Software Engineering Seminar
Der Lehrstuhl SEDA betreut im Wintersemester 2021/22 das gemeinsame Software Engineering Seminar für Bachelor- und Masterstudenten. Das Ziel des Seminars ist die Einführung in das kritische Lesen, Verstehen, Zusammenfassen und Präsentieren von wissenschaftlichen Arbeiten. Inhalte sind ausgewählte Themen aus dem Bereich Software und Systems Engineering, insbesondere:
- Systems Engineering for Cyber-Physical Systems
- Safety, Security, Reliability and Availability
- Risk-Assessment and -Minimization
- Model-Based Safety Analysis
Aktuelles und Mitteilungen
02.09.2021 | Die Anmeldung ist absofort möglich. Weitere Informationen sind unten im Abschnitt Anmeldung zu finden. |
---|
Die Zahl der Teilnehmer ist größer als die Zahl der verfügbaren Themen. Wir bitten Sie daher, auch in anderen Lehrstühlen nach Seminaren zu suchen.
Anmeldung
Die Anmeldung erfolgt mit einer kurzen E-Mail mit nachfolgenden Angaben.
- Name, Matrikelnummer
- Studiengang
- Bachelor oder Master
Die Anmeldefrist ist der 04.10.2021. Eine endgültige Zusage, wer am Seminar teilnehmen kann, können wir erst im Anschluss an die Anmeldefrist geben. In der Regel gibt es mehr Anmeldungen als verfügbare Themen, weshalb die freien Plätze ggf. ausgelost werden müssen.
Hinweis:- Aufgrund der großen Zahl von Teilnehmern in diesem Sommersemester können wir nicht für alle Teilnehmer Seminarthemen anbieten. Wir können nur Themen nach dem Prinzip "first come, first served" anbieten.
Zeitplan
Kick-Off Treffen | 25.10.2021 (Video Lecture Link + Slides ) |
Annotiertes Inhaltsverzeichnis | 29.11.2021 |
Erste Version der Ausarbeitung | 17.01.2022 |
Finale Version der Ausarbeitung | 14.02.2022 |
Abschlusspräsentationen | noch nicht festgelegt |
Beim Kick-Off Treffen wird die Organisation des Seminars besprochen und der Kontakt zu den Betreuern aufgenommen. Nach einigen Wochen Einarbeitungszeit ist von den Teilnehmern ein Inhaltsverzeichnis mit einigen Stichpunkten zu den geplanten Inhalten der Arbeit zu erstellen. Im Folgenden erstellen alle Teilnehmer eine schriftliche Ausarbeitung zu ihrem Thema. Die Arbeiten sollten in regelmäßigen Treffen mit den Betreuern besprochen werden. Die erste Version der schriftlichen Ausarbeitung soll bis Mitte Januar fertiggestellt sein und dient als Grundlage für abschließendes Feedback durch die Betreuer. Die endgültige Fassung der Arbeit ist bis Anfang Februar fertigzustellen. Zuletzt werden die Arbeiten bei einem abschließenden Treffen präsentiert.
Material
Das Seminar wird auf Englisch angeboten. Bachelor-Studenten können zwischen Deutsch und Englisch wählen.
Schriftliche Ausarbeitung
Für die schriftliche Ausarbeitung ist die angepasste LNCS-Vorlage zu verwenden. Der Umfang sollte ca. 10 Seiten für Bachelor-Studenten bzw. ca. 15 Seiten für Master-Studenten betragen (exkl. Abbildungen).
Abschlusspräsentation
Für die Präsentationen stellen wir Vorlagen für PowerPoint, LibreOffice und LaTeX bereit. Die Vortragsdauer bitte aus der obigen Planung entnehmen.
