Energy efficiency is a growing field that concerns more and more companies, individuals as well as governments in order to reduce costs and use less energy for a more sustainable development. Engie is no exception and values energy efficient projects. In this paper will be documented three energy efficiency related projects that I carried out during my five month end of studies internship. This work spans different topics, the parallel operation of hydraulic distribution pumps, the modeling of an heat exchangers as well as pid calculations for a dedicated ehating network. We delve into the technical aspect of each subject before introducing the tools developed, with some of their results. / Energieffektivisering är ett växande område som berör allt fler företag, privatpersoner såväl som myndigheter för att minska kostnaderna och använda mindre energi för en mer hållbar utveckling. Engie är inget undantag och värdesätter energieffektiva projekt. I den här artikeln kommer tre energieffektivitetsrelaterade projekt att dokumenteras som jag genomförde under min fem månder långa praktikperiod. Detta arbete spänner över olika ämnen, parallelldrift av hydrauliska distributionspumpar, modellering av en värmeväxlare samt pid-beräkningar för ett dedikerat värmenätverk. Vi fördjupar oss i den tekniska aspekten av varje ämne innan vi introducerar de utvecklade verktygen, med några av deras resultat.

Nowadays, it has become crucial to transform company production processes in order to reduce carbon emissions. Therefore, the company LKAB is working to make the production process of iron ore pellets fossil-free. In particular, this thesis project focuses on the pellet induration stage and addresses the mathematical optimization of the process. In particular, the idea is to combine state-of-the-art optimization algorithms with simulation software. This thesis aims to address the problem of multi-objective optimization within the context of simulation-based scenarios, i.e., the aim is to study Simulation-Based Multi-Objective Optimization Problems. The primary focus of this thesis is to thoroughly investigate and compare three different algorithms applied to two distinct problem formulations. By doing so, we aim to gain valuable insights into the suitability of different approaches and evaluate the algorithms' performance in achieving the desired objectives. / Nuförtiden har det blivit mycket viktigt att förändra företagens produktionsprocesser för att minska koldioxidutsläppen. Företaget LKAB arbetar för att göra produktionsprocessen av järnmalmspellets fossilfri. Detta examensarbete fokuserar på pelletiseringsfasen och behandlar den matematiska optimeringen av processen. Mer specifikt, tanken är att kombinera toppmoderna optimeringsalgoritmer med simuleringsprogramvara. Syftet med examensarbetet är att studera problem med flermålsoptimering inom ramen för simuleringsbaserade scenarier, dvs. syftet är att studera ett simuleringsbaserat flermålsoptimeringsproblem. Det primära fokuset i examnesarbetet är att grundligt undersöka och jämföra tre olika algoritmer som tillämpas på två distinkta problemformuleringar. Genom att göra detta vill vi få värdefull insikt om lämpligheten av de olika strategierna och utvärdera algoritmernas prestanda för att uppnå de önskade målen.

