Zum Inhalt springen
Technische Universität Berlin English
Vorlesungsverzeichnis und Modultransfersystem

Angewandte Datenanalyse im QualitätsingenieurwesenModulbeschreibung #50653 / Version 5

← Zur Modulseite English version
Diese Modulbeschreibung gilt nicht im aktuellen Semester (WiSe 2026/27). Zur aktuellen Version (v6)
Modul / Version#50653 / #5
GültigkeitSS 2019 – SoSe 2026
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*inMüller-Stein, Lennart Frederik
E-Mail-Adressel.mueller-stein@tu-berlin.de
Webseitehttps://www.tu.berlin/qw/studium-lehre/lehrveranstaltungen

Lernergebnisse

Die Teilnehmer des Moduls erhalten einen Gesamtüberblick über die Aufgaben- und Tätigkeitsbereiche eines Qualitätsingenieurs, der perspektivisch als Data Scientist im Engineering fungiert und neben den methodischen Fähigkeiten und Fertigkeiten der angewandten statistischen Qualitätssicherung auch über umfangreiche Kompetenzen im Umgang mit Data Science Lösungen verfügt.

Teilnehmende sind nach Abschluss des Kurses in der Lage, die erlernten Methoden in einem technischen Arbeitsumfeld anzuwenden und zu kommunizieren. Des Weiteren sind die Studierenden in der Lage, erarbeitete Projektergebnisse mithilfe der Programmiersprache R aufzubereiten und unter praxisnahen Bedingungen, durch den Aufbau einer ShinyApp, zu präsentieren und zu verteidigen.

Lehrinhalte

Im Rahmen des Kurses werden Methoden und Handlungskompetenzen eines künftigen Qualitätsingenieurs vermittelt.
Dazu zählen Kenntnisse über:
- die generellen Prinzipien der Datenanalyse und Problemlösung
- Wahrscheinlichkeitstheorie
- Deduktive Statistik
- Induktive Statstik
- die Anwendung von Data Science Methoden für das Quality Engineering
- die Programmiersprache R und die Ergebnisaufbereitung in einer Web-Applikation

Die fortlaufende Ausbildung in der Programmiersprache R knüpft an die vermittelten Grundlagen der Veranstaltung "Introduction to Engineering Data Analytics with R" an.
Die Vorlesungsinhalte werden durch wöchentlich stattfindende Tutorien und durch die Bearbeitung von Online-Kursen auf der Plattform DataCamp vertieft.

Im Anschluss an die Vorlesungen und Tutorien bearbeiten die Studierenden in Gruppen eine realitätsnahe Projektaufgabe unter
Zuhilfenahme der erlernten Kenntnisse und stellen die Ergebnisse im Rahmen einer Abschlusspräsentation vor.

Modulbestandteile

Pflichtbereich

Die folgenden Veranstaltungen sind für das Modul obligatorisch:

LehrveranstaltungenArtNummerTurnusSpracheSWSVVZ
Applied Data Science for Quality EngineeringIntegrierte Veranstaltung0536 L 318 Sommersemester[de]2 ISIS
Applied Data Science for Quality EngineeringÜbung Sommersemester[de]2 ISIS

Arbeitsaufwand und Leistungspunkte

Applied Data Science for Quality Engineering (Integrierte Veranstaltung)

AufwandbeschreibungMultiplikatorStundenGesamt
Einarbeitung in die Programmiersprache R115 h15 h
Präsenszeit172 h34 h
Vor-/Nachbearbeitung172 h34 h
83 h

Applied Data Science for Quality Engineering (Übung)

AufwandbeschreibungMultiplikatorStundenGesamt
Präsenszeit142 h28 h
Projektdurchführung und Präsentationsvorbereitung140 h40 h
Vor-/Nachbereitung142 h28 h
96 h

Der Aufwand des Moduls summiert sich zu 179 Stunden. Damit umfasst das Modul 6 Leistungspunkte.

