People use a variety of means to orient themselves towards the future. A more organised approach to handling the future known as "futures studies" is often used in a variety of contexts including long-term planning within large organisations. In the effort to enhance the quality of such studies, there have been arguments for better methods (which makes sense), but methods may not be the most important aspect in the production of futures studies. Greater theoretical awareness in the substantive questions upon which the study is based is more important. To that end, the intent of this dissertation is to infuse a keener awareness of fundamental assumptions in futures studies and contribute to increasing their quality. One objective of the dissertation is to formulate a method or procedure to analyse the futures studies of large organisations, apply it to two empirical cases and thereafter analyse its strengths and weaknesses. The method I discuss and develop extensively in this work consists of an analytical framework that focuses on three aspects of each future study: its architecture, its relationship to a few of the key future issues of our time and its assumptions regarding our views on society, humanity and technology. A second objective is to systematically study future documents from two large organisations and attempt to clarify motives, orientation, methodology and distinguishing characteristics in their future processes. The cases I have chosen are the Swedish Armed Forces and the telecommunications company Ericsson, which were both in a period of transition around the mid 1990s. The dissertation shows how the method has been used to bring to the fore and clarify central ideas in futures studies, identify ambiguities and fuzzy thinking and to show and expose more covert assumptions. The analysis also illustrates that certain aspects of the model have been observed in the empirical material, other ideas are found to a lesser extent and certain perspectives are entirely absent. The paper stresses that the model developed has both strengths and weaknesses, but the overall assessment is that it was well-balanced and maintains appropriate depth in relation to desired efficiency. The study shows that the analytical method is relevant and adequate to understand and describe the direction and content of futures studies and in so doing enhance their quality.

Lagerhantering avser aktiviteter som mottagning av varor, inlagring, lagring, orderplockning, omlagring, sortering och frakt. Enligt tidigare studier, av bland annat Drury (1988), uppstår 55% - 60% av lagrets kostnader i orderplockning och omlagring. Idag finns teorier och modeller om hur lagerhantering kring orderplockning och omlagring kan optimeras. Dock behandlas bulklager sällan i forskning eller litteratur. Detta arbete hade således i syfte att undersöka vedertagen teoris anpassningsförmåga på en verksamhet med bulklager. Studien har uppfyllt syftet genom en fall- och litteraturstudie med både kvalitativa och kvantitativa tillvägagångssätt i form av intervjuer och observationer. Lagerutformning och lagerstyrning kan med fördel ses som grundläggande metoder som förutsätter effektivitetsutveckling inom plockning och omlagring i bulklager. Metoder som MUDA och 5S skapar förutsättningarna att identifiera, upprätthålla och genomföra effektivitetsförbättringar.  De vedertagna metoderna som studerats kunde genom observation och intervju konstateras som implementerbar eller icke implementerbar. Som sammanfattning kunde en övergripande mall av metoderna sammanställas där det gemensamt och separat kunde bidra till effektivisering. Fallföretaget kunde förses med förbättringsförslag som rekommenderas att införas i både mindre etapper och under större, mer omfattande projekt. / Inventory management refers to activities such as receiving goods, storing, in storage, order picking, rearranging, sorting and shipping. According to previous studies, by Drury (1988), 55% - 60% of the warehouse costs incur in order picking and rearrangement. Today there are theories and models on how inventory management around order picking and rearrangement can be optimized. However, bulk stocks are rarely addressed in research or literature. Thus, this work was aimed at examining the adaptive theory of customary methods in a business with bulk storage. The study has fulfilled its purpose through a case and literature study with both qualitative and quantitative approaches in the form of interviews and observations. Inventory design and inventory control can advantageously be seen as basic methods that require efficiency development in picking and rearranging in bulk storages. Methods such as MUDA and 5S create the conditions for identifying, maintaining and implementing efficiency improvements. The customary methods studied could, through observation and interview, be found to be implementable or non-implementable. In summary, an overall template of the methods could be compiled where they could jointly and separately contribute to efficiency improvements. The studied company could be provided with improvement proposals that are recommended to be introduced in both smaller stages and during larger, more extensive projects.

