BEGIN:VCALENDAR
VERSION:2.0
PRODID:-//TECoSA - ECPv6.17.4//NONSGML v1.0//EN
CALSCALE:GREGORIAN
METHOD:PUBLISH
X-WR-CALNAME:TECoSA
X-ORIGINAL-URL:https://www.tecosa.center.kth.se
X-WR-CALDESC:Events for TECoSA
REFRESH-INTERVAL;VALUE=DURATION:PT1H
X-Robots-Tag:noindex
X-PUBLISHED-TTL:PT1H
BEGIN:VTIMEZONE
TZID:Europe/Paris
BEGIN:DAYLIGHT
TZOFFSETFROM:+0100
TZOFFSETTO:+0200
TZNAME:CEST
DTSTART:20250330T010000
END:DAYLIGHT
BEGIN:STANDARD
TZOFFSETFROM:+0200
TZOFFSETTO:+0100
TZNAME:CET
DTSTART:20251026T010000
END:STANDARD
BEGIN:DAYLIGHT
TZOFFSETFROM:+0100
TZOFFSETTO:+0200
TZNAME:CEST
DTSTART:20260329T010000
END:DAYLIGHT
BEGIN:STANDARD
TZOFFSETFROM:+0200
TZOFFSETTO:+0100
TZNAME:CET
DTSTART:20261025T010000
END:STANDARD
BEGIN:DAYLIGHT
TZOFFSETFROM:+0100
TZOFFSETTO:+0200
TZNAME:CEST
DTSTART:20270328T010000
END:DAYLIGHT
BEGIN:STANDARD
TZOFFSETFROM:+0200
TZOFFSETTO:+0100
TZNAME:CET
DTSTART:20271031T010000
END:STANDARD
END:VTIMEZONE
BEGIN:VEVENT
DTSTART;TZID=Europe/Paris:20260507T100000
DTEND;TZID=Europe/Paris:20260507T120000
DTSTAMP:20260507T125935Z
CREATED:20260507T125211Z
LAST-MODIFIED:20260507T125935Z
UID:8091-1778148000-1778155200@www.tecosa.center.kth.se
SUMMARY:PhD Defence – Nils Jörgensen
DESCRIPTION:Ämnesområde: Maskinkonstruktion \nRespondent: Nils Jörgensen \, Mekatronik och inbyggda styrsystem \nOpponent: Dr. Federico Rossi\, California Institute of Technology\, USA \nHandledare: Docent Fredrik Asplund\, Mekatronik och inbyggda styrsystem; Adjunkt. Prof. Rafia Inam\, Mekatronik och inbyggda styrsystem; Ph.D. Ajay Kattepur\, Ericsson Research\, Bangalore\, India \n  \nAbstract \nDen fjärde industriella revolutionen innebär flexibel tillverkning där autonoma mobila robotar samverkar över delade trådlösa nätverk. Femte generationens (5G) mobilnätsteknik—och dess efterföljare Beyond 5G och 6G—har lyfts fram som möjliggörande infrastruktur\, med löften om nätverksslicing (network slicing)\, differentierad tjänstekvalitet och edge computing som skulle kunna frigöra industrirobotar från kablar utan att offra reglerprecision. Den samtida framväxten av physical AI och paradigmet med AI-nativa radioaccessnätverk\, som sammanför AI-beräkningar med nätverksinfrastruktur\, förstärker ytterligare både löftet och komplexiteten i denna integration. Denna avhandling undersöker huruvida den nuvarande forskningen är rustad att utnyttja denna infrastruktur—och identifierar flera strukturella felanpassningar som fältet måste adressera. \nAvhandlingen består av fyra faser. En systematisk översikt av edge computing för cyberfysiska system visar att industriell tillverkning är den främsta drivkraften för tillämpningar\, men att edge computing i 5G-bemärkelse och systematisk behandling av tillförlitlighetsaspekter till stor del saknas i litteraturen. En fokuserad granskning avslöjar vidare ett fält som är terminologiskt fragmenterat\, metodologiskt begränsat till optimering på rörelsenivå med signalstyrka som fokus\, och nästan helt frånkopplat från faktisk telekommunikationsinfrastruktur. Granskningen resulterar i en taxonomi och utvärderingskriterier som tillhandahåller en strukturerad terminologi för att karakterisera och jämföra tillvägagångssätt inom robotik- och telekommunikationsområdena. \nSom svar demonstrerar ett planeringsramverk gemensam kommunikations- och uppdragsplanering genom att formulera koordinering av flera robotar i planeringsspråket PDDL (Planning Domain Definition Language)\, där 5G:s fysiska resursblock behandlas som explicita beslutsvariabler i planeringen tillsammans med uppgiftstilldelning och sekvensering. Detta minskar spektrumbehovet med femtio procent och uppfyller samtidigt planens restriktioner inom acceptabel beräkningstid. \nEn empirisk mätstudie på en privat 5G-testbädd i industriell miljö utmanar sedan ett centralt antagande som delas av de flesta befintliga kommunikationsmedvetna planeringsmetoder: att gynnsamma signalförhållanden på ett tillförlitligt sätt resulterar i faktisk systemprestanda. En kommersiell strålgångsbaserad simulator förutspådde signalkvaliteten med rimlig noggrannhet\, men överskattade systematiskt den tillgängliga datahastigheten\, och den dominerande källan till prediktionsfel visade sig vara anpassning av antalet samtidiga dataströmmar vid flerantennöverföring (MIMO). En modell baserad på Gaussisk processregression minskade prediktionsfelet med ungefär två tredjedelar och eliminerade systematiskt fel. Testbädden saknade dessutom stöd för nätverksslicing på radioaccessnätverksnivå\, vilket både planeringsramverket och den bredare litteraturen förutsätter—en klyfta mellan standardiserade gränssnitt och faktiskt tillgänglig funktionalitet. \nSammanfattningsvis kulminerar inte avhandlingen i ett enskilt överlägset ramverk utan i en mer mödosamt vunnen insikt: fältets algoritmiska sofistikering döljer diskrepanser från industriell verklighet som verkar på flera nivåer samtidigt—konceptuell\, modellerings-\, infrastruktur- och utvärderingsnivå. På konceptuell nivå utökas rörelseplanerare med signalnivåmätetal när uppdragsplanerare borde utökas med abstraktioner på nätverkstjänstnivå. På modelleringsnivå optimerar planerare för signalstyrka medan de fenomen som bestämmer datahastigheten i moderna cellulära system ligger bortom signalstyrka-baserade modeller. På infrastrukturnivå förblir de nätverksfunktioner som antas i litteraturen ofullständigt realiserade i kommersiell utrustning. Detta arbetes praktiska bidrag ligger i att systematiskt synliggöra dessa diskrepanser och i att erbjuda både analytiska verktyg och en konstruktiv artefakt som tillsammans stakar ut en mer verklighetsförankrad väg framåt. Att förverkliga visionen om den smarta fabriken kräver inte enbart bättre algoritmer utan en omorientering av antaganden\, formalismer och utvärderingsmetoder—från rörelseplanering till uppdragsplanering\, från signalstyrka till nätverkstjänstabstraktioner\, och från simuleringsbaserad validering till grundad på mätningar. \nLink to DiVA \n 
URL:https://www.tecosa.center.kth.se/event/phd-defence-nils-jorgensen/
CATEGORIES:PhD defense
END:VEVENT
END:VCALENDAR