Veranstaltung
Seminar Data-Mining in der Produktion [WS232151643]
Typ
Seminar (S)Präsenz
Semester
WS 23/24SWS
2Sprache
DeutschTermine
0Dozent/en
Einrichtung
- KIT-Fakultät für Maschinenbau
Bestandteil von
- Teilleistung Seminar Data-Mining in der Produktion | Wirtschaftsingenieurwesen (M.Sc.)
- Teilleistung Seminar Data-Mining in der Produktion | Wirtschaftsingenieurwesen (B.Sc.)
- Teilleistung Seminar Data-Mining in der Produktion | Technische Volkswirtschaftslehre (M.Sc.)
- Teilleistung Seminar Data-Mining in der Produktion | Technische Volkswirtschaftslehre (B.Sc.)
- Teilleistung Seminar Data-Mining in der Produktion | Digital Economics (M.Sc.)
Literatur
Medien:
KNIME Analytics Platform
Media:
KNIME Analytics Platform
Anmerkung
Im Zeitalter von Industrie 4.0 entstehen durch die einhergehende Vernetzung von Produkten und Wertschöpfungsketten große Mengen an Produktionsdaten. Deren Analyse ermöglicht wertvolle Schlussfolgerungen auf die Produktion und damit einhergehende Effizienzsteigerungen in den Prozessen. Ziel der Veranstaltung ist es, die Produktionsdatenanalyse als wichtigen Baustein zukünftiger Industrieprojekte kennen zu lernen. Die Studierenden lernen das Data-Mining Tool KNIME kennen und nutzen es für Analysen. Ein konkreter Anwendungsfall aus der Industrie mit realen Produktionsdaten ermöglicht das praxisnahe Arbeiten und bietet direkte Bezüge zu industriellen Anwendungen. Die Teilnehmer lernen ausgewählte Methoden des Data-Mining kennen und wenden diese auf die Produktionsdaten an. Dabei erfolgt die Arbeit innerhalb der Veranstaltung in Kleingruppen am Computer. Im Anschluss sind Präsentationen zu spezifischen Data Mining Methoden auszuarbeiten.
Lernziele:
Die Studierenden …
- können verschiedene Methoden, Vorgehensweisen und Techniken der Produktionsdatenanalyse nennen, beschreiben und voneinander abgrenzen.
- können grundlegende Datenanalysen mit dem Data-Mining Tool KNIME durchführen.
- können die Ergebnisse der Datenanalysen im Produktionsumfeld analysieren und bewerten.
- sind in der Lage, geeignete Handlungsempfehlungen abzuleiten.
- sind in der Lage, das CRISP-DM Modell zu erläutern und anzuwenden.
Arbeitsaufwand:
Präsenzzeit: 10 Stunden
Selbststudium: 80 Stunden