Modulbeschreibung
Computational Engineering III
Kürzel:
Durchführungszeitraum:
ECTS-Punkte:
Arbeitsaufwand:
Lernziele:
Die Studierenden
- können eindimensionale Wärmeleitprobleme modellieren und lösen.
- können die dreidimensionale Wärmeleitungsgleichung aufstellen.
- können Anfangs- und Randbedingungen für Wärmeleitprobleme richtig aufstellen.
- können die Wärmeleitungsgleichung mittels Software-Tools numerisch lösen.
- können Messdaten zu Wärmeleitproblemen mit Simulationsergebnissen vergleichen.
- können elektrische Felder einfacher Ladungsgeometrien berechnen.
- kennen den Begriff des elektrischen Potentials.
- können Spannung, Energie und Kräfte eines geladenen Kondensators berechnen.
- kennen die Begriffe Dielektrikum, Suszeptibilität und Polarisierung.
- können Messdaten zu elektromagnetischen Phänomenen mit Simulationsergebnissen vergleichen.
- können praktische Problemstellungen mithilfe von geplanten Versuchen lösen.
- können Eingangs- und Ausgangsparameter, Störgrössen sowie kontrollierbare und unkontrollierbare Parameter unterscheiden.
- können einfache Screening Pläne aufstellen und auswerten.
- können voll- und teilfaktorielle Pläne aufstellen, auswählen und auswerten.
- können D-optimale Pläne aufstellen und auswerten.
- kennen die grundlegende Herangehensweise der Fehlerrechnung und Fehlerfortpflanzung (GUM).
- können die Prozessfähigkeit von Anlagen und Messsystemen bewerten.
- können einfache Regelkarten aufstellen und statistisch auswerten.
- können multivariate Regelkarten aufstellen und statistisch auswerten.
- können die Prozessfähigkeit von realen Produktionssystemen beurteilen.
- können univariate und multivariate Regelkarten für reale Probleme umsetzen.
- können Anomaliedetektionsalgorithmen für reale Produktionssysteme entwerfen und implementieren.
- können für einen einfachen Anwendungsfall eine Daten-Pipeline konzipieren und implementieren.
- können Sensordaten von einer Maschine (z.B. Hybride Lernfabrik) lesen, verarbeiten und in einer geeigneten Datenbank speichern.
- können Daten von definierten Schnittstellen (z.B. OPC-UA , REST) konsumieren.
- kennen die Einsatzgebiete, Vor- und Nachteile von NoSQL Systemen.
- können Zeitreihen in geeigneten Datenbanken speichern.
Verantwortliche Person:
Telefon/EMail:
Standort (angeboten):
Fachbereiche:
Vorausgesetzte Module:
Modultyp:
Bemerkungen:
Dieses Modul gliedert sich in die vier Kurse „Computational Physics: Wärme und Elektromagnetismus“, „Design of Experiments und SPC“, „Praktikum SPC“ und „Data Engineering“.
ECTS-Punkte pro Kategorie
Modulbewertung
Bewertungsart:
Leistungsbewertung
Während der Prüfungssession:
Bemerkungen zur Prüfung:
Am Ende des Semesters findet eine abgesetzte Modulschlussprüfung in einem Teil über den Kurs Design of Experiments und SPC statt.
Während des Semesters:
Während des Semesters findet im Kurs Data Engineering eine Zwischenprüfung statt. Im Kurs Praktikum SPC wird ein Projekt bewertet. Im Kurs Computational Physics: Wärme und Elektromagnetismus werden zwei Projekte bewertet.
Bewertungsart:
Gewichtung:
Während des Semesters findet im Kurs Data Engineering (Gewicht 15%) eine Zwischenprüfung statt. Im Kurs Praktikum SPC wird ein Projekt (Gewicht 15 %) bewertet. Im Kurs Computational Physics: Wärme und Elektromagnetismus werden zwei Projekte (Gewicht je 21.667%) bewertet.
Am Ende des Semesters findet eine abgesetzte Modulschlussprüfung in einem Teil über den Kurs Design of Experiments und SPC (Gewicht 26.666%) statt.
Bemerkungen:
Teilbewertung:
Kurse in diesem Modul
Computational Physics: Wärme und Elektromagnetismus
Kürzel:
Arbeitsaufwand:
Semester:
Lernziele:
Die Studierenden
- können eindimensionale Wärmeleitprobleme modellieren und lösen.
- können die dreidimensionale Wärmeleitungsgleichung aufstellen.
- können Anfangs- und Randbedingungen für Wärmeleitprobleme richtig aufstellen.
- können die Wärmeleitungsgleichung mittels Software-Tools numerisch lösen.
- können Messdaten zu Wärmeleitproblemen mit Simulationsergebnissen vergleichen.
- können elektrische Felder einfacher Ladungsgeometrien berechnen.
- kennen den Begriff des elektrischen Potentials.
- können Spannung, Energie und Kräfte eines geladenen Kondensators berechnen.
- kennen die Begriffe Dielektrikum, Suszeptibilität und Polarisierung.
- können Messdaten zu elektro-magnetischen Phänomenen mit Simulationsergebnissen vergleichen.
