Visualisering av data för Covid-19 med tematiska kartor har använts av experter, journalister och lekmän för att förstå och förmedla information om pandemin. Problem uppstår när det som visualiseras tolkas på ett felaktigt sätt av den som sedan läser kartan. Särskilt i en kris-situation är det av stor vikt att minimera missförstånd kring den information som ska förmedlas. Det här examenarbetets syfte har varit att utvärdera hur klassificeringsmetod, färgsättning, symbologi och typ av karta påverkar informationsförmedlingen och den uppfattade risken hos den som läser kartan. En litteraturstudie har genomförts för att undersöka vad som är ”best-practice” både allmänt för tematiska kartor men framför allt särskilt för covid-19. Baserat på litteraturstudien har tematiska kartor som visar information om Covid-19 i Värmlands 16 kommuner tagits fram. De tematiska kartorna utvärderades i två webbenkäter där den ena undersökte uppfattad risk och den andra förståelse för kartans innehåll. Deltagare i enkätstudien var studenter vid Karlstad universitet. Resultatet visade att koropletkartor var enklare att förstå än kartor med proportionella symboler samt lite överraskande att det inte är någon skillnad mellan oklassificerad och klassificerad karta med proportionella symboler. För förståelse av kartan var koropletkartan med sekventiell färgsättning den karta som föredrogs av deltagarna men också den karta som uppgavs ge den största känslan av risk. Den uppfattade risken angavs av deltagarna på en 5-gradig skala (ingen risk, låg risk, måttlig risk, hög risk och mycket hög risk). Resultatet visar att den uppfattade risken hos deltagarna var lägre än den visualiserade risken och att enligt deltagarna själva ger koropletkartor en större känsla av risk än en karta med proportionella symboler. Vid analys av statistisk signifikans kunde dock en signifikant skillnad från referensvärdet endast konstateras för den röda sekventiella koropletkartan och den avvikande koropletkartan. Slutligen konstateras att ett större dataunderlag och vidare statistisk prövning av resultatet behövs för att verifiera de olika designvariablernas betydelse för uppfattad risk och förståelse av epidemiologisk information visualiserad i tematiska kartor.

Modern Image Classification and Object Detection methods are ideal candidates for performingNon-Destructive Testing (NDT) in manufacturing establishment. These methods provide anopportunity to achieve digitalization and can form the backbone of Industry 4.0 implementationsin manufacturing environments. As with all applications in manufacturing productionenvironments, accuracy and detection speeds form important parameters for evaluation ofthese techniques.As part of this study, a set of generic models has been developed with the requirements ofmanufacturing environments in mind. These models vary from custom Convolutional NeuralNetwork (CNN) models to sophisticated modern Object Detection models like Single ShotDetection (SSD) and You Only Look Once Version 5 (YOLOv5). To conduct this study andshowcase the applicability of these models to a wide array of datasets, a custom datasetcreated for this study was used. This dataset had images of individuals wearing facial masksand not wearing masks. These models were tested on their ability to detect the presence of masks on a person´s face in a real time video feed. The evaluation on speed of detection was carried out on a variety of machines ranging from High end GPU enabled computers to portabledevices with compromised computing capabilities.The principal finding of this work is that several different models perform well with respect toaccuracy. However, most of these models suffer from the drawback that their speed of detectionon a live video is low, which in a production environment would lead to potential loss ofproductivity. The object detection model which performed best in terms of accuracy and speedin the current study was the YOLOv5 model. AB Sandvik Materials Technology, who providedthe support for this project, has also evaluated porting this YOLOv5 model to their applicationsin productions as part of a successful Proof of Concept study.

No description available.

