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.
Member of the SAIL research group.
Member of ACM, IEEE, SAIS.
Antagen till CUGS national graduate school in Computer Science.
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.
MSc projects and MSc Theses
BSc final year projects
Computer Science Study Program (180 credits), past
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).
Journal of Ambient Intelligence and Humanized Computing
2023. Artikel.
https://doi.org/10.1007/s12652-019-01372-5
Distributed Computing and Artificial Intelligence, Volume 1: 18th International Conference
2022. Konferensbidrag. https://doi.org/10.1007/978-3-030-86261-9_7
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
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
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
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 EngineeringJärn- 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 InformationsteknologiProjektet 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 Informationsteknologi