Plan und Lerninhalt:
Wärmeleitung
- 1d Wärmeleitung stationär und transient
- Rand- und Anfangswerte
- 3d Wärmeleitungsgleichung
- Wärmeleitung in Zylinderkoordinaten
- Convection-Diffusion Gleichung
- Quasi 3d Probleme
Elektrostatik
- Grundlagen und einfache Geometrien
- Elektrische Felder in Materialien
Berechnungswerkzeuge
- Einführung in toolbasiertes Lösung der Grundgleichungen
- Vernetzung
- Randbedingungen
- Konvergenz
Ansprechspersonen:
Fachbereiche:
Unterrichtssprache:
Leistungsnachweis:
Während des Unterrichts werden zwei Projekte bewertet.
Lehr- und Lernmethoden:
Unterricht im Klassenverband, Übungen, Selbststudium, Labor
Kursart:
Durchführung gemäss Stundenplan
Bemerkungen:
Unterrichtssprache Deutsch und/oder Englisch
Design of Experiments und SPC
Kürzel:
Arbeitsaufwand:
Semester:
Lernziele:
Die Studierenden
- können praktische Problemstellungen mithilfe von geplanten Versuchen lösen.
- können Eingangs- und Ausgangsparameter, Störgrössen sowie kontrollierbare und unkontrollierbare Parameter unterscheiden.
- können einfache Screening Pläne aufstellen und auswerten.
- können voll- und teilfaktorielle Pläne aufstellen, auswählen und auswerten.
- können D-optimale Pläne aufstellen und auswerten.
- kennen die grundlegende Herangehensweise der Fehlerrechnung und Fehlerfortpflanzung (GUM).
- können die Prozessfähigkeit von Anlagen und Messsystemen bewerten.
- können einfache Regelkarten aufstellen und statistisch auswerten.
- können multivariate Regelkarten aufstellen und statistisch auswerten.
Plan und Lerninhalt:
Versuchsplanung (Design of Experiements)
- Use Cases
- Grundlegender Aufbau geplanter Versuche
- Screening Designs
- Faktorielle Designs
- Optimale Versuchspläne
- Prozessoptimierung
Prüfprozesseignung
- GUM
- Prozessfähigkeit
Statistische Prozesslenkung (SPC)
- Einfache Regelkarten
- Statistische Analyse einfacher Regelkarten
- Kontrollkarten mit Gedächtnis
- Multivariate Prozesslenkung
Ansprechspersonen:
Fachbereiche:
Unterrichtssprache:
Leistungsnachweis:
Am Ende des Semesters findet eine Modulschlussprüung statt.
Lehr- und Lernmethoden:
Unterricht im Klassenverband, Übungen, Selbststudium, Labor
Kursart:
Durchführung gemäss Stundenplan
Bemerkungen:
Unterrichtssprache Deutsch und/oder Englisch
Praktikum SPC
Kürzel:
Arbeitsaufwand:
Semester:
Lernziele:
Die Studierenden
- können die Prozessfähigkeit von realen Produktionssystemen beurteilen.
- können univariate und multivariate Regelkarten für reale Probleme umsetzen.
- können Anomaliedetektionsalgorithmen für reale Produktionssysteme entwerfen und implementieren.
Plan und Lerninhalt:
In diesem Praktikum werde die theoretischen Grundlagen aus dem Kurs “Design of Experiment und SPC» an der Hybriden Lernfabrik in Form von Laborübungen angewendet.
Ansprechspersonen:
Fachbereiche:
Unterrichtssprache:
Leistungsnachweis:
Während des Semesters wird eine Projektarbeit bewertet.
Lehr- und Lernmethoden:
Laborübung an der Hybriden Lernfabrik, Selbststudium
Kursart:
Durchführung gemäss Stundenplan
Bemerkungen:
Unterrichtssprache Deutsch und/oder Englisch
Data Engineering
Kürzel:
Arbeitsaufwand:
Semester:
Lernziele:
Die Studierenden
- können für einen einfachen Anwendungsfall eine Daten-Pipeline konzipieren und implementieren.
- können Sensordaten von einer Maschine (z.B. Hybride Lernfabrik) lesen, verarbeiten und in einer geeigneten Datenbank speichern.
- können Daten von definierten Schnittstellen (z.B. OPC-UA , REST) konsumieren.
- kennen die Einsatzgebiete, Vor- und Nachteile von NoSQL Systemen.
- können Zeitreihen in geeigneten Datenbanken speichern.
Plan und Lerninhalt:
Die Vorlesung behandelt Themen des Data Engineering wie sie im industriellen Umfeld auftreten.
- Analyse und Beschreibung des Data Lifecycle
- Implementierung einer Data-Pipeline im industriellen Umfeld.
- OPC UA Client-Server Kommunikation
- Daten von einer REST-Schnittstelle konsumieren
- NoSQL (JSON Documents, evtl. Aggregate Pattern)
- Extract, Transform and Load (ETL)
- Verteilte Datenbanken. Sharding. Replication
Ansprechspersonen:
Fachbereiche:
Unterrichtssprache:
Leistungsnachweis:
Während der Unterrichtsphase wird eine Prüfung geschrieben.
Lehr- und Lernmethoden:
Lehrgespräch im Klassenverband, Laborübungen, Selbststudium
Kursart:
Durchführung gemäss Stundenplan
Bemerkungen:
Unterrichtssprache Deutsch und/oder Englisch