Road compaction is the last and important stage in road construction. Both under-compaction and over-compaction are inappropriate and may lead to road failures. Intelligent compactors has enabled data gathering and edge computing functionalities, which introduces possibilities in data-driven compaction control. Compaction physical processes are complex and are material-dependent. In the road construction industry, material physical models, together with boundary conditions, can be used for modeling effects of compacting the underlying subgrade materials and the pavement (the most widely used is asphalt) itself on site, which can be computed using Finite Element (FE) methods. However, parametrizations of these physical models require large efforts, creating difficulties in using these models to optimize real-time compaction. Our research has, for the first time, bridged the gap between data-driven compaction control and physics by introducing the parameter identification pipeline. Two use cases are investigated, corresponding to offline learning and online learning of parameters. In offline learning, a sequence of actions is learned to maximally reduce parameters uncertainties without observing responses; in online learning, the decisions of actions are made and parameters are derived while sequential observations come in. The parameter identification pipeline developed in this thesis involves compaction simulation using a simple physical model, surrogate model development using Artificial Neural Network (ANN), and online/offline optimization procedure with Approximate Bayesian Computation (ABC). The developed procedure can successfully identify the parameters with low uncertainty for the case that the selected experiments supply enough information to theoretically identify the parameters. For the case of that parameters cannot be theoretically identified by certain experiments, the identified parameters have larger uncertainties. / Vägpackning är det sista och viktiga steget i vägbygget. Både under- och överkomprimering är olämpliga och kan leda till vägfel. Intelligenta komprimatorer har möjliggjort datainsamling och edge computing-funktioner som introducerar möjligheter inom datadriven komprimeringskontroll. Packningsfysiska processer är komplexa och materialberoende. Inom vägbyggnadsindustrin kan materialfysiska modeller tillsammans med randvillkor användas för att modellera effekter av att packa de underliggande underlagsmaterialen och själva beläggningen (den mest använda är asfalt) på plats. Dem kan beräknas med Finite Element (FE) metoder. Parametrisering av dessa fysiska modeller kräver dock stora ansträngningar och skapar svårigheter att använda dessa modeller för att optimera realtid vägpackning. Vår forskning har för första gången överbryggt gapet mellan datadriven komprimeringskontroll och fysik genom att introducera pipeline för parameteridentifiering. Två användningsfall undersöks motsvarande offlineinlärning och onlineinlärning av parametrar. En sekvens av åtgärder är lärd vid offlineinlärning för att maximalt reducera parametrar osäkerheter utan att observera svar. Vid onlineinlärning fattas beslut om åtgärder och parametrar härleds medan sekventiella observationer kommer in. Den pipeline för parameteridentifiering som utvecklats i denna avhandling involverar kompakteringssimulering med en enkel fysisk modell, surrogatmodellutveckling med artificiellt neuralt nätverk (ANN) och online /offline optimeringsprocedur med Approximate Bayesian Computation (ABC). Den utvecklade proceduren kan framgångsrikt identifiera parametrarna med låg osäkerhet för det fall att de valda experimenten ger tillräckligt med information för att teoretiskt identifiera parametrarna. För fallet med att parametrar inte teoretiskt kan identifieras genom vissa experiment, de identifierade parametrarna har större osäkerheter.

Forskning visar att flerspråkiga elever har låga resultat inom matematiken samt att lärare inte tar det ansvar som krävs för att dessa elever ska utveckla fullgoda matematikkunskaper. För att flerspråkiga elever ska frodas krävs det att lärarna ser flerspråkigheten som en resurs. Dock finns det fortfarande luckor i forskningen rörande svenska lärares arbete med flerspråkiga elever i matematik. Denna kvalitativa studie syftar till att bidra med kunskap om hur lärare i årskurs 1–3 arbetar med flerspråkiga elever i matematik samt deras inställning till detta. Med flerspråkiga elever avses i denna studie elever som pratar två eller fler språk och ingen skillnad gör på om de fötts in i flerspråkighet eller om den kommit senare i livet. Sex grundlärare från mellersta och södra Sverige har intervjuats för att undersöka hur dessa arbetar med flerspråkiga elever i matematik. Materialet har analyserat genom transspråkande, en teori om hur flerspråkiga elever främjas. Resultatet visar att samtliga lärare i viss grad använder transpråkande arbetssätt. De har dessutom alla positiv inställning till flerspråkighet i matematik. Med andra ord framkommer arbetssätt såsom samarbete elever sinsemellan, samverkan med hemmen och/eller specialkompetens, praktiskt arbete och multimodal kommunikation. Utifrån ett transspråkande perspektiv arbetar lärarna med delar av social praktik och stora delar av social rättvisa. Lärarna tillämpar därmed till stor del den transspråkande teorin.

