Doktorand i elektroteknik – Maskininlärningsmodeller

Högskolan i Gävle söker doktorand i elektroteknik till projektet Realtidsanalys och optimering med digitala tvillingar, en del av en strategisk satsning inom Twin Transition. Projektet adresserar industrins behov av digitalisering och hållbarhet genom utveckling av digitala tvillingar för tillståndsövervakning samt prediktivt och preskriptivt underhåll. Arbetet kombinerar maskininlärning, reglerteknik och systemidentifiering med experimentella studier i samverkan med industrin.

Doktorandtjänsten ingår i ett större forskningsinitiativ där små och medelstora företag får tillgång till spetskompetens, testmiljöer och forskningssamarbete. Forskningen bidrar till cirkulär ekonomi genom att minska svinn, öka tillgänglighet och förlänga livslängden hos tekniska system.

Om arbetsplatsen

Högskolan i Gävle är Sveriges populäraste högskola. Vi erbjuder ett 60-tal utbildningsprogram och 370 fristående kurser inom humaniora, vård och medicin, samhälls- och naturvetenskap samt teknik. Vi har 17 000 studenter, 750 anställda och ett samlat campus i vackra omgivningar.

Högskolan har fyra strategiska forskningsområden som fokuserar på samhällsutmaningar: Hållbar stadsutveckling, hälsofrämjande arbete, innovativt lärande och intelligent industri.

Sedan 2023 är Högskolan en del i Europauniversitet EU GREEN som arbetar för att stärka kvaliteten inom den högre utbildningen i EU samt ökat utbyte för både studenter och anställda.

Högskolans vision är Förstahandsvaletförallasomvillgöraskillnad. Vi erbjuder bland annat:

• God arbetsmiljö: medarbetarundersökningen visar hög trivsel och arbetsglädje
• Generöst friskvårdsbidrag, i topp bland Sveriges lärosäten
• Flexibelt arbetssätt

Avdelningen för elektroteknik, matematik och naturvetenskap utbildar ingenjörsstudenter, lärarstudenter och basårsstudenter. Den största forskningsgruppen arbetar inom elektroteknik, automation och det strategiska forskningsområdet Intelligent industri.

Arbetsuppgifter 

Moderna tekniska system genererar stora mängder sensordata som ofta är icke-stationär, vilket gör den svår att analysera med traditionella metoder. För att möjliggöra tillförlitlig feldetektion, analys av systembeteenden och prognoser krävs mer avancerade angreppssätt.

Detta doktorandprojekt fokuserar på att utveckla maskininlärningsmetoder för analys av tidsseriedata från sensorer. Särskild tonvikt läggs på att kombinera tidsdynamik med frekvensrelaterad information för att förbättra prediktion och klassificering.

Metoderna tillämpas på exempelvis anomalidetektion, feldiagnostik och prediktion av återstående livslängd, och utvärderas på verkliga multisensordata. Projektet har koppling till hållbara tekniska tillämpningar, såsom effektivare underhåll.

Arbetsuppgifter

• Utveckla och testa maskininlärningsmetoder för sensordata

• Kombinera tids- och frekvensbaserad information

• Bygga modeller för prediktion, klassificering och beslutsstöd

• Utvärdera metoder med verkliga multisensordata

• Validering av metoder i hållbarhetsrelaterade tillämpningar

Doktorandpositionen omfattar:

• att genomföra det vetenskapliga projektet

• att genomföra kurser motsvarande minst 75 hp

• undervisning och visst administrativt arbete

• deltagande i akademiaktiviteter såsom seminarier och möten

Arbetsplatsen är vid Högskolan i Gävle där merparten av arbetstiden är campusförlagd. Ytterligare information om att vara doktorand vid Högskolan i Gävle finns på https://www.hig.se/forskning/forskarutbildning/bli-doktorand

Kvalifikationer

För att bli antagen till forskarutbildning krävs grundläggande behörighet enligt högskoleförordningen (kapitel 7, § 39), vilket innebär:

• Examen på avancerad nivå (masterexamen) eller motsvarande
• Minst 240 högskolepoäng, varav minst 60 på avancerad nivå, eller motsvarande kunskaper

För antagning inom elektroteknik krävs dessutom enligt gällande allmän studieplan: Magisterexamen inom elektroteknik, signalbehandling eller motsvarande

Meriterande kvalifikationer:

• Bakgrund inom maskininlärning, signalbehandling eller tidsserieanalys
• Erfarenhet av programmering i Python och MATLAB
• Kännedom om sensordata och dataanalys
• Intresse för tvärvetenskapliga tillämpningar och hållbarhet

För att lyckas i doktorandstudierna behöver du kunna arbeta självständigt och driva ditt arbete framåt. Du har god samarbetsförmåga, ett professionellt förhållningssätt och trivs med att arbeta med komplexa frågeställningar. Vidare har du ett intresse för att utveckla ny kunskap och förmåga att kommunicera och diskutera forskning med personer både inom och utanför ditt ämnesområde.

Du uttrycker dig väl i tal och skrift på engelska. Goda kunskaper i svenska är meriterande.

Urval sker utifrån en samlad bedömning av den sökandes förmåga att tillgodogöra sig utbildningen.

Information om antagning och anställning:

Endast den som antagits till forskarutbildning får anställas som doktorand. Den sammanlagda anställningstiden får inte överstiga motsvarande fyra års heltidsstudier. En ny anställning som doktorand gäller i högst ett år, varefter anställningen kan förnyas med högst två år i taget.

Läs mer om utbildning på forskarnivå och våra antagnings- och bedömningsgrunder här: https://www.hig.se/forskning/forskarutbildning

Ansökningsvillkor:

Ansökan ska innehålla CV, personligt brev och övriga dokument som du vill åberopa, t ex examensbevis.

Kontaktperson

Mikael Cronhjort, avdelningchef, Akademin för teknik och miljö

+4626-648402

mikael.cronhjort@hig.se

Sunilkumar Telegam Setti, projektledare

+4626-648162

Sunilkumar.Telagam.Setti@hig.se

Övrigt 

Högskolan i Gävle eftersträvar en jämn könsfördelning och ett aktivt arbete med lika villkor i alla delar av organisationen.

Inför denna rekrytering har Högskolan i Gävle tagit ställning till rekryteringskanaler och marknadsföring. Vi undanber oss därför bestämt kontakt med mediasäljare och liknande.