masterproef

• ↑Omhoog
• IT-bedrijven en onderwerpen

Masterproef bij bedrijf

Verschillende bedrijven zijn geïnteresseerd om een masterproef aan te bieden en te begeleiden in onze opleiding. Deze bedrijven hebben aangegeven welke onderzoekslijnen bij hen aan bod kunnen komen in een masterproef, die dan verder uitgewerkt kunnen worden indien een student interesse vertoont.

Indien je graag een masterproef doet in samenwerking met een bedrijf uit deze lijst, dan neem je eerst zelf contact op met het bedrijf. Na een positief gesprek kan het masterproefonderwerp door het bedrijf uitgeschreven worden in de template Masterproef. Stuur dit ingevulde document (bij voorkeur een .pdf) naar de coördinator masterproef.

Elk voorstel wordt dan - zoals bij elke andere masterproef - nagekeken door de werkgroep Masterproef en wordt - na aanvaarding - op Plato toegevoegd, voorbehouden voor jou.

Overzicht van bedrijven die graag een masterproef aanbieden

Het staat een student vrij om een bedrijf dat hieronder niet opgelijst wordt te contacteren om tot een geschikt masterproefonderwerp te komen (dat goedgekeurd moet worden door de werkgroep Masterproef van de opleiding). Onderstaande bedrijfslijst moet dus niet als keuze-beperkend gezien worden. Bekijk eventueel het overzicht van IT-bedrijven, die al hebben samengewerkt met de opleiding.

LeapStation - Gent (Ledeberg) - contacteer: Steven Van den Berghe

Korte beschrijving

LeapStation heeft een platform voor multidisciplinaire zorgopvolging (klinisch en psycho-sociaal). Daarbij wordt heel wat data gegenereerd. Een van de elementen die we willen onderzoeken is de automatische detectie van "treatment detachment": patienten/clienten die dreigen tussen de mazen van het net te vallen. Hiervoor willen we allerlei data uit ons platform (bvb. activiteit op het platform, verslagen, ...) gebruiken voor detectie van het "ontbreken" van (inter)activiteit.

Domein: Machine learning, Applicatieontwerp, Databanken

Technologiëen: .NET, Webapps, azure machine learning

Opmerkingen: Bij voorkeur gecombineerd met een stage.

Beaulieu International Group - Waregem - contacteer: Alison Ooghe

Korte beschrijving

• Redesigning Scada Application with Situational Awareness Approach
• Transforming MES blocks to model-driven design
• (Re)designing standard way of developing various applications

Domein: Data processing architectures, Applicatieontwerp, MES

Technologiëen: MES, ARCHESTRA

Datable - Antwerpen - contacteer: Henk Vanstappen

Korte beschrijving

Datable helpt musea en culturele archieven resultaatgericht de creatie, bewaring en gebruik van digitale content en metadata te optimaliseren. Er lopen projecten waarbij we samen met cultuurinstellingen op zoek gaan reël toepasbare use cases rond AI. Focus ligt daarbij op het toegankelijk maken van betrouwbare publieke of instellingsgebonden historische data, zowel in mediabestanden, documenten als gestructureerde (Linked Open) data. Datable ziet momenteel een aantal uitdagingen waarbij afhankelijk van profiel en interesses één of meerdere van volgende aspecten wordt uitgewerkt:

• Architectuur/infrastrucuur: opmaken van een flexibel en schaalbaar (cloud-) architectuurmodel, incl kostenmodellen en juridische aspecten
• Compliance en privacy: maatregelen om misbruik te voorkomen en gevoelige informatie te beschermen
• Data preperation/usage: maatregelen om data-kwaliteit te optimaliseren, Linked Open Data oplossingen, bouwen van interfaces om Ai-uitkomsten te valideren, opzetten van mechanismen voor dynamische interactie met (niet-)gestructureerde (bijv. RAG)
• Fine-tuning/inferencing: optimaliseren van algoritmes, modellen, agents op maat van de betrokken use cases inclusief bijhorende kostenmodellen en juridische bepalingen

Opmerkingen: Datable is op zoek naar jong talent met affiniteit voor kunst, erfgoed of geschiedenis, met een resultaatgerichte, pro-actieve attitude, die niet bang is van uitdagingen, maar voldoende realisme aan de dag legt. De manier waarop je aangestuurd wordt/gecoacht wordt, leggen we samen vast.

