Afstudeeropdrachten. Altran Intelligent Systems

Transcriptie

1 Afstudeeropdrachten Altran Intelligent Systems Versie: Status: Auteur: 2017H1 Final Benito Meeuwis

2 Dit document is gepubliceerd door: Altran Netherlands B.V. Eindhoven, Nederland Commentaar en suggesties kunnen worden gestuurd naar: Altran Netherlands B.V. Postbus AA EINDHOVEN Nederland tel: +31 (0) Of via naar:

3 1 Inleiding 1 2 Praktische informatie 2 3 Creëer je eigen afstudeeropdracht 3 4 Virtuele rondleiding 4 5 Camera-based Polygraph 5 6 IOS applicatie Home Kit 6 7 Digitale Handtekening 7 8 Deep Learning 8 9 Security in Internet-of-Things 9 10 Co-simulatietooling Cyber-Physical Systems Mesh-Network voor Indoor Positioning Connected Devices and UX Digital Cards Interconnected heterogeneous wireless networks Herkennen van medische condities Domotica Ruling Emulator Process Mining Engine Power Consumption Profiling (of Low-Power Embedded Applications) Self-Learning CI Fooling the Car Ergonomie - Wearable Real-time Big Data Analytics 22

4 1 Inleiding Bedrijfsprofiel Wij zijn Intelligent Systems/Altran. Wij staan aan de basis van de ontwikkeling van de producten voor morgen. Wij zien een samenleving waarin steeds meer apparaten met elkaar communiceren. Door ons werk zijn we continu in beweging want innovatie is voor ons een natuurlijk gegeven. Wij richten ons specifiek op het aanbieden van kant- en-klare of compleet nieuwe oplossingen voor klanten in alle bedrijfstakken in toepassingsgebieden zoals autonome systemen, smartphones, slimme meters, medische apparatuur, connected auto's, geavanceerde luchtverkeersleiding en slimme sensoren. Zo hebben wij bijvoorbeeld een rol gespeeld in de ontwikkeling van intelligente en innovatieve producten voor klanten als ASML, Bosch, NXP, Philips, Thales en TomTom. Intelligent Systems is onderdeel van de Altran Groep, wereldleider op het vlak van advies rond innovatie en vooruitstrevende engineering en begeleider ondernemingen bij het creatieen ontwikkelingsproces van nieuwe producten en diensten. De Innovation Makers van Altran werken al 30 jaar samen met de belangrijkste spelers binnen de sectoren zoals ruimtevaart, automobielindustrie, energie, spoorwegen, financiën, gezondheid, telecommunicatie, etc. in meer dan twintig landen verspreid over Europa, Azië en Amerika. InnovationLAB Innovatie zit in ons DNA. Niet voor niets is ons motto: Ideas are just ideas waiting to be made. Wij hebben dan ook een eigen InnovationLAB dat open is voor iedereen die zijn passie voor software en technologie wil delen. Een plek waar je ondernemerschap, creativiteit en innovatie kunt ontwikkelen. Afstuderen bij Intelligent Systems/ Altran Afstuderen bij Intelligent Systems/Altran staat voor een mooie afsluiting van je opleiding en een goede voorbereiding op de toekomst. Wij bieden je de mogelijkheid om af te studeren op hoog niveau en de praktijk van echte projecten te ervaren. Ieder half jaar zorgen we voor een groot en divers aanbod van afstudeeropdrachten waar een deskundige begeleiding niet ontbreekt. Door de diversiteit aan opdrachten is er altijd een leuke opdracht te vinden die past bij jouw afstudeerrichting en interessegebied. Mocht jouw ideale opdracht er niet bij staan, dan zijn we nieuwsgierig naar je eigen voorstel. Je bent een half jaar onderdeel van een gezellige en informele organisatie. We zien je als een volwaardig collega en je krijgt meer te zien van Altran dan alleen je afstudeeropdracht. Denk daarbij aan deelname aan workshops, Altran meetings, personeelsfeesten en borrels. Naast een opdrachtgever krijg je een technisch coach toegewezen. Ieder project wordt uitgevoerd volgens het Altran projecthandboek, dat default het gebruik van Agile voorschrijft. Op deze manier leer je werken volgens een methode die je na je opleiding, in de praktijk ook gaat gebruiken. 1

5 2 Praktische informatie Geïnteresseerd of meer informatie Ben je geïnteresseerd in een afstudeerplaats binnen Altran, stuur dan je CV onder vermelding van de titel van de opdracht naar: Indien je meer informatie over Altran wilt, kun je ook bellen naar of Locatie Altran heeft in Nederland meerdere vestigingen maar de opdrachten worden voornamelijk uitgevoerd in Eindhoven. Periode Je kunt bij Altran aan je stage of afstuderen beginnen in september en februari voor een periode van 5 à 6 maanden. Individueel afstuderen of als duo Je kunt bij Altran als duo afstuderen, maar ook individueel. Ben je alleen en wil je graag als duo afstuderen? Dan helpt Altran om je aan een mede-afstudeerder te koppelen. Voor meer informatie kun je contact met ons opnemen. Verzendlijst Mocht je afstudeeropdracht pas in een latere studieperiode plaatsvinden, dan kun je op onze verzendlijst geplaatst worden. Zodra er dan een nieuwe uitgave van dit boekje uitkomt, zorgen wij ervoor dat deze versie automatisch naar je toegestuurd wordt. We ontvangen dan graag je gegevens (school, studierichting en afstudeerperiode) via iris.henst@altran.com HBO of WO niveau Als een opdracht staat aangemerkt als HBO opdracht dan zou deze door middel van een onderzoekscomponent uit te breiden zijn naar een WO opdracht. 2

