A Pro Progressio Alapítvány a Knorr-Bremse Vasúti Jármű Rendszerek Hungária Kft. támogatásával pályázatot hirdet a BME Villamosmérnöki és Informatikai Kar hallgatói számára tanulmányi ösztöndíj elnyerésére.
Az ösztöndíjat azok a hallgatók nyerhetik el, akiknek önálló laboratórium, szakdolgozat vagy diplomaterv témájuk az alább területekhez kötődik:
- Szoftvertesztelési metrikák (Lejárt)
- LiDAR alapú objektumdetektor (Lejárt)
- Átmeneti sebességkorlátok (lassú jelek) detektálása (Lejárt)
A témák részletes leírása a mellékletben található.
Az ösztöndíj 6 hónapra szól, eredményes munka esetén további 6 hónappal meghosszabbítható.
Az ösztöndíj összege 50.000 Ft/hó.
Az ösztöndíj odaítéléséről az alapítvány kuratóriuma dönt a vállalat és a kar képviselőiből álló 5 fős szakértői bizottság javaslata alapján.
A pályázat tartalma:
- a téma megjelölése
- szakmai önéletrajz
- a témaválasztás motivációja
- tanulmányi kiválóság rövid összefoglalása
A pályázatokat 2021. február 08. hétfő 24.00 óráig kérjük megküldeni az orsolya@vik-dh.bme.hu címre.
Melléklet:
- téma (önálló laboratórium, szakdolgozat, vagy diplomaterv)Szoftvertesztelési metrikákA szoftvertesztelés napjaink legelterjedtebb szoftver verifikációs módszere, ennek megfelelően jelentős szerepet és súlyt képvisel a szoftverfejlesztés folyamatai között. Konkrétan a szoftvertesztelés folyamatainak kiértékelésével, ezek javításával több szervezet, illetve ezen szervezetek által kidolgozott modell is foglalkozik, melyek számos metrikát vezetnek be és használnak. Azonban a megfelelő metrika halmaz megtalálása, ezek testre szabása és implementációja összetett feladat, melyre nincs kész megoldás.
A Knorr-Bremse Vasúti Jármű Rendszerek Kft. Elektronikai Kutatás-Fejlesztési osztályán végzett szoftvertesztelési tevékenység sokrétű. A tevékenységünk jelentős része biztonságkritikus beágyazott vasúti fékrendszerek tesztelésére koncentrál, de foglalkozunk külső ügyfelek számára biztosított diagnosztikai szoftverek és belső ügyfelek által, gyártásban alkalmazott szoftverek tesztelésével is. A különböző szoftverek tesztelése során gyakran eltérő folyamatokat kell alkalmaznunk, azonban ennek ellenére törekednünk kell rá, hogy egységes mérőszámokon keresztül tudjuk monitorozni, és szükség esetén megjeleníteni a csoport működését, amely külön kihívást jelent.
Jelenleg számos mérőszámmal dolgozunk, azonban ezek körét célszerű lenne bővíteni; illetve automatizálni az értékek származtatását a tesztelési folyamatok során használt eszközök interfészein keresztül.
A témára jelentkező hallgató feladata először is a szoftvertesztelés alapfogalmaival való megismerkedés, majd a szoftvertesztelési metrikákkal foglalkozó szakirodalom feldolgozása. Ezt követően meg kell ismerkednie a Knorr-Bremse VJRH Kft. szoftverteszt csoportjának folyamataival, és javítani, illetve kiegészíteni, végül automatizálni az alkalmazott szoftvertesztelési metrikákat. A cél egy olyan dashboard elkészítése, mely egyszerű, naprakész és lehetőleg automatikusan frissülő áttekintés nyújt a szoftverteszt csoport működéséről.
