• 2024-2024close
• Open Access close
• Embargo close
• Publications close
• Other research products close
• Other ORP type close

This study analyzes different options for solar panel installations for four apartment buildings owned by Eksta Bostads AB and are located in Åsa, Kungsbacka. The objective of this thesis is to find an installation suitable for the properties and the area, The aspects to be examined is the economic aspect, the environmental impact, and solutions for storage options for surplus excess electricity produced. To achieve this, various components of a solar panel are examined to decide different sizes and storage possibilities. This is dimensioned using a programme called Polysun to obtain realistic production and self-consumption rates. Economic calculations are then made for the different options to assess the profits. The result of this gives a variety of combinations that show both production and self-consumption, as well as the investment cost and profit for the installations. Simultaneously, emissions, aesthetics and improvements for the installation are investigated. After all aspects have been explored and calculated, an installation is chosen that is most suitable for the properties. The installation deemed most suitable is one with 45 solar panels (19,8 kWp) and a lithium-ion battery with a capacity of 20 kWh. The investment cost for the facility is 313 784 SEK, and it produces between 18 000 – 19 000 kWh per year depending on the house. The self-consumption rate for the installation ranges between 70,9% and 73,2% depending in the house. This installation can return a profit of 155 420 SEK after 25 years at the lowest estimated discount rate but can also result in a loss of 42 451 SEK after 25 years at the highest discount rate used. Detta arbete undersöker alternativ för solcellsanläggningar för fyra flerbostadshus som ägs av Eksta Bostads AB och ligger i Åsa i-, Kungsbacka kommun. Målet med rapporten är att hitta en anläggning som är lämplig för bostäderna och för området. Det som ska undersökas är den ekonomiska aspekten, hur anläggningen påverkar miljön samt hitta lösningar för lagringsalternativ för den överskottsel som produceras. För att komma fram till detta undersöks olika delar av en solcellsanläggning för att kunna välja olika storlekar samt lagringsmöjligheter. Detta dimensioneras genom programmet Polysun för att få en realistisk produktion och egenanvändningsgrad. Sedan görs ekonomiska beräkningar på de olika möjligheterna för att se lönsamheten. Resultatet ger en mängd olika kombinationer som både visar produktionen och egenanvändning, samt investeringskostnaden och vinsten för anläggningarna. Samtidigt undersöks utsläppen, estetiken och förbättringar för anläggningen. Efter alla aspekter har undersökts och beräknats väljs en anläggning som är mest lämplig för bostäderna. Den anläggning som beräknats vara mest lämplig är en anläggning med 45 solpaneler (19,8 kWp) med ett litium-jonbatteri som har en kapacitet på 20 kWh. Anläggningen har en investeringskostnad på 313 784 SEK och en elproduktion mellan 18 000 – 19 000 kWh per år beroende på hus. Egenanvändningsgraden för anläggningen är mellan 70,9–73,2% beroende på hus. Denna anläggning kan gå ge en vinst på 155 420 kr efter 25 år vid den lägsta beräknade kalkylräntan men kan också ge en förlust på 42 541 kr efter 25 år när den högsta använda kalkylräntan beräknas.

Examinationsdatum: 2024-06-13

created: 1950/1970 Source: FCA/3/2 IIIF manifest

Titel: Cooking the Books: En analys av resultatmanipulering vid svenska börsintroduktioner. Nivå: Examensarbete på grundnivå (kandidatexamen) i ämnet företagsekonomi. Författare: Rasmus Bergman Enarsson & Isak Larsson. Handledare: Jan Svanberg. Datum: 2024-05-28. Syfte: Syftet med denna studie är att analysera om resultatmanipulering förekommer i samband med börsnoteringar på den svenska aktiemarknaden. Metod: Denna studie har tillämpat en kvantitativ strategi för att analysera förekomsten av resultatmanipulering vid börsnoteringar. Finansiella data samlades in från Retriever för företag noterade på First North, NGM Equity, Spotlight och Nasdaq STHLM under perioden 2018–2022. Analysen gjordes i IBM SPSS Statistics. Resultat och slutsats: Vår studie finner signifikanta bevis för att företag manipulerar sina resultat uppåt under perioden före, under och efter en börsnotering. Examensarbetets bidrag: Det finns lite till ingen forskning om sambandet mellan börsnoteringar och förekomsten av resultatmanipulation på den svenska aktiemarknaden. Denna studie bidrar med värdefulla insikter för marknadens olika intressenter, i syfte av att minska de risker och felaktiga värderingar som kan uppstå vid börsnoteringar. Förslag till fortsatt forskning: Framtida forskning kan utöka tidsramen och inkludera fler variabler. Marknadens reaktioner på resultatmanipulation kan dessutom utforskas. Den kassaflödesbaserade resultatmanipulationen kan också beaktas. Till sist vore det även intressant att tillämpa Dechows et al. (2012) metodik i andra kontexter, som under covid-19-pandemin. Nyckelord: Redovisning; Redovisningsval; Periodiseringar; Periodiseringsbaserad resultatmanipulering; Resultatmanipulering; Börsintroduktioner.  Title: Cooking the Books: An analysis of earnings management among Swedish IPOs. Level: Degree project at first level (bachelor’s degree) in the subject Business Administration. Authors: Rasmus Bergman Enarsson & Isak Larsson. Supervisor: Jan Svanberg. Date: 2024-05-28. Aim: The purpose of this study is to analyze whether earnings management occurs in context with IPOs on the Swedish stock market. Method: This study has applied a quantitative strategy to investigate earnings management in the context of Swedish IPOs. Financial data from 2018–2022 were collected from the database Retriever for companies listed on First North, NGM Equity, Spotlight, and Nasdaq STHLM. The analysis was conducted with IBM SPSS Statistics. Results and conclusions: This study provides evidence that firms inflate their earnings during the period before, during, and after an IPO. Contribution of the thesis: There is little to no research on the relationship between IPOs and the practice of earnings management in the Swedish stock market. This study provides valuable insights for the various market stakeholders, aiming to reduce the risks and inaccurate valuations that can arise during IPOs. Suggestions for future research: Future research can extend the analysis timeframe and include more variables. Additionally, market reactions to earnings management can be explored. Real activities management can also be considered. Finally, it would be interesting to apply the methodology of Dechow et al. (2012) in other contexts, such as during the COVID-19 pandemic. Key words: Accounting; Accounting choices; Accruals; Accrual-based earnings management; Earnings management; Initial public offerings.

