Uppsatsen ämnar utvärdera olika estimatorers egenskaper för att beräknamedelvärdesskattningar för delvis censurerad miljödata erhållen från Sveriges LantbruksUniversitet (SLU). Detta undersöks genom en simuleringsstudie i vilken data har simuleratsfrån en χ2 fördelning där censureringsgrad och frihetsgrader har varierats. Därefter har deerhållna medelvärdesskattningarna utvärderats med hjälp av estimatorns medelkvadratfel(MSE) samt bias. Vidare har medelvärdesberäkningar gjorts på erhållen data från SLU. Allasimuleringar har gjorts i R, för medelvärdesberäkningar har tilläggspaketet “Nondetects AndData Analysis for environmental data” (NADA) använts. De estimatorer som utvärderats ärMaximum Likelihood (MLE), Regression on order statistics (ROS), Kaplan-Meier samtsubstitution. Resultaten visar att MLE samt ROS ger konstant bättre MSE och bias när dataantas följa en lognormalfördelning oavsett grad av censurering samt skevhet på data än vidnormalfördelningsantagande. Vid hög skevhet på data ger substitution resultat nära det sannamedelvärdet oavsett grad av censurering. De mest väntevärdesriktiga estimatorerna finnesvara ROS under lognormalantagande samt substitution när data är skevt fördelad, för ickeskevdata rekommenderas ROS med lognormalantagande, oavsett censureringsgrad.

In this paper we show that pairs of stocks which have a true long run equilibrium (cointegration) yield a higher return than pairs of stocks that relies on a more spurious relationship (correlation) when applying Pairs Trading for a trading period from 31/12-09 to 25/6-14. We get an annual return for the cointegration portfolio of 4,15%, with a Sharpe-ratio of 0,87. For the correlated portfolio we get 2,08% and 0,45, respectively. The Sharpe-ratio for a buy-and-hold market index during the same period was 1,08.

Bortfall är ett vanligt problem vid genomförandet av statistiska analyser. Studien undersöker hur val av metod för bortfallshantering påverkar en regressionsanalys estimerad från ett dataset med slumpmässigt saknad data. Genom simulerad data och en Monte Carlo-simulation har resultaten jämförts utifrån olika storlekar på bortfall. De saknade värdena har hanterats med fem metoder; imputationer med medelvärde, stokastisk regression, random forest, predictive mean matching (PMM) samt estimation med complete case analysis (CCA). Bortfallshanteringen utvärderas genom modellernas goodness of fit och betakoefficientens bias. Studien visar att CCA och imputering med stokastisk regression, random forest och PMM kan estimera betakoefficienten utan bias men att det ökar med större andel bortfall, vidare påverkas risken för att begå ett typ I-fel.

