The thesis is focused on the description of LTE system in terms of signaling on interfaces of LTE and EPC subsystems, such as UE initial network connection. The next section describes the types of diagnostic methods for mobile networks using OSS, drive testing and flow analysis. The thesis also aims at description of key performance indicators (independent service QoS parameters and the KPI for the radio part of the network). Part of the network measurement includes a description of the driver settings and views for analysis. It is also described the implementation of measuring and evaluating the results.

Syfte: Syftet med studien är att öka förståelsen för vilka yttre faktorer som är av betydelse för personalengagemang och hur dessa är av betydelse för personalengagemang enligt mellanchefer på medelstora till stora organisationer. Metod: Metodvalet för studien utgår från ett kvalitativt, socialkonstruktionistiska perspektiv med tio semistrukturerade intervjuer med mellanchefer på medelstora till stora organisationer. Det empiriska materialet har analyserats utifrån fyra olika teman för att sedan ställa de empiriska utfallen mot tidigare forskning för att på så vis öka förståelsen för vilka yttre faktorer som påverkar personalens grundläggande mänskliga behov som i sin tur är av betydelse för personalengagemang.  Bidrag: Personalengagemang är resultatet av en kedjereaktion i tre steg. Där yttre faktorer behöver tillfredsställa personalens grundläggande mänskliga behov som i sin tur är av betydelse för olika inre sinnestillstånd hos personalen.Det teoretiska bidraget lyfter fram att personalens grundläggande mänskliga behov samt de tre yttre faktorerna återhämtning, ledarskap och kommunikation är av betydelse för personalengagemang. Studien kom även fram till att ytterligare två yttre faktorer, tillit och frihet under eget ansvar, kan vara av betydelse för personalengagemang. Det praktiska bidraget består i att förse beslutsfattare inom organisationer med praktiska teorier för att bättre förstå och arbeta med personalengagemang.  Förslag till fortsatt forskning: Vi rekommenderar att framtida forskning utför validerande tester om de tre yttre faktorerna återhämtning, ledarskap och kommunikation utgör träffsäkra och pålitliga faktorer som är av betydelse för personalengagemang. Vi anser att det vore av intresse att vidare undersöka om de två yttre faktorerna tillit och frihet under eget ansvar har någon inverkan i att bibehålla fullt personalengagemang och om det kan finnas ett samband mellan dem och behovet av självförverkligande från Maslows (1943) behovstrappa. / Aim: The purpose of this thesis is to increase the understanding of which factors that are of importance for employee engagement and how they are of importance for employee engagement according to middle managers in medium-sized to large organizations.  Method: The choice of method for this thesis is based on a qualitative, social-constructive perspective based on ten semi-structured interviews with middle managers in medium-sized to large organizations. The empirical material has been analyzed on the basis of four different themes, where the empirical outcomes were compared to previous research in order to increase understanding of which external factors affect employee’s Maslow’s Hierarchy of Needs to then affect employee engagement. Contributions: Employee engagement seems to be the result of a three-step chain reaction. Where external factors need to satisfy the basic human needs of the employees, which in turn is of importance for different inner state of mind within the employees. The theoretical contribution emphasizes that employee’s basic human needs as well as the three external factors of recovery, leadership and communication are of importance for employee engagement. The study also concluded that two additional external factors, trust and freedom under one's own responsibility, may be of importance for employee engagement. The practical contribution consists in providing decision-makers within organizations with practical theories to better understand and work with employee engagement. Suggestions for future research: We recommend future researchers to conduct validating tests to affirm if the three external factors recovery, leadership and communication constitute accurate and reliable performance indicators of employee engagement. We believe it to be of interest to further investigate whether the two external factors trust and freedom to act under one’s own supervision have any correlation with maintaining a full level of employee engagement, and whether there exists a causality between them and the need of self-realization from Maslow's Hierarchy of Needs.