Syfte – Syftet med denna studie är att kartlägga hur digitala tidsbokningar i sjukvården används i nuläget, identifiera brister och ta fram förbättringsförslag för att skapa en effektivare tidsbokningsprocess. För att uppfylla syftet har tre frågeställningar formulerats: 1. Hur används digitala tidsbokningar i nuläget? 2. Vilka brister finns det i den digitala tidsbokningsprocessen som påverkar effektiviteten? 3. Hur kan den nuvarande digitala tidsbokningsprocessen effektiviseras? Metod – För att kunna uppnå studiens syfte har en fallstudie genomförts på kvinnohälsovården i Jönköping. Fallstudien bestod utav deltagande observationer och dokumentstudier. Även en litteraturstudie har genomförts vilket har legat till grund för det teoretiska ramverket som använts för analys av empiriska data. Resultat – I studien framkom det att kvinnohälsovården till viss del använder sig av digitala tidsbokningar. Fyra brister identifieras i tidsbokningsprocessen som påverkade effektiviteten. Dessa var schemaläggning, begränsat utbud på 1177, bristande användning av prognoser samt samordning. Efter att dessa brister identifierats kunde tre förbättringsförslag formuleras med syfte till att effektivisera tidsbokningsprocessen. Det första förbättringsförslaget gäller ett utökat utbud av tillgängliga tider på 1177. Det andra förbättringsförslaget handlar om hur prognoser kan användas i större utsträckning vid schemaläggning och planering av tillgängliga tider på 1177. Slutligen handlar det tredje förbättringsförslaget om hur en större samordning kan bidra till minskad tid för administration för barnmorskorna. Implikationer – I studien har brister identifierats och förbättringsförslag har tagits fram gällande hur tidsbokningsprocessen ska effektiviseras. Genom användning av förbättringsförslagen kan verksamheten bli mer samordnad och med hjälp av prognoser kunna tillgodose den efterfrågan som finns. Förbättringsförslagen skulle innebära nya arbetsrutiner för kvinnohälsovården. Ingen ny teori har skapats utifrån studien då den är baserad på redan existerande teori. Begränsningar – Studien utfördes endast på ett fallföretag vilket kan påverka studiens generaliserbarhet. Förbättringsförslagen gällande hur tidsbokningsprocessen kan effektiviseras har enbart beskrivits på ett teoretiskt plan och inte testats i praktiken. Studien har även främst varit av kvalitativ karaktär vilket medför att inga mätningar har gjorts gällande hur förbättringsförslagen har bidragit till en effektivare tidsbokningsprocess. / Purpose – The purpose with this study is to chart the using of digital appointment bookings in the health care, identify deficits and to generate suggestions for improvements for a more efficient process regarding appointment bookings. To fulfil the purpose three research questions have been formulated: 1. How are digital appointment bookings currently being used? 2. What deficits are there in the digital appointment booking process that affects the efficiency? 3. In what way can the current digital appointment booking process be more efficient? Method – To be able to fulfil the purpose a case study was conducted at women’s health care in Jönköping. The case study consisted of participatory observations and document studies. A literature review was also conducted to establish the theoretical framework that was used to analyze the empirical data. Findings – The study showed that digital appointment bookings are partly being used in the women’s health care. Four deficits that affected the appointment booking process were identified. The deficits were scheduling, a limited supply of appointments at 1177, limited using of forecasts in the scheduling and planning of appointments and lack of coordination. Once these deficits were identified, three suggestions for improvements to a more efficient appointment booking process were formulated. The first suggestion was to extend the supply of appointments at 1177. The second suggestion was regarding how forecasts can be used for scheduling and planning of appointments at 1177 in a greater extent. Lastly, the third suggestion mentioned how a greater use of coordination can contribute to reduced administration for the midwives. Implications – The study identified deficits and suggestions for improvements regarding how the appointment booking process can become more efficient. By using the suggestions, the organization can become more coordinated and by using forecasts be able to meet the demand. The suggestions for improvements would lead to new work procedures for the women´s health care. No additional research has been developed through this study as it was based on already existing theories. Limitations – the study was only executed at one case company which can affect how generalized the results are. The suggestions for improvement regarding how the appointment booking process can become more efficient are only described in the theory and have not been tested in the reality. The study has mainly been a qualitative research which means that no measurements has been performed regarding on how the suggestions for improvements would lead to a more efficient appointment booking process.

