Zum Inhalt springen
Technische Universität Berlin English
Vorlesungsverzeichnis und Modultransfersystem

Angewandte Datenanalyse zur Bestimmung von ZuverlässigkeitenModulbeschreibung #50021 / Version 3

← Zur Modulseite English version
Modul / Version#50021 / #3
GültigkeitSeit SoSe 2025
Verfügbare Sprache(n)Deutsch
Leistungspunkte6
Modulverantwortliche*rJochem, Roland
BenotungBenotet
PrüfungsformPortfolioprüfung
Lehrsprache(n)Deutsch

Zugehörigkeit

FakultätFakultät V
InstitutInstitut für Werkzeugmaschinen und Fabrikbetrieb (IWF)
Fachgebiet35361300 FG Qualitätswissenschaft

Kontakt

SekretariatPTZ 3
Ansprechpartner*inMayer, Jan Pascal
E-Mail-Adressej.mayer@tu-berlin.de
Webseitehttps://www.tu.berlin/qw/studium-lehre/lehrveranstaltungen/dre-applied-data-science-for-reliability-engineering

Lernergebnisse

Produkte werden aufgrund der steigenden Funktionalitäten immer komplexer, was die Fehleranfälligkeit erhöht. Damit besteht die Notwendigkeit für Unternehmen - insbesondere auch aus gesetzlichen Haftungsgründen und zur Verringerung von Garantiefällen - Methoden einzusetzen, um mögliche Risiken durch Funktionsausfälle prognostizieren und die Zuverlässigkeit der Produkte steigern zu können. Die Zuverlässigkeit ist somit eine der wichtigsten Eigenschaften heutiger Produkte und bildet einen wichtigen Teilaspekt und integralen Bestandteil der Qualität.

Die Zuverlässigkeit ist nicht deterministisch, sondern nur über Wahrscheinlichkeiten operationalisierbar. Die Analyse kann folglich nur mit den Methoden des Data Science erfolgsversprechend durchgeführt werden.
In dieser Lehrveranstaltung sollen sich die angehenden Ingenieure fachlich-methodische Kompetenzen der Zuverlässigkeitsbestimmung aneignen.
Dabei werden die erlernten Grundlagen aus "Applied Data Science for Quality Engineering" in einen praxisorientierten Zusammenhang gebracht.
Die Studierenden werden befähigt, eigenständig Softwarelösungen im Rahmen der Zuverlässigkeitsanalyse zu entwickeln. Dazu erfolgt in der Lehrveranstaltung die Bearbeitung einer Case-Study mit der Programmiersprache R und die Lösungserarbeitung durch eine interaktive Webapplikation.
Diese Fähigkeiten sollen künftig eingesetzt werden können, um Aufgaben in der Zuverlässigkeitsanalyse zu übernehmen, deren Bearbeitung zu steuern, zu koordinieren und erfolgreich abschließen zu können.

Lehrinhalte

Die Weibullverteilung als Basis der Lebensdaueranalyse
- Beschreibung, Verhalten und Interpretation der Weibullverteilung
- Beschreibung, Verhalten und Interpretation ihrer Dichtefunktion
- Ausfallraten auf Basis der Weibullverteilung
Berechnung der Weibullverteilung mit Hilfe der Schätzerverfahren (Ranking - Estimator - Regression)
Berechnung der Weibullverteilung mit Hilfe numerischer Verfahren (Maximum Likelihood Methode)
Schätzerverfahren für Ausfallteile und intakte Bauteile
- Verfahren nach Kaplan - Meier
- Verfahren nach Johnson
- Verfahren nach Nelson
Lebensdauerdaten aus Tests und Nutzung (Strukturen, Interpretation, Umrechnung)
Mischverteilungen
Lebensdauertests zum Nachweis der Zuverlässigkeit
Planung von Zuverlässigkeitstests
- die „Success Run“ Methode
- die „Sudden Death“ Methode
Zuverlässigkeit von Systemen
Absicherung der Lebensdauerprognosen (Vertrauenswahrscheinlichkeiten und Konfidenzen)

Die Anwendung der Lehrinhalte erfolgt durch die Programmiersprache R.

Modulbestandteile

Pflichtbereich

Die folgenden Veranstaltungen sind für das Modul obligatorisch:

LehrveranstaltungenArtNummerTurnusSpracheSWSVVZ
Applied Data Science for Reliability EngineeringIntegrierte Veranstaltung3536 L 319 Sommersemester[de]4 ISIS

Arbeitsaufwand und Leistungspunkte

Applied Data Science for Reliability Engineering (Integrierte Veranstaltung)

AufwandbeschreibungMultiplikatorStundenGesamt
Prüfungsvorbereitung140 h40 h
Rechnerübung/Projektdurchführung68 h48 h
Vor-/Nachbereitung153 h45 h
Vorlesungszeit58 h40 h
173 h

Der Aufwand des Moduls summiert sich zu 173 Stunden. Damit umfasst das Modul 6 Leistungspunkte.

