Kurzform: DRE

Produkte werden aufgrund der steigenden Funktionalitäten immer komplexer, was die Fehleranfälligkeit erhöht. Damit besteht die Notwendigkeit für Unternehmen, insbesondere auch aus gesetzlichen Produkthaftungsgründen 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.

Im Rahmen dieses Moduls 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.

Die Integrierte Lehrveranstaltung Applied Data Science for Reliability Engineering wird als Blockveranstaltung in der vorlesungsfreien Zeit des Sommersemesters 2018 angeboten. 

Die genauen Termine werden in Kürze kommuniziert. 

Die Blockveranstaltung besteht aus 6 Präsenzterminen (Vorlesungen und Rechnerübungen), einer Präsentation der Projektergebnisse, sowie einer schriftlichen Prüfung.

Zulassungsbeschränkung: keine
ECTS-Anzahl: 6

Vorlesungs- und Übungsunterlagen, sowie ergänzende Materialien und Links zu weiterführenden Webseiten werden auf der ISIS2-Plattform bereitgestellt.

Diese Veranstaltung wird für Studierende der folgenden Studiengänge als Wahlpflichtmodul angeboten:

Weitere Studiengänge sind herzlich willkommen!

Verpflichtende Voraussetzung für die Teilnahme an der Lehrveranstaltung: 

• keine

Wünschenswerte Voraussetzungen für die Teilnahme an der Lehrveranstaltung: 

• Teilnahme am Modul Introduction to Engineering Data Analytics with R
• Teilnahme am Modul Applied Data Science for Quality Engineering

Die Prüfungsform für dieses Modul ist die Portfolioprüfung.

Dazu müssen die unten aufgeführten Teilleistungen mit entsprechender Gewichtung absolviert werden:

• Projektbearbeitung: 30 von 100 Punkten (Präsentation nach den Präsenzterminen)
• Schriftliche Prüfung: 70 von 100 Punkten (nach den Präsenzterminen)

Zur Teilnahme am Modul sind ALLE folgenden Schritte erforderlich:

• Anmeldung zur Teilnahme bei Herrn Hensel
• Registrierung als Nutzer der Online-Lernplattform ISIS2
• Einschreibung in den Kurs "Applied Data Science for Reliability Engineering" auf der Online-Plattform ISIS2
• Anmeldung zum Modul "Applied Data Science for Reliability Engineering" unter QISPOS, sonst beim Prüfungsamt

Bitte beachten Sie die Anmeldefristen in der unten dargestellten Tabelle. Das Modul ist nicht teilnahmebeschränkt, der ISIS2 Kurs wird zu Beginn der Blockveranstaltung eingerichtet. 

Das Modul findet turnusmäßig nur im Sommersemester als Blockveranstaltung in der vorlesungsfreien Zeit statt.

Hinweis: Mündliche Prüfungen dienen nur als (Letzte-) Wiederholungsprüfung. Kommen Sie dazu bitte in die Sprechstunde von Herrn Hensel. 

Fragen sind bitte über das jeweilige ISIS2-Forum zu stellen oder im FAQ einzusehen.
In Ausnahmefällen können Anfragen direkt an den jeweiligen Ansprechpartner via Mail (Kontaktformular) gestellt werden. Eine telefonische Rücksprache ist ausschließlich zu Sprechstundenzeiten möglich.

Für Anregungen verwenden Sie bitte die Feedbackfunktion unseres Fachgebiets.

nach Vereinbarung.