Job

Stage | Engagement planning met machine learning algoritmes

Red jij onze marineschepen van mogelijke aanvallen? Bepaal met ML algoritmes hoe je de eigen wapensystemen en sensoren zo effectief en efficiënt mogelijk inzet tegen een aanval van meerdere kanten.

Locatie

Den Haag

Opleidingsniveau

wo

Type

Stage en afstuderen

Uren per week

Fulltime – 40

Geïnteresseerd?

Nu solliciteren

Solliciteer

Wat ga je doen?

Een schip van de Nederlandse Marine kan aangevallen worden door vliegende dreigingen (raketten, vliegtuigen) en dreigingen op het water (speedboten, waterscooters). Het is mogelijk dat meerdere dreigingen tegelijk een schip aanvallen.

Verdediging van het schip
Tegen zo’n aanval kan het schip zich verdedigen met verschillende sensor- en wapensystemen. Sensorsystemen moeten de dreiging waarnemen. Wapensystemen moeten vervolgens de dreiging uitschakelen of misleiden, waarbij sensorsystemen eventueel voor ondersteuning moeten zorgen.

Wapensystemen die de dreiging kunnen uitschakelen zijn bijvoorbeeld (eigen) raketten of kanonsystemen. Dit worden hard kill systemen genoemd. Wapensystemen die de dreiging kunnen misleiden zijn bijvoorbeeld decoys/nepdoelen. Dit worden soft kill systemen genoemd.

Elk wapensysteem heeft eigen karakteristieken, zoals minimum en maximum bereik en de kans om een dreiging uit te schakelen. Deze kans hangt onder andere af van het type dreiging, de onderscheppingsafstand en het ondersteunende sensorsysteem.

Engagement plan
Wanneer een aanval van een aantal dreigingen plaatsvindt, moet een engagement plan worden opgesteld. Per dreiging moeten een of meerdere engagements door hard kill en/of soft kill wapensystemen worden ingepland, opdat de overlevingskans van het schip zo groot mogelijk is. Daarbij moet rekening gehouden worden met de bezetting van de systemen en het gebruik van munitie.

Als een tweede geplande engagement tegen een dreiging pas hoeft te starten nadat de eerste geplande engagement afgelopen is, hoeft de tweede engagement niet uitgevoerd te worden als de eerste succesvol blijkt. Dit kan bezetting van systemen en munitie besparen. Soms is dit echter niet mogelijk, vooral bij hele snelle dreigingen.

Als twee engagements tegen dezelfde dreiging tegelijk plaatsvinden kan dit extra effectief zijn, maar het kan ook nadelige gevolgen hebben. Het moet vermeden worden dat de effectiviteit van de zelfverdediging negatief beïnvloed wordt.

Probleemstelling
Bepaal per dreiging een of meerdere engagements, waarbij je per engagement onder andere bepaalt:
  • Welk wapensysteem wordt ingezet? Initieel wordt alleen naar hard kill wapen systemen gekeken, maar een uitbreiding naar soft kill moet mogelijk zijn binnen de oplossing.
  • Wat is het inzettijdstip?
  • Met welk sensorsysteem (indien noodzakelijk) wordt het engagement ondersteund?
Hierbij moeten onder andere de volgende aspecten geoptimaliseerd worden, waarbij elk optimalisatiecriterium zijn eigen instelbare gewicht heeft:
  • Maximaliseer het verwachte aantal uitgeschakelde dreigingen.
  • Beperk het verwachte munitieverbruik.
  • Beperk de bezetting/belasting van wapen- en sensorsystemen (zodat er ook ruimte is voor eventuele toekomstige dreigingen).
Belangrijke randvoorwaarden zijn:
  • Wapen- en sensorsystemen mogen niet overbelast worden.
  • De rekentijd van het te ontwikkelen optimalisatie-algoritme moet beperkt zijn tot slechts enkele seconden.
Technieken
Binnen het afstudeerproject moet gekeken worden of het beschreven probleem kan worden opgelost door middel van AI en een specifiek type Machine Learning algoritme, zoals Alpha go (zero). Hiermee is de keuze in oplossingsrichtingen bewust beperkt. Een mogelijke uitkomst van het onderzoek is dat dit probleem ongeschikt is om op deze manier op te lossen.

