Transportsektorn är en av världens största producenter av växthusgas därav är dess avkarbonisering essentiell för att uppnå Parisavtalets mål för CO2-emissioner. Ett viktigt steg för att uppnå dessa mål utförs genom elektrifiering. Litium-jon-batterier (eng. litium-ion batteries, ’LIB’) har blivit väldigt populära energilagringssystem för batteridrivna elektriska fordon (eng. battery electric vehicles, ’BEV’) men tenderar att åldras, precis som alla andra batterier. Därav krävs forskning kring batteriföråldring på grund av nedbrytningsprocessernas inverkan på prissättningen, prestationerna och miljöpåverkan av BEV. Olika modeller används för att beskriva batteriernas åldrande. Datadrivna modeller som förutspår batteriers livstid ökar i popularitet vars noggrannhet och prestationer till stor del beror på indatats kvalitet. Formatet för tidsinhämtade data kräver enorma mängder lagringsutrymme, hög processkapacitet och längre processer; något ’reducerad’ eller ’aggregerad’ data delvis åtgärdar. Denna avhandling fokuserar på att utveckla en metodik för användning av dynamiska fordonsdata i ’aggregerad’ form. Tidsloggade data inhämtade från kallklimatstesting av Scanias BEV-prototyp användes varav interaktionseffekterna mellan diverse fordonsparametrar samt deras effekt på batteriåldring utifrån en batteriåldringsmodell analyserades. Olika tillvägagångssätt för strukturering av dynamiska fordonsdata i modellen undersöktes också. Tolv aggregeringsscenarion designades och testades. Dessutom valdes tre scenarion för uppskattningar och jämförelser av återstående användbar livslängd (eng. remaining-useful-life, ’RUL’) tillsammans med resultat från tidsinhämtade data. Slutligen drogs slutsatser om: parameterinteraktioner, struktur av dynamiska fordonsdata och RUL. Flera framtida utvecklingsområden har också föreslagits bland annat: tester av andra aggregeringstekniker, utöka modellen till tjänstefordon samt kategorisera användningsbeteenden av fordon för att förbättra RUL-uppskattningar. / The transport sector is one of the world’s largest greenhouse gas producing sector and it’s decarbonisation is imperative to achieve the CO2 emission targets set by the Paris Agreement. One important step towards achieving these targets is through electrification of the sector. Lithium-ion batteries (LIBs) have become very popular energy storage systems for battery electric vehicles (BEVs). However, LIBs like all other batteries, tend to age. Hence, the study of the battery ageing phenomena is very essential since the degradation in battery characteristics hugely determines the cost, performance and the environmental impact of BEVs. Different modelling approaches are used to represent battery ageing behaviour. Data-driven models for predicting the lifetime of batteries are becoming popular. However, the accuracy and performance of data-driven models largely depends upon the quality of data being used as the input. Time-sampled format of logging data results in huge data files requiring enormous amounts of storage space, high processing power requirements and longer processing times. Instead, using data in a ’reduced’ or ‘aggregated’ form can help in addressing these issues. This thesis work focuses on developing a methodology for using dynamic vehicle data in an ‘aggregated’ form. Time-sampled data from a Scania prototype BEV truck, recorded during cold climate test, was used. The interaction effects between various vehicle parameters and their effect on battery ageing in a battery ageing model were analyzed. Different approaches to structuring dynamic vehicle data for use in the model were also studied. Twelve aggregation scenarios were designed and tested. Furthermore, three scenarios were selected for making remaining-useful-life (RUL) estimations and compared alongside time-sampled data results. Finally, conclusions about parameter interactions, structuring of dynamic vehicle data and RUL estimations were drawn. Several next steps for future work have also been suggested such as testing other aggregation techniques, extending the model to vehicle fleets and categorizing vehicle usage behaviours to make better RUL estimations.