Taluppfattning krävs för att utveckla fortsatta kunskaper inom matematik. Lärare har i sitt uppdrag att bedöma elevers kunskaper för att anpassa undervisningen efter elevernas individuella behov och att skapa kunskapsutveckling. Det nationella bedömningsstödet i taluppfattning ska stödja lärare i bedömningen av elevers kunskaper i taluppfattning. Syftet med uppsatsen är att synliggöra lärares syn på grundläggande taluppfattning och hur lärare formativt använder Bedömningsstödet för att utveckla elevers taluppfattning. Därigenom bidrar studien med insikter i hur Bedömningsstödet kan användas för planering och utformning av taluppfattningsundervisning inom årskurserna 1–3. Metoden för studien är kvalitativa intervjuer av lärare som arbetar inom årskurserna 1–3. Kvalitativa intervjuer används för att nå lärarnas uppfattningar och tolkningar av det nationella bedömningsstödet i taluppfattning och taluppfattning som begrepp. Resultatet visar att lärarna fokuserar på arbetssättet när de undervisar om taluppfattning och det är ett laborativt arbetssätt med konkret material som främst beskrivs. Resultatet visar även att lärarna anser att det nationella bedömningsstödet i taluppfattning bidrar med förståelse för vad eleverna behöver undervisas om inom taluppfattning och att de därigenom kan göra väsentliga anpassningar av undervisningen för att alla elever ska främjas av undervisningens innehåll. En slutsats av studien är att det nationella bedömningsstödet i taluppfattning bidrar med dess syfte, att stödja lärare i sin bedömning av elevers kunskaper inom taluppfattning.

Studien visar vad lärarna har för uppfattningar samt vilka upplevelser de erfarit av laborativ matematikundervisning. Den är baserad på kvalitativa intervjuer samt observationer. Vidare tar studien upp vilka material som de intervjuade har tillgång till, även hur dessa används i undervisningen. Intervjuerna har även gett en förståelse för hur lärarna ser på elevernas kunskapsutveckling vid användandet av laborativ matematik.  Av intervjuerna kan utläsas att den egna inställningen till den laborativa matematiken är avgörande för hur mycket en lärare arbetar laborativt med sina elever. Samtliga lärare ansåg att en laborativ undervisning i matematik var bra men hur mycket det gav eleverna rent kunskapsmässigt fanns det skilda uppfattningar om. De flesta av lärarna uppgav att det är viktigt att eleverna förstår kopplingen mellan det konkreta och det abstrakta, även att valet av material kan vara bra att reflektera över. Studien visar en blandning av åsikter kring undervisningsmetoden laborativ matematik, dock kan man se en röd tråd som visar att den egna inställningen till laborativ matematik samt det egna självförtroendet till undervisningsformen var en faktor som avgjorde om läraren var positiv eller mer negativ i sitt förhållningssätt.

This thesis treats the modelling of a high-dimensional data set of longitudinal binary responses. The data consists of default indicators from different nations around the world as well as some explanatory variables such as exposure to underlying assets. The data used for the modelling is an aggregated term which combines several of the default indicators in the data set into one.  The modelling sets out from a portfolio perspective and seeks to find underlying correlations between the nations in the data set as well as see the extreme values produced by a portfolio with assets in the nations in the data set. The modelling takes a copula approach which uses Gaussian copulas to first formulate several different models mathematically and then optimize the parameters in the models to best fit the data set. Models A and B are optimized using standard stochastic gradient ascent on the likelihood function while model C uses variational inference and stochastic gradient ascent on the evidence lower bound for optimization. Using the different Gaussian copulas obtained from the optimization process a portfolio simulation is then done to examine the extreme values. The results show low correlations in models A and B while model C with it's additional regional correlations show slightly higher correlations in three of the subgroups. The portfolio simulations show similar tail behaviour in all three models, however model C produces more extreme risk measure outcomes in the form of higher VaR and ES. / Denna uppsats behandlar modellering av en datauppsättning bestående av högdimensionell longitudinell binärrespons. Datan består av konkursindikatorer för ett flertal suveräna stater runtom världen samt förklarande variabler så som exponering mot underliggande tillgångar. Datan som används i modelleringen är en aggregerad term som slår samman flera av konkursindikatorerna till en term. Modellerandet tar ett portföljperspektiv och försöker att finna underliggande korrelationer mellan nationerna i datamängden så väl som extremförluster som kan komma från en portfölj med tillgångar i de olika länderna som innefattas av datamängden. Utgångspunkten för modellerandet är ett copula-perspektiv som använder Gaussiska copulas där man först försöker matematiskt formulera flertalet modeller för att sedan optimera parametrarna i dessa modeller för att bäst passa datamängden till hands. För modell A och modell B optimeras log-likelihoodfunktionen med hjälp av stochastic gradient ascent medan i modell C används variational inference och sedan optimeras evidence lower bound med hjälp av stochastic gradient ascent. Med hjälp av de anpassade copula-modellerna simuleras sedan olika portföljer för att se vilka extremvärden som kan antas. Resultaten visar små korrelationer i modell A och B medan i modell C, med dess ytterligare regionala korrelationer, visas något större korrelation i tre av undergrupperna. Portföljsimuleringarna visar liknande svansbeteende i alla tre modeller, men modell C ger upphov till större riskmåttvärden i portföljerna i form av högre VaR och ES.

