The recent development of massive multilingual transformer networks has resulted in drastic improvements in model performance. These models, however, are so large they suffer from large inference latency and consume vast computing resources. Such features hinder widespread adoption of the models in industry and some academic settings. Thus there is growing research into reducing their parameter count and increasing their inference speed, with significant interest in the use of knowledge distillation techniques. This thesis uses the existing approach of deep self-attention distillation to develop a task-agnostic distillation of the language agnostic BERT sentence embedding model. It also explores the use of the Switch Transformer architecture in distillation contexts. The result is DistilLaBSE, a task-agnostic distillation of LaBSE used to create a 10 times faster version of LaBSE, whilst retaining over 99% cosine similarity of its sentence embeddings on a holdout test from the same domain as the training samples, namely the OpenSubtitles dataset. It is also shown that DistilLaBSE achieves similar scores when embedding data from two other domains, namely English tweets and customer support banking data. This faster version of LaBSE allows industry practitioners and resourcelimited academic groups to apply a more convenient version of LaBSE to their various applications and research tasks. / Den senaste utvecklingen av massiva flerspråkiga transformatornätverk har resulterat i drastiska förbättringar av modellprestanda. Dessa modeller är emellertid så stora att de lider av stor inferenslatens och förbrukar stora datorresurser. Sådana funktioner hindrar bred spridning av modeller i branschen och vissa akademiska miljöer. Således växer det forskning om att minska deras parametrar och öka deras inferenshastighet, med stort intresse för användningen av kunskapsdestillationstekniker. Denna avhandling använder det befintliga tillvägagångssättet med djup uppmärksamhetsdestillation för att utveckla en uppgiftsagnostisk destillation av språket agnostisk BERT- innebördmodell. Den utforskar också användningen av Switch Transformerarkitekturen i destillationskontexter. Resultatet är DistilLaBSE, en uppgiftsagnostisk destillation av LaBSE som används för att skapa en 10x snabbare version av LaBSE, samtidigt som man bibehåller mer än 99 % cosinuslikhet i sina meningsinbäddningar på ett uthållstest från samma domän som träningsproverna, nämligen OpenSubtitles dataset. Det visas också att DistilLaBSE uppnår liknande poäng när man bäddar in data från två andra domäner, nämligen engelska tweets och kundsupportbankdata. Denna snabbare version av LaBSE tillåter branschutövare och resursbegränsade akademiska grupper

This study is concerned with using the popular Recurrent Neural Network (RNN) model, and its variants Gated Recurrent Unit (GRU) and Long-Short Term Memory (LSTM), on the novel problem of Sentiment Forecasting (SF). The goal of SF is to predict what the sentiment of a response will be in a conversation, using only the previous utterance. In more every day terms, we want to be able to predict the sentiment of person B’s response to something person A said, before B has said anything and using only A’s utterance. The RNN models were trained on a Swedish email database containing email conversations, where the task was to predict the average sentiment of the response emails to an initial mass-sent business email. The emails didn’t come with sentiment labels, so the Valence Aware Dictionary and sEntiment Reasoner (VADER) system was used to determine sentiments. Seventy-five training-and-testing experiments were run with varying RNN models and data conditions. The accuracy, precision, recall, and F1 scores were used to determine to what extent the models had been able to solve the problem. In particular, the F1 score of the models were compared to the F1 score of a dummy classifier that only answered with positive sentiment, with the success case being that a model was able to reach a higher F1 score than the dummy. The results led to the findings that the varying RNN models performed worse or comparably to the dummy classifier, with only 5 out of 75 experiments resulting in the RNN model reaching a higher F1 score than the positive classifier, and with the average performance of the rare succeeding models only going 2.6 percentage points over the positive only classifier, which isn’t considered worthwhile in relation to the time and resource investment involved in training RNNs. In the end, the results led to the conclusion that the RNN may not be able to solve the problem on its own, and a different