Beschreibung der Lehr- und Lernformen

Das Modul besteht aus ein bis zwei wöchentlichen integrierten Veranstaltungen und wöchentlichen Übungen.
Die Themen behandeln alle wichtigen Gebiete des datenorientierten Qualitätsingeneurwesens.
Die Veranstaltungsstruktur lässt sich wie folgt aufgliedern:

Themenblock I: Die Prinzipien der angewandten Datenanalyse
1. VL: Grundlagen der Datenanalyse - der Datenanalyseprozess

Themenblock II: Einführung in die Wahrscheinlichkeitstheorie und Anwendung der deduktiven Statistik im Engineering
2. VL: Einführung in die Wahrscheinlichkeitsrechnung
3. VL: Zufallsgrößen und Zufallsvariablen
4. VL: Diskrete Verteilungsmodelle
5. VL: Stetige Verteilungsmodelle
6. VL: Zentraler Grenzwertsatz und Verteilungen von Stichprobengrößen
7. VL: Zufallsstreubereiche im Engineering - Überwachung und Regelung von Produktionsprozessen (SPC)
8. VL: Konstruktion von Stichprobenfunktionen

Themenblock III: Grundlagen und Anwendungen der inferentiellen Statistik im Engineering
9. VL: Bestimmung von Konfidenzintervallen
10. VL: Unsicherheit von Kennzahlen am Beispiel der Prozessfähigkeitsanalyse
11. VL: Statistische Testverfahren
12. VL: Parametrische und Nicht-parametrische Hypothesentests
13. VL: Untersuchung von Einflussgrößen - Varianzanalyse am Beispiel der Messmittelfähigkeitsanalyse

Themenblock IV: Explorative Statistik und prädiktive Modellierung
14. VL: Ermittlung und Überprüfung von Abhängigkeiten - Korrelations- und Regressionsanalyse
15. VL: Design of Experiments I - Bestimmung von Faktoreffekten
16. VL: Design of Experiments II - Ableitung von Modellstrukturen
17. VL: Felddatenanalyse - Weibullauswertung und Monte-Carlo-Simulation

Voraussetzungen für die Teilnahme / Prüfung

Wünschenswerte Voraussetzungen für die Teilnahme an den Lehrveranstaltungen:

- Teilnahme am Modul "Introduction to Engineering Data Analytics with R"

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 der Online-Kurse10flexibel5 Hausaufgaben a 4 Stunden
Bearbeitung des Projektes30praktisch30 - 45 Minuten
Schriftliche Prüfung60schriftlich75 Minuten

Prüfungsbeschreibung (Abschluss des Moduls)

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

- E-Learning Online-Kurse - 10 von 100 Punkten (semesterbegleitend)

- Bearbeitung des Projektes - 30 von 100 Punkten (zum Ende des Semesters)

- Schriftliche Prüfung - 60 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

Die Anmeldung für das gesamte Modul erfolgt innerhalb der ersten 6 Wochen über QISPOS.
Ist eine QISPOS-Anmeldung nicht möglich, (Gründe: u. a. Diplom, Freies Wahlmodul, Zusatzmodul) muss eine fristgerechte Anmeldung
über das Prüfungsamt erfolgen.

Literaturhinweise, Skripte

Skript in Papierform

nicht verfügbar

Skript in elektronischer Form

verfügbar – www.isis.tu-berlin.de

Empfohlene Literatur

  • Grolemund, G.; Wickham, H. (2017): R for Data Science - Import, tidy, transform, visualize and model data. Online verfügbar unter: http://r4ds.had.co.nz/
  • Montgomery, D.; Runger, G. (2013): Applied Statistics and Probability for Engineers, John Wiley & Sons Inc; Auflage: 00006 (11. November 2013)
  • Wollschläger, D. (2012): Grundlagen der Datenanalyse mit R - eine anwendungsorientierte Einführung. 2. Aufl. Heidelberg: Springer.

