Stage- en afstudeeropdrachten

Transcriptie

1 Stage- en afstudeeropdrachten 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 Camera based healthmonitor 4 5 Automated Recyclables 5 6 Self-driven, vision controlled device 6 7 CICD Dashboard 7 8 IOS applicatie Home Kit 8 9 Digitale Handtekening 9 10 Deep Learning Security in Internet-of-Things Modelled Automation Framework Co-simulatietooling Cyber-Physical Systems Traffic Simulator Mesh-Network voor Indoor Positioning Connected Devices and UX Augmented Reality om ouderen te laten bewegen Digital Cards Interconnected heterogeneous wireless networks Process Mining Engine Power Consumption Profiling (of Low-Power Embedded Applications) Self-Learning CI Fooling the Car Ergonomie - Wearable Real-time Big Data Analytics mcrl2 generator From Legacy to MDE 27

4 1 Inleiding Bedrijfsprofiel Altran Wij zijn Altran! Met ongeveer werknemers is de Altran Groep (waar Altran Nederland onderdeel van is) al 30 jaar wereldwijd actief in meer dan 30 landen verspreid over Amerika, Azië en Europa. Wij helpen onze klanten door alle fases van projectontwikkeling en strategische planning tot het daadwerkelijk op het markt brengen van innovatieve producten. We dragen bij aan de realisatie van technologische innovaties die de kwaliteit van leven wereldwijd verbeteren. Bij ons vindt je niet gewoon een stageplaats; wij willen jou inspireren en de kans geven om jouw eigen toekomst te bepalen! Software development stage- en afstudeermogelijkheden Passie voor techniek en coderen vormen de gemeenschappelijke interesses voor Software Engineers. Iedereen werkt in een competentiegerichte unit. Op softwarevlak is Altran actief van hardcore Embedded Software tot het schrijven van gebruikersvriendelijke applicaties en apps. Hardware Engineering stage- en afstudeermogelijkheden Binnen de Hardware units van Altran, maken we innovatieve ideeën tastbaar. De nadruk ligt op end-to-end design en de ontwikkeling van complexe mechatronische systemen. Wij richten ons vooral op hoogwaardige engineeringsvraagstukken op het gebied van Mechanical Engineering, Mechatronica, Electronica, Applied Physics en Life Cycle Management. Overige stage- en afstudeermogelijkheden Heb jij nou geen software of hardware achtergrond, maar heb heb je wel interesse in een stageof afstudeerplaats bij Altran? Altran is naast de Software en Hardware ook actief in bijvoorbeeld onze klanten helpen met het optimaliseren van processen en we hebben talloze projectmanagers in dienst. Heb jij een (Technische) bedrijfskunde achtergrond, ambities richting projectmanagement of heb jij veel interesse in risicomanagement, marketing of verandermanagement? Informeer dan ook gerust naar de mogelijkheden! InnovationLAB Innovatie zit in ons DNA. Daarom heeft een groep medewerkers een aantal jaar geleden het innovaitielab opgericht. Niet voor niets is ons motto: Innovations 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 of leuke hobbyprojecten wil gaan ontwikkelen. 1

5 2 Praktische informatie Geïnteresseerd of meer informatie Ben je geïnteresseerd in een stage- of afstudeerplaats binnen Altran, stuur dan je CV naar Indien je meer informatie over Altran wilt of je hebt vragen naar aanleiding van het stage- en afstudeerboekje, kun je ook bellen met Iris Henst op telefoonnummer Stage- en afstudeerlocaties Altran heeft in Nederland 3 vestigingen waar we ruimte en begeleiding hebben voor studenten, dit zijn; Zwolle, Utrecht en Eindhoven. Periode Je kunt gedurende het hele jaar starten met je stage- of afstuderen bij Altran. Ook de duur van je stage- of afstudeerperiode is in overleg. 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. Begeleiding Tijdens je stage of afstuderen is goede begeleiding natuurlijk erg belangrijk! Bij Altran krijg je 2 dedicated begeleiders. Één begeleider die je voornamelijk helpt in de rol als coach en procesbegeleider, en één begeleider die op vakinhoudelijk vlak je aanspreekpunt is. Uiteraard heb je daarnaast nog je medestudent en ontzettend veel collega s om mee te sparren! 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 De meeste opdrachten zijn voor zowel een stageplaats als afstudeeropdracht geschikt, en zowel voor een HBO als Master student. We hebben veel ervaring met het begeleiden van zowel stagiaires als afstudeerders, op zowel HBO als WO niveau. 2