approach might be needed. This conclusion is somewhat limited by the fact that more work could have been done on experimenting with the data and pre-processing techniques. The same experiments on a different dataset may show different results. Some of the observations showed that the RNN, particularly the Deep GRU, might be used as the basis for a more complex model. Complex models built on top of RNNs have been shown to be useful on similar research problems within Sentiment Analysis, so this may prove a valuable avenue of research. / Denna studie handlade om att använda den populära Recurrent Neural Network (RNN) modellen, och dess varianter Gated Recurrent Unit (GRU) och Long- Short Term Memory (LSTM), på det hittils understuderade problemet Sentiment Forecasting (SF). Målet med SF är att förutsäga vad sentimentet av ett svar kommer att vara i en konversation, med endast det tidigare uttalandet. I mer vardagliga termer vill vi kunna förutsäga känslan av person B: s svar på något som person A sagt, innan B har sagt någonting och att vi endast använder A:s yttrande. RNN-modellerna tränades med en svensk e-postdatabas som innehöll epostkonversationer, där uppgiften var att förutsäga den genomsnittliga känslan av svarsmeddelandena till ett initialt utskickat massmeddelande. E-postmeddelandena kom inte med sentimentetiketter, så Valence Aware Dictionary and sEntiment Reasoner (VADER)-systemet användes för att utvinna etiketter. Sjuttio-fem experiment genomfördes med varierande RNN-modeller och dataförhållanden. Accuracy, precision, recall och F1-score användes för att avgöra i vilken utsträckning modellerna hade kunnat lösa problemet. F1- Score:n för modellerna jämfördes med F1-Score:n för en dummy-klassificerare som endast svarade med positivt sentiment, med framgångsfallet att en modell kunde nå en högre F1-poäng än dummy:n. Resultaten ledde till fynden att de olika RNN-modellerna presterade sämre eller jämförbart med dummyklassificeraren, med endast 5 av 75 experiment som resulterade i att RNN-modellen nådde en högre F1-score än den positiva klassificeraren, och den genomsnittliga prestandan för de sällsynta framgångsrika modellerna bara kom 2,6 procentenheter över den positiva klassificeraren, vilket inte anses lönsamt i förhållande till den tid och resursinvestering som är involverad i träning av RNNs. I slutändan ledde resultaten till slutsatsen att RNN och dess varianter inte riktigt kan lösa problemet på egen hand, och en annan metod kan behövas. Denna slutsats begränsas något av det faktum att mer arbete kunde ha gjorts med att experimentera med data och förbehandlingstekniker. En annan databas skulle möjligtvis leda till ett annat resultat. Några av observationerna visade att RNN, särskilt Deep GRU, kan användas som grund för en mer komplex modell. Komplexa modeller bygga ovanpå RNNs har visat goda resultat på liknande forskningsproblem, och kan vara en värdefull forskningsriktning.

Auto-completion is a task that requires an algorithm to give suggestions for completing sentences. Specifically, the history of live chat and the words already typed by the agents are provided to the algorithm for outputting the suggestions to finish the sentences. This study aimed to investigate if the above task can be handled by fine-tuning a pre-trained T5 model on the target dataset. In this thesis, both an English and a Portuguese dataset were selected. Then, T5 and its multilingual version mT5were fine-tuned on the target datasets. The models were evaluated with different metrics (log perplexity, token level accuracy, and multi-word level accuracy), and the results are compared to those of the baseline methods. The results on these different metrics show that a method based on pre-trained T5 is a promising approach to handle the target task. / Automatisk komplettering är en uppgift som kräver en algoritm för att ge förslag på hur man kan slutföra meningar. Specifikt levereras historien om livechatt och de ord som redan har skrivits av agenterna till algoritmen för att mata ut förslagen för att avsluta meningarna. Denna studie syftade till att undersöka om ovanstående uppgift kan hanteras genom att finjustera en förtränad T5-modell på måldatamängden. I denna avhandling valdes både en engelsk och en portugisisk datamängd. Därefter finjusterades T5 och dess flerspråkiga version mT5 på måldatauppsättningarna. Modellerna utvärderades med olika mätvärden (log-perplexitet, precision på ordnivå och flerordsnivå), och resultaten jämförs med baslinjemetoderna. Resultaten på dessa olika mätvärden visar att en metod baserad på en förtränad T5 är ett lovande tillvägagångssätt för att hantera uppgiften.

