Utvärdering av Elektronisk fakturahantering inom Banverket

Vår uppdragsgivare Banverket efterfrågade en utvärdering av elektronisk fakturahantering(EFH) vid Banverket som infördes för cirka två år sedan. Det finns några olika verktyg för EFH, skanning av pappersfakturor är ett av de verktygen som Banverket använder för att hantera pappersfakturor från olika leverantörer. Vårt mål med uppsatsen var att analysera vilken effekt användningen av EFH får för Banverket.I vår analys studerades effekter av det införda systemet för elektronisk fakturahantering. Uppsatsen har gjorts med hjälp av en kvalitativ undersöknings metod, analysmetoden FA/SIM samt litteraturstudier inom ämnet. Vi har intervjuat personal vid Banverket Produktion och Banregioner i Malmö samt Stockholm. Vi har även intervjuat personal vid HK, Projektering och Telenät i Borlänge.Efter vår analys har vi kommit fram till att det finns stora ekonomiska vinster med elektronisk fakturahantering, men även vinster som inte är direkt mätbara. De viktigaste effekterna är att inga fakturor kommer bort efter de har skannats in och systemet har hela tiden reda på var i flödet fakturan befinner sig, det vill säga bättre kontroll har vunnits. Genom införandet av EFH har flera arbetsmoment försvunnit eller automatiserats och hanteringen av fakturor har förenklats, vilket bidrar till mindre kostnader för hantering av fakturor. Med EFH behöver användarna inte ta kopior av fakturor eftersom de hela tiden finns i systemet. När det gäller minskad dröjsmålsränta har vi kommit fram till att Banverket bör ha minskat kostnaderna för dröjsmålsränta.

En jämförande studie av olika Oracle verktyg.

Idag finns det många företag som erbjuder olika program/databaser som har till uppgift att lagraoch hantera data. Oracle är världens näst största mjukvaruföretag. Oracles databas genererar ungefär 75 % av deras inkomst.De senaste 40 åren har databashantering utvecklats från enkelt filsystem tillobjektrelationsdatabas, vilket har medfört att allt fler företag idag erbjuder verktyg som databasutvecklare kan arbeta med. Verktygen underlättar själva databashanteringen. Det är mångaföretag som erbjuder olika sorters verktyg och databas utvecklaren, eller själva databasföretaget,får svårt att skilja på verktygen. Utbudet av verktyg är så omfattande att det är näst intill omöjligtatt ha kännedom om alla.Syftet med denna uppsats är att undersöka vilket verktyg en Oracle-utvecklare bör använda sigav. Att jämföra olika SQL och PL/SQL verktyg, samt lämna en rekommendation om vilket/vilkaverktyg som är bäst att använda ur olika perspektiv. Vid jämförelsen laddade jag hem och testadede olika verktygen utifrån vissa kriterier. Jag kontaktade även fyra företag för att få svar på frågan utifrån företagens perspektiv. Tre av företagen svarade på mina enkäter, medan ett av företagen svarade muntligt på mina frågor via telefonen.Då jag genomförde denna studie kom jag fram till slutsatsen att alla verktyg i stort sett har samma grundfunktioner. Valet av verktyg styrs av hur många extra funktioner utvecklaren är villig betala för. Det är dock utvecklaren själv som måste avgöra vilket verktyg som passar just honom. Det verktyg som är ledande är Toad och detta verktyg passar bäst för experter. För enklare funktioner har det framkommit av enkäterna att SQL*Plus används.

Road Sign Recognition based onInvariant Features using SupportVector Machine

Since last two decades researches have been working on developing systems that can assistsdrivers in the best way possible and make driving safe. Computer vision has played a crucialpart in design of these systems. With the introduction of vision techniques variousautonomous and robust real-time traffic automation systems have been designed such asTraffic monitoring, Traffic related parameter estimation and intelligent vehicles. Among theseautomatic detection and recognition of road signs has became an interesting research topic.The system can assist drivers about signs they don’t recognize before passing them.Aim of this research project is to present an Intelligent Road Sign Recognition System basedon state-of-the-art technique, the Support Vector Machine. The project is an extension to thework done at ITS research Platform at Dalarna University [25]. Focus of this research work ison the recognition of road signs under analysis. When classifying an image its location, sizeand orientation in the image plane are its irrelevant features and one way to get rid of thisambiguity is to extract those features which are invariant under the above mentionedtransformation. These invariant features are then used in Support Vector Machine forclassification. Support Vector Machine is a supervised learning machine that solves problemin higher dimension with the help of Kernel functions and is best know for classificationproblems.