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

Medien:
KNIME Analytics Platform

Media:
KNIME Analytics Platform

Die Teilnehmerzahl ist auf zwölf Studierende begrenzt. Termine und Fristen zur Veranstaltung werden unter https://www.wbk.kit.edu/studium-und-lehre.php bekanntgegeben.

The number of students is limited to twelve. Dates and deadlines for the seminar will be announced at https://www.wbk.kit.edu/studium-und-lehre.php.