6 3 Creëer je eigen afstudeeropdracht 3.1 Inleiding Wij dagen je uit zelf een afstudeeropdracht te bedenken, voor één of meer van de onderstaande toepassingsgebieden: Security Intelligent leven Augmented reality HW aangestuurd door mobiele devices Automotive Healthcare 3.2 Opdracht Stuur ons je opdrachtomschrijving. Beschrijf daarin de context en op hoog niveau het idee van je opdracht. 3.3 Technische aspecten Noem de methoden en technologieën die je gebruikt bij het uitvoeren van de opdracht. Voorbeelden hiervan zijn: UML C/C++, C#, Java Bluetooth 4.0, 6LoWPAN, ZigBee, NFC HBO/WO (Technische) Informatica 3

7 4 Virtuele rondleiding 4.1 Inleiding Op beurzen staat Altran met een stand waarmee we willen laten zien wat voor bedrijf Altran is. Dit blijft maar beperkt, je kunt Altran op een beurs niet ervaren. Hoe mooi zou het zijn als we beursbezoekers kennis kunnen laten maken met Altran door middel van een virtual reality rondleiding op ons kantoor? 4.2 Opdracht De opdracht bestaat uit het maken van een applicatie voor Oculus Rift en mogelijk ook Kinect (i.v.m interactie) om een interactieve virtuele rondleiding te creëren die we op een beurs kunnen tonen. Een bezoeker moet kunnen rondlopen, en bij diverse onderwerpen (Scrumbord, project hardware) kunnen aangeven dat hij meer wil weten. Hier wordt dan meer informatie over getoond. Een koppeling met (deels bestaande) sensoren in de reële wereld is wenselijk, denk bijvoorbeeld aan de temperatuur, beschikbaarheid van vergaderzalen of de status van de afwasautomaat. Dit kan aangevuld worden met een real-time blik in één van de ruimtes van Altran middels Oculus Rift en een bewegende webcam. Het is mogelijk om de opdracht uit te voeren met 2 personen. 4.3 Technische aspecten Oculus Rift Kinect Virtual Reality HBO Technische Informatica Frontend 4

8 5 Camera-based Polygraph 5.1 Inleiding De polygraaf kent iedereen wel. Deze wordt nog veel gebruikt, ondanks dat de technologie al bijna honderd jaar oud is. Er zit echter een groot nadeel aan vast: er moet apparatuur aan het lichaam worden vastgemaakt. Dit kan als intimiderend worden ervaren, wat een negatieve invloed kan hebben op de uitslag van de test. Mensen die liegen vertonen bepaalde microexpressies. Dat zijn bewegingen in het gezicht die slechts een fractie van een seconde duren. Ook is tijdens liegen de bloedstroom door het lichaam anders. Dit is allebei te herkennen met camera's, wat interessante mogelijkheden biedt. Ondanks dat dit bekend is staat het detecteren van leugens met behulp van camera's nog in de kinderschoenen. Bestaande oplossingen voor leugendetectie met behulp van camera s zijn veelal gebaseerd op het meten van de bloedstroom in het gezicht met behulp van infraroodcamera s, maar zijn op zichzelf (nog) niet nauwkeurig genoeg voor het vormen van een betrouwbare hypothese. 5.2 Opdracht Het doel van de opdracht is om aan te tonen dat leugendetectie op een minder intimiderende manier kan worden uitgevoerd. Onderzoek de verschillende mogelijkheden van leugendetectie met behulp van een of meerdere typen camera s en creëer een proof-of-concept opstelling, gebaseerd op de uitkomst van het onderzoek. Hierbij is de betrouwbaarheid van de leugendetector leidend. Om deze betrouwbaarheid te kunnen meten dient er een (test) dataset te worden samengesteld van meerdere personen, sinds ieder persoon op zijn/haar eigen manier reageert. De afstudeerder moet welonderbouwde en tijdige keuzes maken om een goede demo te kunnen neerzetten. Een pro-actieve en zelfstandige houding is vereist. 5.3 Technische aspecten Leugendetectie Literatuuronderzoek Algoritmiek Patroonherkenning WO (Technische) Informatica Technical Applications 5