6 3 Creëer je eigen opdracht (Software voorbeeld) 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 3

7 4 Camera based healthmonitor 4.1 Inleiding Om RSI, rugklachten, nekklachten, etc te verkomen bij het gebruik van een PC, is er genoeg software te vinden die kan helpen om deze klachten te voorkomen. Dit wordt vooral gedaan met berichten om micro pauzes/oefeningen te doen. Deze programma s weten meestal niet wat je precies achter je pc doet, misschien lees je wel in een goede houding maar moet je toch je micro pauze houden. Een goede oplossing zou zijn een camera die op of in een pc gemonteerd kan worden om zo te monitoren, aan de hand van je houding en/of het meten van je oogbewegingen, wat je nu precies doet en daar een passend advies op geven. Dit systeem zou ook in een domotica systeem geïntegreerd kunnen worden om bijvoorbeeld zorg te kunnen bieden aan de bewoners. Een voorbeeld van een toepassing: de bewoner valt s nachts en kan niet meer opstaan. Als het systeem dit detecteert zou de verwarming en het licht aan kunnen worden gezet en de eerste op de lijst kunnen worden gebeld bellen zodat deze bewoner hulp kan inschakelen. 4.2 Opdracht Ontwerp en ontwikkel een applicatie die kan meten wat de houding van een persoon is, hoe actief deze bezig is met zijn pc (bijvoorbeeld aan de hand van oogbewegingen) en daar een passend bericht op geeft (denk aan pauzes, oefening, tips voor een betere houding, etc). Voor een camera zou bijvoorbeeld een xbox (one) kinect gebruikt kunnen worden. Met deze camera kan eenvoudig via C# gecomuniceerd worden om zo de betreffende data op te halen. Dit zou uitgebreid kunnen worden met de optie om dit in een domotica systeem te integreren. Het is mogelijk om de opdracht uit te voeren met 2 personen. 4.3 Technische aspecten C# Interfacing met hardware Data processing Modellering van data 4

8 5 Automated Recyclables 5.1 Inleiding Duurzaamheid en recyclen zijn hot topics op dit moment. Er wordt veel afval weggegooid en niet gerecycled, wat ertoe leidt dat dit verbrand wordt en bijdraagt aan het broeikaseffect. Als iedereen zijn afval netjes zou scheiden zodat het gerecycled kan worden, dan kan het broeikaseffect teruggedrongen worden. Een prullenbak die zijn afval automatisch sorteert zou hier goed aan kunnen bijdragen. 5.2 Opdracht Ontwerp een systeem dat afval kan herkennen. Het systeem bestaat uit twee delen: de herkenning en de uitvoering. De herkenning kan gebeuren met behulp van een camera en neurale netwerken/image recognition. De neurale netwerken hebben veel voorbeelden nodig om te kunnen beslissen wat de camera precies ziet. Hoe zorg je ervoor dat een nieuw product ook goed herkend wordt, als het systeem al in productie is? Aan de hand van de beslissing die het systeem neemt in welke categorie het object valt (papier, GFT, glas, plastic, restafval) kan door het uitvoerende gedeelte het object een bepaalde kant op worden gedirigeerd naar de juiste bak. 5.3 Technische aspecten Neurale netwerken Image recognition Prototyping 5

9 6 Self-driven, vision controlled device 6.1 Inleiding Tegenwoordig zie je steeds meer dat er hardware en software ontwikkeld wordt waarmee, met behulp van vision en sensoren, een volledig autonoom apparaat op de markt gebracht wordt. Kijk naar de Tesla, de Google auto, luchtvaart- en ruimtevaart industrie, etc. Het kan op een hoop aantal sectoren toegepast worden om het de mens makkelijker maar vooral ook veiliger te maken. Er gebeuren nu nog te veel ongelukken waar de mens bij betrokken is. Vooral om veiligheidsoverwegingen en gemak wordt zo n dergelijke applicatie ontwikkeld. 6.2 Opdracht Het doel van de opdracht is het realiseren van een vision controlled device wat volledig autonoom kan functioneren. De volledige omgeving moet goed genoeg in kaart worden gebracht zodat het systeem objecten en (voornamelijk) mensen uit de weg kan gaan. Hier moet de juiste hardware en software voor gebruikt worden. Denk ook aan de verwerking van vision beelden op een embedded device. Het is de bedoeling dat een systeem ontworpen en ontwikkeld wordt om te gebruiken op een beurs of promotie-event. Er gelden onder andere de volgende voorwaarden: gedurende het gehele event bruikbaar zijn op een goede manier de aandacht trekken plug en play zijn zonder extra configuratie(s) aan het eind van de dag terug te vinden Het is mogelijk om de opdracht uit te voeren met twee personen. 6.3 Technische aspecten C/ C++ / Java Embedded devices Remote control protocol Prototyping Vision Hardware selectie Security aspecten 6