Organisatoren
- Dozent: Prof. Dr.-Ing. Peter Liggesmeyer
- Betreuung und Ansprechpartner: Anil Patel
Präsentationen
Team | Betreuer | Student | Datum | Start | Ende | Titel |
T1 | Anil Patel | Ashadul Hoque Jahin | 07. Mrz | 12:05 | 12:25 | Adaptation techniques in Self-Adaptive Systems |
Mohammad Shah Sifat | ||||||
Sajid Sarker | ||||||
T2 | Anil Patel | Urooj Iltifat | 12:25 | 12:45 | Comparative study of AI-based Dynamic Risk Assessment | |
Sara Kazmi | ||||||
T3 | Felix Möhrle | Abu Shaif Khan | 12:45 | 13:05 | Methods for evaluating user acceptance of Digital Farming solutions | |
Abhijit Mondal Abhi | ||||||
Md Ashraful Islam | ||||||
T5 | Felix Möhrle | Mirza Yaser Baig | 13:05 | 13:25 | Software Engineering Standards | |
Shabi Haider turabi | ||||||
Ahmed Usman Cheema | ||||||
T6 | Marc Favier | Muhammad Auwal Abubakar | 13:25 | 13:45 | Communities of Practice for End User Acceptance in Agriculture | |
Patience Awadzi Angbas | ||||||
T7 | Marc Favier | Mario Norbert Biedenbach | 13:45 | 14:05 | Interoperability of Digital Farming Solutions in Livestock Farming | |
Darshan Sannamuddaiah | ||||||
T8 | Marc Favier | Tobias Widmann | 02. Mrz | 12:05 | 12:25 | Data Management: Ensuring Traceability Along the Value Chain |
Florian Weick | ||||||
T9 | Rasha Abu Qasem | Sylvania Murielle Fannang Mbiedou | 12:25 | 12:45 | Digitization, digitalization and digital transformation: what is the difference | |
Aurelle Daine Pellahe Wafo | ||||||
Dhruvil Patel | ||||||
T11 | Christian Wolschke | Florent Tandjune Tamoyem | 12:45 | 13:05 | Classification of traffic situations for autonomous driving | |
Merveille Kana Tsopze Mafo | ||||||
T12 | Nishanth Laxman | Michael Youssef | 13:05 | 13:25 | Influence of runtime reasoning aspects on runtime safety assurance | |
Ahmad Hussein Rezae | ||||||
T13 | Nishanth Laxman | Ashwini Bysaravalli Ananda Murthy | 13:25 | 13:45 | Uncertainties in machine learning algorithms for safety critical applications | |
Pooja Gopalkrishna Prabhu |
Themenübersicht
Hinweis: Durch Klicken auf ein Thema wird die Detailansicht geöffnet.
Abhängig von den Betreuern können nicht alle Themen in allen Sprachen bearbeitet werden. Bei einigen Themen ist Gruppenarbeit möglich.
Beschreibung :
A self-adaptive system (SAS) is capable of adjusting its own behavior in response to any change in its operating environment. It is able to automatically adapt at runtime by adjusting its own parameters or components of the system in order to cope with the dynamic surrounding environment. However, adaptation actions should be identified as per the particular change in the environment, i.e. “What kind of change is required?”. The aim of this literature study is to address the scope of dynamic integration of the new parameter or new component at runtime in SAS. The following set of questions is essential to fulfilling this literature study.
• Which adaptation techniques are better?
• How much reliable and safe it is?
• Is it feasible to implement combination of techniques in SAS?
• What are the impacts and cost factors?
• How to increase the performance of the SAS with adaptation techniques?
Literatur :
- Salehie, M., & Tahvildari, L. (2009). Self-adaptive software: Landscape and research challenges. ACM transactions on autonomous and adaptive systems (TAAS), 4(2), 14.
- Krupitzer, C., Breitbach, M., Roth, F. M., VanSyckel, S., Schiele, G., & Becker, C. (2018). A survey on engineering approaches for self-adaptive systems (extended version).
- Handte, M., Schiele, G., Matjuntke, V., Becker, C., & Marrón, P. J. (2012). 3PC: System support for adaptive peer-to-peer pervasive computing. ACM Transactions on Autonomous and Adaptive Systems (TAAS), 7(1), 1-19.
- McKinley, P. K., Sadjadi, S. M., Kasten, E. P., & Cheng, B. H. (2004). Composing adaptive software. Computer, 37(7), 56-64.
- Epifani, I., Ghezzi, C., Mirandola, R., & Tamburrelli, G. (2009, May). Model evolution by run-time parameter adaptation. In 2009 IEEE 31st International Conference on Software Engineering (pp. 111-121). IEEE.
- Weyns, D., Schmerl, B., Grassi, V., Malek, S., Mirandola, R., Prehofer, C., & Göschka, K. M. (2013). On patterns for decentralized control in self-adaptive systems. In Software Engineering for Self-Adaptive Systems II (pp. 76-107). Springer, Berlin, Heidelberg.
Betreuer:
Anil Patel
Beschreibung :
Advancement of technology and their impact on the real-world can be assessed by how safe it is. It is a primary role of a safety engineer to assess the risk via a process relevant data and learning from past lessons. Due to advanced and autonomous technology, a study for continuous and dynamic risk assessment is required. Aim of this literature study is to address the dynamics of risk and AI-based assessment techniques. The following set of questions is essential to fulfilling this literature study.
