Zum Inhalt springen
Technische Universität Berlin English
Vorlesungsverzeichnis und Modultransfersystem

Angewandte Datenanalyse im QualitätsingenieurwesenModulbeschreibung #50653 / Version 6

← Zur Modulseite English version
Modul / Version#50653 / #6
GültigkeitSeit WiSe 2026/27
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 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.

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

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 Programmiersprache115 h15 h
Präsenszeit152 h30 h
Vor-/Nachbearbeitung152 h30 h
75 h

Applied Data Science for Quality Engineering (Übung)

AufwandbeschreibungMultiplikatorStundenGesamt
Präsenszeit152 h30 h
Projektdurchführung und Präsentationsvorbereitung140 h40 h
Vor-/Nachbereitung152 h30 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.

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

BenotungBenotet
PrüfungsformPortfolioprüfung
Art der Portfolioprüfung100 Punkte insgesamt
SpracheDeutsch

Prüfungselemente

NamePunkte/GewichtKategorieDauer/Umfang
Bearbeitung der Online-Kurse10digital5 Kurse à 4 Stunden
Präsentation der Projektergebnisse30mündlich20 Minuten
Schriftliche Prüfung60schriftlich60 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

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.

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 / StuPOSemesterStudiengangsbereich
Biomedizinische Technik
StuPO 2018
WiSe 2026/272. Wahlpflichtmodule › 2.2 Ingenieurwissenschaftliche Vertiefungen
Computational Engineering Science (Informationstechnik im Maschinenwesen)
StuPO 2018
WiSe 2026/276. Schwerpunkte › 6.3 Konstruktion und Fertigung › 6.3.2 Produktionstechnik
Computational Engineering Science (Informationstechnik im Maschinenwesen)
StuPO 2018 (17.01.2018)
WiSe 2026/274. Profilbereich › 4.2 Profilbereich: Konstruktion und Fertigung › 4.2b Produktionstechnik
Luft- und Raumfahrttechnik
StuPO 2018
WiSe 2026/271. Ingenieurwissenschaftliche Methoden › 1.1 Allgemeine und vertiefende ingenieurwissenschaftliche Methoden
Maschinenbau
StuPO 2017
WiSe 2026/27Wahlpflichtmodule › Schwerpunktmodule › Methodenorientierung › Informationstechnische und rechnerunterstützte Modellierung
Maschinenbau
StuPO 2017
WiSe 2026/27Wahlpflichtmodule › Profilmodule › Informationstechnische und rechnergestützte Modellierung
Physikalische Ingenieurwissenschaft
StuPO 2020
WiSe 2026/27Wahlpflichtmodule › 4. Grundlagen Wahlpflicht › 4.5 Allgemeine Grundlagen
Produktionstechnik
StuPO 2018 (09.05.2018)
WiSe 2026/273. Informationstechnik
Technomathematik
StuPO 2014
WiSe 2026/27Studienrichtungen › Technisches Gebiet - Maschinenbau › Naturwissenschaftliche Grundlagen
Verkehrswesen
StuPO 2018
WiSe 2026/27A. Grundlagen › 2. Wahlpflichtbereich › 2.2 Technisch-naturwissenschaftliche Grundlagen
Wirtschaftsingenieurwesen
StuPO 2015
WiSe 2026/27Integrationsbereich/Integration › Integrationsbereich/Integration (Wahlpflicht/Compulsory-Elective) › Quality Management
Wirtschaftsingenieurwesen
StuPO 2026
WiSe 2026/27Integrationsbereich › 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