Predicting the future state occupancies of pedestrians in urban scenarios is a challenging task, especially considering that conventional methods need an explicit model of the system, hence introducing data-driven reachability analysis. Data-driven reachability analysis uses data, inherently produced by an unknown system, to perform future state predictions using sets, generally represented by zonotopes. These predicted sets are generally more conservative than model-based reachable sets. Therefore, is it possible to cluster previously recorded trajectory data based on the expressed behavior and perform the predictions on each cluster to still be able to provide safety guarantees? The theory behind data-driven reachability analysis, which can handle input noise and model uncertainties and still provide safety guarantees, is quite recent. This means that previous implementations for predicting pedestrians are theoretically probabilistic and would not be appropriate to implement in actual systems. Thus, this thesis is not the first of its kind in predicting the future reachable sets for pedestrians using clustered behavioral data, but it is the first work that provides safety guarantees in the process. The method proposed in this thesis first labels the historically recorded trajectories into the behavior also referred to as mode, the pedestrian expressed, which is done by simple conditional statements. This is done offline. However, this implementation is designed to be modular enabling easier improvements to the labelling system. Then, the reachable sets are computed for each behavior separately, which enables a potential motion planner to decide on which modal sets are relevant for specific scenarios. Theoretically, this method provides safety guarantees. The outcomes of this method were more descriptive reachable sets, meaning that the predicted areas intersected areas that it reasonably should, and did not intersect areas it reasonably should not. Also, the volume of the zonotopes for the modal sets was observed to be smaller than the volume of the implemented baseline, indicating fewer over-approximations and less conservative predictions. These results enable more efficient path planning for Connected and Autonomous Vehicles (CAVs), thus reducing fuel consumption and brake wear. / Att predicera framtida tillstånd för fotgängare i urbana situationer är en utmaning, speciellt med tanke på att konventionella metoder behöver uttryckligen en modell av systemet, därav introduceringen av datadriven nåbarhetsanalys. Datadriven nåbarhetsanalys använder data, naturligt producerad av ett okänt system, för att genomföra framtida tillståndspredicering med hjälp av matematiska set, generellt representerade av zonotoper. Dessa predicerade sets är generellt sett mode konservativa än modellbaserade nåbara set. Därmed, är det möjligt att dela upp historiskt inspelade banor baserat på det uttryckta beteendet och genomföra prediceringar på varje kluster och bibehålla säkerhetsgarantier? Teorin bakom datadriven nåbarhetsanalys, som kan hantera brus i indatat och modellosäkerheter och bibehålla säkerhetsgarantier, är väldigt ny. Detta betyder att tidigare implementationer för att predicera fotgängare är, teoretiskt sett, probabilistiska och är inte lämpliga att implementera i riktiga system. Därmed, detta examensarbete är inte det första som predicerar framtida nåbara set för fotgängare genom att använda kluster för beteendedatat, men den är det första arbetet som bibehåller säkerhetsgarantier i processen. Den introducerade metoden i detta examensarbete rubricerar först de tidigare inspelade banorna baserat på beteendet, även kallat läget, som fotgängaren uttrycker, vilket är gjort genom simpla betingade påståenden. Detta görs offline. Dock, denna implementation är designad till att vara modulär vilket underlättar förbättringar till rubriceringssystemet. Fortsättningsvis, beräknas de nåbara seten för varje beteende separat, vilket möjliggör att en potentiell rörelseplanerare kan avgöra vilka beteendeset som är relevanta för specifika scenarion. Teoretiskt sett så ger denna metod säkerhetsgarantier. Resultaten från denna metod var först och främst mer beskrivande nåbara set, vilket betyder att de predicerade områdena korsar områden som de rimligtvis ska korsa, och inte korsar område som de rimligen inte ska korsa. Dessutom, volymen på zonotoperna for beteendeseten observerades att vara mindre än volymen för baslinjeseten, vilket indikerar lägre överskattningar och mindre konservativa prediceringar. Dessa resultat möjliggör mer effektiv rörelseplanering för uppkopplade och autonoma fordon, vilket reducerar bränsleförbrukningen och bromsslitage.

For smaller business it is important to have good and concrete data to make decisions because there are no big margins to test and fail or go on intuition. The purpose of this study is to create an understanding of how data can be used as a decision-making tool in small business. This paper studies the data two smaller companies collect and how they use the collected data. The study has a qualitative method with interviews which have been used for collecting result. The informants were selected based on their previous knowledge and experience.The collection of data in smaller business is both from internal and external sources that complement each other. It is important to have an understanding and knowledge of the visualizations otherwise it can be misleading. Visualizations are used to find patterns, trends and other affecting factors in the data. Segmentation is used by smaller business to understand their target market, customers and which customers they should direct their attention to. Data-driven decision making uses different sources of information, visualization and segmentation. With data-driven decision making it is important to maintain the overall perspective of the business, while all parts of the business are involved in the process. / För mindre företag är det viktigt att ha bra och konkret data för att fatta beslut eftersom det inte finns så stora marginaler att testa sig fram eller gå på intuition. Syftet med studien är att skapa förståelse för hur data kan användas som ett beslutsfattande verktyg i mindre företag. Studien undersöker vilken data mindre företag samlar in samt hur de använder den data som samlas in. Studien är en kvalitativ där intervjuer använts för datainsamling. Dessa gjordes på två mindre företag där informanterna valdes ut baserat på deras tidigare kunskaper och erfarenheter.Insamlingen av mindre företagens data sker både från interna och externa källor som kompletterar varandra. Det viktigt att ha förståelse och kunskap om visualiseringarna för att de inte ska bli missvisande. Visualiseringar används för att lättare hitta mönster, trender och andra påverkande faktorer i data. Segmentering används hos mindre företag för att förstå företagets målgrupp, kunder och vilka kunder de ska rikta sin uppmärksamhet till. För datadriven beslutsfattning används olika informationskällor, visualiseringar och segmentering. Med datadriven beslutsfattning är det viktigt att behålla helhetsperspektiv över företaget samtidigt som alla delar av företaget är involverade i processen.

