Presentation
Jag har arbetat som universitetslektor vid Malmö universitet sedan augusti 2023. Dessförinnan hade jag motsvarande tjänst som lektor inom datavetenskap vid Högskolan Kristianstad i drygt tio år. Min utbildningsbakgrund omfattar en civilingenjörsexamen i elektroteknik samt en examen från ekonomprogrammet vid Lunds universitet. Efter mina universitetsstudier arbetade jag under drygt tio år på ABB och Ericsson, främst med verksamhetsutveckling och metoder som Lean och Six Sigma. Därefter doktorerade jag i logistik vid Lunds tekniska högskola (LTH).
En viktig del av mitt arbete på ABB och Ericsson var att analysera stora datamängder för att förstå samband, utveckla modeller och göra prediktioner. Det kunde exempelvis handla om att utveckla modeller för att förutsäga installationstiden för en basstation eller produktionskostnaden för en distributionstransformator utifrån en given teknisk specifikation. Dessa erfarenheter har gett mig en stark praktisk grund i hur data och kvantitativa metoder kan användas för att förstå komplexa verksamheter och förbättra beslutsfattandet.
Under min doktorandtid vid LTH var min forskning främst inriktad på att undersöka hur nya tekniker för identifiering och spårning av gods i försörjningskedjor påverkar logistiksystemens effektivitet och robusthet mot störningar. För att besvara dessa frågor arbetade jag huvudsakligen med diskret händelsesimulering (discrete-event simulation) och analys av simuleringsresultat. En av mina tidiga fallstudier handlade om hur smarta sensorer i återvinningscontainrar kan användas för att effektivisera transporter och tömning. Denna forskning ledde senare vidare till studier som även omfattade beteendevetenskapliga aspekter av återvinning.
Den röda tråden genom min yrkeskarriär har varit att använda data, modeller och analytiska metoder för att förstå och förbättra olika typer av system och verksamheter. Kombinationen av teknisk och ekonomisk utbildning, praktisk erfarenhet och akademisk forskning har gett mig ett perspektiv där tekniska lösningar sätts i relation till verksamheters behov och förutsättningar. Detta präglar också mitt arbete idag, både inom undervisning och forskning vid Malmö universitet.
I min undervisning arbetar jag bland annat med statistik, dataanalys och beslutsstöd, där jag strävar efter att koppla teoretiska metoder till praktiska problem och verkliga beslutssituationer. Mina tidigare erfarenheter är särskilt värdefulla eftersom jag kan illustrera hur metoderna faktiskt används, vilka begränsningar de har och vilka utmaningar som uppstår vid praktisk tillämpning.
Även i min nuvarande forskning är kopplingen tydlig. Jag arbetar bland annat med hur sensordata, simulering och maskininlärning kan användas för att analysera och förutsäga beteendet hos komplexa system, exempelvis inom vatten- och dagvattenhantering. Här kombineras datadrivna metoder med mer traditionell systemmodellering för att skapa bättre beslutsunderlag.
Min bakgrund har också gjort mig särskilt intresserad av hur den snabba utvecklingen inom AI och maskininlärning kan omsättas i praktisk nytta. För mig handlar det inte bara om att utveckla modeller med god prediktionsförmåga, utan också om att förstå deras tillförlitlighet, begränsningar och hur resultaten kan användas som stöd för välgrundade beslut. Detta perspektiv är centralt i såväl min forskning som utvecklingen av nya kurser inom datadrivet beslutsfattande och AI.