9 6 IOS applicatie Home Kit 6.1 Inleiding Met HomeKit zet Apple een stap in de richting van home automation. HomeKit is een framework in IOS 9 voor de communicatie en het bedienen van connected devices. Doordat alle informatie over devices wordt opgeslagen binnen HomeKit kan iedere app bij deze informatie. Hierdoor kunnen ook apparaten van verschillende fabrikanten bediend worden via één applicatie en één API. Dit levert gebruiksgemak op voor de gebruiker en minder ontwikkeltijd voor een developer. Dit betekent dat je niet meer de Philips Hue app hoeft te openen om de lampen aan te doen en daarna de app van de thermostaat openen om de temperatuur te veranderen! Vind jij het ook zo vervelend om meerdere apps te moeten openen voor het bedienen van je huis/kamer? Dan is deze opdracht wat voor jou! 6.2 Opdracht Ontwikkel een ios applicatie die gebruik maakt van HomeKit. Gebruik verschillende apparaten/systemen, zoals lampen (Philips Hue), thermostaten, muziek etc. die allemaal naadloos bediend worden vanuit de app. Zorg dat alle elementen goed met elkaar samen werken en maak het mogelijk dat een gebruiker tegen Siri bijvoorbeeld kan zeggen: Ik ga slapen, waarna alle apparaten naar een slaapstand/ uit gaan. Is een combinatie met Heath Kit mogelijk? Bij het thuiskomen van het sporten staat er een rustig muziekje aan, de lampen staan op een relaxte sfeerstand, het bad is volgelopen, en het bier staat koud? 6.3 Technische aspecten ios Objective-C / Swift GPS Siri Integratie Mobile Development HBO (Technische) Informatica Frontend 6

10 7 Digitale Handtekening 7.1 Inleiding Begin 2014 heeft de ING bank het betaalsysteem voorzien van een nieuwe functie, draadloos betalen. Door je portemonnee waar je pasje in zit dicht bij een betaalautomaat te houden betaal je zonder je pasje daadwerkelijk ergens in te stoppen of je pincode in te toetsen. Als dit mogelijk is, dan moet het ook mogelijk zijn om ergens op een nieuwe en veilige manier een digitale handtekening te zetten waarmee je bewijst dat jij het bent, zoals DigiD dit nu doet. Dit zou gebruikt kunnen worden om bij ontvangst van een pakketje te tekenen voor ontvangst, een projectgoedkeuring krijgen van de directeur, belastingaangifte te doen, ondertekenen van je een contract, ondertekenen voor ontvangst van je rijbewijs, inloggen op Facebook of je , te stemmen op het stembureau of toegang te krijgen tot een gebouw of festival. Het zetten van je digitale handtekening zou kunnen door bijvoorbeeld jouw unieke usb-stick ergens in te stoppen, je RFID ring ergens langs te halen, met je NFC telefoon te identificeren of misschien heb jij de blauwdruk voor de echte blauwe tand waarmee jij je kunt identificeren? 7.2 Opdracht De opdracht bestaat uit het maken van een demo waarmee je een digitale handtekening kan zetten onder een document op een eenvoudige, veilige en betrouwbare manier. Je dient in samenspraak met de afstudeerbegeleider(s) middels een onderzoek een manier te definiëren waarop je dit alles kan realiseren. We verwachten dat je zelfstandig bent en geen afwachtende houding hebt. Ons uitgangspunt is dat je als afstudeerder juist veel inspraak hebt over het beoogde eindresultaat en ons ook uitdaagt. Natuurlijk zou het mooi zijn als je jouw afstudeerverslag uiteindelijk kan ondertekenen met je nieuwe digitale handtekening. Het is mogelijk dat de opdracht wordt uitgevoerd door 2 personen. 7.3 Technische aspecten Encryptie Security Communicatie HBO Technische Informatica Technical Applications 7

11 8 Deep Learning 8.1 Inleiding Deep learning is een opkomend gebied binnen machine learning. Het richt zich op het verkrijgen van informatie uit data door middel van neurale netwerken. Door de opkomst van big data en big compute heeft deep learning toepassingen gevonden. Altran heeft ervaring met Machine Learning en wil de kennis verder uitbreiden en ook studenten laten proeven aan de mogelijkheden. 8.2 Opdracht Altran wil met behulp van Deep Learning, code quality analysis (bijvoorbeeld hotspot analysis) uitvoeren. Dit gecombineerd met GIT repositories om zo de code quality aan de code historie te koppelen en hieruit te ontleiden. Op basis van bestaande GIT repositories van klanten van Altran kan een trainingsset worden gemaakt. Een belangrijke requirement aan dit systeem is de schaalbare architectuur. Het systeem dient zo opgezet te worden dat het op een cluster gedraaid kan worden. Hiervoor kunnen bestaande big data en big compute frameworks gebruikt worden. Een demo van het Deep Learning moet in verschillende varianten aan te bieden zijn. Denk hierbij aan een simpele eerste variant als minimal viable product en een uitgebreidere demo om de mogelijkheden van deep learning uit te diepen. Het uiteindelijke product heeft de mogelijkheid offerte werk op waarde te schatten op basis van de kwaliteit van de bestaande code base. 8.3 Technische aspecten Deep Learning Big Data Framework (bv. Apache Spark, Apache Hadoop) Deep Learning Libraries (bv. Deeplearning4j, Torch) Scala / Java / LuaJIT / WO (Technische) Informatica Technical Applications 8