Plastskräp har blivit ett global problem på grund av nedskräpning och otillräcklig avfallshantering. Användning av biologiskt nedbrytbart material kan underlätta problemet, även om det inte är en universallösning. Produkter gjorda av biologiskt nedbrytbart material skall ändå till avfallshantering eftersom nedbrytningen kan vara långvarig och variera mycket beroende av omgivningen. Därmed är användningen av biologiskt nedbrytbart material endast berättigat då det är svårt att samla in materialet eller avskilja det från organiskt material. Studiens mål var att undersöka biologiskt nedbrytbara material som kan användas i produkter som fungerar under många olika driftsförhållanden och inte kan återställas efter användning. I den litterära delen av denna studie definieras nedbrytning genom egenskaper och förhållanden som påverkar nedbrytningsprocessen. Nedbrytning av polyestrar och cellulosa och de standardprocessarna som används i nedbrytningsexperimenten betraktades. Standardprocesserna för nedbrytning studerades för att få en klarare inblick i den eftertraktade nedbrytningsgraden och de standardiserade förhållandena för nedbrytningen i olika miljöer. En sammanfattning av olika nedbrytningsexperiment och analysmetoder är också inkluderade för att försäkra att experimenten som utfördes är både giltiga och jämförbara med andra forskningsresultat inom fältet. I detta forskningsprojekt utfördes nedbrytningsexperiment i färskvatten- och hemkompostmiljöer. Målet med projektet var att bedöma ifall materialen kunde brytas ned i ett brett spektrum av miljöer, ifall de var mindre skadliga för naturen än konventionella material som används av dagens industri och för att uppskatta nedbrytningstakten. Nedbrytningstiden var 140 dagar och experimentet utfördes med 10 olika material: betecknade som A-J. Materialen analyserades 8 gånger under nedbrytningsperioden förutom materialen I och J som analyserades en gång efter 140 dagar. Materialen analyserades mekaniskt, strukturellt och termiskt med hjälp av dragprovning, FTIR och DSC. Provernas viktförändring bestämdes också. Nedbrytning observerades visuellt från provernas yta och genom mekaniska prover. Materialen som placerades i hemkomposten visade klara tecken på nedbrytning då färgen hade förändrats och förstärkningsfibrerna hade blivit synliga. Materialen som placerats i hemkompostmiljö visade också klara tecken på tillväxt av mikroorganismer och biomassa som uppstått på ytan av materialen. Sammanfattningsvist, visade materialen B, C och G de mest lovande resultaten med klara tecken på biologisk nedbrytning och de hade en snabbare nedbrytningstakt än de andra materialen som undersöktes. Material D visade klara tecken på biologisk nedbrytning på ytan men dess nedbrytningstakt var uppskattad att vara mycket långsammare. Därmed rekommenderas det att använda material A, B, D och G istället för konventionella icke biologiskt nedbrytbara material. Dessa material har potential att sänka den negativa inverkan och de långsiktiga riskerna av plastskräp för miljön. / Plastic debris has become a global crisis due to littering and misplaced waste management. The use of biodegradable materials can ease the problem, but it is not always the answer. Products made of biodegradable materials are still to be waste managed since biodegradation can be a long process and is highly dependent on the environment conditions. Hence, the use of biodegradable materials is justified only when retrieving the product after use is impossible or prohibitively expensive or separating it from organic matter is difficult. This study was made to investigate biodegradable materials that can be used in products that are operating in broad range of operational conditions and cannot be retrieved back after use in most cases. In the literature part of this study the biodegradation is defined along with properties and conditions that affect the biodegradation process. Biodegradation of polyesters and cellulose, and standards used in the biodegradation experiments were reviewed. Biodegradation standards were studied in order to have a clearer picture of the pursued degree of biodegradation and standardized properties in the biodegradation experiments. Review of different biodegradation tests and analysis methods are included as well to ensure that the experiments performed in this work are valid and comparable with other biodegradation studies.  In this study, the biodegradation experiment was conducted in freshwater and home compost environments. The aim was to determine if the materials were able to biodegrade in wide range of environments, to make sure they are less harmful than the conventional materials used in the industry and to estimate the rate of biodegradation. The duration of the experiments were 140 days with 10 different materials: A – J. The materials were analyzed 8 times during the aging period, except materials I and J, which were analyzed only once after 140 days. The samples were analyzed mechanically, structurally, and thermally using tensile test, FTIR and DSC measurements, respectively. Also, the samples weight changes were analyzed.  The degradation was visually observed from the surfaces of the samples and from mechanical testing in both experimental environments. Home compost environment showed clear signs of biodegradation where reinforcement fibers became visible and changed the color of some of the samples. Also, home compost samples had microorganisms growing on them, and biomass was developing around them. To conclude, material B, C and G had the most promising results with clear signs of biodegradation and had faster estimated biodegradation rate compared with the other studied materials. Material D had signs of biodegradation on the surface as well. However, the biodegradation rate was estimated to be much slower. In conclusion, it is recommended to use the studied materials A, B, D and G instead of the conventional non-biodegradable polymers. These materials have potential to lower the negative impact and long-term risks of plastic debris to the environment.

