Kursplan för Industriell utveckling med hjälp av statistiska metoder

Kursplanen innehåller ändringar
Se ändringar

Kursplan fastställd 2023-10-11 av programansvarig (eller motsvarande).

Kursöversikt

  • Engelskt namnStatistical engineering practices for industrial development
  • KurskodTRA250
  • Omfattning7,5 Högskolepoäng
  • ÄgareTRACKS
  • UtbildningsnivåAvancerad nivå
  • InstitutionTRACKS
  • BetygsskalaTH - Mycket väl godkänd (5), Väl godkänd (4), Godkänd (3), Underkänd

Kurstillfälle 1

Kurstillfället är inställt. För frågor kontakta utbildningssekreteraren för
  • Undervisningsspråk Engelska
  • Anmälningskod 97153
  • Sökbar för utbytesstudenterJa

Poängfördelning

0123 Projekt 7,5 hp
Betygsskala: TH		0 hp0 hp3,7 hp3,8 hp0 hp0 hp

    Examinator

    Gå till kurshemsidan (Öppnas i ny flik)

    Behörighet

    Grundläggande behörighet för avancerad nivå
    Sökande med en programregistrering på ett program där kursen ingår i programplanen undantas från ovan krav.

    Särskild behörighet

    Engelska 6
    Sökande med en programregistrering på ett program där kursen ingår i programplanen undantas från ovan krav.

    Kursspecifika förkunskaper

    Förutom de allmänna förkunskapskraven för att studera på avancerad nivå på Chalmers, måste studenten säkerställa att nödvändiga kompetenser innehas eller inhämtas under kursens gång. Examinator formulerar och kontrollerar dessa kompetenser.

    Studenten kan bara bli antagen efter överenskommelse med examinator.

    Grundläggande kurs i matematisk statisk.

    Syfte

    Kursens syfte är att ge en plattform för att arbeta med och lösa utmaningsdrivna tvärvetenskapliga autentiska problem från olika delar av samhället såsom akademin, industri och offentlig sektor. Syftet är också att studenter från olika program arbetar tillsammans och tränar på att fungera effektivt i mångdisciplinära globala utvecklingsteam.

    Målet med kursen är att utveckla professionell kompetens avseende robust ingenjörskonst och kvalitetsutveckling genom att utnyttja data på bästa sätt. Det innebär att du lär dig hur du använder toppmoderna datavisualiserings- och analysmetoder och verktyg för att utforska historiska data och att bygga prediktiva modeller på både korrelerade och okorrelerade multivariata data samt hur man planerar ny datainsamling i både experiment och simuleringar (metamodellering)

    Lärandemål (efter fullgjord kurs ska studenten kunna)


    Generellt för alla Tracks-kurser:
    • kritiskt och kreativt identifiera och/eller formulera avancerade arkitektoniska eller tekniska problem
    • bemästra problem med öppna lösningsrymder. Detta innefattar att kunna hantera osäkerheter och begränsad information
    • leda och delta i utvecklingen av nya produkter, processer och system med en helhetssyn genom att följa en systematisk designprocess och/eller en systematisk utvecklingsprocess
    • arbeta i tvärvetenskapliga grupper och samarbeta i grupper med olika sammansättningar
    • visa insikter om kulturella skillnader samt kunna arbeta insiktsfullt med dem
    • visa insikter om och bemästra effekterna av arkitektoniska och/ellereller tekniska lösningar i globala, ekonomiska, miljömässiga och samhälleliga sammanhang
    • identifiera etiska aspekter och diskutera och bedöma deras konsekvenser i förhållande till det specifika problemet
    • muntligt och skriftligt på engelska förklara och diskutera information, problem, metoder, design- och utvecklingsprocesser samt lösningar
    • uppfylla de projektspecifika lärandemålen
    Kursspecifikt:
    • grunderna i statistiskt tänkande för att kunna utmana och omdefiniera problemformuleringar ur ett pull-perspektiv
    • karakterisera prestanda för en process/produktion/driftsprestanda, genom att kvantifiera, kontrollera och minska variation, med verktyg som processförmåga, styrdiagram och mätsystemanalys enligt standarddriftsprocedurer för kvalitetsutveckling och kontinuerlig förbättring
    • genomföra Exploratory Data Analysis (EDA) med hjälp av toppmoderna verktyg för datavisualisering för att dra slutsatser om historiska data
    • dra slutsatser om data med hjälp av grundläggande statistiska slutledningstestning för olika datatyper, för att stödja beslutsfattande
    • tillämpa och utvärdera verktyg och metoder för korrelation och regression
    • tillämpa och utvärdera olika tillvägagångssätt för försöksplanering
    • använda olika metoder av predictive modeling och text mining för att avslöja samband i data


    Innehåll

    Kursen tar upp följande teman genom workshops och praktiska tillämpningar:
    • Statistiskt tänkande i problemdefiniering och problemlösning
    • Undersökande dataanalys och grafisk analys av data
    • Kvalitetsmetoder
    • Faktabaserat beslutsfattande
    • Korrelation och regression (multivariat)
    • Moderna metoder för försöksplanering
    • Prediktiv och föreskrivande modellering och optimering

    Organisation

    Kursen drivs av ett lärarlag.
    Huvuddelen av kursen är ett utmaningsdrivet projekt. Utmaningen kan sträcka sig från att vara bred samhällelig till djup forskningsdriven. Projektuppgiften löses i grupp.
    Projektarbetet kompletteras med "on-demand"-undervisning och lärande av för projektet nödvändiga kompetenser. Projektgruppen har en projektspecifik examinator, handledare från Chalmers och beroende på projektuppgift, om tillämpligt, även externa bi-handledare.

    Tracks-tema: Hållbar produktion

    Kursen innehåller en praktisk halvdags workshop varannan vecka, med stöd av inspelade föreläsningar, webbseminarier, övningar och inlämningar.
    Den huvudsakliga undervisningsplattformen är den statistiska plattformen JMP Pro. Den praktiska träningen och problemlösningen kommer att stödjas av utvald teori från böcker och tidskrifter.

    Litteratur

    Relevant litteratur identifieras och förvärvas av studenterna som en del av projektet.

    Ett urval av tidskriftsartiklar och bokavsnitt kommer att användas som referenser och urval av webinars


    Examination inklusive obligatoriska moment

    • Teori/verktygsövningar: Totalt tre duggor sammanlagda, max 30p
    • Verktygstillämpning och testning i projekt (eller sidouppgifter): max 10p
    • Reflekterande sammanfattning av den övergripande allmänna proceduren: max 10p
    • Godkänd PIP (presentationsformat)
    • Godkänd lösning av individuellt DOE-problem (baserat på simulering
    Betyg 3 (20p), 4 (30p) och 5 (40p)

    Kursens examinator får examinera enstaka studenter på annat sätt än vad som anges ovan om särskilda skäl föreligger, till exempel om en student har ett beslut från Chalmers om pedagogiskt stöd på grund av funktionsnedsättning.

    Kursplanen innehåller ändringar

    • Ändring gjord på kurstillfälle i programplan:
      • 2023-10-09: Borttaget [MPPEN, Årskurs 1 regel V] Kurstillfälle 1 borttaget av UOL
      • 2023-10-09: Borttaget [MPAEM, Årskurs 1 regel V] Kurstillfälle 1 borttaget av UOL
      • 2023-10-09: Borttaget [TRACKS, Årskurs 1 regel V] Kurstillfälle 1 borttaget av UOL
    • Ändring gjord på kurstillfälle:
      • 2023-10-09: Inställd Ändrat till inställd av UOL
        [Kurstillfälle 1] Inställt