12 9 Security in Internet-of-Things 9.1 Inleiding Altran is een bedrijf dat zich bezig houdt met embedded softwareontwikkeling. Eén van de oplossingen is Internet-of-Things (IoT). Een onderwerp dat regelmatig langskomt is de ongewenste mogelijkheid om informatie te manipuleren of af te tappen (zie bijvoorbeeld smartmeter hack ). Dit zou minder gemakkelijk moeten zijn (al zal het nooit onmogelijk worden). Wat kunnen we doen om dit soort dingen toch zo moeilijk mogelijk te maken? Hoe zit het met Bluetooth Smart 4.2? Hoe waterdicht is de standaard? De implementatie? 9.2 Opdracht Onderzoek naar (HW en SW) architectuur en robuuste cryptografische technieken om de Security van Embedded Systemen (IoT) met beperkte resources zo hoog mogelijk te maken. Dit alles mag slechts een minimale hoeveelheid extra energie kosten en een minimale extra benodigde doorlooptijd, Flash/RAM footprint en kosten met zich meebrengen. Denk ook aan secure key management technieken. Het doel van de opdracht is te komen tot een aanpak voor het ontwerp van dit soort systemen, met afwegingen per technologie, van het security niveau t.o.v. benodigde resources (MIPS, Flash, RAM, HW, kosten). Een demonstratie implementatie op een systeem met beperkte bronnen is gewenst om te tonen, dat maximale security geboden wordt zonder de toepassing onmigelijk te maken. Denk hierbij aan een demonstratie systeem op basis van bijv. MSP430 / Cortex-M (Microsemi EFM32, NXP LPCxxxx, ) met ingebouwde encryptie HW. Of met encryptie op extern secure device of FPGA of SMX, met bijbehorende anti-tamper maatregelen: zie Technische aspecten Internet of Things Embedded Software Development Encryptie Agile/Scrum Documenteren van het ontwikkelde systeem WO Technische Informatica Embedded 9

13 10 Co-simulatietooling Cyber-Physical Systems 10.1 Inleiding In de aankomende generaties elektronische systemen worden fysieke interacties met de omgeving, veiligheidseisen en samenwerking met andere systemen steeds belangrijker. Het ontwerpen van deze Cyber-Physical Systems vereist een nieuwe, geïntegreerde manier van ontwerpen, waarbij zowel de fysische verschijnselen als de software worden gemodelleerd. De fysische verschijnselen en regelaar worden gemodelleerd en gesimuleerd in een ontwikkel-omgeving zoals 20-sim en Matlab Simulink. De regeling op hoger niveau kan gemodelleerd worden als state machine. Daarnaast kunnen ook de systeemarchitectuur en (netwerk)distributie gemodelleerd worden. Om op een efficiënte manier Cyber-Physical Systems te kunnen ontwikkelen is het van belang deze modellen met elkaar te combineren in een gezamenlijke simulatie tussen de verschillende ontwikkelomgevingen (tools). Dit wordt co-simulatie genoemd. Door middel van co-simulatie kunnen gedrag en interacties in het ontwikkelde systeem in een vroeg stadium onderzocht en verder ontwikkeld worden, nog zonder de uiteindelijke hardware te gebruiken Opdracht Het doel van de opdracht is het realiseren van co-simulatietooling. Bij een co-simulatie zijn slaves betrokken. Dit zijn de ontwikkelomgevingen die hun eigen simulator hebben om modellen mee te simuleren. Tussen de slaves moet informatie uitgewisseld worden, zoals tijdsprogressie, waarden van gedeelde variabelen en events. De coördinatie van de simulaties en informatie-uitwisseling wordt gedaan door de master, die alle slaves aanstuurt. Er dient een master-algoritme ontworpen en geïmplementeerd te worden. Daarnaast dient interfacing tussen de master en slaves gerealiseerd te worden. Een uitdagend ontwerpaspect is schaalbaarheid, oftewel de mogelijkheid om het aantal slaves dat deelneemt aan cosimulatie te variëren Technische aspecten Algoritmeontwerp Communicatieprotocol Interfacing met bestaande modellerings- en simulatietooling Documenteren van het ontwikkelde systeem WO Technische Informatica, Elektrotechniek Technical Applications 10