Technologies such as Artificial Intelligence (AI) and Machine Learning (ML)are disrupting industries worldwide and are being categorized as drivers of a technological revolution. The economic impact is hypothesized to amount to hundreds of billions of US dollars in losses of wages, affecting governmental tax revenue streams consequentially. Firms that manage to leverage these technologies by developing sustained competitive advantage are ultimately the firms that will prosper. Competitive advantage stems from the dynamic capabilities, characterizing the organizational and managerial processes in place to withstand the effects of external environmental turbulence, as with the technological revolution galvanized by AI. This research aimed to analyze how a tele- & cloud-communication company manages to leverage AI to materialize competitive advantage. The research was conducted in two principal parts. First, by developing an ML model for language agnostic document retrieval (LaDPR) and evaluating the performance vs. Facebook’s Dense Passage Retrieval (DPR) model. The ML experiments show that the developed LaDPR model outperforms Facebook’s DPR model by over 2x on average, on multilingual document retrieval. This performance increase rises to over 4x when excluding English, which is the language that DPR was trained on. Secondly, interviews were conducted with key representatives to research how such technological advancements can be exploited in the organizational goal for competitive advantage. Specific vital capabilities such as automated decision-making, knowledge integration, and platform maturity are the three prominent organizational and managerial processes that advanced AI systems can undergird. The results pinpoint that the process of a high-technology department focused solely on developing such AI systems, packaging them with engineering competence to then transfer ownership internally in the organization, ultimately coalesce into hard-to-imitate dynamic capabilities, materializing competitive advantage. / Teknologier som Artificiell Intelligens (AI) och Maskininlärning (ML) splittrar industrier världen över, och kategoriseras som drivkrafter bakom en teknologisk revolution. Effekterna på ekonomin spekuleras uppnå hundratals miljarder USD, som påverkar staters skatteintäkter markant. Företag som lyckas begagna sådan teknologi genom att utveckla långvariga konkurrensfördelar är i slutändan de företag som kommer se framgång. Dessa fördelar härstammar från de dynamiska förmågorna i ett företag, och karakteriseras av organisationella och lednings-orienterade processer som används för att stå emot effekterna av utomstående fluktuationer i marknaden, exemplifierat av den teknologiska revolutionen driven av AI. Den bedrivna forskningen ämnade att analysera hur ett företag inom tele- och molnkommunikation begagnar AI för att materialisera konkurrensfördelar. Forskningen bedrevs i två primära delar. Först, genom att utveckla en ML modell för språkagnostisk dokumenthämtning (LaDPR), och utvärdera prestandan i jämförelse med Facebooks Dense Passage Retrieval (DPR) modell. ML experimenten visar att den utvecklade LaDPR modellen presterar i snitt 2x bättre än Facebooks DPR modell på flerspråkig dokument-hämtning. Prestandaförbättringarna stiger upp till 4x, ifall engelska exkluderas, vilket är det språk som DPR tränades på. Genom att föra intervjuer med nyckelpersoner undersöktes det hur sådana teknologiska framsteg exploateras i de organisationella målen för konkurrensfördelar. Specifika nyckelförmågor som automatiserat beslutsfattande, kunskapsintegrering och plattformmognad är tre huvudsakliga organisationella och ledningsorienterade processer som avancerade AI system kan underbinda. Resultaten visar att processen av en högteknologisk avdelning som fokuserar på utveckling av avancerade AI system, som sedan paketeras tillsammans med ingenjörskompetens, för slutgiltig överföring av ägarskap, i slutändan förenas i svårimiterade dynamiska förmågor, som materialiseras i konkurrensfördelar.

Transformatorn har en viktig uppgift för att elsystemet ska fungera optimalt och det är därav väldigt viktigt att den inte går sönder genom att exempelvis överhettas. Från att transformatorn har varit placerad utomhus har det nu blivit allt vanligare att placera den i en omslutande byggnad, vilket påverkar effektiviteten för kylningen av transformatorn. Detta eftersom hastigheten på det passerande luftflödet kring transformatorn blir lägre vilket leder till att temperaturen i luften runtomkring ökar. I detta examensarbete undersöktes lufttemperaturen i en transformatorstation i Västernorrland, i syfte att se hur transformatorn klarar av de belastningar och utomhustemperaturer som den utsätts för. Detta för att kunna säkerställa att temperaturgränser och riktlinjer för interna och externa temperaturer för en transformator uppfylls. Transformatorn som användes i undersökningen har en maximal skenbar effekt på 16 MVA och använder sig av kylsystemet ONAN. Byggnaden runtomkring transformatorn har två ventilationsluckor på nedre långsidan, samt två ventilationsluckor på övre kortsidan.  