In an increasingly digital world, companies need to be at the forefront of development in order to gain market share and be competitive. Therefore this qualitative case study intends to investigate how Business intelligence should be implemented to increase the technology acceptance among the employees. Furthermore, it is investigated how data-driven a consulting company in Sweden is. An important factor when Business intelligence is about to be implemented and applied are the employees and the company culture. It is important to normalize the collection of data, in order to create a data culture where high quality data is collected. What is more, Business intelligence is strongly dependent on the data collected maintaining a high data quality, in order to be able to create relevant reports and thereby be able to support various decision-making. When implementing a new platform, many employees are affected. This means that the platform can generate both positive and negative reactions. / I en allt mer digitaliserad värld krävs det att företag ligger långt fram i utvecklingen för att kunna ta marknadsandelar och vara konkurrenskraftiga. Därmed ämnar denna kvalitativa fallstudie att undersöka hur Business intelligence kan implementeras för att öka acceptansen för IT-stöd hos de anställda, samt hur datadrivet ett svenskt konsultföretag är. En viktig faktor när Business intelligence ska implementeras och appliceras är de anställda och den kultur som företaget har. Det är viktigt att normalisera insamlandet av data, för att i förlängningen skapa en datakultur där data med hög kvalité samlas in. Vidare är Business intelligence starkt beroende av att den data som samlas in håller en hög datakvalité, för att kunna skapa relevanta rapporter och därigenom kunna ge förslag inför olika beslutsfattande. Vid en implementering av en ny plattform, är det många anställda som berörs. Det betyder att plattformen kan generera såväl positiva som negativa reaktioner.

Smart cities embrace cutting-edge technologies to improve transportation efficiency and safety. With the rollout of 5G and an ever-growing network of connected infrastructure sensors, real-time road condition awareness is becoming a reality. However, this progress brings new challenges. The communication and vast amounts of data generated by autonomous vehicles and the connected infrastructure must be navigated. Furthermore, different levels of autonomous driving (ranging from 0 to 5) are rolled out gradually and human-driven vehicles will continue to share the roads with autonomous vehicles for some time. In this work, we apply a data-driven control scheme called Learning Model Predictive Control (LMPC) to three different smart city scenarios of increasing complexity. Given a successful execution of a scenario, LMPC uses the trajectory data from previous executions to improve the performance of subsequent executions while guaranteeing safety and recursive feasibility. Furthermore, the performance from one execution to another is guaranteed to be non-decreasing. For our three smart-city scenarios, we apply a minimum time objective and start with a single vehicle in a two-lane intersection. Then, we add an obstacle on the lane of the ego vehicle, and lastly, we add oncoming traffic. We find that LMPC gives us improved traffic efficiency with shorter travel. However, we find that LMPC may not be suitable for real-time training in smart city scenarios. Thus, we conclude that this approach is suitable for simulator-driven, offline, training on any trajectory data that might be generated from autonomous vehicles and the infrastructure sensors in future smart cities. Over time, this can be used to construct large data sets of optimal trajectories which are available for the connected vehicles in most urban scenarios. / Smarta städer använder modern teknik för att förbättra transporteffektiviteten och säkerheten. Med införandet av 5G och ett allt större nätverk av uppkopplade sensorsystem för infrastruktur blir realtidsmedvetenhet om vägförhållandena en verklighet. Denna utveckling medför nya utmaningar. Kommunikationen mellan autonoma fordon och uppkopplade sensorsystem ger upphov till stora mängder data som måste hanteras. Dessutom kommer fordon med olika autocnominivåer (från 0 till 5) att behöva dela gatorna tillsammans med människostyrda fordon samtidigt under en tid. I detta arbete tillämpar vi en datadriven reglermetod som heter Learning Model Predictive Control (LMPC) på tre olika scenarier i en smart stad med ökande komplexitet. LMPC utnyttjar data från en tidigare lyckad körning av ett visst scenario för att förbättra prestandan på efterföljande körningar samtidigt som säkerheten och rekursiv genomförbarhet garanteras. Vidare garanteras att prestandan från en körning till en annan inte minskar. För våra tre scenarier är målet att minimerar restiden och börjar med ett enda fordon i en tvåfilig korsning. Sedan lägger vi till ett hinder på högra filen och till sist lägger vi till mötande trafik. Vi finner att LMPC ger oss förbättrad trafikeffektivitet med kortare restid. Vi finner dock att LMPC må vara mindre lämplig för realtids scenarier. Således drar vi slutsatsen att denna metod är lämplig för optimering i simulatorer, offline, på data som kan genereras från autonoma fordon och sensorsystemet i infrastrukturen. Så småningom kan vår metod användas för att konstruera stora dataset av optimala trajektorier som är tillgängliga för uppkopplade fordon i framtidens smarta städer.

