Blekinge Institute of Technology
Not a member yet
13576 research outputs found
Sort by
En vän för livet : En allmän litteraturöversikt om vårdhundens betydelse för äldre på särskilt boende
No full textBakgrund: Att bli äldre är en komplex och individuell process som omfattar både biologiska, psykologiska och sociala aspekter. Vanliga ohälsoproblem på särskilt boende (SÄBO) är ensamhet och depression. Trots ohälsoproblem kan äldre uppleva ett gott åldrande genom meningsfulla aktiviteter, stödjande miljöer och god omvårdnad. I Italien har vårdhundar använts i olika vårdmiljöer, för att kunna använda detta inom svensk hälso- och sjukvård erfordras evidens vilken är otillräcklig idag. Syfte: Att beskriva vårdhundens betydelse för äldre på särskilt boende. Metod: En allmän litteraturöversikt baserat på forskning med kvalitativ och kvantitativ ansats har använts. Studien grundades på nio artiklar från databaserna CINAHL och PubMed. Sammanställningen av artiklarna gjordes med hjälp av Fribergs analysmetod. Resultat: Det framkom fyra kategorier: Bidrar till ökat välmående, Möjliggör tillgång till minnen, Förbättrar kommunikation och social gemenskap samt Hitta tillbaka till sin forna identitet. Slutsats: Vårdhunden kan skapa harmoni, bidra till en bättre boendemiljö, hälsa och allmän trivsel för den äldre på SÄBO. För att utveckla arbetet med vårdhund behövs utbildning och stöd för att sjuksköterskan ska ha möjlighet att se vårdhunden som en resurs för att möta behoven hos den äldre
Sjuksköterskan, vårdrelaterade infektioner och artificiell intelligens (AI)
No full textBakgrund: En vårdrelaterad infektion är en infektion som uppstått i samband med en vårdinsats. En urinvägsinfektion kan exempelvis orsakas av en urinkateter som inte hanteras korrekt vid insättning och en blodförgiftning kan orsakas av en central venös infart som intehanteras aseptiskt. Årligen avlider flertalet patienter till följd av vårdrelaterade infektioner. Artificiell intelligens (AI) har visat sig vara ett värdefullt stöd för sjuksköterskan avseende att förebygga, identifiera och behandla vårdrelaterade infektioner. Tillämpning av AI har visat på stora förbättringar beträffande patientsäkerheten samt visat sig vara ett lönsamt verktyg i längden. Trots AI:s potential brister forskningen om detta specifika stöd för sjuksköterskan i arbetet med vårdrelaterade infektioner. Syfte: Syftet med denna studie var att beskriva hur tillämpning av AI kan stödja sjuksköterskan vid vårdrelaterade infektioner. Metod: Den aktuella studien är en allmän litteraturöversikt och tillämpar en induktiv ansats. Litteraturöversikten utgår från studier med kvalitativ metod, kvantitativ metod och mixad metod. Samtliga artiklar är inhämtade från Cinahl samt PubMed och har genomgått en kvalitetsgranskning. Resultat: Resultatet i denna litteraturöversikt baseras på 10 artiklar. Analysen mynnade ut i tre rubriker som applicerades i litteraturöversiktens resultatdel. Rubrikerna formades som: “AI som ett stöd för sjuksköterskan vid vårdrelaterade infektioner”, “Tillämpning av AI isyfte att förebygga, identifiera och behandla vårdrelaterade infektioner” samt “AI och dess insats för patientöverlevnad vid vårdrelaterade infektioner”. Slutsats: Litteraturöversikten visar på att AI är ett väsentligt och verkningsfullt hjälpmedel för sjuksköterskan i arbetet med vårdrelaterade infektioner. Resultatet understryker på vilket vis AI kan assistera sjuksköterskan vid vårdrelaterade infektioner. AI inom hälso-och sjukvården är ett relativt nytt område och därmed tämligen outforskat. I strävan mot en mer patientsäker och ändamålsenlig vård är AI inom hälso-och sjukvården ett ämne som bör ses värdefullt att utforska djupare
Sjuksköterskors erfarenheter vid postoperativ smärthantering : En litteratursammanställning
