Scandinavian Airlines has a large database containing their Eurobonus members. In order to analyze which customers they should target with direct marketing, such as emails, uplift models have been used. With a binary response variable that indicates whether the customer has bought or not, and a binary dummy variable that indicates if the customer has received the campaign or not conclusions can be drawn about which customers are persuadable. That means that the customers that buy when they receive a campaign and not if they don't are spotted. Analysis have been done with one campaign for Sweden and Scandinavia. The methods that have been used are logistic regression with Lasso and logistic regression with Penalized Net Information Value. The best method for predicting purchases is Lasso regression when comparing with a confusion matrix. The variable that best describes persuadable customers in logistic regression with PNIV is Flown (customers that have own with SAS within the last six months). In Lassoregression the variable that describes a persuadable customer in Sweden is membership level1 (the rst level of membership) and in Scandinavia customers that receive campaigns with delivery code 13 are persuadable, which is a form of dispatch.

The desire to model the true gain from targeting an individual in marketing purposes has lead to the common use of uplift modeling. Uplift modeling requires the existence of a treatment group as well as a control group and the objective hence becomes estimating the difference between the success probabilities in the two groups. Efficient methods for estimating the probabilities in uplift models are statistical machine learning methods. In this project the different uplift modeling approaches Subtraction of Two Models, Modeling Uplift Directly and the Class Variable Transformation are investigated. The statistical machine learning methods applied are Random Forests and Neural Networks along with the standard method Logistic Regression. The data is collected from a well established retail company and the purpose of the project is thus to investigate which uplift modeling approach and statistical machine learning method that yields in the best performance given the data used in this project. The variable selection step was shown to be a crucial component in the modeling processes as so was the amount of control data in each data set. For the uplift to be successful, the method of choice should be either the Modeling Uplift Directly using Random Forests, or the Class Variable Transformation using Logistic Regression. Neural network - based approaches are sensitive to uneven class distributions and is hence not able to obtain stable models given the data used in this project. Furthermore, the Subtraction of Two Models did not perform well due to the fact that each model tended to focus too much on modeling the class in both data sets separately instead of modeling the difference between the class probabilities. The conclusion is hence to use an approach that models the uplift directly, and also to use a great amount of control data in each data set. / Behovet av att kunna modellera den verkliga vinsten av riktad marknadsföring har lett till den idag vanligt förekommande metoden inkrementell responsanalys. För att kunna utföra denna typ av metod krävs förekomsten av en existerande testgrupp samt kontrollgrupp och målet är således att beräkna differensen mellan de positiva utfallen i de två grupperna. Sannolikheten för de positiva utfallen för de två grupperna kan effektivt estimeras med statistiska maskininlärningsmetoder. De inkrementella responsanalysmetoderna som undersöks i detta projekt är subtraktion av två modeller, att modellera den inkrementella responsen direkt samt en klassvariabeltransformation. De statistiska maskininlärningsmetoderna som tillämpas är random forests och neurala nätverk samt standardmetoden logistisk regression. Datan är samlad från ett väletablerat detaljhandelsföretag och målet är därmed att undersöka vilken inkrementell responsanalysmetod och maskininlärningsmetod som presterar bäst givet datan i detta projekt. De mest avgörande aspekterna för att få ett bra resultat visade sig vara variabelselektionen och mängden kontrolldata i varje dataset. För att få ett lyckat resultat bör valet av maskininlärningsmetod vara random forests vilken används för att modellera den inkrementella responsen direkt, eller logistisk regression tillsammans med en klassvariabeltransformation. Neurala nätverksmetoder är känsliga för ojämna klassfördelningar och klarar därmed inte av att erhålla stabila modeller med den givna datan. Vidare presterade subtraktion av två modeller dåligt på grund av att var modell tenderade att fokusera för mycket på att modellera klassen i båda dataseten separat, istället för att modellera differensen mellan dem. Slutsatsen är således att en metod som modellerar den inkrementella responsen direkt samt en relativt stor kontrollgrupp är att föredra för att få ett stabilt resultat.

Insulation in rotating machines is a common cause for failure. Therefore, research in the area is large and is important to further increase the knowledge of the phenomena related to insulation degradation. This thesis is a case study on 20 stator bars obtained from a generator that had been showing signs of insulation degradation while in operation. The insulation was investigated using a range of measurements to be able to evaluate the degradation of these bars. The measurements performed were electrical partial discharge measurements, acoustic partial discharge measurements, dielectric response measurements, and breakdown testing. Furthermore, a more scientific approach to the commonly used tap test in the industry was conducted, which has not been done before and the purpose was to validate this commonly used test method. It was concluded that the bars have a significant amount of partial discharges within them, and that the stress grading is likely to be blamed in many of the worst cases. Furthermore, the dielectric response measurements provided good information on the thermal stability of the insulation. The set-up of the tap test did not provide reasonable results, and the method approach as well as the experimental set-up was to blame for this. In future work, investigating this specific area could be beneficial. The electrical partial discharge measurements and the breakdown test provided unexpected results when compared, where the former indicated much degradation while the latter proved that the bars can withstand very high voltage levels. / Isolering i roterande maskiner är en vanlig orsak till fel. Forskningen på området är därför omfattande och viktig för att ytterligare öka kunskapen om fenomen som rör isoleringsnedbrytning. Denna avhandling är en fallstudie på 20 statorstänger som erhållits från en generator som hade visat tecken på isoleringsnedbrytning under drift. Isoleringen undersöktes med hjälp av en rad olika mätningar för att kunna utvärdera nedbrytningen av dessa stänger. De mätningar som utfördes var mätningar av elektriska partiella urladdningar, akustiska partiella urladdningar, mätningar av dielektrisk respons och genombrottstester. Dessutom genomfördes ett mer vetenskapligt tillvägagångssätt för det allmänt använda tapptestet i branschen, vilket inte har gjorts tidigare och syftet var att validera denna allmänt använda testmetod. Slutsatsen blev att stängerna har en betydande mängd partiella urladdningar i sig, och att spänningsgraderingen sannolikt får skulden i många av de värsta fallen. Dessutom gav mätningarna av den dielektriska responsen god information om isoleringens termiska stabilitet. Upplägget för tapptestet gav inte rimliga resultat, och detta berodde både på metodiken och på försöksupplägget. I framtida arbete kan det vara bra att undersöka detta specifika område. Mätningarna av den elektriska partiella urladdningen och genombrottstestet gav oväntade resultat när de jämfördes, där de förstnämnda visade på mycket försämring medan de sistnämnda bevisade att stängerna kan motstå mycket höga spänningsnivåer.