• What are the dynamics of risk?
• Which quantitative/qualitative risk assessment techniques are available?
• How AI-based risk analysis is feasible?
• What is the impact of human factors on AI-based risk assessment?
• Which AI-techniques can be useful for risk assessment?
Literatur :
- Hegde, J., & Rokseth, B. (2020). Applications of machine learning methods for engineering risk assessment–A review. Safety science, 122, 104492.
- Paltrinieri, N., Comfort, L., & Reniers, G. (2019). Learning about risk: Machine learning for risk assessment. Safety science, 118, 475-486.
- Apostolakis, G. E. (2004). How useful is quantitative risk assessment? Risk Analysis: An International Journal, 24(3), 515-520.
- Aven, T., & Krohn, B. S. (2014). A new perspective on how to understand, assess and manage risk and the unforeseen. Reliability Engineering & System Safety, 121, 1-10.
- Villa, V., Paltrinieri, N., Khan, F., & Cozzani, V. (2016). Towards dynamic risk analysis: A review of the risk assessment approach and its limitations in the chemical process industry. Safety science, 89, 77-93.
- Adedigba, S. A., Khan, F., & Yang, M. (2017). Dynamic failure analysis of process systems using neural networks. Process Safety and Environmental Protection, 111, 529-543.
- Rausand, M. (2013). Risk assessment: theory, methods, and applications (Vol. 115). John Wiley & Sons.
Betreuer:
Anil Patel
Beschreibung :
The aim is to investigate which methods exist to evaluate the end-user acceptance of Digital Farming solutions and what the results of these methods are.
Literatur :
Literature will be provided
Betreuer:
Felix Möhrle
Beschreibung :
The aim is to research what systems exist to connect different Digital Farming solutions (e.g. from different manufacturers) in arable farming. Examples are Agrirouter and Nevonex.
Literatur :
Literature will be provided
Betreuer:
Felix Möhrle
Beschreibung :
The aim is to investigate which methods exist to evaluate the end-user acceptance of Digital Farming solutions and what the results of these methods are.
Literatur :
Literature will be provided
Betreuer:
Felix Möhrle
Beschreibung :
The aim is to investigate what communities of practice exist in the agricultural sector that can be used, for example, to evaluate the end-user acceptance of products.
Literatur :
Literature will be provided
Betreuer:
Marc Favier
Beschreibung :
The aim is to investigate what communities of practice exist in the agricultural sector that can be used, for example, to evaluate the end-user acceptance of products.
Literatur :
Literature will be provided
Betreuer:
Marc Favier
Beschreibung :
The goal is to investigate what data management solutions exist to ensure product traceability in the food and wine industry. Blockchain is one example, but others will be explored as well.
Literatur :
Literature will be provided
Betreuer:
Marc Favier
Beschreibung :
We hear today a lot of confusing terms such as digitization, digitalization, and digital transformation. All of them emphasize the importance of bringing technology into the business, health, and education sectors. But what should be done? When? and how? The difference between these terms is not clear.
In this topic, you need to sketch a proper definition for these seemingly identical terms and to find the fine thread that draws the boundaries between them. Examples or use cases from different application domains would enrich your claims!.
Literatur :
- Digitalization, Digitization, and Innovation
- Digitization, Digitalization, And Digital Transformation: Confuse Them At Your Peril
- Automation, digitization and digitalization and their implications for manufacturing processes
Betreuer:
Rasha Abu Qasem
Beschreibung :
Multi-criteria Decision Analysis (MCDA) is a method developed in operations research that is used often in the context of decision making. The Decision-making process is complex in nature. It uses a set of evaluation criteria and constraints to generate a set of optimized alternative decisions. It is required that the evaluation criteria and constraints are well defined from the beginning and have a clear expected range of values. But in real-life application, a lot of uncertainty is involved in the process.
Your work on this topic is to:
- investigate how the uncertainty in defining the evaluation criteria and constraints would affect the quality of the set of the generated alternative decisions.
- show how uncertainty can be integrated into MCDA method.
Literatur :
Dealing with Uncertainties in multi-criteria decision analysis
Betreuer:
Rasha Abu Qasem
Beschreibung :
For testing autonomous vehicles, it is required to capture driving situations and maneuver in real world. This seminar work should examine how situations and maneuvers are identified automatically. The focus should be on the unsupervised learning by using auto-encoders.