No full textBakgrund: Postoperativ smärta är ett utbrett problem där en betydande andel patienter upplever otillräcklig smärtlindring trots tillgängliga åtgärder. Detta kan leda till försämrad livskvalitet, förlängd sjukhusvistelse och ökad mortalitet. Smärta är en multidimensionell upplevelse som påverkas av biologiska, psykologiska och sociala faktorer där sjuksköterskan har en central roll i att bedöma och behandla patienters smärta postoperativt. Bristande kunskap om smärtlindring hos vårdpersonal bidrar till ineffektiv smärthantering. Syfte: Syftet med studien var att beskriva sjuksköterskans erfarenheter av att smärtlindra patienter som genomgått en hjärtoperation under deras tid på en postoperativ avdelning. Metod: Studien genomfördes som en allmän litteratursammanställning av kvantitativ och kvalitativ forskning. Datainsamlingen skedde genom sökningar i de vetenskapliga databaserna CINAHL och PubMed. Inklusionskriterierna var vetenskapliga artiklar från postoperativa vårdenheter med patienter som genomgått hjärtkirurgi, innehållande information om smärta och smärthantering med sjuksköterskans erfarenheter. Analysen följde Fribergs (2022) modell i fyra steg. Elva vetenskapliga artiklar inkluderades i resultatet. Resultat: Resultatet presenterades under kategorierna smärtlindring av farmakologisk och icke-farmakologisk behandling, sjuksköterskors upplevelser av utbildningsbehov för att säkerställa korrekt smärtlindring, sjuksköterskans erfarenheter av psykologiska faktorer som påverkar sjuksköterskans smärtlindring, bristande kommunikation som hinder för den postoperativa smärtlindringen och bedöma smärta genom smärtinstrument och den kliniska blicken. Slutsats: Sjuksköterskan har ett centralt ansvar i att bedöma, lindra och följa upp postoperativ smärta. Resultatet visar att trots vilja och engagemang finns det erfarenheter av hinder som begränsar sjuksköterskans möjlighet att ge optimal smärtlindring, såsom satsningar på utbildning, evidensbaserade protokoll och ett ökat fokus på både farmakologiska och icke-farmakologiska metoder för att se patientens smärtupplevelse ut ett bredare synsätt.
A Machine Learning-enhanced web-crawler for vulnerability detection : A binary classification approach
No full textBackground. The increasing use of web-applications and the Internet underscores the growing importance of application security, as many applications are more vulnerable than anticipated. Penetration testers often employ web-crawling due to its simplicity. However, traditional crawlers struggle with depth, effectiveness, and produce numerous false-positives and negatives. Research on machine learning-induced web crawlers is limited in terms of its ability to enhance the detection of vulnerabilities. Objectives. Machine learning-powered focused crawlers offer significant potential to identify relevant web-pages in response to search queries and efficiently indexing the web. This thesis examines the effectiveness of Random forest, XGBoost, and LSTM-CNN in identifying web-pages that are susceptible to attacks. Methods. In this study, an experimental approach is used to assess the performance differences between a machine learning, ML, integrated web crawler and a conventional one. The performance is assessed by looking at the harvest rate, decreasing the total number of pages saved, and increasing the number of vulnerable pages saved. Results. XGBoost achieved the highest F1-score and recall, while LSTM-CNN scored the lowest among the models evaluated. However, the experiment indicated that many vulnerable pages were overlooked. Conclusions. The top-performing model shows potential, but is not strong enough to be used in production. Currently, ML cannot reliably distinguish vulnerable pages solely through HTML-analysis.Bakgrund. Den ökande användningen av webbapplikationer och Internet understryker den växande betydelsen av applikationssäkerhet eftersom många av dagens applikationer är mer sårbara än förväntat. Penetrationstestare använder ofta webb-crawling på grund av dess enkelhet. Men traditionella crawlers har dock problem, med både djup och effektivitet samtidigt som de producerar många falska positiva och falska negativa resultat. Forskningen om webbcrawlers som bygger på maskininlärning är begränsad när det gäller deras förmåga att förbättra upptäckten av sårbarheter i webbapplikationer. Syfte. Maskininlärningsdrivna fokuserade sökrobotar erbjuder betydande potential när det gäller att identifiera relevanta webbsidor utifrån sökfrågor, och är effektiva på att indexera webben. Denna avhandling undersöker effektiviteten hos Random forest, XGBoost