Ressourcenschonung durch Data Science und Digitalisierung für KMU

Nachhaltig und effizient im digitalen Wettbewerb

In dem Forschungs- und Wissenstransferprojekt „RSDS“ sollen Mitarbeiterinnen und Mitarbeiter in produzierenden Unternehmen die Potenziale von Data Science und der Digitalisierung im Hinblick auf eine Schonung wertvoller Ressourcen
durch die smarte Datengewinnung, eine intelligente Datenwertschöpfung und die effiziente Datenverwertung aufgezeigt
werden. Dies geschieht durch den anwendungsorientierten Wissenstransfer aus der universitären Forschung in die
industrielle Anwendung. Hierdurch werden neben der Schonung natürlicher Ressourcen auch die Flexibilität und die Befähigung der Teilnehmenden im Umgang mit digitalen Technologien ermöglicht und dadurch auch zur Bewältigung der
Folgen der Corona-Pandemie beigetragen. Im Projekt wird ein berufsbegleitendes Weiterbildungskonzept entwickelt,
welches auf einem zeitlich und örtlich flexiblen Lernkonzept basiert und eine abschließende Zertifizierung einschließt.

Melden Sie sich deshalb jetzt für die berufsbegleitende Weiterbildungsmaßnahme "Ressourcenschonung durch Data Science und Digitalisierung für KMU" an. Das Projekt wird in einer Kooperation zwischen der Campus-Akademie für Weiterbildung und dem Lehrstühlen Umweltgerechte Produktionstechnik der Universität Bayreuth durchgeführt. Die Teilnahme ist aufgrund der Förderung durch den Europäischen Sozialfonds für Sie kostenfrei.

Inhalte

Der Zertifikatslehrgang "RSDS" besteht aus insgesmat sechs Modulen. Anhand von Anwendungsbeispielen werden die verschiedenen Ebenen im Prozess der Datennutzung durchlaufen. Begonnen bei den Möglichkeiten der Datenerfassung (Schwingungsmessung, Kräfte- und Energiemesssung) und der damit verbundenen Qualitätsbewertung, über die Dataenaufbereitung und -auswertung, bis hin zur effektiven und zielgerichteten Datenverwertung, soll der Kurs neue Wege aufzeigen, um Daten im Unternehmen gewinnbringend nutzbar machen zu können.

Modul 1: Datenerfassung - Schwingungsdatenmessung

• theoretische Grundlagen zur Messung von Schwingungen
• Auswirkungen ungewünschter Schwingungen auf Produktionsqualität, Verschleiß, Geräuschemissionen und mögliche Beschädigungen technischer Anlagen und entsprechende Vermeidungsstrategien zur Schonung der Ressourcen
• Messkonzepte und Sensorik (Beschleundigungssensoren, Laser-Doppler-Vibrometrie, etc.)
• Praxisteil: Identifikation von Schwachstellen, Positionierung der Schwingungssensorik, zielgerichtete Datengewinnung

Modul 2: Datenerfassung - Kräfte- und Energiemessung

• theoretische Grundlagen zur Messung elektrischher Größen und zur Messung von Prozesskräften
• digitale Überwachungsmöglichkeiten in der Produktion und Auswahl geeigneter Prozessgrößen
• Praxisteil: Abgreifen energetischer Prozessgrößen mittels geeigneter Messtechnik in Schaltschränken
• Praxisteil: Abfreifen weiterer Prozessgrößen (z. B. Kräfte beim Fräsen) zur Qualitätssteigerung der Bauteile

Modul 3: Qualitätsbewertung

• Verfahren zur Messung der Qualität von Produktionsprozessen (z. B. optische Prüfverfahren mit Echzeitbildüberwachung oder vollautomatische Prüfroboter)
• Vidoedatenauswergung in Echtzeit zur Bestimmung von Lage und Ausrichtung von Bauteilen
• vollautomatisierte Laservermessung zur Ermittlnug der Maßabweichung von Bauteilen
• Praxisteil: Vorstellung verschiedener Verfahren zur messtechnischen Auswertung der Fertigungsqualität anhand eines Referenzwerkstückes (sowie Möglichkeiten und Limitationen der Verfahren)

Modul 4: Datenaufbereitung- und auswertung

• theoretische Konzepte und deren praktische Anwendungsmöglichkeiten zur Erhöhung des Datennutzungsgrades im Unternehmen
• Methoden zur Datenveredelung (z. B. Feature Selection und Extraction)
• Vorbereitung der Daten für die Weiterverarbeitung (z. B. für statistische Methoden oder eine Verwendung mit Verfahren des Machinellen Lernens)
• Vermittlung grundlegender Kenntnisse zur Datenanalyse
• Praxisteil: Die in den Modulen eins bis drei gewonnen Daten werden beispielhaft für die Datenaufbereitung und - auswertung herangezogen

Modul 5: Datenverwertung

• Potentiale der Datenverwertung aufzeigen (z. B. Erhöhung der Produktivität(Wirtschatlichkeit, Steigerung der Produktqulität durch eine verbesserte Prozesskontrolle, Ressourcenschonung, Flexibilisierung des Personals)
  
• Identifizierung geeigneter Schnittstellen zwischen Mensch und Maschine
  
• Visuallisierungsmöglichkeiten in Dashboards, digitale Assistenzsysteme, Implementierung und Integration der Modelle im Produktionsumfeld
  
• Praxisteil: Beispielimplementierungen basierend auf den Ergebnissen und Erkenntnissen aus den vorgangegangenen Lehrgansmodulen
  

Modul 6: Transferworkshop

• Transfer der erlernten Fähigkeiten und Kompetenzen auf Anwendungsfälle im eigenen Unternehmen
  
• Beispiele aus den Unternehmen werden vorgestellt und geminesam konzeptionelle Lösungsvorschläge entwickelt