Förslag på examensarbeten våren 2027

IoT / Mobilutveckling / Trådlös kommunikation

Uppkopplade maskiner: Hur skapar vi snabbare, smartare och mer tillförlitlig kommunikation mellan mobil och maskin?

I takt med att allt fler industrimaskiner blir uppkopplade får mobilappar en allt viktigare roll i hur vi övervakar, styr och interagerar med dem. Men att skapa snabb, stabil och sömlös kommunikation mellan en smartphone och en industrimaskin innebär flera tekniska utmaningar.

Olika kommunikationstekniker, som Bluetooth Classic, Bluetooth Low Energy (BLE), Wi-Fi och USB, har sina respektive styrkor och begränsningar när det gäller prestanda, tillförlitlighet, kompatibilitet och användarupplevelse. Att välja rätt teknik är dock bara en del av utmaningen. Hur data överförs, hur anslutningar etableras och upprätthålls samt hur olika mobilplattformar hanterar kommunikationen kan ha stor påverkan på slutresultatet.

På THNX utvecklar vi THNX Connect, en lösning som gör det möjligt för mobilappar att kommunicera med industrimaskiner genom bland annat Bluetooth och BLE, ofta med kommunikationsprotokoll baserade på CAN.

I det här examensarbetet får du utforska hur kommunikationen mellan mobila enheter och industrimaskiner kan förbättras, från val av kommunikationsteknik och dataöverföring till anslutningshantering och användarupplevelse.

Möjliga områden att utforska

Kommunikationstekniker och prestanda

  • Undersöka och jämföra Bluetooth Classic, BLE, Wi-Fi och USB för kommunikation mellan smartphones och industrimaskiner.
  • Utvärdera prestanda utifrån exempelvis latens, överföringskapacitet, tillförlitlighet och energiförbrukning.
  • Utforska skillnader mellan Android och iOS samt hur plattformarnas begränsningar påverkar valet av teknik.
  • Undersöka hur lokal Wi-Fi-kommunikation med en maskin kan fungera parallellt med mobiltelefonens vanliga internetanslutning.

Optimering av industriell datakommunikation

  • Undersöka hur industriella kommunikationsprotokoll, exempelvis CAN och CANopen, kan överföras effektivt via trådlösa anslutningar.
  • Utforska hur BLE-tjänster och karakteristiker kan utformas för att förbättra kommunikationens prestanda.
  • Experimentera med tekniker som buffring, gruppering av meddelanden, prioritering och datakomprimering.
  • Utveckla verktyg eller prototyper för att mäta och analysera dataöverföring, exempelvis med befintliga CAN-analysverktyg och data från verkliga maskiner.
  • Identifiera flaskhalsar och utvärdera metoder för att förbättra svarstider och tillförlitlighet.

Stabil uppkoppling och användarupplevelse

  • Undersöka hur anslutning, parkoppling, autentisering och återanslutning kan förbättras.
  • Utforska plattformsspecifika utmaningar vid kommunikation med externa enheter på Android och iOS.
  • Utvärdera hur appar kan hantera avbrutna anslutningar, byte mellan enheter och autentiseringsproblem.
  • Undersöka hur anslutningen till industrimaskiner kan göras enklare och mer intuitiv för användaren.

Vad du får göra

  • Undersöka befintlig forskning, tekniker och etablerade arbetssätt inom kommunikation mellan mobila enheter och maskiner.
  • Identifiera och formulera relevanta forskningsfrågor inom ett eller flera av områdena ovan.
  • Designa och utveckla proof of concept-lösningar (PoC) eller experimentella testmiljöer.
  • Genomföra praktiska experiment för att jämföra kommunikationsstrategier och mäta deras prestanda.
  • Analysera resultaten och identifiera avvägningar mellan prestanda, tillförlitlighet, kompatibilitet och användarupplevelse.

