Data Analytics in Production Development (2 cr)
Code: IK10063-3001
General information
- Enrollment
- 01.04.2025 - 18.05.2025
- Registration for the implementation has ended.
- Timing
- 25.08.2025 - 19.12.2025
- The implementation has not yet started.
- Number of ECTS credits allocated
- 2 cr
- Local portion
- 2 cr
- Mode of delivery
- Contact learning
- Unit
- Insinöörikoulutus / Konetekniikka (IK)
- Campus
- Wärtsilä Campus Karjalankatu 3
- Teaching languages
- Finnish
- Seats
- 20 - 50
- Degree programmes
- Degree Programme in Mechanical Engineering
- Teachers
- Jarno Mertanen
- Teacher in charge
- Jarno Mertanen
- Groups
-
IKNS22Engineer, Mechanics, Full-time Studies, Fall, 2022
- Course
- IK10063
Evaluation scale
H-5
Objective
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..
Content
• 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
Materials
Oppimateriaalia on moodlessa ja oppituntien aikana jaettua tai osoitettua muuta opiskelumateriaalia. Minitab help aineisto.
Teaching methods
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
Student workload
Opiskelijan työkuorma vastaa noin 54 tunnin työkuormaa, josta luentoja ja ohjattua tekemistä on 20 tuntia ja arviolta 34 tuntia menee tehtävien ja harjoitusten tekemiseen