Doktorand in drift- och underhållsteknik

- med specialisering Industrial Artificial Intelligence och eMaintenance

Luleå tekniska universitet är i stark tillväxt med världsledande kompetens inom flera forskningsområden. Vi formar framtiden genom nydanande utbildningar och banbrytande forskningsresultat, och med utgångspunkt i den arktiska regionen skapar vi global samhällsnytta. Vår vetenskapliga som konstnärliga forskning och utbildning bedrivs i nära samarbete med internationella, nationella och regionala företag, offentliga aktörer och ledande universitet. Luleå tekniska universitet omsätter totalt 1,9 miljarder kronor per år. Vi är idag 1 815 anställda och har 19 155 studenter.

De kommande åren investeras mångmiljardbelopp i Norrbotten och Västerbotten i stora projekt som syftar till ett mer hållbart samhälle nationellt så väl som globalt. Luleå tekniska universitet är involverat i flera av dessa högaktuella forskningsprojekt och den samhällsomvandling som följer. Vi har ett brett utbud av utbildningar för att matcha den kompetens som efterfrågas. Vi hoppas att du vill hjälpa oss att bygga framtidens hållbara företag och samhällen.

Drift och underhåll är ett snabbt växande forskningsområde då det är en viktig del av industrins resultat, globalt som lokalt. För många branscher är underhållskostnader en av de största enskilda kostnadsposterna. Effektivt underhåll kan generera intäkter för industrin genom bättre anläggningsutnyttjande och högre tillgänglighet och genom välplanerat underhåll kan även externa och interna operativa risker kontrolleras och minimeras.

Ämnesbeskrivning
Ämnesområdet drift- och underhållsteknik är tvärvetenskapligt till sin natur, överskrider gränserna och separerar många discipliner inom vetenskap, framväxande teknik och konst. Avdelningens verksamhet är inriktad på att hitta synergier med andra ingenjörsdiscipliner och bygga nätverk med många aktiva forskargrupper, lokalt och globalt. Avdelningen har lyckats få bidrag från EU och Sveriges forskningsfinansiärer som VINNOVA och SSF. Avdelningen har lanserat en International Journal of System Assurance Engineering and Management utgiven av Springer. Etableringen av SKF- University Technology Center för avancerad tillståndsövervakning har gett avdelningen en välbehövlig plattform för utveckling av prediktiv teknik. Dessutom finns två eMaintenance Labs på LTU och LKAB, Kiruna; ett tillståndsövervakningslabb har etablerats vid avdelningen. Avdelningen är fullt kompetent och utrustad tekniskt för att bedriva forskningsarbete inom de framväxande områdena big data, prediktiv och normativ analys.

Projektbeskrivning
Du kommer främst att arbeta med ett av våra forskningsprojekt som heter "AI Factory for Construction", som fokuserar på forskning relaterad till industriell AI och eMaintenance inom byggbranschen, inklusive maskininlärning, överfört lärande och djupinlärning. Projektet syftar till att underlätta platshanteringsprocessen inom byggbranschen genom att utveckla och demonstrera lösningar baserade på Digital Twin-strategi som stöds av AI och digital teknik.

Detta projekt kommer att bidra till ökat utnyttjande av AI och digitalisering av byggbranschen genom att bedriva forskning inom:

- Industrial AI
- Digital Twin
- Nowcasting and forecasting
- Machine Learning
- Deep Learning
- Business Intelligence
- Big Data
- Cloud/edge Computing
- Information Logistics
- Operation & maintenance
- eMaintenance

Projektet kommer att genomföras i nära samarbete med representanter från byggbranschen. Arbetet kommer att utföras i projektform med doktorander, seniora forskare och branschföreträdare.

Arbetsuppgifter
Du kommer att arbeta i forskargruppen industriell AI och eMaintenance. Du kommer också att bidra till vidareutveckling av vår plattform "AI Factory" och förbättra kapaciteten i vårt labb "eMaintenance LAB".

Arbetet kommer att omfatta:

- Studier av relevanta teoretiska ramar
- Kartläggning av behov och krav ur ett industriellt perspektiv
- Identifiera och analysera luckor i industriella och akademiska sammanhang
- Design av lösningar, inklusive metoder, tekniker och verktyg
- Utveckling av AI-algoritmer, verktyg och lösningar med metoder inklusive men inte begränsat till matematisk programmering, metaheuristik, robust optimering, stokastisk optimering
- Publicering i akademiska tidskrifter och konferenser
- Deltagande som föreläsare och assistent i avdelningens kurser

Kvalifikationer
Vi söker en aktiv person som har intresse för forskningsstudier, gärna med erfarenhet av att bygga matematiska modeller, optimeringsmetoder, simuleringstekniker, men också intresse för metaheuristik, statistik och maskininlärning. Du måste ha en magisterexamen från byggteknik, underhåll och driftsteknik, datavetenskap, tillämpad fysik, styrteknik, signalbehandling eller motsvarande. Du ska ha goda kunskaper i modellering och mjukvaruutveckling. Du ska även vara skicklig på programmeringsspråk som Python, R, MATLAB och tillhörande simulerings- och optimeringsbibliotek och paket. Byggerfarenhet samt erfarenhet inom järnvägsbranschen samt kunskap inom underhållsområdet och mjukvaruutveckling är meriterande. Erfarenhet av Azure-miljö och plattform och Azure AI-tjänster är också meriterande.

För att kommunicera inom projekten och med olika intressenter kräver vi att du behärskar svenska, i tal och skrift, och har goda kunskaper i tal och skrift på engelska.

För ytterligare information om specifik doktorandutbildning se studieplaner för forskarutbildning inom teknisk fakultet.

Information
Anställning som doktorand är tidsbegränsad på 4 år, undervisning och annan institutionstjänstgöring kan tillkomma upp till 20 % av heltid. Tjänstgöringsort: Luleå.

För ytterligare information om tjänsten är du välkommen att kontakta professor Ramin Karim, 0920-49 2344, ramin.karim@ltu.se

Facklig företrädare:SACO-S Kjell Johansson, 0920-49 1529 kjell.johansson@ltu.se, OFR-S Lars Frisk, 0920-49 1792 lars.frisk@ltu.se

Ansökan
Vi ser helst att du söker befattningen via ansökningsknappen nedan där du bifogar personligt brev samt CV/meritförteckning och kopior av verifierade examensbevis. Var vänlig och märk din ansökan med referensnumret nedan. Både ansökan och examensbevis ska vara skrivna på svenska eller engelska.

Sista ansökningsdag: 30 maj 2022
Referensnummer: 1431-2022