No description available.

No description available.

Syftet med studien är att bilda kunskap om lärares uppfattningar av vad individualisering i matematikundervisningen kan innebära. Utifrån syftet har frågeställningar formulerats som avser att ta reda på lärares uppfattning av vad individualisering är och hur de uppfattar att de arbetar individualiserat i matematikundervisningen. Det är en kvalitativ studie som grundar sig på semistrukturerade intervjuer med fem verksamma grundskollärare. Det teoretiska och metodologiska tillvägagångssättet i studien är fenomenografiskt. Resultatet visar att det finns olika uppfattningar av vad individualiserad undervisning innebär. Det övergripande är att en individualiserad undervisning krävs i skolan för att alla elever har olika bakgrund, erfarenheter och behov. En individualiserad matematikundervisning kan möjliggöra att alla elever får utvecklas utifrån sina kunskaper. Precis som forskning visar framgår det i studien att hastighetsindividualisering genomsyrar matematikundervisningen. Lärare visar en tendens till att matematikundervisningen är läroboksbunden men resultatet visar att lärare till viss del är medvetna om dess negativa effekter och att de därför försöker variera matematikundervisningen. Det finns en önskan om att individualisera mer men det finns faktorer som påverkar möjligheten till individualisering, främsta faktorn är tiden. Om lärare har de förutsättningar som krävs för att kunna individualisera matematikundervisningen så kan uppfattningen av vad individualisering är förändras och därmed sättet att undervisa.

Syftet med denna studie är att se hur lärare använder sig av det obligatoriska bedömningsstödeti matematik och om de förändrar sin undervisning utifrån elevernas resultat. Studien fokuserarpå hur lärarna anser att de arbetar med bedömningsstödet och hur de lägger upp arbetet kringdet. Det finns även ett fokus på om de har en formativ ansatts i sitt arbete medbedömningsstödet. Studien har ett sociokulturellt perspektiv, den är kvalitativ i sin metod ochbygger på semistrukturerade intervjuer. Resultatet av studien är att de deltagande lärarna harförändrat sitt arbete utifrån resultaten av bedömningsstödet och att de anser att de har använtstödet framåtsyftande. De delar även åsikten att bedömningsstödet är tidskrävande men bra ochatt användandet av det i slutändan kan vara tidsbesparande.

No description available.

Risk management is applied in many financial institutions under regulatory supervision. Life insurance companies face many challenges to ensure policy holders of future payouts. The inverted balance sheet of life insurance companies imply that the policy holder pay premiums in advance to the insurance company to later receive payouts at the age of retirement. This means a great responsibility for the life insurance company to be able to meet future liabilities. Due to this, one of the largest risks facing a life insurance company is the interest rate risk. Future liabilities depend on the interest rates and the difference in duration in assets and liabilities creates an imperfect negative correlation between the movements in assets and liabilities when the interest rate change. The bond market holds different types of bonds such as government bonds, housing bonds and corporate bonds with different maturities within each subgroup. The relationship between these subgroups and maturities within these subgroups are interesting to investigate in a forecasting point of view. This relationship is usually referred to as the term structure of interest rates and changes in the term structure are referred to as shifts. This thesis aims to find which of the three shifts, level, slope and curvature, that is most important to capture in interest rate models. This is investigated using three different simulation techniques and the results show that the first shift representing a level shift of the whole term structure has the largest effect on Skandia’s balance sheet.