14 11 Mesh-Network voor Indoor Positioning 11.1 Inleiding Iedereen spreekt tegenwoordig over Internetof-Things, elk apparaat moet met elk apparaat kunnen communiceren, van wekker tot lamp, van koelkast tot smartphone. Als alles in je omgeving verbonden is met elkaar, zou het dan niet mooi zijn om dit netwerk ook nog eens optimaal te gebruiken? Met je huidige access point zet je nog steeds een sternetwerk op, maar waarom zou je niet met alle apparaten een mesh-netwerk creëren? Hierdoor wordt het bereik van jouw netwerk een stuk groter omdat elk device een access point wordt. Hierdoor heb je dus altijd goed bereik met je smartphone. Stel dat je van elke lamp in een supermarkt/kantoor een WiFi access point zou maken en dat ze onderling een mesh-netwerk vormen, dan heb je altijd een dekkend WiFi-netwerk met goed bereik voor je laptop en smartphone. Maar je zou ook je locatie kunnen bepalen door te scannen welke apparaten je kunt bereiken en hun signaalsterkte te meten. Hierdoor zou je in een supermarkt eenvoudig van de krentenbollen naar de bitterballen kunnen navigeren, of in een enorm kantoor die ene collega kunnen vinden Opdracht De opdracht bestaat uit het opzetten van een WiFi-mesh netwerk van devices zodat, als een smartphone binnen bereik van het netwerk is, bepaald kan worden waar deze zich bevind. De smartphone kan alleen scannen naar apparaten en via een API zijn gemeten data doorgeven waarna hij zijn locatie terug krijgt. Om de locatie van je apparaten te bepalen kunnen ze natuurlijk voorzien worden van een gps-module, maar de uitdaging is om zonder gps te bepalen waar de apparaten zich bevinden Technische aspecten Embedded Software Development WiFi Routing Protocollen Android HBO Technische Informatica Embedded 11

15 12 Connected Devices and UX 12.1 Inleiding Je zult het vast wel herkennen, je zit lekker op de bank, helemaal klaar om die ene film te kijken waar je al heel de week naar uit kijkt. Omdat je de hele woonkamer wil bedienen vanaf je bank, ligt er een berg afstandsbedieningen voor je. Om de film te kijken heb je minimaal 2 afstandsbedieningen nodig om je tv en je versterker aan te zetten, 2 om het de juiste sfeer in je kamer te creëren en nog een toetsenbord om je film te starten. En natuurlijk heb je elke keer de verkeerde afstandsbediening vast. Met de opkomst van IoT komen er alleen nog maar meer apparaten die je kan en wil bedienen, maar dit biedt ook een oplossing om dit te vereenvoudigen! 12.2 Opdracht Creëer een self learning rules systeem wat precies weet wat jij wil door jouw gedrag te analyseren. Het systeem zal sensoren moeten monitoren, actuatoren aansturen, verbanden kunnen leggen (if this, then that), verschillende zones kunnen detecteren en externe factoren meenemen omdat deze jouw gedrag beinvloeden. Denk hierbij aan het weer, tijd en het moment waarop iets gebeurt. Jouw gedrag is afhankelijk van een bepaalde situatie, maar ook van het moment: overdag doe je andere dingen dan s avonds. In het weekend doe je andere dingen dan door de week. Als het op vrijdagavond regent kijk je misschien eerder een film, maar als de zon schijnt zit je op het terras. Het systeem moet hier rekening mee houden. Het rules systeem moet je kunnen bedienen/corrigeren via een eenvoudige GUI op je smartphone, maar wel zo eenvoudig dat je moeder het ook kan bedienen. Het gaat er om dat jouw omgeving zich aanpast aan jouw gedrag zonder dat jij je er echt bewust van bent Technische aspecten Machine Learning User experience HBO Technische Informatica Frontend 12

16 13 Digital Cards 13.1 Inleiding Binnen Altran wordt gewerkt met de Agile ontwikkelmethodiek Scrum. Scrum is een methodiek waarbij complexiteit van taken wordt geschat door Story Points. Bij het bepalen van deze Story Points wordt de input van het hele team gebruikt om tot een gezamenlijke inschatting te komen. In de huidige situatie wordt dat gedaan door ieder teamlid een stapeltje kaarten met getallen te geven waarvan ze er een mogen opgooien met hun schatting. Dit wordt planning poker genoemd. Wanneer het voorstel wordt gemaakt om deze analoge kaarten te vervangen door digitale middelen zijn de meningen verdeeld. Enerzijds bestaat het idee dat dit mogelijkheden biedt die in de analoge variant ontbreken. Anderzijds is er twijfel over de user experience wanneer de stapel kaarten wordt verruild door b.v. een smartphone. Dit roept het idee op dat iedereen naar een mobiel aan het staren is, en de menselijke interactie verloren gaat Opdracht Onderzoek hoe de user experience verbeterd kan worden met een digitale oplossing. Leg hierbij het liefst de focus op het algemene kaartspel, het spelen van een kaart. Het doel is te achterhalen wanneer een focusgroep de digitale oplossing prefereert. Een onderdeel hiervan is A/B Testing met behulp van proof of concept implementaties. Een oplossingsrichting waaraan gedacht kan worden is het gebruiken van een smartphone per deelnemer en een centrale representatie van de acties van gebruikers via een chromecast. Uiteraard is er ruimte voor (onderzoek naar) alternatieve oplossingen Technische aspecten A/B Testing Prototyping Agile / Scrum User Experience Literatuuronderzoek HBO/WO Informatica Frontend 13

