Chalmers Open Digital Repository
Not a member yet
26247 research outputs found
Sort by
Utveckling av ett AI-drivet stödsystem för analys av kundfeedback
No full textDetta examensarbete fokuserar på att utveckla ett AI-drivet system som hjälper produktägare att få insikter om sin produkt. Målet är att skapa ett system där användare kan ställa frågor till en chattbot om sina applikationer, och där svaren från chattbotten baseras på användarfeedback.
Metoden innefattar användning av olika AI-modeller för att utveckla och implementera ett system som kan hämta och analysera relevant data. Applikationen testades under utvecklingen med verklig, befintlig användarfeedback från en existerande applikation. Resultaten visar att applikationen kan besvara användarens frågor med relevant information baserad på den tillgängliga användarfeedbacken om produkten, genom att använda AI-modellerna text-embedding-3-large och GPT-4o för datainsamling och textsvar. Testerna visar också att systemet kan besvara både generella och specifika frågor, samt att det har förmåga att resonera kring innehållet i frågorna. Detta tyder på att systemet kan fungera som ett hjälpsamt och insiktsfullt verktyg för produktägare.
Slutsatsen är att applikationen kan ge produktägare insikter genom att de ställer frågor där svaren baseras på användarfeedback. Applikationen kan vidareutvecklas med nyare och bättre AI-modeller, både vad gäller GPT-modellen och embeddingmodellen, för att göra systemet ännu bättre på att analysera användarfeedback
Realistic Modelling of Li-ion Batteries for Calculating High Frequency Impedance
No full textAbstract
This thesis primarily focuses on building a robust 3-D simulation model and implementing a versatile solver setup for a Lithium-ion (Li-ion) battery cell to study the High-Frequency (HF) behavior. Although this study primarily focuses on the impedance characteristics of battery cells, it also investigates their multidisciplinary behavior, including electromagnetic, thermal, and structural aspects. The developed simulation model is initially validated using a simple copper wire and a coin cell battery before being applied on the cylindrical cell model. The 3-D model includes all cell layers with defined dimensions and tolerances, and is finely meshed in critical regions to ensure convergence and analyze mesh dependency. The primary outcome of this study is the impedance as a function of frequency, swept across a range from 100 Hz to 100 MHz. The simulated data is compared with experimental test data of the same cell. This comparison helps understand the accuracy of the solver and study possible failure points. Another key outcome of this study is the development of a genetic algorithm (GA)-based computational framework designed to identify optimal solutions for cell design. This helps in balancing multiple user-defined objectives to achieve an efficient design solution with
balanced trade-off among competing objectives. The conclusion of the thesis is that a 3-D simulation model gives a better estimation of the real-world HF behavior, than a 1-D model which has numerous assumptions on the material behavior and field propagation. The studied Li-ion cell indicates a drop in impedance behavior in the mid-frequency range, attributed to dominant capacitive and resistive effects. At higher frequencies, beyond the cutoff frequency, an increase in impedance is observed due to dominant inductive behavior. This
model is used to visualize field propagation and can be further scaled to the module or pack level to analyze and improve the EMC performance of the system. However, with further modifications, the developed simulation model can be better optimized for detailed analysis of multidisciplinary parameters such as temperature, Joule heating, displacement, and stress
Standards-Driven and AI-Driven Automation in Clinical Data Flows
No full textThis study explores how standards-driven and AI-driven automation can streamline
the clinical data flow at AstraZeneca (AZ) and improve interoperability within
the healthcare industry. As clinical data volumes and complexity increase, efficient
management of data is critical for accelerating drug development while ensuring
robust clinical evidence. The study maps AZ’s current clinical data flow
and identifies opportunities for automation and standardization. A qualitative research
method was applied, using semi-structured interviews with AZ employees
and an internal documentation review. Process mapping and thematic analysis
were conducted to generate a Data Flow Diagram, extract key insights, and deliver
recommendations. Findings show that the current data flow involves several manual
steps across data collection, management, statistical analysis, and regulatory
submission. Key areas for improvement include stricter metadata requirements, a
centralized data flow, and detailed workflow documentation to support automation.