Domein: Machine learning, Cloud/edge, Data processing architectures, Applicatieontwerp, Databanken

Technologiëen: REST-webservices, Kubernetes, Docker

Digitmedia - Gent - contacteer: Luc Peeters

Korte beschrijving

Aansturen van het gedrag van NPC's (zeil'bots' die het in een virtuele VR zeilwedstrijd opnemen tegen een echte player) met machine learning, meer bepaald een combinatie van reinforcement learning en imitatio learning. De bots worden getraind in een bestaande VR zeilsimulator (Spatial Sail) voor Meta Quest/Horizon headsets. De imitation learning gebeurt op basis van het spelgedrag van wedstrijdzeilers in de VR zeilsimulator. De zeilsimulator is ontwikkeld in de game engine Unity, voor de machine learning worden Unity tools (Unity ML Agents & Unity Sentis) gebruikt, aangevuld met zelf te schrijven Python code.

Domein: Machine learning, Virtual Reality

Technologiëen: Unity ML Agents / Unity Sentis / Python

Opmerkingen: De student krijgt toegang tot de sourcecode (Unity project) van de bestaande zeilsimulator & kan indien nodig een VR headset gebruiken van Digitmedia (Meta Quest 3). Ook de code van de bestaande multi-player server (voor PC & Mac) kan door de student gebruikt worden.

Mentoring Systems BV - Oostkamp - contacteer: Sabrina Poelvoorde

Korte beschrijving

Het onderwerp is een diepgaande vergelijking van entiteitsherkenningsmodellen en aansluitend LLM-experiment Voor deze masterthesis onderzoek je drie benaderingen voor entiteitsherkenning:

• Google Document AI (huidige oplossing)
• spaCy (Python-pakket)
• Microsoft Layout-XLM (een geavanceerd deep learning-model)

Wat ga je doen?

• Vergelijkende analyse: Onderzoek hoe de drie modellen presteren op het gebied van snelheid, nauwkeurigheid en volledigheid.
• Implementatie: Werk één model (bijvoorbeeld Layout-XLM) volledig uit en voer een diepgaande evaluatie uit.
• Vergelijkingskader opstellen: Definieer meetcriteria en leg uit waarom je deze kiest.
• Rapporteren: Schrijf een uitgebreide masterproef met jouw bevindingen, analyses en conclusies. Extra verdieping met Large Language Models (LLM):

Na het vergelijkend onderzoek krijg je de kans om een extra experiment uit te voeren: LLM-Analyse: Gebruik een Large Language Model (bijvoorbeeld GPT) om zelfstandig entiteitsherkenning uit te voeren op basis van dezelfde dataset. Efficiëntieonderzoek: Analyseer en vergelijk hoe goed het LLM entiteiten herkent in vergelijking met de andere modellen. Conclusies trekken: Beoordeel of LLM's een aanvulling of alternatief kunnen vormen voor traditionele NER-modellen.

We bieden: Wetenschappelijke diepgang in een actueel domein. Innovatieve aanpak met LLM's voor een breder perspectief. Begeleiding van experts op het gebied van AI en NLP.

Domein: Machine learning, gen AI

Technologiëen: Google Document AI (huidige oplossing) spaCy (Python-pakket) Microsoft Layout-XLM (een geavanceerd deep learning-model)

Opmerkingen: De student zal hoofdzakelijk vanuit de home-office werken en heeft dagelijks contact met experten in binnen- en buitenland.

VANDEWIELE - Vandewiele Kortrijk(Marke) - contacteer: Marnix Loncke

Korte beschrijving

Ontwerp van een webapplicatie voor een realistische visuele simulatie van textiel binnen interieur.

Domein: Machine learning, Cybersecurity, Applicatieontwerp

Technologiëen: .NET, Webapps, REST-webservices

VANDEWIELE - Vandewiele Kortrijk(Marke) - contacteer: Marnix Loncke

Korte beschrijving

AI-gestuurde Garenberekeningen voor Textielproductie : Ontwikkeling van een AI-gestuurde berekeningsmethode die de garenconsumptie accuraat kan voorspellen op basis van de machine bitstream-informatie en contextparameters.

Domein: Machine learning, Cybersecurity, Cloud/edge, Data processing architectures, Applicatieontwerp

Technologiëen: .NET, Webapps, REST-webservices

In4Matic - Landegem - contacteer: Maxime Campe

Korte beschrijving

Deze masterproef richt zich op het ontwerpen en implementeren van een geautomatiseerde dashboardingoplossing met data uit een CRM-systeem. Het doel is om manuele borden te vervangen door elektronische displays en een video-wall met realtime dataweergave. De analyse omvat de integratie van CRM-data, de technische setup en optimalisatie van de dashboards met aandacht voor energie-efficiëntie, gebruiksvriendelijkheid...

