Siirry suoraan sisältöön

Data-analytiikka tuotannon kehittämisessä (2 op)

Toteutuksen tunnus: IK10063-3001

Toteutuksen perustiedot


Ilmoittautumisaika

01.04.2025 - 30.04.2025

Ajoitus

25.08.2025 - 19.12.2025

Opintopistemäärä

2 op

Toteutustapa

Lähiopetus

Yksikkö

Insinöörikoulutus / Konetekniikka (IK)

Toimipiste

Wärtsilä-kampus Karjalankatu 3 (WÄR)

Opetuskielet

  • Suomi

Paikat

20 - 50

Koulutus

  • Konetekniikan koulutus

Opettaja

  • Jarno Mertanen

Vastuuopettaja

Jarno Mertanen

Ryhmät

  • IKNS22
    Insinööri (AMK), Konetekniikka, päivä, syksy, 2022

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

Arviointiasteikko

H-5

Arviointimenetelmät ja arvioinnin perusteet

Opintojaksolla on numero arviointi 0-5. Arvosana perustuu tehtävistä ja tenteistä kerättyjen pisteiden yhteismäärään
n. yli 50% pisteistä vastaa arvosanaa 1
n. alle 60% pisteistä vastaa arvosanaa 2
n. alle 70% pisteistä vastaa arvosanaa 3
n. alle 80% pisteistä vastaa arvosanaa 4
n. 90% tai pisteistä vastaa arvosanaa 5

Arviointikriteerit, tyydyttävä (1-2)

Opiskelija osaa käyttää keskeisiä/yksittäisiä käsitteitä sekä osoittaa hallitsevansa osaamisalueen perustiedot.
Opiskelija osaa toimia yksinkertaisia ongelmia ratkaistaessa tarkoituksenmukaisesti, joskin toiminta voi olla hapuilevaa. Opiskelija osaa toimia ohjeiden mukaisesti ja ratkaista perustehtäviä.

Arviointikriteerit, hyvä (3-4)

Opiskelija osaa käyttää johdonmukaisesti käsitteitä sekä osoittaa hallitsevansa osaamisalueen perustiedot.
Opiskelija osaa valita tarkoituksenmukaisia tapoja mallintaa yksinkertaisia aihepiirin ongelmia. Opiskelija osaa ratkaista perustehtäviä. Opiskelija osaa soveltaa osaamistaan perustehtävissä.

Arviointikriteerit, kiitettävä (5)

Opiskelija osaa käyttää kurssin aikana käsiteltyjä lainalaisuuksia, termejä ja käsitteitä asiantuntevasti ja yhdistää niitä kokonaisuuksiksi. Opiskelija osaa soveltaa osaamistaan erilaisissa tehtävissä ja tilanteissa.