För att öka rörligheten på arbetsmarknaden har man i Sverige haft möjlighet att göra skatteavdrag för kostnader som uppstår kring arbetspendling. Idag ifrågasätts det dock om syftet verkligen uppfylls, samt om det är samhällsekonomiskt lönsamt att behålla avdraget. Den ökande bilismen som uppstår som effekt av subventioneringen gör även det hela till en miljöfråga. Syftet med följande kandidatexamensuppsats är ge läsaren och oss författare ökad kunskap kring reseavdraget, samt ge underlag för fortsatt utveckling av styrmedlet. Arbetet är består av fyra större delar: En litteraturstudie med bakgrundsfakta kring reseavdraget och dess historia, tidigare forskning och den politiska debatten idag. En enkätundersökning där allmänhetens åsikter kring avdraget utforskas. En diskussion av möjliga justeringar av reseavdragets olika parametrar förs, där det (enligt vår mening) mest optimala förändringsförslaget tas fram. En styrmedelsanalys av 3 olika sorters reseavdrag; det nuvarande, förändringsförslaget som togs fram, samt ett borttaget. Av resultaten kunde slutsatsen dras att ett förändrat reseavdrag skulle vara märkbart mer samhällsekonomiskt lönsamt samt miljövänligt, gentemot det nuvarande. Ett borttaget reseavdrag skulle dock vara det mest optimala. Dessutom visade enkätundersökningen att allmänheten mestadels är positiv till reseavdraget, men att mångas åsikter kan skiftas snabbt när man presenterar fakta. / The ability to make tax deductions on travel expenses have been present in Sweden since the late 1920s. The main purpose of the state subsidy has been to improve the mobility in the label market. However, in recent years there has been a heated debate as to if the subsidy is truly socio-economically sustainable or not. The favoritism of car users has also made the matter a question of ecological sustainability. The aim of this essay is to analyse and provide general knowledge of the swedish system of deductible travel expenses. The text is divided into four major parts: A litterature review presenting the history of the subsidy, previous research, and the current political debate. A questionnaire survey where the general public’s opinion of tax-deductible travel expenses is examined.  A discussion of possible adjustments of the different parameters of the system, where the most optimal ammendment is chosen An analysis of 3 different scenarios; keeping the current system, using the ammended system obtained in the calibration, and removing the system. From the results we could conclude that an ammended system would be noticeably more socio-economically viable and ecologically sustainable, compared with the current system. However, a complete removal of the system would be the most optimal. In addition, the questionnaire surveys results shows that the public is mostly positive to travel deductions. However, it was apparent that the views of many could shift completely, when presenting facts.

No description available.

For many young adults, retrieving information and news from the internet is not an uncommon task. A large portion of said information is shared through social media. However, social media is not always a reliant news source, due to the fact that the content is largely crowdsourced. One of the social media and micro-blogging services is Twitter. Twitter allows anyone to share information about anything through messages called "tweets". This leads to fast propagation of news across the world. However, it lacks a filter to sort out false news. This thesis researches whether higher education has an impact on credibility judgement in young adults. The results show that overall, young academics are more prone to scepticism than non-academics regarding news relayed through a social media such as Twitter. / För många unga vuxna är det inte ovanligt att få information och nyheter från internet. En stor del av denna information delas genom sociala medier. Emellertid är sociala mediers nyhetskällor inte alltid en trovärdig informationskälla, främst på grund av att informationen oftast kommer från användarna. En av dessa sociala medier är mikrobloggtjänsten Twitter. Twitter låter vem som helst dela information om vad som helst genom meddelanden kallade tweets". Detta leder till snabb spridning av nyheter över hela världen, men saknar ett filter för att sortera ut falska nyheter. Denna avhandling undersöker om högre utbildning påverkar trovärdighetsbedömningen hos unga vuxna. Resultaten visar överlag att unga akademiker kan vara mer benägna än icke-akademiker att vara skeptiska till nyheter som delas via sociala medier som Twitter.

