the predictable model would take. At the same time as the literature search was ongoing, several interviews were conducted with staff from Agroetanol. The interviews aimed to collect historical data regarding ethanol production at the plant, as well as a survey of how the production was carried out and how the plant functioned. Based on the historical data collected, a statistical model could be produced. The model can be used to estimate the expected ethanol yield of different combinations of raw grains. The standard error of the regression was 1.3898 percentage points. The model can be used to determine the amount of each grain to be procured, to have a high ethanol yield. Based on the regression model, a mathematical mixing model for grains (BMFS) was created with the goal to plan how the available grain should be distributed in different mixtures. BMFS was based on the information about Agroetanol’s processes and production facility obtained through interviews. The model’s solution consists of which grains are to be included in each mixture for each week, how much of each grain is to be included in the mixture, from which contract the grain is to be procured and in which silo at Agroetanol it is to be stored before it is used in production. BMFS was optimized in AMPL as an optimization model, with the BARON solver. The solution is time consuming and therefore EpsR is used to make the solution easier. The EpsR value means that Baron stops looking for better solutions if the objective functioan value does not become better than the EpsR value. With the help of the regression model and BMFS, Agroetanol can improve its long-term production planning. With the regression model, they can already, when buying grain, plan according to which mixtures give the highest ethanol content. The solution from BMFS means that Agroetanol can plan the ethanol production for the entire quarter before the quarter begins. / Lantmännen är ett svenskt lantbrukskooperativ inom lantbruk, maskin, bioenergi och livsmedel. Med över 10 000 anställda och 5 divisioner är Lantmännen Nordens största etanolproducent. I divisionen Energi finns affärsområdet Agroetanol där tillverkningen av hållbar etanol som används till bland annat biodrivmedel. För att tillverka etanol används spannmål såsom vete, korn, rågvete, majs och råg. Spannmålen inhandlas genom forwardkontrakt i upp till ett år innan de används i produktionen. Beroende på vilken blandning spannmål som används skiljer sig etanolhalten åt och därav är det av stor betydelse vilken blandning som används. I dagsläget väljer Agroetanol sina blandningar utefter vad som finns i tillgängligt i de upphandlade kontrakten och produktionslagren utan hänsyn till etanolutbytet. Syftet med examens-arbetet är att bidra med ett underlag för Lantmännen Agroetanol som kan hjälpa företaget att välja vilken blandning av spannmålsråvaror som är mest lämplig i förhållande till etanolutbytet. Examensarbetets huvudmål blev därmed att skapa en statistisk modell för att beräkna förväntad etanolutbyte, samt en matematisk blandningsmodell för att optimera vilka blandningar som ska användas utifrån de tillgängliga spannmålen vid varje kvartal. För att uppnå målet skapades en statistisk modell baserad på data från Agroetanol. Modellen skapades med hjälp av en regressionsanalys i flera steg. Stegen började med en litteratursökning kring liknande studier för att avgöra vilken form prediktormodellen skulle ha. Samtidigt som litteratursökningen pågick genomfördes flera intervjuer med personal från Agroetanol. Intervjuerna syftade till att samla in historisk data angående etanolproduktionen på anläggningen, samt en kartläggning över hur produktionen genomfördes och hur anläggningen fungerade. Baserat på den historiska data som samlades in kunde en regressionsmodell framställas. Modellen kan användas för att uppskatta förväntat etanolutbyte vid olika fördelningar av spannmålen i blandningarna. Regressionens standardavvikelse hamnade på 1,3898 procentenheter. Modellen kan användas för att avgöra vilken mängd av varje spannmål som ska införskaffas för att ge ett högt etanolutbyte. Utifrån regressionsmodellen skapades en matematisk blandningsmodell för spannmål (BMFS), vars mål är att planera hur det tillgängliga spannmålet ska fördelas i olika blandningar. BMFS baserades på information kring Agroetanols processer och produktionsanläggning som införskaffats genom intervjuer. Modellens lösning består av vilka spannmål som ska ingå i varje blandning för varje vecka, hur stor del av varje spannmål ska ingå i blandningen, från vilket kontrakt ska spannmålet införskaffas och i vilken silo hos Agroetanol det ska lagras innan det används i produktionen. BMFS optimerades i AMPL som en optimeringsmodell, med lösaren BARON. Lösningen är tidskrävande och därav används EpsR för att göra lösningen lättare. EpsR-värdet innebär att Baron slutar leta bättre lösningar ifall målfunktionsvärdet inte blir bättre än EpsR-värdet. Med hjälp av regressionsmodellen och BMFS kan Agroetanol planera sin produktion mer långsiktigt. Med hjälp av regressionsmodellen kan de redan vid inköp av spannmål planera utefter vilka blandningar som ger högst etanolhalt. BMFS lösning bidrar till att Agroetanol kan planera produktionen av etanol för ett helt kvartal, innan kvartalet påbörjas. / <p>Examensarbetet är utfört vid Institutionen för teknik och naturvetenskap (ITN) vid Tekniska fakulteten, Linköpings universitet</p>