och LSTM-CNN för att identifiera webbsidor som är mottagliga för attacker. Metod. I den här studien används ett experimentellt tillvägagångssätt för att bedöma prestandaskillnaderna mellan en maskininlärningsintegrerad webbsökare och en konventionell. Prestandan bedöms genom att undersöka \textit{harvest-rate}, den totala mängden undansparade sidor, samt mängden sparade sårbara sidor. Resultat. XGBoost uppnådde högst F1-score och recall, medan LSTM-CNN fick lägst poäng av de utvärderade modellerna. Experimentet visade även att många sårbara sidor förbisågs. Slutsatser. XGBoost med bäst resultat visar potential, men är inte tillräckligt bra för att användas i produktions-sammanhang. Med de undersökta metoderna som grund, förefaller maskininlärning ännu inte kunna urskilja sårbara sidor på ett tillförlitligt sätt, enbart baserat på HTML-analys
Assessing Market Positioning Strategies and Value Proposition Development in the Nordic Seafood Industry : A Case Study of Upcyclr AB
No full textThe basic aim of this research is to explore how value proposition development allows Upcyclr AB to gain a competitive advantage in the Nordic seafood industry. In particular, the study focuses on how Upcyclr AB has been applying innovative technologies to upcycle seafood by-products into more value-added products within a circular economic framework. The qualitative research approaches used are based on semi-structured interviews with key internal and external stakeholders to shed light on the role of value proposition and it employed theme uniformity, stakeholder’s triangulation, and pattern analysis to deduce cause-and-effect links between Upcyclr AB's strategic decisions such as investments in innovation and partnerships and its discerned competitive posture within the Nordic fisheries sector. Findings of the research study are consistent with the previous literature and signify the role of technological and sustainability integration, partnerships and collaboration, cooperation with stakeholders in maintaining a strong competitive advantage. Findings also highlighted several challenges, such as ineffective communication strategies to reach a sizable customer base across Nordic states, product development-related challenges, and late deliveries due to heavy reliance on partners. However, the conclusions of this study are not generalizable because this research study is based on a case study of a single company in the seafood industry. Despite the limitations of the study, the perceptions of various stakeholders in the seafood industry such as competitors, researchers, partners, and customers were taken into account in an effort to address these limitations
Kulturmiljö och förtätning : En fallstudie om kommuners strategier för att integrera kulturhistoriska miljöer i den växande staden
No full textFörtätning har blivit en central strategi inom stadsplanering och används som ett verktyg för att motverka stadsutbredning och därigenom främja hållbar utveckling. Samtidigt innebär förtätning en betydande påverkan på kulturmiljöer, där kulturhistoriska värden riskerar att gå förlorade till följd av ökat exploateringstryck. Denna studie syftar till att undersöka hur kommuner hanterar kulturhistoriska miljöer i samband med förtätning, med särskilt fokus på både strategisk planering och det praktiska genomförandet. Studien använde en fallstudiedesign där kommunerna Malmö stad och Gävle kommun har valts ut för undersökning. Inom dessa kommuner valdes stadsbyggnadsprojekten Varvsstaden respektive Godisfabriken som specifika fall för att studera kulturmiljöns betydelse i stadsutvecklingen. Det teoretiska ramverket utgår från tre centrala perspektiv: förtätning som en ekonomisk intressekonflikt, bevarande av kulturmiljöer samt adaptiv återanvändning. Tillsammans har dessa perspektiv utgjort ett analytiskt verktyg för att undersöka hur utveckling och bevarande kan hanteras i kommunal planering. Studiens empiri består av en kvalitativ innehållsanalys av kommunala plandokument från Malmö stad och Gävle kommun, kompletterad med semistrukturerade intervjuer. Analysen visar att förtätning alltid påverkar kulturmiljön, men att denna påverkan kan begränsas genom tidiga och tydliga