Domein: Cloud/edge, Applicatieontwerp, Databanken

Technologiëen: .NET, Webapps, REST-webservices, C#, Node.js, Angular, React, Power BI, MS SQL, Raspberry Pi, WebSockets

ARDIS NV - Aalter - contacteer: Pieter Vandamme

Korte beschrijving

ML-Driven Time Prediction for Enhanced MES Planning: ARDIS PERFORM is an innovative MES system where precise time tracking and scheduling are key to efficiency. In this dissertation, you will have the opportunity to design and train a custom machine learning model using Python and an ML framework like TensorFlow or PyTorch to predict processing times based on real-world manufacturing data. This project challenges you to develop cutting-edge AI algorithms that learn from niche-specific parameters-such as machine brand and part dimensions-while ensuring high accuracy and adaptability. You'll also tackle real-world integration challenges, optimizing performance, scalability, and interpretability in a dynamic MES environment. If you're passionate about AI, machine learning, and solving complex industrial challenges, this project offers the perfect blend of research, innovation, and practical impact.

Domein: Machine learning

Technologiëen: Python en ML Framer

ARDIS - Aalter - contacteer: Pieter Vandamme

Korte beschrijving

Beyond Search: An AI Chatbot for Knowledge, Insights, and Actions: As ARDIS continues to grow, so does the need for smarter documentation and internal support tools. This dissertation offers the exciting opportunity to develop an AI-powered chatbot, similar to ChatGPT, that serves as a highly trained virtual assistant for employees. Using Python and a framework like LangChain or OpenAI's API, you'll design a system that retrieves and structures information from sources such as our documentation wiki and CRM. The challenge lies in handling vast amounts of data in different formats, languages, and quality levels while ensuring accurate, context-aware responses. If you're interested in AI, natural language processing, and building intelligent assistants that enhance knowledge accessibility, this project is the perfect chance to apply cutting-edge technology to real-world business needs.

Domein: Machine learning

Technologiëen: Python

Actemium - Aalter - contacteer: Alundra Decraemer

Korte beschrijving

Veel bedrijven kampen met tijdrovende en foutgevoelige processen bij het opstellen van offertes en contracten. Deze documenten worden vaak handmatig gemaakt, wat niet alleen arbeidsintensief is, maar ook het risico vergroot dat cruciale details over het hoofd worden gezien. Daarnaast is het voor nieuwe medewerkers in de supportafdeling een uitdaging om zich snel in te werken, omdat de benodigde kennis verspreid ligt over interventieverslagen en ervaring van senior medewerkers.

Domein: Machine learning, AI

Technologiëen: NLP (Natural Language Processing & RAG (Retrieval-Augmented Generation

Opmerkingen: We kunnen het onderwerp voor de masterproef zeker ook bezorgen.

Actemium - Aalter - contacteer: Alundra Decraemer

Korte beschrijving

Actemium is een bedrijf dat zich richt op het ontwikkelen van eigen MES software of het implementeren van bestaande MES software pakketten. Een belangrijke vraag die we ons stellen is: Hoe kan het gebruik van een software applicatie worden geanalyseerd om conclusies te trekken over het gedrag van een operator en de bruikbaarheid van de software te verbeteren?

Domein: Machine learning, Data processing architectures

Technologiëen: Data anlyse & Python

Opmerkingen: We kunnen het onderwerp voor de masterproef zeker ook bezorgen.

Actemium - Aalter - contacteer: Eleonore Toye

Korte beschrijving

Actemium Agri Aalter ontwikkelt een eigen APS (Advanced Production Scheduling) solution. In APS worden productieorders aangemaakt op basis van traditionele MRP logica (Material Requirement Planning). Hierbij is het nodig om voor stockproducten een minimum en maximum stock niveau aan te geven. Het bepalen en onderhouden van optimale stockniveau's, die nodig zijn voor traditionele MRP logica, is een tijdrovend process. Daarom kijken we naar DDMRP (Demand-Driven Material Requirements Planning) dat op basis van historische data de optimale stockniveau's voor halffabrikaten en eindproducten bepaalt.

Domein: Data processing architectures, Applicatieontwerp

Technologiëen: C++, Python

Opmerkingen: We kunnen het onderwerp voor de masterproef zeker ook bezorgen.