Målet med undersökningen var att genomföra en teoretisk analys av hur kylningen i den valda transformatorstationen dimensioneras, där simuleringar även skulle göras i syfte att validera den teoretiska analysen. De belastningar som undersökts har utgått ifrån tillhandahållna data ifrån den högsta lasten under en vanlig sommar- och vinterdag. Ett framtida fall har även undersökts där lasten antas gå på märkeffekt under en längre tidsperiod samt under en väldigt varm sommardag, för att se hur hårt transformatorn kan belastas i extrema förhållanden utan att gränser och riktlinjer överskrids. Det framtida fallet har delats upp i två scenarier, extremfall 20 samt extremfall 30, där skillnaden är vilken temperatur in i transformatorstationen de har. Alternativa lösningar för ventilationsluckorna har även studerats, gällande placering på väggar, storlekar samt gallers modell. Matematiska beräkningsmodeller för bland annat luftflödet, stationstemperaturen samt lindningsoch oljetemperaturer utvecklades fram under arbetet gång, vilka samlades i en Excel beräkningsmall. Simuleringar av byggnaden och transformatorn gjordes i COMSOL Multiphysics, där både 2D och 3D modeller undersöktes i syfte att dels analysera värmespridningen i oljan, dels den naturliga ventilationen. Utifrån de matematiska beräkningsmodellerna framgick det att vinterfallet körde på ca 49% belastning, medan sommarfallet körde på ca 10% belastning. Dessa båda fallen klarade alla gränser och riktlinjer kring externa och interna temperaturer för alla areastorlekar, placeringar och gallersmodeller som testades. I extremfallen uppfylldes de interna temperaturökningsgränserna, men extremfall 30 klarade inte den externa temperaturgränsen i något simuleringstest. Skulle ett extremfall 30 i framtiden inträffa, bör fläktar vid radiatorerna eller ventilationsluckorna övervägas, alternativt en större lucköppning där det enligt framräknade resultat behövs en förstoring av öppningarna på 57%. Ytterligare ett alternativ skulle kunna vara att placera ventilationsluckorna i taket, då detta visade sig ge bästa möjliga kylning av transformatorn i simuleringarna. Detta examensarbete skulle kunna användas som en grund inför framtida undersökningar och den framarbetade Excel beräkningsmallen kan användas som riktlinje vid dimensionering av inomhustransformatorstationer. / The transformer plays a crucial role for the electrical system to function optimally, making its reliability vital to prevent issues such as overheating. Traditionally, the transformer has been positioned outdoors. Nowadays it has become increasingly common to house transformers in enclosed buildings, which affects the cooling efficiency of the transformer. This enclosure reduces the speed of airflow around the transformer, subsequently raising the ambient air temperature. In this thesis, the air temperature in a transformer station in Västernorrland was investigated, to assess how the transformer withstands the loads and external temperatures it encounters. This to ensure that requirements and guidelines for internal and external temperatures for the transformer are met. The transformer used in the study has a maximum apparent power of 16 MVA and uses the ONAN cooling system. The enclosing building is equipped with two ventilation hatches on the longer lower side and two on the shorter upper side.  The aim of the investigation was to conduct a theoretical analysis of the cooling system’s dimensions at the selected substation, complemented by simulations to validate the theoretical findings. The loads investigated have been based on the data provided from the highest load during a normal summer and winter day. Additionally, a future scenario was explored where the transformer operates at rated power for extended periods during a very hot summer day to determine the maximum load the transformer can handle under extreme conditions without breaching the set requirements and guidelines. The future case has been divided into two scenarios, extreme case 20 and extreme case 30, where the difference is what temperature into the substation they have. Alternative design solutions for the ventilation hatches have also been studied, regarding placement on walls, sizes, and fire damper model. Mathematical calculation models for, among other things, the air flow, station temperature, winding- and oil temperatures were developed during the project and compiled into an Excel calculation template. Simulations of the building and the transformer were made in COMSOL Multiphysics, analysing both 2D and 3D models with the aim of studying the heat spread in the oil and the natural ventilation.  The mathematical models showed that the winter scenario operated at approximately 49% load, while the summer scenario operated at about 10% load. These two cases passed all requirements and guidelines regarding external and internal temperatures for all tested hatch sizes and locations. In the extreme cases, the internal temperature rise requirement was met. However, extreme 30 failed to meet the external temperature requirement in any simulation test. Should an extreme case 30 occur in the future, fans at the cooling fins or ventilation hatches may be necessary, or potentially enlarging the hatch openings by 57% as suggested by the calculations. Another alternative could be placing the ventilation hatches on the roof, as this arrangement provided optimal cooling in the simulations. This thesis could be used as a basis for future investigations and the developed Excel calculation template can be used as a guideline when dimensioning indoor transformer stations.

