Forskningsmiljön för datavetenskap (RECS)
Den fjärde industriella revolutionen svarar mot transformationer i världen som är av slag som vi aldrig har sett tidigare, där exempelvis hårdvaru- och mjukvarurobotar, kommer att kunna göra extraordinära uppgifter. Sådana uppgifter inkluderar möjligheter att agera på grundval av analys av extremt stora mängder data, som exempelvis kan samlas in från stora uppsättningar uppkopplade enheter. Forskningsmiljön för datavetenskap vid Högskolan Kristianstad (RECS), studerar utmaningar angående tillämpning av tekniker i sådana sammanhanget.
Datavetenskap är en relativt ny disciplin vars område bygger på studier av datorer och beräkningar. Datavetenskapsområden innefattar datorarkitekturer, algoritmer, programmeringsspråk, programvaruteknik, datanätverk, säkerhet, operativsystem, databaser, artificiell intelligens, mm.
RECS fokuserar på både forskning och utveckling inom ämnesområdena. Våra huvudområden är Machine Learning (sv maskininlärning), Internet of Things (sv. sakernas internet), Big data och artificiell intelligens, kodningsteori och kryptografi, nätverk och distribuerade system, cyber-säkerhet, datavetenskap för hållbar utveckling, och e-hälsa. Miljön strävar efter att etablera samarbete över disciplinära och organisatoriska gränser inom Högskolan Kristianstad, såväl nationellt som internationellt.
Nuvarande och tidigare projekt bedrivna inom RECS rör flera av de ovan nämnda fokusområdena, exempelvis:
Smart underhåll (Smart Maintenance)
Som en del av den fjärde industriella revolutionen integreras mer avancerade tekniker i tillverknings- och produktionsfabrikerna. Utöver detta har den fjärde industriella revolutionen en uppenbar roll för hållbar utveckling, i stort, och särskilt för den hållbara industrin. Konceptet Black Factory svarar mot den autonoma industriparken, där robotar funder perioder verkar oberoende av mänsklig inblandning. Smart Maintenance relaterar här bland annat till avvikelser i industrirobotars beteendemönster, för att förhindra kostsamma processavbrott. Begreppen Big Data och Machine Learning används här för att hantera stora datamängder i syfte att förutsäga tillståndet för enskilda maskiner likaväl som för en industrianläggning i helhet.
Vattenkvalitetsanalyser
Dricksvattenkvaliteten är avgörande för samhället, och gäller således inte bara den sjätte av FN: s 17 globala hållbarhetsmål, utan även flera av dessa (som den tredje, angående god hälsa, och den elfte angående på hållbara städer). Det är därför viktigt att studera dricksvattenkvaliteten, såsom såsom beträffande mängden bakterier vid dricksvattenreningsverk. Stora mängder av provdata samlas här för att analyseras med hjälp av maskininlärningsalgoritmer, som presenteras på användningsvänliga sätt vid den dagliga driften av vattenreningsverk.
Internet of Things-baserade stödsystem för föräldrar med ADHD.
ADHD, och autism, eller mer korrekt autismspektrumstörningar, påverkar förmågan att hantera social interaktion. Det innebär att personer med autism kämpar för att uppträda som andra människor förväntar sig av dem i sociala miljöer, och att förstå vad andra menar, speciellt då metaforer används i tal. Studie har gjorts kring att digitala verktyg som hjälpmedel för personer med ADHD och/eller autism i vardagslivet, och det här projektet syftar till att förstå hur Internet of Things-baserade system kan vara till hjälp. Förutom att föreslå och genomföra prototypsystem har detta projekt kommunicerat med potentiella slutanvändargrupper, vilket också tydligt bidrar till FN:s hållbarhetsmål, såsom exempelvis nummer 4 angående god hälsa och välbefinnande, och nummer 16 angående inkluderande samhällen.
Aktiv åldrande
Ett multidisciplinärt samarbetsprojekt med forskare från mat och måltidsvetenskap, och datavetenskap (med flera.) har engagerats i projektet "Aktiv åldrande - individuella måltidslösningar för hälsa och livskvalitet bland äldre". Här har datavetenskap bidragit med IT-infrastrukturer i distribuerade miljöer, med Internet of Things-tekniker, som bland annat bidrar till FN:s hållbarhetsmål nummer 3, angående svält och nutrition.
Ytterligare information om forskningsmiljön för datavetenskap finns på engelska:
Research environment of Computer science (RECS)