Literatur :
- https://ieeexplore.ieee.org/stamp/stamp.jsp?tp=&arnumber=8594386
- https://ieeexplore.ieee.org/abstract/document/8995532
- https://ieeexplore.ieee.org/abstract/document/8500529
- https://link.springer.com/chapter/10.1007/978-3-030-22734-0_23
- https://www.researchgate.net/profile/Loic-Giraldi/publication/349560644_Autonomous_Driving_Validation_with_Model-Based_Dictionary_Clustering/links/606c4cee299bf13f5d5e3c7c/Autonomous-Driving-Validation-with-Model-Based-Dictionary-Clustering.pdf
- https://ieeexplore.ieee.org/abstract/document/8917326
- https://arxiv.org/abs/2103.16101
- https://ieeexplore.ieee.org/abstract/document/9286482
- ieeexplore.ieee.org/abstract/document/9512929
- https://www.mdpi.com/2076-3417/10/19/6739
- https://journals.sagepub.com/doi/full/10.1177/0361198120922210
- General (not autonomous driving related):
Betreuer:
Christian Wolschke
Beschreibung :
Reasoning is the act of thinking about something in a logical and sensible way. Such reasoning aspects are of highly employed during design stages of systems engineering., however with the ever-changing topology of cyber physical systems, the need for runtime reasoning is slowly gathering pace and especially in the field of runtime safety assurance. It will be interesting to know different perspectives of runtime reasoning and their respective goals.
The work will comprise of SLR of runtime reasoning methods presently being researched upon, followed by a qualitative evaluation of how they can influence runtime safety assurance.
Literatur :
Literature will be provided
Betreuer:
Nishanth Laxman
Beschreibung :
Machine learning (ML) algorithms are increasingly being used in data-driven approaches for systems development. Their venture into safety-critical application domains like autonomous driving, Industry 4.0, smart grid, etc. is of particular relevance. Unlike established safety-critical components, outcomes of components containing models based on ML algorithms, can neither be proven nor assumed to be correct in any situation. ML based components which are being used for runtime applications like detection and decision making are often subject to various uncertainties which in-turn might affect safety assurance. It will be vital to gather information on different possible uncertainties which arise because of using these ML based components.
The work will comprise of SLR of uncertainties in ML algorithms used in safety critical applications, followed by creation of a classification of these uncertainties.
Literatur :
Literature will be provided
Betreuer:
Nishanth Laxman
Themenauswahl
Um euch für Seminarthemen zu bewerben, geht bitte wie folgt vor:
- Wählt in der obigen Liste Themen aus, die ihr gerne bearbeiten möchtet. Wir empfehlen euch, mehr als ein Thema zu wählen, da nicht jeder sein Wunschthema bearbeiten kann. Die Auswahl mehrerer Themen erhöht eure Chance, ein Thema zu erhalten.
Ordnet eure Auswahl absteigend nach Priorität, wie im folgenden Beispiel gezeigt: T5 > T8 > T14
Hier ist das Thema T5 die erste Wahl, T8 die zweite Wahl und T14 die dritte Wahl. Ihr könnt beliebig viele Themen auflisten.
- Optional: Wenn bei einem oder mehreren eurer Themen Gruppenarbeit möglich ist und ihr bereits Kommilitonen kennt, mit denen ihr gerne zusammenarbeiten möchtet, dann teilt uns das bitte mit.
Listet dazu in einer zweiten Zeile die Namen eurer Kommilitonen auf, wie im folgenden Beispiel gezeigt: Name1, Name2
Diese Information ist unabhängig von eurer Themenwahl aus Schritt 1. Es genügt, wenn sich eure genannten Kommilitonen auf ein gleiches Thema bewerben wie ihr. Unser Algorithmus formt Gruppen bevorzugt aus Studierenden, die sich untereinander kennen. Ihr könnt euch aber auch allein für Themen mit Gruppenarbeit bewerben und werdet dann ggf. zufällig mit anderen Studierenden zusammengewürfelt.
- Teilt uns bitte mit, ob ihr für das Seminar eine Note braucht. Klärt diese Frage im Zweifelsfall mit eurem zuständigen Prüfungsamt. Die meisten Studierenden erhalten in der Regel nur einen unbenoteten Schein. Note: nein
Schickt uns diese Informationen in einer kurzen E-Mail bis Fr, 15.10.2021 um 12 Uhr. Wir werden unser Bestes tun, um so viele von euch unterzubringen wie möglich.