Förmågan att kunna anpassa sig efter rådande omständigheter har aldrig varit mer påtagligt än idag. När Coronapandemin lamslog hela världen 2020 var det mycket i det vardagliga livet som förändrades. Det gick inte att gå ut och äta, träffa sina nära och kära eller planera nästa semester på samma sätt som tidigare. Men det va inte bara enskilda individer som drabbades, många företag fick stänga igen och gick i konkurs. Majoriteten av företagen idag använder sig ett traditionellt sätt för att budgetera och planera för framtiden, man gör budgetar för kommande period och förhåller sig sedan till dessa. Detta sätt att planera och budgetera lyfts fram som kostsamt, tidskrävande och att det försvårar möjligheterna att anpassa sig efter ändrade omständigheter. Men på senare tid har ett alternativ planerings- och budgeteringssätt vuxit fram. Beyond Budgeting är ett alternativ till det traditionella sättet och innebär att man avskaffar dessa traditionella budgetar och använder sig istället av rullande prognoser, benchmarking och balanced scorecard för att bara nämna några styrmedel. Förespråkarna för Beyond Budgeting menar att detta nya sätt att planera och budgetera skulle eliminera de negativa delar som de traditionella metoderna för med sig och att det skulle leda till ökad lönsamhet. Syftet med denna studie är att undersöka hur företag på OMXS30 Nasdaq Stockholm som använder Beyond Budgeting och företag som inte använder Beyond Budgeting skiljer sig åt i lönsamhet, genom att undersöka fem nyckeltal. Nyckeltalen som undersöks är vinstmarginal, likviditet, soliditet, kapitalomsättningshastighet och räntabilitet på totalt kapital. I denna studie har en kvantitativ metod tillämpats där sekundärdata i form av årsredovisningar för åren 2017, 2018 och 2019 hämtats för företagen listade på OMXS30 Nasdaq Stockholm. Nyckeltalen vinstmarginal, likviditet, soliditet, kapitalomsättningshastighet och räntabilitet på totalt kapital har sedan valts ut som representativt för lönsamhet. Resultatet för denna studien påvisar att det inte finns någon statistiskt signifikant skillnad i lönsamhet mellan de företag som använder Beyond Budgeting och de företag som inte använder Beyond Budgeting. Studien visar således att det inte finns något samband mellan Beyond Budgeting och lönsamhet. / The ability to adapt to prevailing circumstances has never been more evident than today. When the Corona Pandemic paralyzed the whole world in 2020, much of everyday life changed. It was no longer possible to go out to eat, meet loved ones or plan the next vacation in the same way as before. But it was not just individuals who were affected, many companies had to close and went bankrupt. The majority of companies today use a traditional way of budgeting and planning for the future, they make budgets for the up coming period and then relate to these. This way of planning and budget is often highlighted as costly, time consuming and that it makes it more difficult to adapt to changing circumstances. But recently, an alternative planning and budgeting method has emerged. Beyond Budgeting is an alternative to the traditional way and means that you abolish these traditional budgets and instead use rolling forecasts, benchmarking and balanced scorecard to name just a few instruments. Proponents of Beyond Budgeting believe that this new way of planning and budgeting would eliminate the negative elements that traditional methods bring with them and that it would lead to increased profitability. The purpose of this study is to investigate how companies on OMXS30 Nasdaq Stockholm that use Beyond Budgeting and companies that do not use Beyond Budgeting differ in profitability, by examining five key figures. The key figures examined are profit margin, liquidity, equity / assets ratio, capital turnover rate and return on total capital. In this study, a quantitative method has been applied where secondary data in the form of annual reports for the years 2017, 2018 and 2019 have been retrieved for the companies listed on the OMXS30 Nasdaq Stockholm. The key ratios of profit margin, liquidity, equity ratio, capital turnover rate and return on total capital have then been selected as representative of profitability. The results of this study show that there is no statistically significant difference in profitability between the companies that use Beyond Budgeting and the companies that do not use Beyond Budgeting. The study thus shows that there is no connection between Beyond Budgeting and profitability.