Studien undersöker vilka metoder som är mest lämpliga för rekryteringsprocesser genom att inkludera tre befintliga Artificiell intelligens (AI) verktyg samt en egenutvecklad prototyp. Tidigare studier har visat att AI kan förbättra rekryteringsprocessen genom att öka effektiviteten och minska fördomar, men också att det finns begränsningar i hur väl AI kan bedöma kandidaternas kompetenser. Målet är att bestämma de mest effektiva AI-lösningar för att matcha kvalificerade kandidater till ledande positioner. Identifierade möjligheter till förbättringar i hastighet, noggrannhet och kvalitet av rekryteringsprocessen. Fokuset för detta arbete ligger på analys av befintliga AI-lösningar parallellt med utvecklingen och testningen av en prototyp. Prototypen har designats för att hantera de brister som identifierats i de befintliga metoderna, såsom matchning av nyckelord mellan Curriculum Vitae (CV) och jobbannonsen. Denna metod har begränsningar i hur väl den kan identifiera kandidaters verkliga kompetenser och relevans för jobbet, vilket utforskas i denna studie. Resultatet från denna studie visar att AI för närvarande har en begränsad, men växande betydelse i rekryteringsprocesser. Detta pekar på en betydande potential för AI att erbjuda nya lösningar som kan leda till mer rättvisa och effektiva rekryteringsprocesser i framtiden. / The study examines which methods are most suitable for recruitment processes by including three existing artificial intelligence AI-tools as well as a custom-developed prototype. Previous studies have shown that AI can improve recruitment processes by increasing efficiency and reducing biases, but also that there are limitations in how well AI can assess candidate’s competencies. The goal is to determine the most effective AI solutions for matching qualified candidates to leading positions. Opportunities for improvement in speed, accuracy, and quality of the recruitment process have been identified. The focus of this work is on analyzing existing AI-solutions in parallel with the development and testing of a prototype. The prototype has been designed to address the deficiencies identified in existing methods, such as matching keywords between Curriculum Vitae (CV) and job advertisements. This method has limitations in how well it can identify candidate’s real competencies and relevance for the job, which is explored in this study. The results from this study show that AI currently has a limited, but growing significance in recruitment processes. This points to significant potential for AI to provide new solutions that can lead to fairer and more efficient recruitment processes in the future.

Manuell granskning av användarrecensioner för att extrahera relevant informationkan vara en tidskrävande process. Denna rapport har undersökt om stora språkmodeller kan användas för att sammanfatta, extrahera och analysera nyckelinformation från recensioner, samt hur en sådan applikation kan konstrueras.  Det visade sig att olika modeller presterade olika bra beroende på mätvärden ochviktning mellan recall och precision. Vidare visade det sig att fine-tuning av språkmodeller som Llama 3 förbättrade prestationen vid klassifikation av användbara recensioner och ledde, enligt vissa mätvärden, till högre prestation än större språkmodeller som Chat-Bison. För engelskt översatta recensioner hade Llama 3:8b:Instruct, Chat-Bison samt den fine-tunade versionen av Llama 3:8b ett F4-makro-score på 0.89, 0.90 och 0.91 respektive. Ytterligare ett resultat är att de större modellerna Chat-Bison, Text-Bison och Gemini, presterade bättre i fallet för generering av sammanfattande texter, än de mindre modeller som testades vid inmatning av flertalet recensioner åt gången.  Generellt sett presterade språkmodellerna också bättre om recensioner först översattes till engelska innan bearbetning, snarare än då recensionerna var skrivna i originalspråk där de majoriteten av recensionerna var skrivna på svenska. En annan lärdom från förbearbetning av recensioner är att antal anrop till dessa språkmodeller kan minimeras genom att filtrera utifrån ordlängd och betyg.  Utöver språkmodeller visade resultaten att användningen av vektordatabaser och embeddings kan ge en större överblick över användbara recensioner genom vektordatabasers inbyggda förmåga att hitta semantiska likheter och samla liknande recensioner i kluster. / Manually reviewing user reviews to extract relevant information can be a time consuming process. This report investigates if large language models can be used to summarize, extract, and analyze key information from reviews, and how such anapplication can be constructed.  It was discovered that different models exhibit varying degrees of performance depending on the metrics and the weighting between recall and precision. Furthermore, fine-tuning of language models such as Llama 3 was found to improve performance in classifying useful reviews and, according to some metrics, led to higher performance than larger language models like Chat-bison. Specifically, for English translated reviews, Llama 3:8b:Instruct, Chat-bison, and Llama 3:8b fine-tuned had an F4 macro score 0.89, 0.90, 0.91 respectively. A further finding is that the larger models, Chat-Bison, Text-Bison, and Gemini performed better than the smaller models that was tested, when inputting multiple reviews at a time in the case of summary text generation.  In general, language models performed better if reviews were first translated into English before processing rather than when reviews were written in the original language where most reviews were written in Swedish. Additionally, another insight from the pre-processing phase, is that the number of API-calls to these language models can be minimized by filtering based on word length and rating. In addition to findings related to language models, the results also demonstrated that the use of vector databases and embeddings can provide a greater overview of reviews by leveraging the databases’ built-in ability to identify semantic similarities and cluster similar reviews together.

