Zum Navigationspfad Unterseiten von „Forschen & Beraten“ Zur Navigation Zum Schnellzugriff Zum Fuß der Seite mit weiteren Services
Zum Inhalt
Logo IPS
Fakultät Maschinenbau
Gebäude mit Bäumen im Vordergrund © Jürgen Huhn​/​TU Dortmund

Industrial Data Science

Teilnehmer: 5 - 15 Dauer: 2 Tage Ort: Präsenz/online

Ziele

  • Kenntnis der Methoden und Werkzeuge von Data Science im industriellen Kontext
Diagramm, das den vollständigen Ablauf eines datenbasierten Analyse- und Modellierungsprozesses im industriellen Umfeld darstellt. Im Zentrum befindet sich ein kreisförmiges Prozessmodell, das die Phasen Business Understanding, Data Understanding, Data Preparation, Modeling, Evaluation und Deployment um eine zentrale Datenbasis anordnet. Von diesem Kern gehen sechs Pfeile zu umliegenden Anwendungsbereichen aus. Oben links wird die Wertstrom- und Qualitätsprüfung durch schematische Prozessdarstellungen visualisiert. Oben rechts sind Prüf- und Prozessdaten anhand mehrerer Kurvenverläufe dargestellt, die unterschiedliche Messprofile über der Zeit zeigen. Rechts unten illustriert eine Darstellung die Datenaggregation und -bereinigung, einschließlich der Überführung heterogener Datenquellen in ein konsistentes Modellierungsformat. Ganz unten befindet sich ein Beispiel für die Bildung von Prognosemodellen zur Vorhersage der Injektorqualität, dargestellt durch modellhafte Einflussfaktordiagramme. Links unten zeigt ein weiteres Feld Prüfstrategien, die den Zusammenhang von Produktvarianten und Prüfumfängen aufzeigen. Links in der Mitte ist die Integration in eine Prüfanlage anhand eines Fotos dargestellt, auf dem eine Person eine technische Einrichtung bedient. Insgesamt veranschaulicht das Diagramm den systematischen Einsatz datenanalytischer Methoden von der Datenerfassung bis zur Modellanwendung in industriellen Prüf- und Qualitätsprozessen. © IPS​/​TU Dortmund

Inhalte

  • Basiswissen Industrial Data Science
    • Definition: Big Data, Data Analytics, Data Science, Maschinelles Lernen etc.
    • Wichtige Maschinelle Lernstrategien und -verfahren
    • Rollen- und Vorgehensmodelle für Industrial Data Science-Projekte
  • Industrielle Anwendungsbeispiele
  • Definition und Spezifikation eines eigenen Business Cases
     
Sprechen Sie uns gerne an

Kontakt