Modulbeschreibung
Computational Engineering III
ECTS-Punkte:
10
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.
Kurse in diesem Modul
Computational Physics: Wärme und Elektromagnetismus:
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
Klassenunterricht mit 4 Lektionen pro Woche
Design of Experiments und SPC:
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
Klassenunterricht mit 4 Lektionen pro Woche
Praktikum SPC:
In diesem Praktikum werde die theoretischen Grundlagen aus dem Kurs “Design of Experiment und SPC» an der Hybriden Lernfabrik in Form von Laborübungen angewendet.
Klassenunterricht mit 2 Lektionen pro Woche
Data Engineering:
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
Klassenunterricht mit 2 Lektionen pro Woche
Disclaimer
Diese Beschreibung ist rechtlich nicht verbindlich! Weitere Informationen finden Sie in der detaillierten Modulbeschreibung.