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
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
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
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
Maschinenbau
StuPO 2017
WiSe 2023/24Wahlpflichtmodule › Schwerpunktmodule › Methodenorientierung › Informationstechnische und rechnerunterstützte Modellierung
SoSe 2024Wahlpflichtmodule › Schwerpunktmodule › Methodenorientierung › Informationstechnische und rechnerunterstützte Modellierung
WiSe 2024/25Wahlpflichtmodule › Schwerpunktmodule › Methodenorientierung › Informationstechnische und rechnerunterstützte Modellierung
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
Maschinenbau
StuPO 2017
WiSe 2025/26Wahlpflichtmodule › Profilmodule › Informationstechnische und rechnergestützte Modellierung
SoSe 2026Wahlpflichtmodule › Profilmodule › Informationstechnische und rechnergestützte Modellierung
Physikalische Ingenieurwissenschaft
StuPO 09.01.2012
SoSe 202504. Grundlagen Wahlpflicht › Wahlpflichtmodule
WiSe 2025/2604. Grundlagen Wahlpflicht › Wahlpflichtmodule
SoSe 202604. Grundlagen Wahlpflicht › Wahlpflichtmodule
Physikalische Ingenieurwissenschaft
StuPO 2020
SoSe 2025Wahlpflichtmodule › 4. Grundlagen Wahlpflicht › 4.5 Allgemeine Grundlagen
WiSe 2025/26Wahlpflichtmodule › 4. Grundlagen Wahlpflicht › 4.5 Allgemeine Grundlagen
SoSe 2026Wahlpflichtmodule › 4. Grundlagen Wahlpflicht › 4.5 Allgemeine Grundlagen
Produktionstechnik
StuPO 2018 (09.05.2018)
SoSe 20253. Informationstechnik
WiSe 2025/264. Profilmodule › 4.2 Automatisierungs- und Informationstechnik
SoSe 20263. Informationstechnik
Technomathematik
StuPO 2014
SoSe 2025Studienrichtungen › Technisches Gebiet - Maschinenbau › Naturwissenschaftliche Grundlagen
WiSe 2025/26Studienrichtungen › Technisches Gebiet - Verkehrswesen › Technisch-naturwissenschaftliche Grundlagen
SoSe 2026Studienrichtungen › Technisches Gebiet - Maschinenbau › Naturwissenschaftliche Grundlagen
Verkehrswesen
StuPO 2018
SoSe 2025A. Grundlagen › 2. Wahlpflichtbereich › 2.2 Technisch-naturwissenschaftliche Grundlagen
WiSe 2025/26A. Grundlagen › 2. Wahlpflichtbereich › 2.2 Technisch-naturwissenschaftliche Grundlagen
SoSe 2026A. Grundlagen › 2. Wahlpflichtbereich › 2.2 Technisch-naturwissenschaftliche Grundlagen
Wirtschaftsingenieurwesen
StuPO 2015
SoSe 2020Integrationsbereich/Integration › Integrationsbereich/Integration (Wahlpflicht/Compulsory-Elective) › Quality Management
WiSe 2020/21Integrationsbereich/Integration › Integrationsbereich/Integration (Wahlpflicht/Compulsory-Elective) › Quality Management
SoSe 2021Integrationsbereich/Integration › Integrationsbereich/Integration (Wahlpflicht/Compulsory-Elective) › Quality Management
WiSe 2021/22Integrationsbereich/Integration › Integrationsbereich/Integration (Wahlpflicht/Compulsory-Elective) › Quality Management
SoSe 2022Integrationsbereich/Integration › Integrationsbereich/Integration (Wahlpflicht/Compulsory-Elective) › Quality Management
WiSe 2022/23Integrationsbereich/Integration › Integrationsbereich/Integration (Wahlpflicht/Compulsory-Elective) › Quality Management
SoSe 2023Integrationsbereich/Integration › Integrationsbereich/Integration (Wahlpflicht/Compulsory-Elective) › Quality Management
WiSe 2023/24Integrationsbereich/Integration › Integrationsbereich/Integration (Wahlpflicht/Compulsory-Elective) › Statistics & Econometrics
SoSe 2024Integrationsbereich/Integration › Integrationsbereich/Integration (Wahlpflicht/Compulsory-Elective) › Statistics & Econometrics
WiSe 2024/25Integrationsbereich/Integration › Integrationsbereich/Integration (Wahlpflicht/Compulsory-Elective) › Statistics & Econometrics
SoSe 2025Integrationsbereich/Integration › Integrationsbereich/Integration (Wahlpflicht/Compulsory-Elective) › Statistics & Econometrics
WiSe 2025/26Integrationsbereich/Integration › Integrationsbereich/Integration (Wahlpflicht/Compulsory-Elective) › Statistics & Econometrics
SoSe 2026Integrationsbereich/Integration › Integrationsbereich/Integration (Wahlpflicht/Compulsory-Elective) › Statistics & Econometrics
Das Modul bildet einen Grundbaustein für jedes Ingenieurstudium. Die datenorientierten Vorgehensweisen können insbesondere zum Lösen von Problemen in Forschung und Entwicklung, Beschaffung, Produktion, Vertrieb und Feldeinsatz genutzt werden. Die erlernten Methoden sind auf viele Problemstellungen und Anwendungsgebiete soziotechnischer und naturwissenschaftlicher Arbeitsumfelder übertragbar.

Sonstiges

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