Examensarbete 2026-2027

Arbetsuppgifter: Utvärdera tillämpning av metodik hämtad från civila standarder för produktsäkerhet. Exjobbet utgår från att utvärdera funktioner som redan utvecklats och kvalificerats med militära standarder. Kvalificering görs därefter istället enligt maskindirektivet och relaterade standarder som tex ISO134849. Det ingår i arbetet att analysera skillnader i effektivitet och ta fram utbildningsmaterial. Arbetet utförs på ett av våra fordon med avancerade elektroniska system där du får analysera hur risker uppstår och hur sårbarheter i mjukvara och elektronik kan förebyggas. Kontaktperson: Per Näslund, 0660-809 67, per.naslund@baesystems.se **VCS sltools model-in-the loop interface replacement** Sltools är ett mjukvarubibliotek som är centralt i utvecklingen av BAE Hägglunds PVS Vehicle Control System (VCS) mjukvara. Mjukvara utvecklas primärt i Simulink/Matlab. För verifiering av mjukvarukomponenter, görs tester i en testbänk enligt model-in-the loop dvs modellens ingångar stimuleras över tid och förväntat värde sätts på utgångar. I nuläget har sltools ett beroende på windows och excel via ett COM-gränssnitt. Då Excel kräver licenser och aktivering samt att det körs i windows är det ett beroende vi vill eliminera. Vi ser även ett behov att kunna ansluta olika typer av plattformsobereoende generatorer t ex Fuzzers samt batchkörningar. Arbetsuppgifter: Målet är att dokumentera nuvarande gränssnitt mellan sltools och excel, skapa ett nytt eller återanvända det befintliga gränssnittet, där vi kan plugga in olika plattformsoberoende mjukvaror, som t ex Libreoffice/Excel/Simulink Design Verifier, samt skapa ett konceptbevis som använder detta gränssnitt. Kontaktperson: Andreas Quist, 070-261 16 56, andreas.quist@baesystems.se **AI‑baserad övervakning av CAN/Ethernet‑noder på NVIDIA Orin (8 GB) med fokus på** **anomalidetektion** Moderna fordon och industrisystem använder CAN‑bussar och Ethernet för kommunikation mellan många styrenheter. Felsökning görs ofta med enkla verktyg och kräver omfattande expertkunskap. Med edge‑plattformar som NVIDIA Orin finns möjlighet att lokalt upptäcka avvikande beteenden, koppla symtom till troliga felorsaker och ge förklaringar baserade på dokumentation och historiska data. Begränsat minne (8 GB) ställer krav på resurssnåla AI‑lösningar utan stora språkmodeller. Arbetsuppgifter: Syftet är att utveckla och utvärdera en prototyp för AI‑baserad övervakning av CAN‑ och Ethernet‑noder på NVIDIA Orin. Arbetet omfattar datainsamling och signalrepresentation, loggning av CAN‑ramar och relevant Ethernet‑trafik, dekodning till semantiska signaler via DBC eller motsvarande, representation som tidsserier och ev. nätverkstopologi. Det omfattar även anomalidetektion, enkel baslinje med statistiska metoder/regler, utveckling och träning av minst en ML‑baserad modell för ”unsupervised” anomalidetektion (t.ex. autoencoder/tidsserie‑modell). Kontaktperson: Andreas Quist, 070-261 16 56, andreas.quist@baesystems.se **Avståndsbedömning med Computer Vision** Passiv avståndsbedömning med hjälp av en eller flera bilder är en metod som kan användas för att skapa omvärldsuppfattning för maskiner utan att avge emissioner i form av exempelvis laser. Arbetsuppgifter: Arbetet består av att utföra experiment med hjälp av ett program som utvecklas av studenten för att testa ett antal hypoteser kopplat till avståndsbedömning med hjälp av computer vision. Beroende på arbetets gång kan ett antal förutsättningar av olika svårighetsgrad testas, från exempelvis bedömningar mot stillastående objekt med känd storlek, till objekt med okänd storlek i rörelse. Beroende på arbetets gång kan det bli aktuellt att testa framtaget program på intern hårdvara. Kontaktperson: Viktor Kelkkanen, 0660-803 02, viktor.kelkkanen@baesystems.se **Konsekvensanalys av ändringar på produktdata – effektivisering av beslutsunderlag i PLM-system** Företaget hanterar komplexa produkter med höga krav på spårbarhet, kvalitet och livscykelhantering. Ändringar i produktdata (ritningar, BOM, konfigurationsdata, tekniska specifikationer m.m.) påverkar flera delar av verksamheten: konstruktion, produktion, inköp, kvalitet, logistikstöd och eftermarknad. För att ytterligare stärka beslutsfattandet kring ändringar och skapa ett ännu mer enhetligt och effektivt arbetssätt vill vi utnyttja PLM-systemet bättre för en strukturerad och digitalt stödjd konsekvensanalys. Målet är att samla in och presentera påverkan tvärs organisationen på ett mer automatiserat och standardiserat sätt, så att rätt kompetenser snabbt kan bidra med underlag och helhetsbilden blir tydlig för beslut. Arbetsuppgifter: Syftet är att ta fram en målbild för hur konsekvensanalys av ändringar på produktdata bör utformas och utnyttjas i företagets PLM-system, för att skapa ett så komplett, tydligt och enhetligt beslutsunderlag som möjligt inför beslut om att genomföra eller avslå en ändring. Examensarbetet ska bland annat belysa hur dagens arbetssätt för konsekvensanalys av ändringar på produktdata kan beskrivas och vidareutvecklas, vilka typer av påverkan som bör ingå för att säkerställa ett robust beslutsunderlag, hur en strukturerad och standardiserad konsekvensanalys lämpligen utformas, vilken produktdata och vilka relationer i PLM-systemet som är mest centrala för en högkvalitativ konsekvensanalys, hur PLM-systemets funktionalitet (objekt, relationer, workflows, templates, checklistor) bäst kan användas och vid behov anpassas för att stödja det önskade arbetssättet och öka effektiviteten. Kontaktperson: Elina Ulander, 072-507 07 88, elina.ulander@baesystems.se **Aurora – Automation Tool** På avdelningen för elsystem finns flera manuella processer som tar stora mängder tid. Sommaren 2026 startade vi ett projekt att bygga ett verktyg i Python för att automatisera en av dessa processer som fick namnet Aurora. Idag täcker prototypen ungefär 20% av vårt behov och behöver därför vidareutvecklas. Arbetet kommer utföras som ett agilt projektarbete och sikar på att leve