prioriteringar i stadsplaneringen. Strategisk planering har därför en central roll för hur kulturmiljöer hanteras vid stadsutveckling, där synliggörandet av kulturvärden i tidiga skeden skapar bättre förutsättningar för bevarande. Gävle kommuns kulturmiljöprogram möjliggör sådana tidiga avvägningar, medan Malmö stad saknar ett liknande styrdokument, vilket ofta gör att kulturmiljöfrågor behandlas först senare i processen när möjligheten att påverka är mer begränsad. Samtidigt visar fallstudierna att det slutliga utfallet inte enbart avgörs av strategiska dokument, utan också av byggnadsaktörernas engagemang och vilja att värna kulturmiljön. Sammanfattningsvis kan kulturmiljön utgöra en värdefull resurs som stärker platsens identitet och bidrar till hållbar utveckling, förutsatt att kommunerna tidigt definierar vilka värden som ska bevaras och säkerställer att dessa följs genom hela planprocessen
Torgets förändrade roll: en döende mötesplats eller en ny urban möjlighet? : Ett vetenskapligt arbete med konstnärlig karaktär om hur torg kan gestaltas för att uppnå dagens behov av sociala mötesplatser
No full textTorgens roll som offentliga och sociala noder har sett en stark nedgång sedan handeln förflyttats till butiker och köpcentrum. Med utvecklingen som har skett med hemmet som sociala mötesplatser, har torgen som stadens vardagsrum kommit att upplevas som stora och tomma platser för tillfälliga events mer än till vardagsbruk. Här belyses den sociospatiala utmaningen om att integrera sociala aktiviteter i den fysiska infrastrukturen. Med nya tider kommer också nya utmaningar; att väcka liv i våra sovande stadsrum. Denna studie består av två undersökningsobjekt: Stortorget i Malmö och Nya Torget i Norrköping. Studien består av en kunskapsöversikt baserad på torgens historiska utveckling, samt det teoretiska perspektivet där torgen synliggörs som en del av ett system och viktiga perspektiv för vad som behövs för att ett torg ska fungera. De metoder som ligger till grund för resultatet är en kvalitativ innehållsanalys där dokument från kommunerna analyseras och antecknas ned i kodscheman, observationer på platserna tillsammans med kompletterande intervjuer med människor på torgen, samt intervjuer med ett par anställda inom kommunerna som ansvarar för utvecklingen av offentliga platser. Resultatet för denna undersökning visar att Malmö stad och Norrköpings kommun är angelägna om att införliva sina stadstorg, genom dess nuvarande blomsterprogram, festivaler och foodtruck events. Det finns mål om att skapa platsspecifika lösningar som gynnar platserna, men ett mångfunktionellt och flexibelt tänkande saknas i någon mån. Platserna har centrala lägen i närheten av kollektivtrafiknoder, men ändå är andelen som stannar till på platserna få. Efter observationer och intervjuer med människor på torgen anses det saknas aktiviteter, något som även observationerna bekräftar då andelen människor som stannar till en längre stund är marginell jämfört med de som använder torgen som en passage. Vidare redogörs två designförslag för att bidra med liv på torgen genom att se tillbaka rent historiskt, och införa nya flexibla lösningar utifrån forskning, människors synpunkter på platserna, och kommunernas bedömningar
Production Planning with Explainable Graph Neural Networks : Delay Prediction in High Voltage Cable Manufacturing
No full textBackground. Modern cable manufacturing operates with tight margins and thousands of interdependent operations whose delays ripple through the entire production chain. Manual rescheduling struggles to keep pace with this complexity. Recent research suggests that Graph Neural Networks (GNNs) can exploit the natural graph structure of the production flows. However, empirical evidence from real factories, especially with transparent, explainable models, is still scarce. Objectives. This thesis investigated whether GNN-based models, enriched with Explainable AI (XAI), can outperform current practice in detecting potential failure points in NKT’s cable-manufacturing plans. Specific aims were to (i) compare Graph Convolutional Networks (GCNs), Graph Attention Networks (GATs) and a Convolutional Neural Network (CNN), (ii) quantify human-planner