As the world becomes increasingly digitalized, new technologies like Artificial Intelligence (AI) are now more than ever before an important tool for organizations to meet future challenges. This is true for the private as well as the public sector, however, certain organizational functions are falling behind on AI-adoption, with public procurement being a standout example. This study examines the feasibility of integrating AI-solutions in public procurement. Using the theoretical lens of technology adoption and the AI-adapted Technology Organization Environment (TOE)-framework, a series of interviews were conducted with procurement practitioners, experts and solutions providers, identifying what factors drive or inhibit AI-adoption. The results confirmed that the previously identified TOE-factors relative advantage, management support, and external pressure are drivers of AI-adoption in public procurement, while competence, resources and procurement regulation are inhibitors. Additionally, three new factors were identified in the interviews; available solutions, resistance to change and public policy. The findings of the study contributed to the proposal of an updated TOE-framework for AI-adoption in public procurement. They further confirm the findings of previous studies utilizing the TOE-framework to investigate public organizations. / I takt med att världen blir alltmer digitaliserad är nya teknologier som artificiell intelligens (AI) nu viktigare verktyg än någonsin för organisationers förmåga att bemöta framtida utmaningar. Detta gäller både den privata och den offentliga sektorn, men vissa organisatoriska funktioner ligger efter när det gäller AI-implementation, där den offentliga upphandlingsfunktionen är ett tydligt exempel. Denna studie undersöker möjligheterna att integrera AI-lösningar inom offentlig upphandling. Genom att använda organisationell teori om teknologiadoption som teoretisk lins och mer specifikt det AI-anpassade (TOE)-ramverket genomfördes en serie intervjuer med upphandlingspraktiker, experter och produktägare för att identifiera vilka faktorer som driver eller hämmar AI-implementation. Resultaten bekräftade att de tidigare identifierade TOE-faktorerna relativ fördel, ledningsstöd och extern press är drivkrafter för AI-implementation inom offentlig upphandling, medan kompetens, resurser och upphandlingsregler är hinder. Dessutom identifierades tre nya faktorer i intervjuerna; tillgängliga lösningar, motstånd mot förändring och offentlig styrning. Studiens resultat bidrog vidare till att föreslå ett uppdaterat TOE-ramverk för AI-implementation inom offentlig upphandling. Den bekräftar vidare resultaten från tidigare studier som använder TOE-ramverket för att undersöka teknikinförande inom offentliga organisationer.

Natural ventilation is the dominating ventilation process in ancient buildings like churches, and also in most domestic buildings in Sweden and in the rest of the world. These buildings are naturally ventilated via air infiltration and airing. Air infiltration is the airflow through adventitious leakages in the building envelope, while airing is the intentional air exchange through large openings like windows and doors. Airing can in turn be performed either as single-sided (one opening) or as cross flow ventilation (two or more openings located on different walls). The total air exchange affects heating energy and indoor air quality. In churches, deposition of airborne particles causes gradual soiling of indoor surfaces, including paintings and other pieces of art. Significant amounts of particles are emitted from visitors and from candles, incense, etc. Temporary airing is likely to reduce this problem, and it can also be used to adjust the indoor temperature. The present study investigates mechanisms and prediction models regarding air infiltration and open-door airing by means of field measurements, experiments in wind tunnel and computer modelling. In natural ventilation, both air infiltration and airing share the same driving forces, i.e. wind and buoyancy (indoor-outdoor temperature differences). Both forces turn out to be difficult to predict, especially wind induced flows and the combination of buoyancy and wind. In the first part of the present study, two of the most established models for predicting air infiltration rate in buildings were evaluated against measurements in three historical stone churches in Sweden. A correction factor of 0.8 is introduced to adjust one of the studied models (which yielded better predictions) for fitting the large single zones like churches. Based on field investigation and IR-thermography inspections, a detailed numerical model was developed for prediction of air infiltration, where input data included assessed level of the neutral pressure level (NPL). The model functionality was validated against measurements in one of the case studies, indicating reasonable prediction capability. It is suggested that this model is further developed by including a more systematic calibration system for more building types and with different weather conditions. Regarding airing, both single-sided and cross flow rates through the porches of various church buildings were measured with tracer gas method, as well as through direct measurements of the air velocity in a porch opening. Measurement results were compared with predictions attained from four previously developed models for single‑sided ventilation. Models that include terms for wind turbulence were found to yield somewhat better predictions. According to the performed measurements, the magnitude of one hour single-sided open-door airing in a church typically yields around 50% air exchange, indicating