Företag har i dagens samhälle stora mängder data som ökar ständigt och som därmed behöverhanteras. Företag ska kunna omvandla rådata till värdefull information som möjliggör bättrebeslutfattande. Bussiness Intelligence, även kallat BI, underlättar för företag att samla in, lagra ochanalysera sin data samt att de ger bättre underlag för beslutstöd. Ett känt verktyg som kan användassom en stödfunktion för beslutfattare är dashboard. En dashboard är en synlig presentation på en endaskärm som visar den allra viktigaste information som krävs för att kunna uppnå ett eller flera olikamål. Syftet med en dashboard är att kommunicera betydelsefull information på ett exakt, effektivtsamt tydligt sätt.Kandidatuppsatsens syfte är att identifiera och beskriva framgångsfaktorer som påverkar skapandetav en användarvänlig försäljningsdashboard utifrån ett kund–konsultperspektiv. Den metod som haranvänts i denna uppsats är fallstudiemetoden. Fem personliga intervjuer med semi-struktureradeintervjuguider som underlag har genomförts i denna studie. Intervjuerna gjordes med tre Power BIkonsulterfrån fallföretaget Two och de resterande två intervjuerna gjordes med representanter frånfallföretagets kundföretag Huzells och Pictura.De viktigaste slutsatserna från uppsatsstudien för att kunna skapa en användarvänlig försäljningsdashboard är att det är viktigt att konsulten är lyhörd och lär känna kunden, viktigt attkunden har ett tydligt syfte och mål med försäljningsdashboarden, kommunikationen mellan konsultoch kund är A och O, försäljningsdashboarden ska vara tydlig och lättförståelig, viktigt attförsäljningsdashboarden visar relevant information och nyckeltal (även kallat KPI:er) för denspecifika målgruppen och att försäljningsdashboarden ska vara behaglig att titta på.Det är viktigt att konsulten är lyhörd och lyssnar på vad kunden har för önskemål med dashboardenoch designar utifrån det. Det är också bra om konsulten lär känna kunden för att få en bättre inblick ikundens verksamhet för att kunna komma med lämpligare idéer och förslag på hur dashboarden kanutformas. Kunden behöver ha ett tydligt syfte för hur dashboarden ska se ut, vad den ska innehållasamt var den ska placeras. Kommunikation mellan båda parter är en viktig förutsättning för att de skafortsätta ha samma vision under projektet. En användarvänlig försäljningsdashboard behöver varatydlig samt innehålla relevant information och KPI:er för den specifika målgruppen.

Learning-based testing is a testing paradigm that combines model-based testing with machine learning algorithms to automate the modeling of the SUT, test case generation, test case execution and verdict construction. A tool that implements LBT been developed at the CSC school at KTH called LBTest. LBTest utilizes machine learning algorithms with off-the-shelf equivalence- and model-checkers, and the modeling of user requirements by propositional linear temporal logic. In this study, it is be investigated whether LBT may be suitable for testing a micro bus architecture within an embedded telecommunication device. Furthermore ideas to further automate the testing process by designing a data model to automate user requirement generation are explored. / Inlärningsbaserad testning är en testningsparadigm som kombinerar model-baserad testning med maskininlärningsalgoritmer för att automatisera systemmodellering, testfallsgenering, exekvering av tester och utfallsbedömning. Ett verktyg som är byggt på LBT är LBTest, utvecklat på CSC skolan på KTH. LBTest nyttjar maskininlärningsalgoritmer med färdiga ekvivalent- och model-checkers, och modellerar användarkrav med linjär temporal logik. I denna studie undersöks det om det är lämpat att använda LBT för att testa en mikrobus arkitektur inom inbyggda telekommunikationsenheter. Utöver det undersöks även hur testprocessen skulle kunna ytterligare automatiseras med hjälp av en data modell för att automatisera generering av användarkrav.