Beschreibung der Lehr- und Lernformen

Es kommen Vorlesungen mit integrierten Übungen, Rechnerübungen und Projektbearbeitung zum Einsatz.

Voraussetzungen für die Teilnahme / Prüfung

Wünschenswerte Voraussetzungen für die Teilnahme an den Lehrveranstaltungen:

Introduction to Engineering Data Analytics with R (IDA)
Applied Data Science for Quality Engineering (DQE)

Die Lehrinhalte der obigen Veranstaltungen können auch eigenständig erarbeitet werden.

Verpflichtende Voraussetzungen für die Modulprüfungsanmeldung:

Dieses Modul hat keine Prüfungsvoraussetzungen.

Abschluss des Moduls

BenotungBenotet
PrüfungsformPortfolioprüfung
Art der Portfolioprüfung100 Punkte insgesamt
SpracheDeutsch

Prüfungselemente

NamePunkte/GewichtKategorieDauer/Umfang
Bearbeitung des Projektes30praktisch30 - 45 Minuten
Schriftliche Prüfung70schriftlich75 Minuten

Prüfungsbeschreibung (Abschluss des Moduls)

Die Prüfungsform für dieses Modul ist die Portfolioprüfung.
Dazu müssen die unten aufgeführten Teilleistungen mit entsprechender Gewichtung absolviert werden:

- Bearbeitung des Projektes - 30 von 100 Punkten (in der vorlesungsfreien Zeit)

- Schriftliche Prüfung - 70 von 100 Punkten (in der vorlesungsfreien Zeit)

Dauer des Moduls

Für Belegung und Abschluss des Moduls ist folgende Semesteranzahl veranschlagt: 1 Semester.

Dieses Modul kann in folgenden Semestern begonnen werden: Sommersemester.

Maximale teilnehmende Personen

Dieses Modul ist nicht auf eine Anzahl Studierender begrenzt.

Anmeldeformalitäten

Anmeldung zur Lehrveranstaltung:
- Anmeldung beim Fachgebiet (Termin wird auf der Homepage veröffentlicht)
Anmeldung zur Prüfung:
- Anmeldung Online (QISPOS)
- Die jeweiligen Anmeldefristen sind der Ordnung zur Regelung des allgemeinen Studien- und Prüfungsverfahrens (AllgStuPO) zu entnehmen (§ 39)

Literaturhinweise, Skripte

Skript in Papierform

nicht verfügbar

Skript in elektronischer Form

verfügbar – Das Skript in elektronischer Form wird über das ISIS System der TU Berlin bereitgestellt

Empfohlene Literatur

  • Bertsche, Bernd; Lechner, Gisbert (2004): Zuverlässigkeit im Fahrzeug- und Maschinenbau. 3., überarbeitete und erweiterte Auflage. Berlin, Heidelberg, New York: Springer-Verlag
  • Meyna, Arno; Pauli, Bernhard (2009): Zuverlässigkeitstechnik. Quantitative Bewertungsverfahren. 2., überarbeitete und erweiterte Auflage. München: Hanser, Carl.
  • Verband der Automobilindustrie e.V. (VDA) (2016): Qualitätsmanagement in der Automobilindustrie Band 3. Zuverlässigkeitssicherung bei Automobilherstellern und Lieferanten Teil 2. Zuverlässigkeits-Methoden und -Hilfsmittel, 4. Auflage

Zugeordnete Studiengänge

Diese Modulversion wird in folgenden Studiengängen verwendet:

Studiengang / StuPOSemesterStudiengangsbereich
Biomedizinische Technik
StuPO 2018
SoSe 20252. Wahlpflichtmodule › 2.2 Ingenieurwissenschaftliche Vertiefungen
WiSe 2025/262. Wahlpflichtmodule › 2.2 Ingenieurwissenschaftliche Vertiefungen
SoSe 20262. Wahlpflichtmodule › 2.2 Ingenieurwissenschaftliche Vertiefungen
WiSe 2026/272. Wahlpflichtmodule › 2.2 Ingenieurwissenschaftliche Vertiefungen
Computational Engineering Science (Informationstechnik im Maschinenwesen)
StuPO 2018
SoSe 20256. Schwerpunkte › 6.3 Konstruktion und Fertigung › 6.3.2 Produktionstechnik
WiSe 2025/266. Schwerpunkte › 6.3 Konstruktion und Fertigung › 6.3.2 Produktionstechnik
SoSe 20266. Schwerpunkte › 6.3 Konstruktion und Fertigung › 6.3.2 Produktionstechnik
WiSe 2026/276. Schwerpunkte › 6.3 Konstruktion und Fertigung › 6.3.2 Produktionstechnik
Computational Engineering Science (Informationstechnik im Maschinenwesen)
StuPO 2018 (17.01.2018)
SoSe 20254. Profilbereich › 4.2 Profilbereich: Konstruktion und Fertigung › 4.2b Produktionstechnik
WiSe 2025/264. Profilbereich › 4.2 Profilbereich: Konstruktion und Fertigung › 4.2b Produktionstechnik
SoSe 20264. Profilbereich › 4.2 Profilbereich: Konstruktion und Fertigung › 4.2b Produktionstechnik
WiSe 2026/274. Profilbereich › 4.2 Profilbereich: Konstruktion und Fertigung › 4.2b Produktionstechnik
Luft- und Raumfahrttechnik
StuPO 2018
SoSe 20251. Ingenieurwissenschaftliche Methoden › 1.1 Allgemeine und vertiefende ingenieurwissenschaftliche Methoden
WiSe 2025/261. Ingenieurwissenschaftliche Methoden › 1.1 Allgemeine und vertiefende ingenieurwissenschaftliche Methoden
SoSe 20261. Ingenieurwissenschaftliche Methoden › 1.1 Allgemeine und vertiefende ingenieurwissenschaftliche Methoden
WiSe 2026/271. Ingenieurwissenschaftliche Methoden › 1.1 Allgemeine und vertiefende ingenieurwissenschaftliche Methoden
Maschinenbau
StuPO 2017
SoSe 2025Wahlpflichtmodule › Schwerpunktmodule › Methodenorientierung › Informationstechnische und rechnerunterstützte Modellierung
WiSe 2025/26Wahlpflichtmodule › Schwerpunktmodule › Methodenorientierung › Informationstechnische und rechnerunterstützte Modellierung
SoSe 2026Wahlpflichtmodule › Schwerpunktmodule › Methodenorientierung › Informationstechnische und rechnerunterstützte Modellierung
WiSe 2026/27Wahlpflichtmodule › Schwerpunktmodule › Methodenorientierung › Informationstechnische und rechnerunterstützte Modellierung
Produktionstechnik
StuPO 2018 (09.05.2018)
SoSe 20253. Informationstechnik
WiSe 2025/264. Profilmodule › 4.2 Automatisierungs- und Informationstechnik
SoSe 20263. Informationstechnik
WiSe 2026/273. Informationstechnik
Verkehrswesen
StuPO 2018
SoSe 2025A. Grundlagen › 2. Wahlpflichtbereich › 2.3.1 Informationstechnische Grundlagen
WiSe 2025/26A. Grundlagen › 2. Wahlpflichtbereich › 2.3.1 Informationstechnische Grundlagen
SoSe 2026A. Grundlagen › 2. Wahlpflichtbereich › 2.3.1 Informationstechnische Grundlagen
WiSe 2026/27A. Grundlagen › 2. Wahlpflichtbereich › 2.3.1 Informationstechnische Grundlagen
Wirtschaftsingenieurwesen
StuPO 2015
SoSe 2025Integrationsbereich/Integration › Integrationsbereich/Integration (Wahlpflicht/Compulsory-Elective) › Quality Management
WiSe 2025/26Integrationsbereich/Integration › Integrationsbereich/Integration (Wahlpflicht/Compulsory-Elective) › Quality Management
SoSe 2026Integrationsbereich/Integration › Integrationsbereich/Integration (Wahlpflicht/Compulsory-Elective) › Quality Management
WiSe 2026/27Integrationsbereich/Integration › Integrationsbereich/Integration (Wahlpflicht/Compulsory-Elective) › Statistics & Econometrics
Wirtschaftsingenieurwesen
StuPO 2026
WiSe 2026/27Integrationsbereich › Statistics & Econometrics
Das Modul vermittelt wesentliche Methoden und Verfahren, die die Teilnehmer befähigt, um verschiedene Aufgaben in der Zuverlässigkeitsanalyse übernehmen, deren Bearbeitung steuern, koordinieren und erfolgreich abschließen zu können.

Sonstiges

Dieses Modul ist die Neuauflage des Moduls "Zuverlässigkeit und Risikobewertung" und wird ab dem Sommersemester 2018 angeboten.