10 7 CICD Dashboard 7.1 Inleiding CICD (Continuous Integration en Continuous Delivery) is een software ontwikkelingsmethode om op elk gewenst moment een software release uit te kunnen brengen voor eindgebruikers. Dit betekent dat de software kwaliteit van de release binnen de specificaties moet zijn en dat de release goed getest is. In het ideale geval wil je bij elke software wijziging kunnen zien of je aan de software kwaliteitseisen voldoet en of je testen slagen. Om dit te kunnen doen moet er een ketting (pipeline) van acties achter elkaar worden gezet (b.v.: code bouwen, kwaliteit checken en testen uitvoeren). 7.2 Gedetailleerde opdrachtomschrijving: Voor de business van software bedrijven is het van belang, dat ze op elk moment de status van de software kunnen zien. Op basis hiervan kan er besloten worden om software wel of niet te releasen naar de eindgebruikers. Voor deze afstudeeropdracht is het de bedoeling dat er een dashboard gemaakt wordt die de software status kan weergeven. De volgende informatie zou bijvoorbeeld in een dashboard kunnen staan: build status, unit test resultaten, kwaliteitsaspecten, een go/ no go vlaggetje voor de release etc. Deze informatie is vaak wel (deels) beschikbaar in CICD omgevingen, maar zit vaak verstopt en vergt veel klik werk. Het Dashboard moet configureerbaar worden gemaakt omdat developers mogelijk andere informatie willen zien dan managers. Daarnaast kan het ook nog zijn dat voor verschillende projecten andere gegevens van belang zijn. De opdrachtomschrijving geeft enkel een richtlijn. De opdracht kan in overleg met Altran altijd aangepast worden. De CICD stakeholders binnen Altran hebben mogelijk ook andere requirements. Deze zullen middels onderzoek moeten worden achterhaald. 7.3 Technische Aspecten: User Interface CICD Jenkins Dashboard in Docker container Data parsing (xml) Database (bewaren van resultaten) 7

11 8 IOS applicatie Home Kit 8.1 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! 8.2 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? 8.3 Technische aspecten ios Objective-C / Swift GPS Siri Integratie Mobile Development 8

12 9 Digitale Handtekening 9.1 Inleiding Begin 2014 heeft de ING bank het betaalsysteem voorzien van een nieuwe functie, contactloos 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 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? 9.2 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. 9.3 Technische aspecten Encryptie Security Communicatie 9

13 10 Deep Learning 10.1 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 van de mogelijkheden 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 Technische aspecten Deep Learning Big Data Framework (bv. Apache Spark, Apache Hadoop) Deep Learning Libraries (bv. Deeplearning4j, Torch) Scala / Java / LuaJIT / 10

14 11 Security in Internet-of-Things 11.1 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? 11.2 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 onmogelijk 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 11

15 12 Modelled Automation Framework 12.1 Introduction MultiOne is a tool that configures all programmable lamp drivers that are used in luminaires. Luminaries will correspond to the configurations that are written to the drivers. In order to test whether all drivers are configured correctly, engineers will have to execute manual tests after each release. Repetitive manual executions cost time and money. Therefore, the desired situation is to have automated tests Assignment The goal of the assignment is to generate automated tests to replace the manual executions. In order to do that, the graduates have to model the attributes of the existing test cases, model the application under test and use model to model and model to test transformations to create an automation framework and integrate it with the Jenkins server. While designing the automation framework, keep in mind that more test cases will be added in the future. So the framework should be designed in a way that it can be easily extended with new tests. The graduates will work in an agile team and have the possibility to work with a variety of state of the art tools in a new area of software development, Model Driven Engineering, to solve the problem. A demonstration should be given by the graduates at the end of each sprint to show the progress of the project. Due to the size and complexity of the work, this can only be done as a duo assignment Technical aspects C# Specflow Model 2 Model Transformation (QVTo) Model 2 Text Transformation (TBD) Template Engines (Freemarker) WinForms Eclipse Modelling Framework/ECore Domain Specific Languages Jenkins Groovy 12

