Angewandte Datenanalyse im QualitätsingenieurwesenModulbeschreibung #50653 / Version 6
- 6 LP
- Portfolioprüfung
- Benotet
- Sommersemester
- Deutsch
| Modul / Version | #50653 / #6 |
|---|---|
| Gültigkeit | Seit WiSe 2026/27 |
| Verfügbare Sprache(n) | Deutsch |
| Leistungspunkte | 6 |
| Modulverantwortliche*r | Jochem, Roland |
| Benotung | Benotet |
| Prüfungsform | Portfolioprüfung |
| Lehrsprache(n) | Deutsch |
Zugehörigkeit
| Fakultät | Fakultät V |
|---|---|
| Institut | Institut für Werkzeugmaschinen und Fabrikbetrieb (IWF) |
| Fachgebiet | 35361300 FG Qualitätswissenschaft |
Kontakt
| Sekretariat | PTZ 3 |
|---|---|
| Ansprechpartner*in | Müller-Stein, Lennart Frederik |
| E-Mail-Adresse | l.mueller-stein@tu-berlin.de |
| Webseite | https://www.tu.berlin/qw/studium-lehre/lehrveranstaltungen |
Lernergebnisse
Die Teilnehmenden des Moduls erhalten einen Gesamtüberblick über die Aufgaben- und Tätigkeitsbereiche von Qualitätsingenieurinnen und Qualitätsingenieuren, die perspektivisch als Data Scientists im Engineering fungieren und neben den methodischen Fähigkeiten und Fertigkeiten der angewandten statistischen Qualitätssicherung auch über umfangreiche Kompetenzen im Umgang mit Data-Science-Lösungen verfügen.
Nach Abschluss des Kurses sind die Teilnehmenden in der Lage, die erlernten Methoden in einem technischen Arbeitsumfeld anzuwenden und zu kommunizieren. Des Weiteren können sie erarbeitete Projektergebnisse aufbereiten und unter praxisnahen Bedingungen durch den Aufbau einer Applikation präsentieren und verteidigen.
Nach Abschluss des Kurses sind die Teilnehmenden in der Lage, die erlernten Methoden in einem technischen Arbeitsumfeld anzuwenden und zu kommunizieren. Des Weiteren können sie erarbeitete Projektergebnisse aufbereiten und unter praxisnahen Bedingungen durch den Aufbau einer Applikation präsentieren und verteidigen.
Lehrinhalte
Im Rahmen des Kurses werden Methoden und Handlungskompetenzen künftiger Qualitätsingenieurinnen und Qualitätsingenieure 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 Ergebnisaufbereitung in einer Web-Applikation
Die Veranstaltungsstruktur lässt sich wie folgt aufgliedern:
Themenblock I: Die Prinzipien der angewandten Datenanalyse
Themenblock II: Einführung in die Wahrscheinlichkeitstheorie und Anwendung der deduktiven Statistik im Engineering
Themenblock III: Grundlagen und Anwendungen der inferentiellen Statistik im Engineering
Themenblock IV: Explorative Statistik und prädiktive Modellierung
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 Ergebnisaufbereitung in einer Web-Applikation
Die Veranstaltungsstruktur lässt sich wie folgt aufgliedern:
Themenblock I: Die Prinzipien der angewandten Datenanalyse
Themenblock II: Einführung in die Wahrscheinlichkeitstheorie und Anwendung der deduktiven Statistik im Engineering
Themenblock III: Grundlagen und Anwendungen der inferentiellen Statistik im Engineering
Themenblock IV: Explorative Statistik und prädiktive Modellierung
Modulbestandteile
Pflichtbereich
Die folgenden Veranstaltungen sind für das Modul obligatorisch:
Arbeitsaufwand und Leistungspunkte
Applied Data Science for Quality Engineering (Integrierte Veranstaltung)
| Aufwandbeschreibung | Multiplikator | Stunden | Gesamt |
|---|---|---|---|
| Einarbeitung in die Programmiersprache | 1 | 15 h | 15 h |
| Präsenszeit | 15 | 2 h | 30 h |
| Vor-/Nachbearbeitung | 15 | 2 h | 30 h |
| 75 h | |||
Applied Data Science for Quality Engineering (Übung)
| Aufwandbeschreibung | Multiplikator | Stunden | Gesamt |
|---|---|---|---|
| Präsenszeit | 15 | 2 h | 30 h |
| Projektdurchführung und Präsentationsvorbereitung | 1 | 40 h | 40 h |
| Vor-/Nachbereitung | 15 | 2 h | 30 h |
| 100 h | |||
Der Aufwand des Moduls summiert sich zu 175 Stunden. Damit umfasst das Modul 6 Leistungspunkte.
Beschreibung der Lehr- und Lernformen
Das Modul besteht aus integrierten Veranstaltungen und Übungen.
Die fortlaufende Ausbildung in der Programmiersprache knüpft an die vermittelten Grundlagen der Veranstaltung "Introduction to Engineering Data Analytics" an.
Die Vorlesungsinhalte werden durch Übungen und durch die Bearbeitung von Online-Kursen auf der Plattform DataCamp vertieft.
Im Anschluss bearbeiten die Studierenden in Gruppen eine realitätsnahe Projektaufgabe unter
Zuhilfenahme der erlernten Kenntnisse und stellen die Ergebnisse im Rahmen einer Abschlusspräsentation vor.
Die fortlaufende Ausbildung in der Programmiersprache knüpft an die vermittelten Grundlagen der Veranstaltung "Introduction to Engineering Data Analytics" an.
Die Vorlesungsinhalte werden durch Übungen und durch die Bearbeitung von Online-Kursen auf der Plattform DataCamp vertieft.
