htw saar QR-encoded URL
Zurück zur Hauptseite Version des Moduls auswählen:
Lernziele hervorheben XML-Code


Angewandte Informatik und Industrie 4.0

Modulbezeichnung:
Bezeichnung des Moduls innerhalb des Studiengangs. Sie soll eine präzise und verständliche Überschrift des Modulinhalts darstellen.
Angewandte Informatik und Industrie 4.0
Studiengang:
Studiengang mit Beginn der Gültigkeit der betreffenden ASPO-Anlage/Studienordnung des Studiengangs, in dem dieses Modul zum Studienprogramm gehört (=Start der ersten Erstsemester-Kohorte, die nach dieser Ordnung studiert).
Maschinenbau / Produktionstechnik, Bachelor, ASPO 01.10.2021
Code: DBMAB-350
SAP-Submodul-Nr.:
Die Prüfungsverwaltung mittels SAP-SLCM vergibt für jede Prüfungsart in einem Modul eine SAP-Submodul-Nr (= P-Nummer). Gleiche Module in unterschiedlichen Studiengängen haben bei gleicher Prüfungsart die gleiche SAP-Submodul-Nr..
P720-0001, P720-0002
SWS/Lehrform:
Die Anzahl der Semesterwochenstunden (SWS) wird als Zusammensetzung von Vorlesungsstunden (V), Übungsstunden (U), Praktikumsstunden (P) oder Projektarbeitsstunden (PA) angegeben. Beispielsweise besteht eine Veranstaltung der Form 2V+2U aus 2 Vorlesungsstunden und 2 Übungsstunden pro Woche.
-
ECTS-Punkte:
Die Anzahl der Punkte nach ECTS (Leistungspunkte, Kreditpunkte), die dem Studierenden bei erfolgreicher Ableistung des Moduls gutgeschrieben werden. Die ECTS-Punkte entscheiden über die Gewichtung des Fachs bei der Berechnung der Durchschnittsnote im Abschlusszeugnis. Jedem ECTS-Punkt entsprechen 30 studentische Arbeitsstunden (Anwesenheit, Vor- und Nachbereitung, Prüfungsvorbereitung, ggfs. Zeit zur Bearbeitung eines Projekts), verteilt über die gesamte Zeit des Semesters (26 Wochen).
8
Studienjahr: 3
Pflichtfach: ja
Arbeitssprache:
Deutsch
Prüfungsart:
2 benotete Teilprüfungen:
 
• Schriftliche Teilklausur „Angewandte Informatik“ (Dauer 90 Min., 100 Pkt.)
  o Die Klausur wird im 6. Semester (Block 6A) gemäß Prüfungsplan geschrieben.
 
• Schriftliche Teilklausur „Industrie 4.0“ (Dauer 90 Min., 100 Pkt.)
  o Die Klausur wird im 6. Semester (Block 6A) gemäß Prüfungsplan geschrieben.
 
Voraussetzungen für die Vergabe von Kreditpunkten
Erreichen von mindestens 40 von 100 Punkten in jeder Teilklausur
Die Modulnote entspricht der Leistung in der Modulklausur und wird als Dezimalnote gemäß HTW-Notenschema ausgewiesen.
 
Die Modulnote setzt sich wie folgt zusammen:                 
• 50 % der Pkt. in der Teilklausur „Angewandte Informatik“
• 50 % der Pkt. in der Teilklausur „Industrie 4.0“


[letzte Änderung 02.02.2023]
Verwendbarkeit / Zuordnung zum Curriculum:
Alle Studienprogramme, die das Modul enthalten mit Jahresangabe der entsprechenden Studienordnung / ASPO-Anlage.

DBMAB-350 (P720-0001, P720-0002) Maschinenbau / Produktionstechnik, Bachelor, ASPO 01.10.2021 , 3. Studienjahr, Pflichtfach
DBMAB-350 (P720-0001, P720-0002) Maschinenbau / Produktionstechnik, Bachelor, ASPO 01.10.2024 , 3. Studienjahr, Pflichtfach
Arbeitsaufwand:
Der Arbeitsaufwand des Studierenden, der für das erfolgreiche Absolvieren eines Moduls notwendig ist, ergibt sich aus den ECTS-Punkten. Jeder ECTS-Punkt steht in der Regel für 30 Arbeitsstunden. Die Arbeitsstunden umfassen Präsenzzeit (in den Vorlesungswochen), Vor- und Nachbereitung der Vorlesung, ggfs. Abfassung einer Projektarbeit und die Vorbereitung auf die Prüfung.

Die ECTS beziehen sich auf die gesamte formale Semesterdauer (01.04.-30.09. im Sommersemester, 01.10.-31.03. im Wintersemester).
Der Gesamtaufwand des Moduls beträgt 240 Arbeitsstunden.
Empfohlene Voraussetzungen (Module):
Keine.
Sonstige Vorkenntnisse:
Keine.

