Data-analytiikka tuotannon kehittämisessä (2 op)
Toteutuksen tunnus: IK10063-3001
Toteutuksen perustiedot
- Ilmoittautumisaika
- 01.04.2025 - 18.05.2025
- Ilmoittautuminen toteutukselle on päättynyt.
- Ajoitus
- 25.08.2025 - 19.12.2025
- Toteutus ei ole vielä alkanut.
- Opintopistemäärä
- 2 op
- Lähiosuus
- 2 op
- Toteutustapa
- Lähiopetus
- Yksikkö
- Insinöörikoulutus / Konetekniikka (IK)
- Toimipiste
- Wärtsilä-kampus Karjalankatu 3 (WÄR)
- Opetuskielet
- suomi
- Paikat
- 20 - 50
- Koulutus
- Konetekniikan koulutus
- Opettajat
- Jarno Mertanen
- Vastuuopettaja
- Jarno Mertanen
- Ryhmät
-
IKNS22Insinööri (AMK), Konetekniikka, päivä, syksy, 2022
- Opintojakso
- IK10063
Arviointiasteikko
H-5
Tavoitteet
Opiskelija tietää kuinka tuotannon data-analytiikan perusteet.
Opiskelija tietää kuinka tuotannon dataa voidaan hyödyntää toiminnan kehittämisessä.
Opiskelija tietää teollisuuden data-analytiikan sovelluskohteita.
Opiskelija osaa kerätä ja hallita tuotannollista dataa. Opiskelija osaa käytää datan analyysimentelmiä ja työkaluja. Analytiikka työkaluina Minitab- ja Excel-ohjelmistot. Opiskelija osaa hyödyntää koesuunnittelua tuotannon kehittämiseksi..
Sisältö
• Johdanto data-analytiikkaan
• Datan kerääminen ja hallinta
• Analyysimenetelmät ja työkalut
• Analytiikkatyökalut ja ohjelmistot (Minitab)
• Visualisointi ja raportointi eli datan visualisointi ja tulosten esittäminen
• Tietoturva kysymykset
• Mahdollinen projektityö
• Harjoitukset
Oppimateriaalit
Oppimateriaalia on moodlessa ja oppituntien aikana jaettua tai osoitettua muuta opiskelumateriaalia. Minitab help aineisto.
Opetusmenetelmät
Opiskelija tietää kuinka tuotannon data-analytiikan perusteet.
Opiskelija tietää kuinka tuotannon dataa voidaan hyödyntää toiminnan kehittämisessä.
Opiskelija tietää teollisuuden data-analytiikan sovelluskohteita.
Opiskelija osaa kerätä ja hallita tuotannollista dataa. Opiskelija osaa käytää datan analyysimentelmiä ja työkaluja. Analytiikka työkaluina Minitab- ja Excel-ohjelmistot. Opiskelija osaa hyödyntää koesuunnittelua tuotannon kehittämiseksi..
• Johdanto data-analytiikkaan
• Datan kerääminen ja hallinta
• Analyysimenetelmät ja työkalut
• Analytiikkatyökalut ja ohjelmistot
• Minitab
• Koesuunnittelu: Taguchi, screening, full factorial, lineaarinen optimointi
• Visualisointi ja raportointi eli datan visualisointi ja tulosten esittäminen
• Tietoturva kysymykset
• Mahdollinen projektityö
• Harjoitukset
Opiskelijan ajankäyttö ja kuormitus
Opiskelijan työkuorma vastaa noin 54 tunnin työkuormaa, josta luentoja ja ohjattua tekemistä on 20 tuntia ja arviolta 34 tuntia menee tehtävien ja harjoitusten tekemiseen