Im Anschluss bearbeiten die Studierenden in Gruppen eine realitätsnahe Projektaufgabe unter
Zuhilfenahme der erlernten Kenntnisse und stellen die Ergebnisse im Rahmen einer Abschlusspräsentation vor.
Voraussetzungen für die Teilnahme / Prüfung
Wünschenswerte Voraussetzungen für die Teilnahme an den Lehrveranstaltungen:
Teilnahme am Modul "Introduction to Engineering Data Analytics"
Verpflichtende Voraussetzungen für die Modulprüfungsanmeldung:
Dieses Modul hat keine Prüfungsvoraussetzungen.
Abschluss des Moduls
| Benotung | Benotet |
|---|---|
| Prüfungsform | Portfolioprüfung |
| Art der Portfolioprüfung | 100 Punkte insgesamt |
| Sprache | Deutsch |
Prüfungselemente
| Name | Punkte/Gewicht | Kategorie | Dauer/Umfang |
|---|---|---|---|
| Bearbeitung der Online-Kurse | 10 | digital | 5 Kurse à 4 Stunden |
| Präsentation der Projektergebnisse | 30 | mündlich | 20 Minuten |
| Schriftliche Prüfung | 60 | schriftlich | 60 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
- Präsentation des Projektes - 30 von 100 Punkten
- Schriftliche Prüfung - 60 von 100 Punkten
Dazu müssen die unten aufgeführten Teilleistungen mit entsprechender Gewichtung absolviert werden:
- E-Learning Online-Kurse - 10 von 100 Punkten
- Präsentation des Projektes - 30 von 100 Punkten
- Schriftliche Prüfung - 60 von 100 Punkten
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 zum gesamten Modul erfolgt über MOSES.
Falls eine Anmeldung über MOSES nicht möglich ist, zum Beispiel bei Diplomstudiengängen, muss die Anmeldung fristgerecht über das Prüfungsamt erfolgen.
Falls eine Anmeldung über MOSES nicht möglich ist, zum Beispiel bei Diplomstudiengängen, muss die Anmeldung fristgerecht über das Prüfungsamt erfolgen.
Literaturhinweise, Skripte
Skript in Papierform
nicht verfügbar
Skript in elektronischer Form
nicht verfügbar – www.isis.tu-berlin.de
Empfohlene Literatur
- D. Wollschläger, Grundlagen der Datenanalyse mit R: Eine anwendungsorientierte Einführung, 4. Auflage. Berlin, Heidelberg: Springer Spektrum Berlin Heidelberg, 2026. doi: 10.1007/978-3-662-71786-8
- H. Wickham, M. Çetinkaya-Rundel, und G. Grolemund, R for data science: import, tidy, transform, visualize, and model data, 2nd edition. Beijing, Boston, Farnham, Sebastopol, Tokyo: O’Reilly, 2023. Online verfügbar unter: https://r4ds.hadley.nz/
- Montgomery, D. C., Runger, G. C., Applied Statistics and Probability for Engineers, 7th edition. Hoboken, NJ: Wiley, 2018. 978-1-119-40036-3
Zugeordnete Studiengänge
Diese Modulversion wird in folgenden Studiengängen verwendet:
| Studiengang / StuPO | Semester | Studiengangsbereich |
|---|---|---|
| Biomedizinische Technik StuPO 2018 | WiSe 2026/27 | 2. Wahlpflichtmodule › 2.2 Ingenieurwissenschaftliche Vertiefungen |
| Computational Engineering Science (Informationstechnik im Maschinenwesen) StuPO 2018 | WiSe 2026/27 | 6. Schwerpunkte › 6.3 Konstruktion und Fertigung › 6.3.2 Produktionstechnik |
| Computational Engineering Science (Informationstechnik im Maschinenwesen) StuPO 2018 (17.01.2018) | WiSe 2026/27 | 4. Profilbereich › 4.2 Profilbereich: Konstruktion und Fertigung › 4.2b Produktionstechnik |
| Luft- und Raumfahrttechnik StuPO 2018 | WiSe 2026/27 | 1. Ingenieurwissenschaftliche Methoden › 1.1 Allgemeine und vertiefende ingenieurwissenschaftliche Methoden |
| Maschinenbau StuPO 2017 | WiSe 2026/27 | Wahlpflichtmodule › Schwerpunktmodule › Methodenorientierung › Informationstechnische und rechnerunterstützte Modellierung |
| Maschinenbau StuPO 2017 | WiSe 2026/27 | Wahlpflichtmodule › Profilmodule › Informationstechnische und rechnergestützte Modellierung |
| Physikalische Ingenieurwissenschaft StuPO 2020 | WiSe 2026/27 | Wahlpflichtmodule › 4. Grundlagen Wahlpflicht › 4.5 Allgemeine Grundlagen |
| Produktionstechnik StuPO 2018 (09.05.2018) | WiSe 2026/27 | 3. Informationstechnik |
| Technomathematik StuPO 2014 | WiSe 2026/27 | Studienrichtungen › Technisches Gebiet - Maschinenbau › Naturwissenschaftliche Grundlagen |
| Verkehrswesen StuPO 2018 | WiSe 2026/27 | A. Grundlagen › 2. Wahlpflichtbereich › 2.2 Technisch-naturwissenschaftliche Grundlagen |
| Wirtschaftsingenieurwesen StuPO 2015 | WiSe 2026/27 | Integrationsbereich/Integration › Integrationsbereich/Integration (Wahlpflicht/Compulsory-Elective) › Quality Management |
| Wirtschaftsingenieurwesen StuPO 2026 | WiSe 2026/27 | Integrationsbereich › 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
Keine Angabe