Actemium - Aalter - contacteer: Eleonore Toye

Korte beschrijving

Momenteel maakt Libra QC gebruik van traditionele methoden voor kwaliteitscontrole die voornamelijk reactief zijn. In de huidige werkwijze worden monsterplannen en controleplannen handmatig opgesteld. Dit houdt in dat kwaliteitscontroleurs op basis van hun ervaring en vaste schema's bepalen wanneer monsters moeten worden genomen en welke testen moeten worden uitgevoerd. Deze aanpak heeft verschillende nadelen:

• Tijdrovend en arbeidsintensief: Het handmatig opstellen en bijhouden van monsterplannen en controleplannen kost veel tijd en moeite.
• Variabiliteit in testen: Vooraf gemaakte risico-inschattingen kunnen resulteren in te veel of te weinig testen, afhankelijk van de omstandigheden. Dit kan leiden tot onnodige kosten of onvoldoende kwaliteitscontrole. Domein: Machine learning, Data processing architectures

Technologiëen: .NET, Angular

Opmerkingen: We kunnen het onderwerp voor de masterproef zeker ook bezorgen.

Actemium - Merelbeke - contacteer: Lene Coeman

Korte beschrijving

Implementatie van Cybersecurity Awareness in OT; Het effect van Gamification in de industriële omgeving

Domein: Machine learning, Cybersecurity, Gamification

Technologiëen: Webapps

Actemium - Aalter - contacteer: Alundra Decraemer

Korte beschrijving

Het doel van deze masterproef is om te onderzoeken hoe gamification kan worden toegepast binnen Manufacturing Operations Management (MOM) om productiviteit en werktevredenheid te verhogen. Dit onderzoek richt zich op het identificeren van effectieve gamification technieken en hun impact op kwaliteitscontrole, motivatie, veiligheidstrainingen, onderhoud en lean manufacturing. Daarnaast wordt onderzocht hoe AI en data-analyse kunnen bijdragen aan een geoptimaliseerde gamification ervaring binnen een industriële omgeving.

Domein: Applicatieontwerp, Databanken

Technologiëen: Gamification frameworks (Octalysus, Microsoft PlayFab) & MES/MOM software (Siemens, eigen inhouse software)

Opmerkingen: We kunnen het onderwerp voor de masterproef zeker ook bezorgen.

Actemium - Aalter - contacteer: Alundra Decraemer

Korte beschrijving

Voedingsproducenten staan vandaag voor enorme uitdagingen in een wereld die continu verandert. Door een soms beperkte beschikbaarheid aan grondstoffen en hoge grondstofprijzen zijn producenten genoodzaakt om op zoek te gaan naar alternatieven. Bovendien zorgen fluctuaties in energievraag en -aanbod ervoor dat bedrijven de beschikbare resources optimaal moeten benutten. De eindkwaliteit van het product dat op de markt wordt gezet, dient echter steeds constant te zijn. Voedingsproducenten willen daarom hun productieproces optimaliseren zodat er slimmere keuzes kunnen gemaakt worden en kan omgegaan worden met de aanwezige variabiliteit.

Domein: Data processing architectures, Databanken

Technologiëen: Python & Historian

Opmerkingen: We kunnen het onderwerp voor de masterproef zeker ook bezorgen.

ROOV - Sint-Martens-Latem - contacteer: Christophe Verstreken

Korte beschrijving

Data science gebruiken om kwetsbare personen te beschermen tegen fraude en schriftvervalsing - Java, Python, Data science modules (in overleg te bepalen)

Domein: Machine learning, Applicatieontwerp

Technologiëen: Java, REST-webservices

BESTMIX Software - Maldegem - contacteer: Heyneman Matthias

Korte beschrijving

• User Behavior Analysis: Onderzoek hoe gebruikers software gebruiken en waar ze vastlopen. Door gedragsdata te verzamelen en analyseren, kan een virtuele assistent proactief ondersteuning bieden.
• Finetuning a LLM: Finetune een bestaand Large Language Model om domeinspecifieke vragen van softwaregebruikers te beantwoorden. Door aangepaste trainingsdata te gebruiken, leert het model om accuraat te reageren.
• Retrieval-Augmented Generation: Ontwikkel een AI-assistent die naast LLM-kennis ook relevante informatie uit documentatie of databases haalt. Hierdoor worden antwoorden accurater en specifieker.

