Drift och underhåll är ett snabbt växande forskningsområde eftersom det är erkänt som en viktig möjliggörare för industrins resultat över hela världen. För många branscher är underhållskostnader en av de största enskilda kostnadsposterna. Effektivt underhåll kan generera intäkter för industrin genom bättre anläggningsutnyttjande och högre tillgänglighet. Genom välplanerat underhåll kan även externa och interna operativa risker kontrolleras och minimeras.

Ämnesområdet drift- och underhållsteknik är tvärvetenskapligt till sin natur, överskrider gränserna och separerar många discipliner inom vetenskap, framväxande teknik och konst. Avdelningens verksamhet är inriktad på att hitta synergier med andra ingenjörsdiscipliner och bygga nätverk med många aktiva forskargrupper, lokalt och globalt. Avdelningen har fått bidrag från EU och Sveriges forskningsfinansiärer som VINNOVA och SSF. Avdelningen har lanserat en International Journal of System Assurance Engineering and Management utgiven av Springer. Etableringen av SKF- University Technology Center för avancerad tillståndsövervakning har gett avdelningen en välbehövlig plattform för utveckling av prediktiv teknik. Dessutom finns två eMaintenance LABs på Luleå tekniska universitet och LKAB, Kiruna; ett tillståndsövervakningslabb har etablerats vid avdelningen. Avdelningen är fullt kompetent och utrustad tekniskt för att bedriva forskningsarbete inom de framväxande områdena big data, prediktiv och normativ analys.

Ämnesbeskrivning
Drift och underhållsteknik omfattar utveckling av metoder, modeller och verktyg för att säkerställa hög driftsäkerhet och effektivt underhåll av såväl befintliga som nya system och anläggningar.

Projektbeskrivning
Detta projekt bedrivs i nära samarbete med gruvbolaget LKAB. I denna tjänst kommer du främst att arbeta med ett av våra forskningsprojekt som kallas 'AI Factory /PHM’. Projektet fokuserar på forskning relaterad till industriell AI, eMaintenance samt ’Prognostics and Health Management (PHM) inom gruvindustrin, inklusive maskininlärning, överfört lärande och djupinlärning. Projektet syftar till att underlätta beslutsfattandet inom drift och underhåll genom att utveckla och demonstrera lösningar baserade på Digital Twin-konceptet, med hjälp av AI och digital teknologi.

Projektet kommer att bidra till ökat utnyttjande av AI och digitalisering av gruvbranschen genom att bedriva forskning inom:
- Industrial AI
- Digital Twin
- Nowcasting and forecasting
- Machine Learning
- Deep Learning
- Business Intelligence
- Big Data
- Cloud/edge Computing
- Information Logistics
- Operation & maintenance
- eMaintenance

Projektet kommer att genomföras i nära samarbete med representanter från gruvbranschen. Arbetet kommer att utföras i samarbete med doktorander, seniora forskare och branschföreträdare. I projektet ingår resor inom och utanför Sverige.

Arbetsuppgifter
Du kommer att arbeta i forskargruppen industriell AI och eMaintenance. I denna position kommer du också att bidra till vidareutveckling av vår plattform "AI Factory" och förbättra kapaciteten i vårt labb "eMaintenance LAB".

Arbetet kommer att omfatta:
- Studier av relevanta teoretiska ramar
- Kartläggning av behov och krav ur ett industriellt perspektiv
- Identifiera och analysera luckor i industriella och akademiska sammanhang
- Design av lösningar, ink. metoder, tekniker och verktyg
- Utveckling av AI-algoritmer, verktyg och lösningar med metoder inklusive men inte begränsat till matematisk programmering, metaheuristik, robust optimering, stokastisk optimering
- Publicering i akademiska tidskrifter och konferenser
- Deltagande som föreläsare och assistent i avdelningens kurser

Kvalifikationer
Du behöver ha en magisterexamen inom underhåll och driftsteknik, datavetenskap, tillämpad fysik, styrteknik, signalbehandling eller motsvarande.
- Du ska ha goda kunskaper i modellering och mjukvaruutveckling.
- Gruverfarenhet är meriterande.
- För att kommunicera inom projekten och med olika intressenter kräver vi att du behärskar svenska, i tal och skriftligt, och har goda kunskaper i tal och skrift på engelska.
- Erfarenhet inom gruvindustrin samt kunskap inom underhållsområdet och mjukvaruutveckling är meriterande.
- Erfarenhet av Azure-miljö, plattform och Azure AI-tjänster är meriterande.
- En bakgrund och erfarenhet av att utveckla matematiska modeller, optimeringsmetoder, simuleringstekniker, men också intresse för metaheuristik, statistik och maskininlärning.
- Du ska vara skicklig på programmeringsspråk som Python, R, MATLAB och tillhörande simulerings- och optimeringsbibliotek och paket.

Ytterligare information
Anställning som doktorand är tidsbegränsad på 4 år, undervisning och annan institutionstjänstgöring kan tillkomma upp till 20 % av heltid. Tjänstgöringsort: Luleå. Tänkt tillträde: enligt överenskommelse.

För ytterligare information om tjänsten är du välkommen att kontakta professor Ramin Karim, 0920-49 2344, ramin.karim@ltu.se

Fackliga företrädare:SACO-S Kjell Johansson 0920-49 1529 kjell.johansson@ltu.se,OFR-S Lars Frisk, 0920-49 1792 lars.frisk@ltu.se

Ansökan
Vi ser helst att du söker befattningen via ansökningsknappen nedan där du bifogar personligt brev samt CV/meritförteckning och kopior av verifierade examensbevis. Var vänlig och märk din ansökan med referensnumret nedan. Både ansökan och examensbevis ska vara skrivna på svenska eller engelska.

Sista ansökningsdag: 17 april 2023
Referensnummer: 996-2023