Systemutveckling gentemot försvarsindustrin kan i många fall bli komplext och innefatta väldigt stora projekt. Samtidigt har utvecklingen av modelleringsverktyg fortsatt och användningen av modellering har blivit ett potentiellt verktyg för att garantera kvalitativa kravdokument.Studien har studerat vilka för- och nackdelar det finns med att arbeta modell- respektive dokumentbaserat i projekt gentemot försvarsindustrin. Modellbaserat refereras i rapporten som användning av modeller för att skapa kravdokument medan dokumentbaserad utveckling innebär en mer traditionell syn på utvecklingen där krav formuleras i fritext och sedan lämnas över till ansvariga för implementering.Studien har med hjälp av intervjuer som främsta datainsamlingsmetod med projekt involverade i utveckling av system gentemot försvarsindustrin identifierat fördelar och nackdelar med de båda respektive metoderna. Studien har kommit fram till att arbeta modellbaserat garanterar en hög kvalitet och har en förmåga att hantera en hög komplexitet, däremot är metoden mer beroende av verktyg och kompetens jämfört med dokumentbaserad utveckling. Den dokumentbaserade utvecklingsmetoden karaktäriseras av att vara en enkel metod utan något specifikt verktygsberoende, däremot har metoden visat sig vara olämplig för komplexa och stora projekt där spårbarhet i kraven är kritisk.

Data används i stora mängder i dagens samhälle. Sjukvården är inget undantag och i den branschen kan analyser av data rädda liv eller uppfinna läkemedel. För att kunna bruka data i modern tid måste ett databassystem användas. Att välja rätt databassystem kan vara svårt och kräver att man vet varför man väljer den ena över den andra. Här jämförs två databaser för att generera data på om det skilljer sig mellan operationstiderna hos en relationsdatabas och en dokumentbaserad databas. Studien har valt att göra ett tekniskt experiment där MySQL brukas som relationsdatabas medans MongoDB används som dokumentbaserad databas. Node.js används som ramverk för att skapa applikationer där testning sker. Data är hämtad från U.S. Department of Health &amp; Human Services (2023) och representerar sjukvårdsdata från COVID. Operationstyperna INSERT och SELECT är de två som undersöks i denna studien. Resultatet bevisar att båda de framlagda hypoteserna stämmer. MongoDB var i båda testerna mer effektiv och producerade lägre operationstider för INSERT och SELECT. / <p>Stavningskorrigerad titel: MySQL och MongoDB operationer med Node.js som ramverk</p>