16 13 Co-simulatietooling Cyber-Physical Systems 13.1 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 13

17 14 Traffic Simulator 14.1 Inleiding De jaren 2007 en 2008 zijn record jaren wat betreft het aantal files op de Nederlandse snelwegen. Door de economische crisis in de daaropvolgende jaren zijn de files in lengte en aantal afgenomen. Heden ten dage neemt de verkeersdrukte weer enorm toe doordat de economie weer aantrekt. Extra rijstroken, wat een kostbare zaak is voor de overheid, blijken niet altijd tot vermindering van files te leiden. Waardoor dit komt is niet altijd even duidelijk. Door middel van het verkeer te simuleren zou men tot een gerichtere oplossing kunnen komen, met het oog op huidige en mogelijke technologische ontwikkelingen Opdracht Maak een simulatie van de hedendaagse drukte op de Nederlandse wegen. Hierbij moet niet alleen gedacht worden aan de snelwegen, maar ook aan de secundaire wegen, zelfs in de bebouwde kom. Binnen deze simulatie zal het gedrag van de bestuurders gesimuleerd moeten worden. Het wisselen van rijbaan en interactie tussen de bestuurders behoort dus tot de mogelijkheden van de simulatie. Een auto met pech, overstekend dier en weersituaties zullen hier ook invloed op hebben. Een duidelijk onderbouwde afweging moet gemaakt worden wat de simulatie zal ondersteunen. Bedenk welke niveaus van abstractie nodig zijn om simulatie mogelijk te maken. Mensen zullen te laat komen, files ontstaan en ongelukken gebeuren. Als hier technologische ontwikkelingen tegenover worden gezet, wat is dan hun invloed? Denk bijvoorbeeld aan inbouwsystemen waarmee auto s hun snelheid kunnen synchroniseren, lane assist of de effecten van een stijgend percentage zelfrijdende autos. Wat zal het effect zijn van een wetswijziging die een autonome noodstop of in de auto ingebouwde snelheidscontrole verplicht stelt? Het is aan jou om uit te zoeken hoe dit systeem het beste geimplementeerd kan worden. Probeer toe te werken naar het antwoord op de vraag: waar kunnen we technologie het beste toepassen om de verkeerssituatie te verbeteren? 14.3 Technische aspecten Analyse verkeerssituaties Analyse gedrag in verkeer Simulatie van gedrag Simulatie van verkeersdrukte Visualiseren van simulatiedata 14

18 15 Mesh-Network voor Indoor Positioning 15.1 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 bevindt. 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 15

19 16 Connected Devices and UX 16.1 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! 16.2 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 doordeweeks. 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 16

20 17 Augmented Reality om ouderen te laten bewegen 17.1 Inleiding Zoals bekend van tv zijn er veel eenzame ouderen die bijna of helemaal niet meedoen met activiteiten of buiten komen. Wat ook bekend is, is dat afgelopen maanden games als Pokémon Go en zijn voorganger Ingress heel populair waren. Deze twee zaken lijken perfect te combineren: een (augmented reality) game om ouderen buiten, of op zijn minst op de been te krijgen! 17.2 Opdracht Maak een game/app op Android of ios die ouderen zal aanspreken om met de telefoon/tablet samen (en onder begeleiding van iemand die de apparaten zal uitdelen) een game te spelen waar ze objecten moeten zoeken door middel van augmented reality. Denk bijvoorbeeld aan ingrediënten voor een taart (die ze daarna samen in het echt kunnen gaan bakken!). Hoe kan je dit verder nog interessant maken? Bedenk wat de beste invulling van de game zou zijn, zonder bestaande AR games te kopieren. Zou het handiger of beter zijn om AR anchors al vantevoren op te hangen (zo ja, hoe dirigeer je de telefoons en de ouderen naar die punten toe?), of geef je iedere gebruiker, net als in Pokémon Go, op willekeurige plekken benodigdheden. Denk hierbij aan: Veilige spel-locaties en -acties voor ouderen Instelbaarheid van het spel Ouderen enthousiasmeren Begrijpelijke user interface Interactie tussen ouderen 17.3 Technische aspecten Mobile (Android/iOS) Augmented Reality User Experience Usability Testing A/B Testing 17