When cultured at high cell densities cyanobacteria shade each other, giving each cell access to less light. This shading causes a decreased energy (ATP) and reductant (NAD(P)H) production, yielding lower carbon dioxide fixation rates and an abating metabolism. Growth arrest through repression of essential genes has been proposed as a work-around of this shading prob-lem but the issue of a decreased metabolic activity persists. Here, we investigated the causes of the abating metabolism of growth arrested cells. We discovered that NADPH is accumulating in butanol-producing growth arrested cells, causing a state of over-reduction. Adding a modified lactate dehydrogenase to more rapidly consume NADPH partly alleviates the clogged metabolism, albeit not enough to keep metabolic activity steady. Among the targets investigated, citrate synthase (GltA) is the most effective at arresting growth and diverting carbon flux to product formation. The gltA repression increased specific CO2 fixation for 6 days and increased specific lactate productivity 6-fold, resulting in final L-lactate titers of 500 mg/L. The maximum achieved carbon partitioning was 94%. / Vid höga celldensiteter skuggar cyanobakterier varandra, vilket skapar en förminskad produktion av energi och reduktion-smedel. Detta gör i sin tur att koldioxidkonsumptionen avtar och metabolismen saktar ned. Undertryckning av essentiella gener för att stoppa tillväxten av celler har provats som lösning på detta problem, men problemet med avtagande metabolisk aktivitet består. I denna studie undersökte vi orsakerna bakom den avtagande metabolismen. Vi fann att NADPH acku-muleras i butanolproducerande tillväxtstoppade celler, vilket skapar överreducerade celler. Introduktion av ett modifierat laktatdehydrogenas för att snabbare konsumera NADPH lindrade de metaboliska problemen, men var inte tillräckligt för att hålla den metaboliska aktiviteten stadig. Bland de prövade generna var citratsyntas (GltA) mest effektiv för stannande av tillväxt och omdirigering av kolflödet till L-laktat. Undertryckandet av gltA ökade den specifika koldioxidkonsumptionen un-der 6 dagar samt ökade den specifika lakatatproduktiviteten 6-dubbelt, vilket resulterade i en slutgiltig L-laktat titer på 500 mg/L. Den maximala kol-fördelningen till produkt var 94 %.

Smart manufacturing is a concept that has taken over the manufacturing sector. The definition of smart manufacturing or the German concept Industry 4.0 has not been clearly stated and the transition from Industry 3.0 to 4.0 is still debated. Large companies have started investing a lot of money to research on concepts like Industrial Internet of Things (IIoT), advanced data analytics and cloud computing, that compliment smart manufacturing to fit their manufacturing setup and hence the solutions are not standardized. They have still managed to improve their production systems to make it more flexible, productive, efficient and customer-centric by using the concepts of smart manufacturing. Small and medium-sized enterprises are challenged by problems faced such as low investments, insufficient infrastructure, inefficient production lines and limited time to research on new technology. This thesis studies the concept of Industry 4.0 or smart manufacturing and tries to create a transition from Industry 3.0 concepts to 4.0 concepts by using simple and easy solutions. The main aim of the thesis is to create a business plan to commercialize the simple solutions so that small and medium-sized enterprises could start implementing the smart manufacturing concepts in a simple way. Two concepts namely machine vision system and Bluetooth Low Energy technology were studied, and a product structure was developed. Realworld cases were developed and tested out with the product. Conclusions were made as to how the products and services would benefit the customer and what problems it addresses on a shopfloor setting. A structured business plan to commercialize the product was developed with a customer-centric approach, that helps create a transition from Industry 3.0 to 4.0 concepts as well as provide cost-effective and easy solutions to small and medium-sized enterprises. Validation of the concepts were done using concepts like Bluetooth Low Energy (BLE) devices and machine vision systems that provide shop floor data. The limitations of the thesis as well as scope for future work has also been mentioned. / Smart tillverkning är ett koncept som har tagit över tillverkningssektorn. Definitionen av smart tillverkning eller det tyska konceptet Industri 4.0 har inte klart framgått och övergången från Industri 3.0 till 4.0 diskuteras fortfarande. Stora företag har börjat investera mycket pengar för att undersöka koncept som Industrial Internet of Things (IIoT), avancerad dataanalys och cloud computing, som komplement tillsmart tillverkning för att passa deras tillverkning och lösningarna är därför inte standardiserade. De har ändå lyckats förbättra sina produktionssystem för att göra dem mer flexibla, produktiva, effektiva och kundcentrerade genom att använda smart tillverkning. För små och medelstora finns utmaningar i form av låga investeringar, otillräcklig infrastruktur, ineffektiva produktionslinjer och begränsad tid för forskning om ny teknik. Denna avhandling studerar begreppet Industry 4.0 eller smart tillverkning och försöker skapa en övergång från Industry 3.0- till 4.0-konceptet med enkla lösningar. Huvudsyftet med avhandlingen är att skapa en affärsplan för att kommersialisera de enkla lösningarna så att små och medelstora företag på ett enkelt sätt kan börja införa smarta tillverkningskoncept. Två koncept, nämligen bildbehandlingsteknik och Bluetooth Low Energy-teknik studerades och en produktstruktur utvecklades. Användningsfall utvecklades och testades med produkten. Slutsatser drogs om hur produkterna och tjänsterna skulle gynna kunden och vilka problem den kan lösa på ett fabriksgolv. En strukturerad affärsplan för att kommersialisera produkten med ett kundcentrerat synsätt utvecklades för att skapa en övergång från Industri 3.0 till 4.0 samt erbjuda kostnadseffektiva och enkla lösningar till små och medelstora företag. Valideringen gjordes med hjälp av Bluetooth Low Energy (BLE)-enheter och bildbehandlingssystem för insamling av data från fabriksgolvet. Avgränsningarna samt möjligheter till framtida arbete har också behandlats.