The Nordic power system is in a changing phase, with more power electronic interfaced connections, and HVDC connections to other synchronous areas, which impacts the frequency quality. This is a challenge for the transmission system operator of Sweden, Svenska Kraftnät, who, with the other Nordic transmission system operators, is responsible for the physical balancing of the Nordic power system. To ensure that the grid can maintain stable operation when power imbalances or a disturbance occur, the frequency quality is important to evaluate. According to the current measurement of frequency quality, minutes outside of the standard frequency band, the frequency quality in the Nordic power system has been deteriorating. The current measurement does not capture what impact the frequency quality and needs to be redefined, with more precise measurements, for Svenska Kraftnät to be able to take necessary actions to ensure stability of the power system. Therefore, the purpose of this project is to determine which key performance indices, KPIs, can be used to develop the definition of frequency quality, and which system parameters are captured by the different KPIs. This project is executed with simulations in Matlab/Simulink to determine the impact five system parameters have on 15 different KPIs, and the results from the simulations are validated with historical data. The results indicate that all system parameters can be captured with KPIs, but after validation with historical data only two system parameters, which correlated with four KPIs, were deemed to be valid. The amount of FCR-N energy activated can be captured with the standard deviation of frequency, frequency area, and number of FCR-D activations. The kinetic energy can be captured by the standard deviation of RoCoF. The KPIs are recommended to be used to identify, and measure, the impact of new technical requirements for frequency control, and how the frequency stability is impacted by changes in the system. The conclusion is that four key performance indices are recommended to improve the definition of frequency quality, and further research is recommended to further define the concept of frequency quality. / För tillfället sker stora förändringar i det nordiska elsystemet. Fler produktionsanläggningar och industrier ansluts med kraftelektronik och fler HVDC-anslutningar byggs till andra synkronområden, vilket har stor inverkan på frekvenskvalitén. Detta leder till nya utmaningar för det svenska transmissionsnätets systemansvariga myndighet, Svenska Kraftnät, som gemensamt med sina nordiska motsvarigheter är ansvariga för den fysiska balanseringen i det nordiska synkronområdet. Det är viktigt att kontinuerligt följa upp frekvenskvalitén i transmissionsnätet så att stabil drift kan garanteras både vid mindre obalanser eller i händelse av större störningar. Det nuvarande nyckeltalet för uppföljning av frekvenskvalité, minuter utanför normalbandet, indikerar att frekvenskvalitén i det nordiska synkronområdet har blir sämre de senaste åren. Det nuvarande nyckeltalet indikerar inte vad som påverkar frekvenskvalitén och behöver omdefinieras med mer precisa nyckeltal för att Svenska Kraftnät ska kunna vidta nödvändiga åtgärder för att garantera en stabil drift av transmissionnätet. Syftet med examensarbetet är att definiera nya nyckeltal för att beskriva frekvenskvalité samt undersöka vilka systemparametrar som fångas av de olika nyckeltalen. I detta projekt har simuleringar utförts i Matlab/Simulink för att bestämma den inverkan fem olika systemparametrar har på 15 olika nyckeltal. Resultaten från simuleringar valideras med historisk data. Resultaten från simuleringen indikerar att de fem systemparametrarna kan fångas av olika kombinationer av de föreslagna nyckeltalen, men efter validering med historisk data bedöms enbart två systemparametrar fångas av totalt fyra nyckeltal. Systemparametern aktiverad FCR-N energi fångas av tre nyckeltal: frekvensens standardavvikelse, frekvensarea och antal FCR-D-aktiveringar. Systemparametern kinetisk energi fångas av ett nyckeltal: frekvensderivatans standardavvikelse. De fyra identifierade nyckeltalen kan användas för att identifiera och mäta hur frekvenskvalitén påverkas av nya tekniska krav, samt hur frekvensstabilitet påverkas av förändringar i systemet. Slutsatsen för detta projekt är att fyra nya nyckeltal rekommenderas för att utveckla definitionen av frekvenskvalité. Vidare arbete rekommenderas för att kunna utveckla begreppet vidare.