In this project machine learning (ML) interatomic potentials are trained and used in molecular dynamics (MD) simulations to predict the physical properties of total energy, mean squared displacement (MSD) and specific heat capacity for systems of bulk Aluminium and Silicon. The interatomic potentials investigated are potentials trained using the ML models kernel ridge regression (KRR) and moment tensor potentials (MTPs). The simulations using these ML potentials are then compared with results obtained from ab-initio simulations using the gold standard method of density functional theory (DFT), as implemented in the Vienna ab-intio simulation package (VASP). The results show that the MTP simulations reach comparable accuracy compared to the DFT simulations for the properties total energy and MSD for Aluminium, with errors in the orders of magnitudes of meV and 10-5 Å2. Specific heat capacity is not reasonably replicated for Aluminium. The MTP simulations do not reasonably replicate the studied properties for the system of Silicon. The KRR models are implemented in the most direct way, and do not yield reasonably low errors even when trained on all available 10000 time steps of DFT training data. On the other hand, the MTPs require only to be trained on approximately 100 time steps to replicate the physical properties of Aluminium with accuracy comparable to DFT. After being trained on 100 time steps, the trained MTPs achieve mean absolute errors in the orders of magnitudes for the energy per atom and force magnitude predictions of 10-3 and 10-1 respectively for Aluminium, and 10-3 and 10-2 respectively for Silicon. At the same time, the MTP simulations require less core hours to simulate the same amount of time steps as the DFT simulations. In conclusion, MTPs could very likely play a role in accelerating both materials simulations themselves and subsequently the emergence of the data-driven materials design and informatics paradigm.

Digitalisering sker idag både i privat som offentlig sektor där datadriven beslutsfattning är en av trenderna. En teknologi som vuxit fram i samband med digitaliseringen och som hjälper verksamheter utvecklas är Self Service Business Intelligence (SSBI). Offentliga verksamheters digitala utveckling går långsammare än för privata bolag. Studien syftar till att undersöka vilka utmaningar offentliga verksamheter ställs inför i sin användning av SSBI samt att presentera hanteringsförslag på dessa utmaningar. För att besvara studiens frågeställning och uppfylla dess syfte har en kvalitativ forskningsansats använts. Semistrukturerade intervjuer har genomförts där respondenterna har varit personer som arbetar på offentliga verksamheter alternativt mot offentliga verksamheter. Studien resulterade i fyra utmaningar som är vanligt förekommande inom offentlig verksamhet och som inte lyfts i tidigare litteratur. Dessa fyra är; diversifierade verksamheter, ledningen, lagar och säkerhet samt begränsad självständighet. För varje utmaning har förslag diskuterats för hur utmaningarna effektivt kan hanteras. Studiens slutsats kan vara hjälpsam för offentliga verksamheter i deras fortsatta utveckling mot att bli datadrivna i sin beslutsfattning. Med hjälp av datadriven beslutsfattning möjliggörs för offentliga verksamheter att arbeta mer hållbart och bli mer resurseffektiva. / Digitization is today taking place in both private and public sectors, wheredata driven decision making is one of the trends. Self Service BusinessIntelligence (SSBI) is a technology that has emerged in conjunction with thedigital development and is helping businesses to develop. However, thedigital development in public organizations tends to be slower than forprivate companies. Therefore, this study aims to examine the challengesfaced by public organizations in their use of SSBI and also to presentproposals for addressing these challenges.To answer the research question and fulfill the study's purpose, a qualitativeresearch approach has been used with an abductive thinking. Semistructured interviews have been conducted with respondents who work in orwith public organizations. The study resulted in four challenges that arecommon in public organizations and that have not been addressed inprevious literature. These four challenges are diversified organizations, themanagement, laws and security, limited self-reliance. For each challenge,proposals have been discussed for how the challenges can be effectivelyaddressed. This study conclusion can be helpful for public organizations inthe continued development towards becoming data driven decision making.With the help of data driven decision making, public organizations can workmore sustainably and become more resource efficient.