På grund av den globalt snabba tillväxten av mänskliga samhällen har mängden artificiellt ljus ökat. Artificiella ljuset hotar fladdermössens överlevnad på grund av de störningar som ljuset orsakar i fladdermössens födosökande, parning, habitat samt deras cirkadianska system. Syftet med denna studie är att se om det finns ett samband mellan förekomsten av fladdermöss och ljusföroreningar i Stockholms län samt om förekomsten av ljusopportunistiska respektive ljuskänsliga fladdermöss skiljer sig vid olika grader av ljusföroreningar. I studien delades Stockholm i tre stycken zoner: zon 1 har mest ljusföroreningar, zon 2 har mindre, och zon 3 har minst. Styrkan på ljusföroreningar mättes med Sky Quality Meter version L vid 15 stycken fladdermusinventeringar i vardera zonen. Fladdermusarterna delades in i två grupper, ljusopportunistiska och ljuskänsliga. Resultatet av studien visar ingen signifikant interaktion mellan fladdermusgrupp och zonindelningens påverkan på fladdermusandel. Ljusföroreningarna indikerar ingen signifikant påverkan på fladdermössantal. Variablerna ljusförorening, avstånd till väg och järnväg samt molnighet har ingen signifikant påverkan på fladdermössantalet.

<p>Vid analys av fluider med akustisk spektroskopi finns ett behov av att finna multivariata metoder för att utifrån akustiska spektra prediktera storheter såsom viskositet och densitet. Användning av artificiella neurala nätverk och bayesiska nätverk för detta syfte utreds genom teoretiska och praktiska undersökningar. Förbehandling och uppdelning av data samt en handfull linjära och olinjära multivariata analysmetoder beskrivs och implementeras. Prediktionsfelen för de olika metoderna jämförs och PLS (Partial Least Squares) framstår som den starkaste kandidaten för att prediktera de sökta storheterna.</p> / <p>When analyzing fluids using acoustic spectrometry there is a need of finding multivariate methods for predicting properties such as viscosity and density from acoustic spectra. The utilization of artificial neural networks and Bayesian networks for this purpose is analyzed through theoretical and practical investigations. Preprocessing and division of data along with a handful of linear and non-linear multivariate methods of analysis are described and implemented. The errors of prediction for the different methods are compared and PLS (Partial Least Squares) appear to be the strongest candidate for predicting the sought-after properties.</p>

Vid analys av fluider med akustisk spektroskopi finns ett behov av att finna multivariata metoder för att utifrån akustiska spektra prediktera storheter såsom viskositet och densitet. Användning av artificiella neurala nätverk och bayesiska nätverk för detta syfte utreds genom teoretiska och praktiska undersökningar. Förbehandling och uppdelning av data samt en handfull linjära och olinjära multivariata analysmetoder beskrivs och implementeras. Prediktionsfelen för de olika metoderna jämförs och PLS (Partial Least Squares) framstår som den starkaste kandidaten för att prediktera de sökta storheterna. / When analyzing fluids using acoustic spectrometry there is a need of finding multivariate methods for predicting properties such as viscosity and density from acoustic spectra. The utilization of artificial neural networks and Bayesian networks for this purpose is analyzed through theoretical and practical investigations. Preprocessing and division of data along with a handful of linear and non-linear multivariate methods of analysis are described and implemented. The errors of prediction for the different methods are compared and PLS (Partial Least Squares) appear to be the strongest candidate for predicting the sought-after properties.