Inledning: Traditionell budget har fått mycket kritik under åren vilket har resulterat i att nya alternativa metoder har växt fram. Ett alternativ till den traditionella budgeten är rullande prognoser, vilket också har erhållit en del kritik. Det är vanligt att kombinera dessa metoder men däremot finns det inte mycket forskning om hur detta gör samt varför företag väljer att kombinera dessa styrmedel. Syfte: Syftet med denna studie är att skapa en förståelse för hur och varför ett företag styr sin verksamhet genom att använda en kombination av en traditionell budget och rullande prognoser. Metod: Studien utgår från en kvalitativ metod med ett abduktivt angreppssätt. Den empiriska datan har samlats in genom semistrukturerade intervjuer med respondenter med olika befattningar på företaget. Intervjuerna har även kompletterats med internt material som har tillhandahållits från fallföretaget. Slutsats: Fallföretaget använder sig av en traditionell budget och rullande prognoser som ett komplement till varandra. Företaget har synkat processerna vilket har gjort att två processer blir en. De använder styrmedlena till störst del till samma syften, däremot används de för olika tidsaspekter. Att kombinera dessa styrmedel har inte visat sig vara tidskrävande för företaget, vilket kan vara till följd av att de har en gemensam process för båda styrmedlena och för att de används för liknande syften. De orsaker som identifierades till att företaget använde sig av en kombination av styrmedlena är för att styrelsen vill det, de är vana vid det och för att de ska kunna erhålla en bättre kontroll över verksamheten. / Introduction: Traditional budgeting has received much criticism over the years, which has resulted in the emergence of new alternative methods. An alternative to the traditional budget is rolling forecasts, which have also received some criticism. It is common to combine these methods, but there is not much research on how this is done and why companies choose to combine these instruments. Purpose: The purpose of this study is to create an understanding of how and why a company manages its business by using a combination of a traditional budget and rolling forecasts. Method: The study is based on a qualitative method with an abductive approach. The empirical data has been collected through semi-structured interviews with respondents with different positions at the company The interviews have also been supplemented with internal material provided by the case company. Conclusion: The case company uses a traditional budget and rolling forecasts as a complement to each other. The company has synchronized the processes, which has made two processes one. They mostly use the instruments for the same purposes, however, they are used for different time aspects. Combining these instruments has not proved to be time consuming for the company, which may be because they have a common process for both instruments and because they are used for similar purposes. The company uses a combination of the instruments because the board wants it, they are used to it and because they want to obtain better control over the business.

Machine learning-based systems are rapidly becoming popular because it has been realized that machines are more efficient and effective than humans at performing certain tasks. Although machine learning algorithms are extremely popular, they are also very literal and undeviating. This has led to a huge research surge in the field of interpretability in machine learning to ensure that machine learning models are reliable, fair, and can be held liable for their decision-making process. Moreover, in most real-world problems just making predictions using machine learning algorithms only solves the problem partially. Time series is one of the most popular and important data types because of its dominant presence in the fields of business, economics, and engineering. Despite this, interpretability in time series is still relatively unexplored as compared to tabular, text, and image data. With the growing research in the field of interpretability in machine learning, there is also a pressing need to be able to quantify the quality of explanations produced after interpreting machine learning models. Due to this reason, evaluation of interpretability is extremely important. The evaluation of interpretability for models built on time series seems completely unexplored in research circles. This thesis work focused on achieving and evaluating model agnostic interpretability in a time series forecasting problem.  