Mål

Målet med examensarbetet är att undersöka och demonstrera hur kommunikationen mellan mobilappar och industrimaskiner kan förbättras.

Det förväntade resultatet är en teknisk utvärdering, med stöd av praktiska experiment och en eller flera PoC-implementationer, som ger insikter och rekommendationer för hur effektiv, stabil och användarvänlig kommunikation mellan mobil och maskin kan utvecklas.

Beroende på vald inriktning kan arbetet exempelvis resultera i en optimerad BLE-implementation, en jämförelse mellan olika kommunikationstekniker, förbättrad anslutningshantering eller ett ramverk för att mäta och utvärdera industriell datakommunikation.

AI / IoT / Maskininlärning / Industriell kommunikation

Från okänd maskin till uppkopplad applikation: Kan AI förstå CAN-data?

Att ansluta en ny maskin till en befintlig digital plattform kräver ofta ett omfattande manuellt arbete. Kommunikationsprotokoll behöver analyseras, relevanta meddelanden identifieras och maskinens data översättas till ett gemensamt format. Men tänk om AI kunde hjälpa oss att automatisera delar av den processen?

På THNX utvecklar vi THNX Connect, en lösning som gör det möjligt för mobilappar att kommunicera med industrimaskiner. När en ny kunds maskiner ska integreras kan vi behöva analysera CAN-kommunikation, identifiera datastrukturer och utveckla anpassade adaptrar som översätter maskinspecifika meddelanden till format som THNX Connect förstår.

I det här examensarbetet får du undersöka om AI kan användas för att analysera CAN-kommunikation från tidigare okända maskiner och föreslå hur meddelandena kan mappas mot standardiserade protokoll, exempelvis CANopen.

Vad du får göra

  • Undersöka kommunikationsprotokollen CAN och CANopen samt vanligt förekommande meddelandestrukturer.
  • Utforska AI-baserade och regelbaserade metoder för att identifiera mönster, samband och möjliga betydelser i CAN-dataströmmar.
  • Undersöka hur inspelad eller liveströmmad CAN-trafik kan analyseras och jämföras med kända meddelandedefinitioner och kommunikationsstandarder.
  • Utveckla en PoC som analyserar CAN-meddelanden och föreslår hur de kan mappas till format som stöds av THNX Connect.
  • Utforska om AI kan användas för att automatiskt generera delar av de kommunikationsadaptrar som behövs för kundspecifika CAN-implementationer.
  • Utvärdera hur träffsäkra förslagen blir, vilka begränsningar som finns och när mänsklig verifiering behövs.

Mål

Målet är att undersöka hur AI kan förenkla och effektivisera arbetet med att integrera nya industrimaskiner i THNX Connect.

Det förväntade resultatet är en PoC som kan analysera CAN-kommunikation och föreslå meddelandemappningar eller adapterkonfigurationer. Arbetet ska även innehålla en utvärdering av lösningens träffsäkerhet, tillförlitlighet och potential att minska det manuella integrationsarbetet.

Spelutveckling / Augmented Reality / Teknikutvärdering

Bortom Unity: Vilken teknik ska vi använda för framtidens AR-spel?

Unity har länge varit ett populärt val för att utveckla spel och upplevelser med Augmented Reality (AR). Men finns det alternativa spelmotorer som kan erbjuda en effektivare, flexiblare eller mer långsiktigt hållbar utvecklingsprocess?

På Exenze utvecklar vi interaktiva och platsbaserade upplevelser där den digitala och fysiska världen möts. I dag använder vi bland annat Unity och Vuforia, men vi är nyfikna på vilka andra tekniker som skulle kunna vara aktuella i framtiden.

I det här examensarbetet får du utforska moderna spelmotorer och utvecklingsramverk samt utvärdera hur väl de lämpar sig för att skapa platsbaserade AR-spel.