Wat vragen wij van jou?

We zoeken een enthousiaste WO-afstudeerder in operations research, kunstmatige intelligentie, informatica, wiskunde of andere relevante opleidingen. Je hebt ervaring met AI / ML algoritmes, kunt overweg met Java en/of Python en bent bereid om voor Defensie onderzoek te doen. De stage duurt tussen de 6 en 9 maanden.

Wat mag je van je werkomgeving verwachten?

TNO is een onafhankelijke onderzoeksorganisatie met zo’n 3000 medewerkers en werkt voor uiteenlopende opdrachtgevers: overheden, het mkb, grote bedrijven, dienstverleners en maatschappelijke organisaties.
De afdeling Military operations heeft ongeveer 65 werknemers met een zeer diverse achtergrond: wiskunde, technische bestuurskunde, econometrie, lucht- en ruimtevaarttechniek, en nog veel meer. We delen een passie voor toegepast onderzoek in het veiligheidsdomein, dat we veelal uitvoeren in multidisciplinaire projectteams.

Een stage geeft de mogelijkheid om een kijkje te nemen bij wellicht jouw toekomstige werkgever. TNO gaat daarin een stap verder. Je neemt niet alleen een kijkje, jij en jouw kennis zijn essentieel voor onze innovaties. Uiteraard word je goed begeleid tijdens je stage en tegelijkertijd geven we je de ruimte om jezelf te ontplooien, bijvoorbeeld door de organisatie en onze werkzaamheden te leren kennen. Vanzelfsprekend bieden we je een passende stagevergoeding aan.

Indien passend bij de nationale en regionale richtlijnen rondom COVID-19, bieden we je mogelijkheid om op onze locatie in Den Haag te werken. Waar dat niet passend is, maken we het zo makkelijk en waardevol mogelijk om je stage op afstand te doen.

Wat kan TNO je bieden?

Jij wilt werken aan de voorloper van jouw carrière. Een stage geeft de mogelijkheid om een kijkje te nemen bij wellicht jouw toekomstige werkgever. TNO gaat daarin een stap verder. Je neemt niet alleen een kijkje, jij en jouw kennis zijn essentieel voor onze innovaties. We hechten daarom veel waarde aan jouw persoonlijke en professionele ontwikkeling.
Uiteraard word je goed begeleid tijdens je stage, tegelijkertijd geven we je de ruimte om jezelf te ontplooien. Vanzelfsprekend bieden we je een passende stagevergoeding aan.

Hoe ziet het proces eruit?

Voor deze vacature is het noodzakelijk dat de AIVD een VGB afgeeft na het uitvoeren van een veiligheidsonderzoek. Kijk voor meer informatie op de website van de AIVD.

Heeft deze vacature iets bij je los gemaakt?

Dan zie ik je sollicitatie graag tegemoet! Mocht je nog vragen hebben dan kun je contact met ons opnemen.

Studenten die niet woonachtig zijn in Nederland kunnen, vanwege Covid-19 en de daaruit voortvloeiende onzekerheid en restricties, op dit moment mogelijk niet aan een stage- of afstudeerplek bij TNO beginnen. 


Contactpersoon: Lotte Konings
Telefoonnummer: +31 (0)88-86 62259



Acquisitie naar aanleiding van deze vacature wordt niet op prijs gesteld.

Geïnteresseerd?

Nu solliciteren

Solliciteer

VOLG TNO OP SOCIAL MEDIA

blijf op de hoogte van ons laatste nieuws, vacatures en activiteiten

Op TNO.nl maken we gebruik van cookies. De daarin opgeslagen informatie kan bij een volgend bezoek weer naar onze servers teruggestuurd  worden.