error, and (iii) provide interpretable, lead-time forecasts of start- and end-delays. Method. Historical master plans were modelled as directed graphs whose nodes encode operation duration, start- and end-delay. GCN, GAT and CNN models were tuned over learning-rate and hidden-dimension grids, trained with early stopping to minimise the risk of over-fitting, and evaluated on a hold-out set using normalised MSE, RMSE, MAPE and R2. GNNExplainer highlighted influential nodes and features; prediction intervals served as coarse confidence scores. Results. Across both long-range (initial plan to actual outcome) and short-range (plan at operation start to actual outcome) horizons, the GCN models achieved a strong trade-off between error minimization (e.g., GCN_init achieving a min. normalised MSE of 0.31) and high explanatory power (GCN_opStart R2 up to 0.94) across long and short-range horizons. Numerically, GCNs reduced aggregate forecasting error by approximately 25% compared to CNNs and by around 75% against manual planning. While statistical tests confirmed GCNs significantly outperformed GATs, direct pairwise comparisons between optimally tuned GCN and CNN configurations within the same scenario did not consistently yield statistically significant differences for all metrics. This underscores the importance of GCN's observed numerical advantages and its theoretical suitability for the graph-structured production data. XAI analysis showed that temporal features, i.e. planned duration and accumulated delay, dominate model decisions, while step-type features provide supplementary context. Conclusions. Interpretable GCNs furnish an actionable early-warning system that can trigger proactive buffering, resource re-allocation, or preventive maintenance before disruptions occur. The study validated GNNs as a practical upgrade over manual production planning and generic neural networks, and demonstrated that explainability is sufficient for planner trust. Future work will fuse weather data, detailed deviation reports, and uncertainty quantification, and will extend the graph to cover the full end-to-end production flow with real-time dashboard visualisation.Bakgrund. Modern kabeltillverkning drivs med små marginaler och tusentals beroende operationer där förseningar ofta bildar dominoeffekter genom hela produktionskedjan. Manuell omplanering hinner inte med denna komplexitet. Ny forskning har visat att grafneurala nätverk (GNN) kan utnyttja den naturliga grafstrukturen i produktionsflöden, men empiriska bevis från verkliga fabriker, särskilt med transparenta, förklarbara modeller, är fortfarande få. Syfte. Denna avhandling undersökte om GNN-modeller, förstärkta med transparenta AI-modeller, mer känt som Explainable AI (XAI), kan överträffa dagens praxis i att identifiera potentiella risker i NKT:s produktionsplaner. De konkreta målen är att (i) jämföra Graph Convolutional Networks (GCN), Graph Attention Networks (GAT) och ett konvolutionellt neuralt nätverk (CNN), (ii) kvantifiera mänskliga planerares fel och (iii) leverera tolkbara prognoser i förväg för start- och slutförseningar. Metod. Historiska huvudplaner modellerades som riktade grafer där noderna innehåller data om operationstid, start- och slutförsening. GCN-, GAT- och CNN-modeller tränades med en kombination av olika inlärningshastigheter och dolda dimensionsstorlekar. Modellerna tränades med tidig stopping (early stopping) för att minska risken för överanpassning (over-fitting) och utvärderades på en del av datan som inte användes under träningsprocessen med normaliserad MSE, RMSE, MAPE och . GNNExplainer belyste inflytelserika noder och attribut; prediktionsintervall gav grova konfidensmått. Resultat. Över både långsiktiga (ursprunglig plan to faktiskt utfall) och kortsiktiga (plan vid operationsstart to faktiskt utfall) horisonter uppnådde GCN-modellerna en stark avvägning mellan felminimering (t.ex. GCN_init uppnådde ett min. normaliserat MSE på 0,31) och hög förklaringsgrad (GCN_opStart R2 upp till 0,94). Numeriskt sett reducerade GCN-modeller det aggregerade prognosfelet med cirka 25% jämfört med CNN-modeller och med cirka 75% jämfört med manuell planering. Medan statistiska tester