The thesis project described in this report was conducted at Scania CV (Scania), which is a global company that delivers transport solutions to customers all around the globe. The project was conducted as a simulation study of the production flow of the output shaft manufacturing line UGA (Utgående Axel), located at the transmission department (DX) in Södertälje. The main objectives for the simulation study was to identify possible enhancements to increase the line-capacity and -OPE, and based on the findings provide a set of recommended actions Scania can take to increase the performance of the production line. To conduct the project was a simulation model developed in another master’s thesis back in 2019 provided to the authors. But since both the production line and the products manufactured at UGA line have been subjected to changes since 2019 was this model outdated and the validity of the model had to be confirmed. Therefore was a thorough current state description developed that was utilized to identify the gap between the simulation model from 2019 and the current state at the productionline. Based on the gap-analysis was it decided that the model from 2019 did not reflect UGA line in its current state to a satisfying degree. Therefore was a new simulation model developed, which then was updated with new input data. During the development of the new simulation model was the old model used as a template where the features that still accurately described UGA line was retained. The new simulation model was validated by a comparison between simulated throughput from the simulation model and historical throughput from UGA line. The validation showed a difference in mean weekly throughput of 0,3 %. It was therefore concluded that the simulation model accurately describe UGA line in its current state. The validated model was then used to simulate a number of different scenarios, and the result was analysed to find different areas for improvements. Finally was the result from the analysis compiled as recommended actions, that in turn was divided into short- and long-term actions. Where the actions categorised as short term concerns actions that could bring improvements to the existing production line, while the long-term actions require reconfigurations of the layout to be realized. The result showed that continue working on decreasing cycle times to achieve the defined goal cycletimes will have a positive effect on the lines capacity, but not on the overall line OPE. The reason for this is that the effect from other losses in the production line will increase when the cycle times become more uniform. But since the capacity will be significantly improved as the goal cycle time is reached, is Scania still recommended to continue their work with cycle time reduction, and if possible reduce the cycle times in some specific machines below the current goal. In addition is Scania in short-term recommended to identify and reduce the undefined stop time that frequently occur, reduce quality losses and improve machine availability. Regarding the long-term actions is Scania recommended to investigate the possibility to reconfigure UGA line. The simulations showed that both increasing buffer sizes at strategic positions to improve bottleneck utilization, or decouple the line to make it less sensitive will positively affect the capacity and OPE. In addition did the simulations of the combination of these two configurations show the greatest improvement among all simulations. Scania is therefore recommended to investigate the business case around either of these configurations or a combination of both. / Examensarbetet som beskrivs i denna rapport genomfördes hos Scania CV (Scania), vilket är ett globalt företag som levererar transportlösningar till kunder över hela världen. Projektet genomfördes som en simuleringsstudie av produktionsflödet hos produktionslinjen för utgående axlar, UGA-linjen (Utgående Axel), som är belägen på transmissionsavdelningen (DX) i Södertälje. De huvudsakliga målen för simuleringsstudien var att identifiera möjliga förbättringar för att öka linjekapaciteten och -OPE, och baserat på resultaten tillhandahålla en uppsättning rekommenderade åtgärder Scania kan vidta för att öka produktionslinjens prestanda. För att genomföra projektet tilldelades författarna en simuleringsmodell som utvecklats i ett tidigare examensarbete under 2019. Eftersom både produktionslinjen och produkterna som tillverkats på UGA-linjen har genomgått förändringar sedan 2019 ansågs modell vara föråldrad och modellens validitet behövde bekräftas. Därför arbetades en grundlig nulägesbeskrivning fram som sedan användes för att identifiera gapet mellan simuleringsmodellen från 2019 och nuläget vid produktionslinjen. Baserat på gap-analysen konstaterades det att modellen från 2019 inte återspeglade UGA-linjen till en tillfredsställande grad. Därför utvecklades en ny simulerings modell som sedan uppdaterades med ny indata. Under utvecklingen av den nya simuleringsmodellen användes den gamla modellen som en mall där de funktioner som fortfarande beskrev UGA-linjen på ett bra sätt bibehölls. Den nya simuleringsmodellen validerades genom en jämförelse mellan simulerad produktion och historiskt rapporterad produktion från UGA-linjen. Valideringen visade en skillnad i genomsnittligt antal producerade produkter per vecka på 0,3%. De konstaterades därför att simuleringsmodellen på ett tillförlitligt sätt beskriver UGA-linjen i sitt nuvarande tillstånd. Den validerade modellen användes sedan för att simulera ett antal olika scenarier vars resultat analyserades för att hitta olika förbättringsområden. Slutligen sammanställd resultaten från analysen som rekommenderade åtgärder, som i sin tur delades in i åtgärder på kort- och lång-sikt. De åtgärder som kategoriserats som kortsiktiga är åtgärder som kan medföra förbättringar av den befintliga produktionslinjen, medan de långsiktiga åtgärderna kräver förändring av layouten för att genomföras. Resultatet visade att fortsatta arbetet med att minska cykeltider för att uppnå de uppsatta målcykeltiderna kommer att ha en positiv effekt på linjekapaciteten, men inte på total OPE för linjen. Anledningen till detta är att effekten av andra förluster i produktionslinjen ökar när variationen i cykeltid mellan maskinerna minskar. Men eftersom kapaciteten kommer att öka markant om målcykeltiderna uppnås rekommenderas Scania att fortsätta arbeta med cykeltidsreducering och om möjligt minska cykeltiderna under det nuvarande målet för vissa maskiner. Dessutom rekommenderas Scania på kort sikt att; identifiera och minska den odefinierade stopptid som ofta förekommer, minska kvalitetsförluster och förbättra maskintillgängligheten. När det gäller de långsiktiga åtgärderna rekommenderas Scania att undersöka möjligheten att bygga om UGA-linjen. Detta eftersom simuleringarna visade att både ökade buffertstorlekar vid strategiska positioner för att förbättra utnyttjandegraden hos flaskhalsmaskinerna, och att koppla isär linjen för att göra den mindre känslig kommer att påverka både kapacitet och OPE positivt. Dessutom visade simuleringarna av kombinationen av dessa två konfigurationer den största förbättringen bland alla simuleringar. Scania rekommenderas därför att undersöka möjligheten kring någon av dessa konfigurationer eller en kombination av båda.