In today's society sustainability has become an important subject and has an impact on various sectors. Corporations include sustainability in their corporate strategy, which further affects the field of corporate finance. This has lead to a new insight among investors to include a sustainability criterion in their investment processes. This research has investigated how Investor AB could optimize their portfolio by including sustainability criterion (ESG) and how different portfolio setups will differ from each other.  The research has been conducted utilizing Markowitz portfolio optimization described by Markowitz theory. The application of the theory has been extended with a third criterion of a weighted ESG score rating where the optimal solutions were found using the notion of Pareto optimality and quadratic programming. Different cases have been created to find how more sustainable portfolios can differ from each other. The research shows that portfolios consisting of companies with higher ESG rating do not significantly decrease the expected return but can suffer from higher standard deviation, which indicates that it is driven by assets with higher ESG score rating. The obtained results show that the portfolios obtained including the third criterion will not always obtain a value of Jensen's Alpha above zero (0) and are therefore not optimal strategies to outperform the benchmark index, SIX Return Index. A portfolio that consists of non-sustainable and sustainable assets has performed better than other portfolios that under- or overperform from the perspective of sustainability.  The conclusion is that an investor must sacrifice a higher weighted ESG score rating of its portfolio to obtain a higher expected return and less risk. An investor that aims for higher return, must exclude the sustainability criterion. / I dagens samhälle har hållbarhet blivit ett aktuellt ämne inom olika affärsverksamheter. Bolag beaktar hållbarhet i delar av sin dagliga verksamhet vilket påverkar bolagets finansiella ställning. Med tiden har investerare fått upp ögonen för hållbara investeringar. Denna studie har till syfte att undersöka hur Investor AB kan optimera sin portfölj genom att inkludera kriterierna för miljö, samhälle/social och bolagsstyrning (ESG). Vidare har studien till syfte att undersöka hur framtagning enligt olika portföljer kan skilja sig åt.  Undersökningen har genomförts med hjälp av Markowitz teori om portföljoptimering. Tillämpningen av teorin har utvidgats med ett tredje ESG kriterium i optimeringsproblemet baserat på teorin om Pareto-optimala lösningar och optimeringslära. Olika portföljer har skapats för att undersöka hur mer hållbara portföljer skiljer sig från varandra. Studien visar att bolag med krav på högre ESG ranking i en portfölj inte kommer att minska förväntade avkastningen, däremot kommer standardavvikelsen att öka. Genom att optimera sin avkastning och samtidigt ta hänsyn till en portföljs hållbarhet har det visats sig i portföljutvecklingen att det inte är möjligt att nå högre avkastning än jämförelse indexet, SIX Return Index.  Slutsatsen är att investare riskerar andra preferenser såsom avkastning i de fall de ska inkludera en ytterliggare hållbarhetsfaktor i sin investeringsprocess. Investor ABs portfölj bygger dock sin förväntade avkastning på dem mer hållbara bolagen eftersom förväntad avkastning inte minskar avsevärt när ett hållbarhetskriterium inkluderas. Om en investerare önskar en högre avkastning bör de inte inkluder en hållbarhetskriterium.