Technologieën: LLM, Machine learning, Phyton

Domein: Machine learning

Technologiëen: Docker, Python

Vintecc - Roeselare - contacteer: Thibaud Claeys

Korte beschrijving

1. Using Knowledge Graphs to Model Energy Assets and Energy Management for Industrial Companies This master's thesis explores the use of Knowledge Graphs (KGs) to optimize energy management in industrial environments. By modeling energy sources, assets, and operational data, KGs can facilitate the integration of IoT sensors, smart grids, and renewable energy sources, leading to improved efficiency and cost reduction. The study includes designing a KG framework, developing optimization algorithms, and creating a decision support system to enhance real-time energy management and predictive maintenance.
2. Schaalbaar testframework voor Matlab/Simulink modellen Deze thesis richt zich op het ontwikkelen van een flexibel testframework waarmee de correctheid van bibliotheekfuncties efficiënt geverifieerd kan worden. Belangrijke doelstellingen zijn: Opzetten van een schaalbare testomgeving in Matlab/Simulink. Automatiseren van tests met Functional Mock-up Units (FMU's) om simulaties sneller en onafhankelijk van Matlab uit te voeren. Efficiënte testuitbreiding voor toekomstige ontwikkelingen en veranderende eisen.
3. Versnelling van Simulaties met Reduced Order Modelling Bij modelgebaseerde softwareontwikkeling worden fysieke systemen gesimuleerd om besturingssoftware te testen. High-fidelity simulaties vergen echter veel rekenkracht en tijd. Deze thesis onderzoekt hoe Reduced Order Modelling (ROM) en fysisch geïnformeerde neurale netwerken (PINN) de simulatiesnelheid kunnen verhogen zonder significant nauwkeurigheidsverlies.
4. Trajectoptimalisatie voor garenspanningscontrole bij het weven van composietmaterialen Deze thesis richt zich op het ontwikkelen van een real-time algoritme dat op basis van de buffercurve de feedforward-curve van zowel de bufferarm als de bobijn gecombineerd optimaliseert. Het doel is acceleratie- en koppelpieken te minimaliseren, terwijl aan alle weefbeperkingen wordt voldaan.
5. Carrier board independent minimal Yocto build for the Jetson Orin NX System-on-Module Many carrier boards lack official Yocto BSP layers, making it difficult to integrate them with BalenaOS. This research aims to develop a minimal Yocto build for the Jetson Orin NX System-on-Module (SoM) that can boot independently of specific carrier boards. It will explore whether simply adding the correct Device Tree Blob (DTB) enables full peripheral support and how to determine necessary kernel modules using vendor-provided OS data. The ultimate goal is to create a flexible, modular, and well-documented Yocto-based system that simplifies carrier board integration for developers.
6. Semi-Supervised learning (SSL) framework for object detection Object detection is a fundamental task in computer vision, but traditional supervised learning requires large annotated datasets, which can be costly and impractical. This master thesis focuses on leveraging semi-supervised learning techniques, such as self-training and pseudo-labeling, to improve object detection by utilizing both labeled and unlabeled data. The project will involve implementing and benchmarking semi-supervised object detection models using PyTorch, with real-world datasets provided for evaluation. Additionally, the research will explore instance segmentation applications within the semi-supervised learning framework.

Domein: Machine learning, Cloud/edge, Computer vision, mechatronics, autonomous

Technologiëen: C++, python

Televic Education - Izegem - contacteer: Veerle Mestdagh

Korte beschrijving

1. AI-Driven Scaling of Cloud Infrastructure for a Digital Exam Platform
2. Automating Impact Analysis for Targeted Software Testing
3. Create Exam Question Variants with AI

Domein: Machine learning, Cloud/edge, Data processing architectures, Applicatieontwerp, Databanken, NLP, LLM

Technologiëen: .NET, REST-webservices, Angular, Python

Vintecc - Roeselare/Gent - contacteer: Thibaud Claeys

Korte beschrijving

Schaalbaar testframework voor Matlab/Simulink modellen Bij de ontwikkeling van autonome systemen met Matlab/Simulink worden vaak herbruikbare bibliotheken gebruikt om efficiënter te werken. Deze bibliotheken bevatten essentiële functies zoals bewegingsbesturing en sensorverwerking, maar groeien al snel in complexiteit. Om stabiliteit te waarborgen en foutloze integratie in projecten mogelijk te maken, is een robuust en schaalbaar testframework noodzakelijk.
Deze thesis richt zich op het ontwikkelen van een flexibel testframework waarmee de correctheid van bibliotheekfuncties efficiënt geverifieerd kan worden.

Belangrijke doelstellingen zijn:

• Opzetten van een schaalbare testomgeving in Matlab/Simulink.
• Automatiseren van tests met Functional Mock-up Units (FMU's) om simulaties sneller en onafhankelijk van Matlab uit te voeren.
• Efficiënte testuitbreiding voor toekomstige ontwikkelingen en veranderende eisen.

Dit project legt de basis voor een duurzaam en herbruikbaar testproces, waarmee de betrouwbaarheid en stabiliteit van Matlab/Simulink-bibliotheken op lange termijn wordt gegarandeerd.

Domein: Unite testing, state machines, code generation, SIL/PIL testing, CI/CD, FMU

Technologiëen: Matlab/Simulink