Moses - Angewandte Datenanalyse zur Bestimmung von Zuverlässigkeiten

Modul / Version
#50021 / #2

Gültigkeit
SS 2018 - WiSe 2024/25

Verfügbare Sprache(n)
Deutsch

Titel des Moduls
Applied Data Science for Reliability Engineering
Angewandte Datenanalyse zur Bestimmung von Zuverlässigkeiten

Leistungspunkte
6

Modulverantwortliche*r
Jochem, Roland

Benotung
Benotet

Prüfungsform
Portfolioprüfung

Lehrsprache(n)
Deutsch

Zugehörigkeit

Fakultät
Fakultät V

Institut
Institut für Werkzeugmaschinen und Fabrikbetrieb

Fachgebiet
35361300 FG Qualitätswissenschaft

Prüfungsausschuss
Maschinenbau

Kontakt

Sekretariat
PTZ 3

Ansprechpartner*in
Mayer, Jan Pascal

E-Mail-Adresse
j.mayer@tu-berlin.de

Webseite

https://www.tu.berlin/qw/studium-lehre/lehrveranstaltungen/dre-applied-data-science-for-reliability-engineering

Diese Modulbeschreibung gilt nicht im aktuellen Semester.

Die Modulbeschreibung gilt nur für den Zeitraum SS 2018 - WiSe 2024/25. Die Version für das aktuelle Semester (SoSe 2025) finden Sie hier: Modulbeschreibung des SoSe 2025

Lernergebnisse

Produkte werden aufgrund der steigenden Funktionalitäten immer komplexer, was die Fehleranfälligkeit erhöht. Damit besteht die Notwendigkeit für Unternehmen - insbesondere auch aus gesetzlichen Haftungsgründen 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. In dieser Lehrveranstaltung 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.

Lehrinhalte

Die Weibullverteilung als Basis der Lebensdaueranalyse - Beschreibung, Verhalten und Interpretation der Weibullverteilung - Beschreibung, Verhalten und Interpretation ihrer Dichtefunktion - Ausfallraten auf Basis der Weibullverteilung Berechnung der Weibullverteilung mit Hilfe der Schätzerverfahren (Ranking - Estimator - Regression) Berechnung der Weibullverteilung mit Hilfe numerischer Verfahren (Maximum Likelihood Methode) Schätzerverfahren für Ausfallteile und intakte Bauteile - Verfahren nach Kaplan - Meier - Verfahren nach Johnson - Verfahren nach Nelson Lebensdauerdaten aus Tests und Nutzung (Strukturen, Interpretation, Umrechnung) Mischverteilungen Lebensdauertests zum Nachweis der Zuverlässigkeit Planung von Zuverlässigkeitstests - die „Success Run“ Methode - die „Sudden Death“ Methode Zuverlässigkeit von Systemen Absicherung der Lebensdauerprognosen (Vertrauenswahrscheinlichkeiten und Konfidenzen) Die Anwendung der Lehrinhalte erfolgt durch die Programmiersprache R.

Modulbestandteile

Pflichtbereich

Die folgenden Veranstaltungen sind für das Modul obligatorisch:

Lehrveranstaltungen	Art	Nummer	Turnus	Sprache	SWS	ISIS	VVZ
Applied Data Science for Reliability Engineering	IV	3536 L 319	SoSe	de	4

ISIS-Kurssuche nach Veranstaltungen des Moduls

Arbeitsaufwand und Leistungspunkte

Applied Data Science for Reliability Engineering (IV):

Aufwandbeschreibung	Multiplikator	Stunden	Gesamt
Prüfungsvorbereitung	1.0	40.0h	40.0h
Vor-/Nachbereitung	15.0	3.0h	45.0h
Rechnerübung/Projektdurchführung	6.0	8.0h	48.0h
Vorlesungszeit	5.0	8.0h	40.0h
			173.0h(~6 LP)

Der Aufwand des Moduls summiert sich zu 173.0 Stunden. Damit umfasst das Modul 6 Leistungspunkte.

Beschreibung der Lehr- und Lernformen

Es kommen Vorlesungen mit integrierten Übungen, Rechnerübungen und Projektbearbeitung zum Einsatz.

Voraussetzungen für die Teilnahme / Prüfung

Wünschenswerte Voraussetzungen für die Teilnahme an den Lehrveranstaltungen:

Introduction to Engineering Data Analytics with R (IDA) Applied Data Science for Quality Engineering (DQE) Die Lehrinhalte der obigen Veranstaltungen können auch eigenständig erarbeitet werden.