The fixed income market is not as exploited as other markets and has a more complex structure compared with the equity market. On the other hand, it has been seen that demand for research for the fixed income market has increased, which in turn has created greater interest in studying the characteristics of holdings in the market. This work studies whether it is possible to replicate indices through requirements for credit rating, sectors and mathematical key figures such as Duration, convexity, duration time spread (DTS) and option adjusted spread (OAS). Replication is made through linear programming in the program Python. By implementing lasso regression, this study examines whether it is possible to exceed the return by reducing the requirements for key figures that are not selected efter selection of variables in the regression. The investment company Alfred Berg has provided relevant data for this report. The data consists of information on all assets included in the index EUR Investment grade (ER00) over the period 2017-2021. The result of the replication follows the index returns, with small deviations, and the lasso regression selects the key figures DTS and OAS in its model. It is difficult to excess index return by focusing only on the key figures DTS and OAS. Analysis of other key figures and variables selected by the lasso regression can possibly create better results, as a suggestion for further work. / Räntemarknaden är inte lika exploaterad som andra marknader och har en mer komplex struktur jämfört med aktiemarknaden. Däremot har man sett att efterfrågan på forskning för räntemarknaden har ökat, vilket i sin tur skapat ett större intresse att studera egenskaperna av innehaven på marknaden. Detta arbete studerar om det går att replikera index genom krav på credit rating, sektor och matematiska nyckeltal som Duration, convexity, duration times spread (DTS) och option adjusted spread (OAS). Replikeringen sker genom linjär programmering i programmet Python. Genom att implementera Lasso regression undersöker detta arbete även om det går att överträffa vakastningen genom att minska kraven på nyckeltal som inte väljts ut efter urval av variabler i regressionen. Investmentbolaget Alfred Berg har bidragit med data för denna rapport. Datan består av information om alla tillgångar som ingår i indexet EUR Investment Grade (ER00) under perioden 2017-2021. Resultatet visar att replikeringen av index är möjlig, med små avvikelser, och lasso regressionen väljer nyckeltalen DTS och OAS i sin modell. Det är svårt att överträffa index genom att endast fokusera på nyckeltalen DTS och OAS. Analys av andra nyckeltal och variabler som väljs ut av lasso regressionen kan skapa ett bättre resultat.

This thesis investigates how neural networks can be used to produce investors' views for the Black-Litterman market model. The study uses two data sets, one with global stock market indexes and one with stock market data from the S&P 500. The task of the neural networks is to produce forecasts for the returns for the next quarter and the following year. The neural network will have to predict whether the market will move up or down and determine if the market movement is less than or equal to one standard deviation, creating four different scenarios. The forecasts are used as input to the Black-Litterman model to generate new portfolios, which are backtested from 2017 until 2022. The index data set was compared to a benchmark portfolio and a portfolio with naive risk diversification, while the S&P 500 data set was compared to market capitalization-weighted and naive portfolios. This resulted in eight different backtests where the neural networks obtained AUC values in the range of 0.56-0.73 and prediction accuracies in the range of 20.9% - 42.1%. The network used for yearly predictions on the index data set was the only network to outperform the benchmark portfolio. It obtained a Sharpe ratio of 1.782, a Sortino ratio of 2.165, and a maximum drawdown of -30.9% compared to the benchmark portfolio, where the corresponding metrics were 1.544, 1.879, and -32.8%. / Detta examensarbete undersöker hur neurala nätverk kan användas för att generera investerares åsikt till Black-Littermans marknadsmodell. Studien använder två dataset, en med globala börsindex och en med börsdata från S6P 500. De neurala nätverkens uppgift är att generera prognoser för avkastning för nästa kvartal samt nästkommande år. Det neurala nätverket måste förutsäga om marknaden kommer att röra sig uppåt eller nedåt, och avgöra om marknadsrörelsen är mindre än eller lika med en standaravvikelse, vilket skapar fyra olika scenarier. Prognoserna användas som input till Black-Litterman-modellen för att generera nya portföljer, som backtestas från 2017 till 2022. Portföljerna som skapades med globala börsindex jämfördes med en benchmarkportfölj och en portfölj med naiv riskspridning. Datasetet med data från S&P 500 jämfördes med marknadsvärdesviktade och naiva portföljer. Detta resulterade i åtta olika simuleringar där de neurala nätverken fick AUC-värden i intervallet 0,56-0,73 och prediktionsnoggrannheter i intervallte 20,9% - 42,1%. Nätverket som användes för årliga prognoser om globala börsindex var det enda nätverket som överträffade jämförelseportföljen. Den fick en Sharpekvot på 1, 782, Sortinokvot på 2,165 och en största kumulativa nedgång på -30,9% jämfört med jämförelseportföljen där motsvarande mätvärden var 1, 544, 1, 879 och -32,8%.