La monitorización del estado de la herramienta (TCM) tiene como objetivo mejorar la eficiencia del proceso, la calidad y los costos de mantenimiento de las herramientas mediante la supervisión de variables críticas como el desgaste de la herramienta. Este estudio propone una arquitectura de aprendizaje profundo (deep learning, DL) basada en redes neuronales residuales robustas (Robust-ResNet) informadas por el proceso para predecir el desgaste de las herramientas en procesos de fresado utilizando series temporales de señales internas del control numérico computarizado (CNC). La arquitectura Robust-ResNet utiliza conexiones de salto para moverse a través de múltiples capas, evitando los problemas de desvanecimiento de gradiente de otros algoritmos de redes neuronales. Se realizó una evaluación sobre la adhesión de información de proceso como entrada a la arquitectura y un mecanismo de atención entre los saltos para hacer predicciones más robustas. La arquitectura propuesta se entrenó y se puso a punto empleando un conjunto de datos de acceso libre de series temporales de fresado. En este caso concreto se han empleado señales de corriente alterna y continua junto con los valores correspondientes de desgaste de herramientas. Los resultados de este estudio demuestran los beneficios del uso de técnicas de aprendizaje profundo en la predicción del desgaste de la herramienta usando señales internas que proporciona el propio CNC. Se espera que la implementación de la arquitectura propuesta ayude a reducir los costos de mantenimiento, mejorar la calidad del producto y aumentar la eficiencia de producción en los procesos de fabricación mediante fresado. Tool condition monitoring (TCM) aims to improve process efficiency, quality and tool maintenance costs by monitoring critical variables such as tool wear. This study proposes a deep learning (DL) architecture based on process-informed robust residual networks (Robust-ResNet) to predict tool wear in milling processes using time series of internal computer numerical control (CNC) signals. The Robust-ResNet architecture uses skip connections to move through multiple convolutional layers, avoiding the vanishing gradient problem of other neural network algorithms. The study includes an evaluation of the binding of process information as input to the architecture and an attention mechanism between skips to make more robust predictions. The proposed architecture has been trained and optimised using an open access data set of face milling time series. In this particular case, AC and DC signals have been used together with the corresponding tool wear values. The results of this study demonstrate the benefits of using deep learning techniques in the prediction of tool wear using internal signals provided by the CNC itself. The implementation of the proposed architecture is expected to help reduce maintenance costs, improve product quality and increase production efficiency in milling manufacturing processes.

Name and surname of the fourth author should read Shubhra Dash. © 2023, Pleiades Publishing, Ltd.

Cette fiche est issue de l’enquête menée par Jean Delumeau sur l’activité du port de Saint-Malo au 17e et 18e siècle. Cette fiche correspond à l’activité de l’année 1765 avec le port "Plourivo" Bibliographic citation: BRY, Colette. Le Trafic du port de Saint-Malo (1765-1766-1767). DES : Histoire : Rennes : s.d. (Bibliothèque François-Lebrun, MH 1054) Catégories de marchandises arrivées à Saint-Malo : produits agroalimentaires ; céréales date: Date de numérisation : 2021 à 2023 Marchandises arrivées à Saint-Malo : blé created: Années 1950-1960 Coverage: Petit cabotage

Kingdom: PlantaeDivision: MagnoliophytaClass: MonocotsOrder: PoalesFamily: PoaceaeScientific name: Trisetopsis longifolia (Nees) Roser & A.WolkSpecimen barcode: 45828

Since wind power generation has strong randomness and is difficult to predict, a class of combined prediction methods based on empiricalwavelet transform(EWT) and soft margin multiple kernel learning (SMMKL) is proposed in this paper. As a new approach to build adaptive wavelets, the main idea is to extract the different modes of signals by designing an appropriate wavelet filter bank. The SMMKL method effectively avoids the disadvantage of the hard margin MKL method of selecting only a few base kernels and discarding other useful basis kernels when solving for the objective function. Firstly, the EWT method is used to decompose the time series data. Secondly, different SMMKL forecasting models are constructed for the sub-sequences formed by each mode component signal. The training processes of the forecasting model are respectively implemented by two different methods, i.e., the hinge loss soft margin MKL and the square hinge loss soft margin MKL. Simultaneously, the ultimate forecasting results can be obtained by the superposition of the corresponding forecasting model. In order to verify the effectiveness of the proposed method, it was applied to an actual wind speed data set from National Renewable Energy Laboratory (NREL) for short-term wind power single-step or multi-step time series indirectly forecasting. Compared with a radial basic function (RBF) kernelbased support vector machine (SVM), using SimpleMKL under the same condition, the experimental results show that the proposed EWT-SMMKL methods based on two different algorithms have higher forecasting accuracy, and the combined models show effectiveness.