bekräftade att GCN-modeller presterade signifikant bättre än GAT-modeller, visade direkta parvisa jämförelser mellan optimalt inställda GCN- och CNN-konfigurationer inom samma scenario inte konsekvent statistiskt signifikanta skillnader för alla mått. Detta understryker vikten av GCN-modellernas observerade numeriska fördelar och dess teoretiska lämplighet för den grafstrukturerade produktionsdatan. XAI-analys visade att temporala särdrag, d.v.s. planerad varaktighet och ackumulerad försening, dominerar modellbeslut, medan stegtyps-särdrag tillhandahåller kompletterande kontext. Slutsatser. Tolkbara och transparenta GCN:er tillhandahåller ett praktiskt varningssystem som gör det möjligt att införa buffertar, omfördela resurser eller initiera förebyggande underhåll innan störningar inträffar. Studien bekräftar GNN:er som ett praktiskt lyft över manuell produktionsplanering och generiska neurala nät, och visar att förklarbarheten är tillräcklig för planerarens förtroende. Framtida arbete ska integrera väderdata, detaljerade avvikelserapporter och mer avancerad osäkerhets kvantifiering, samt utöka grafen till hela produktionsflödet med realtidsvisualisering i en instrumentpanel
Animationens berättande kraft : En studie om samspelet mellan ljud och bild inom animation
No full textThe interplay between sound and image in animation is a crucial part of conveying stories, atmosphereand character development. Despite this, sound design is often treated as a separate element that is added late in the production process. This division can lead to the full potential of sound not being utilized. Research increasingly points to the importance of a more coordinated approach, where sound design and animation are developed together rather than as separate processes. This work examines how collaboration between sound designers and animators can affect the artistic and creative aspects of an animation production. The focus is on comparing three different working methods, one of which is characterized by close, iterative collaboration between the parties. The aim is to deepen the understanding of how close collaboration in creative processes can contribute to a more complex and expressive result. The study is limited to shorter, non-dialogue-based animations and focuses on the interaction between sound design and visual animation, rather than other production aspects.I animation utgör samspelet mellan ljud och bild en avgörande del för att förmedla berättelser, stämningar och karaktärsutveckling. Trots detta behandlas ljudläggning ofta som ett separat moment som tillkommer sent i produktionsprocessen. Denna uppdelning kan leda till att ljudets fulla potential inte utnyttjas. Forskning pekar allt oftare på vikten av ett mer samordnat arbetssätt, där ljuddesign och animation utvecklas tillsammans snarare än som separata processer. Detta arbete undersöker hur samarbete mellan ljudläggare och animatör kan påverka det konstnärliga och kreativa delarna i en animationsproduktion. Fokus ligger på att jämföra tre olika arbetsmetoder, varav en utmärker sig genom ett tätt, iterativt samarbete mellan parterna. Syftet är att fördjupa förståelsen för hur nära samarbete i kreativa processer kan bidra till ett mer sammansatt och uttrycksfullt resultat. Studien är avgränsad till kortare, icke-dialogbaserade animationer och fokuserar på samverkan mellan ljuddesign och visuell animation, snarare än andra produktionsaspekter.
On noncommutative frame bundles
No full textThe question of whether a right Hilbert bimodule admits a non-commutative frame bundle-i.e., a C*-algebraic noncommutative principal bundle with which the right Hilbert bimodule is associated via some fundamental representation-is both pivotal and difficult. In this paper, we contribute to this topic by providing an axiomatic characterization of a right Hilbert bimodule, let's say M, that ensures the existence of a unique (up to isomorphism) free C*-dynamical system (A(M), SO(n), alpha(M)) with the property that its associated noncommutative vector bundle, with respect to the standard representation of SO(n), is isomorphic to M. Our approach is inspired by potential applications in noncommutative Riemannian spin geometry