Denna studie, genomförd i samarbete med Sweco, syftar till att utveckla en omfattande modell för datadriven och hållbar stadsplanering med fokus på användningen av geografiska informationssystem (GIS). Med utgångspunkt i de 17 målen för hållbar utveckling enligt Agenda 2030, särskilt mål 11 och 13, utforskar studien konsekvenserna av den ökande urbaniseringen och dess påverkan på miljön, infrastrukturen och samhällsutvecklingen i Sverige. Den belyser bland annat den pågående digitaliseringen av samhällsbyggnadsprocessen för att stödja datadriven stadsplanering. Studien adresserar även utmaningarna i att säkerställa öppna data och kvalitet av geografisk data i Sverige, och diskuterar användningen av geografiska informationssystem (GIS) tillsammans med andra metoder, för att stödja hanteringen av de komplexa utmaningarna som städer står inför, vilket är en förutsättning för datadriven planering. Fortsättningsvis, även kartlägga de förutsättningar för planprocessen i tidigt skede enligt PBL och MB för att främja hållbar stadsplanering och vikten av tidig dialog och samarbete mellan intressenter för att effektivisera plan- och bygglovsprocessen. Med hänsyn till de senaste politiska förändringarna i Sverige och en nedgång i bostadsbyggandet, betonas behovet av en integrerad, strategisk metod för samhällsplanering. Studien tar därmed fram en bedömningsmodell för planområdes index (BPI), som tillsammans med GIS sammanställer förutsättningarna för området som samlar data för tidigt skede i planprocessen. Slutligen ger studien insikt i det dynamiska och komplexa systemet av stadsplanering, där geografisk data kompletteras med kvalitativa aspekter för att främja demokrati, och en hållbar samhällsutveckling. Den framhåller vikten av flexibilitet, anpassningsbarhet och medvetenhet om digitala verktyg och andra metoder samt deras utmaningar för att kunna implementeras i den digitala samhällsbyggnadsprocessen. / This study, conducted in collaboration with Sweco, aims to develop a comprehensive model for evidence-based and sustainable urban planning with a focus on the use of geographic information systems (GIS). Based on the 17 Sustainable Development Goals of the 2030 Agenda, especially goals 11 and 13, the study explores the consequences of increasing urbanisation and its impact on the environment, infrastructure and social development in Sweden. Among other things, it highlights the ongoing digitalisation of the spatial planning process to support evidence-based urban planning. The study also addresses the challenges of ensuring open data and quality of spatial data in Sweden, and discusses the use of digital tools such as GIS and AI in addressing the complex challenges facing cities, which is a prerequisite for data-driven planning. Mapping the conditions for the early stage planning process with PBL and MB to promote sustainable urban planning and the importance of early dialogue and cooperation between stakeholders to streamline the planning and building permit process. Given recent policy changes in Sweden and a decline in housing construction, the need for an integrated, strategic approach to urban planning is emphasised. The study develops an assessment model for the planning area index (BPI), which together with the GIS, summarises the area's conditions and collects data for the early stage of the planning process. Finally, the study provides insight into the dynamic and complex system of urban planning, where qualitative aspects complement geographical data to promote democracy and sustainable community development. It emphasises the importance of flexibility, adaptability and awareness of digital tools and other methods and their challenges to be implemented in today's urban planning process.