The use case discussed in this thesis work focused on finding a solution to a problem faced by a digital consultancy company. The digital consultancy wants to take a data-driven approach to understand the effect of various sales related activities in the company on the sales deals closed by the company. The solution involved framing the problem as a time series forecasting problem to predict the sales deals and interpreting the underlying forecasting model. The interpretability was achieved using two novel model agnostic interpretability techniques, Local interpretable model- agnostic explanations (LIME) and Shapley additive explanations (SHAP). The explanations produced after achieving interpretability were evaluated using human evaluation of interpretability. The results of the human evaluation studies clearly indicate that the explanations produced by LIME and SHAP greatly helped lay humans in understanding the predictions made by the machine learning model. The human evaluation study results also indicated that LIME and SHAP explanations were almost equally understandable with LIME performing better but with a very small margin. The work done during this project can easily be extended to any time series forecasting or classification scenario for achieving and evaluating interpretability. Furthermore, this work can offer a very good framework for achieving and evaluating interpretability in any machine learning-based regression or classification problem. / Maskininlärningsbaserade system blir snabbt populära eftersom man har insett att maskiner är effektivare än människor när det gäller att utföra vissa uppgifter. Även om maskininlärningsalgoritmer är extremt populära, är de också mycket bokstavliga. Detta har lett till en enorm forskningsökning inom området tolkbarhet i maskininlärning för att säkerställa att maskininlärningsmodeller är tillförlitliga, rättvisa och kan hållas ansvariga för deras beslutsprocess. Dessutom löser problemet i de flesta verkliga problem bara att göra förutsägelser med maskininlärningsalgoritmer bara delvis. Tidsserier är en av de mest populära och viktiga datatyperna på grund av dess dominerande närvaro inom affärsverksamhet, ekonomi och teknik. Trots detta är tolkningsförmågan i tidsserier fortfarande relativt outforskad jämfört med tabell-, text- och bilddata. Med den växande forskningen inom området tolkbarhet inom maskininlärning finns det också ett stort behov av att kunna kvantifiera kvaliteten på förklaringar som produceras efter tolkning av maskininlärningsmodeller. Av denna anledning är utvärdering av tolkbarhet extremt viktig. Utvärderingen av tolkbarhet för modeller som bygger på tidsserier verkar helt outforskad i forskarkretsar. Detta uppsatsarbete fokuserar på att uppnå och utvärdera agnostisk modelltolkbarhet i ett tidsserieprognosproblem.  Fokus ligger i att hitta lösningen på ett problem som ett digitalt konsultföretag står inför som användningsfall. Det digitala konsultföretaget vill använda en datadriven metod för att förstå effekten av olika försäljningsrelaterade aktiviteter i företaget på de försäljningsavtal som företaget stänger. Lösningen innebar att inrama problemet som ett tidsserieprognosproblem för att förutsäga försäljningsavtalen och tolka den underliggande prognosmodellen. Tolkningsförmågan uppnåddes med hjälp av två nya tekniker för agnostisk tolkbarhet, lokala tolkbara modellagnostiska förklaringar (LIME) och Shapley additiva förklaringar (SHAP). Förklaringarna som producerats efter att ha uppnått tolkbarhet utvärderades med hjälp av mänsklig utvärdering av tolkbarhet. Resultaten av de mänskliga utvärderingsstudierna visar tydligt att de förklaringar som produceras av LIME och SHAP starkt hjälpte människor att förstå förutsägelserna från maskininlärningsmodellen. De mänskliga utvärderingsstudieresultaten visade också att LIME- och SHAP-förklaringar var nästan lika förståeliga med LIME som presterade bättre men med en mycket liten marginal. Arbetet som utförts under detta projekt kan enkelt utvidgas till alla tidsserieprognoser eller klassificeringsscenarier för att uppnå och utvärdera tolkbarhet. Dessutom kan detta arbete erbjuda en mycket bra ram för att uppnå och utvärdera tolkbarhet i alla maskininlärningsbaserade regressions- eller klassificeringsproblem.