The purpose of this study was to examine the cleaning efficiency of an autonomous vacuum cleaner robot; namely, reducing the cleaning time needed in an empty room. To do this we explored how the path planning could be improved upon given access to a dust map that would allow for more sophisticated algorithms depending on the state of the room. The approach we employed in order to compare different preprogrammed path patterns and our own greedy heuristic was to create a simulation environment in Unity3d. In this environment we could create a two dimensional plane to represent the length and width of a room with the size of our choosing. This plane was then subdivided into squared cells that would discretise the environment, which represented the dust map of the room. The tests were conducted in rooms with different dimensions in order to examine how different strategies' efficiency developed in relation to each other. Employing an algorithm like our greedy heuristic after an initial zigzag sweep resulted in a significant improvement in comparison to a robot that is restricted to template patterns only. Future work could involve finding the optimised solution for our heuristic in order to make full use of the dust map and thereby achieve minimal cleaning time for the robot. / Syftet med denna studie var att undersöka en självstyrande robotdammsugares städningseffektivitet och att minimera tiden som krävs för att städa ett tomt rum. Vi undersökte hur roboten kunde planera sina vägval bättre genom att få tillgång till en dammkarta, det vill säga ett rutnät som håller reda på dammfördelningen i ett rum. Denna dammkarta möjliggör för mer sofistikerade algoritmer som beror på statusen i rummet. Vi jämförde olika rörelsemönster som sicksack, spiralen och väggkramaren med en egendefinierad heuristik. Ett enkelt öppet rum simulerades i Unity3d, där vi testade de olika algoritmerna. Rummet bestod av ett tvådimensionellt plan som representerade längden och bredden av rummet som gick att justera till vårt tycke. Detta plan delades sedan upp i ett rutnät som representerar vår diskretiserade dammkarta för rummet. Testerna utfördes i rum av olika dimensioner för att se hur de olika städstrategiernas effektivitet utvecklades i relation till varandra. Att använda sig av en algoritm så som vår heuristik efter ett första svep med ett sicksackmönster resulterade i en signifikant förbättring jämfört med en robot som är bunden till fördefinierade rörelsemönster. Framtida studier skulle kunna försöka hitta den optimala lösningen till vår heuristik, så att dammkartan kan utnyttjas till fullo, och därmed uppnå minimal städningstid för roboten.

This master thesis tackles the problem of unsupervised learning of visual representations with deep Convolutional Neural Networks (CNN). This is one of the main actual challenges in image recognition to close the gap between unsupervised and supervised representation learning. We propose a novel and simple way of training CNN on fully unlabeled datasets. Our method jointly optimizes a grouping of the representations and trains a CNN using the groups as supervision. We evaluate the models trained with our method on standard transfer learning experiments from the literature. We find out that our method outperforms all self-supervised and unsupervised state-of-the-art approaches. More importantly, our method outperforms those methods even when the unsupervised training set is not ImageNet but an arbitrary subset of images from Flickr. / Detta examensarbete behandlar problemet med oövervakat lärande av visuella representationer med djupa konvolutionella neurala nätverk (CNN). Detta är en av de viktigaste faktiska utmaningarna i datorseende för att överbrygga klyftan mellan oövervakad och övervakad representationstjänst. Vi föreslår ett nytt och enkelt sätt att träna CNN på helt omärkta dataset. Vår metod består i att tillsammans optimera en gruppering av representationerna och träna ett CNN med hjälp av grupperna som tillsyn. Vi utvärderar modellerna som tränats med vår metod på standardöverföringslärande experiment från litteraturen. Vi finner att vår metod överträffar alla självövervakade och oövervakade, toppmoderna tillvägagångssätt, hur sofistikerade de än är. Ännu viktigare är att vår metod överträffar de metoderna även när den oövervakade träningsuppsättningen inte är ImageNet men en godtycklig delmängd av bilder från Flickr.