Text

Kursplan Tillförlitliga och realtidsnätverk, 7,5 hp

Information om kursen

  • Kurskod: FOID010
  • Ämne på forskarnivå: Datavetenskap
  • Akademi: IDT
  • Anvarig avdelning: NES
  • Giltig från: 250829
  • Beslutsinstans: Akademichef vid IDT
  • Beslutsdatum: 250829
  • Utbildningsnivå: Forskarnivå

Syfte

Kursen kommer att fokusera på grunderna och fundamenten för realtidskommunikation i industriella miljöer, till exempel, inom fordons- och automationsindustrin. Dessutom täcker den olika nätverksteknologier som vanligtvis används i industriella sammanhang. De teknologier som behandlas i kursen inkluderar fieldbus (CAN, CAN FD, CAN XL), Ethernet (Ethernet IP, real-time-Ethernet, AVB, TSN) samt tekniker för tillförlitlighetsanalys av nätverk. Målet med kursen är att ge studenter en djup förståelse för industrins krav när det gäller tidsprestanda, tillförlitlighet och resursanvändning vid design och analys av industriella nätverk.

Innehåll

  • Grunder och fundament för realtidsnätverk
  • Tids- och tillförlitlighetskrav vid utformning av kommunikations-infrastruktur för industrin
  • Fieldbus inom industrin, särskilt olika versioner av CAN (Controller Area Networks)
  • Detaljer om realtids-Ethernet, inklusive Audio Video Bridging och Time-Sensitive Networking
  • Tidsanalys av olika kommunikationsprotokoll för Ethernet och CAN
  • Tillförlitlighetsanalys av realtidsnätverk

Lärandemål

  1. Beskriva de huvudsakliga tids- och tillförlitlighetskraven för industriella nätverk
  2. Analysera tidsmässiga egenskaper hos olika nätverksteknologier, inklusive CAN, CAN FD, CAN XL och AVB/TSN
  3. Analysera tillförlitlighetskrav för realtidsnätverk
  4. Modellera nätverk på hög nivå med hjälp av mjukvaru- och systemmodelleringsmetoder

Kursen behandlar följande examensmål

Kunskap och förståelse

För doktorsexamen ska doktoranden visa

  • A1: brett kunnande inom och en systematisk förståelse av forskningsområdet samt djup och aktuell specialistkunskap inom en avgränsad del av forskningsområdet

Färdighet och förmåga

För doktorsexamen ska doktoranden visa förmåga

  • B1: till vetenskaplig analys och syntes samt till självständig kritisk granskning och bedömning av nya och komplexa företeelser, frågeställningar och situationer,
  • B2: att kritiskt, självständigt, kreativt och med vetenskaplig noggrannhet identifiera och formulera frågeställningar samt att planera och med adekvata metoder bedriva forskning och andra kvalificerade uppgifter inom givna tidsramar och att granska och värdera sådant arbete,
  • B3: med en avhandling visa sin förmåga att genom egen forskning väsentligt bidra till kunskapsutvecklingen,
  • B5: att identifiera behov av ytterligare kunskap

Utbildningsformer

Kursen innehåller fem heldagsworkshops med föreläsningar och praktiska övningar. Dessutom ingår en heldag för presentation/seminarium där slutresultaten av ett mindre projekt redovisas.

Examination

SEM1: 3.0 hp (lärandemål 1)
GRU1: 3.5 hp (lärandemål 2, 3, 4)
OBN1: 1.0 hp (lärandemål 1)

Betyg

Prov som ingår i kursen bedöms enligt en tvågradig betygsskala med betygen underkänt eller godkänt.

Betyg ska beslutas av en av universitetet särskilt utsedd lärare.

Den som inte har blivit godkänd vid ordinarie prov ska ges tillfälle till omprov.

Behörighet

För att få delta i kursen och de prov som ingår i kursen ska sökanden vara antagen till utbildning på forskarnivå.

Särskild behörighet

Grundläggande kunskaper om realtidsinbyggda system krävs.

Urval

Urval av sökande görs i enlighet med rangordningen nedan

  1. Antagna doktorander inom Datavetenskap
  2. Antagna doktorander vid Mälardalens universitet