Today, companies like Volvo GTO experience a vast increase in data and the ability toprocess it. This makes it possible to utilize machine learning models to construct a rootcause analysis system in order to predict, explain and prevent defects. However, thereexists a trade-off between model performance and explanation capability, both of whichare essential to such system.This thesis aims to, with the use of machine learning models, inspect the relationshipbetween sensor data from the painting process and the texture defectorange peel. Theaim is also to evaluate the consistency of different explanation methods.After the data was preprocessed, and new features were engineered, e.g. adjustments,three machine learning models were trained and tested. In order to explain a linearmodel, one can use its coefficients. In the case of a tree-based model, MDI is a commonglobal explanation method. SHAP is a state-of-the-art model-independent method thatcan explain a model globally and locally. These three methods were compared in orderto evaluate the consistency of their explanations. If SHAP would be consistent with theothers on a global level, it can be argued that SHAP can be used locally in an root causeanalysis.The study showed that the coefficients and MDI were consistent with SHAP as theoverall correlation between them were high and because they tended to weight thefeatures in a similar way. From this conclusion, a root cause analysis algorithm wasdeveloped with SHAP as a local explanation method. Finally, it cannot be concludedthat there is a relationship between the sensor data andorange peel, as the adjustments ofthe process were the most impactful features. / Idag upplever företag som Volvo GTO en stor ökning av data och en förbättrad förmågaatt bearbeta den. Detta gör det möjligt att, med hjälp av maskininlärningsmodeller,skapa ett rotorsaksanalyssystem för att förutspå, förklara och förebygga defekter. Detfinns dock en balans mellan modellprestanda och förklaringskapacitet, där båda ärväsentliga för ett sådant system.Detta examensarbete har som mål att, med hjälp av maskininlärningsmodeller, under-söka förhållandet mellan sensordata från målningsprocessen och strukturdefektenorangepeel. Målet är även att utvärdera hur konsekventa olika förklaringsmetoder är.Efter att datat förarbetats och nya variabler skapats, t.ex. förändringar som gjorts, trä-nades och testades tre maskinlärningsmodeller. En linjär modell kan tolkas genomdess koefficienter. En vanlig metod för att globalt förklara trädbaserade modeller ärMDI. SHAP är en modern modelloberoende metod som kan förklara modeller bådeglobalt och lokalt. Dessa tre förklaringsmetoder jämfördes sedan för att utvärdera hurkonsekventa de var i sina förklaringar. Om SHAP skulle vara konsekvent med de andrapå en global nivå, kan det argumenteras för att SHAP kan användas lokalt i en rotorsak-analys.Studien visade att koefficienterna och MDI var konsekventa med SHAP då den över-gripande korrelationen mellan dem var hög samt att metoderna tenderade att viktavariablerna på ett liknande sätt. Genom denna slutsats utvecklades en rotorsakanalysal-goritm med SHAP som lokal förklaringsmetod. Slutligen går det inte att dra någonslutsats om att det finns ett samband mellan sensordatat ochorange peel, eftersom förän-dringarna i processen var de mest betydande variablerna.

The engine production, machining and foundry at Scania is facing a higher production load and is, very soon, utilizing the whole capacity. Today, two production plants collaborate to meet global demand. However, the global structure of the planning process is missing. In the current situation, no consideration regarding the global capacity and the most cost-effective cross-flow between the production plants are taken into account.   This master thesis aims to develop an optimization model to decide the global cross-flow between the production plants. The purpose is to generate more cost-conscious decisions and a long-term planning structure.   A mathematical optimization model is developed with the purpose of optimizing the cross-flow between the two production plants. The theory of Facility Location Problem (FLP), which includes a set of customers and a set of facilities, is the basis for the optimization model. The customers' demand must be serviced by the facilities at the lowest possible cost. The model is modified to be more customized to the actual problem. Therefore, the facilities are replaced with lines. In the actual problem, one customer and one production plant can be found in Sweden while one customer and one production plant can be found in Brazil. The optimization model minimizes the total cost with respect to production cost, transport cost and inventory cost. To guarantee a possible solution to the problem, virtual lines are added to the model. These lines have a significantly higher production cost and an infinite capacity, however, they do not exist in reality.   There are two versions of the optimization model, one includes time periods and one does not. The demand and capacity are added to a total sum in the optimization without time periods, while the demand and capacity vary from week to week in the version including time periods.   The result shows that the global capacity is enough to service the demand when optimized without time periods. Although, when time periods are included in the optimization the result shows both unused and missing capacity. Additionally, the result presents an increase in the cross-ow between the production plants, from a cost perspective, of both volume and quantity of articles.   In conclusion, the recommendation to Scania is to consider possible actions to decrease the missing capacity to meet the demand in every time period and to increase the cross-flow between the production plants. / Scanias motorbearbetning står inför en utmaning med en allt högre beläggning och närmar sig sin maximala kapacitet. I dagsläget sker produktion på två produktionsenheter för att klara av att möta den globala efterfrågan. Det saknas dock en global planeringsstruktur som tar hänsyn till den globala kapaciteten och säkerställer att produktionsutbytet mellan produktionsenheterna är fördelaktiga ur ett kostnads- och kapacitetsperspektiv.   Syftet är därför att utveckla en beslutsmodell med huvudfokus på aspekter som kostnad, kapacitet och efterfrågan som kan användas som underlag vid beslut om volymfördelning mellan produktionsenheterna. Modellen tas fram i syfte att generera mer kostnadsmedvetna val och en mer långsiktig planering.   För att optimera flödet mellan produktionsenheterna tas en matematisk optimeringsmodell fram. Modellen grundar sig i optimeringsteorin Facility Location Problem (FLP) där det finns en mängd anläggningar som tillgodoser en mängd kunders behov. I den modifierade modellen ersätts anläggningarna av möjliga produktionsliner. I det aktuella problemet finns det en kund och en produktionsanläggning i Sverige och en kund och en produktionsanläggning i Brasilien. Modellen minimerar den totala kostnaden med avseende på produktions-, transport- och lagerhållningskostnad. För att säkerställa att det finns en lösning på problemet innefattar modellen även virtuella liner, som inte existerar i verkligheten, med oändlig kapacitet men väsentligt högre produktionskostnad.   Optimeringen sker både med och utan tidsperioder. Optimering utan tidsperioder innebär att både efterfrågan och kapaciteten är en enda stor summa, medan efterfrågan och kapaciteten varierar från vecka till vecka för optimering med tidsperioder.   Resultatet visar att kapaciteten räcker till utan tidsperioder, medan optimering med tidsperioder saknar kapacitet i vissa tidsperioder och har outnyttjad kapacitet i andra tidsperioder. Gällande det totala produktionsutbytet bör det, ur ett rent kostnadsperspektiv, öka i både volym och antal artiklar.   Slutsatsen och den slutgiltiga rekommendationen är att analysera vilka åtgärder som behöver genomföras för att tillfredsställa efterfrågan i samtliga tidsperioder samt att öka produktionsutbytet mellan produktionsenheterna.

