Zum Inhalt
Fakultät Maschinenbau

Problemlösung mit Data Science

Teilnehmer: 10 - 25 Dauer: 2 x 0,5 Tage Ort: Präsenz/online

Ziele

  • Kenntnis der Schritte und Methoden der strukturierten Problemlösung
  • Problemlösung mithilfe des A3 und ausgewählten Methoden eigenständig durchführen
  • Kenntnis ausgewählter Data Science Methoden
Diagramm mit vier konzentrischen Kreisen, die verschiedene Ebenen der Datenanalyse darstellen. Der äußere Kreis beschreibt die preskriptive Ebene mit dem Leitgedanken „Handeln – Was ist zu tun?“. Darunter folgt die prädiktive Ebene, die das Antizipieren zukünftiger Ereignisse thematisiert. Der nächste Kreis steht für die diagnostische Ebene mit der Frage, warum etwas passiert ist. Der innerste Kreis symbolisiert die deskriptive Ebene, die das reine Beobachten und Feststellen eines Zustands beschreibt. Rechts neben den Kreisen werden zugehörige Methodenbereiche wie grafisch-explorative und deskriptive Datenanalyse, Data Mining und künstliche Intelligenz aufgeführt, die den Ebenen zugeordnet sind. © IPS​/​TU Dortmund
Diagramm, das einen vollständigen Problemlösungszyklus in mehreren logisch verbundenen Schritten darstellt. Links oben beschreibt ein Feld die Problemauswahl anhand der sieben Arten der Verschwendung und deren Priorisierung. Daneben folgt ein Feld zum Setzen von Zielen anhand gängiger Kriterien. In der Mitte des Diagramms stehen Problembeschreibung und Problemanalyse, dargestellt durch grafische und tabellarische Beispiele. Rechts oben befindet sich ein Werkzeugkasten, der typische Qualitätswerkzeuge aufführt. Darunter folgen Ideenfindung sowie die konkrete Problemlösung mit Maßnahmenplan. Rechts unten wird ein visueller Terminplaner gezeigt, während links unten das Standardisieren als abschließender Schritt dargestellt ist, unterstützt durch Training und Regelkarten. Ein zirkulierender Pfeil verbindet alle Felder zu einem durchgängigen Problemlösungsprozess. © IPS​/​TU Dortmund

Inhalte

  • Übersicht über Vorgehensmodelle zur strukturierten Problemlösung und Detailvorstellung des A3
  • Einordnung von Qualitätswerkzeugen in den Problemlösungsprozess zur Detektion, Analyse und Lösung von Problemen
  • Grundlagen und Voraussetzungen ausgewählter Data Science Methoden
  • Vorstellung und Anwendung grafischer Tools zur Datenauswertung
  • Anwendung der Software Knime oder Rapidminer zur datengetriebenen Problemanalyse
     
Sprechen Sie uns gerne an

Kontakt