Sports events, festivals, construction sites, and film sites are examples of cases where power is required temporarily and often away from the power grid. Temporary Power Installations refer to systems set up for a limited amount of time with power typically generated on-site. Most load forecasting research has centered around settings with a permanent supply of power (such as in residential buildings). On the contrary, this work proposes machine learning approaches to accurately forecast load for Temporary Power Installations. In practice, these systems are typically powered by diesel generators that are over-sized and consequently, operate at low inefficient load levels. In this thesis, a ‘Pre-Event Forecasting’ approach is proposed to address this inefficiency by classifying a new Temporary Power Installation to a cluster of installations with similar load patterns. By doing so, the sizing of generators and power generation planning can be optimized thereby improving system efficiency. Load forecasting for Temporary Power Installations is also useful whilst a Temporary Power Installation is operational. A ‘Real-Time Forecasting’ approach is proposed to use monitored load data streamed to a server to forecast load two hours or more ahead in time. By doing so, practical measures can be taken in real-time to meet unexpected high and low power demands thereby improving system reliability. / Sportevenemang, festivaler, byggarbetsplatser och film platser är exempel på fall där kraften krävs Tillfälligt eller och bort från elnätet. Tillfälliga Kraft Installationer avser system som inrättats för en begränsad tid med Vanligtvis ström genereras på plats. De flesta lastprognoser forskning har kretsat kring inställningar med permanent eller strömförsörjning (zoals i bostadshus). Tvärtom föreslår detta arbete maskininlärning metoder för att noggrant prognos belastning under Tillfälliga anläggningar. I praktiken är thesis Typiskt system drivs med dieselgeneratorer som är överdimensionerad och följaktligen arbetar ineffektivt vid låga belastningsnivåer. I denna avhandling är en ‘Pre-Event Casting’ Föreslagen metod för att ta itu med denna ineffektivitet genom att klassificera ett nytt tillfälligt ström Installation till ett kluster av installationer med liknande lastmönster. Genom att göra så, kan dimensioneringen av generatorer och kraftproduktion planering optimeras därigenom förbättra systemets effektivitet. Load prognoser för Tillfälliga Kraft installationer är ook användbar Medan en tillfällig ström Installationen är i drift. En ‘Prognoser Real-Time’ Föreslagen metod är att använda övervakade lastdata strömmas till en server att förutse belastningen två timmar eller mer i förväg. Genom att göra så, kan praktiska åtgärder vidtas i realtid för att möta oväntade höga och låga effektbehov och därigenom förbättra systemets tillförlitlighet.

This thesis focuses on addressing the challenges of resource management in cloud environments, specifically in the context of running resource-optimized applications on Kubernetes. The scale and growth of cloud services, coupled with the dynamic nature of workloads, make it difficult to efficiently manage resources and control costs. The objective of this thesis is to explore the proactive autoscaling of virtual resources based on traffic demand, aiming to improve the current reactive approach, the Horizontal Pod Autoscaler (HPA), that relies on predefined rules and threshold values. By enabling proactive autoscaling, resource allocation can be optimized proactively, leading to improved resource utilization and cost savings. The aim is to strike a balance between resource utilization and the risk of Service Level Agreement (SLA) violations while optimizing resource usage for microservices. The study involves generating predictions and assessing resource utilization for both the current HPA implementation and the proposed solution. By comparing resource utilization and cost implications, the economic feasibility and benefits of adopting the new approach can be determined. The analysis aims to provide valuable insights into resource utilization patterns and optimization opportunities. The analysis shows significant improvements in CPU utilization and resource consumption using the proposed approach compared to the current HPA implementation. The proactive strategy allows for handling the same number of requests with fewer replicas, resulting in improved efficiency. The proposed solution has the potential to be applied to any type of service running on Kubernetes, with low computational costs. In conclusion, the analysis demonstrates the potential for resource optimization and cost savings through the proposed approach. By adopting proactive strategies and accurately predicting resource needs, organizations can achieve efficient resource utilization, system robustness, and