Global ETD Search

31	Analysing User Viewing Behaviour in Video Streaming Services Markou, Ioannis January 2021 (has links) The user experience offered by a video streaming service plays a fundamental role in customer satisfaction. This experience can be degraded by poor playback quality and buffering issues. These problems can be caused by a user demand that is higher than the video streaming service capacity. Resource scaling methods can increase the available resources to cover the need. However, most resource scaling systems are reactive and scale up in an automated fashion when a certain demand threshold is exceeded. During popular live streaming content, the demand can be so high that even by scaling up at the last minute, the system might still be momentarily under-provisioned, resulting in a bad user experience. The solution to this problem is proactive scaling which is event-based, using content-related information to scale up or down, according to knowledge from past events. As a result, proactive resource scaling is a key factor in providing reliable video streaming services. Users viewing habits heavily affect demand. To provide an accurate model for proactive resource scaling tools, these habits need to be modelled. This thesis provides such a forecasting model for user views that can be used by a proactive resource scaling mechanism. This model is created by applying machine learning algorithms to data from both live TV and over-the-top streaming services. To produce a model with satisfactory accuracy, numerous data attributes were considered relating to users, content and content providers. The findings of this thesis show that user viewing demand can be modelled with high accuracy, without heavily relying on user-related attributes but instead by analysing past event logs and with knowledge of the schedule of the content provider, whether it is live tv or a video streaming service. / Användarupplevelsen som erbjuds av en videostreamingtjänst spelar en grundläggande roll för kundnöjdheten. Denna upplevelse kan försämras av dålig uppspelningskvalitet och buffertproblem. Dessa problem kan orsakas av en efterfrågan från användare som är högre än videostreamingtjänstens kapacitet. Resursskalningsmetoder kan öka tillgängliga resurser för att täcka behovet. De flesta resursskalningssystem är dock reaktiva och uppskalas automatiskt när en viss behovströskel överskrids. Under populärt livestreaminginnehåll kan efterfrågan vara så hög att även genom att skala upp i sista minuten kan systemet fortfarande vara underutnyttjat tillfälligt, vilket resulterar i en dålig användarupplevelse. Lösningen på detta problem är proaktiv skalning som är händelsebaserad och använder innehållsrelaterad information för att skala upp eller ner, enligt kunskap från tidigare händelser. Som ett resultat är proaktiv resursskalning en nyckelfaktor för att tillhandahålla tillförlitliga videostreamingtjänster. Användares visningsvanor påverkar efterfrågan kraftigt. För att ge en exakt modell för proaktiva resursskalningsverktyg måste dessa vanor modelleras. Denna avhandling ger en sådan prognosmodell för användarvyer som kan användas av en proaktiv resursskalningsmekanism. Denna modell är skapad genom att använda maskininlärningsalgoritmer på data från både live-TV och streamingtjänster. För att producera en modell med tillfredsställande noggrannhet ansågs ett flertal dataattribut relaterade till användare, innehåll och innehållsleverantörer. Resultaten av den här avhandlingen visar att efterfrågan på användare kan modelleras med hög noggrannhet utan att starkt förlita sig på användarrelaterade attribut utan istället genom att analysera tidigare händelseloggar och med kunskap om innehållsleverantörens schema, vare sig det är live-tv eller tjänster för videostreaming. Computer and Information Sciences Data- och informationsvetenskap
32	Riskanalys inom MRO-industrin / Risk Analysis in the MRO industry Brstina, Stefan, Rizkallah, Leon January 2022 (has links) MRO-industrin är en kritisk del för underhåll inom flygindustrin och arbetsprocesserna ser olika ut från företag till företag. För att kunna utföra ett så säkert och kvalitetsmässigt arbete som möjligt så är det viktigt att riskbedöma samt minimera existerande risker i operationen för att säkerställa kvalitet till kund samt säkerhet för arbetare. Uppdragsgivaren ST Engineering Aerospace Solutions (STEAS) är det ledande företaget i Sverige när det gäller MRO arbete och med den ständiga utvecklingen av utrustning upptäcks det allt fler risker som kräver analyser och minimering. Forskning har tidigare gjorts på hur fixtur design kan förbättras ergonomiskt m h a virtuell miljöteknik. Detta för att kunna minimera design och tillverkningskostnader med hänsyn till itereringsprocessen. Detta i kombination med studier gjorda på muskuloskeletala skador med kopplingar till MRO-industrin belyser behovet av riskanalys i MRO industrin. Arbetet hos STEAS går ut på att utföra riskanalyser ur ett tekniskt, ergonomiskt och ekonomiskt perspektiv på deras rörliga fixturer samt kemiska processer som behandlar diverse komponenter av motornacellet. Detta för att STEAS sedan ska kunna kolla på eventuella kostnader och implementera de rekommenderade åtgärderna. Analysmetoderna som används är en PHL (Preliminary Hazard List), FMEA (Failure Modes and Effects Analysis) och en ACHB analys (Accidental Cost & Hypothetical Benefit) / The MRO industry is a critical part of maintenance in the aviation industry where the work processes differ from company to company. In order to be able to perform as safe and high-quality work as possible, it is important to assess risks and minimize existing risks in the operation to ensure quality for customers and safety for workers. The client ST Engineering Aerospace Solutions (STEAS) is the leading company in Sweden interms of MRO work and with the constant development of equipment, more and more risks are discovered that require analysis and minimization. Research has previously been done on how fixture design can be improved ergonomically using virtual environment technology. This is to be able to minimize design and manufacturing costs with regard to the iteration process. This in combination with studies done on musculoskeletal injuries with connections to the MRO industry highlights the need for risk analysis in the MRO industry. The work at STEAS consists of performing risk analysis from a technical, ergonomic and financial perspective on their moving fixtures and chemical processes so that STEAS can then check for possible costs and implement the recommended measures. The analysis methods used are a PHL (Preliminary Hazard List), FMEA (Failure Modes and Effects Analysis) and an ACHB analysis (Accidental Cost & Hypothetical Benefit) MRO Risk Analysis Risk Identification Risk Management Maintenance Assembly Jigs Accidents Proactive Risk Analysis FMEA PHL PHA ACHB RPN SWOT OEM AFS Airbus Boeing Rolls Royce General Electrics Inlet Cowl Fan Cowl Exhaust Thrust Reverser MRO Riskanalys Riskidentifiering Riskhantering Underhåll Rörliga Fixturer Olyckor Proaktiv riskanalys FMEA PHL PHA ACHB RPN SWOT OEM AFS Airbus Boeing Rolls Royce General Electrics Inlet Cowl Fan Cowl Exhaust Thrust Reverser Engineering and Technology Teknik och teknologier

Search results

Analysing User Viewing Behaviour in Video Streaming Services

Riskanalys inom MRO-industrin / Risk Analysis in the MRO industry