21 18 Digital Cards 18.1 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 18

22 19 Interconnected heterogeneous wireless networks 19.1 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 19

23 20 Process Mining Engine 20.1 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 informatiesystemen 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 20.3 Technische aspecten Process mining Javascript / HTML5 /.NET C# UI design Relationele database design 20

24 21 Power Consumption Profiling (of Low-Power Embedded Applications) 21.1 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) 21

25 22 Self-Learning CI 22.1 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 met behulp 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 22

26 23 Fooling the Car 23.1 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 is 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 23.3 Technische aspecten Security / hacking Automotive LIDAR / Radar C / C++ 23

27 24 Ergonomie - Wearable 24.1 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 24

28 25 Real-time Big Data Analytics 25.1 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 van 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 25

29 26 mcrl2 generator 26.1 Inleiding Formele verificatie is een van de gedroomde speerpunten in de moderne software ontwikkeling. In de praktijk worden vooral experimenten gedaan door bijvoorbeeld PhD s om en een engineering omgeving formele modellen te construeren. Voor de engineering bedrijven is het echter zeer moeilijk om dergelijke kennis te onderhouden en uit te breiden zodat die ook echt als onderdeel van de werkwijze kan worden ingebed. Vergelijkbaar met hoe mechanica dat doet met FEM modellen, kunnen middels geautomatiseerde transformaties formele gedrags-modellen geconstrueerd worden uit beschikbare engineering data. Voor mcrl2 zijn dergelijk transformaties in enkele omgevingen experimenteel opgezet. De transformaties zijn dan specifiek per omgeving. Echter, om een inbedding van de transformaties in engineering systemen te vergemakkelijken willen we een generiekere opzet maken van dergelijke transformaties Opdracht Ontwerp een intermediaire taal die het mogelijk maakt de engineering data kernachtig te verzamelen zodat vanuit die data de generatie van mcrl2 modellen kan worden gemaakt. Realiseer op basis van deze taal de transformaties vanuit tenminste 2 engineering omgevingen naar mcrl2 modellen zodat enkele voor dat domein relevante eigenschappen kunnen worden geverifieerd. Voor de omzetting van engineering data naar mcrl zijn de domein specifieke semantische interpretaties van cruciaal belang. Deze moet op een hoog abstract niveau kunnen worden beschreven als onderdeel van de intermediaire taal Technische aspecten Model Driven Engineering Formele talen Domein specifieke talen Eclipse MDT (Ecore, QVTo, ) 26

30 27 From Legacy to MDE 27.1 Inleiding De meeste engineering bedrijven hebben een grote hoeveelheid bestaande code. Het is dus van belang om deze legacy code te kunnen onderhouden en in te bedden, of om deze te kunnen vervangen. De risico s bij het wijzigen van legacy code zijn echter erg groot: vaak is niet duidelijk wat nu de code feitelijk zou moeten doen, ogenschijnlijk kleine veranderingen kunnen tot fundamentele fouten leiden, veranderd tijd gedrag als gevolg van een nieuwe opzet kan desastreuse gevolgen hebben. Altran heeft ervaring met re-engineering van systemen en heeft ook bijgedragen aan methodes om oude en nieuwe software gedragingen met elkaar te kunnen vergelijken. Zo kunnen afwijkingen gedetecteerd en beslissingen onderbouwd worden. De kennis hierover is echter versnipperd over de organisatie. Daardoor is het erg moeilijk om deze toe te passen in nieuwe situaties en is er veel inmenging nodig van experts. Door toepassing van Model Driven Engineering principes kunnen we deze re-engineering processen formaliseren, vereenvoudigen en beter toegankelijk maken Opdracht Binnen deze context zijn diverse opdrachten mogelijk. De beschikbare kennis moet geïnventariseerd worden en via Domein Specifieke Talen toegankelijk worden gemaakt voor niet-experts in de Altran organisatie. Bestaande raamwerken voor re-engineering zoals MoDisCo moeten worden geëvalueerd en zodanig worden opgetuigd dat er een toegankelijk en praktisch werkbaar re-engineering proces mee kan worden ondersteund. De re-engineering methodieken moeten kunnen leiden tot model gedreven engineering omgevingen die als basis kunnen dienen voor verdere proces industrialisatie Technische aspecten Model Driven Engineering Re-engineering, Legacy Domein specifieke talen Eclipse MDT (Ecore, QVTo, ) MoDisCo 27