education

Education


Round Corner
Department of Computer and Information Science

Fordypningsprosjekt 2018

Marker valg for å avgrense hvilke oppgaver som skal vises.

Hovedprofil

Datateknologi (530)



Helseinformatikk (11)


Information Systems (67)


Datateknologi (530)







 
Faglærere (29)





























Sorter etter:

Oppgaveforslag (6)

Develop machine learning algorithm to detect influxes and losses from drilling data (w/ Statoil)

Background: Drilling fluid (mud) is pumped from a pit into the drillstring during drilling. It returns to surface through the drill bit and back up in the annulus carrying rock particles (cuttings). At surface the return flow is measured, usually with an inaccurate flow paddle. The cuttings are removed from the mud in the shakers before it flows back into the pit. One task for the driller is to monitor the volume control. Sometimes one experiences losses downhole, i.e. when the bottomhole pressure exceeds the fracture pressure. Other times one experiences influxes, i.e. when the bottomhole pressure is lower than the reservoir pore pressure, and reservoir fluids, e.g. gas, flows into the well bore.

Faglærer: Helge Langseth     Status: Valgbart     Egnet for: Gruppe     Lenke: plink

Digital Tvilling

This project is for Snorre Børtnes.

 

 

Faglærer: Helge Langseth     Status: Valgbart     Egnet for: En student     Lenke: plink

Football betting - General theme

The task is to find interesting information that can help to beat the bookies at Norsk Tipping (or elsewhere), and make us all rich :-)

Faglærer: Helge Langseth     Status: Valgbart     Egnet for: Gruppe     Lenke: plink

Learning to play Curling

Learning to play a strategy game is a difficult task. Not only do you - at the outset - need to have a plan, you should also be able to adapt the strategy as your opponent adapts to what you are doing. This is the situation when playing for instance Checkers.

Faglærer: Helge Langseth     Status: Valgbart     Egnet for: Gruppe     Lenke: plink

Prediktiv feildeteksjon i kraftnettet

Inntreden av nye effektkrevende laster og distribuert produksjon i nettet vil gjøre at et aldrende kraftnett vil måtte håndtere stadig større og mer utfordrende laster. Dette vil kunne bidra til en økning i antall feil og hendelser i nettet. Det antas at flere av de hyppigste feilhendelsene i nettet utvikler seg over tid, og at den utløsende feilårsaken har et forløp i forkant av selve feilhendelsen. For å unngå økt utetid og økte kostnader knyttet til feilhendelser i strømnettet, er det ønskelig å undersøke hvilke typer hendelser som har et forløp eller en signatur i forkant av selve feilhendelsen, samt hvor stor andel av feilhendelsene i nettet dette utgjør. Med bakgrunn i dette er det ønskelig å utvikle prediktive algoritmer som kan forutsi feil med tilstrekkelig varslingshorisont til at det kan gjennomføres forebyggende tiltak, slik at strømbrudd hos forbruker unngås. Oppgaven er en del av forskningsprosjektet EarlyWarn, som ledes av SINTEF Energi. Mer informasjon om EarlyWarn finnes her

Faglærer: Helge Langseth     Status: Valgbart     Egnet for: Gruppe     Lenke: plink

Your very own project!

The projects I have made available are simply proposals for you to consider. However, the best projects come from motivated students, and if you have your own ideas regarding a project that is related to

Faglærer: Helge Langseth     Status: Valgbart     Egnet for: En student     Lenke: plink
NTNU logo