As cities are growing with an increasing number of residents, problems with the traffic such as congestion and larger emission arise. The city planners have challenges with making it as easy as possible for the residents to commute and in as large scale as possible to avoid vehicles. Before any improvements or reconstructions can be made, the traffic situation has to be mapped. The results from a probabilistic classification on Wi-Fi sensor data collected in an area in the southern part of Stockholm showed that some streets are more likely to be trafficked by cyclists than pedestrians while other streets showed the opposite. The goal of this thesis was to classify observations as either pedestrians or as cyclists. To do that, Bayesian statistics was applied to perform a classification. Results from a cluster analysis performed with K-means algorithm were used as prior information to a probabilistic classification model. To be able to validate the results from this unsupervised statistical learning problem, several model diagnostic methods were used. The final model passes all limits of what is considered to be a stable model and shows clear signs of convergence. The data was collected using Wi-Fi sensors which detect a device passing by when the device is searching the area for a network to connect to. This thesis will focus on data from three months. Using Wi-Fi sensors as a data collection method makes it possible to track a device. However, many manufacturers produce network interface controllers that generate randomized addresses when the device is connecting to a network, which makes it difficult to track the majority of the devices. Therefore, Wi-Fi sensor data could be seen as not suitable for this type of study. Hence it is suggested that other methods should be used in the future. / I takt med att städer växer med ökat antal invånare uppståar det problem i trafiken såsom trängsel och utsläpp av partiklar. Trafikplanerare ställs inför utmaningar i form av hur de kan underlätta pendling för invånarna och hur de, i så stor utsträckning som möjligt, kan minska fordon i tätorten. Innan potentiella förbättringar och ombyggnationer kan genomföras måste trafiken kartläggas. Resultatet från en sannolikhetsklassificering på Wi-Fi sensordata insamlat i ett område i södra delen av Stockholm visar att vissa gator är mer trafikerade av cyclister än fotgängare medan andra gator visar på motsatt föhållande. Resultatet ger en indikation på hur proportionen mellan de två grupperna kan se ut. Målet var att klassificera varje observation som antingen fotgängare eller cyklist. För att göra det har Bayesiansk statistik applicerats i form av en sannolikhetsklassifikation. Reslutatet från en klusteranalys genomförd med ”K-means clustering algorithm” användes som prior information till klassificeringsmodellen. För att kunna validera resultatet från detta ”unsupervised statistical learning” -problem, användes olika metoder för modelldiagnostik. Den valda modellen uppfyller alla krav för vad som anses vara rimligt f ̈or en stabil modell och visar tydliga tecken på konvergens. Data samlades in med Wi-Fi sensorer som upptäcker förbipasserande enheter som söker efter potentiella nätverk att koppla upp sig mot. Denna metod har visat sig inte vara den mest optimala, eftersom tillverkare idag producerar nätverkskort som genererar en slumpad adress varje gång en enhet försöker ansluta till ett nätverk. De slumpade adresserna gör det svårt att följa majoriteten av enheterna mellan sensorera, vilket gör denna typ av data olämplig för denna typ av studie. Därf ̈or föreslås att andra metoder för att samla in data används i framtiden.

No description available.