The medical device manufacturing industry has a deficiency in determining how to improve supplier performance for the components and systems they purchase. Many complex medical devices require components from superb suppliers. But how does a medical device manufacturer (MDM) impartially assess supplier performance to know which suppliers to continuing with (or even boost purchase volumes) and which suppliers they should exit? This study describes which supplier-specific metrics are most important to medical device manufacturers (MDMs) so they can utilize this supplier performance scorecard backed by real-world inputs. This research will focus on five categories to measure MDM supplier performance (Quality, Price, Delivery, Customer Service, and Partnership) across twenty-three (23) metrics. Because this is a focus of MDM supplier performance, we are not focusing on analysis of device sales to the final customer (e.g., distributors or group purchasing organizations {GPO}). The study will follow a framework including research analysis of supplier performance management in other industries, methods to attain data from MDMs via survey, results and analysis of the data, conclusions, and an easily understandable MDM supplier performance scorecard. In the survey, 135 MDM professionals replied when asked to rate twenty-three (23) supplier performance metrics, across five (5) categories aggregated from nine (9) different industries. The survey yielded a myriad of results including, weighting factors of each of the metrics, and those data results were used to compile an MDM supplier performance scorecard utilizing real-world feedback. The analysis revealed the ratings of importance of the categories as: Quality (43%), Delivery (24%), Customer Service (4%), Partnership (13%), Price (8%) and associated weights for the twenty-three (23) metrics that matter most to an MDM when creating a performance scorecard for their supplier base. Three contributions that this research will add to the body of knowledge: An in-depth review of supplier performance across many different industries (i.e., non-healthcare and healthcare) for contrasting/comparing evidence. A detailed MDM survey and statistical analysis on the topic of supplier performance management. An easily understandable and useable MDM supplier performance scorecard (via MS Excel) for MDM supply chain and/or operations users and/or managers.

With six major truck companies holding similar market shares in Europe, advancements and improvements are crucial to avoid falling behind. However, knowing what aspects to improve is paramount, as focusing on the wrong areas can lead to wasted resources and time. At the operational level, collecting accurate data and utilizing it effectively is essential for learning and progress. One effective method is to gather data on process losses and measure effectiveness accordingly. Overall equipment effectiveness (OEE) and overall process effectiveness (OPE), originating from total productive maintenance (TPM), are commonly used metrics for this purpose.   To ensure comprehensive assessment, three main effectiveness measurements are necessary. OEE evaluates machine effectiveness, total effective equipment performance (TEEP) considers planned maintenance, and OPE encompasses all losses, internal and external.   In this thesis, all three effectiveness measurements are applied to Scania's pallet disassembly process. Due to its high variability, traditional TPM methods cannot be directly applied. Therefore, adaptations were made. Time became the common factor for measurement, eliminating the need for cycle times and unit outcomes. Additionally, the aspect of quality was excluded, given the nature of the disassembly process and its minimal quality loss.   The implemented method involves two solutions: one currently in use and one proposed for the future. The current approach involves data entry by an operator into an Excel sheet at the end of each shift. This data is then transformed into OEE, TEEP, and OPE pie charts, allowing for weekly analysis of shift, day, and week effectiveness. As for future recommendations, replacing the programmable logic controller (PLC) would enable real-time effectiveness monitoring and process simulations.

KPI(Key Performance Index)是一個落後指標，需要一套更及時的領先指標，以動態和系統化的角度，及時展現每一位員工的執行績效和顧客滿意度指標，以數位化看板的概念報導員工對公司的貢獻度和顧客對服務的接受度，因為預先管控和報導，可以確保KPI 的達成，在服務品質的改善和顧客滿意度提升，有很大的助益。. 本研究希望發展出一套具體的線上及時管控指標，讓系統整合公司可以提升顧客信賴和持續服務品質改善，而將重點發展方向轉移到提供更好的內容、產品、服務、系統的品質，以及合理的價格。 因此採用平衡計分卡的四大構面為面向，ITIL服務生命週期之IT服務管理為主軸，參考PZB三位教授之服務品質概念性模式和SERVQUAL量表衡量構面及項目，配合系統整合公司的運作，歸納出一個服務品質改善架構流程圖，並以其為基礎發展一套服務品質改善的及時管控指標；運用商業智慧、數位儀表版等工具設計以支援主管決策管控和員工績效的報導系統。

The aim of this work is to develop a universal procedure introducing the concept of IT Governance using COBIT methodology to a small business environment. This thesis understands COBIT as a tool with which is possible to create a new business strategy for a firm and which will provide more competitive force for the firm in the competitive fight. The main contribution of this thesis is a theoretical research, which resulted in the proposal as how should a small company (which close-up characteristic is described in more detail in the work) proceed in a case that it decides to efficiently manage, manage and control the business IS / IT. This theoretical approach is then tested as a case study on a real small enterprise.