that this is a workable ventilation method, also for such large building volumes. A practical kind of diagram to facilitate estimation of suitable airing period is presented. The ability of the IDA Indoor Climate and Energy (IDA-ICE) computer program to predict airing rates was examined by comparing with field measurements in a church. The programs’ predictions of single-sided airflows through an open door of the church were of the same magnitude as the measured ones; however, the effect of wind direction was not well captured by the program, indicating a development potential. Finally, wind driven air flows through porch type openings of a church model were studied in a wind tunnel, where the airing rates were measured by tracer gas. At single-sided airing, a higher flow rate was observed at higher wind turbulence and when the opening was on the windward side of the building, in agreement with field measurements. Further, the airing rate was on the order of 15 times higher at cross flow than at single-sided airing. Realization of cross flow thus seems highly recommendable for enhanced airing. Calibration constants for a simple equation for wind driven flow through porches are presented. The measurements also indicate that advection through turbulence is a more important airing mechanism than pumping.   The present work adds knowledge particularly to the issues of air infiltration and airing through doors, in large single zones. The results can be applicable also to other kinds of large single-zone buildings, like industry halls, atriums and sports halls. / Naturlig ventilation är den dominerande ventilationsprocessen i äldre byggnader såsom kyrkor, och även i de flesta småhus i Sverige och övriga delar av världen. Luftinfiltration och vädring utgör viktiga komponenter i naturlig ventilation, där luftinfiltration är luftflöde genom oavsiktliga läckage i byggnadsskalet, medan vädring är avsiktligt luftutbyte genom stora öppningar såsom fönster och dörrar/portar. Vädring kan i sin tur ske ensidigt (genom en öppning) eller som tvärdrag (genom två eller flera öppningar belägna på olika ytterväggar). Det totala luftutbytet påverkar värmeförluster och inomhusluftens kvalité. I kyrkor orsakar avsättning av luftpartiklar en gradvis nedsmutsning av invändiga ytor, inklusive väggmålningar och andra konstföremål. Betydande mängder partiklar avges från besökare, tända ljus, rökelse, o.d. Tillfällig vädring kan minska detta problem, men även användas för att justera innetemperaturen. Föreliggande studie analyserar mekanismer och predikteringsmodeller gällande luftinfiltration och dörrvädring genom fältmätningar, vindtunnelförsök och datorsimuleringar. Luftinfiltration och vädring har samma drivkrafter, d.v.s. vind och termik (inne‑ute temperaturskillnader). Båda dessa drivkrafter är svåra att predicera, särskilt vindinducerade flöden och kombinationen av termik och vind. Två av de mest etablerade modellerna för luftinfiltrationsprediktering i byggnader har utvärderats via mätningar i tre kulturhistoriska stenkyrkor i Sverige. En korrigeringsfaktor av 0,8 föreslås för bättre prediktion av den ena modellen (som gav bäst resultat) gällande höga en-zonsbyggnader såsom kyrkor. En detaljerad numerisk modell är utvecklad för luftinfiltrationsprediktering, där indata baseras på fältundersökningar, inkl. IR-termografering och uppmätt av neutrala tryckplanet (NPL). Modellens funktionalitet har validerats via mätningar i en av fallstudierna och pekar på tämligen god prediktionsprestanda. Vidare utveckling av modellen föreslås, inkl. ett mer systematiskt kalibreringssystem, för olika typer av byggnader och väderförhållanden. Gällande vädring mättes både ensidigt flöde och tvärdrag genom portar i olika kyrkobyggnader med hjälp av spårgas samt direkta lufthastighetsmätningar i portöppning. Mätresultaten jämfördes med erhållna prediktioner från fyra tidigare utvecklade modeller för ensidig ventilation. De modeller som tog hänsyn till vindturbulens gav något bättre resultat. Enligt utförda mätningar medför en timmes ensidig portvädring i en kyrka cirka 50 % luftutbyte, vilket indikerar att detta är en tillämpbar ventilationsmetod, även för så pass stora byggnadsvolymer. Ett särskilt vädringsdiagram presenteras, som syftar till att underlätta uppskattning av erforderlig vädringsperiod. Vidare studerades predikteringsprestanda hos IDA Indoor Climate and Energy (IDA-ICE) simuleringsprogram avseende vädring, där simuleringsdata jämfördes med fältmätningar i en kyrka. Programmets prediktion av ensidigt luftflöde genom en öppen kyrkport var av samma storlekordning som det uppmäta; dock klarade programmet inte av att hantera inverkan av vindriktning så väl, vilket pekar på en utvecklingspotential. Avslutningsvis undersöktes vinddrivet flöde igenom portöppningar i en kyrkmodell i vindtunnel, där luftomsättningen mättes med hjälp av spårgasmetoden. Vid ensidig vädring observerades högre flöde vid högre vindturbulens och när öppningen var på vindsidan av byggnaden, i överensstämmelse med fältmätningarna. Dessutom var vädringsflödet vid tvärdrag i storleksordningen 15 högre än det vid ensidig vädring. Det verkar alltså som att man kan öka vädringstakten avsevärt om man kan åstadkomma tvärdrag. Kalibreringskonstanter presenteras också för en enkel ekvation för vinddrivet flöde genom portar. Vindtunnelstudien indikerar vidare att advektion genom turbulens är en viktigare vädringsmekanism än pumpning. Föreliggande arbete bidrar med kunskap speciellt kring luftinfiltration och vädring genom portar i höga en-zonsbyggnader. Resultaten kan även vara tillämpliga på andra typer av höga en-zonsbyggnader såsom industrihallar, atrier/ljusgårdar och idrottshallar. / Church project