A feladat tartalmaz irodalomkutatást, ipari környezetben alkalmazott szoftverfejlesztési és tesztelési folyamatok megismerését és implementációt; utóbbi részfeladat főleg ipari környezetben használt ALM és egyéb menedzsment szoftverek interfészeire (API vagy CLI) épülő szoftverfejlesztést takar. - téma (önálló laboratórium, szakdolgozat, vagy diplomaterv)LiDAR alapú objektumdetektorA vezetőtámogató tanácsadó és aktív beavatkozó rendszerek mára minden járműtípusban megjelentek. A legnépszerűbbek a tisztán radar vagy radart és kamerát együtt használó eszközök. A LiDAR terén is számos fejlesztés zajlik. A széleskörű alkalmazás előtti általánosan akadályok a LiDAR szenzorok magas ára és limitált „látótávolsága”.
A Knorr-Bremse Vasúti Jármű Rendszerek Kft. Elektronikai Kutatás-Fejlesztési osztályán végzett fejlesztési tevékenység sokrétű. A biztonságkritikus beágyazott vasúti fékrendszerek fejlesztési mellett aktívan foglalkozunk fejlett vezetéstámogató rendszerek fejlesztésével és tesztelésével is. A feldolgozóegységek dinamikus fejlődésével a járművekre telepített – onboard – eszközök is egyre több és kifinomultabb szenzor egyidejű kezelését teszi lehetővé.
A témára jelentkező hallgató feladata először is a vezetéstámogató rendszerek esetében használt szenzorok erősségeinek és hiányosságainak megismerése. A LiDAR-ok képességeinek vizsgálata a többi szenzorral összehasonlítva. A piacon elérhető LiDAR-ok elemzése adatlapjaik alapján, majd egy konkrét LiDAR-ral mérés megtervezése. A mérési eredményeken egy pontfelhő feldolgozására használt neurális háló futtatása és a kapott eredmények összevetése egy kamera alapú detektort használó rendszerrel.
A feladat komplexitása miatt önálló labor és diplomatéma munkának egyben javasolt.3. téma (önálló laboratórium, szakdolgozat, vagy diplomaterv)
Átmeneti sebességkorlátok (lassú jelek) detektálása
A közút mellett a vasút sem marad el a vezető támogató rendszerek fejlesztésében. A fejlesztők elé komoly feladatot támaszt olyan algoritmusok készítése, amik a kötöttpályás közlekedés kihívásainak is megfelelnek. Ezek a rendszerek a jövő vonatjait és villamosait tehetik még biztonságosabbá és energiahatékonyabbá.
A Knorr-Bremse Vasúti Jármű Rendszerek Kft. Elektronikai Kutatás-Fejlesztési osztályán fejlesztik a tehervonatok piacvezető vezető tanácsadó rendszerét (LEADER). Egy ilyen vezető tanácsadó rendszer számos bemeneti adat alapján számolja ki az energiaoptimális vonatirányítási görbét. Az energiaoptimumra legnagyobb hatással a pálya magasságbeli változásai és a sebességkorlátok vannak. Utóbbiak lehetnek állandóak (pályasebesség) vagy átmenetiek (lassújelek). A lassújelek legtöbb országban nem elérhetőek digitális formában, így a LEADER rendszer nem tudja figyelembe venni az optimalizáció során, ezáltal az energiamegtakarítási potenciál csökken.
Fentiek fényében célszerű olyan algoritmusokat használni, amelyek a vasúti járművekről érkező mért adatok (sebesség, pozíció) és a pályasebességek alapján becsülik a lassújelek helyét és mértékét.
A témára jelentkező hallgató feladata először is a vezető tanácsadó rendszerek alapfogalmaival való megismerkedés. Ezt követően meg kell ismerkednie a Knorr-Bremse VJRH Kft.-nél elérhető adatokkal és struktúrájukkal, hogy ezek hogyan használhatóak lassújelek detektálására. A megszerzett ismeretek alapján áttekintendő a vonatkozó szakirodalom, hagyományos algoritmikus megoldások és mesterséges intelligencia alapú megoldások is figyelembe veendőek. A cél egy megoldási javaslat, amely prototípus szinten implementálásra és kipróbálásra is kerül.