17 14 Interconnected heterogeneous wireless networks 14.1 Inleiding Een van de grote voordelen van de huidige draadloze technieken is dat er tientallen verschillende soorten zijn. Dit zorgt er voor dat het mogelijk wordt om voor elke individuele toepassing een geschikte techniek te pakken. Helaas is dit ook direct een zwakte. Soms wil je bijvoorbeeld low power toepassingen laten communiceren met always on toepassingen. Iets wat lastig is als ze verschillende draadloze technieken gebruiken. Het onderling verbinden van deze netwerken op een transparante manier is dan ook een oplossing die we onderzocht willen hebben Opdracht Ontwerp en ontwikkel een proof of concept van het interconnected wireless sensor netwerk idee. Hierbij worden draadloze netwerken met verschillende technieken (e.g. WiFi, ISM, ZigBee, Bluetooth, Z-Wave) en topologieën (bv. mesh, tree, point-to-point, static mesh) onderling verbonden zijn via ethernet. De inter-netwerk communicatie moet transparant zijn en niet afhankelijk van de gekozen technologie. Het netwerk moet bestaan uit ten minste 3 verschillende losse draadloze sensor netwerken die met elkaar kunnen communiceren. Ook moet het mogelijk zijn om op ethernet niveau berichten te onderscheppen en te injecteren Technische aspecten Wireless sensor networks Networking & Network design Prototyping Embedded Software development HBO/WO Technische Informatica Embedded 14

18 15 Herkennen van medische condities 15.1 Inleiding Hartaanvallen en epileptische aanvallen kunnen iedereen overkomen. Vaak heeft men geluk en zijn andere mensen ter plaatse om de nodige hulp te bieden aan de desbetreffende persoon. Maar helaas gebeurt het ook wel eens dat niemand wat merkt Opdracht In deze opdracht ga je een systeem ontwikkelen dat helpt met het herkennen en registreren van een aanval van medische grond (denk aan een hartaanval of epileptische aanval, maar ander soortige aanvallen mogen ook). Hierbij kun je denken aan een camera aan een ziekenhuisbed (op intensive care of eerste hulp), een verkeerscamera of andere camera. Een andere mogelijke oplossingsrichting is bijvoorbeeld een smart watch die een normale hartslag aanleert en bij fibrillatie (in combinatie met overmatig zweten) alarm slaat. Of wellicht een ander soort device. Je zult dus moeten bestuderen wat er met mensen gebeurd zodra zij een hartaanval of een epileptische episode krijgen (dit is voor iedereen anders). Na dit gedrag bestudeert te hebben, zal je moeten onderzoeken hoe deze gedragingen op een betrouwbare manier te herkennen met bijvoorbeeld een camera of een ander device. Als er dan daadwerkelijk een aanval plaatsvindt, zal je moeten zorgen dat er alarm geslagen wordt en bijvoorbeeld 112 gebeld wordt. Uiteindelijke kan jouw product echt levens redden! 15.3 Technische aspecten Beeldherkenning (i.c.m. machine learning) Sensor data combineren Embedded Communicatie met andere devices Onderzoek naar gedrag mensen Onderzoek naar geschiktheid devices WO Technische Informatica Embedded 15

19 16 Domotica Ruling Emulator 16.1 Inleiding Domotica word steeds meer gebruikt en met de opkomst van IoT zullen over een paar jaar alle apparaten in jouw huis, straat, omgeving en kantoor communiceren met een rulingsystem dat bepaald wat er moet gebeuren als er bepaalde sensoren getriggerd worden. Maar als alles een trigger kan vormen voor een ander apparaat, hoe weet je dan of je alles goed hebt geconfigureerd? Je wilt niet dat de lampen aangaan als je naar bed gaat, of dat de muziek harder gaat als je de gordijnen dicht doet. Natuurlijk is het veel te omslachtig om elke keer als je een nieuw scenario hebt ingevoerd in jouw rulingsysteem dit in de praktijk te testen om te kijken of systeem ook dat wat je geconfigureerd denkt te hebben, vooral als het om grote oppervlaktes gaan zoals kantoorpanden of straten Opdracht Om het controleren van een configuratie makkelijker te maken of demonstreerbaar te maken aan klanten zou het mooi zijn als jij een emulator maakt waarin je een huis/kantoor/bedrijf/stad met allerlei sensoren en actuatoren kan emuleren en kan laten zien wat er gebeurd als je bepaalde sensoren triggerd. Het gedrag van de sensoren wordt bepaald door een (bestaand) rulingsysteem. De emulator moet ook bepaalde scenario s kunnen afspelen om te zien wat de effecten zijn op andere apparaten. Bijvoorbeeld, je thuis komt, je opent de voordeur, loopt naar de keuken en pakt wat te drinken uit de koelkast. Terwijl je dit doet zal je een aantal geëmuleerde sensoren triggeren die weer een aantal geëmuleerde actuatoren moeten bedienen zodat je kunt zien wat het effect is in bepaalde situaties en ruimtes zonder dat je zelf door je huis hoeft te lopen om ieder scenario na te spelen. In het echt zal dit scenario enkele minuten duren, daarom moet de emulator dit ook versneld kunnen doen Technische aspecten Domotica User Interface Applicatie ontwikkeling Windows/Android HBO (Technische) Informatica Technical Applications 16