This master thesis handles the development of an automatic benchmarking program for wind turbines and the thesis works as the theoretical basis for this program. The program is created at the request of the power company OX2 who wanted this potential to be investigated. The mission given by the company is to: 1. to find a good key point indicator for the efficiency of a wind turbine, 2. to find an efficient way to assess this and 3. to write a program that does this automatically and continuously. The thesis determines with a study of previous research that the best method to utilize for these kinds of continuous analyses are artificial neural networks which can train themselves on historical data and then assess if the wind turbine is working better or worse than it should with regards to its history. This comparison between the neural network predicted operation and the actual operation works as the measurement of the efficiency, the key point indicator for how the turbine work compared to how it historically should operate. The program is based on this principle and is completely written in MATLAB. Further testing of the program found that the best variables to use are wind speed and the blade pitch angle as input variables for the neural network and active power as the target used as the variable to predict and assess the operation. The final program was able to be fully automated and integrated into the OX2 system thanks to the possibility to continuously import wind turbine data through APIs. In the final testing was the program able to identify 75% of the anomalies manually found in the half year and in the five turbines used for this thesis, the small anomalies not found manually but identified by the program excluded. / Den här masteruppsatsen hanterar utvecklandet av ett automatiskt driftanalyseringsprogram för vindkraftverk och fungerar som det teoretiska underlaget för detta program. Programmet utvecklades på uppdrag av kraftbolaget OX2 som ville undersöka potentialen för ett sådant analysprogram i deras verksamhet. Uppdraget givet var att: 1. ta fram en bra indikator när det gäller den faktiska effektiviteten av ett vindkraftverk, 2. att hitta ett effektivt sätt att använda detta måttet i en analys där målet är att hitta avvikelser, och 3. skriva ett program som automatiskt kan använda måttet och metoden över tiden. Rapporten kommer via litteraturstudie fram till att tidigare forskning visar på att neurala nätverk är den mest lovande metoden för att genomföra sådan här analys. Dessa nätverk kan träna sig själva på historiska data och sedan analysera om vindturbinen arbetar bättre eller sämre än historiskt. Den här jämförelsen mellan den historiskt grundade förutspådda kraften ut och den faktiska kraften ut fungerar som kvalitetsmåttet på hur bra turbinen fungerar. Programmet är baserat på den här principen och är helt skriven i MATLAB. Vidare tester av programmet visar att de bästa variablerna att använda för att förutspå kraften ut är vindhastigheten och bladens vinkel mot vinden. Slutprogrammet var kapabelt att fullt automatiskt och integrerat i OX2s system identifiera 75% av alla avvikelser som manuellt hittats i ett halvårs data på de fem turbinerna använda för rapporten, småfel hittade av programmet men inte manuellt exkluderat.

In digital advertising, major search engines allow advertisers to set bid adjustments on their ad campaigns in order to capture the valuation differences that are a function of query dimensions. In this thesis, a model that uses bid adjustments is developed in order to increase the number of conversions and decrease the cost per conversion. A statistical model is used to select campaigns and dimensions that need bid adjustments along with several techniques to determine their values since they can be between -90% and 900%. In addition, an evaluation procedure is developed that uses campaign historical data in order to evaluate the calculation methods as well as to validate different approaches. We study the problem of interactions between different adjustments and a solution is formulated. Real-time experiments showed that our bid adjustments model improved the performance of online advertising campaigns with statistical significance. It increased the number of conversions by 9%, and decreased the cost per conversion by 10%. / I digital marknadsföring tillåter de dominerande sökmotorerna en annonsör att ändra sina bud med hjälp av så kallade budjusteringar baserat på olika dimensioner i sökförfrågan, i syfte att kompensera för olika värden de dimensionerna medför. I det här arbetet tas en modell fram för att sätta budjusteringar i syfte att öka mängden konverteringar och samtidigt minska kostnaden per konvertering. En statistisk modell används för att välja kampanjer och dimensioner som behöver justeringar och flera olika tekniker för att bestämma justeringens storlek, som kan spänna från -90% till 900%, undersöks. Utöver detta tas en evalueringsmetod fram som använder en kampanjs historiska data för att utvärdera de olika metoderna och validera olika tillvägagångssätt. Vi studerar interaktionsproblemet mellan olika dimensioners budjusteringar och en lösning formuleras. Realtidsexperiment visar att vår modell för budjusteringar förbättrade prestandan i marknadsföringskampanjerna med statistisk signifikans. Konverteringarna ökade med 9% och kostnaden per konvertering minskade med 10%.