Internet Service Providers are companies that deliver services managing a complex network of apparatus and cables. Given the complexity of the network, it often happens that alarms are generated. When a problem within the network occurs, a ticket is issued from an alarm and the company starts to supervise it to manage the situation and solve the problem. This work aims to present how can be designed a system that estimates how much time will the trouble ticket take to be solved. The situation is presented within the context of a real case scenario and takes into consideration how the involved company processes the available information and manages the problem. The achieved result is pursued by the company to deliver the information to the final customer that will be able to understand how much time the problem he is facing is going to take before it will be solved. This work will focus on estimating the resolution time for a subset of all the tickets: those that are classified as low priority network problems. The work started with a study of the company that led to the understanding of the available information about the problem, then it focused on the understanding of the procedure adopted by the company to face the solution. It studies the processes that lie behind the ticket creation, the alarm generation and the human intervention, and it concludes with the design of the proposed solution. The proposed solution leverages the company’s processes to produce a result as valuable as possible given the specific use case. / Internetleverantörer är företag som tillhandahåller tjänster genom att hantera ett komplext nätverk av apparater och kablar. Med tanke på nätets komplexitet händer det ofta att larm genereras. När ett problem i nätverket uppstår utfärdas en biljett från ett larm och företaget börjar övervaka det för att hantera situationen och lösa problemet. Syftet med detta arbete är att presentera hur man kan utforma ett system som uppskattar hur lång tid det kommer att ta att lösa problemet. Situationen presenteras inom ramen för ett verkligt scenario och tar hänsyn till hur det berörda företaget behandlar den tillgängliga informationen och hanterar problemet. Företaget strävar efter att leverera information till slutkunden som kan förstå hur lång tid det kommer att ta innan problemet är löst. Detta arbete kommer att inriktas på att uppskatta lösningstiden för en delmängd av alla biljetter: de som klassificeras som nätproblem med låg prioritet. Arbetet inleddes med en studie av företaget som ledde till att man förstod den tillgängliga informationen om problemet, och sedan fokuserade man på att förstå det förfarande som företaget använde för att lösa problemet. Det studeras vilka processer som ligger bakom skapandet av biljetter, alarmeringen och det mänskliga ingripandet, och det avslutas med utformningen av den föreslagna lösningen. Den föreslagna lösningen utnyttjar företagets processer för att ge ett så värdefullt resultat som möjligt med tanke på det specifika användningsfallet.

With the development of technology and availability of data, it is sometimes easier to learn the control policies directly from the data, rather than modeling a plant and designing a controller. Modeling a plant is not always possible due to the complexity of the plant. Data-enabled predictive control (DeePC) is a recently proposed approach that combines system identification, estimation, and control in a single optimization problem. DeePC is primarily designed for LTI systems. The purpose of this thesis is to extend the application of DeePC to nonlinear systems with a particular focus on a non-holonomic ground robot. To reach this goal, we decompose the system states into different working modes where each mode can be linearly approximated. Furthermore, the data collection policies were also evaluated to conclude how they affect the performance of the DeePC. We identified several key challenges in this direction, namely: data-demanding structure, high computational complexity, and performance deterioration with increased non-linearity. While these challenges prohibited the application of DeePC to the ground robot system; we successfully applied the method to a benchmark non-linear system, the inverted pendulum on cart problem, and studied the effect of various design choices on control performance. Our observations indicate potential areas of improvement toward enabling DeePC for highly nonlinear systems. / Med utvecklingen av teknik och tillgänglighet av data är det ibland enklare att lära sig styrpolicyerna direkt från data, snarare än att modellera ett system och designa en styrenhet. Att modellera ett system är inte alltid möjligt på grund av systemets komplexitet. Data aktiverad prediktiv kontroll (DeePC) är en nyligen föreslagen metod som kombinerar systemidentifiering, uppskattning och kontroll i ett enda optimeringsproblem. DeePC är främst designad för LTI-system. Syftet med denna avhandling är att utöka tillämpningen av DeePC till icke-linjära system med särskilt fokus på en icke-holonomisk markrobot. För att nå detta mål delar vi upp systemtillstånden i olika arbetslägen där varje läge kan approximeras linjärt. Dessutom utvärderades datainsamlingspolicyerna för att dra slutsatser om hur de påverkar DeePCs prestation. Vi identifierade ett antal nyckelutmaningar i denna riktning, nämligen: datakrävande struktur, hög beräkningskomplexitet och prestandaförsämring med ökad icke-linjäritet. Även om de utmaningerna hindrade tillämpningen av DeePC på markrobot systemet; har vi framgångsrikt tillämpat metoden på ett benchmark icke-linjärt system, problemet med inverterad pendel på vagn, och studerade effekten av olika designval på kontrollprestanda. Våra observationer indikerar potentiella förbättringsområden för att möjliggöra DeePC för mycket olinjära system.