20 17 Process Mining Engine 17.1 Inleiding Process mining is een techniek die het mogelijk maakt om bedrijfsprocessen te analyseren zoals ze werkelijk uitgevoerd zijn op basis van zogenaamde event logs die uit informatie systemen gehaald worden Opdracht Ontwerp en ontwikkel een process mining engine en frontend lichtelijk gebaseerd op de PROM process mining tool. Doelstelling is om een HTML5 gebaseerde applicatie te maken die een simpele en aantrekkelijke manier biedt om de essentials van process mining uit te voeren. Op deze manier zouden smart improvement consultants en process improvement analisten een bruikbare toolkit moeten hebben. 1. Het is niet de bedoeling dat PROM wordt nagebouwd 2. Het is wel de bedoeling dat Altran consultants een visueel aantrekkelijke tool krijgen waarmee klantproblemen snel geanalyseerd en gevisualiseerd worden. 3. Voor de usability aspecten van de tool kan gebruik gemaakt worden van de aanwezige UX expertise binnen de organisatie 17.3 Technische aspecten Process mining Javascript / HTML5 /.NET C# UI design Relationele database design HBO Informatica Frontend 17

21 18 Power Consumption Profiling (of Low-Power Embedded Applications) 18.1 Inleiding Met de opkomst van IoT is Energy Consumption een hot topic voor embedded systems. Dit omdat IoT devices vaak op plekken terecht komen waar niet direct energie voorzieningen aanwezig zijn, zoals luchtkwaliteitssensoren langs een snelweg, lichtvervuilingsmeters in de bossen, rookmelders op batterijen of een weerstation bij iemand in zijn achtertuin. Het meten van energie verbruik is lastig omdat het per hardware platform verschilt, maar ook de software die je op dat platform uitvoert is bepalend voor het energie verbruik Opdracht Maak een applicatie / plug-in die het effect van software op het energieverbruik laat zien. De oplossing moet platform onafhankelijk zijn en moet zoveel mogelijk informatie over het energieverbruik laten zien en dit koppelen aan de software die op het platform uitgevoerd wordt. Hierdoor kun je inzicht geven in het energiegedrag van een platform, voorspellen hoeveel energie een platform nodig heeft per dag, week, maand, jaar. Je kunt zoeken naar energie slurpende situaties zodat je deze kan optimaliseren. En je kunt het energieverbruik debuggen door precies vast te stellen welke instructie die energie slurpende situatie veroorzaakt heeft! Om dit te kunnen realiseren moet je een manier vinden om microvolts te kunnen meten en dit te koppelen aan elke regel code van de software die op het platform draait. En natuurlijk op een gebruiksvriendelijke manier representeren aan de gebruiker die deze informatie wil hebben Technische aspecten C/C++ Hardware Embedded Power consumption Plugin / Application Debugging (GDB) HBO Technische Informatica Embedded 18

22 19 Self-Learning CI 19.1 Inleiding Testen is een belangrijk aspect binnen software kwaliteit. Bij veel projecten wordt Continuous Integration (CI) gebruikt om software automatisch te analyseren, testen en bouwen. Dit wordt gedaan voor elke wijziging aan de software. Wanneer een project groter wordt neemt dit proces steeds meer tijd in beslag en zal de ontwikkelaar dus langer moeten wachten op feedback. Om dit proces te verkorten kan er voor gekozen worden om maar een deel van de automatische testen uit te voeren. Dit scheelt tijd maar verhoogd natuurlijk wel de kans op niet gedetecteerde fouten in de software Opdracht Het doel van deze opdracht is om door middel van code flow analysis en machine learning een huidige CI oplossing self-learning te maken. De CI software bepaald op basis van een wijziging aan de software zelf welke testen belangrijk zijn. Hierdoor zal de tijd die nodig is om de software te analyseren, testen en bouwen afnemen. Omdat je de CI oplossing self-learning hebt gemaakt leert de CI software van zijn fouten. Hierdoor wordt er steeds nauwkeuriger bepaald welke testen belangrijk zijn Technische aspecten Machine learning Continuous integration software (bv. Jenkins, Travis CI) Automatische testen Code flow analysis HBO/WO Informatica Technical Applications 19