The study also highlights the potential of machine-readable specifications and executable
metadata, aligned with the Clinical Data Interchange Standards Consortium
360Implementation (CDISC 360i) program, to enable platform-based, streamlined
data flows. Prioritizing critical-to-quality data in study protocols and shifting to
structured, data-centric regulatory submissions are recommended. Several AI opportunities
were identified, including digital twins for virtual control arms, natural
language processing for regulatory text generation, and agentic AI for end-to-end
automation. These require strong quality control, human oversight, explainability,
and regulatory acceptance. The study concludes that by proactively adopting
these recommendations, AZ can improve internal efficiency, support a connected and
data-driven healthcare ecosystem, and help lead the transformation toward faster,
higher-quality drug development and timely patient access to innovative treatments
AI-baserade språkmodeller inom byggprojektering: En jämförelse mellan AI-prediktioner och lärares upplevelser av klassrum
No full textDenna rapport undersöker potentialen hos multimodala stora språkmodeller (MLLM) för att
identifiera och förutse avvikelser från byggnadstekniska och funktionella kravställningar i klassrum
under projekteringsskedet. Byggprocessen genererar stora mängder dokumentation, vilket kan leda till
fel och ineffektivitet. Genom att kombinera AI-analys av klassrumsritningar med intervjuer av
förstelärare i nybyggda skolor i Göteborg, syftar studien till att jämföra digitala prediktioner med
verkliga användarbehov. Arbetet tillämpar en kvalitativ metod med en fallstudie av två skolor,
semistrukturerade intervjuer och experiment med OpenAIs ChatGPT-4o. Resultaten visar att MLLM i
vissa fall kunde identifiera aspekter relaterade till möblering, utrustning samt flöde och rörelse i
klassrummet, men uppvisade inkonsekvens och bristande träffsäkerhet i frågor med praktisk relevans.
AI-verktyget missade upprepade gånger lärarnas viktigaste kritik, vilket pekar på behovet av
förbättrad datakvalitet och prompt-teknik för framtida tillämpning. Studien belyser även att lärarnas
insikter ofta ignoreras i byggprocessen, vilket leder till funktionella brister i färdiga skolmiljöer.
Arbetet pekar på MLLM har potential som stödverktyg i projekteringen men understryker att
mänsklig expertis och uppföljning fortsatt är avgörande för att säkerställa en fungerande lärmilj
Acoustic Signal Analysis and Feature- Based Classification of BOAS
No full textThis thesis examines a feature-based approach for classifying Brachycephalic Obstructive
Airway Syndrome (BOAS) in dogs using acoustic signal analysis and machine
learning. Audio recordings of dogs breathing, collected both before and after
physical exercise, were preprocessed through normalization, filtering, and data augmentation
techniques to enhance signal quality. Features were extracted using the
openSMILE toolkit and refined through statistical tests, notably the Mann-Whitney
U-test, to identify those most indicative of BOAS severity. Two modeling strategies
were employed: separate classifiers for pre- and post-exercise recordings and
a hybrid model that incorporates both. The hybrid model, trained using decision
tree-based methods including Random Forest and XGBoost, demonstrated superior
performance, achieving an AUC of 1.0 and an average prediction confidence of 88.5%
when evaluated on an unseen dataset of five dogs. Although more data is needed
to ensure the model’s reliability and generalization to unseen data, these findings
highlight the potential of a feature-based tool as a practical and accessible option
for BOAS classification, thereby improving the health and welfare of brachycephalic
dogs.
Linear Optimization Modelling for Cost-Effective Hydrogen Integration in Energy Systems and Transport
No full textTowards suppressing control-line crosstalk in superconducting quantum processors
No full textMicrowave crosstalk poses a critical challenge to the scalability and fidelity of
operations in superconducting quantum processors, especially in architectures with
dense control wiring and small inter-qubit detuning. This thesis investigates the
suppression of microwave crosstalk in a two-qubit system based on floating transmon
qubits coupled both directly and via a tunable coupler. A theoretical model is
developed by reducing the full capacitive network to analytically solvable circuits
using Wye–Delta transformations and Kirchhoff’s laws. Symbolic expressions for
qubit voltages are derived and interpreted as proxies for Rabi amplitudes, allowing
crosstalk to be quantified in the frequency domain. Simulation results reveal that the
interference between multiple coupling channels can be tuned to yield suppression
in drive selectivity, controlled by parameters such as inter-qubit capacitance as well
as coupler and qubit frequencies. Experimental cross-Rabi measurements validate
the predicted suppression behavior, with selectivity reaching below −60 dB. While
the analytical model captures the qualitative trends, quantitative discrepancies
highlight the limitations of linear circuit approximations and motivate future
work on quantum-level modeling. These results offer a framework for mitigating
control-line crosstalk and advancing high-fidelity gate operations in superconducting
devices
Etableringar som driver utveckling; en studie om fastighetsutveckling i mindre kommuner vid organisatorisk etablering
No full textExamensarbetet undersöker hur fastighetsbolag kan assistera vid större organisationers etableringar i
mindre kommuner. Särskilt fokus läggs på Försvarsmaktens återetableringar som uppkommit till följd
av Sveriges inträde i NATO år 2022. Processen vid fastighetsutveckling är komplex då många olika
faktorer är av betydelse vid bildningen av funktionella, samt hållbara lösningar för både
organisationen och kommunen som helhet.