Vad du får göra

  • Undersöka alternativa spelmotorer och ramverk, exempelvis Godot och andra relevanta tekniker.
  • Jämföra stöd för AR, mobilplattformar, prestanda och utvecklarupplevelse.
  • Utforska hur befintlig funktionalitet som bygger på Unity och Vuforia skulle kunna implementeras med andra tekniker.
  • Utveckla en PoC av en utvald AR-spelupplevelse med en alternativ teknik.
  • Utvärdera tekniska begränsningar, långsiktig förvaltning, utvecklingskostnader och möjligheter till vidareutveckling.

Mål

Målet är att undersöka vilka spelmotorer och tekniker som lämpar sig bäst för framtida utveckling av platsbaserade AR-spel.

Det förväntade resultatet är en teknisk utvärdering och en PoC som tillsammans ger rekommendationer kring framtida teknikval för Exenzes AR-upplevelser.

Augmented Reality / Computer Vision / Mobilutveckling

AR utan fysiska markörer: Kan virtuella objekt hitta sin plats i verkligheten?

Många AR-upplevelser använder fysiska markörer för att avgöra var virtuella objekt ska placeras i den verkliga världen. Men tänk om vi kunde placera ut karaktärer, föremål och interaktiva upplevelser utomhus utan att behöva använda några fysiska markörer alls?

I Exenzes AR-upplevelser används i dag bland annat markörbaserad teknik för att positionera virtuella objekt. Vi vill utforska möjligheten att ersätta eller komplettera detta med modern teknik för positionering och spårning.

I det här examensarbetet får du undersöka hur virtuella objekt kan placeras och följas i utomhusmiljöer med hjälp av mobiltelefonens sensorer och moderna AR-tekniker.

Vad du får göra

  • Undersöka tekniker för markörlös AR, visuell positionering och sensorbaserad spårning.
  • Utforska hur GPS, mobiltelefonens sensorer och datorseende (Computer Vision) kan kombineras för att förbättra positioneringen.
  • Utveckla en prototyp där virtuella karaktärer eller objekt placeras på förutbestämda platser utomhus.
  • Undersöka hur virtuella karaktärer kan följa definierade rörelsemönster, banor eller förflytta sig mellan olika positioner.
  • Utvärdera positioneringsnoggrannhet, stabilitet och användarupplevelse i olika utomhusmiljöer.

Mål

Målet är att undersöka möjligheterna att skapa AR-upplevelser utomhus utan att vara beroende av fysiska markörer.

Det förväntade resultatet är en PoC som demonstrerar markörlös AR i en utomhusmiljö, tillsammans med en utvärdering av teknikens möjligheter och begränsningar för platsbaserade spel.

Mobilutveckling / Geopositionering / Cross-platform

Hur exakt är tillräckligt exakt? GPS-positionering i mobil- och webbappar

Platsbaserade appar bygger på att vi vet var användaren befinner sig. Men hur stor skillnad är det egentligen i positioneringsnoggrannhet mellan en webbapp, en native-app och en app utvecklad med ett plattformsoberoende ramverk?

När vi skapar utomhusspel och interaktiva upplevelser kan några meters skillnad i positionering vara avgörande för hur användaren upplever spelet. Samtidigt erbjuder olika plattformar och utvecklingstekniker olika möjligheter att använda mobiltelefonens positioneringsfunktioner.

I det här examensarbetet får du undersöka och jämföra hur olika tekniker för mobilutveckling hanterar geopositionering, med fokus på noggrannhet, prestanda och användarupplevelse i verkliga miljöer.

Vad du får göra

  • Undersöka möjligheter och begränsningar för geopositionering i webbappar, native-appar och plattformsoberoende ramverk.
  • Jämföra utvalda tekniker, exempelvis React Native, Kotlin Multiplatform samt native-utveckling för iOS eller Android.
  • Utveckla en testapplikation eller ett ramverk för att samla in och analysera positionsdata.
  • Genomföra praktiska tester för att mäta positioneringsnoggrannhet, uppdateringsfrekvens, stabilitet och batteriförbrukning.
  • Utforska hur osäkerhet i positioneringen kan hanteras genom tekniska lösningar eller smart speldesign.