23 20 Fooling the Car 20.1 Inleiding De eerste autonoom rijdende voertuigen zullen naar verwachting in 2020 op de markt komen. Met behulp van sensoren kan het autonome voertuig waarnemen en daarmee zelfstandig rijden. Helaas is er vooralsnog weinig onderzoek gedaan naar de veiligheidsaspecten van de gebruikte sensoren. Als een cybercrimineel deze sensoren kan beïnvloeden, kan wellicht ook de controle over het voertuig overgenomen worden. Afhankelijk van de situatie kan dit rampzalige gevolgen hebben. Het maakt nogal een verschil of een voertuig met een snelheid van 130 km/h beïnvloed wordt of bij het inparkeren Opdracht Onderzoek heeft uitgewezen dat het mogelijk is om de sensoren, die in de huidige generatie autonome voertuigen toegepast worden, te beïnvloeden. Eén van de onderzochte sensoren, een Laser Imaging Detection And Ranging (LIDAR), is in staat om de wereld te visualiseren als een point cloud, met als doel objecten te detecteren met een resolutie van centimeters. Dit onderzoek heeft media aandacht gekregen en is gepresenteerd tijdens het Security Conference Europe Echter één van de beperkingen van dit onderzoek was dat het alleen aangetoond is dat de sensor geblokkeerd of gefopt kan worden met het eigen signaal, maar niet met een extern signaal. De opdracht bestaat uit het voortzetten van dit onderzoek, en de uitdaging om middels een proof-of-concept aan te tonen dat de sensoren ook door een extern signaal te beïnvloeden zijn. Zodanig dat de sensor dingen detecteert die er in werkelijkheid niet zijn. Aspecten die hierbij een rol spelen: transceivers, high-speed signal processing, sensor fusion, en reverse engineering. Naast het aantonen dat de sensoren extern te beïnvloeden zijn, bestaat de opdracht ook uit het bedenken van tegenmaatregelen. Hoe kan een voertuig (of sensor) beschermd worden tegen dergelijke aanvallen? Een uitgebreide literatuurstudie over dit onderwerp is ook deel van de opdracht. Omdat het zeer onwaarschijnlijk dat er een echt autonoom voertuig beschikbaar is, zijn er verschillende alternatieven die enigszins vergelijkbaar zijn: Neato XV-11 robot vacuum cleaner equipped with LIDAR OSLRF-01 open source LIDAR sensor 20.3 Technische aspecten Security / hacking Automotive LIDAR / Radar C / C++ HBO/WO Technische Informatica Embedded 20

24 21 Ergonomie - Wearable 21.1 Inleiding Het optreden van ergonomische klachten is een veelvoorkomend probleem bij personeel dat voornamelijk op kantoor werkt. Dit is specifiek het geval voor gebruikers die veel gebruik maken van een computer. Om dit te kunnen voorkomen wordt er aangeraden om pauzes te nemen en veelvuldig te bewegen. Kantoorpersoneel zou gestimuleerd moeten worden om preventief ergonomische klachten uit te sluiten. Natuurlijk zijn er applicaties op internet verkrijgbaar waarbij men op interval getriggerd wordt om even te bewegen. Deze applicaties zijn echter zeer generiek opgezet en bieden geen garantie voor het voorkomen van ergonomische klachten. Om een positieve impuls te geven en kantoorpersoneel te stimuleren is het noodzakelijk om ergonomische klachten te voorkomen Opdracht Er moet onderzoek verricht worden naar een gerichte manier om ergonomie te testen op het lichaam van de werknemer. Hierbij moet literatuuronderzoek op het gebied van ergonomische bewegingen, houding en voorkomen van klachten gedaan worden. Ook zal er een prototype worden gemaakt waarmee op het lichaam van een medewerker kan worden gemeten welke bewegingen gemaakt zijn. Dit kan dan gecombineerd worden met gerichte feedback naar de eindgebruiker met bewegingsfeedback. De richting en invulling van het prototype kan grotendeels worden bepaald door de onderzoeker, in samenspraak met de opdrachtgever Technische aspecten Wearable technologie Sensor data processing Gerichte feedback Embedded Onderzoek naar ergonomie Onderzoek naar geschikte sensoren WO Technische Informatica Embedded 21

25 22 Real-time Big Data Analytics 22.1 Inleiding Big data wordt al een lange tijd ge-hyped door de media en IT bedrijven. Het gebruik van Hadoop MapReduce om batch processing analytics te doen begint meer op de achtergrond te raken. Het gebruik van Real-time Analytics begint uit de Research langzaam in main stream te komen. Altran heeft ervaring met Big data en wil de kennis verder uitbreiden en ook studenten laten proeven aan de mogelijkheden Opdracht Altran beheert een Big data database met gegevens van autosensoren (lampen, ruitenwissers, snelheid, rem, gas, toerental) en GPS informatie die real-time te volgen is. Op basis van deze database is een systeem ontwikkeld dat gedrag en patronen in rijgedrag analyseert. Dit systeem werkt volgens het batch processing principe. De opdracht bestaat uit het omzetten van dit batch processing systeem naar een real-time systeem. Dit zal gerealiseerd worden door Apache Spark Streaming in het bestaande systeem te implementeren. Ook zal er een super scalable architectuur opgezet worden voor het systeem. De afstudeerder dient in samenspraak met de afstudeerbegeleider(s) middels een onderzoek van het bestaande systeem de demo te definiëren. We verwachten dat je zelfstandig bent en geen afwachtende houding hebt. Ons uitgangspunt is dat je als afstudeerder juist veel inspraak hebt over het beoogde eindresultaat en ons ook uitdaagt Technische aspecten MongoDB Apache Spark / Spark Streaming YARN / Apache Mesos Scala functional programming language HBO/WO Informatica Technical Applications 22