Sökning: "Arkitektoniska komponenter"

Visar resultat 1 - 5 av 13 uppsatser innehållade orden Arkitektoniska komponenter.

  1. 1. Adopting Observability-Driven Development for Cloud-Native Applications : Designing End-to-end Observability Pipeline using Open-source Software

    Master-uppsats, KTH/Skolan för elektroteknik och datavetenskap (EECS)

    Författare :Chujie Ni; [2023]
    Nyckelord :Observability-driven Development; End-to-end observability; Open-source pipeline; OpenTelemetry; Kubernetes; Observerbarhetsdriven utveckling; observerbarhet från slut till slut; pipeline med öppen källkod; OpenTelemetry; Kubernetes;

    Sammanfattning : As cloud-native applications become more distributed, complex, and unpredictable with the adoption of microservices and other new architectural components, traditional monitoring solutions are inadequate in providing end-to-end visibility and proactively identifying deviations from expected behaviour before they become disruptive to services. In response to these challenges, observability-driven development (ODD) is proposed as a new methodology that leverages tools and practices to observe the state and detect the behaviour of systems. LÄS MER

  3. 2. Framtidens kontor - det sociala vardagsrummet? : Utredning av arkitektoniska komponenter och ett gestaltningsförslag på ett befintligt kontor

    Kandidat-uppsats, Malmö universitet/Institutionen för Urbana Studier (US)

    Författare :Frida Lennvig Andersson; Moa Landén; [2022]
    Nyckelord :Office; Office design; Social sustainability; Architectural components; Office of the future; Kontor; Kontorsutformning; Social hållbarhet; Arkitektoniska komponenter; Framtidens kontor;

    Sammanfattning : Kontoren har ekat tomma sedan pandemins start och många har blivit tvungna att arbeta hemifrån. Arbetsgivarna står nu därför inför en stor utmaning i att få tillbaka sina anställda till kontoret utan tvångsmedel. LÄS MER

  4. 3. Återbruk eller rivning vid fastighetsutveckling : En studie om utmaningar med utgångspunkt från kommersiella byggnader från 1900-talet i Stockholms innerstad

    Uppsats för yrkesexamina på avancerad nivå, Luleå tekniska universitet/Institutionen för samhällsbyggnad och naturresurser

    Författare :Filip Åstrand; Fredrik Lundin; [2022]
    Nyckelord :Architecture; Construction technology Sustainable development; Cultural heritage; Reuse; Arkitektur; Byggteknik; Hållbart byggande; Kulturhistoria; Återbruk;

    Sammanfattning : Det finns flera motiv till varför fastighetsutvecklare väljer att riva befintliga byggnader i storstäder. Marktillgången i storstäder som Stockholm är begränsad och fastighetsutvecklare vill kunna erbjuda en modern standard som uppfyller de ökade krav och förväntningar hyresgäster ställer. LÄS MER

  5. 4. Weight Prediction of the Environmental Control System for Fighter Aircraft

    Master-uppsats, KTH/Lättkonstruktioner, marina system, flyg- och rymdteknik, rörelsemekanik

    Författare :Anton Lager; [2022]
    Nyckelord :Air Cycle Machine; Environmental Control System; Fighter jet; Military aircraft; Weight prediction; Luftcykelmaskin; Kylsystem; Militära flygplan; Stridsflygplan; Viktprediktering;

    Sammanfattning : Aircraft design is heavily reliant on weight characteristics of the vehicle, and predicting the weight of subsystems in an early design phase is fundamental. The problem with predicting the weight of aircraft subsystems today is that the number of input parameters do not represent enough level of accuracy to account for different architectural solutions. LÄS MER

  7. 5. A Study on Fault-tolerance of Deep Neural Networks for Embedded Systems

    Master-uppsats, KTH/Skolan för elektroteknik och datavetenskap (EECS)

    Författare :Elaheh Malekzadeh; [2021]
    Nyckelord :Embedded systems; Fault tolerance; Deep Learning; Single event upset; Edge AI.; Inbyggda system; Feltolerans; Djupinlärning; Edge AI.;

    Sammanfattning : Deep learning is replacing many traditional data processing methods in computer vision, speech recognition, natural language processing and many more diverse end applications. Until only a few years ago, using deep learning networks for inference required large amount of computational resources such as memory, processing power and energy. LÄS MER