Mål

Målet är att undersöka hur valet av utvecklingsteknik påverkar geopositionering i mobila applikationer.

Det förväntade resultatet är en jämförande utvärdering med praktiska mätresultat och rekommendationer kring vilka tekniker som lämpar sig bäst för platsbaserade spel och interaktiva utomhusupplevelser.

Speldesign / Gamification / UX / Platsbaserade upplevelser

Gör världen till en spelplan: Hur skapar vi roligare och mer engagerande utomhusspel?

Vad får människor att vilja gå ut, utforska nya platser och fortsätta spela? Platsbaserade spel kombinerar fysisk aktivitet med digitala upplevelser och skapar möjligheter att göra vardagliga miljöer till spännande spelvärldar.

Men hur kan vi göra sådana upplevelser ännu roligare, mer engagerande och motiverande?

På Exenze arbetar vi med platsbaserade spel och upplevelser, bland annat genom Run and Find. Vi ser möjligheter att vidareutveckla konceptet med nya spelmekaniker, minispel och sätt att kombinera den digitala spelvärlden med den fysiska omgivningen.

I det här examensarbetet får du utforska hur gamification, speldesign och interaktionsdesign kan användas för att skapa nya typer av utomhusspel som motiverar användare att röra på sig, utforska sin omgivning och spela tillsammans.

Vad du får göra

  • Undersöka framgångsrika spelmekaniker inom platsbaserade spel, skattjakter, orientering och andra utomhusaktiviteter.
  • Utforska hur progression, belöningar, tävling, samarbete och minispel påverkar motivation och engagemang.
  • Ta fram och utvärdera koncept för nya spellägen, minispel eller interaktiva upplevelser.
  • Designa och utveckla en spelbar prototyp av ett utvalt koncept.
  • Genomföra användartester för att undersöka spelglädje, användbarhet, engagemang och motivation.

Mål

Målet är att undersöka hur spelmekanik och gamification kan användas för att göra platsbaserade utomhusupplevelser mer engagerande och motiverande.

Det förväntade resultatet är ett utvärderat spelkoncept och en spelbar prototyp som demonstrerar hur nya idéer kan utveckla framtidens platsbaserade spel.

Artificiell intelligens / RAG / Utvärdering

Kan vi lita på AI? Hur skapar vi mer träffsäkra och tillförlitliga AI-assistenter?

AI-baserade supportassistenter kan snabbt ge svar på komplexa frågor, men hur vet vi att svaren faktiskt är korrekta? Hur säkerställer vi att en AI-assistent utgår från tillförlitlig information och inte hittar på egna svar?

Allt fler företag använder AI för att hjälpa sina kunder att hitta information och lösa problem. Samtidigt ställer det höga krav på kvaliteten i de svar som genereras. En AI-assistent som låter övertygande men ger felaktig information kan skapa mer problem än den löser.

I det här examensarbetet får du undersöka hur tekniker som Retrieval-Augmented Generation (RAG) och grounding kan användas för att förbättra träffsäkerheten och tillförlitligheten hos AI-baserade supportassistenter.

Vad du får göra

  • Undersöka olika metoder för RAG och grounding, där AI-modellens svar förankras i relevant och tillförlitlig information.
  • Utforska strategier för att hitta, välja ut och presentera rätt information för en språkmodell.
  • Jämföra metoder för att minska hallucinationer och förbättra svarens relevans och korrekthet.
  • Utveckla ett ramverk för att utvärdera AI-genererade svar med hjälp av realistiska supportfrågor.
  • Experimentera med olika implementationer och konfigurationer för att mäta svarskvalitet, träffsäkerhet och tillförlitlighet.

Mål

Målet är att undersöka hur vi kan skapa AI-assistenter som ger mer korrekta, relevanta och tillförlitliga svar.

