Gunnar Mathiason
Lektor i datalogi
Institutionen för informationsteknologi
Rum PA520F
Telefon 0500-448350
Åter 2025-04-19 08:00
Forskningsaktiviteter
IEEE Biography
Gunnar Mathiason received his PhD in Computer Science in 2010 from Linköping University (Sweden). He joined University of Skövde (Sweden) in 2010 and became Associate Professor (Docent) in 2022. His main focus is the analysis and modelling of complex industrial systems using applied AI; and AI algorithm development. Based on a strong industrial computer science and real-time systems background with 13 years in the SKF group, he has since 2017 been granted and lead several industrial research collaboration projects with academia and industry with the aim of using AI for revealing unknown interactions, finding complex correlations, and propose system refinements. He has served as journal reviewer and national funding application reviewer. Gunnar is a frequent invited speaker and he has served on multiple PhD Thesis committees. He served as Division Chair between 2011-2017 and as the Director of the Industrial Research School IPSI for two years.
Aktuella aktiviteter
- ProcTwin (Integrated modelling for sustainable and optimized steel manufacturing processes). Tillsammans med Swerim, SSAB, Barna Steel, Aquiles Solutions, Global Steel Wire, Cartif m fl (totalt 12 partners). Finansierat av Horizon (EU).
- AIMe (Digitalization of processoptimization foradditive manufacturing - image segmentationand optimization). Tillsammans med Swerim, Hydro, Gränges. Finansierat av Vinnova.
- Smart Industry Research School (med SSAB). Finansierat av SSAB och KK-stiftelsen.
Member of the SAIL research group.
Member of ACM, IEEE (Senior member), SAIS.
Tidigare aktiviteter
Visiting scholarship at University of Virginia, Feb-June, 2007.
Head of Dept. of IT 2011-2013 (School of Communication and Information).
Head of Division, Alpha (School of Informatics) 2014-2017.
Antagen under doktorandtiden vid CUGS national graduate school in Computer Science.
Publikationer
- Publikationer i DiVA
- Google Scholar Profile [publikationer]
- Orc ID 0000-0001-7106-0025
- EDAS identifier 1390100
- Doktorsavhandling "Virtual Full Replication for Scalable Distributed Real-Time Databases" (2009)
Undervisning
Supervisor and examiner
MSc projects and MSc Theses
BSc final year projects
Tidigare undervisning
Study Program Responsible
Computer Science Study Program (180 credits), past
Lecturer
Algorithms and Data Structures (DA114G).
Big Data Programming (IT715A, MSc level).
Distributed Real-Time Systems (DA712A).
Distributed Systems (DA558G).
Software Engineering (DV316G).
Software Engineering – game design / Game project A (DV120G).
Software Engineering – game programming / Game project A (DV122G).
Webb programming (DA330G).
Akademisk tillhörighet
- 2010- Assistant Professor – University of Skövde.
- 2002-2009 PhD Student in Distributed Real-Time Systems – University of Skövde/University of Linköping.
- 2001-2002 Master of Science in Computer Science, New Generations – University of Skövde.
- 1998-2001 Bachelor of Science in Software Engineering – University of Skövde.
Industritillhörighet
- 1995-1998 System development, Industrial control systems – Lidköping Machine Tools / SKF.
- 1992-1995 System development, Production data collection – SKF Engineering & Research Centre, The Netherlands.
- 1986-1992 System development, Industrial control systems – Lidköping Machine Tools / SKF.
Utbildning
Kursansvarig
Forskning
Publikationer
Projekt
2023
Journal of Ambient Intelligence and Humanized Computing
2023. Artikel.
https://doi.org/10.1007/s12652-019-01372-5
2022
Distributed Computing and Artificial Intelligence, Volume 1: 18th International Conference
2022. Konferensbidrag. https://doi.org/10.1007/978-3-030-86261-9_7
2021
IEIM 2021: The 2nd International Conference on Industrial Engineering and Industrial Management
2021. Konferensbidrag. https://doi.org/10.1145/3447432.3447435
SN Computer Science
2021. Artikel.
https://doi.org/10.1007/s42979-021-00488-w
2020
Metallurgical and materials transactions. B, process metallurgy and materials processing science
2020. Artikel.
https://doi.org/10.1007/s11663-020-01853-5
International Journal of Information, Communication Technology and Applications
2020. Artikel.
Information Processing and Management of Uncertainty in Knowledge-Based Systems: 18th International Conference, IPMU 2020, Lisbon, Portugal, June 15–19, 2020, Proceedings, Part I
2020. Konferensbidrag. https://doi.org/10.1007/978-3-030-50146-4_41
2019
Proceedings - 6th International Symposium on Computational and Business Intelligence, ISCBI 2018
2019. Konferensbidrag. https://doi.org/10.1109/ISCBI.2018.00027
Journal of Chemical Information and Modeling
2019. Artikel. https://doi.org/10.1021/acs.jcim.9b00325
Practical Applications of Computational Biology and Bioinformatics, 12th International Conference
2019. Konferensbidrag. https://doi.org/10.1007/978-3-319-98702-6_9
2018
2017
2016
2015
2009
2008
2007
2006
2005
2004
Pågående projekt
ShiftLabs - tjänster för digital transformation
ShiftLabs stödjer små och medelstora tillverkningsföretag i deras arbete för att tillgodogöra sig ny digital teknik. Initiativet syftar till att stärka svensk tillverkningsindustri och kraftsamlar resurser och kompetenser inom regionala teknikcenter för att öka och förbättra tjänster till tillverkningsindustrin.
Januari 2023 - December 2025 Virtual EngineeringAvslutade projekt
Kan AI effektivisera järn- och stålindustrin?
Järn- och stålindustrin behöver effektiviseras och mängden skrot minskas för att öka avkastningen. Det som krävs är en snabbare och mer tillförlitlig produktion med skärpta toleranser – då skapas bättre produkter som snabbare når kund. Projektet INSITE-X ska utveckla en avancerad analys baserad på AI för att lokalisera tidigare okända beroende för att påskynda effektiviseringsprocessen inom stålindustrin.
Mars 2021 - Februari 2024 InformationsteknologiStorskalig dataanalys för ökad produktionsförståelse
Projektet använder maskininlärning för att lösa några av de utmaningar stålindustrin står inför. Unika produktionsanalyser, som bygger på AI-tekniker, används för att genom algoritmer hitta hittills okända samband. Därigenom kan produktionsprocesser förbättras på ett helt nytt sätt. Stålindustrin använder sedan länge omfattande processmätning, men i detta projekt handlar det om vad algoritmer kan hitta i en sammansättning av all tillgänglig processdata.
Oktober 2018 - Oktober 2021 InformationsteknologiBISON: Bättre beslut med hjälp av Big Data
Big data har väckt stort intresse under de senaste åren på grund av den snabba ökningen av den enorma mängd data som finns tillgänglig för att lösa olika typer av uppgifter inom många olika tillämpningsområden. Dagens big data befinner sig dock fortfarande på en relativt låg abstraktionsnivå när det gäller komplexa beslutsstödsuppgifter och präglas ofta av utmaningar som hög dimension och betydande osäkerhet kring vilka mönster som bör identifieras i data.
Oktober 2015 - September 2019 Informationsteknologi