Din framtida utmaning
Bakgrund
Operationella system, så som industriell automation, autonoma fordon eller större farkoster så som flygplan eller båtar, innehåller ofta ett stort antal starkt kopplade system med realtidskrav på funktionaliteten. Det är i dessa system kritiskt att kunna snabbt upptäcka ett förlopp som kan leda till kostsamma och farliga problem, ett behov som är fokuset för detta projektet. När en olycka väl är framme är det på samma sätt väldigt viktigt att det går att korrekt identifiera orsaken till felet och hur man avhjälper det. Detta kräver ofta en djup kunskap för hur systemen fungerar och det kan vara svårt att ha den typen av kompetens till hands i alla situationer. En fördröjd reaktion kan i dessa situationer ofta göra situationen värre och förlänga avbrott i funktion.
Beskrivning av examensarbetet
Examensarbetet syftar till att undersöka hur AI kan användas för att upptäcka felen i ett tidigt skede samt assistera vid felsökning och reparation. En önskvärd förlängning av arbetet är att skapa hjälpfunktioner som på egen väg kan göra reparationer.
Graph Attention Networks (GAT) är en ny arkitektur för neurala nät som är speciellt lämpad till att lära sig data med grafstruktur, så som interaktion mellan personer i ett socialt nätverk eller meddelanden mellan olika systemkomponenter. Projektet syftar till att undersöka hur denna klass av algoritmer kan användas för att monitorera system och detektera felaktigheter. Beroende på intresse kan arbetet inriktas mot modellering och simulering av operationella scenarier i WARA Ops datacentermiljö (https://wara-ops.org/) eller mot applikation av algoritme
Den du är idag
Arbetet är lämpligt för en till två studenter med intresse för maskinlärande och tidsserieanalys.
Du/ni är i slutet av er civilingenjörsutbildning-utbildning eller motsvarande och ska påbörja ert 30 hp examensarbete. Specifika krav på erfarenhet och genomförda kurser sätts för respektive examensarbete.
Befattningen kräver att du genomgår och godkänns enligt vid var tid gällande bestämmelser för säkerhetsskydd. För befattningar där Saab har krav på säkerhetsklassinplacering kan, i förekommande fall, medföra krav på visst medborgarskap
Vad du blir en del av
On-board Security and IT-Architecture (OBSITA)-teamet är ett korsdisciplinärt team med ansvar för informationssäkerhet och korrekt drift av systemen ombord våra marina fartyg och ubåtar.
Sista ansökningsdag
2023-11-30
Kontaktperson
Mattias Bruzelius, Chef
mattias.bruzelius@saabgroup.com
Mikael Lindberg, kontaktperson/handledare
mikael.lindberg1@saabgroup.com
Saab är ett företag där människan står i centrum. Vi har en god arbetsmiljö där vi stöttar och hjälper varandra att göra vårt bästa. Kontinuerligt lärande, välmående, karriär- och talangutveckling är exempel på områden där vi alltid arbetar hårt för att säkerställa att du som medarbetare får de möjligheter som du behöver.