Service providers strive to guarantee a certain level of quality of their services, to stay relevant and to keep their customers satisfied and to avoid customer churn. IPTV is such a service. To be able to guarantee quality of service and uptime a good problem management system is vital. Problem management system, are a system of handling occurrences and solutions of all problems and errors. Its primary goal is to detect, prevent and solve errors and incidents, but also prevent reoccurring errors and minimizing the time line of existing problems by finding its root cause. On first contact of a problem there is human operators classifying the problem. Problems with problem management is that it is reactive and problems keep happening. To be able to become pro-active, problems need to be predicted before they occur. This thesis evaluates past problems to enable pro-active actions, by statistics and actionable data mining, using performance data from IPTV service and set top boxes, not utilized today by the company this thesis is carried out for. The result shows that pro-active actions are enabled by adding supervision of the performance data and a packet error ratio. The result also shows that some large problems gets classified too late. By utilizing machine learning and predictive modelling: Logistic regression and Artificial neural network, future disturbance incidents can be predicted. Using disturbance data gave a model accuracy of 80% and 80% respectively with a model Matthew correlation coefficient of 0.50 and 0.56 respectively. Given information of affected active service consumers, if provided, customer impact could easier be assessed. The larger part of this project went to the business understanding, data understanding, data preparation and analysis. By utilizing the unutilized performance data, the problem management system can become more proactive, with the addition of supervision of the IPTV performance data and predictive modelling. / Tjänsteleverantörer strävar att kunna garantera en viss grad av kvalité på de tjänster de erbjuder, för att fortsätta vara relevant, hålla sina kunder nöjda och undvika bortfall av kunder. IPTV är en sådan tjänst. För att kunna garantera en hög tjänstekvalité och hög drifttid, är ett bra problemhanteringssystem viktigt. Problemhanteringssystem är ett system som hanterar förekomsten av och lösningar till alla problem och fel. Dess primära mål är att upptäcka, motverka och lösa incidenter och fel. Även att motverka fortsatt upprepande fel samt att minimera tidslinjen för aktiva fel genom att hitta dess grundorsaken. Vid första kontakt av ett problem så är det mänskliga operatörer som klassificerar problemet. Ett problem med problemhanteringssystem är att de är reaktiva och problem fortsätter att uppkomma. För att kunna bli proaktiv, måste problem kunna predikteras innan de uppkommer. Denna uppsats utvärderar och analyserar gamla problem och incidenter för att möjliggöra proaktivitet, genom statistik och handlingsbar data mining, genom användandet av oanvända prestandadata från IPTV tjänst och digitalbox. Resultat visar att proaktivt agerande möjliggörs genom att lägga till bevakning av prestandadata och en paketfels kvot. Resultat visar även att stora problem blir klassificerad för sent. Genom användandet av maskininlärning och prediktiva modeller: logistisk regression och artificiellt neuralt nätverk, kan kommande incidenter predikteras. Användning av störningsdata gav en modellsäkerhet på 80% och 80% med en Matthew korrelations koefficient på 0.50 och 0.56 respektive. Information om antal aktiva påverkade kunder, om implementerat, hjälper till att bedöma kundpåverkan. Den större delen av detta projekt gick åt till företag förståelse, data förståelse, data förberedning och analys. Men genom användandet av prestandadata, kan problemhanteringssystemet bli proaktiv med tillägget av bevakning av IPTV tjänst och digitalbox data och prediktiv modellering.

This is a statistical analysis where various factors related to the Sustainable Development Goals (SDGs) have been used to explain life expectancy. The dataset contained information on how countries perform in different aspects over several years. The factors used have been considered to be well-linked to one or more of the SDGs by studying how the United Nations (UN) and Globalis have categorized them under different goals. After the dataset was investigated and measures were implemented, a multiple regression analysis was performed. The analysis showed which factors had statistically significant effects on life expectancy for the observations that were used. From this information, the final linear regression model could be obtained. Then it was discussed whether important information was omitted from the final model and another regression analysis was performed. This time, the dataset was divided into smaller subgroups where one group contained all observations where life expectancy was 75 years or more and the other data set contained all observations where life expectancy was 56 years or less. From these datasets, it was analyzed whether significant factors change depending on the associated life expectancy, which was proved to be the case. The conclusion that was drawn was therefore that the final model is a weighting of observations with different life expectancy, but the differences between observations with different life expectancies are omitted. / Det här är en statistisk analys där olika faktorer med koppling till de Globala Hållbarhetsmålen har används för att förklara den förväntade livslängden. Datasetet som användes innehöll information om hur länder presterar i olika avseenden under flera olika år. De faktorer som används har ansetts ha god koppling till något av de globala hållbarhetsmålen genom att studera hur FN samt Globalis har kategoriserat olika index under de respektive målen. Efter att datasetet undersökts och eventuella åtgärder genomförts så gjordes en multipel linjär regressionsanalys. Analysen visade vilka faktorer som hade signifikant påverkan på förväntad livslängd hos de observationer som använts. Ur denna information kunde den slutgiltiga linjära regressionsmodellen tas fram. Sedan skedde ett resonemang kring validiteten av denna modell och huruvida viktigt information utelämnas i den slutgiltiga modellen. Då genomfördes ytterligare en regressionsanalys, men denna gång hade datasetet delats upp i mindre grupper. En grupp innehöll alla observationer då den förväntade livslängden var 75 år eller mer, och den andra gruppen innehöll alla observationer då förväntad livslängd var 56 år eller mindre. Med hjälp av dessa dataset utreddes huruvida olika faktorer är olika viktiga vid olika förväntade livslängder, vilket var fallet. Slutsatsen som drogs var därför att den slutgiltiga modellen som togs fram var en sammanvägning av alla observationer med olika förväntade livslängder, men där skillnaderna mellan länder utelämnades.