compliance with SLA. Further research and enhancements can be explored based on the findings of this analysis. / Denna avhandling fokuserar på att adressera utmaningarna med resurshantering i molnmiljöer, specifikt i kontexten att köra resursoptimerade applikationer på Kubernetes. Skalan och tillväxten av molntjänster, tillsammans med arbetsbelastningarnas dynamiska natur, gör det svårt att effektivt hantera resurser och kontrollera kostnader. Syftet med denna avhandling är att utforska proaktiv autoskalning av virtuella resurser baserat på trafikbehov, med målet att förbättra den nuvarande reaktiva metoden, Horizontal Pod Autoscaler (HPA), som förlitar sig på fördefinierade regler och tröskelvärden. Genom att möjliggöra proaktiv autoskalning kan resurstilldelningen optimeras i förväg, vilket leder till förbättrad resursanvändning och kostnadsbesparingar. Målet är att hitta en balans mellan resursanvändning och risken för överträdelser av Service Level Agreements (SLA) samtidigt som resursanvändningen för mikrotjänster optimeras. Studien innefattar att generera förutsägelser och bedöma resursanvändning för både den nuvarande HPA-implementeringen och den föreslagna lösningen. Genom att jämföra resursanvändning och kostnadsimplikationer kan den ekonomiska genomförbarheten och fördelarna med att anta det nya tillvägagångssättet bestämmas. Analysen syftar till att ge värdefulla insikter i mönster för resursanvändning och möjligheter till optimering. Analysen visar betydande förbättringar i CPU-användning och resursförbrukning med den föreslagna metoden jämfört med den nuvarande HPA-implementeringen. Den proaktiva strategin möjliggör hantering av samma antal förfrågningar med färre replikor, vilket resulterar i förbättrad effektivitet. Den föreslagna lösningen har potential att tillämpas på alla typer av tjänster som körs på Kubernetes, med låga beräkningskostnader. Sammanfattningsvis visar analysen potentialen för resursoptimering och kostnadsbesparingar genom det föreslagna tillvägagångssättet. Genom att anta proaktiva strategier och noggrant förutsäga resursbehov kan organisationer uppnå effektiv resursanvändning, systemets robusthet och uppfyllnad av SLA:er. Vidare forskning och förbättringar kan utforskas baserat på resultaten av denna analys.

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.

Titel: A Game of Nods and Winks - En studie om faktorer som påverkar svenska börsbolagsanvändning av resultatmanipulering Bakgrund: Resultatmanipulering är att omdiskuterat ämne i Europa såväl som i USA.Resultatmanipulering har konstaterats frekvent användas i svenska bolag. Vi frågar oss vilkabakomliggande faktorer kan påverka mängden av resultatmanipulation. Syfte: Studiens syfte avser att förklara hur analytikers prognoser och andelen kvinnligastyrelseledamöter påverkar resultatmanipuleringen i svenska noterade bolag. Metod: En tvärsnittsstudie med en deduktiv ansats genomförs där teorier testats viahypotesprövning. Teorierna Positiv redovisningsteori, Agentteori, Prospect theory och Critical Mass theory avser att behandla de incitament som ligger till grund förresultatmanipulering. Urvalet består av Stockholmsbörsens Large, Mid, Small Cap bolagunder åren 2012 till 2016. Slutsatser: Resultatet påvisar att företag har en stark vilja nå analytikers prognoser samt atten hög andel kvinnliga styrelseledamöter har en negativ påverkan på företagets vilja atttillämpa resultatmanipulering. Vi kan i studien även visa en interaktionseffekt mellan de tvåfaktorerna. / Title: A Game of Nods and Winks - A study on underlying factors that affect the use of Earnings management in Swedish public companies Background: Earnings management is a subject of discussion in Europe as well in the United States. Earnings management has been found to be frequently used in Swedish companies. We ask ourselves what the underlying factors are and how can they affect the amount of Earnings management. Purpose: The main purpose of this study is to investigate how analysts’ forecasts and a high proportion of female board members affects how public Swedish companies manage their earnings through Earnings management. Method: A quantitative cross-sectional study with a deductive approach are performed and theories constitutes the basis for our hypothesis. The theories; Positive accounting theory, Agency theory, Prospect theory and Critical Mass theory intends to deal with the incentives behind Earnings management. The observation period is 2012 to 2016 and consists of companies from the Stockholm stock exchange market. Conclusions: The result concludes that companies have strong incentives to reach analysts’ forecasts and that a high percentage of female representation on the board have a negatively impact on company’s willingness to manage their earnings. In the study, we can also detect an interaction effect between the two variables.