Hos företag som saknar restriktioner för lagernivåer och riktlinjer för beslut om skrotning blir det naturligt att saker sparas "utifall-att". Så länge ett sådant arbetssätt tillåts fortgå kommer tillgängliga områden sannolikt att fyllas på med allt mer saker och så småningom blir platsbristen ett faktum. Detta leder till oönskade konsekvenser i form av bland annat kapitalbindning, onödig hantering och transport, samt bidrar till att det blir svårare att hålla ordning. Volvo Lastvagnar AB i Umeå är ett företag som brottas med en del av denna problematik, speciellt utomhus på fabriksområdet. Det här examensarbetet syftar till att, med hänsyn till interna verksamheters behov, ta fram förslag som kan frigöra yta på fabriksområdet samt skapa bättre ordning.

Denna rapport tar en titt på phishing-problemet, något som många har råkat ut för med bland annat de falska Nordea eller eBay mejl som på senaste tiden har dykt upp i våra inkorgar, och ett eventuellt sätt att minska phishingens effekt. Fokus i rapporten ligger på klassificering av mejl och den huvudsakliga frågeställningen är: ?Är det, med hög träffsäkerhet, möjligt att med hjälp av ett Klassificeringsverktyg sortera ut mejl som har med phishing att göra från övrig skräppost.? Det visade sig svårare än väntat att hitta phishing mejl att använda i klassificeringen. I de klassificeringar som genomfördes visade det sig att både metoden Naive Bayes och med Support Vector Machine kan hitta upp till 100 % av phishing mejlen. Rapporten pressenterar arbetsgången, teori om phishing och resultaten efter genomförda klassificeringstest..

Rapporten behandlar arbetet att med data mining-metoder finna ett samband i insamlad information. Data mining är ett begrepp för att tillämpa artificiell intelligens på en större datamängd. Syftet är i detta fall att hitta ett sätt att klassificera dieselmotorer.Den datamängd som används kommer från mätningar vid testkörning av dieselmotorer och garantikostnader som motorerna ger upphov till efter leveransen från fabriken. Målet är att finna ett samband mellan testvärdena och kostnaden i syfte att kunna identifiera kostnadsbenägna motorer redan vid testkörningen.En klusteranalys görs med två olika tekniker, K-means method och Kohonen-nät, som visar att det föreligger ett svagt men ändå förnimbart samband. En jämförelse mellan teknikernas resultat och användbarhet görs.Två tekniker används till att bygga Klassificeringsverktyg som skall kunna sortera ut motorerna med höga kostnader.

Forskning har visat att uppgifter i prov inverkar på vad elever lär sig genom deras förväntningar på vad testet ska innehålla (Virta, 2004). Boesen (2006b) konstaterar att uppgifter i nationella prov påverkar lärares undervisning vilket indirekt också bör inverka på vad elever lär sig. Lithner (2008) menar att det finns risk att en elev som använder ett imitativt resonemang i alltför hög grad vid lösning av matematikuppgifter får sämre matematikkunskaper. Genom att som lärare förse eleven med uppgifter som kräver ett kreativt resonemang, i vilka det inte är möjligt för eleven att använda ett imitativt resonemang, bör en sådan utveckling hindras. Syftet med detta examensarbete är att med ett Klassificeringsverktyg tidigare använt av bland andra Boesen, Lithner och Palm (2005) och Bergqvist (2007) undersöka alla 85 matematikuppgifter i PISA 2003 med avseende på vilken grad av matematiskt kreativt resonemang som krävs för att lösa dem.

Syftet med detta examensarbete har varit att utreda möjligheten att klassificera en vägbeläggningskvalitet genom att utnyttja signaler från en bils befintliga givare. Vidare är examensarbetet enförstudie till ett eventuellt större projekt, som skall leda till utvecklingen av ett komplettklassificeringssystem som underlättar för väghållaren (t.ex. Vägverket) att inventeravägbeläggningens kvalitet. Uppdragsgivare har varit Semcon AB i Göteborg.I arbetet ingick att sätta systemavgränsningar beträffande olika beläggningstyper som skall kunnadetekteras, vilka hastigheter som skall tillämpas vid mätningarna samt vilka signaler från bilensgivare som är relevanta att utnyttja.Arbetet bestod i huvudsak av insamling av mätdata samt analys av denna i MATLAB1. Utifrån deninformation som den insamlade mätdatan gav, kunde sedan ett robust klassificeringssystem skapas,vilket med god precision klarar av att klassificera fyra olika beläggningstyper.Examensarbetet visar att det finns goda möjligheter till ett fördjupat arbete som kan resultera i ettför väghållaren mycket effektivt Klassificeringsverktyg som underlättar att upprätthållastatusinformationen beträffande vägbeläggningens kvalitet.