Verpflichtende Voraussetzungen für die Modulprüfungsanmeldung:

Dieses Modul hat keine Prüfungsvoraussetzungen.

Abschluss des Moduls

Benotung

Benotet

Prüfungsform

Portfolioprüfung

Art der Portfolioprüfung

100 Punkte insgesamt

Sprache(n)

Deutsch

Prüfungselemente

Name	Punkte	Kategorie	Dauer/Umfang
Bearbeitung des Projektes	30	praktisch	30 - 45 Minuten
Schriftliche Prüfung	70	schriftlich	75 Minuten

Notenschlüssel

Notenschlüssel »Notenschlüssel 2: Fak IV (2)«

Gesamtpunktzahl	1.0	1.3	1.7	2.0	2.3	2.7	3.0	3.3	3.7	4.0
100.0pt	95.0pt	90.0pt	85.0pt	80.0pt	75.0pt	70.0pt	65.0pt	60.0pt	55.0pt	50.0pt

Prüfungsbeschreibung (Abschluss des Moduls)

Die Prüfungsform für dieses Modul ist die Portfolioprüfung. Dazu müssen die unten aufgeführten Teilleistungen mit entsprechender Gewichtung absolviert werden: - Bearbeitung des Projektes - 30 von 100 Punkten (in der vorlesungsfreien Zeit) - Schriftliche Prüfung - 70 von 100 Punkten (in der vorlesungsfreien Zeit)

Dauer des Moduls

Für Belegung und Abschluss des Moduls ist folgende Semesteranzahl veranschlagt:
1 Semester.

Dieses Modul kann in folgenden Semestern begonnen werden:
Sommersemester.

Maximale teilnehmende Personen

Dieses Modul ist nicht auf eine Anzahl Studierender begrenzt.

Anmeldeformalitäten

Anmeldung zur Lehrveranstaltung: - Anmeldung beim Fachgebiet (Termin wird auf der Homepage veröffentlicht) Anmeldung zur Prüfung: - Anmeldung Online (QISPOS) - Die jeweiligen Anmeldefristen sind der Ordnung zur Regelung des allgemeinen Studien- und Prüfungsverfahrens (AllgStuPO) zu entnehmen (§ 39)

Literaturhinweise, Skripte

Skript in Papierform

Verfügbarkeit: nicht verfügbar

Skript in elektronischer Form

Verfügbarkeit: verfügbar

Zusätzliche Informationen:
Das Skript in elektronischer Form wird über das ISIS System der TU Berlin bereitgestellt

Literatur

Empfohlene Literatur
Bertsche, Bernd; Lechner, Gisbert (2004): Zuverlässigkeit im Fahrzeug- und Maschinenbau. 3., überarbeitete und erweiterte Auflage. Berlin, Heidelberg, New York: Springer-Verlag
Meyna, Arno; Pauli, Bernhard (2009): Zuverlässigkeitstechnik. Quantitative Bewertungsverfahren. 2., überarbeitete und erweiterte Auflage. München: Hanser, Carl.
Verband der Automobilindustrie e.V. (VDA) (2016): Qualitätsmanagement in der Automobilindustrie Band 3. Zuverlässigkeitssicherung bei Automobilherstellern und Lieferanten Teil 2. Zuverlässigkeits-Methoden und -Hilfsmittel, 4. Auflage

Zugeordnete Studiengänge

Semester:

Zeige auch ausgelaufene Studiengänge und StuPOs

Diese Modulversion wird in folgenden Studiengängen verwendet:

	Studiengang / StuPO	StuPOs	Verwendungen	Erste Verwendung	Letzte Verwendung
Dieses Modul findet in keinem Studiengang Verwendung.

Studierende anderer Studiengänge können dieses Modul ohne Kapazitätsprüfung belegen.

Das Modul vermittelt wesentliche Methoden und Verfahren, die die Teilnehmer befähigt, um verschiedene Aufgaben in der Zuverlässigkeitsanalyse übernehmen, deren Bearbeitung steuern, koordinieren und erfolgreich abschließen zu können.

Sonstiges

Dieses Modul ist die Neuauflage des Moduls "Zuverlässigkeit und Risikobewertung" und wird ab dem Sommersemester 2018 angeboten.