[letzte Änderung 09.09.2021]
Als Vorkenntnis empfohlen für Module:
Modulverantwortung:
Prof. Dr.-Ing. Jürgen Kohlrusch
Dozent/innen: Prof. Dr.-Ing. Jürgen Kohlrusch

[letzte Änderung 11.06.2021]
Lernziele:
Angewandte Informatik:
Es werden grundlegende Konzepte der Informatik vermittelt und auf einfache Problemstellungen angewendet. Zu diesem Zweck erhalten die Studierenden eine Einführung in die Programmierung. Die Studierenden verstehen den Begriff Algorithmus. Sie kennen beispielsweise Algorithmen zur Suche sowie zum Sortieren von Daten und unterscheiden Algorithmen bezüglich ihrer Effizienz. Sie kennen verschiedene Datenstrukturen. Die Studierenden sind in der Lage, Algorithmen zu einfachen Problemstellungen zu implementieren. Die Studierenden sind sich der zunehmenden Bedeutung der Informatik für die Ingenieursdisziplinen bewusst.
 
Industrie 4.0:
Zukünftig wird der Einfluss der Digitalisierung weitreichende Änderungen der Arbeitswelt in Industrie und Handel haben. Durch das Teilmodul „Industrie 4.0“ verstehen die Studierenden, welche Einflussgrößen auf die zukünftigen Prozesse in der Industrie wirken, und welche Herausforderungen dabei auf sie zukommen können. Die Studierenden können die Unterschiede zwischen heute bereits automatisierten Geschäftsprozessen und einer vollständig vernetzten „Smart Factory“, wie sie Industrie 4.0 zukünftig andenkt, aufzeigen und beschreiben. Sie kennen sog. cyber-physische Systeme und verstehen, wie strukturierte, semistrukturierte und unstrukturierte Daten in großen Mengen verarbeitet werden können („Big Data“). Sie sind mit den Grundlagen der Künstlichen Intelligenz vertraut und erkennen deren praktische Potenziale in zukünftigen Geschäftsfeldern.
 
Das Modul „Angewandte Informatik und Industrie 4.0“ dient der Erweiterung und der Stärkung der fachlichen Kompetenz „Wissen und Verstehen“ (Wissensverbreiterung und -vertiefung) und der instrumentalen Kompetenz (Anwendungs- und Lösungskompetenz).

[letzte Änderung 02.02.2023]
Inhalt:
Inhalte zur Vorlesung zu angewandter Informatik:
• Algorithmus: Definition und Bedeutung
• Datenstrukturen
• Einführung in die Programmierung
• Anwendung auf Suchverfahren
• Effizienz von Algorithmen
• Anwendung auf einfache und höhere Sortierverfahren samt Vergleich der Leistungsfähigkeit
 
Inhalte zur Vorlesung zu Industrie 4.0:
• Einführung in die Industrie 4.0
  o Smart Home, Smart Car, Smart Factory – Anwendungsbeispiele
  o Der Mensch im digitalisierten Umfeld – Augmented-, Virtual- and Mixed-Reality
  o Betriebsdaten (BDE)- und Maschinendatenerfassung (MDE)
  o Rechtliche Herausforderungen
 
• Cyber-physische Systeme
  o RFID, GPS
  o Netzwerktechnik, Servercluster
  o Datensicherheit, -sicherung und Datenschutz
  o Robotik und Kollaboration Mensch/ Maschine
 
• Big Data und Künstliche Intelligenz (KI)
  o Strukturierte, semistrukturierte und unstrukturierte Daten
  o Volume, Variety, Velocity, die „V’s“ von Big Data
  o Einführung von Hadoop, HDFS und Mapreduce
  o Funktionsweise Künstlicher Neuronaler Netze und Fuzzy Logic
  o Schwarmintelligenz
  o Big Data und KI in der Praxis

[letzte Änderung 02.02.2023]
Weitere Lehrmethoden und Medien:
Vorlesungen: Vortrag (darbietend), Demonstration (darbietend), Frage- und Impulsunterricht (erarbeitend), Unterrichtsgespräch (erarbeitend), Bearbeitung konkreter Problemstellungen in Gruppenarbeit
(erarbeitend), Fallstudien und Schulungen im EDV-Raum (erarbeitend)

[letzte Änderung 09.09.2021]
Sonstige Informationen:
Keine

[letzte Änderung 09.09.2021]
Literatur:
• R. Sedgewick, K. Wayne (2014): Algorithmen und Datenstrukturen (4. Auflage); Pearson, Hallbergmoos
• J. Bewersdorff (2018): Objektorientierte Programmierung mit JavaScript; Springer Vieweg, Wiesbaden
• A. Bauer, H. Günzel (Hrsg.): Data-Warehouse-System – Architektur, Entwicklung, Anwendung; dpunkt.Verlag; Heidelberg
• P. Chamoni, P. Gluchowski (Hrsg.): Analytische Informationssysteme – Business Intelligence Technologien und -Anwendungen; Springer Verlag; Berlin/Heidelberg
• J. Freiknecht: Big Data in der Praxis – Lösungen mit Hadoop, HBase und Hive. Daten speichern, aufbereiten, visualisieren; Carl Hanser; München
• Th. Schulz: Industrie 4.0: Potenziale erkennen und umsetzen, Vogel Business Media
• R. M. Wagner: Industrie 4.0 für die Praxis, Springer Gabler

[letzte Änderung 02.02.2023]
 
[Fri Apr 19 22:14:42 CEST 2024, CKEY=aaiui4, BKEY=aswmpt, CID=DBMAB-350, LANGUAGE=de, DATE=19.04.2024]