Flerfallsstudien undersöker Kristinehamn och Sollefteå, vilka är kommuner som har påverkats av
Försvarsmaktens nya etableringar. Dessutom undersöks Vaggeryd som är kända för sina industrier och
växande näringsliv, vilket bidrar med kontraster mellan Försvarsmaktens etableringar och
företagsetableringar. Representanter från respektive kommun, samt Fortifikationsverket, intervjuas för
att bidra med olika synvinklar på etableringsprocesserna och dess följder.
Studiens resultat pekar på att fastighetsbolag kan assistera vid etableringarna genom att medverka i
tidiga dialoger, besitta kunskap om de lokala behoven och vara flexibla vid uppkomsten av nya
påverkansfaktorer. Försvarsmaktens etableringar skiljer sig från företagsetableringar genom särskild
kravsättning avseende infrastruktur och säkerhetskrav, men paralleller finns avseende behov av
kommunal samordning och ökad efterfrågan på bostäde
Method Development of Multi-Layered Optical Skin Phantoms
No full textThe increasing research interest in and use of optical medical technologies has led to
a growing need for synthetic testing materials with tissue-mimicking optical properties,
known as optical phantoms. Many different materials and methods have
been used to create such phantoms but the field currently lacks standardization and
repeated results. Optical phantoms made for dark skin tones and for short wavelengths
of light are also missing from research.
This project tests and builds on previously established methods for creating optical
phantoms made out of PDMS silicone. A method for creating a multi-layered skin
phantom in which each layer mimics the thickness and absorption of one of the main
layers of human skin is developed and presented. Four versions of this phantom are
made: two of them mimic the absorption of fair skin and two of them the absorption
of dark skin. For each skin colour, one of the phantoms mimic the absorption at a
wavelength of 405 nm and the other the absorption at 630 nm.
A correlation between the concentration of nigrosin (an absorbing agent) and the
absorption coefficient of the resulting phantoms is determined using spectrometry.
This correlation can work as a guide for how to reach a desired absorption coefficient
Prediktion av natriumjonbatteriers framtida produktion
No full textProblem
Batterimarknaden är en snabbt växande marknad med flera olika användningsområden
och typer av batterier. Den vanligaste batteritypen är litiumjonbatteriet som idag står inför
utmaningen att dess ingående resurser är begränsade. Natriumjonbatteriet är en annan typ
av batteri som länge existerat men inte kommersialiserats förrän på senare tid. Batteriet har
en lägre energidensitet men utmärker sig när det kommer till pris, laddning- och urladd-
ningshastighet. Med utgångspunkt i dessa egenskaper betraktas det som ett komplement
till litiumjonbatteriet inom användningsområden som har lägre krav på energidensitet men
högre krav på laddning- och urladdningshastighet. Eftersom natriumjonbatterierna är så
pass nya på marknaden är det ett fåtal aktörer som har inlett produktion, vilket innebär att
den framtida produktionskapaciteten av batteriet är osäker.
Syfte
Studien syftar till att predicera och analysera framtida produktionskapaciteten av natri-
umjonbatterier samt kartlägga batteritekniska data såsom materialval och användnings-
områden.
Teoretiskt ramverk
För att predicera den framtida produktionskapaciteten av natriumjonbatterier används tre
tillväxtmodeller. Dessa är den exponentiella, logistiska samt exponentiellt avtagande till-
växtmodellen. För att komplettera dessa förklaras även diffusionsprocessen för innovatio-
ner. Dessutom redogörs för de tekniska egenskaperna hos natriumjon- och litiumjärnfos-
fatbatteriet.
Metod
Studien är huvudsakligen kvantitativ, där data från företagsutlåtanden insamlats och an-
vänts för att predicera natriumjonbatterimarknadens produktionskapacitet fram till och
med år 2050. Insamlad data är relaterad till företagens produktionskapacitet och deras
batteriers teknik och användningsområden, vilka enbart inhämtades från företag som an-
nonserat att de producerar eller planerar att producera natriumjonbatterier. Insamlad data
anpassades sedan till olika tillväxtmodeller som i sin tur återgav den årliga tillväxttakten av
produktionskapaciteten. Denna visualiserades i diagram och tabeller. För att komplettera
tillväxtmodellerna genomfördes även intervjuer. Dessutom framställdes diverse diagram
för att kartlägga olika batteritekniska data.
Resultat och implikationer
Från denna studie dras slutsatsen att produktionskapaciteten för natriumjonbatterier tro-
ligtvis kommer att följa en logistisk tillväxtmodell. Utifrån denna modell prediceras att
produktionskapaciteten år 2050 uppnår ungefär 500 GWh/år. Detta värde kan användas
av industri- och samhällsaktörer för att få en bild av den framtida potentiella tillverkningen
av natriumjonbatterier. Oxidlager framstår som det vanligaste positiva elektrodmaterialet
och hårt kol som det vanligaste negativa elektrodmaterialet. Energilagringssystem och el-
fordon framstår som de vanligaste användningsområdena.
Notera: Rapporten är skriven på svensk