Det förväntade resultatet är ett ramverk för utvärdering samt en PoC som demonstrerar hur olika tekniker kan förbättra kvaliteten hos AI-baserade supportassistenter.

Artificiell intelligens / Kunskapshantering / UX

En kunskapsbank som håller sig uppdaterad: Kan AI förenkla framtidens support?

En AI-assistent är aldrig bättre än den information den har tillgång till. Men att hålla en kunskapsbank korrekt, komplett och uppdaterad kan vara både tidskrävande och komplicerat, särskilt när informationen är utspridd över dokument, system och olika informationskällor.

Tänk om AI inte bara kunde använda informationen i en kunskapsbank, utan också hjälpa oss att förbättra och underhålla den?

I det här examensarbetet får du utforska hur AI kan användas för att förenkla kunskapshantering och göra det lättare för både tekniska och icke-tekniska användare att kvalitetssäkra och vidareutveckla AI-baserade supportlösningar.

Vad du får göra

  • Undersöka utmaningar med att skapa, strukturera och underhålla kunskapsbanker för AI-baserade supportsystem.
  • Utforska hur AI kan identifiera information som saknas, är inaktuell, förekommer flera gånger eller innehåller motsägelser.
  • Undersöka hur AI-genererade svar kan utvärderas och användas för att identifiera brister i kunskapsunderlaget.
  • Designa och utveckla en PoC för ett självbetjäningsgränssnitt där användare enkelt kan granska, uppdatera och förbättra innehållet i en kunskapsbank.
  • Utvärdera hur lösningen kan göra det enklare för personer utan teknisk bakgrund att underhålla och kvalitetssäkra en AI-assistent.

Mål

Målet är att undersöka hur AI kan effektivisera arbetet med att hålla kunskapsbanker uppdaterade och relevanta.

Det förväntade resultatet är en PoC för ett AI-assisterat arbetsflöde som förenklar kunskapshantering och bidrar till att förbättra kvaliteten på svaren från AI-baserade supportassistenter.

Agentisk AI / Dataanalys / Automation

Bortom chatboten: Kan autonoma AI-agenter omvandla data till värdefulla insikter?

AI handlar inte längre bara om att ställa frågor och få svar. Med hjälp av autonoma AI-agenter öppnas nya möjligheter att kontinuerligt övervaka information, identifiera mönster, upptäcka avvikelser och föreslå åtgärder, utan att en användare behöver initiera varje enskild analys.

Men hur användbara och tillförlitliga är dessa agenter i praktiken? Och hur kan vi skapa lösningar som arbetar självständigt utan att kompromissa med säkerhet eller kontroll?

I det här examensarbetet får du undersöka hur agentisk AI kan användas för att analysera information från digitala tjänster, dokument och anslutna system, med målet att omvandla stora mängder information till användbara insikter.

Vad du får göra

  • Undersöka ramverk och verktyg för agentisk AI, exempelvis OpenClaw eller andra relevanta alternativ.
  • Utforska tekniker för att samla in, kombinera och analysera information från flera olika datakällor.
  • Utveckla en PoC där en AI-agent övervakar utvalda digitala tjänster eller analyserar verksamhetsinformation.
  • Undersöka hur AI-agenter kan upptäcka avvikelser, identifiera trender och generera relevanta rekommendationer.
  • Utvärdera agenternas tillförlitlighet och kvaliteten på de insikter som genereras.
  • Undersöka utmaningar kopplade till säkerhet, integritet, kontroll och autonomt beslutsfattande.

Mål

Målet är att undersöka hur autonoma AI-agenter kan användas för att omvandla information från digitala tjänster och system till konkreta, användbara insikter.

Det förväntade resultatet är en PoC som demonstrerar möjligheterna med agentisk AI, tillsammans med en utvärdering av teknikens begränsningar och rekommendationer för hur den kan användas på ett säkert och effektivt sätt.