This research study focuses on the application models of Data Mining and Machine Learning covering cellular network traffic, in the objective to arm Mobile Network Operators with full view of performance branches (Services, Device, Subscribers). The purpose is to optimize and minimize the time to detect service and subscriber patterns behaviour. Different data mining techniques and predictive algorithms have been applied on real cellular network datasets to uncover different data usage patterns using specific Key Performance Indicators (KPIs) and Key Quality Indicators (KQI). The following tools will be used to develop the concept: RStudio for Machine Learning and process visualization, Apache Spark, SparkSQL for data and big data processing and clicData for service Visualization. Two use cases have been studied during this research. In the first study, the process of Data and predictive Analytics are fully applied in the field of Telecommunications to efficiently address users’ experience, in the goal of increasing customer loyalty and decreasing churn or customer attrition. Using real cellular network transactions, prediction analytics are used to predict customers who are likely to churn, which can result in revenue loss. Prediction algorithms and models including Classification Tree, Random Forest, Neural Networks and Gradient boosting have been used with an exploratory Data Analysis, determining relationship between predicting variables. The data is segmented in to two, a training set to train the model and a testing set to test the model. The evaluation of the best performing model is based on the prediction accuracy, sensitivity, specificity and the Confusion Matrix on the test set. The second use case analyses Service Quality Management using modern data mining techniques and the advantages of in-memory big data processing with Apache Spark and SparkSQL to save cost on tool investment; thus, a low-cost Service Quality Management model is proposed and analyzed. With increase in Smart phone adoption, access to mobile internet services, applications such as streaming, interactive chats require a certain service level to ensure customer satisfaction. As a result, an SQM framework is developed with Service Quality Index (SQI) and Key Performance Index (KPI). The research concludes with recommendations and future studies around modern technology applications in Telecommunications including Internet of Things (IoT), Cloud and recommender systems. / Cellular networks have evolved and are still evolving, from traditional GSM (Global System for Mobile Communication) Circuit switched which only supported voice services and extremely low data rate, to LTE all Packet networks accommodating high speed data used for various service applications such as video streaming, video conferencing, heavy torrent download; and for say in a near future the roll-out of the Fifth generation (5G) cellular networks, intended to support complex technologies such as IoT (Internet of Things), High Definition video streaming and projected to cater massive amount of data. With high demand on network services and easy access to mobile phones, billions of transactions are performed by subscribers. The transactions appear in the form of SMSs, Handovers, voice calls, web browsing activities, video and audio streaming, heavy downloads and uploads. Nevertheless, the stormy growth in data traffic and the high requirements of new services introduce bigger challenges to Mobile Network Operators (NMOs) in analysing the big data traffic flowing in the network. Therefore, Quality of Service (QoS) and Quality of Experience (QoE) turn in to a challenge. Inefficiency in mining, analysing data and applying predictive intelligence on network traffic can produce high rate of unhappy customers or subscribers, loss on revenue and negative services’ perspective. Researchers and Service Providers are investing in Data mining, Machine Learning and AI (Artificial Intelligence) methods to manage services and experience. This research study focuses on the application models of Data Mining and Machine Learning covering network traffic, in the objective to arm Mobile Network Operators with full view of performance branches (Services, Device, Subscribers). The purpose is to optimize and minimize the time to detect service and subscriber patterns behaviour. Different data mining techniques and predictive algorithms will be applied on cellular network datasets to uncover different data usage patterns using specific Key Performance Indicators (KPIs) and Key Quality Indicators (KQI). The following tools will be used to develop the concept: R-Studio for Machine Learning, Apache Spark, SparkSQL for data processing and clicData for Visualization. / Electrical and Mining Engineering / M. Tech (Electrical Engineering)